[기고] AI, 그 다음 단계: DigiKey가 디지털 팀원을 활용하여 전문성을 강화 및 확장하는 방법

2026-09-23 Nick Krmpotich, DigiKey AI 및 지능형 자동화 부문 부사장

여러 해 동안 기술 분야에 종사해 오면서, 개인용 컴퓨터와 인터넷부터 클라우드 컴퓨팅과 원격 근무에 이르기까지 기업의 운영 방식을 재편하는 여러 가지 주요 변화를 경험해 왔습니다. 이러한 변화들은 모두 예측, 기대감, 그리고 상당한 관심을 동반했습니다.

AI는 많은 측면에서 이러한 다른 변화들과 비슷하게 느껴지지만, 그 속도가 다릅니다. 대부분의 신기술은 수년에 걸쳐 발전하는데, AI는 매주 달라지는 것처럼 느껴집니다. 이러한 속도로 인해, 5년 또는 10년 후에는 '직업'이라는 것이 어떤 모습일지에 대해 과감하게 예측해 보고 싶은 유혹에 빠지고는 합니다. 그런데 저는 더 간단한 질문이 있습니다. 바로 지금, 이 기술로 무엇을 할 수 있을지가 궁금합니다. DigiKey에서는, '복잡성'으로부터 이 질문에 대한 해답을 찾아갑니다.

DigiKey는 전자 상거래 플랫폼을 통해 1,700만 개 이상의 제품을 판매하고 있습니다. DigiKey의 팀들은 매일 제품 사양 및 가격 구조부터 무역 규정 준수 요구 사항, 제조업체 데이터 및 고객 문의에 이르기까지, 엄청난 양의 정보를 처리하는데 이 과정에서 전문성 부족으로 인해 발생하는 어려움은 거의 없습니다. 문제는 고도로 숙련된 사람들이 정보를 수집하는 데 너무 많은 시간을 소비하고, 자신이 알고 있는 것을 적용하는 데는 너무 적은 시간을 소비하는 경우가 많다는 것입니다. 바로 그 지점에서 AI가 가장 큰 변화를 이루어낼 수 있습니다.

제가 팀원들과 함께 사용했던 비유 중 하나는 '디지털 트윈 인턴'이라는 개념입니다. 인턴 직원이 있는데, 그 직원은 늘 도움을 주고 싶어 하고, 반복적인 업무도 마다하지 않으며, 방대한 양의 정보를 단 몇 초 만에 분류할 수 있다고 생각해 보세요. 이들은 의미 있는 일도 해낼 수 있지만, 가이드와 맥락이 여전히 제공되어야 합니다. 또한 경험이 풍부한 사람이 그들의 작업을 검토하고 최종 결정을 내려야 합니다.

이것이 바로 제가 AI 에이전트에 대해 생각하는 방식입니다. AI 에이전트는 전문가들에게 조금 다른 출발점을 제공함으로써 도움을 줍니다. 직원들은 여러 시스템에 걸쳐 데이터를 찾아내거나, 정보를 대조하거나, 일상적인 관리 업무를 처리하는 데 여러 시간을 낭비하는 대신, 이미 상당 부분이 완료된 기초 작업을 기반으로 그들의 업무를 시작할 수 있습니다. 이전에는 절차를 밟기 위해 소모했던 시간을, 이제는 상황을 판단하고, 문제를 해결하며 고객과 소통하는 데 활용할 수 있게 됩니다.

AI 기술이 사람들이 어렵게 느끼는 부분들을 다소 없애 준다면, 사람들이 할 수 있는 일은 무엇일까에 대해 잘 생각해 보는 것이 중요합니다. AI가 수행할 수 있는 작업은 저부가가치 작업으로 불리곤 합니다. 이러한 작업을 '디지털 트윈 인턴'이나 AI 에이전트에게 맡긴다면, 숙련된 직원들은 더 어려운 문제를 해결하고, 고객에게 서비스를 제공하며, 혁신을 주도하는 데 집중할 수 있습니다.

사람들이 DigiKey의 AI 전략에 대해 질문할 때, 흔히 DigiKey가 미래의 가능성, 그리고 AI를 통해 유통 분야를 어떻게 변화시킬지에 초점을 맞추고 있다고 생각하곤 합니다. 실제로는, DigiKey는 현재를 살아가는 사람들의 시간을 절약해주는 매우 실용적인 비즈니스 문제를 해결하는 데 집중하고 있습니다.

