← Back
가트너 2027 기술 트렌드 총정리: 10대 기술과 기업 AI의 변화
작성일:
by
Worktro

Key Summary
• 가트너의 2027년 10대 전략 기술 트렌드는 비텍스트 AI의 확장, 자율형 AI 에이전트의 운영·통제, 유연한 IT 아키텍처를 세 가지 주요 방향으로 제시합니다. • AI 컨텍스트 플랫폼과 AI 에이전트 자격증명은 기업 AI가 업무 맥락을 이해하고 적절한 권한으로 작업을 수행하도록 지원하는 주요 기술입니다. • 기업은 AI 에이전트의 성능뿐 아니라 문서·데이터 준비, 실행 권한, 담당자 승인, 운영 이력 등 실제 업무에 필요한 관리 체계를 함께 설계해야 합니다.
2026년 10월 20일, 글로벌 IT 리서치 기업 가트너(Gartner)가 미국 올랜도에서 열린 Gartner IT Symposium/Xpo 2026에서 「2027년 10대 전략 기술 트렌드(Top Strategic Technology Trends for 2027)」를 발표했습니다.
이번 발표에서는 AI가 수치와 음성, 물리적 환경까지 이해하는 방향으로 발전하는 흐름과 함께, 자율적으로 업무를 수행하는 AI 에이전트를 안전하게 운영하기 위한 기술들이 주목받았습니다. 특정 기술이나 공급업체에 대한 의존도를 줄이고, 변화하는 환경에 대응할 수 있는 유연한 IT 아키텍처도 주요 주제로 다뤄졌습니다.
특히 눈여겨볼 부분은 AI의 활용 범위가 넓어지는 만큼 기업이 관리하고 통제해야 할 영역도 함께 확대되고 있다는 점입니다. 가트너는 기업이 AI 도입 자체에 집중하던 단계에서 나아가 자율형 시스템을 안전하게 확장하고 운영하는 문제를 본격적으로 고려해야 한다는 방향을 제시했습니다.
그렇다면 가트너가 선정한 10가지 전략 기술은 무엇이며, 기업의 AI 도입과 업무 자동화에는 어떤 영향을 미칠까요?
가트너가 제시한 2027년 기술 트렌드의 3가지 방향
가트너는 2027년 10대 전략 기술 트렌드를 세 가지 테마로 구분했습니다. 각 테마는 기술이 발전하는 방향뿐 아니라 기업이 앞으로 해결해야 할 과제와도 연결됩니다.
3가지 테마 | 핵심 방향 | 주요 기술 |
|---|---|---|
비텍스트 AI 영역의 확장 | 수치·음성·물리적 환경을 이해하고 예측하는 AI | 3개 |
자율형 AI 에이전트의 운영·통제 | 업무 맥락, 신원과 권한, 개발 및 보안 관리 | 4개 |
지속 가능한 IT 유연성 확보 | 기술 종속성 완화와 변화 대응 | 3개 |
첫 번째는 AI가 다룰 수 있는 정보와 추론의 범위가 넓어지는 변화입니다. 기존 언어 모델이 텍스트를 이해하고 생성하는 데 강점을 보였다면, 앞으로는 복잡한 수치 분석과 음성 대화, 현실 세계의 움직임을 예측하는 기술이 더욱 중요해질 것으로 전망됩니다.
두 번째는 AI 에이전트의 자율성을 어떻게 관리할 것인가에 관한 문제입니다. AI가 여러 시스템을 조회하고 작업을 실행할 수 있게 되면서 기업의 내부 정보를 정확하게 이해시키고, 실행 권한과 보안 위험을 관리하는 기술이 함께 발전하고 있습니다.
세 번째는 변화에 유연하게 대응하는 IT 구조입니다. 특정 기술이나 공급업체에 지나치게 의존하지 않고, 업무 목적에 따라 애플리케이션을 교체하거나 새로운 컴퓨팅 방식을 활용할 수 있는 기반을 마련하는 방향입니다.
2027년 가트너 10대 전략 기술 트렌드
1. 비텍스트 AI 영역의 확장
① 대형양적모델(Large Quantitative Models, LQM)
대형양적모델은 수치 데이터를 처리하고 분석하기 위해 설계된 모듈형 하이브리드 신경망 아키텍처입니다. 일반적인 대규모 언어 모델(LLM)이 언어를 중심으로 학습하고 응답을 생성한다면, LQM은 정량적 분석과 예측, 시뮬레이션에 초점을 맞춥니다.
