Salesforce·Anthropic, 에이전트 중심 기업 소프트웨어 제시

Salesforce와 Anthropic의 Claude 협력은 기존 화면에 AI를 덧붙이는 대신, 고성능 모델이 기업 데이터와 기능을 활용하는 소프트웨어 방향을 보여줍니다. AI 에이전트가 기업 업무 흐름의 주요 운영자가 되고 데이터와 업무 논리의 신뢰할 수 있는 원천으로 기록 시스템이 남을 수 있습니다. 최고정보책임자(CIO)가 따져야 할 핵심은 사람이 더는 주요 사용자가 아닐 때 어떤 애플리케이션 계층이 필요한지입니다.

기업용 소프트웨어는 사람이 정보를 찾도록 돕는 화면, 업무를 배분하는 도구, 다른 소프트웨어를 통한 감시와 평가를 중심으로 구축됐습니다. 에이전트에 데이터와 도구를 제공하는 것만으로는 기업 기능을 운영하는 데 필요한 전문성이 생기지 않습니다. Salesforce와 Anthropic은 Claude용으로 특화된 영업 기술 37개를 만들었으며, 기업은 여전히 기술을 정의하고 맥락을 연결하며 가드레일을 설정하고 에이전트를 조율해야 합니다.

고객 경험(CX) 분야에서는 고객 서비스, 품질 검토, 패턴 분석, 개선 업무를 별도 도구와 팀이 맡아 왔습니다. AI 중심 설계에서는 전문 에이전트가 각 기능을 맡을 수 있지만, 하나의 에이전트 시스템으로 만들려면 어떤 에이전트가 문제를 처리할지, 어떤 맥락을 받을지, 결과를 다음 에이전트에 어떻게 전달할지 정하는 오케스트레이션이 필요합니다. 저자는 애플리케이션 6개를 각각 별도의 에이전트 6개로 바꾸기보다, 하나의 기능을 통합 시스템으로 설계할지 고려해야 한다고 주장합니다.

제안된 학습 순환은 고객 응대를 지속적인 개선과 연결합니다. 서비스 에이전트가 신호를 만들고, 품질 에이전트가 응대를 평가하며, 인사이트 에이전트가 패턴을 찾고, 최적화 에이전트가 변경안을 제안한 뒤 시뮬레이션으로 다른 고객에게 적용하기 전에 시험합니다. 그러면 다음 고객 응대는 개선된 시스템에서 시작할 수 있습니다. 저자는 모델이 지능을 제공하고, 분야별 특화가 이를 전문성으로 바꾸며, 오케스트레이션이 시스템을 구성하고, 학습 순환이 지능을 누적시킨다고 설명합니다.

저자는 Anthropic과 OpenAI의 발전이 자체 기반 모델을 개발하지 않고도 특화 시스템을 만들 수 있게 해 수직형 AI 기업에 이익이라고 말합니다. 그는 CIO들에게 데이터와 업무 논리, 거버넌스를 위해 필수적인 시스템이 무엇인지, 에이전트가 흡수할 수 있는 애플리케이션 계층은 무엇인지, 에이전트 중심 아키텍처가 운영을 바꾸는 지점은 어디인지 평가하라고 촉구합니다. 고객 경험에서는 더 나은 서비스 에이전트가 출발점일 뿐이며, 각 상호작용을 통해 배우고 개선하는 운영 체계가 기회라고 말합니다.

Salesforce와 Anthropic의 Claude 협력은 기존 화면에 AI를 덧붙이는 대신, 고성능 모델이 기업 데이터와 기능을 활용하는 소프트웨어 방향을 보여줍니다. AI 에이전트가 기업 업무 흐름의 주요 운영자가 되고 데이터와 업무 논리의 신뢰할 수 있는 원천으로 기록 시스템이 남을 수 있습니다. 최고정보책임자(CIO)가 따져야 할 핵심은 사람이 더는 주요 사용자가 아닐 때 어떤 애플리케이션 계층이 필요한지입니다.

기업용 소프트웨어는 사람이 정보를 찾도록 돕는 화면, 업무를 배분하는 도구, 다른 소프트웨어를 통한 감시와 평가를 중심으로 구축됐습니다. 에이전트에 데이터와 도구를 제공하는 것만으로는 기업 기능을 운영하는 데 필요한 전문성이 생기지 않습니다. Salesforce와 Anthropic은 Claude용으로 특화된 영업 기술 37개를 만들었으며, 기업은 여전히 기술을 정의하고 맥락을 연결하며 가드레일을 설정하고 에이전트를 조율해야 합니다.

고객 경험(CX) 분야에서는 고객 서비스, 품질 검토, 패턴 분석, 개선 업무를 별도 도구와 팀이 맡아 왔습니다. AI 중심 설계에서는 전문 에이전트가 각 기능을 맡을 수 있지만, 하나의 에이전트 시스템으로 만들려면 어떤 에이전트가 문제를 처리할지, 어떤 맥락을 받을지, 결과를 다음 에이전트에 어떻게 전달할지 정하는 오케스트레이션이 필요합니다. 저자는 애플리케이션 6개를 각각 별도의 에이전트 6개로 바꾸기보다, 하나의 기능을 통합 시스템으로 설계할지 고려해야 한다고 주장합니다.

제안된 학습 순환은 고객 응대를 지속적인 개선과 연결합니다. 서비스 에이전트가 신호를 만들고, 품질 에이전트가 응대를 평가하며, 인사이트 에이전트가 패턴을 찾고, 최적화 에이전트가 변경안을 제안한 뒤 시뮬레이션으로 다른 고객에게 적용하기 전에 시험합니다. 그러면 다음 고객 응대는 개선된 시스템에서 시작할 수 있습니다. 저자는 모델이 지능을 제공하고, 분야별 특화가 이를 전문성으로 바꾸며, 오케스트레이션이 시스템을 구성하고, 학습 순환이 지능을 누적시킨다고 설명합니다.

저자는 Anthropic과 OpenAI의 발전이 자체 기반 모델을 개발하지 않고도 특화 시스템을 만들 수 있게 해 수직형 AI 기업에 이익이라고 말합니다. 그는 CIO들에게 데이터와 업무 논리, 거버넌스를 위해 필수적인 시스템이 무엇인지, 에이전트가 흡수할 수 있는 애플리케이션 계층은 무엇인지, 에이전트 중심 아키텍처가 운영을 바꾸는 지점은 어디인지 평가하라고 촉구합니다. 고객 경험에서는 더 나은 서비스 에이전트가 출발점일 뿐이며, 각 상호작용을 통해 배우고 개선하는 운영 체계가 기회라고 말합니다.