AI 에이전트는 질문에 답하는 챗봇을 넘어 목표를 받고 여러 단계의 업무를 이어서 수행하는 시스템이다. 챗봇에게 보고서를 써 달라고 하면 답변 하나가 돌아온다. 에이전트에게 같은 일을 맡기면 자료를 찾고, 작업을 나누고, 도구를 호출한 뒤 결과를 확인하는 과정까지 이어진다. 이 차이 때문에 AI의 경쟁 무대가 ‘말을 잘하는가’에서 ‘일을 끝내는가’로 옮겨가고 있다.
2026년 여름, 경쟁은 ‘에이전트 운영’으로 옮겨갔다
최근 발표를 보면 경쟁의 초점이 답변 능력에서 운영 쪽으로 옮겨 갔다. 알리바바는 7월 WAIC에서 여러 에이전트의 실행을 추적하고 협업을 통제하는 AgentLoop와 AgentTeams를 내놨다. 바이트댄스의 Seed2.1도 여러 단계의 코딩·검색·도구 사용을 끝까지 수행하는 생산성 모델을 앞세웠다.
기업 입장에서는 ‘에이전트를 도입했다’는 사실보다 실행 기록, 권한, 실패 시 중단 조건과 사람의 승인 지점을 확인해야 한다. 중국 국가인터넷정보판공실도 2026년 5월 지침에서 안전·신뢰성과 전 과정 관리 원칙을 분명히 했다. 기술이 강해질수록 운영 통제가 제품의 일부가 된다. AI 에이전트의 성패는 얼마나 많은 일을 하느냐보다 중간 승인과 오류 복구가 설계돼 있는지에서 갈린다.
AI를 처음 만난 사람은 대개 질문부터 던진다. 요약해 달라, 번역해 달라, 문장을 다듬어 달라, 표를 만들어 달라. 이 단계의 AI는 대화 상대에 가깝다.
산업의 무게중심은 그 답변창 바깥에 있다. AI가 답을 내는 데서 멈추지 않고 파일을 읽고, 정보를 찾고, 코드를 실행하고, 양식을 채우고, 보고서까지 만들어 내는가. 여러 도구를 오가며 목표에 도달하는가.
에이전트라는 말은 아직 느슨하게 쓰인다. 챗봇에 외부 도구 사용을 더한 제품도, 업무 자동화 절차를 묶은 제품도, 목표만 주면 계획을 세우고 실행까지 하는 시스템도 모두 에이전트로 불린다. 경계는 흐리지만 방향은 하나다.
시연보다 업무 완료율을 본다
중국 기업들도 에이전트를 업무에 붙이는 일로 받아들인다. 알리바바는 큐원 계열 모델을 바탕으로 검색, 코드 실행, 외부 도구 사용을 묶은 에이전트 개발 도구를 내놓았다. 바이두는 에이전트빌더와 기업용 개발 도구를 통해 대규모 모델을 업무용 제품으로 옮기려 한다.
텐센트는 위안바오, 코드버디, 워크버디 계열 생산성 AI 제품을 앞세워 소비자 앱과 기업 업무 양쪽을 겨냥한다. 2025년에 주목받은 마누스 사례는 “중국에서도 범용 에이전트 경쟁이 본격화되고 있다”는 상징처럼 받아들여졌다.
정책 문서도 이 흐름을 따로 다루기 시작했다. 국가인터넷정보판공실, 국가발전개혁위원회, 공업정보화부는 인공지능 에이전트의 규범적 적용과 혁신 발전을 위한 실시 의견을 냈다. 중국 공식 설명에서 에이전트는 감지, 기억, 의사결정, 상호작용, 실행 능력을 갖춘 지능 시스템이다. 여기에 안전과 통제, 질서와 규범, 혁신 주도, 응용 확대가 붙는다. 에이전트는 한때의 제품 유행이 아니라 정책 문서가 따로 다루는 산업 주제가 됐다.
