심포니AI CEO 산제이 다완은 기고문에서 기업 AI 에이전트가 성과를 내지 못하는 핵심 원인이 '도메인 맥락'의 부재라고 진단했다. PwC 조사에서 기업 CEO의 56%가 AI 투자로 유의미한 재무 성과를 보지 못했다고 답한 사례를 들며, 아프리카 은행 압사가 규제 준수 체계를 아키텍처 차원에서 구축해 금융범죄 탐지 모델 배포 기간을 120일에서 15일로 단축한 사례와, 100여 개 데이터 소스를 통합해 쇼퍼 클러스터를 도출함으로써 매출을 8% 늘린 식음료 기업 사례를 대조적 성공 예시로 제시한다. 필자는 범용 모델에 RAG나 파인튜닝을 얹는 것만으로는 도메인 지능을 확보할 수 없으며, 12~18개월에 걸친 업종별 어휘·의사결정 로직 학습과 사후 대응이 아닌 사전 내장형 거버넌스가 필요하다고 주장한다. MIT의 지난해 조사에서 생성형 AI 투자 기업의 95%가 수익을 내지 못했다는 결과를 인용하며, 모델 자체보다 기업 맥락 이해가 에이전트 성공의 관건이라고 결론짓는다.

• •PwC 조사에서 기업 CEO의 56%가 AI 투자로 유의미한 재무 성과를 얻지 못했다고 답했다.
• •은행 압사는 거버넌스를 아키텍처에 내장해 모델 배포 기간을 120일에서 15일로 단축했다.
• •한 식음료 기업은 100여 개 데이터 소스를 통합해 쇼퍼 클러스터를 만들어 매출을 8% 늘렸다.
• •필자는 RAG·파인튜닝만으로는 부족하며 12~18개월의 업종별 도메인 학습이 필요하다고 주장한다.
• •MIT 조사에 따르면 생성형 AI에 투자한 기업의 95%가 수익을 내지 못한 것으로 나타났다.