AI는 이제 답변하지 않고 일한다 | 생성형 AI 시장의 경쟁 기준이 달라지고 있다

 

AI는 이제 ‘도구’가 아니라 ‘업무 수행자’가 되고 있다

생성형 AI 시장의 경쟁 기준이 달라지고 있다.

 

과거에는 어떤 모델이 더 자연스럽게 글을 쓰고, 더 정확하게 질문에 답하는지가 중요했다. 하지만 2026년 7월 발표된 주요 소식들을 살펴보면 경쟁의 중심이 분명히 이동하고 있다.

 

이제 중요한 것은 다음 세 가지다.

1. AI가 여러 단계로 구성된 업무를 얼마나 오래 수행할 수 있는가
2. 기업의 문서·앱·데이터와 연결해 실제 결과물을 완성할 수 있는가
3. 비용·권한·보안·품질을 조직 차원에서 관리할 수 있는가

OpenAI는 ChatGPT Work와 GPT-5.6을 통해 장시간 업무 수행과 고난도 추론 능력을 강화했고, Microsoft는 Copilot Cowork를 정식 출시해 Microsoft 365 안에서 복합 업무를 끝까지 실행하는 환경을 제공하기 시작했다. Google은 ADK 2.0과 새로운 프롬프트 운영 방식을 제시하며 에이전트를 안정적으로 개발하고 운영하는 방법에 집중하고 있다. (OpenAI)

 

이번 글에서는 이러한 변화를 생성형 AI·에이전트, AI 생산성·업무 자동화, 프롬프트 엔지니어링, AI 교육·수익화 관점에서 살펴본다.

---

1. GPT-5.6 공개 | 모델 경쟁이 ‘답변 품질’에서 ‘연구와 실행 능력’으로 이동

핵심 요약

OpenAI는 2026년 7월 GPT-5.6을 공개했다. OpenAI는 GPT-5.6을 자사의 AI 연구를 가속하는 데 활용하고 있으며, 내부 테스트 기간에 연구자 1인당 일평균 출력 토큰이 GPT-5.5 사용 당시 최고 수준의 두 배 이상으로 증가했다고 밝혔다. 

 

또한 최근 6개월간 OpenAI 내부에서 코딩 추론에 사용한 연구 컴퓨팅 비중은 100배, 에이전트형 토큰 사용량은 약 22배 증가했다. 이는 모델이 단순 답변 생성이 아니라 디버깅, 실험 실행, 학습 시스템 최적화, 결과 해석 등 연구·개발 과정 전체에 투입되고 있다는 의미다. (OpenAI)

 

GPT-5.6은 Sol, Terra, Luna의 세 가지 모델 크기로 제공되며, OpenAI가 공개한 API 가격은 100만 토큰 기준으로 다음과 같다.

• Sol: 입력 5달러, 출력 30달러
• Terra: 입력 2.5달러, 출력 15달러
• Luna: 입력 1달러, 출력 6달러

프롬프트 캐싱의 예측 가능성을 높이고, 명시적 캐시 구간과 최소 30분의 캐시 유지 기능도 지원한다. (OpenAI)

왜 중요한가

GPT-5.6의 핵심은 단순히 벤치마크 점수가 올라간 것이 아니다.

 

기업이 하나의 최고급 모델만 사용하는 방식에서 벗어나, 업무 난이도와 비용에 따라 모델을 배치하는 다중 모델 운영 전략이 현실화되고 있다는 점이 중요하다. 간단한 요약과 분류에는 소형 모델을 사용하고, 복잡한 연구·분석·의사결정에는 고성능 모델을 사용하는 구조다. AI 비용을 토큰 수가 아니라 업무 결과와 연결해 관리해야 하는 이유도 여기에 있다.

 

OpenAI 역시 AI 투자를 관리할 때 사용량과 비용을 파악하고, 모델 효율성을 결과 기반 ROI로 평가하며, 확장 전에 고급 워크플로를 통제해야 한다고 제안한다. (OpenAI)

한국 기업·기관의 실무 적용 포인트

한국 기업은 다음과 같은 ‘3단계 모델 라우팅’을 설계할 수 있다.