범용 언어 모델이 복잡한 수치 문제를 처리할 때는 확률적 추정에 따른 오류가 발생할 수 있습니다. 이에 LQM은 수치 분석의 정확성과 신뢰성을 높이고, 과거 데이터를 바탕으로 문제에 대응하는 방식에서 앞으로 발생할 상황을 예측하고 의사결정을 지원하는 방식으로의 전환을 목표로 합니다. 금융·의료처럼 수치의 정확성과 규제 준수가 중요한 분야에서 특히 주목할 만한 기술입니다.
② 음성 추론 모델(Speech Reasoning Models)
음성 추론 모델은 음성을 직접 분석해 대화의 맥락과 의도를 이해하고, 다음에 필요한 행동을 판단하는 AI 기술입니다.
기존의 음성 기반 자동화 시스템은 음성을 텍스트로 변환하거나 사전에 설계된 대화 흐름에 따라 응답을 처리하는 방식으로 활용돼 왔습니다. 음성 추론 모델은 음성 정보를 직접 분석하면서 대화 전반의 맥락과 의도를 추적하고, 다음에 필요한 행동을 판단하는 데 초점을 맞춥니다. 고객 상담이나 음성 기반 업무 지원처럼 복잡한 대화가 이루어지는 환경에서 활용 가능성이 높은 기술입니다.
③ 월드 모델(World Models)
월드 모델은 AI가 공간과 시간, 물리적 관계와 인과관계를 이해하고 특정 행동이 어떤 결과로 이어질지 예측하도록 돕는 기술입니다.
예를 들어 물류 로봇이 이동 경로에서 장애물을 발견했다면, 장애물을 인식하는 데 그치지 않고 다른 경로를 선택했을 때 어떤 결과가 발생할지 시뮬레이션할 수 있습니다. 실제 행동에 앞서 가능한 상황을 예측한다는 점에서 로보틱스, 자율주행, 스마트 제조 등 물리적 환경에서 작동하는 AI 시스템과 밀접한 관련이 있습니다.
2. 자율형 AI 에이전트의 운영·통제
④ AI 컨텍스트 플랫폼(AI Context Platforms)
AI 컨텍스트 플랫폼은 AI 에이전트가 입력된 정보를 해석하고 의사결정을 내리며, 기업의 업무 목표에 맞게 행동하는 데 필요한 맥락 정보를 제공하는 기술입니다.
AI 에이전트가 기업 업무를 수행하려면 필요한 문서를 검색하는 것만으로 충분하지 않을 수 있습니다. 데이터가 어떤 업무에 사용되는지, 어느 규정이 적용되는지, 관련 정보 사이에 어떤 관계가 있는지까지 이해해야 적절한 판단과 실행으로 이어갈 수 있기 때문입니다.
⑤ AI 코딩 에이전트 하네스(AI Coding Agent Harness)
AI 코딩 에이전트 하네스는 소프트웨어 개발 수명주기 전반에서 자율적으로 작동하는 AI 개발 에이전트의 행동과 결과를 관리하는 폐쇄 루프 제어 시스템입니다. 여기서 하네스(Harness)는 AI 에이전트가 정해진 개발 절차와 검증 기준 안에서 작업하도록 돕는 관리 체계를 의미합니다.
AI가 코드를 생성하는 속도가 빨라지더라도 개발자가 모든 결과물을 직접 검증해야 한다면 생산성 향상 효과가 줄어들 수 있습니다. 이 기술은 개발과 테스트, 검증, 배포 과정에서 AI의 작업을 관리해 소프트웨어 품질과 보안, 규제 준수 기준을 유지하는 데 초점을 맞춥니다.
⑥ AI 에이전트 자격증명(AI Agent Identity)
AI 에이전트 자격증명은 기업 시스템에서 활동하는 AI 에이전트의 신원을 식별하고, 부여된 권한과 행동을 통제하기 위한 기술입니다. 공식 영문 명칭인 AI Agent Identity는 자격증명 자체보다 넓은 개념으로, 에이전트의 신원과 상황에 따른 접근 권한 관리까지 포함합니다.
AI 에이전트가 사람을 대신해 데이터를 조회하거나 시스템을 변경할 때는 어떤 에이전트가 누구의 권한으로 무엇을 실행했는지 구분할 수 있어야 합니다. 특히 여러 에이전트가 서로 다른 업무시스템에 접근하는 환경에서는 실행 목적과 상황에 따라 필요한 권한을 부여하고 관리하는 체계가 중요해집니다.