에이전트가 중국 AI에서 눈에 띄는 이유는 그럴듯한 시연에만 있지 않다. 중국 기업들이 이미 갖고 있는 앱, 클라우드, 업무 시스템, 제조 현장과 잘 맞는다. 검색은 자료 수집과 답변 생성으로, 커머스는 상품 등록과 광고 소재 제작으로, 슈퍼앱은 메시지와 결제와 고객 응대로, 클라우드는 기업 업무 시스템 접목으로 에이전트를 받아들인다. 개인이 체감하는 편리함은 이미 현실이 됐다. 다음 경쟁은 그 편리함을 회사의 반복 업무와 책임 절차 안에 얼마나 안정적으로 넣느냐에서 벌어진다.
챗봇은 답하고, 에이전트는 일을 나눈다
챗봇과 에이전트의 차이는 대화가 얼마나 길게 이어지느냐보다 일을 처리하는 순서에 있다. 챗봇은 사용자의 질문에 가장 그럴듯한 답을 생성한다. 에이전트는 목표를 나누고, 필요한 정보를 찾고, 외부 도구를 불러오고, 중간 결과를 확인한 뒤 다음 행동을 정한다. 그 처리 순서가 안정될 때 업무 자동화가 가능해진다. AI 에이전트를 도입할 때는 접근 권한과 실행 로그, 사람이 개입할 지점을 먼저 정해야 한다.
예를 들어 “중국 AI 기업을 조사해 줘”라는 요청이 있다고 하자. 챗봇은 요약문을 내놓는다. 제법 나은 챗봇이라면 기업명과 최근 동향, 정책 배경까지 묶는다. 에이전트는 조금 다른 순서를 밟는다. 조사 범위를 정하고, 공식 발표와 언론 보도를 구분하며, 웹 검색을 수행한다. 자료를 표로 만들고, 출처 링크를 달고, 모순되는 내용을 표시한 뒤 최종 문서 초안까지 건넨다. 상황에 따라 스프레드시트나 문서 파일도 결과물에 포함한다.
권한과 승인선이 안전을 가른다
가치는 업무 수행 단계에서 생기고, 책임도 그만큼 구체적이 된다. 챗봇의 잘못된 답은 사람이 읽고 고친다. 에이전트의 잘못된 행동은 파일을 잘못 수정하거나, 잘못된 이메일을 보내거나, 잘못된 데이터를 외부로 전송하거나, 유료 도구를 반복해서 불러온다. 답변의 오류가 행동의 오류로 번지는 순간 기업은 권한과 기록, 사람이 확인하는 지점을 함께 설계하게 된다.
그래서 에이전트에서는 얼마나 똑똑한지보다 어디까지 맡길지가 더 큰 쟁점이 된다. 불러올 도구와 읽고 쓸 파일, 접근을 막을 데이터, 사람이 직접 확인할 행동이 설계에 들어간다. 결제와 발송, 삭제, 외부 공유는 특히 조심해서 가른다. 일의 기록과 되돌릴 방법도 나중에 붙이는 것이 아니라 처음부터 자리를 잡아야 한다.
에이전트 개발 도구가 빠르게 늘어나는 배경도 여기에 있다. 모델만 던져 주면 고객은 곧장 어디에 붙일지를 묻는다. 검색하고 코드를 실행하고 문서를 읽고 업무 시스템을 다루기 시작할 때, 모델은 비로소 제품 안으로 들어간다.
중국의 에이전트 경쟁은 업무 접목에서 벌어진다
중국의 에이전트 경쟁은 개발 도구, 소비자 앱, 기업 업무 시스템이 겹치는 곳에서 벌어진다. 개발자 쪽에서는 알리바바의 큐원 에이전트가 상징적이다. 큐원 계열 기능은 모델이 검색하고, 코드를 실행하고, 브라우저와 업무 시스템을 오가도록 돕는다. 챗봇 창을 넘어, 개발자가 모델을 업무에서 쓰도록 받쳐 주는 토대다.