1단계: 저비용 반복 업무

• 문서 분류
• 회의록 정리
• 고객 문의 유형화
• 기본 초안 생성

2단계: 중간 난이도 지식 업무

• 경쟁사 분석
• 제안서 구성
• 데이터 해석
• 내부 규정 기반 질의응답

3단계: 고난도 전문 업무

• 연구 분석
• 복합 의사결정 지원
• 시스템 설계
• 장시간 코딩 및 디버깅

모든 업무에 최고급 모델을 사용하는 것이 아니라, 업무별 정확도 기준과 허용 비용을 정하고 적절한 모델을 연결해야 한다.

---

2. ChatGPT Work 등장 | 질문에 답하는 AI에서 결과물을 완성하는 AI로

핵심 요약

OpenAI가 공개한 ChatGPT Work는 사용자의 앱과 파일을 넘나들며 작업하고, 필요할 경우 몇 시간 동안 프로젝트를 수행해 목표를 완성된 결과물로 전환하는 에이전트다. 정보를 수집하는 데 그치지 않고 업무를 작은 단계로 분해해 스프레드시트, 프레젠테이션, 문서, 웹 앱 등의 결과물을 만들도록 설계됐다. (OpenAI)

 

기존 ChatGPT가 사용자의 질문에 답하거나 초안을 작성하는 방식이었다면, ChatGPT Work는 사용자가 목표를 지정하면 업무의 중간 과정을 계획하고 실행하는 방식에 가깝다.

 

예를 들어 다음과 같은 요청이 가능해지는 것이다.

지난 분기 영업자료와 고객 인터뷰를 분석하고,
이탈 원인을 정리한 뒤 다음 분기 개선 전략과 경영진 보고용 프레젠테이션을 만들어라.

 

AI는 자료 탐색, 정보 비교, 분석, 문서 작성, 결과물 제작을 하나의 연속된 업무로 수행한다.

왜 중요한가

생성형 AI의 생산성 효과가 ‘문장 하나를 빠르게 작성하는 수준’에서 ‘업무 단위 전체를 위임하는 수준’으로 확장되고 있다.

OpenAI의 경제 연구에 따르면 에이전트는 단발성 대화가 아니라 몇 분에서 몇 시간 동안 도구를 호출하고 환경과 상호작용하며 결과를 반복 개선하는 장기 업무를 수행한다. 사용자가 에이전트를 더 많이 활용할수록 더 길고 복잡하며 여러 직무를 넘나드는 업무에 AI를 사용하는 경향도 나타났다. (OpenAI)

 

따라서 앞으로의 AI 활용 능력은 좋은 질문을 작성하는 능력만으로 결정되지 않는다.

• 목표를 명확하게 정의하는 능력
• 필요한 자료와 권한을 연결하는 능력
• 중간 승인 지점을 설계하는 능력
• 최종 결과의 품질을 평가하는 능력

이 네 가지가 새로운 핵심 역량이 된다.

한국 기업·기관의 실무 적용 포인트

ChatGPT Work와 같은 업무형 에이전트를 도입할 때는 처음부터 전체 업무를 자동화하기보다 다음 구조로 접근하는 것이 안전하다. 목표 → 입력 자료 → 실행 단계 → 승인 지점 → 결과물 → 평가 기준

예시는 다음과 같다.

정책 보고서 작성 에이전트

• 목표: 정책 동향 분석 보고서 작성
• 입력: 정부 발표, 연구보고서, 내부 자료
• 실행: 자료 수집 → 중복 제거 → 쟁점 분류 → 시사점 도출
• 승인: 자료 목록과 보고서 목차를 담당자가 확인
• 결과물: A4 보고서와 발표자료
• 평가: 출처 정확성, 정책 적합성, 누락 여부

특히 공공기관과 교육기관은 개인정보, 비공개 문서, 학생 데이터가 포함된 업무에 대해 자료 접근 범위와 사람의 승인 단계를 반드시 설정해야 한다.

---

3. Microsoft Copilot Cowork 정식 출시 | Microsoft 365가 업무 에이전트 플랫폼으로 진화

핵심 요약

Microsoft는 2026년 6월 16일 Copilot Cowork를 전 세계 Microsoft 365 Copilot 고객에게 정식 출시했다.

Copilot Cowork는 사용자가 업무를 지정하면 여러 도구와 자료를 활용해 장시간 작업을 실행하고, 초안이나 권고안이 아니라 완성된 결과물을 반환하는 에이전트형 시스템이다. (Microsoft)

 

Microsoft가 공개한 활용 사례에는 다음과 같은 작업이 포함된다.

