이번 주 OpenAI의 프론티어 (Frontier) 발표가 엔터프라이즈 AI 업계에서 큰 주목을 받았습니다. 워카토는 엔터프라이즈 MCP 플랫폼을 통해 OpenAI 모델을 오케스트레이션하는 파트너로서, AI 에이전트를 기업 환경에서 실제로 운영 가능한 수준으로 발전시키려는 움직임을 긍정적으로 보고 있습니다.
동시에 이번 발표는 한 가지 중요한 질문을 던지고 있습니다. 바로 AI 모델 플랫폼과 엔터프라이즈 통합 플랫폼은 무엇이 다른지, 그리고 이 차이가 왜 중요한지에 대한 질문입니다.
문제에 따라 접근 방식도 달라져야 합니다
OpenAI는 뛰어난 AI 모델을 만들어내고 있습니다. GPT-4, o1, o3와 같은 모델은 추론 능력 측면에서 뚜렷한 진전을 보여줬습니다. Frontier는 이러한 강점을 바탕으로, 기업이 해당 모델에 우선적으로 접근할 수 있도록 지원하고, 맞춤형 AI 솔루션 설계를 돕는 Forward Deployed Engineer를 함께 제공합니다.
반면, 워카토는 전혀 다른 문제를 해결합니다. 바로 AI 에이전트를 실제 업무에 사용되는 엔터프라이즈 시스템과 연결하는 것입니다. 워카토는 지난 12년간 1,200개 이상의 엔터프라이즈 애플리케이션과 연동을 구축해 왔으며, 인증, 오류 복구, 데이터 변환, API 유지 관리 등 시스템 간 자동화를 안정적으로 운영하고 확장할 수 있는 기반을 지속적으로 발전시켜 왔습니다.
OpenAI와 워카토는 경쟁 관계가 아닙니다. 엔터프라이즈 AI 스택을 구성하는 서로 다른 레이어이자, 상호 보완적인 역할을 합니다.
AI 에이전트, 업무에 도입하면 어떨까요?
AI 에이전트를 도입한 기업들이 공통적으로 이야기하는 점이 있습니다. 어려운 부분은 AI가 똑똑한 응답을 만드는 데 있지 않습니다. 진짜 어려운 점은, AI가 Salesforce에서 고객 데이터를 안정적으로 조회하고, NetSuite에서 재고를 확인하며, ServiceNow에 티켓을 생성하고, Jira의 프로젝트 타임라인을 업데이트하는 일련의 작업을 적절한 인증과 거버넌스, 감사 로그, 오류 처리까지 포함해 문제 없이 수행하도록 만드는 것입니다.
엔터프라이즈급 커넥터를 운영 환경에서 사용할 수 있도록 구축하는 것은 상당한 비용이 드는 작업입니다. 각 시스템마다 인증 프로토콜, 속도 제한, 페이지네이션, 스키마 변경, 그리고 수많은 예외 상황까지 모두 처리해야 합니다. 업계 추산에 따르면 커넥터 하나당 약 5만~15만 달러(약 6,500만~2억 원)의 비용이 들며, API가 발전함에 따라 매년 20~30%의 유지보수 비용이 추가됩니다. AI 에이전트를 10개의 주요 시스템과 연결해야 하는 기업이라면, 첫 번째 에이전트 워크플로우를 운영에 적용하기도 전에 최소 50만~150만 달러(약 6억 5천만~20억 원) 규모의 통합 비용이 발생할 수 있습니다.
이러한 비용과 복잡성을 워카토의 1,200개 이상의 사전 구축된 커넥터가 대신 해결해줍니다. 워카토는 Slack, Jira, Salesforce, GitHub, Gong, Google Sheets, Okta 등을 시작으로, 2026년까지 100개 이상의 운영 환경에서 바로 사용할 수 있는 MCP 서버를 순차적으로 제공할 예정입니다. 각 MCP 서버에는 엔터프라이즈급 인증, 오류 처리, 그리고 지속적인 API 유지 관리 기능이 이미 포함되어 있어, 별도의 추가 개발 없이 바로 활용할 수 있습니다.
다양한 AI 모델을 유연하게 활용하는 방법AI 모델 선택에서 유연성이 중요한 이유다양한 AI 모델을 유연하게 활용하는 방법AI 모델 선택에서 유연성이 중요한 이유
엔터프라이즈 AI 전략은 점점 특정 모델에 얽매이지 않는 방향으로 변화하고 있습니다.
AI 기술은 매우 빠르게 진화하고 있으며, 모델마다 강점을 보이는 영역도 서로 다릅니다.
예를 들어 Anthropic의 Claude는 특정 분석 업무에서 더 뛰어난 성능을 보일 수 있고,
OpenAI의 o3는 복잡한 추론 작업에 강점을 가질 수 있습니다.
또한 Google의 Gemini는 멀티모달 작업에서 장점을 발휘할 수 있습니다.
