Box CEO가 말하는 AI 기업 활용의 비밀
기업을 위한 AI 제품 구축: Box CEO 애런 레비와의 대화
맞춤형 AI 에이전트는 소비자 시장보다 기업 환경에서 더 가치가 있음
기업 문서에는 웹과 달리 중요도를 나타내는 명확한 신호가 부족함
AI가 비정형 문서에서 구조화된 데이터를 추출하는 능력은 큰 자동화 기회
현재 모델은 단일 페이지 문서에서 거의 100% 정확도, 복잡한 문서에서는 약 83% 정확도
기업에서 '아무것도 하지 않는' 영역(비용 문제나 우선순위로 자동화되지 않은 부분)이 AI의 가장 큰 기회
AI 제품 개발 시 모델 개선 속도를 고려한 전략적 투자 필요
Box 소개
Box는 기업들이 콘텐츠를 관리하고, 안전하게 협업하며, 워크플로우를 자동화할 수 있는 클라우드 플랫폼입니다. 주요 기능으로는 엔터프라이즈급 보안을 갖춘 협업 도구, AI 기반 문서 분석, 워크플로우 자동화, 콘텐츠 보안, 전자 서명 등이 있습니다. 최근에는 Box AI Studio를 출시하여 사용자가 맞춤형 AI 에이전트를 구축할 수 있도록 했으며, OpenAI, Anthropic, Google의 AI 모델을 활용해 비정형 데이터에서 통찰력을 얻고 워크플로우를 자동화할 수 있는 도구를 제공합니다.
기업용 AI 에이전트의 가치
Perplexity AI의 CEO 아라빈드 스리니바스(Arvin Trinivas)가 진행한 이번 웨비나에서 Box의 CEO 애런 레비는 기업용 AI 에이전트의 가치에 대해 이야기했습니다. OpenAI의 GPT 스토어가 소비자 시장에서 큰 성공을 거두지 못했음에도 불구하고 Box가 AI Studio를 출시한 이유에 대해 설명했습니다.
레비는 소비자와 기업 AI의 근본적인 차이점을 지적했습니다. "기업 환경에서는 사용자 지정 에이전트가 훨씬 중요합니다. 법률 담당자가 계약 검토 과정을 자동화하려 할 때, 매번 같은 지시를 AI에 반복하지 않고 싶을 것입니다. 특정 작업에 미리 설정된 에이전트가 있으면 반복 가능성과 일관성이 크게 향상됩니다."
또한 소비자 시장과 달리 기업 환경에서는 맞춤형 에이전트가 소수의 직원만 사용하더라도 큰 가치를 제공할 수 있다고 강조했습니다. "기업에서는 단 5명만 사용하는 AI 에이전트를 설정하더라도 특정 프로세스에 맞게 조정되어 있다면 충분히 가치가 있습니다."
기업 데이터 접근 권한 관리
AI 에이전트의 데이터 접근 권한 관리는 중요한 과제입니다. 레비는 두 가지 주요 문제를 설명했습니다:
과도한 접근: "많은 기업 시스템은 '모호함을 통한 보안'에 의존합니다. 실제로 사용자가 액세스해서는 안 되는 데이터에 접근할 수 있는 경우가 많습니다. AI 에이전트가 이런 데이터를 발견하면 보안 문제가 발생할 수 있습니다."
부족한 접근: "AI 에이전트가 특정 작업을 수행하는 데 필요한 도구나 리소스에 접근할 수 없는 상황도 있습니다."
Box의 강점은 조직 내 사용자 그룹과 권한 네트워크가 이미 구축되어 있어 에이전트 간 협업을 용이하게 한다는 점입니다. 그러나 레비는 "에이전트가 사용자 대신 문서에 접근하려고 할 때 새로운 알림 워크플로우가 필요할 수 있습니다"라고 언급하며, 기업들이 아직 AI 에이전트를 위한 워크플로우를 완벽히 설계하지 못했다고 지적했습니다.
기업 문서 관리의 도전과제
레비는 기업 문서 관리의 주요 과제로 중복 문서와 최신 버전 식별의 어려움을 언급했습니다. 웹과 달리, 기업 환경에서는 문서의 방문 횟수나 연결 수와 같은 명확한 신호가 없어 중요 문서를 식별하기 어렵습니다.
"기업에서는 수익 보고서의 여러 버전이 존재할 수 있으며, 최신 버전이 항상 가장 정확한 정보를 담고 있지는 않습니다. AI가 어떤 문서를 참조해야 하는지 결정하는 것은 여전히 어려운 문제입니다."