• 배치 작업용 스프레드시트를 안전하게 수정하고 변경 후 의존성 흐름도 생성
• 제품 버전 두 개에 포함된 약 4,000개 파일 비교
• 정체된 영업 파이프라인을 분석해 위험 거래와 후속 조치가 중단된 지점 식별

Microsoft는 이러한 작업 중 일부가 기존에 수주가 걸리거나 일주일이 필요했던 검토 업무를 크게 단축했다고 설명했다. (Microsoft)

Copilot Cowork는 Microsoft 365의 Work IQ를 활용해 이메일, 문서, 일정, 협업 정보 등 기업의 실제 업무 맥락을 반영한다. 또한 Microsoft 365의 보안·감사·보존·민감도 레이블 체계 안에서 동작하도록 설계됐다. (Microsoft)

왜 중요한가

업무용 AI 시장의 경쟁이 챗봇 기능에서 기업 데이터와 연결된 실행 플랫폼으로 이동하고 있다.

기업 입장에서 AI가 유용하려면 일반 지식만 알아서는 부족하다. 다음 정보를 이해해야 한다.

• 우리 회사의 고객은 누구인가
• 현재 진행 중인 프로젝트는 무엇인가
• 어떤 문서가 최신 버전인가
• 누가 어떤 자료에 접근할 수 있는가
• 조직의 승인 절차는 어떻게 구성되는가

Microsoft는 기존 Microsoft 365 환경과 AI 에이전트를 연결해 이러한 기업 맥락을 확보하려는 전략을 취하고 있다.

동시에 사용량 기반 과금이 도입되면서 AI 에이전트의 비용을 사용자 수만으로 계산하기 어려워졌다. Copilot Cowork의 비용은 모델 사용, 업무 맥락 검색, 도구 호출, 실행 시간 등을 기준으로 산정된다. (Microsoft)

한국 기업·기관의 실무 적용 포인트

Microsoft 365를 사용하는 조직은 전사 도입보다 먼저 부서별 대표 업무를 선정해야 한다.

우선 적용하기 좋은 업무

• 영업 파이프라인 점검
• 여러 계약서·규정·문서 비교
• 월간 경영 보고자료 작성
• 프로젝트 진행 상황 종합
• 반복적인 Excel 검증 업무
• 회의·이메일·문서 기반 후속 작업 정리

도입 전 확인 사항

1. Copilot이 접근할 수 있는 문서 범위
2. 부서별 민감정보와 권한 체계
3. 작업당 예상 실행 비용
4. AI가 직접 수정할 수 있는 업무 범위
5. 사람의 승인이 필요한 고위험 작업

특히 공유 드라이브와 SharePoint의 접근 권한이 정리되지 않은 조직은 AI 도입 전에 문서 권한부터 정비해야 한다. 에이전트는 사용자가 접근할 수 있는 정보 구조를 그대로 활용하기 때문이다.

---

4. 프롬프트 엔지니어링의 변화 | 프롬프트도 코드처럼 관리해야 한다

핵심 요약

Google Developers Blog는 2026년 7월 16일 대규모 AI 에이전트를 위한 ‘모듈형 프롬프트 트랜스파일’ 접근법을 소개했다.

핵심은 프롬프트를 하나의 긴 텍스트로 관리하지 않고, 소프트웨어 빌드 산출물처럼 모듈화하고 검증하며 배포하는 것이다.

Google은 운영 환경에서 프롬프트가 다음 조건을 갖춰야 한다고 설명한다.

• 결정론적 빌드
• 정적 검증
• 버전 관리
• CI/CD 통합
• 기능별 모듈 분리

즉, 프롬프트를 필요할 때마다 수정하는 문장이 아니라 빌드·검증·버전 관리·배포되는 운영 자산으로 다뤄야 한다는 것이다. (Google Developers Blog)

왜 중요한가

개인이 ChatGPT에 입력하는 프롬프트는 잘못되더라도 다시 작성하면 된다.

그러나 수백 명이 사용하는 기업용 AI 에이전트의 프롬프트가 변경되면 결과가 달라질 수 있고, 업무 규칙이 누락되거나 보안 조건이 무너질 수도 있다.

 

따라서 기업의 프롬프트 엔지니어링은 다음 단계로 발전해야 한다.

