앞선 여섯 편에서는 헤르메스 에이전트가 무엇인지, 어디에 설치하는지, 텔레그램과 예약 작업을 어떤 기준으로 운영하는지를 다뤘습니다. 이번에는 한 걸음 물러나 시장을 보려 합니다. 헤르메스 같은 AI 에이전트는 어떤 시장 안에서 쓰이게 될까요. 2026년 하반기와 2027년에는 누가 이 도구를 필요로 하게 될까요.
이 질문은 제품 기능을 나열하는 일과 다릅니다. 기능은 계속 바뀝니다. 시장에서 오래 남는 도구는 사용자가 반복해서 겪는 문제를 해결합니다. 헤르메스의 자리도 모델 이름이나 채팅 화면보다, 사람들이 자기 일을 어디까지 AI에게 맡기려 하는지에서 판단해야 합니다.
이번 시장 조사의 범위
이 글은 2026년 8월 기준 공개된 Stanford HAI, McKinsey, Gartner, IDC의 자료를 바탕으로 합니다. 여기서 AI 에이전트는 질문에 답하는 챗봇보다 넓은 개념입니다. 여러 단계를 계획하고, 파일·웹·업무 도구를 읽거나 호출하며, 정해진 범위 안에서 작업을 이어 가는 시스템을 말합니다.
기관마다 에이전트의 범위와 시장 규모를 다르게 정의합니다. 그래서 하나의 시장 규모 숫자로 결론을 내리지 않았습니다. 조직의 도입률, 실험과 확장의 차이, 기업용 애플리케이션의 변화, 프로젝트 중단 위험을 함께 살폈습니다.
AI 에이전트 시장은 답변에서 실행으로 옮겨가고 있습니다
생성형 AI가 널리 쓰이기 시작했을 때 사람들은 질문을 던지고 답을 받았습니다. 글의 초안을 만들고, 긴 자료를 요약하고, 아이디어를 정리하는 방식입니다. 지금도 이 방식은 유효합니다. 다만 실제 업무에서는 답변 하나가 끝이 아닌 경우가 많습니다.
자료를 찾아 읽고, 이전 문서와 비교하고, 폴더 안에 결과를 남기고, 정해진 시간에 다시 확인하고, 다음 사람에게 전달해야 하는 일이 이어집니다. AI 에이전트는 이 연결된 작업을 다룹니다. 목표를 나누고, 파일과 웹 자료를 읽고, 도구를 호출하고, 다음 작업으로 넘기는 방식입니다.
IDC는 2027년까지 에이전트 자동화가 기업 애플리케이션의 40% 이상에서 기능을 보강할 것으로 전망했습니다. 이 수치는 모든 조직의 완전한 자동화를 뜻하지는 않습니다. AI가 별도의 질문창에 머물기보다 문서, 고객 관리, 개발, 리서치, 운영 업무 안으로 들어가는 흐름을 보여 주는 전망입니다.
Stanford HAI의 2026 AI Index는 2025년에 조사 대상 조직의 88%가 AI를 사용한다고 답했다고 정리합니다. 동시에 에이전트 배치는 대부분의 업무 기능에서 한 자릿수 비율에 머물렀습니다. AI 사용은 넓어졌지만, AI 에이전트를 실제 업무에 연결하는 단계는 이제 시작됐다는 뜻입니다.
시장은 커지고 있지만, 실험과 정착 사이에는 거리가 있습니다
AI 에이전트 시장을 볼 때 모든 일이 곧 자동화될 것이라는 기대는 경계해야 합니다. 시장의 움직임은 더 복잡합니다.
McKinsey의 2025년 조사에서는 조직의 62%가 AI 에이전트를 실험하고 있다고 답했습니다. 하지만 기업 안의 어느 한 영역에서라도 에이전트 시스템을 확장하고 있다고 답한 비율은 23%였습니다. 많은 조직이 시도하고 있지만, 실제 업무의 한 부분으로 남기는 단계까지 간 곳은 제한적이라는 뜻입니다.
Gartner는 2027년 말까지 에이전트 AI 프로젝트의 40% 이상이 중단될 수 있다고 전망했습니다. 비용이 늘어나고, 사업가치가 분명하지 않으며, 위험을 통제하지 못하는 경우를 이유로 들었습니다. 이 전망은 에이전트 시장이 멈춘다는 뜻이 아닙니다. 무엇을 맡길지 정하지 않은 채 시작한 프로젝트가 남기 어렵다는 경고에 가깝습니다.
AI 에이전트의 문제는 일을 못 한다는 데 있지 않습니다. 어떤 일을, 누구의 기준으로, 어디까지 맡길지 정하지 않은 데 있습니다.