⑦ 자율형 취약점 개선(Autonomous Exposure Remediation, AER)
자율형 취약점 개선은 AI와 자동화 기술을 활용해 기업의 디지털 환경에서 보안 취약점을 발견하고, 위험도에 따라 우선순위를 정하며, 필요한 보안 조치를 수행하는 기술입니다.
기존의 보안 운영에서 취약점 발견과 실제 조치가 별도의 절차로 이루어졌다면, 이 기술은 위험 분석부터 패치 검증과 적용까지 이어지는 과정을 자동화하는 데 초점을 맞춥니다. 보안 위험에 대응하기 위한 전문 기술로, 일반적인 사무 업무 자동화와는 적용 목적이 다릅니다.
3. 지속 가능한 IT 유연성 확보
⑧ 주권형 기술(SovereignTech, SovTech)
주권형 기술은 기업이 특정 기술이나 공급업체에 대한 의존도를 줄이고, 중요한 IT 자산에 대한 통제력과 운영 연속성을 유지할 수 있도록 설계된 기술입니다.
데이터 저장 위치뿐 아니라 하드웨어, 소프트웨어, 데이터베이스, AI 모델 등 주요 기술 자산의 지속적인 이용 가능성과 다른 공급업체로 전환할 수 있는 조건까지 고려합니다. 따라서 데이터를 국내에 보관하거나 온프레미스 환경을 구축하는 것만으로 주권형 기술의 모든 요건을 충족한다고 보기는 어렵습니다.
⑨ 일회성 애플리케이션(Disposable Applications)
일회성 애플리케이션은 특정 업무 목적을 위해 개발되고, 해당 목적이 달성되거나 더 이상 필요하지 않게 되면 의도적으로 사용을 종료하도록 설계된 소프트웨어입니다.
일반적인 기업용 소프트웨어가 장기간 유지되는 것을 전제로 설계됐다면, 이 방식은 필요한 기간에 맞춰 애플리케이션을 활용하고 역할이 끝나면 정리하는 데 초점을 맞춥니다. 다만 애플리케이션을 빠르게 만드는 것뿐 아니라 데이터 보존과 접근 권한 회수, 폐기 절차까지 함께 관리할 수 있어야 합니다.
⑩ 바이오 컴퓨팅(Wetware as a Service, WaaS)
바이오 컴퓨팅은 살아 있는 세포나 합성 생물학적 시스템의 특성을 연산에 활용하는 기술입니다. 가트너가 제시한 Wetware as a Service는 이러한 생물학적 컴퓨팅 자원에 클라우드 기반으로 원격 접근해 서비스 형태로 이용하는 새로운 운영 모델을 의미합니다.
바이오 컴퓨팅은 기존 실리콘 기반 컴퓨팅의 에너지 및 연산 자원 제약에 대응할 수 있는 새로운 접근 방식으로 주목받고 있습니다. 다만 일반적인 기업용 AI 인프라와는 기술적 특성과 도입 조건이 다르므로, 현재 널리 사용되는 컴퓨팅 환경의 직접적인 대체재로 보기는 어렵습니다.
가트너가 제시한 10가지 기술은 적용 분야와 발전 단계가 서로 다릅니다. 기업이 모든 기술을 같은 시점에 도입해야 한다는 의미도 아닙니다.
그중 AI 에이전트를 실제 업무에 적용하려는 기업이라면 두 번째 테마에 포함된 AI 컨텍스트 플랫폼과 AI 에이전트 자격증명을 조금 더 자세히 살펴볼 필요가 있습니다. 두 기술 모두 AI가 기업 내부 정보를 활용해 행동할 때 발생하는 신뢰성과 통제 문제에 직접 연결되기 때문입니다.
기업이 주목해야 할 변화 ① AI 에이전트에 업무 맥락을 이해시키는 기술
AI 에이전트가 기업에서 제대로 작동하려면 필요한 정보를 찾는 것과 그 정보를 업무에 맞게 해석하는 과정이 연결되어야 합니다.
예를 들어 제조기업의 기술지원 담당자가 해외 고객으로부터 제품 사양에 관한 문의를 받았다고 가정해 보겠습니다. AI 에이전트가 관련 기술문서를 검색해 답변 초안을 작성하는 것은 가능할 수 있습니다. 하지만 같은 제품이라도 모델과 생산 시기, 적용 규격에 따라 참고해야 할 문서가 다르다면 키워드 검색만으로는 적절한 답변을 보장하기 어렵습니다.