 

1세대: 좋은 질문 작성

개인이 원하는 답변을 얻기 위한 프롬프트 작성

 

2세대: 재사용 가능한 템플릿

역할, 목표, 형식, 조건을 구조화한 업무용 템플릿

 

3세대: 프롬프트 운영 체계

모듈화, 테스트, 버전 관리, 승인, 배포, 성능 모니터링

 

앞으로 프롬프트 엔지니어의 역할도 문장을 잘 쓰는 사람에서 AI 업무 규칙을 설계하고 관리하는 사람으로 바뀔 가능성이 크다.

한국 기업·기관의 실무 적용 포인트

기업 내부 프롬프트는 최소한 다음 항목으로 나눠 관리하는 것이 좋다.

/prompts
  /roles
    analyst.md
    report-writer.md
  /policies
    security-rules.md
    citation-rules.md
  /workflows
    market-research.md
    proposal-generation.md
  /formats
    executive-report.md
    blog-post.md
  /tests
    accuracy-cases.md
    prohibited-output-cases.md

 

프롬프트를 수정할 때도 다음 절차를 적용해야 한다.

수정 요청 → 변경 내용 기록 → 테스트 데이터 실행 → 담당자 검토 → 배포 → 결과 모니터링

프롬프트 라이브러리를 공유 폴더에 쌓아두는 것만으로는 충분하지 않다. 어떤 프롬프트가 현재 운영 버전인지, 누가 수정했는지, 결과가 어떻게 달라졌는지를 추적해야 한다.

---

5. Google ADK 2.0 | 에이전트 운영에서 ‘자율성’보다 ‘통제 가능성’이 중요해진다

핵심 요약

Google은 2026년 7월 ADK 2.0을 소개하며
AI 에이전트를 프로토타입에서 실제 운영 환경으로 전환할 때 발생하는 문제를 강조했다.

 

실제 기업 환경에서 에이전트는 다음과 같은 오류를 일으킬 수 있다.

• 무한 반복에 빠짐
• 환각으로 인해 업무 규칙을 우회함
• 오류를 명확히 알리지 않고 실패함
• 라우팅과 일정 관리에서 불필요한 비용을 발생시킴

Google은 가드레일이나 프롬프트만으로는 이러한 문제를 모두 해결하기 어렵고, 운영 수준의 신뢰성을 확보하려면 애플리케이션 흐름에 대한 결정론적 통제가 필요하다고 설명한다. (Google Developers Blog)

LLM이 잘하는 추론과 전통적인 코드가 잘하는 실행 제어를 분리해야 한다는 의미다.

왜 중요한가

지금까지 많은 AI 에이전트 데모는 LLM이 모든 판단과 실행 순서를 결정하도록 구성됐다.

그러나 실제 업무에는 반드시 지켜야 하는 순서와 규칙이 있다.

예를 들어 비용 처리 에이전트라면 다음 조건은 AI의 자율적 판단에만 맡길 수 없다.

• 50만 원 이상이면 팀장 승인
• 300만 원 이상이면 임원 승인
• 계좌 정보 변경 시 담당자 이중 확인
• 개인정보가 포함되면 외부 전송 금지

이러한 조건은 프롬프트에만 적는 것이 아니라 프로그램 규칙과 승인 절차로 강제해야 한다.

한국 기업·기관의 실무 적용 포인트

에이전트 업무를 다음 두 영역으로 구분해야 한다.

AI가 담당할 영역

• 문서 내용 이해
• 정보 분류
• 비교 및 요약
• 초안 작성
• 예외 상황 설명
• 추천안 도출

코드와 업무 규칙이 담당할 영역

• 승인 순서
• 금액 한도
• 권한 검사
• 데이터 저장
• 외부 전송
• 결제와 계약
• 기록 보존

실무 원칙은 간단하다.

판단은 AI에 맡길 수 있지만, 통제는 시스템에 남겨야 한다.

---

6. 기업의 AI 활용 사례 | AI 역량이 채용과 승진 기준으로 확장

핵심 요약

글로벌 IT 서비스 기업 Endava는 AI 에이전트를 소프트웨어 엔지니어링뿐 아니라 법무, 재무, 운영 부문으로 확대했다.

OpenAI가 공개한 사례에 따르면 Endava는 AI를 활용해 수작업 보고와 조정 업무를 줄이고, 전담 개발 인력이 없는 직원도 내부 도구와 애플리케이션을 만들 수 있도록 했다. 또한 AI 활용 능력을 채용과 승진 과정의 기대 역량으로 반영했다. (OpenAI)

왜 중요한가

AI 교육이 일회성 도구 사용법 교육에서 조직의 직무 역량 체계로 이동하고 있다는 신호다.

