AI 페스타 2026 참관기ㅣ"우리도 AI 에이전트 하나 들이면 되나요"에 드린 답
지난 10월 6일부터 사흘간 코엑스에서 AI 페스타 2026이 열렸습니다. 저희 넥톤도 작년에 이어 올해도 참가해 YRP 유링파워를 소개하는 부스를 열었습니다.
작년과 가장 달랐던 것은 전시 규모가 아니라 참관객들의 질문이었습니다. 작년에는 AI가 무엇이고 어떻게 도입해야 하느냐에서 출발했는데, 올해는 어떤 AI를 어디에 쓸 것인지를 묻는 분이 훨씬 많았습니다.
또 하나 눈에 띄었던 것은 관심의 대상이 옮겨 갔다는 점입니다. 작년에는 ChatGPT나 Claude 같은 범용 AI의 부상이 화제였다면, 올해는 조직 단위로 도입해 쓰는 업무용 AI 에이전트에대한 관심이 높았습니다.
업무용 AI 에이전트란 사람이 지시한 업무를 스스로 여러 단계로 나눠 실행하고, 필요한 시점에만 사람의 승인을 받는 프로그램을 말합니다. 많은 분들이 궁금해하신 만큼 오늘은 그때 드린 답변을 조금 자세히 정리해 보았습니다. 올해 나온 제품 셋을 먼저 보고, 구매 실무에 도입할 때 무엇을 봐야 하는지까지 함께 살펴보시죠.
2026 AI 페스타 전시장에서 달라진 분위기
AI 페스타는 국내에 나와 있는 AI 제품을 한자리에서 훑어볼 수 있는 몇 안 되는 자리입니다. 올해는 AI 코어, AI 에이전틱, 피지컬 AI, AI 보안, 국방 AI, AI반도체로 분야가 나뉘었는데, 에이전트와 피지컬 AI가 각각 한 칸씩 차지한 것이 작년과 가장 눈에 띄는 차이였습니다.
표 1. 넥톤이 현장에서 발견한 차이
구분 | 2025 | 2026 |
|---|---|---|
참가 기업 성격 | 중소·스타트업 위주 | 대기업 참가가 눈에 띄게 늘어남 |
전시 구성 | 분야 구분 없이 한데 모인 구성 | 분야별 구획이 더 세분화됨 |
방문객의 관심 | AI와 AX가 무엇인지 | 어떤 제품을 어디에 쓸 것인지 |
제품의 모습 | 개념과 데모 | 피지컬 AI, 로봇처럼 형태가 분명한 제품도 많이 등장함 |
참가 방식 | 한 회사가 단독으로 | 여러 회사가 묶여서 나오는 경우 증가 |
저희 YRP 유링파워 부스도 조금 바뀌었습니다. 작년에는 AI 기반 문서 처리 기능을 중점으로 소개했는데 올해는 제조업을 위한 구매 AI 하나로 좁혀서 소개했습니다.
작년에는 AI 제품이라는 말 자체로 설명이 되고 관심도 받았습니다. 올해는 그 말만으로는 부족했습니다. 다른 AI 제품과 무엇이 다른지, 그래서 효과가 얼마나 있는지 같은 질문이 바로 따라왔습니다.
올해 기업들이 검토 대상에 올린 에이전트 셋
부스에서 받는 질문이 구체적으로 바뀐 데에는 이유가 있다고 봅니다. 올해 나온 제품들이 개인이 혼자 쓰는 것부터 사내에 장비를 두는 것까지 폭이 넓어졌거든요. 그중 이름이 많이 오르내린 AI 에이전트 세 가지를 소개합니다. 개인용에서 조직용으로 보시면 그 차이가 선명합니다.
