AI 에이전트의 병목 현상은 모델 성능이 아닌 권한 문제다

기업용 AI 에이전트의 도입이 지연되는 이유는 모델 성능 부족이 아니라, 에이전트가 누구를 대신해 어떤 데이터에 접근할 수 있는지 결정하는 권한(Permissioning) 문제 때문이다. 에이전트가 보안 모델 없이 원시 데이터에 직접 접근할 경우, 기존의 정교한 보안 체계가 무너져 결과가 지나치게 광범위해질 위험이 있다.

Workday는 자사의 기존 시스템을 에이전트의 거버넌스 계층으로 활용하는 Sana를 통해 이 문제를 해결한다. Sana는 Google Gemini를 기본 추론 계층으로 사용하되, 그 위에 Workday의 컨텍스트 엔진과 비즈니스 프로세스 로직을 결합하여 정확도를 높였다.

특히 인사(HR) 및 재무 분야에서는 '거의 맞음'이 아닌 '완벽한 정확도'가 필수적이다. Workday는 에이전트의 실행 전 출력을 검증하고 분류하는 모델을 추가하여 오류를 방지한다.

전문가들은 권한 설정이 데이터가 실제로 존재하는 시스템 오브 레코드(System of Record) 내에서 관리되어야 한다고 강조한다. 권한이 데이터 외부에서 정의될 경우, 에이전트의 소유권과 통제력을 잃고 혼란이 발생할 수 있기 때문이다.