지난 1년간 DigiKey는 70-20-10 투자 모델을 따랐습니다. AI와 관련된 DigiKey의 노력 중 약 70%는 운영 역량의 확장에, 그리고 20%는 고객 경험의 향상에 집중되어 있습니다. 나머지 10%는 실험 및 장기적인 기회를 위해 남겨둡니다.

이 자원 투자 계획은 AI가 발전을 거듭하면서 조직들이 알게 된 점, 즉 가장 큰 가치는 일상 업무에서 발생하는 마찰을 제거하는 데 있다는 점을 반영합니다.

DigiKey는 회계, 고객 운영, 무역 규정 준수와 같은 부문에서 AI 에이전트를 활용하고 있습니다. 이러한 환경에서는 직원들이 정보를 수집하고, 시스템 간을 이동하며, 업무와 관련된 복잡한 규정들을 이해하는 데 상당한 시간을 소비하게 됩니다.

많은 경우, 업무 자체는 어렵지 않습니다. 단지 업무량이 많고 그 주변 환경이 복잡할 뿐입니다. 무역 규정 준수를 예로 들어보겠습니다. 수백만 개의 제품에 걸쳐 관세가 미치는 영향을 판단하기 위해서는 제조업체, 제조 시설, 규정 및 고객 요구 사항 간의 복잡한 관계를 고려해야 합니다. 가능한 시나리오의 수가 빠르게 증가합니다. AI는 방대한 양의 정보를 빠르게 검토하여 가장 중요한 세부 사항을 찾아낼 수 있으므로, 이러한 환경에 특히 적합합니다.

DigiKey의 첫 번째 성공적인 에이전트가 남긴 교훈

올해 초, DigiKey는 회계 부서에 AI 에이전트를 도입하여 실제 업무에 투입했습니다. 그 AI 에이전트는 이메일을 검토하고, 요청된 작업을 파악하며, 관련된 정보를 수집하고, 직원에게 알맞은 결정을 권장하여 해당 작업을 승인하도록 함으로써 고객에 대한 송금 요청 처리를 지원합니다. 현재 해당 시스템은 송금 요청의 약 3분의 2를 자동화하고 있습니다.

생산성 향상이라는 의미 있는 결과를 얻었으며, 이 과정을 통해 다른 많은 소중한 통찰력과 교훈도 얻었습니다. AI 에이전트를 구축하기 위해, DigiKey는 이러한 시스템을 책임감 있게 운영하는 데 필요한 인프라, 거버넌스, 보안 제어 및 운영 프로세스를 구축해야 했습니다. 이를 통해 기술이 잘 작동하는 부분, 어려움을 겪는 부분, 그리고 인간의 감독이 여전히 필수적인 부분이 어떤 것인지 알게 되었습니다.

이제 그러한 교훈과 통찰력을 다시 활용할 수 있습니다. 이러한 기회는 더 이상 단일 사용 사례에 국한되지 않으며, 실제로 DigiKey 조직 전체에서 현재 70개 이상의 활용 사례가 다양한 수준으로 도입되고 있습니다. 일단 그 패턴을 이해하고 나면, 완전히 새로운 가능성들이 펼쳐집니다. 조직 전체를 살펴보면서 다음과 같은 질문을 반복적으로 던져볼 수 있습니다. 바로 '직원들이 여러 시스템을 오가며 정보를 수집하고 정해진 비즈니스 규정에 따라 의사 결정을 내려야 하는 업무들은 무엇인가?'라는 질문입니다. 이러한 업무들은 AI 지원 워크플로에 가장 적합한 경우가 많습니다. 최초의 운영 에이전트를 프로덕션 환경에 배포하는 것이 가장 어려운 부분이었습니다. 이제 DigiKey는 지금까지 배운 내용들을 확장하는 데 집중할 수 있습니다.

가장 어려운 과제는 기술이 아니라 적응

AI 기술은 놀라운 속도로 계속 발전하고 있습니다. 1년 전만 해도 상상할 수 없었던 일이 이제는 유능한 에이전트와 함께라면 일상적인 일처럼 느껴질 수도 있습니다. 현재 가장 큰 과제는 사람들이 변화된 업무 방식에 적응하도록 돕는 일입니다.

이전에는 우리 시간의 대부분을 행정적인 업무에 소모했습니다. 행정 업무가 점차 자동화됨에 따라, 또 다른 문제가 대두되었습니다. 사람들은 새롭게 주어진 시간을 어떻게 활용해야 할까요?