표 2. 세 제품의 차이
항목 | 제미나이 스파크 | 그록 봇 | 엔비디아 DGX Spark |
|---|---|---|---|
형태 | 개인용 AI 에이전트 | 업무용 자율 AI 봇 | 데스크톱 AI 컴퓨터 |
만든 곳 | 구글 | xAI | 엔비디아 |
실행 위치 | 클라우드. 기기를 꺼도 작업 지속 | 클라우드. 봇마다 자체 컴퓨터 | 사내 로컬 |
연결 대상 | 지메일, 구글 문서, 스프레드시트 | 웹사이트와 사내 도구. API가 없어도 화면을 직접 조작 | 직접 올린 모델과 데이터 |
승인 방식 | 결제나 발송 전 사용자 승인 | 승인이 필요한 시점에만 사용자에게 넘김 | 사내 정책에 따름 |
공개 시점 | 2026년 7월 30일 국내 출시 | 2026년 8월 11일 베타 | 64GB 구성 10월 23일 판매 |
제미나이 스파크는 화면이 잠겨 있어도 백그라운드에서 작업을 이어 가고, 그록 봇은 API가 없는 도구에도 사람처럼 로그인해 다룹니다. 그록 봇 요금은 슈퍼그록 헤비 월 300달러, 커서 울트라 월 200달러, 커서 팀즈 프리미엄 좌석당 월 120달러 구독에 포함됩니다.
엔비디아의 DGX Spark는 결이 다릅니다. 데이터를 밖으로 내보내지 않는다는 것이 이 장비의 차별화 지점입니다. 클라우드 에이전트가 편의성을 준다면 로컬 장비는 통제권을 줍니다. 다만 그 통제권의 값이 1년 사이에 꽤 올랐습니다. 128GB 구성은 출시 때 3,999달러였는데 지금은 약 6,950달러입니다. 메모리 수급 때문에 1년 만에 거의 두 배가 됐고, 10월 23일 나온 64GB 구성이 4,999달러고요.
클라우드와 로컬, 무엇으로 나누나
에이전트를 도입할 때 또 하나 생각해 볼 부분은 성능이 아니라 데이터가 어디에 있고 어디로 가느냐입니다.
표 3. 판단 기준
판단 기준 | 클라우드 에이전트가 맞는 경우 | 로컬 AI가 맞는 경우 |
|---|---|---|
데이터 반출 | 외부 클라우드 저장이 허용됨 | 고객·가격 데이터 반출이 금지됨 |
연결할 시스템 | 메일·캘린더·문서 위주 | 사내 DB·도면·견적서 위주 |
비용 구조 | 인당 월 구독 | 장비 구매와 운영 인력 |
운영 역량 | IT 인력 없이 시작 | 모델을 올리고 관리할 인력 보유 |
결과 책임 | 개인 업무 보조 | 조직 의사결정 근거 |
예를 들어 고객사와 비밀유지 계약을 맺고 도면을 받는 회사라면 오른쪽에 가까울 것입니다. 받은 도면과 거기 붙은 단가는 계약상 외부 반출이 막혀 있는 경우가 많고, 전산팀이 먼저 걸고 넘어지는 지점도 거기거든요. 에이전트를 업무에 붙이는 순서는 제조 구매·조달팀을 위한 AI 에이전트 도입 가이드에서 따로 설명했습니다.
구매팀에서 에이전트가 멈추는 지점
여기까지는 어느 회사에나 해당하는 이야기입니다. 그런데 부스에서 구매 업무를 담당하시는 분들과 얘기하다 보면, 여기까지 가기도 전에 걸리는 것이 하나 있었습니다.
구매팀에서 AI 에이전트가 멈추는 가장 큰 원인은 모델 성능이 아니라, 판단에 필요한 데이터가 문서 안에 갇혀 있기 때문입니다. 사무직 업무는 개인의 역량과 노하우에 많이 기대다 보니 어디를 바꿔야 하는지 감을 잡기도 어렵습니다.
챗형 AI를 사무직에 먼저 깔아 본 기업들이 생산성 향상을 크게 체감하지 못하는 이유도 여기 있다고 봅니다. 도구는 들어왔는데 그 도구가 읽을 자료가 여전히 담당자 머릿속과 개인 폴더에 남아 있거든요.
표 4. 같은 업무에서 갈리는 것
구매 업무 | 에이전트가 바로 할 수 있는 일 | 데이터 정리 없이는 못 하는 일 |
|---|---|---|
견적 요청 | 업체에 보낼 요청 메일 초안 작성 | 과거 어느 업체가 얼마에 냈는지 근거 제시 |
견적 검토 | 받은 파일 요약 | 업체별·차수별 단가를 같은 기준으로 놓고 보기 |
단가 협상 | 협상 메일 문구 작성 | 작년 대비 인상률과 품목 단가 추이 제시 |
품의·보고 | 보고서 서식 채우기 | 낙찰 근거와 네고 반영액 산출 |
오른쪽이 안 되는 이유는 생각보다 단순합니다. 같은 업체가 어떤 문서에는 (주)○○로, 다른 문서에는 ○○ 주식회사로 적혀 있고, 같은 사양이 구경, Size, DN으로 제각각 쓰여 있습니다.