이 방식은 알리바바가 이미 가진 사업의 결에 잘 맞는다. 알리바바 큐원은 공개 모델로 개발자와 만나는 창구를 만들고, 알리바바 클라우드는 기업이 모델을 안정적으로 운영할 토대를 제공한다. 에이전트는 그 사이를 잇는다. 큐원을 가져다 쓰는 개발자가 늘고, 그 기술이 업무 자동화에 들어가면 클라우드 이용과 기업 고객도 함께 넓어진다.
오류 복구와 실행 로그가 필요하다
바이두의 바탕에는 검색과 지식, 기업용 AI 제품군이 있다. 바이두의 에이전트빌더와 어니 계열 개발 도구는 대규모 모델을 업무용 제품으로 바꾼다. 바이두가 강한 영역은 검색, 문서, 지식, 지도, 자율주행, 클라우드다. 에이전트는 흩어진 자산을 하나의 업무 과정으로 묶는다.
텐센트의 방식은 또 다르다. 이 회사는 웨이신/위챗 생태계와 기업 협업, 게임, 콘텐츠, 결제, 클라우드를 쥐고 있다. 위안바오 등 소비자 AI 앱은 개인이 매일 쓰는 입구를 만들고, 코드버디나 워크버디 계열 생산성 AI 제품은 개발과 사무 업무를 겨냥한다. 텐센트 에이전트의 잠재력은 하나의 모델 성능보다 생태계 안에서 무엇을 읽고 어디까지 행동하게 하느냐에 있다.
스타트업은 더 공격적인 실험을 한다. 마누스는 2025년에 글로벌 언론의 주목을 받으며 범용 AI 에이전트의 상징처럼 받아들여졌다. 사용자가 목표를 주면 AI가 여러 단계를 수행한다는 설명은 많은 사람의 상상력을 자극했다. 중국 에이전트 시장에서도 첫인상이 강한 제품과 반복 업무에서 오래 쓰이는 제품은 구분된다. 범용 에이전트는 시장의 상상력을 넓히고, 기업 고객은 그중에서도 매일 반복되는 일을 줄여 주는 기능에 먼저 반응한다.
좁은 업무가 유료화를 연다
에이전트 담론은 자주 “사람처럼 온갖 일을 해내는 비서”를 상상한다. 기업 현장에서는 범용 에이전트보다 좁은 자동화가 안착하기 쉽다. 업무 범위가 좁을수록 결과를 확인하기 쉽고, 오류 피해와 성과도 숫자로 남기 쉽다. AI 에이전트는 반복 업무를 줄일 수 있지만 잘못된 행동의 피해도 기존 챗봇보다 커질 수 있다.
고객센터에서는 문의 분류와 과거 답변 검색, 환불 규정 요약과 민감한 고객 표시가 주로 쓰인다. 개발 업무에서는 테스트 코드 작성과 문서화, 오류 로그 분석과 모델 사용 예제 생성이 먼저 쓰인다.
비용 절감과 책임 구조를 함께 본다
리서치 업무에서는 자료 수집과 요약, 출처 표기와 비교표 작성, 초안 작성부터 자동화 대상에 오른다. 제조업에서는 설비 이상 징후 감지와 작업 지시서 생성, 품질 검사 데이터 요약과 정비 기록 검색처럼 현장 작업자의 반복 점검 업무부터 줄인다.
이 사업화 방식은 중국 기업의 기존 사업과도 잘 맞는다. 알리바바는 커머스와 클라우드의 반복 업무에, 바이두는 검색과 문서 지식에, 텐센트는 메시지와 협업 환경에, 바이트댄스는 콘텐츠 제작과 광고 운영에 에이전트형 기능을 넣는다. 사용자는 범용 비서에만 매달리지 않는다. 이미 매일 하는 일 안에서 한 단계를 줄여 주는 기능이라면, 에이전트는 유료 기능이나 클라우드 이용, 광고 효율, 기업용 관리 상품의 매출로 이어진다.