2026년 하반기에는 승인형 업무가 먼저 자리 잡습니다
2026년 하반기에는 사람 없이 모든 일을 처리하는 자율형 에이전트보다, 사람이 중간에 확인하는 승인형 업무가 먼저 넓어질 가능성이 큽니다.
매주 정해진 주제의 뉴스와 자료를 수집해 초안을 만드는 일은 AI에게 맡길 수 있습니다. 그러나 그 자료를 어떤 관점으로 해석할지, 외부에 발행할지, 고객에게 보낼 답변으로 확정할지는 사람이 판단해야 합니다.
이 차이를 구분하지 않으면 자동화는 곧바로 불안정해집니다. AI가 오래된 자료를 가져오거나, 폴더를 잘못 선택하거나, 예외 상황을 놓쳤을 때 사람은 어디에서 멈추고 수정해야 하는지 알아야 합니다.
| 업무 단계 | AI 에이전트가 맡기 좋은 일 | 사람이 남겨야 할 일 |
|---|---|---|
| 조사와 정리 | 자료 수집, 요약, 분류, 비교표 작성 | 출처 확인, 해석 기준 결정 |
| 문서 초안 | 보고서 초안, 강의안 뼈대, 회의 후속 업무 정리 | 핵심 주장, 최종 문장, 대외 표현 판단 |
| 승인형 실행 | 정해진 폴더 저장, 일정 초안, 발행 준비, 정기 보고 | 실행 전후 확인, 예외 처리 |
| 제한 자동 실행 | 알림, 공개 자료 모니터링, 반복 점검 | 범위 설정, 오류 대응 |
| 고위험 실행 | 해당하지 않음 | 결제, 삭제, 외부 발행, 확정 답변, 평가와 법률 판단 |
헤르메스 에이전트를 처음 사용할 때도 이 순서가 맞습니다. 먼저 파일 하나, 반복 리서치 하나, 정기 점검 하나처럼 결과를 확인하기 쉬운 일을 맡겨 봅니다. 작업 기준이 정리된 뒤에야 예약과 서버 환경으로 넓힐 수 있습니다. ⑥ Hostinger VPS에서 헤르메스 에이전트를 구축하는 순서: 7 STEP 가이드에서 다룬 VPS도 이 기준이 생긴 뒤에 검토할 환경입니다.
2027년에는 기능보다 운영 방식이 경쟁력이 됩니다
2027년의 경쟁은 누가 더 긴 답변을 만드는가에서 갈릴 가능성이 낮습니다. 모델 성능이 비슷해질수록 차이는 다른 곳에서 생깁니다.
첫째는 자료와 맥락입니다. AI가 이전 문서, 작업 기준, 수정 이력, 프로젝트 상태를 어떻게 읽는지가 중요해집니다. 매번 긴 프롬프트로 배경을 설명해야 한다면, 도구는 일을 이어 주지 못합니다.
둘째는 권한입니다. 어떤 파일을 읽을 수 있는지, 무엇을 수정할 수 있는지, 외부 서비스에는 어디까지 접근할 수 있는지를 나누어야 합니다. 에이전트는 도구에 연결될수록 편리해지지만, 잘못된 실행의 범위도 넓어집니다.
셋째는 실행 기록입니다. 누가 어떤 요청을 했고, 어떤 자료를 읽었고, 어떤 파일을 만들었는지 확인할 수 있어야 합니다. 특히 팀과 조직에서 AI를 쓰기 시작하면 무엇을 만들었는가만큼 어떻게 만들었는가가 중요해집니다.
넷째는 비용과 검토 시간입니다. AI가 초안을 만들었다고 해서 전체 비용이 줄었다고 보기는 어렵습니다. 사람이 여러 번 고치고, 오류를 되돌리고, 결과를 다시 확인해야 한다면 일이 늘어날 수 있습니다. 에이전트의 가치는 호출 횟수가 아니라 정확하고 검토 가능한 작업 하나를 끝내는 비용으로 판단해야 합니다.
헤르메스는 개인 전문직과 작은 팀에서 먼저 쓰일 가능성이 큽니다
범용 챗봇은 질문에 답하고 초안을 만드는 데 적합합니다. 그러나 지난번 작업에서 어떤 자료를 읽었는지, 어떤 기준으로 고쳤는지, 다음에 무엇을 해야 하는지까지 이어 가기는 어렵습니다.