워카토는 개방형 표준인 MCP(Model Context Protocol)를 기반으로 구축되어 있습니다. 워카토 플랫폼은 Claude, ChatGPT, Gemini는 물론 커스텀 모델까지 폭넓게 지원합니다. 새로운 기능과 모델이 등장하더라도, 기업은 기존 통합 인프라를 다시 구축할 필요 없이 이를 유연하게 도입할 수 있습니다. 이러한 유연성은 AI 환경이 빠르게 변화하는 지금, 더욱 중요한 경쟁력이 됩니다.
엔터프라이즈에 실제로 필요한 거버넌스 레이어
AI 에이전트가 실제 운영 시스템에서 작업을 수행하기 시작하면, 거버넌스는 선택이 아닌 필수 요소가 됩니다. 특히 IT 보안 및 컴플라이언스 팀은 다음과 같은 사항을 명확하게 파악할 수 있어야 합니다.
- 에이전트가 수행한 각 작업은 누구의 승인에 따라 이루어졌는가?
- 에이전트가 어떤 시스템의 어떤 데이터에 접근했는가?
- 에이전트가 요청자의 권한 범위를 준수했는가, 아니면 더 높은 권한으로 동작했는가?
- 여러 시스템에 걸친 전체 워크플로우를 한 곳에서 감사할 수 있는가?
워카토의 이중 보안 모델인 역할 기반 접근 제어(RBAC) + Verified User Access(VUA)는 에이전트가 각 시스템에서 사용자의 권한 범위 내에서만 작업을 수행하도록 합니다. 예를 들어, 영업 담당자의 에이전트가 Salesforce에서 고객 데이터를 조회하고 영업 건을 업데이트하는 경우, 해당 담당자가 평소에 볼 수 있는 데이터에만 접근할 수 있습니다. 즉, 모든 데이터에 접근할 수 있는 관리자 권한의 공용 서비스 계정을 사용하는 방식이 아닙니다.
이 기능은 AI 에이전트를 위해 새롭게 추가된 것이 아닙니다. 워카토는 지난 12년 동안 Fortune 500 기업의 50%를 포함한 12,000개 이상의 엔터프라이즈 고객을 지원하며, 이러한 보안 체계를 실제 운영 환경에서 검증해왔습니다.
파트너십 관점에서 보면 중요한 점은 다음과 같습니다
핵심은 간단합니다. 워카토와 OpenAI는 서로를 대체하는 관계가 아닙니다.
워카토는 현재 MCP를 통해 OpenAI 모델을 오케스트레이션하고 있으며, 많은 고객들이 OpenAI의 추론 능력을 AI 에이전트에 활용하고, 워카토는 이를 엔터프라이즈 시스템과 연결합니다.
즉, OpenAI 모델의 강력한 추론 성능을 그대로 활용하면서, 워카토를 통해 엔터프라이즈 연동, 거버넌스, 확장성까지 함께 확보할 수 있습니다.
이미 OpenAI 모델을 사용하고 있는 기업이라면, 워카토는 해당 모델을 엔터프라이즈 시스템 전반에서 안정적으로 활용할 수 있도록 지원하는 운영 인프라 역할을 합니다.
운영까지 걸리는 시간
얼마나 빠르게 가치를 만들어낼 수 있는지가 중요합니다. 워카토 고객들은 사전 구축된 MCP 서버와 기존 통합 라이브러리를 활용해, 며칠에서 몇 주 안에 운영 환경에서 사용할 수 있는 에이전트 워크플로우를 구축할 수 있습니다. 또한 기존 90만 개 이상의 자동화 레시피를 즉시 에이전트 스킬로 전환해 활용할 수 있습니다.
Forward Deployed Engineer의 전문적인 지원은 복잡하고 새로운 AI 애플리케이션을 구축할 때 큰 도움이 됩니다. 하지만 많은 엔터프라이즈 활용 사례에서는, 이미 잘 알려진 시스템 간 반복적인 워크플로우를 자동화하는 경우가 더 많습니다. 이러한 경우에는 사전 구축된 인프라를 활용하면 매번 외부 지원에 의존하지 않고도 더 빠르게 운영 환경까지 확장할 수 있습니다.
AI 전략, 어떻게 접근해야 할까
만약 여러분의 목표가 새로운 AI 기능을 개발하거나 모델 성능을 최대한 끌어올리는 것이라면, OpenAI 모델을 직접 튜닝하고 자체 학습 구조를 구축하는 방식이 더 적합할 수 있습니다.
반대로, AI 에이전트를 실제 업무에 적용해 여러 시스템을 연결하고, 보안과 권한을 관리하면서 자동화를 안정적으로 실행하는 것이 목표라면, 엔터프라이즈 통합 플랫폼이 더 적합합니다.
그렇다면 둘 다 필요하다면 어떨까요?
플랫폼 중심으로 접근하면, 각 작업에 맞는 AI 모델을 유연하게 선택하고 검증된 통합 인프라 위에서 안정적으로 확장할 수 있습니다. 중요한 것은 어떤 AI가 더 뛰어난지가 아닙니다. 변화하는 환경 속에서도 AI를 안정적으로 활용할 수 있는 기반을 갖추는 것이 핵심입니다.
엔터프라이즈 MCP가 실제로 어떻게 동작하는지 궁금하시다면,