이때 AI 에이전트에는 문서 내용 외에도 제품과 문서의 관계, 최신 버전 여부, 업무별 적용 기준과 같은 정보가 필요합니다.
가트너가 제시한 AI 컨텍스트 플랫폼은 이러한 업무 맥락을 AI 에이전트가 활용할 수 있도록 제공하는 기술입니다. 기업 곳곳에 분산된 정보의 의미와 관계를 이해하고, 업무 목적에 맞게 필요한 맥락을 전달하는 것이 중요합니다.
이와 관련해 살펴볼 수 있는 기술 중 하나가 시맨틱 레이어(Semantic Layer)입니다. 시맨틱 레이어는 데이터의 의미와 관계를 공통된 기준으로 정의해, AI가 서로 다른 시스템의 정보를 일관되게 해석하도록 돕습니다. 기업의 데이터 구조와 지식 관리 방식에 따라 AI 컨텍스트 플랫폼을 구현하는 데 활용할 수 있습니다.
예를 들어 서로 다른 시스템에서 같은 고객이나 제품을 다른 코드로 관리하고 있다면, 데이터 사이의 의미적 관계를 정리해 AI가 이를 동일한 대상으로 이해하고 관련 정보를 연결하도록 지원할 수 있습니다.
기업 문서도 마찬가지입니다. 계약서, 규정집, 기술 매뉴얼에 포함된 내용과 구조를 AI가 활용하기 좋은 형태로 준비해야 합니다. 특히 표와 문단, 항목 사이의 관계가 중요한 문서라면 글자만 추출하는 것으로 충분하지 않을 수 있습니다. 이러한 데이터 준비 과정은 AI가 PDF를 제대로 읽게 만드는 문서 전처리가 중요한 이유에서도 확인할 수 있습니다.
다만 문서 전처리나 검색증강생성(RAG), 지식베이스 구축이 AI 컨텍스트 플랫폼의 모든 기능을 의미하는 것은 아닙니다. 기업의 업무 맥락을 관리하려면 데이터 사이의 의미적 관계와 업무 규칙, 접근 정책, 정보의 변경 사항까지 고려해야 합니다.
따라서 기업은 AI 에이전트의 답변 품질만 평가할 것이 아니라 어떤 정보를 근거로 판단하고, 그 정보가 실제 업무 기준과 일치하는지 함께 확인할 필요가 있습니다.
기업이 주목해야 할 변화 ② AI 에이전트의 신원과 실행 권한 관리
AI 에이전트가 문서를 검색하고 답변을 제공하는 단계에서는 정보의 정확성이 주요 관심사입니다. 하지만 에이전트가 업무시스템에 데이터를 입력하거나 외부로 정보를 발송하는 단계로 넘어가면 다른 문제가 생깁니다.
바로 AI가 어떤 권한으로 행동하는지, 그리고 해당 행동을 누가 관리하고 책임지는지에 관한 문제입니다.
가트너는 2028년까지 기업 보안 침해 사고의 25%가 관리되지 않은 기계 권한과 기존 자격증명 관리 방식에 따른 AI 에이전트 악용에서 비롯될 것으로 전망했습니다. 이는 현재 확인된 사고 비율이 아니라 향후 발생할 수 있는 보안 위험에 대한 예측입니다.
가트너가 제시한 AI 에이전트 자격증명 기술은 이러한 위험에 대응하기 위해 에이전트의 신원과 실행 목적, 접근 권한 등을 함께 관리하는 방향을 제시합니다. 미국 국립표준기술연구소(NIST) 역시 2026년 8월 발표한 자료에서 AI 에이전트가 여러 데이터와 업무 도구에 접근하는 환경에서는 신원 식별과 권한 부여, 실행 책임을 관리하는 체계가 중요하다고 설명했습니다.
기업 업무에서도 이 문제는 구체적으로 나타납니다.
금융회사의 AI 에이전트가 내부 규정을 검색하고 검토자료를 작성하는 경우를 생각해 보겠습니다. 자료를 조회하고 초안을 생성할 수 있는 권한과 실제 고객정보를 수정하거나 중요한 업무 결과를 확정할 수 있는 권한은 구분해야 합니다.
특히 금융정보를 변경하거나 외부 시스템으로 전송하는 작업이라면 실행 조건과 접근 권한을 별도로 설정할 필요가 있습니다. 업무의 위험 수준에 따라 담당자의 검토나 승인을 거치도록 구성하는 것도 하나의 방법입니다.
