AI 에이전트를 업무에 붙이려는 기업이라면 이제 모델 성능만 볼 일이 아니게 됐습니다. 구글·MS·엔비디아 등이 함께 추진하는 AI 에이전트 표준 ARD는 “어떤 AI가 어떤 일을 맡을지”를 자동으로 찾는 규칙에 가깝습니다.
겉으로는 개발자용 표준 발표처럼 보이지만, 실제 의미는 더 큽니다. 앞으로 기업용 AI 시장이 챗GPT나 클로드 같은 단일 창구 중심으로 갈지, 아니면 여러 서비스가 연결되는 개방형 구조로 갈지 가르는 신호이기 때문이에요.
▲ 핵심은 세 가지입니다. AI 기능을 자동으로 찾고, 연결 방식의 신뢰성을 검증하고, 특정 플랫폼에 묶이는 비용을 줄이려는 움직임입니다.
AI 에이전트 표준 ARD가 왜 나온 건가
이번에 언급된 ARD는 Agentic Resource Discovery의 약자입니다. 말 그대로 AI 에이전트가 쓸 수 있는 자원과 기능을 “발견”하도록 돕는 표준이에요.
지금 기업에서 AI를 붙이는 방식은 생각보다 번거롭습니다. 사내 문서 검색, CRM, 개발 도구, 회계 시스템, 고객 상담 도구가 각각 따로 있고, AI가 이를 쓰려면 서비스마다 별도 연결 작업이 필요합니다.
예를 들어 직원이 “이번 고객 이슈를 정리하고 다음 액션을 만들어줘”라고 요청했다고 해보죠. AI는 고객 데이터, 메일, 티켓 시스템, 일정 도구를 모두 알아야 합니다. 문제는 어떤 도구가 어디에 있고, 어떤 권한으로 접근해야 하는지 매번 새로 판단해야 한다는 점입니다.
ARD는 이 앞단을 표준화하려는 시도입니다. 기업이 자신들의 AI 기능과 API 정보를 일정한 형식의 카탈로그로 공개하면, 다른 AI 서비스가 그 목록을 읽고 필요한 도구를 더 쉽게 찾을 수 있게 만드는 구조입니다.
MCP 다음 단계로 보는 이유
AI 에이전트 이야기를 따라가다 보면 MCP라는 말을 자주 보게 됩니다. MCP는 모델이 외부 데이터나 도구를 호출하는 방법을 정리한 표준에 가깝습니다. 쉽게 말해 “AI가 문을 열고 들어가는 방식”을 맞추자는 약속이죠.
반면 ARD는 그 문이 어디에 있는지부터 찾게 해주는 레이어에 가깝습니다. MCP가 연결의 방식이라면, ARD는 연결 대상을 발견하는 주소록에 가깝다고 볼 수 있어요.
이 차이는 기업 환경에서 꽤 중요합니다. 업무 시스템이 몇 개뿐이라면 사람이 직접 연결해도 됩니다. 하지만 대기업처럼 부서별 서비스, 외부 SaaS, 자체 API가 수백 개로 늘어나면 이야기가 달라집니다.
AI가 무작정 여러 도구를 추측해 호출하면 비용도 늘고 보안 위험도 커집니다. 반대로 검증된 목록 안에서 필요한 기능을 찾게 하면, 응답 속도와 운영 안정성을 동시에 잡을 수 있습니다.
구글·MS·엔비디아가 함께 움직인 배경
이번 AI 에이전트 표준 경쟁에서 눈에 띄는 부분은 참여 기업입니다. 구글, 마이크로소프트, 세일즈포스, 스노우플레이크, 서비스나우, 시스코, 엔비디아 등 기업용 소프트웨어와 인프라를 쥔 회사들이 한쪽에 섰습니다.
이들의 이해관계는 비교적 선명합니다. 기업 고객이 이미 쓰고 있는 업무 시스템을 버리고 하나의 AI 앱으로 옮겨가길 바라지 않습니다. 오히려 기존 도구 위에 AI를 얹고, 여러 도구가 서로 연결되길 원합니다.
특히 MS와 구글은 업무용 앱의 입구를 갖고 있습니다. 코파일럿, 제미나이, 워크스페이스, 오피스 같은 화면이 사용자의 첫 접점이 될 수 있죠. 여기에 ARD 같은 표준이 붙으면, 이들 서비스는 단순 챗봇이 아니라 기업용 AI 관문 역할을 하게 됩니다.
엔비디아가 이름을 올린 것도 흥미롭습니다. AI 에이전트가 늘어날수록 추론 연산 수요는 커집니다. 다만 기업 입장에서는 연산비가 부담이기 때문에, 불필요한 탐색을 줄이는 표준은 인프라 시장에도 직접 영향을 줍니다.
