Grab이 AI 에이전트로 정형 분석 업무 감소

동남아시아의 라이드셰어·배달 서비스 대형사 Grab이 AI 에이전트를 활용하여 데이터 분석 업무의 자동화를 진행하고 있다. 그 성과로 분석가가 담당하는 정형적인 기계 작업의 비율은 2024년 2월의 44%에서 6월에는 30%까지 하락했다. 약 6개월간 14포인트 삭감이라는 변화는 AI를 업무 흐름에 조직하는 노력이 확실한 성과를 내고 있음을 보여준다.

그도그럼 「정형적인 기계 작업」이란 무엇인가. 데이터 분석의 현장에서는 특정 지표(메트릭)의 확인, 데이터 추출, SQL이라는 데이터베이스 조회 언어를 사용한 쿼리(문의)의 작성 같은 반복 업무가 일상적으로 발생한다. 이런 것들은 전문 지식이 있으면 어느 정도 패턴화할 수 있는 작업이며, 본래 분석가가 창의적인 분석에 집중하기 위한 「장애물」이라고도 할 수 있는 존재다. 이러한 업무를 AI가 떠맡음으로써 인간 전문가가 보다 고도의 판단이나 해석에 시간을 사용할 수 있게 된다는 생각이 이번 노력의 근저에 있다.

Grab이 채택한 것은 AI 에이전트를 중심에 놓은 복합적인 접근 방식이다. AI 에이전트란 지시를 받아 자율적으로 여러 단계를 실행할 수 있는 AI 시스템을 가리킨다. Grab은 이 에이전트의 자율성에 더하여 품질이 보증된 「인정된 데이터」의 활용, 에이전트가 작업의 맥락(컨텍스트)을 적절히 유지하는 구조, 그리고 인간이 결과를 확인·감독하는 체제라는 4가지를 결합했다. 더욱이 「셀프서비스 분석」의 구조도 정비하여 메트릭의 확인이나 데이터 조회, SQL 작성 같은 요청을 분석가의 손을 빌리지 않고 해낼 수 있는 환경을 구축했다.

Grab이 이러한 노력을 진행하는 배경도 이해할 필요가 있다. Grab은 동남아시아 각국에서 방대한 거래 데이터를 매일 생성하고 있으며, 이를 분석하는 수요는 사업 확대와 함께 계속 증가하고 있다. 한편 고도의 데이터 분석가의 채용·육성에는 비용과 시간이 든다. AI에 의한 자동화는 그 격차를 메우는 현실적인 수단으로 위치 지어진다. 최근 많은 테크 기업이 데이터 분석의 자동화를 모색하고 있지만, 실제 수치를 들어 성과를 공표한 사례는 많지 않다.

이 노력이 업계에 갖는 의미는 단순한 효율화의 이야기에 그치지 않는다. Grab의 사례는 AI 에이전트를 「자율성에 맡기기만」하는 것이 아니라 인정된 데이터나 인간의 감독과 결합하여 운용함으로써 신뢰성과 실용성을 양립할 수 있다는 하나의 모델을 보여주고 있다. AI를 도입하면 자동으로 정밀도나 신뢰성이 보증되는 것은 아니며, 데이터의 품질 관리와 인간의 관여를 어떻게 설계하는지가 중요하다는 관점을 할 수 있다.

향후 주목해야 할 점은 정형 업무의 비율이 얼마나 더 내려갈 것인가, 그리고 삭감된 분의 업무를 분석가가 어떤 고부가가치 활동에 돌리고 있는가 하는 점일 것이다. AI에 의한 업무 자동화의 진정한 가치는 삭감된 작업 시간 그 자체보다 공여진 리소스가 무엇에 사용되는가에 달려 있다고 위치 지어진다. Grab의 사례는 그 물음에 마주하는 실천적인 시도로서 같은 종류의 과제를 안고 있는 기업에게 참고가 될 가능성을 가지고 있다.