에이전트는 이 차이를 스스로 맞추지 못합니다. 회사마다 다른 표기 체계를 기계가 읽을 수 있게 정의해 두는 일을 온톨로지라고 부르는데, 왜 필요한지는 AI가 우리 회사 업무를 이해하지 못하는 이유에 정리해 두었습니다.
부스에서 보여드린 흐름
저희가 현장에서 시연한 것이 정확히 이 부분이었습니다. 에이전트를 만드는 일이 아니라, 에이전트가 읽을 수 있는 상태로 문서를 바꿔 놓는 일입니다.
표 5. 시연한 다섯 단계
단계 | 하는 일 | 현업이 얻는 것 |
|---|---|---|
연동 | 구글 드라이브 폴더를 연결해 새 파일만 주기적으로 수집 | 문서를 따로 옮기지 않음 |
추출 | 견적서·사양서·발주서에서 품목·단가·조건을 꺼냄 | 업체마다 다른 양식을 같은 기준으로 정리 |
검수 | 원문과 추출값을 나란히 놓고 사람이 확인 | 틀린 값이 그대로 쓰이지 않음 |
비교 | 업체별·차수별 비교표와 품목 단가 이력 | 협상 근거 확보 |
질의 | "최근 1년 가격이 급등한 품목은" 같은 자연어 질문 | 엑셀을 열지 않고 확인 |
YRP 유링파워는 업체마다 양식이 다른 견적서·발주서·거래명세서를 AI가 읽는 데이터로 전환합니다. ERP를 대체하지 않고 값을 넣기 전 단계를 맡는 방식이고, 폐쇄망에서도 운영할 수 있습니다. 목표로 삼고 있는 변화는 견적 산출 기간을 2주에서 1일로 줄이는 것입니다.
AI 에이전트를 효과적으로 활용하려면 이렇게 정리된 데이터가 먼저 있어야 합니다.
견적서 한두 건만 보내 주시면 YRP 유링파워가 실제로 구매 데이터를 어떻게 읽고 지식화하는지 보여드리겠습니다.
도입 전에 질문해야 하는 것들
업무용 AI 에이전트 도입은 어떤 제품을 살지보다 어떤 업무 하나를 맡길지로 시작하는 편이 성공 확률이 높습니다.
표 6. 도입 전 점검할 다섯 가지
질문 | 예 | 아니오 |
|---|---|---|
맡길 업무가 하나로 정해졌나 | 그 업무 데이터부터 정리 | 업무 범위부터 좁히기 |
그 업무의 과거 문서가 한곳에 모여 있나 | 추출·표준화 단계로 | 수집 경로부터 정하기 |
업체명과 용어가 통일돼 있나 | 비교·분석 가능 | 용어집과 별칭 정리 필요 |
결과를 사람이 확인하는 절차가 있나 | 운영 가능 | 검수 담당 지정 필요 |
데이터 외부 반출이 허용되나 | 클라우드 에이전트 검토 | 로컬·전용 환경 검토 |
아직 이른 회사도 있습니다. 월 견적이 수십 건 이하이고 담당자 한 명이 단가를 거의 외우고 있다면, 에이전트보다 엑셀 정리가 빠릅니다. 반대로 입찰마다 두세 곳 견적을 받아 비교하는데 그 비교에만 일주일 넘게 걸린다면 지금이 손대야 할 때고요.
정리
올해 AI 페스타에서 가장 많이 한 말은 제품 설명이 아니었습니다. 자주 쓰시는 견적서나 업무 문서가 어떤 모습인지 먼저 여쭈고, 그 문서를 AI가 읽을 수 있는 데이터로 바꾸려면 무엇부터 손대야 하는지를 함께 짚어 봤습니다. 현업 담당자분들의 고민을 직접 들은 것이 저희에게는 가장 큰 수확이었고요.
또한 설명을 드리다 보면 어느 대목에서 자주 질문이 이어지고, 논의가 멈추는지 알 수 있었습니다. 그 지점들이 저희가 앞으로 어디에 힘을 주어야 하는지를 알려 줬고요.