업무를 줄이는 기능이 실행 권한을 갖는 순간 책임도 불어난다. AI가 문서와 데이터베이스를 읽고 요약하는 단계와, 이메일을 보내고 결제를 실행하고 파일을 삭제하는 단계는 전혀 다르다. 중국의 에이전트 도구가 아무리 빨리 발전해도 실행 권한의 경계는 건너뛸 수 없다. AI가 똑똑할수록 기록, 사람의 확인, 복구, 책임 절차부터 세운다. 자동화는 신뢰를 얻은 뒤에야 퍼진다.
에이전트는 어디서 쓰이는가
중국에서 에이전트가 눈에 띄는 배경에는 방대한 제조와 업무 현장이 있다. AI는 사무실의 문서 업무에만 머물지 않고 공장, 물류, 커머스, 고객센터, 개발자 생태계, 공공 업무로 퍼질 토대를 갖는다.
제조업에서는 설비 데이터와 작업 지시, 품질 검사와 공급망 정보가 맞물린다. 에이전트는 설비 이상 기록을 읽고 과거 정비 이력을 찾아보며 작업자에게 점검 순서를 제안한다.
커머스에서는 상품 등록과 이미지 생성, 광고 문구 작성과 시세 모니터링, 리뷰 요약과 고객 문의 분류가 자주 쓰인다. 게임과 콘텐츠에서는 캐릭터 설정과 대사 초안, 현지화 번역과 품질 점검 리포트, 커뮤니티 반응 요약이 자동화 대상에 오른다. 공공 업무에서는 민원 분류와 답변 초안, 정책 문서 검색과 복지 대상자 안내도 자동화 후보에 오른다. 책임은 훨씬 무거워진다.
반복 업무 현장이 방대하기 때문에 중국 AI 생태계에서 에이전트가 더 눈에 띈다. 리서치, 고객지원, 개발 보조, 문서 작성, 제조 운영처럼 반복 업무가 많은 영역에서는 중국의 대형 플랫폼과 클라우드 기업이 AI를 적용하기 쉽다. 바이두는 검색과 문서, 텐센트는 메시지와 업무 시스템, 알리바바는 클라우드와 커머스, 바이트댄스는 콘텐츠 제작과 광고 운영 안에서 에이전트형 기능을 시험한다.
유료 고객을 만드는 힘도 업무 깊이에 기대어 선다. 에이전트 회사의 경쟁력은 특정 업무를 얼마나 깊게 아는지에서 드러난다. 외부 도구를 써서 일을 끝내는가, 오류가 발생했을 때 사람이 개입하고 되돌리는가, 고객의 기존 시스템 안에서 무리 없이 움직이는가. 이 장치가 없으면 첫 시연은 그럴듯해도 반복 계약으로 이어지지 않는다.
에이전트는 실제 업무에서 확인된다
에이전트는 이미 쓸모를 증명하고 있다. 리서치, 코드 보조, 문서 정리, 고객지원 초안, 반복 업무 자동화에서 개인과 팀은 효과를 체감한다. 사용자가 목표를 말하면 AI가 자료를 찾고, 표를 만들고, 코드를 수정하고, 초안을 정리하는 경험은 더 이상 먼 미래가 아니다. 에이전트를 과장 광고로만 치부하면 현실을 놓친다.
개인이 생산성 향상을 체감하는 단계와 기업이 핵심 업무를 맡기는 단계는 다르다. 기업 업무에서는 권한, 보안, 오류, 책임, 이용량 증가, 사람이 개입할 지점이 더 무겁게 놓인다. AI가 웹페이지 변화에 막히거나, 중간 결과를 확인하지 못하거나, 외부 도구를 반복해 사용하면서 관리할 일을 늘리거나, 잘못된 파일을 수정하면 생산성 기능은 곧 운영 사고로 번진다. 도움을 준다는 말과 무제한으로 맡긴다는 말 사이에는 큰 간격이 있다.