대형 기업 자동화 시스템은 ERP, CRM, 그룹웨어, 고객 데이터베이스 같은 핵심 업무 시스템을 연결합니다. 다만 설치와 보안 검토, 권한 설정, 데이터 연동에 시간이 필요합니다. 개인이나 작은 팀이 처음부터 선택하기에는 범위가 큽니다.
헤르메스가 먼저 쓰일 자리는 복합 문서와 반복 업무가 많은 개인 전문직, 그리고 작은 팀입니다. 강사와 콘텐츠 제작자는 리서치 자료를 모으고, 강의안과 워크북, 블로그 글을 만들고, 다음 보완 작업을 이어야 합니다. 책을 쓰는 사람은 목차, 원고, 참고 자료, 편집 의견을 함께 다룹니다. 컨설턴트와 기획자는 회의 자료, 시장 조사, 제안서, 고객별 작업 이력을 오갑니다. 작은 팀의 운영 담당자는 정기 보고, 자료 분류, 회의 후속 업무, 일정 점검을 반복합니다.
이 사람들에게 필요한 것은 모든 일을 대신하는 디지털 직원이 아닙니다. 흩어진 자료와 기준을 연결하고, 사람이 검토할 수 있는 결과물로 일을 넘겨주는 작업 환경입니다.
한국 시장에서는 한국어보다 데이터와 책임의 문제가 먼저 나옵니다
한국에서는 AI 에이전트의 한국어 품질만으로는 충분하지 않습니다. 공공기관, 금융, 교육, 의료, 대기업 계열사처럼 자료의 성격이 민감한 곳에서는 데이터가 어디에 있는지, 누가 접근하는지, 어떤 결과가 만들어졌는지를 먼저 묻게 됩니다.
2026년 1월부터 시행된 인공지능기본법은 AI 산업 진흥과 신뢰 기반 마련을 함께 다룹니다. 에이전트가 실제 업무 과정에 들어갈수록 데이터 위치, 접근 권한, 실행 이력, 인간의 확인 지점은 제품의 부가 기능이 아니라 도입 조건이 됩니다.
그래서 한국 시장에서 AI 에이전트는 얼마나 똑똑한가보다 어떤 자료를 다루고, 누가 승인하며, 문제가 생기면 무엇을 확인할 수 있는가로 평가받게 됩니다. 로컬 파일, 프라이빗 서버, 권한 관리, 작업 이력, 백업이 중요한 이유입니다.
시장 조사의 결론은 도구보다 일의 기준에 있습니다
AI 에이전트 시장은 2026년 하반기와 2027년에 계속 커질 것입니다. 다만 오래 쓰이는 도구는 모든 일을 맡기겠다고 말하는 도구가 아닐 가능성이 큽니다.
반복되는 일을 찾아내고, 자료와 기준을 남기고, 사람의 확인 지점을 정하고, 실행 기록을 쌓는 도구가 실제 업무 안에 남게 됩니다.
헤르메스 에이전트도 같은 기준으로 볼 수 있습니다. 파일을 읽고, 자료를 정리하고, 스킬을 만들고, 예약 작업을 실행하는 기능 자체가 목적은 아닙니다. 내가 매번 다시 설명하던 기준과 자료를 다음 작업으로 이어 가는 데 목적이 있습니다.
앞선 글에서 설치 환경과 운영 방법을 살펴봤다면, 이제는 한 가지 질문을 남길 수 있습니다. 내 일 가운데 반복되지만 아직 기준으로 남기지 못한 일은 무엇인가. 그 질문에 답할 수 있을 때 AI 에이전트는 새로운 도구가 아니라, 일을 이어 가는 방식이 됩니다.
조사 출처
- Stanford HAI, The 2026 AI Index Report
- McKinsey, The State of AI: Global Survey 2025
- Gartner, 2027년 말까지 에이전트 AI 프로젝트 40% 이상 중단 전망
- IDC, An IT tech leader’s guide through the agentic pivot
- 과학기술정보통신부, AI Basic Act 시행 관련 발표
함께 보면 좋은 자료
함께 읽을 글
- ① 헤르메스 에이전트 사용은 앞으로 어떤 변화를 만들까 — 헤르메스가 대화 도구를 넘어 실제 작업 흐름에 들어오는 방식을 먼저 살펴볼 수 있습니다.
책 추천
- 팔리는 블로그 & SNS 글쓰기 with 챗GPT — AI로 초안을 만들더라도 글의 관점과 독자 판단을 직접 설계하는 기준을 다룹니다.
강의 추천
- 클로드 일하는 법(초급+): 스킬·코워크·옵시디언 — AI 모델, 자료, 반복 작업을 하나의 업무 환경으로 정리하는 실습을 다룹니다.
