2023년은 ChatGPT로 대표되는 생성형 AI(Generative AI)가 전 세계를 휩쓴 해였습니다. 이어 2024년에는 기업들이 이 혁신적 기술을 어떻게 활용할지 방향을 모색하며 다양한 시도를 해왔죠. 

이렇듯 AI의 기술적 잠재력은 이미 충분히 입증되었지만, 여전히 "실제 비즈니스 현장에서 어떻게 활용할 것인가"라는 과제를 두고 기업들의 고민이 이어지고 있습니다.

2025년은 예측컨대, 이러한 탐색기를 지나 AI가 본격적으로 산업 현장에 스며드는 해가 될 것으로 보입니다. 특히 '실용성'과 '차별화된 가치' 두 가지를 중심으로 시장이 재편될 전망인데요. 범용 AI를 도입하는 것을 넘어, 각 산업과 분야별 특성에 맞춰 AI를 최적화하고 실질적인 성과를 만들어내는 것이 핵심 과제가 될 것입니다.

이제부터 2025년 AI 시장의 주요 흐름들을 살펴보면서, 기업들이 어떤 전략적 선택을 해야 하는지, 또 이를 실행하기 위해 어떤 준비가 필요한지 2개의 포스트를 통해 구체적으로 들여다보겠습니다.

1. 실용적 AI 에이전트의 확산: 업무 자동화에서 가치 창출로 전환

2025년 AI 도입의 가장 큰 변화는 '자율형 AI 에이전트'의 실용적 확산일 것입니다.  이미 가트너 등 글로벌 리서치 기관들은 2028년까지 일상 업무의 15% 이상이 AI 에이전트에 의해 자율적으로 처리될 것으로 전망하고 있죠. 주목할 점은 이러한 AI 에이전트의 핵심 가치가 '대화 능력' 자체가 아니라는 것입니다.

사실 2024년까지 이어진 LLM 기반 챗봇 열풍은 다소 아쉬운 점이 있었습니다. 사용자가 '어떻게 질문하느냐'에 따라 성능이 크게 달라지는 등 불안정한 생산성 향상에 그쳤기 때문입니다. 그러나 2025년에는 이러한 한계를 넘어 '특정 업무를 독자적으로 해결하는 능력'이 AI 에이전트의 핵심 경쟁력이 될 것입니다.

특히 RPA(Robotic Process Automation)와 결합한 자율형 에이전트는 가히 주목할 만합니다. 기존 레거시 시스템까지 통합적으로 다루는 고도화된 업무 플랫폼으로 발전할 것으로 예측됩니다. 단순한 응대나 정보 제공을 넘어, 특정 업무 영역을 깊이 이해하고 필요한 도구까지 직접 제작해 프로세스를 최적화하는 수준까지 진화할 전망입니다.

하지만 모든 혁신에는 도전 과제가 따르기 마련입니다. 자율형 AI 에이전트가 해결해야 할 가장 시급한 문제이자 약점은 바로 '오류 가능성'입니다. 오류 가능성을 극복하기 위해 2025년에는 '자기 반영(Self-Reflecting)' 기능이 핵심 기술로 부상할 것으로 보이는데요. 단순히 피드백을 통해 모델을 재학습하는 수준을 넘어, AI가 자신의 수행 과정과 결과물을 스스로 검증하고 개선하는 단계로 나아가게 될 것 이라는 게 스켈터랩스 엔지니어 팀의 예측입니다. 

가령 '자가 반영' 에이전트는 기업 내 사용 이력과 업무 패턴, 사용자 피드백을 실시간으로 반영하며 진화합니다. 결과적으로 사용자들은 "내가 쓰는 AI가 점점 나를 이해하고 맞춰간다"는 경험을 하게 될 것이며, 이는 AI에 대한 신뢰도와 실제 비즈니스 성과를 함께 높이는 핵심 요인이 될 것입니다.

결국 기업들이 가장 먼저 고민해야 할 것은 "어떤 업무에서 AI를 써야 가장 큰 효과를 볼 수 있을까?" 입니다. 모든 업무에 AI를 한꺼번에 도입하기보다는, 가장 효과가 클 것 같은 특정 영역부터 시작하는 게 현명한 전략일 수 있겠죠. 예를 들어 반복적인 데이터 처리 업무나 고객 응대 같이 즉각적인 생산성 향상을 기대할 수 있는 분야부터 시작해서, 점진적으로 확대해 나가는 전략이 필요한 시점입니다.

궁극적으로는 AI 에이전트가 사용자의 의도와 상황을 정확히 파악하고, 필요한 도구를 스스로 만들어가며 진화하는 수준까지 발전하겠지만, 2025년 시장의 우선순위는 '실질적인 업무 생산성 향상'이 될 것입니다. 따라서 당분간은 특정 업무에 특화된 실용적 AI 에이전트의 확산이 두드러질 것으로 예상됩니다.

2. RAG 기술 너머: '생성 증강 검색, GAR' 시대의 도래

2023년부터 2024년까지 RAG(Retrieval-Augmented Generation)는 '검색'과 '생성'을 결합한 새로운 정보 활용 모델로 주목받았습니다. AI가 방대한 문서를 검색하고, 이를 바탕으로 새로운 콘텐츠를 생성하는 방식은 기업들의 큰 관심을 받았죠.

2025년에는 이 기술이 한 단계 더 진화합니다.  'Modular RAG', 'Agentic RAG', 'Graph RAG' 등 다양한 발전된 형태가 등장하면서, AI의 정보 처리 능력이 한층 더 고도화될 전망입니다. 이제는 단순히 텍스트를 만들어내는 수준을 넘어, 방대한 문서와 데이터, 그리고 복잡한 지식 그래프까지 능동적으로 탐색하고 가공하는 수준으로 발전하고 있습니다.

가장 주목할 만한 변화는 '검색증강생성(RAG)'에서 '생성증강검색(GAR: Generation-Augmented Retrieval)'이라는 새로운 패러다임으로의 전환입니다. 쉽게 설명하자면, RAG가 "검색한 정보를 바탕으로 새로운 답변을 만들어내는 방식"이었다면, GAR은 "찾고자 하는 정보를 더 잘 찾기 위해 AI가 검색 자체를 지능적으로 수행하는 방식"입니다. 즉, 검색의 질 자체를 높이는 것이죠.

GAR의 목표는 명확합니다. 단순히 "필요한 정보를 찾아주는 것"이 아니라, "찾은 정보를 깊이 이해하고 사용자에게 맞춤형으로 재구성"하는 것입니다. 진화된 검색 경험은 기업의 업무 효율성을 높일 뿐만 아니라, 전반적인 지식 관리 체계와 의사결정의 질적 향상까지 이끌어낼 수 있기 때문에 기대가 되는 부분입니다.

 2025년 AI 전망은 다음 편에서 계속 이어집니다!

<작성: 스켈터랩스>