기업 업무에서 안정적으로 쓰이려면 운영 장치가 따라붙는다. 사람의 확인, 제한된 권한, 상세한 로그, 테스트 환경, 되돌리기 기능이 마련될 때 기업은 에이전트를 받아들인다. 중국 AI의 에이전트 경쟁도 이 운영 설계 위에서 벌어진다. 모델이 강해지는 만큼, 그 모델이 어느 도구를 어떤 권한으로 다루는지가 경쟁 조건으로 올라온다.
일의 범위를 정할 때 에이전트는 강해진다
에이전트가 업무를 어디까지 맡을 수 있느냐는 물음에는 모델 성능으로 답할 수 없다. 답은 조직이 그은 선에 달려 있다. 어떤 업무는 읽기와 초안 작성에서 멈추고, 어떤 업무는 내부 시스템 수정까지 허용되며, 어떤 업무는 끝까지 사람이 책임진다. 맡길 일과 확인할 일, 금지할 일과 기록할 일을 나눠 놓은 조직에서 에이전트는 실제로 일을 한다. 그 선이 없으면 시연은 그럴듯해도 두 번째 계약이 오지 않는다.
중국 시장에는 빠른 모델 개발과 앱 확산, 클라우드 운영 토대, 제조와 업무 현장이 촘촘히 붙어 있다. 실험이 퍼지기 좋은 조건이다. 동시에 데이터와 알고리즘 규제, 글로벌 신뢰, 권한 통제, 보안이라는 제약도 같은 자리에 있다. 에이전트가 어디까지 갈지는 이 두 힘이 만나는 지점에서 정해진다.
자주 묻는 질문
챗봇과 AI 에이전트는 무엇이 다른가?
챗봇은 질문에 가장 그럴듯한 답 하나를 만들어 돌려주지만, 에이전트는 목표를 여러 단계로 쪼개고 필요한 정보를 찾고 외부 도구를 불러 중간 결과를 확인하며 다음 행동을 정한다. 즉 무게중심이 ‘말을 잘하는가’에서 ‘일을 끝내는가’로 옮겨간 것이다. 다만 행동에 권한이 붙는 만큼 잘못된 실행이 실제 피해로 번질 수 있어, 실무에서는 처리 순서의 안정성과 사람이 확인할 지점을 함께 설계해야 한다.
AI 에이전트는 어떤 업무에서 먼저 돈이 될까?
온갖 일을 다 하는 범용 비서보다, 범위와 책임이 분명한 좁은 업무에서 먼저 돈이 된다. 업무 범위가 좁을수록 결과를 확인하기 쉽고 오류 피해와 성과가 숫자로 남기 때문이다. 고객센터의 문의 분류와 과거 답변 검색, 개발의 테스트 코드 작성과 문서화, 리서치의 자료 수집과 비교표 작성, 제조의 설비 이상 감지와 정비 기록 검색처럼 반복이 잦고 검증이 쉬운 일부터 유료화가 열린다.
참고자료
- Qwen Team. (2025). Qwen-Agent: Agent framework and applications built upon Qwen. 원문 보기
- Z.ai Team. (2025). GLM-4.5: Agentic, Reasoning, and Coding Foundation Models. 원문 보기
- Alibaba Group. (2026). Alibaba Opens All of Taobao to Qwen AI, Ushering in a New Agentic Shopping Experience. 원문 보기
- 국가인터넷정보판공실. (2026). 지능체 규범 응용과 혁신 발전 실시 의견. 원문 보기
- 중국정부망/Xinhua. (2026). China unveils guidelines to regulate, boost innovative development of AI agents. 원문 보기
- McKinsey & Company. (2025). The State of AI: How organizations are rewiring to capture value. 원문 보기
- Alibaba Group. (2026). Alibaba Cloud Unveils Agent-Native Innovations at WAIC 2026. 원문 보기
- ByteDance Seed. (2026). Seed2.1: Advancing AI Productivity. 원문 보기