Box의 '제품 허브'는 이 문제를 해결하기 위해 권위 있는 문서를 지정할 수 있게 해주지만, 작업 중인 문서에 대해서는 여전히 과제가 남아 있습니다.
비정형 데이터의 구조화: 큰 자동화 기회
웨비나의 주요 주제 중 하나는 비정형 문서(계약서, 인보이스 등)에서 구조화된 데이터를 추출하는 것이었습니다. 레비는 이것이 기업에서 AI의 가장 큰 기회 중 하나라고 강조했습니다.
"AI 에이전트가 문서를 읽고, 구조화된 데이터(갱신 날짜, 당사자 이름, 금액, 주요 조항 등)를 추출한 다음 워크플로우를 자동화하는 것이 가능해졌습니다. 이 데이터는 Salesforce, Workday, ServiceNow와 같은 다른 시스템에 연결될 수 있습니다."
모델 정확도에 대해 질문을 받았을 때, 레비는 Gemini 2.5 Pro가 약 500개의 다양한 문서 유형에서 83%의 단일 시도 정확도를 달성했다고 언급했습니다. 1페이지 문서의 경우 정확도가 거의 100%에 이르지만, 100페이지 문서에서는 정확도가 떨어집니다.
이러한 도전과제를 해결하기 위해 Box는 문서를 페이지별로 처리하는 대신, 한 번에 하나의 필드를 처리하거나 여러 모달리티(텍스트, OCR 등)를 함께 제공하는 등의 방법을 사용합니다.
기업의 '아무것도 하지 않는' 영역
레비는 AI가 가장 큰 기회를 제공하는 영역은 현재 '아무것도 하지 않는' 영역이라고 설명했습니다:
"기업에서 가장 큰 기회는 현재 자동화되지 않은 영역입니다. 이는 세 가지 이유로 나눌 수 있습니다:
비용 대비 효과가 충분하지 않아서
다른 우선순위 문제로 인한 리소스 부족
기존 자동화 기술의 한계"
그는 "수백만 개의 계약을 검토하고 싶지만, 사람을 고용하는 데 50만 달러를 지불하는 것이 비즈니스 가치에 비해 너무 비싸다"는 예를 들었습니다. AI는 이러한 비용 장벽을 크게 낮출 수 있습니다.
AI 제품 개발 전략
빠르게 발전하는 AI 모델 환경에서 제품을 개발하는 전략에 대해 레비는 다음과 같은 조언을 제시했습니다:
개선 속도 곡선 관찰: "특정 기능이 빠르게 개선되고 있다면, 그 부분에 많은 시간을 투자하지 마세요. 1년 후에는 모델이 이미 여러분의 작업을 넘어설 것입니다."
모듈화 대 통합: "어떤 부분은 모듈화하고 어떤 부분은 모델에 맡길지 신중하게 결정해야 합니다."
레비는 토큰 입출력 표준화와 같은 업계의 통일성을 높이 평가했습니다. "다양한 모델 간에 토큰을 이동할 수 있다는 것은 기술 발전에 놀라운 순간입니다." 그러나 에이전트 기능이 더 모델 계층으로 이동함에 따라 이러한 호환성이 도전받을 수 있다고 우려했습니다.
기업용 AI 제품 구축 조언
웨비나를 마치며 레비는 AI를 활용한 기업용 제품을 구축하려는 이들에게 실용적인 조언을 제공했습니다:
"AI는 기본적인 비즈니스 전략 원칙을 바꾸지 않았습니다. 기존 업체는 여전히 효과적이고, 고객은 많은 돈을 지불하지 않으려 하며, 차별화가 필요합니다. 기존 사업자가 완벽하게 실행한다고 가정하고, 그래도 그들이 할 수 없는 일을 찾아내야 합니다."
그는 특히 아직 소프트웨어가 없는 영역에서 기회를 찾으라고 권장했습니다:
"가장 큰 기회는 아직 소프트웨어가 없는 영역이나 사람들이 인간 노동력에 너무 많은 비용을 지출하는 문제, 또는 ROI 측면에서 비용이 많이 들어 해결하지 못했던 문제를 찾는 것입니다. 이제 AI를 이용해 이러한 문제를 해결할 수 있습니다."
레비는 모바일의 성장과 유사하게, AI가 소프트웨어에 사용되지 않았던 새로운 시장을 창출할 것이라고 예측했습니다. "우버는 사람들이 이전에 운송에 지출하지 않았던 수십억 달러의 수익을 창출했습니다. AI도 마찬가지로 새로운 시장을 열 것입니다."