다만 모든 작업에 사람의 승인을 요구하는 것이 반드시 안전한 것은 아닙니다. NIST는 승인 요청이 지나치게 잦아지면 사용자가 내용을 충분히 확인하지 않고 허용하는 승인 피로(Consent Fatigue)가 발생할 수 있다고 지적했습니다. 따라서 중요한 의사결정과 민감한 작업에 승인 절차를 적용하고, 나머지 작업은 사전에 정의한 권한과 정책에 따라 통제하는 방식을 검토할 필요가 있습니다.
이처럼 AI 에이전트의 업무 실행 범위가 확대될수록 기업에서는 다음 사항을 함께 살펴봐야 합니다.
신원과 권한: 어떤 AI 에이전트가 어떤 시스템에 접근할 수 있는가?
승인과 예외 처리: 어떤 작업을 자동으로 실행하고 언제 사람이 개입해야 하는가?
실행 이력: 에이전트가 어떤 작업을 수행했고, 문제가 발생하면 과정을 추적할 수 있는가?
단, 업무 플랫폼의 역할·권한 설정이나 승인 기능만으로 AI Agent Identity의 모든 요구사항이 충족되는 것은 아닙니다. 상황에 따른 동적 신원 식별과 자격증명 관리, 시스템 간 접근 통제는 별도로 검토해야 할 영역입니다.
AI 에이전트 도입을 준비하는 기업, 무엇부터 점검해야 할까?
가트너의 기술 전망을 현재 기업 업무에 적용해 보면 AI 에이전트 도입 전략에서도 점검해야 할 사항이 구체화됩니다.
먼저 AI에 어떤 업무를 맡길 것인지 정의해야 합니다. 고객 문의에 필요한 문서를 찾아 답변 초안을 작성하는 업무와, 실제 고객정보를 변경하고 후속 처리를 실행하는 업무는 필요한 데이터와 권한, 검증 수준이 다릅니다.
다음으로 업무에 필요한 정보를 정리해야 합니다. AI 에이전트가 참고하는 문서의 정확성, 버전, 관련 업무 규칙, 시스템 간 데이터 관계를 확인하는 과정입니다. AI가 적절한 문서를 찾아도 실제 업무 기준과 다른 정보를 사용한다면 결과를 신뢰하기 어렵기 때문입니다.
업무 실행 단계에서는 에이전트의 역할과 도구 접근 범위, 사람의 승인 조건을 구분해야 합니다. 반복적인 정보 조회는 자동으로 처리하더라도 중요 데이터 변경이나 외부 발송에는 별도의 검토 절차를 둘 수 있습니다. 이때 사람의 승인에만 의존하기보다 업무별 접근 권한과 실행 조건을 함께 설계해야 합니다.
마지막으로 실제 운영 과정에서 오류가 발생했을 때 어떤 단계에서 문제가 시작됐는지 확인하고, 필요한 경우 작업을 중단하거나 재처리할 수 있는 체계도 고려해야 합니다.
이러한 기준을 마련하면 AI 에이전트의 자율성을 무조건 높이기보다 업무에 필요한 수준에서 활용 범위를 확장할 수 있습니다.
Worktro로 연결하는 기업 AI 업무 자동화
기업이 AI 에이전트를 활용할 때는 문서를 이해하는 기술, 업무에 필요한 정보를 판단하고 연결하는 기술, 실제 시스템에서 작업을 수행하는 자동화 기술이 함께 필요할 수 있습니다.
Worktro는 이러한 업무 환경을 지원하기 위해 DocuOps, AgentOps, Automation을 제공합니다.
Worktro DocuOps는 OCR과 VLM 기반 문서 인식, 데이터 추출과 구조화를 통해 기업 문서에 포함된 정보를 AI가 활용하기 좋은 형태로 준비하도록 지원합니다. 계약서나 신청서, 기술문서 등에서 필요한 정보를 추출하고 구조화하는 과정에 활용할 수 있습니다.
이렇게 준비한 문서와 기업 지식은 Worktro AgentOps의 지식베이스를 통해 AI 에이전트가 정보 검색과 업무 수행에 활용하도록 구성할 수 있습니다. AgentOps에서는 업무별 에이전트를 생성하고 여러 에이전트와 도구를 연결한 워크플로우를 설계할 수 있습니다.
또한 담당자의 확인이 필요한 단계에는 Human Input을 배치하고, 실행 상태와 오류 여부 등을 모니터링할 수 있습니다. 이는 AI 에이전트가 업무를 수행할 때 사람의 검토와 운영 관리를 함께 적용하는 방법입니다.