사용자에게 달라지는 건 ‘AI 앱 하나’가 아니다
일반 사용자가 바로 체감할 변화는 크지 않을 수 있습니다. 하지만 회사에서 AI 도구를 쓰는 사람이라면 차이가 생길 가능성이 큽니다.
지금은 AI에게 일을 맡겨도 “그 자료는 어디에 있나요?”, “파일을 올려주세요”, “이 시스템에는 접근할 수 없습니다” 같은 벽을 자주 만납니다. ARD식 표준이 자리 잡으면 AI가 쓸 수 있는 사내 기능을 더 자연스럽게 찾고 연결할 수 있습니다.
검색자가 궁금해할 첫 번째 질문은 이것일 겁니다. “이 표준이 생기면 내가 쓰는 AI가 더 똑똑해지나?” 답은 절반만 맞습니다. 모델 자체가 갑자기 똑똑해진다기보다, 필요한 도구를 덜 헤매고 찾게 되는 쪽에 가깝습니다.
두 번째 질문은 “기업은 왜 이걸 원하나?”입니다. 이유는 비용과 통제입니다. AI가 매번 추측으로 도구를 찾으면 토큰과 연산이 낭비됩니다. 또 승인되지 않은 데이터 접근이 생길 수 있습니다. 표준 카탈로그는 이 과정을 더 예측 가능하게 만듭니다.
슈퍼에이전트와 개방형 연합의 충돌
이번 소식에서 중요한 포인트는 오픈AI와 앤트로픽이 중심 참여자로 보이지 않는다는 점입니다. 두 회사는 각각 챗GPT와 클로드를 강력한 업무 허브로 키우고 있습니다.
이른바 슈퍼에이전트 전략은 사용자가 하나의 AI에게 모든 일을 맡기게 만드는 방식입니다. 메일 작성, 자료 검색, 코딩, 일정 관리, 리서치까지 한 창구에서 처리하는 그림이죠.
반대로 ARD 연합은 여러 회사의 AI 기능과 업무 도구가 연결되는 구조를 강조합니다. 사용자는 특정 AI 하나에 모든 권한을 몰아주기보다, 기존 업무 환경 안에서 필요한 기능을 조합하게 됩니다.
어느 쪽이 반드시 옳다고 보기는 어렵습니다. 개인 사용자에게는 하나의 강한 AI 앱이 편할 수 있습니다. 하지만 기업은 권한 관리, 감사 기록, 데이터 위치, 비용 통제가 중요합니다. 그래서 개방형 표준은 기업 IT 담당자에게 더 매력적으로 들릴 수 있습니다.
관련해서 AI 안전성과 운영 기록의 중요성은 이미 커지고 있습니다. 이전 글인 AI 안전성 평가에서 행동 기록이 중요한 이유에서도 다뤘듯, 기업용 AI는 결과물만큼이나 어떤 도구를 어떤 순서로 호출했는지가 중요해지고 있습니다.
지금 봐야 할 체크포인트
AI 에이전트 표준 ARD가 바로 시장을 바꾸지는 않을 수 있습니다. 표준은 발표보다 실제 채택이 더 중요합니다. 개발자와 기업이 카탈로그를 만들고, 주요 SaaS가 이를 지원하고, 보안 검증까지 붙어야 의미가 생깁니다.
그래도 방향은 분명합니다. 기업용 AI 경쟁은 “가장 말 잘하는 모델”에서 “가장 안전하게 여러 도구를 연결하는 구조”로 이동하고 있습니다.
▲ 확인할 부분은 세 가지입니다. 첫째, GitHub에 공개된 ARD 사양이 실제 기업용 소프트웨어에 얼마나 빨리 붙는지입니다. 둘째, MCP와 충돌하지 않고 상위 레이어로 자리 잡을 수 있는지입니다. 셋째, AI 에이전트가 도구를 찾는 과정에서 권한과 감사 기록을 얼마나 명확히 남기는지입니다.
원문 기사에서 소개된 ARD 공개 흐름은 네이버 IT/과학 기사에서 확인할 수 있습니다. 표준 사양과 개발자 논의는 GitHub의 ARD 관련 공개 저장소를 함께 보면 흐름을 이해하기 쉽습니다.
앞으로의 관전 포인트는 특정 AI가 이기느냐보다, 기업이 AI에게 어느 정도 권한을 맡길 수 있느냐입니다. 표준이 잘 작동하면 AI 에이전트는 업무 옆에 붙은 보조 도구를 넘어, 여러 시스템을 오가는 실행 계층으로 바뀔 수 있습니다. 반대로 표준이 흩어지면 기업은 다시 각 서비스별 연동 비용과 보안 부담을 떠안게 됩니다.
※ 대표 이미지 출처: 이데일리