이는 말처럼 간단하지 않고 대답하기 어려운 질문입니다. 여유 시간을 시스템 내의 유휴 시간으로 생각하기 쉽지만, 실제로는 그렇지 않습니다. 예전에는 데이터 검색을 위해 오전 시간을 할애했던 사람들이 이제는 보고서에서 놓친 부분을 찾아내거나, 제조업체가 해결책을 찾도록 돕거나, 고객의 요청을 처리하는 데 그치지 않고 고객과 소통하는 등 눈앞의 문제들을 더 깊이 고민하는 데 사용해야만 합니다.

우리가 시간을 보내는 방식의 이러한 변화는 단지 DigiKey에만 국한된 현상이 아닙니다. AI를 실험하는 모든 조직은 비슷한 변화에 직면하게 될 것입니다. 이제 어려운 대화는 기술에 관한 것이 아니라 문화, 리더십, 그리고 단순 반복적인 업무를 할 필요가 없어진 후에 '업무를 잘하는 것'이란 무엇을 의미하는지에 관한 것입니다. 이에 대한 해답을 찾는 조직이 단순히 도구만을 구매한 조직보다 앞서 나갈 것입니다.

주의 깊게 살필 점

만약 더 많은 관심을 기울여야 할 트렌드를 하나 꼽으라면, 오픈 소스 AI 모델의 신속한 발전이라고 할 수 있습니다. 대부분의 사람들은 AI에 대해 생각할 때 몇몇 유명 기업들을 떠올립니다. 그러한 플랫폼들은 중요하지만, 특정한 분야에서 탁월한 성능을 발휘하고 보통 비용도 훨씬 저렴한 전문적인 모델들도 계속해서 등장하고 있습니다.

AI가 기술적 측면 뿐만 아니라 경제적 측면으로도 점점 더 많은 논의가 이루어지는 사안이므로, 이는 중요한 문제입니다.

적합한 모델을 선택하는 것은 적합한 도구를 선택하는 것과 같습니다. 범용 모델이 어떤 작업에서는 이상적일 수 있지만, 더 작고 특정 기능에 특화된 모델은 훨씬 저렴한 비용으로 다른 작업에 대해 유사한 결과를 제공할 수 있습니다.

조직이 AI 도입 규모를 확대함에 따라, 이러한 결정은 더욱 중요해집니다. AI를 통해 가장 큰 가치를 창출하는 기업은 어떤 모델이 어떤 문제에 적합한지를 이해하고, 그러한 결정을 일관되게 내릴 수 있는 기업이 될 것입니다.

미래에 대한 예측

AI가 5년 또는 10년 후 어떤 모습일지 질문을 받을 때마다, 개인용 컴퓨터, 인터넷, 클라우드 컴퓨팅에 대해 했었던 비슷한 논의들이 떠오릅니다. 어느 시점에 이르면, 기술 자체는 뒷전으로 밀려나게 됩니다.

이제는 그 누구도 자기소개를 할 때 '저는 업무를 위해 인터넷을 사용합니다.'라고 말하지 않습니다. 그 누구도 랩톱을 혁신적인 전략이라고 표현하지 않습니다. 이러한 도구들은 자연스럽게 업무 방식의 일부가 되었습니다. AI 역시 같은 방향으로 나아가고 있다고 생각합니다.

미래는 단순히 AI에 접근할 수 있는 조직만의 것이 아닐 가능성이 높습니다. AI에 대한 접근성이 점점 더 보편화되고 있기 때문입니다. 차별화 전략의 핵심은 이러한 도구들을 신중하고 안전하며 책임감 있게 적용하는 방법을 아는 것입니다. 자동화가 가치를 창출하는 부분과 인간의 판단이 여전히 필수적인 부분을 이해하는 것이 중요해질 것입니다.

기존의 규칙은 여전히 적용됩니다. 조직은 거버넌스, 보안, 지출 및 책임성에 대해 신중하게 생각해야 합니다. AI가 그러한 책임들을 없애는 것은 아니며, 오히려 더욱 중요하게 만듭니다.

AI에 대한 온갖 논의에도 불구하고, 저는 여전히 가장 중요한 변수는 사람임을 확신합니다. AI는 정보를 처리하고 복잡한 상황을 헤쳐나가는 데 도움을 줄 수 있습니다. 하지만 인간의 전문성과 노련한 직원들의 판단은 언제까지나 가장 중요한 부분으로 남을 것입니다.