앞으로 기업에서 중요한 것은 직원이 ChatGPT를 사용해 보았는지가 아니다.

• 자신의 업무를 AI에 적합한 단위로 분해할 수 있는가
• 정확한 입력자료를 제공할 수 있는가
• AI 결과를 검증할 수 있는가
• 반복 업무를 워크플로로 전환할 수 있는가
• 보안과 책임 기준을 지킬 수 있는가

이러한 역량이 실제 성과와 연결될 가능성이 높다.

한국 기업·교육 현장의 실무 적용 포인트

AI 교육 과정도 다음과 같이 재설계해야 한다.

기존 교육

• ChatGPT 기본 사용법
• 프롬프트 작성 공식
• 문서 요약과 글쓰기
• 이미지 생성 실습

앞으로 필요한 교육

• 업무 프로세스 분석
• AI 위임 가능 업무 선정
• 에이전트 워크플로 설계
• 사내 데이터 연결
• 사람의 승인 단계 설계
• AI 결과 평가 기준 수립
• 비용·보안·저작권 관리
• 부서별 자동화 프로젝트 수행

교육의 최종 산출물도 프롬프트 몇 개가 아니라 실제 업무에 배치할 수 있는 워크플로와 운영 지침이 되어야 한다.

---

7. AI 교육·수익화 시장은 어떻게 바뀌는가

AI 도구 사용법만 설명하는 교육과 콘텐츠는 점차 차별화가 어려워질 것이다.

도구 자체가 사용법을 안내하고, 더 쉽게 자동화 기능을 제공하기 때문이다. 앞으로 시장 가치가 높아질 영역은 다음 세 가지다.

첫째, 직무별 AI 전환 컨설팅

기업의 실제 업무를 분석하고 AI 적용 우선순위를 제시하는 서비스다.

예를 들면 다음과 같다.

• 영업팀 제안서 자동화
• 인사팀 채용서류 분석
• 공공기관 정책 보고서 작성
• 교육기관 수업자료 제작
• 제조기업 품질 문서 검토

둘째, AI 에이전트 설계와 구축

단순 챗봇이 아니라 여러 자료와 도구를 연결해 업무를 실행하는 에이전트 구축 서비스다.

수익 모델은 다음과 같이 구성할 수 있다.

• 초기 업무 분석 비용
• 에이전트 구축 비용
• 사내 데이터 연결 비용
• 월간 운영·개선 비용
• 사용자 교육 비용

셋째, AI 운영 거버넌스 교육

기업이 AI를 안전하게 확장할 수 있도록 다음 항목을 설계하는 교육이다.

• 권한과 접근 통제
• 개인정보와 기밀정보 관리
• 프롬프트 버전 관리
• 사람의 승인 절차
• AI 비용 관리
• 결과 품질 평가
• 사고 대응 프로세스

단순한 ‘AI 활용 강사’보다 업무 혁신, 자동화, 보안, 성과 측정을 함께 설계하는 전문가의 가치가 커질 것이다.

---

8. 2026년 하반기 AI 도입 전략 | 도구(Tool)보다 업무를 먼저 설계하라

새로운 모델과 에이전트가 계속 등장하지만, 모든 제품을 빠르게 도입하는 것이 정답은 아니다.

한국 기업과 기관은 다음 5단계로 접근하는 것이 현실적이다.

1단계. 반복 업무를 찾는다

시간이 많이 들고 규칙이 비교적 명확한 업무를 선정한다.

2단계. 업무를 단계별로 분해한다

입력, 처리, 판단, 승인, 출력 구조로 나눈다.

3단계. AI와 사람이 담당할 영역을 구분한다

AI는 분석과 초안을 담당하고, 사람은 책임이 큰 승인과 예외 처리를 담당한다.

4단계. 성과 지표를 먼저 설정한다

• 처리 시간
• 오류율
• 재작업률
• 직원 만족도
• 업무당 AI 비용
• 최종 결과물 품질

5단계. 검증된 업무부터 확장한다

작은 업무에서 효과를 확인한 후 부서와 조직 전체로 확대한다.

---

[결론] 프롬프트의 시대에서 AI 업무 시스템의 시대로

2026년 7월의 AI 동향을 한 문장으로 정리하면 다음과 같다.