업무 중 기존 시스템의 화면을 통해 데이터를 입력하거나 정해진 절차를 반복 실행해야 한다면 Worktro Automation을 연계하는 방식을 검토할 수 있습니다.
예를 들어 접수된 계약서에서 필요한 정보를 추출하고, AI 에이전트가 관련 규정과 업무 기준을 확인해 검토자료를 준비한 뒤, 담당자 승인을 거쳐 기존 시스템에 데이터를 등록하는 흐름입니다. 이 과정에서 각 기술은 문서 처리, 정보 활용과 업무 흐름 관리, 반복 작업 실행이라는 역할을 나누어 수행할 수 있습니다.
물론 이러한 구성이 가트너가 정의한 AI 컨텍스트 플랫폼이나 AI 에이전트 자격증명 기술을 완전히 구현한다는 의미는 아닙니다. 실제 도입에서는 기존 시스템의 인증 방식과 데이터 접근 정책, 업무별 보안 요구사항에 따라 별도의 설계가 필요합니다.
2027년 기업 AI 전략, 기술 도입과 운영 체계를 함께 고려해야 합니다
가트너의 2027년 10대 전략 기술 트렌드는 AI가 처리할 수 있는 정보와 업무의 범위가 확대되는 동시에, 기업이 이를 안전하게 관리하고 지속적으로 활용할 수 있는 기술적 기반도 중요해지고 있음을 보여줍니다.
대형양적모델과 음성 추론 모델, 월드 모델이 AI의 활용 영역을 넓히고 있다면, AI 컨텍스트 플랫폼과 AI 에이전트 자격증명은 이러한 기술이 기업의 실제 업무에 참여할 때 필요한 신뢰성과 통제 문제를 다룹니다. 주권형 기술과 일회성 애플리케이션 등은 변화하는 기술 환경에서 기업이 유연성을 유지해야 한다는 과제를 제시합니다.
기업의 AI 도입 전략 역시 모델의 성능이나 자동화할 업무의 개수만으로 평가하기보다, AI가 어떤 정보를 활용하고 어디까지 실행할 수 있으며 그 과정을 어떻게 관리할 것인지 함께 고려하는 방향으로 발전할 필요가 있습니다.
기업 업무에 AI 에이전트와 업무 자동화를 어떻게 적용해야 할지 고민하고 계신가요? Worktro에 문의하여 현재 업무 환경에서 자동화할 수 있는 범위와 필요한 기술 구성, 운영 방안을 확인해 보세요.
FAQ
Q1. 가트너가 선정한 2027년 10대 전략 기술은 모두 2027년에 상용화되나요?
아닙니다. 가트너의 2027년 10대 전략 기술 트렌드는 기업이 주목하고 검토해야 할 기술 발전 방향을 제시합니다. 각 기술의 성숙도와 상용화 수준은 서로 다르며, 바이오 컴퓨팅처럼 현재 널리 사용되는 기업용 IT 기술과 도입 환경이 크게 다른 기술도 포함되어 있습니다.
Q2. AI 컨텍스트 플랫폼과 RAG는 어떤 차이가 있나요?
RAG는 외부 문서나 데이터에서 관련 정보를 검색해 AI의 응답 생성에 활용하는 기술적 접근입니다. AI 컨텍스트 플랫폼은 AI 에이전트가 기업의 데이터와 업무 지식을 적절한 맥락에서 이해하고 활용하도록 지원하는 더 넓은 개념입니다. RAG나 지식베이스는 이러한 환경을 구성하는 일부 기술로 활용될 수 있습니다.
Q3. AI 에이전트 자격증명과 일반적인 권한 관리는 같은 기술인가요?
같은 개념은 아닙니다. 일반적인 권한 관리는 사용자나 시스템에 허용된 접근 범위를 설정하는 데 초점을 맞춥니다. 가트너의 AI Agent Identity는 에이전트의 신원뿐 아니라 실행 목적과 상황, 위임된 권한, 행동까지 고려하는 동적인 신원·접근 관리 체계를 의미합니다.
References
Top Strategic Technology Trends for 2027 | Gartner | 2026.10.20
Gartner Identifies the Top Strategic Technology Trends for 2027 | Gartner | 2026.10.20
Gartner’s Top Strategic Technology Trends for 2027: AI Context Platforms | Gartner | 2026.10.16
Gartner’s Top Strategic Technology Trends for 2027: AI Agent Identity | Gartner | 2026.10.16
Back to the Future: Why Agentic AI Needs a Strong Identity Foundation | NIST | 2026.08.27


