일본의 AI 제품, 단일 답변에서 관리형 워크플로로 전환

주요 동향

일본 AI 업계에서 나온 세 가지 발표는 같은 방향을 가리킨다. 공급업체들은 개별적인 챗봇 답변을 넘어 완전한 업무 절차 전체를 자동화하려 하고 있다. 이제 더 중요한 차이는 소프트웨어가 답변을 생성할 수 있는지가 아니라, 사람들이 그 답변 전후에 일어나는 과정을 설정하고 점검하며 반복할 수 있는지에 있다.

1. FlashAI, 하나의 업무용 전화 회선을 전문 어시스턴트 팀으로 전환

FlashLabs는 새로운 Squads 기능을 통해 기업이 하나의 전화번호 뒤에 접수, 영업, 지원, 예약 등 역할별 음성 어시스턴트를 배치할 수 있다고 밝혔다. 통화 목적에 따라 어시스턴트 간에 통화를 넘길 수 있으며, 시각적 빌더에서 최초 응답자와 가능한 인계 대상을 지정한다. 회사는 또한 전체 통화 흐름을 실제 운영에 적용하기 전에 테스트할 수 있다고 설명한다. 이는 독립적인 성능 평가가 아니라 제품 발표이지만, 음성 자동화가 사람으로 구성된 서비스 팀에서 볼 수 있는 라우팅과 책임 분담 방식을 도입하고 있음을 보여준다. (FlashAI 발표 읽기)

2. 공시 자료 분석에서 인력 우려와 명시적인 AI 대응 사이의 큰 격차 확인

Gomumari는 2025년 10월부터 2026년 10월 사이에 제출된 상장기업 3,817곳의 최신 유가증권보고서를 조사했다고 밝혔다. 모델을 활용한 분류 결과, 노동력 부족이나 인력 확보를 위험 요인으로 언급한 기업은 2,315곳, 즉 60.6%였다. 이 가운데 AI를 대응책으로 명시한 기업은 164곳, 즉 7.1%였으며, 더 광범위한 자동화 및 인력 절감 조치까지 포함하면 412곳, 즉 17.8%로 늘어났다. 이는 공식 노동시장 통계가 아니라 회사의 분석 결과다. 공개된 분석 방법에는 키워드 추출, 여러 모델을 통한 확인, 제한적인 수작업 검토가 사용됐으며, 회사는 검색어에 포함되지 않은 관련 표현이 누락됐을 수 있다고 경고한다. 이러한 단서를 감안하더라도 그 대비는 유용하다. 기업 공시에서는 인력 문제에 대한 우려를 밝히는 것이 구체적인 AI 대응책을 제시하는 것보다 훨씬 쉬운 것으로 보인다. (공시 자료 분석 검토하기)

3. Kari, 스프레드시트 준비와 분석을 재실행 가능한 워크플로로 구성

GotoAI는 Kari 버전 0.7.3이 기존 Claude 또는 ChatGPT 구독을 사용해 CSV, Excel, SQLite 데이터를 정리하고 분석할 수 있다고 발표했다. 설명된 워크플로에는 데이터 유형 지정, 결합, 집계, 차트, 관찰 결과 생성이 포함되며, 변환 과정을 점검하고 다시 실행할 수 있는 Python 스크립트로 보존한다. 회사는 개인과 구성원 100명 미만의 조직은 계속해서 무료 커뮤니티 라이선스를 이용할 수 있으며, 더 큰 조직에는 기간 한정 평가판이 제공된다고 밝혔다. 공급업체의 주장은 독립적으로 검증되지 않았지만, 스크립트를 보존한다는 점은 업무 활용에서의 실질적인 우려를 다룬다. 즉, 자동화된 결과는 그 처리 단계를 점검하고 반복할 수 있을 때 더 유용하다. (Kari 출시 자료 열기)

이러한 동향이 의미하는 것

공통된 핵심은 오케스트레이션이다. FlashAI는 실시간 상호작용 중 전문 에이전트를 조율하고, Kari는 여러 데이터 준비 및 분석 단계를 추적 가능한 절차로 전환한다. 한편 Gomumari의 공시 자료 분석은 제품의 이용 가능성이 조직 전반의 폭넓은 도입을 의미하지는 않는다는 점을 상기시킨다. 이러한 도구를 평가하는 기업은 눈에 띄는 기능만 볼 것이 아니라 업무 인계가 어떻게 관리되는지, 결과를 어떻게 감사할 수 있는지, 어떤 데이터가 기기나 조직 외부로 나가는지, 최종 결정에 대한 책임이 어디에서 사람에게 남는지를 살펴야 한다.