기업들이 큰 기대를 안고 도입한 AI 에이전트가 생각보다 현장에서 힘을 쓰지 못하는 경우가 많아요. 비즈니스 맥락을 제대로 이해하지 못하는 똑똑한 인턴 수준에 머물러 있기 때문인데요. 최근 300만 달러 규모의 시드 투자를 유치한 스타트업 Trace가 이 문제의 실마리를 찾았다고 해서 화제가 되고 있습니다.
왜 기업용 AI 에이전트는 현장에서 겉돌기만 할까?
많은 기업이 오픈AI나 앤스로픽의 모델을 도입하면서 업무 자동화를 꿈꾸지만 실제 결과물은 기대에 못 미치는 경우가 허다합니다. 가장 큰 이유는 AI가 회사의 내부 사정이나 일하는 방식을 전혀 모르기 때문이에요. 단순히 질문에 답하는 수준을 넘어 복잡한 프로젝트를 수행하려면 해당 기업만의 고유한 맥락이 필요한데 현재의 에이전트들은 그게 부족합니다.
단순히 프롬프트를 잘 입력한다고 해결될 문제가 아니더라고요. 기존의 툴이나 이메일, 슬랙 같은 커뮤니케이션 채널에 흩어져 있는 정보들을 AI가 스스로 파악하고 연결하지 못하면 결국 사람이 일일이 데이터를 입력해줘야 하는 번거로움이 생깁니다. 이런 한계 때문에 많은 AI 프로젝트가 실제 배포 단계에서 좌절되곤 합니다.
Trace가 300만 달러 투자를 이끌어낸 결정적 이유
런던 기반의 스타트업인 Trace는 바로 이 맥락의 부재를 해결하겠다고 나섰어요. Y 콤비네이터 2025년 여름 코호트 출신인 이들은 최근 여러 벤처캐피털로부터 시드 투자를 성공적으로 유치했습니다. 이들이 주목받는 이유는 단순히 더 좋은 AI 모델을 만드는 게 아니라 AI를 적재적소에 배치하는 매니저 역할을 자처했기 때문이에요.
Trace의 CEO인 팀 체르카소프는 오픈AI나 앤스로픽이 아주 뛰어난 인턴을 만들고 있다면 자신들은 그 인턴들을 어디에 배치하고 어떤 일을 시켜야 할지 아는 매니저를 만들고 있다고 설명했습니다. 기업 내에 존재하는 수많은 데이터와 워크플로우를 AI가 이해할 수 있는 지도로 그리는 작업이 이들의 핵심 기술력이라고 볼 수 있습니다.
지식 그래프를 활용해 비즈니스 맥락을 읽는 법
Trace의 시스템은 기업이 이미 사용 중인 이메일, 슬랙, 에어테이블 같은 도구들로부터 지식 그래프를 구축하는 것에서 시작합니다. 회사 내부에서 매일같이 일어나는 업무 흐름을 데이터화해서 AI에게 지도처럼 제공하는 셈이죠. 이렇게 구축된 맥락이 있으면 사용자가 복잡한 요청을 해도 AI가 이를 정확히 알아듣습니다.
- 기업 내 기존 툴 연동하기
- 데이터 간의 관계를 정의하는 지식 그래프 생성
- 고차원적인 작업 요청에 따른 단계별 워크플로우 생성
- AI 에이전트와 사람 간의 적절한 업무 배분
예를 들어 새로운 마이크로사이트 디자인이나 내년도 영업 계획 수립 같은 추상적인 업무를 던져줘도 Trace는 이를 세부 단계로 쪼개서 어떤 부분은 AI가 처리하고 어떤 부분은 사람이 확인해야 하는지 명확히 구분해줍니다.
프롬프트 엔지니어링보다 중요한 컨텍스트 엔지니어링
지금까지의 AI 활용이 질문을 잘 던지는 프롬프트 엔지니어링에 집중했다면 이제는 컨텍스트 엔지니어링의 시대가 왔다고 전문가들은 말합니다. Trace의 CTO인 아르투르 로마노프는 최고의 컨텍스트를 적시에 제공하는 곳이 AI 우선 기업들의 기반 인프라가 될 것이라고 강조했어요.
결국 AI 에이전트의 성능은 모델 자체의 지능보다는 그 모델이 얼마나 풍부하고 정확한 데이터를 바탕으로 판단하느냐에 달려 있습니다. 회사 내부의 업무 프로세스를 데이터 구조로 변환하여 AI에게 주입하는 과정이 필수적인데 이를 자동화하는 것이 Trace가 해결하고자 하는 가장 큰 숙제입니다.
AI 에이전트와 사람이 협업하는 워크플로우 구축
Trace의 목표는 단순히 사람을 대체하는 것이 아니라 사람과 AI가 가장 효율적으로 협업할 수 있는 구조를 만드는 것입니다. AI 에이전트를 온보딩하는 과정에서 발생하는 기술적 장벽을 낮춰주기 때문에 실무자들이 훨씬 더 편하게 AI를 도입할 수 있게 됩니다.
복잡한 기업 환경에서 AI가 단독으로 모든 일을 처리하기는 어렵지만 Trace가 설계한 워크플로우 안에서는 AI가 특정 세부 과제를 수행하고 그 결과를 사람이 검토하는 식의 매끄러운 연결이 가능해집니다. 이는 기업들이 AI 도입을 망설이게 했던 불확실성을 크게 줄여주는 효과가 있습니다.
글로벌 빅테크와 차별화되는 워크플로우 자동화 전략
물론 이 시장에는 앤스로픽이나 아틀라시안 같은 거대 기업들도 뛰어들고 있습니다. 앤스로픽은 최근 특정 부서 기능을 위한 사전 빌드된 플러그인을 출시했고 지라로 유명한 아틀라시안도 자체 에이전트를 내놓고 있죠. 하지만 Trace는 특정 툴에 종속되지 않고 기업 전체의 지식 구조를 파악한다는 점에서 차별점을 가집니다.
다양한 협업 도구들에 흩어진 정보를 통합해서 하나의 큰 그림을 그릴 수 있는 능력이 Trace의 강점이에요. 특정 소프트웨어의 기능을 넘어 기업의 전체적인 워크플로우 자동화를 꾀하는 전략이 앞으로 시장에서 어떤 성과를 거둘지 기대되는 부분입니다.
효율적인 AI 도입을 위한 준비
AI 에이전트가 우리 업무의 동반자가 되는 시대는 이미 시작되었습니다. 단순히 성능 좋은 모델을 찾는 것에 그치지 않고 우리 회사의 데이터를 어떻게 연결하고 AI에게 어떤 맥락을 줄 것인지 고민하는 과정이 반드시 필요해요. Trace 같은 서비스들이 보여주는 변화를 보면서 우리 팀의 워크플로우를 미리 점검해보는 건 어떨까요.
출처: https://techcrunch.com/2026/02/26/trace-raises-3-million-to-solve-the-agent-adoption-problem/
이어서 보면 좋은 글
#AI에이전트 #기업용AI #Trace #지식그래프 #워크플로우자동화 #테크트렌드 #스타트업투자 #생성형AI #업무효율화 #디지털트랜스포메이션