올해 나온 에이전트들은 작년보다 확실히 멀리 왔습니다. 그런데 어느 것을 고르든 결국 같은 자리에서 막힙니다. 도구가 아니라, 그 도구가 읽을 자료가 준비돼 있느냐는 지점입니다.
에이전트를 들이기 전에 확인할 것은 모델 성능이 아니라, 실제 우리 업무에서 얼마나 쓸 수 있을지입니다. 우리 견적서 세 장을 같은 기준으로 놓고 볼 수 있느냐, 이런 질문부터 시작해 보시면 됩니다.
구매 업무 중 어디까지가 자동화 대상이고 어디부터가 사람의 판단인지는 구매 업무의 28%는 AI로 자동화됩니다, 문제는 나머지 72%입니다에서 Gartner 기고와 함께 다뤄보았습니다.
자주 묻는 질문
Q. 업무용 AI 에이전트란 무엇인가요
업무용 AI 에이전트란 사람이 지시한 업무를 스스로 여러 단계로 나눠 실행하고, 필요한 시점에만 사람의 승인을 받는 프로그램을 말합니다. 질문에 답하고 끝나는 범용 챗봇과 달리, 메일을 보내거나 사내 도구를 조작하는 실행까지 맡는다는 점이 차이입니다.
Q. 제미나이 스파크, 그록 봇, NVIDIA DGX Spark는 무엇이 다른가요
셋 다 에이전트로 묶이지만 실행 위치가 다릅니다. 제미나이 스파크는 구글이 2026년 7월 30일 국내 출시한 개인용 에이전트로 지메일과 구글 문서에 붙고, 그록 봇은 xAI가 2026년 8월 베타로 공개한 업무용 봇으로 API가 없는 도구도 화면을 직접 조작합니다. DGX Spark는 서비스가 아니라 사내에 두고 직접 모델을 돌리는 엔비디아의 데스크톱 장비입니다.
Q. NVIDIA DGX Spark 가격은 얼마인가요
128GB 구성은 2025년 10월 출시 당시 3,999달러였으나 2026년 10월 기준 약 6,950달러로 올랐습니다. OEM마다 가격이 다르고요. 64GB 구성은 2026년 10월 23일부터 4,999달러에 판매됩니다. 메모리 수급이 가격을 크게 움직이고 있어 구매 시점에 다시 확인하셔야 합니다.
Q. 클라우드 AI 에이전트와 로컬 AI 중 무엇을 골라야 하나요
성능보다 데이터 반출이 허용되는지를 먼저 보시는 편이 좋습니다. 메일과 문서 위주 업무이고 외부 클라우드 저장이 가능하면 클라우드 에이전트가 빠르고, 견적서나 도면처럼 반출이 막힌 데이터가 중심이라면 로컬 환경을 검토하게 됩니다. 로컬은 장비 구매비와 모델을 관리할 인력이 함께 드는 구조입니다.
Q. AI 에이전트를 도입하면 구매 업무가 바로 자동화되나요
메일 초안 작성이나 파일 요약처럼 문서를 새로 만드는 일은 바로 됩니다. 반면 업체별·차수별 단가 비교나 인상률 산출처럼 과거 데이터를 근거로 삼아야 하는 일은 기대보다 아쉬울 수 있습니다. 같은 업체가 문서마다 다르게 적혀 있거나 같은 사양이 다른 용어로 쓰여 있으면 에이전트는 서로 다른 것으로 보기 때문입니다.
Q. YRP 유링파워는 어떤 일을 하나요
업체마다 양식이 다른 견적서·발주서·거래명세서를 AI가 읽는 데이터로 전환하는 서비스입니다. 에이전트를 만드는 것이 아니라 에이전트가 읽을 수 있는 상태로 문서를 바꿔 두는 앞단을 맡고 있습니다. ERP를 대체하지 않고 ERP에 값을 넣기 전 단계에서 일합니다. 폐쇄망 환경에서도 운영할 수 있습니다.
출처
구글 코리아, 「24시간 개인 AI 에이전트 제미나이 스파크를 선보입니다」, 2026년 7월 30일
AI매터스, 「xAI, 상시 작동 에이전트 그록 봇 베타 공개」, 2026년 8월 12일
ServeTheHome, "NVIDIA DGX Spark 64GB Launched and Big 128GB GB10 Price Increases", 2026년 10월 3일