AI는 질문에 답하는 도구에서 조직의 업무를 실행하는 시스템으로 이동하고 있다.

 

GPT-5.6은 복잡한 연구와 실행 업무의 수준을 끌어올리고 있다. ChatGPT Work와 Copilot Cowork는 여러 앱과 문서를 연결해 장시간 업무를 수행한다. Google은 프롬프트를 코드처럼 관리하고, 에이전트의 자율성과 결정론적 통제를 분리해야 한다는 방향을 제시하고 있다. (OpenAI)

 

따라서 기업과 개인이 준비해야 할 것은 ‘더 멋진 프롬프트’만이 아니다.

• 업무 프로세스를 구조화하는 능력
• AI에 적합한 업무를 선정하는 능력
• 데이터와 도구를 안전하게 연결하는 능력
• 사람의 승인과 책임 구조를 설계하는 능력
• AI의 비용과 성과를 측정하는 능력

앞으로 AI 활용의 격차는 어떤 도구를 사용하느냐보다 AI가 실제로 일할 수 있는 구조를 누가 먼저 만드느냐에서 발생할 것이다.

---

바로 적용하는 AI 에이전트 업무 설계 템플릿

[업무명]
자동화하거나 에이전트에 위임할 업무의 이름

[업무 목표]
완료되어야 하는 최종 결과

[입력 자료]
AI가 참고해야 할 문서, 데이터, 이메일, 시스템

[실행 단계]
1.
2.
3.
4.

[AI의 권한]
조회 가능:
작성 가능:
수정 가능:
외부 전송 가능:

[사람의 승인 지점]
중간 승인:
최종 승인:

[금지 사항]
개인정보 처리:
기밀정보 처리:
외부 서비스 사용:
자동 결제·계약:

[최종 결과물]
문서, 보고서, 표, 프레젠테이션, 시스템 입력 등

[성과 측정]
처리 시간:
정확도:
재작업률:
업무당 비용:
사용자 만족도:

---

참고목차 | 블로그 작성에 활용한 원본 자료

1. OpenAI — GPT-5.6: Frontier intelligence that scales with your ambition

주요 활용 내용: GPT-5.6 성능, 내부 연구 활용, 모델별 가격, 프롬프트 캐싱

https://openai.com/index/gpt-5-6/

2. OpenAI — ChatGPT is now a partner for your most ambitious work

주요 활용 내용: ChatGPT Work의 장시간 업무 수행, 앱·파일 연결, 완성형 결과물 제작

https://openai.com/index/chatgpt-for-your-most-ambitious-work/

3. OpenAI — How agents are transforming work

주요 활용 내용: 장기 업무 위임, 에이전트 활용 범위 확대, 지식노동 변화

https://openai.com/index/how-agents-are-transforming-work/

4. OpenAI — How to manage AI investments in the agentic era

주요 활용 내용: AI 사용량·비용 가시성, 결과 기반 ROI, 확장 전 거버넌스

https://openai.com/index/managing-ai-investments-in-agentic-era/

5. Microsoft — Copilot Cowork is now generally available

주요 활용 내용: Copilot Cowork 정식 출시, 기업 활용 사례, 보안 체계, 사용량 기반 비용

https://www.microsoft.com/en-us/microsoft-365/blog/2026/06/16/copilot-cowork-is-now-generally-available/

6. Google Developers Blog — Building scalable AI agents with modular prompt transpilation

주요 활용 내용: 프롬프트 모듈화, 정적 검증, 버전 관리, CI/CD 통합

https://developers.googleblog.com/building-scalable-ai-agents-with-modular-prompt-transpilation/

7. Google Developers Blog — Why we built ADK 2.0

주요 활용 내용: 에이전트의 무한 반복과 환각 문제, 결정론적 업무 흐름, 운영 안정성

https://developers.googleblog.com/why-we-built-adk-20/

8. OpenAI — How Endava is redesigning software delivery around AI agents

주요 활용 내용: 법무·재무·운영 부문 AI 확대, 수작업 감소, AI 역량의 채용·승진 반영

https://openai.com/index/endava-frontiers/

---

[1] 자료 기준일: 2026년 7월 18일

[2] 선정 원칙: 공식 발표·제품 블로그·연구자료 우선, 중복 발표·미확인 루머·과장된 전망 제외