[AI는 지금] AI 도입 성패 가르는 FDE…기업 밀착형 구축 경쟁 본격화

MS·AWS 등 고객사에 엔지니어 직접 투입…AI 성과 압박 커지자 현장 배포 경쟁 가열

인공지능(AI) 기업들이 고객사 현장에 엔지니어를 직접 투입하는 전방배치 엔지니어링(FDE) 조직을 앞세워 기업용 시장 공략에 속도를 내고 있다. 생성형 AI 도입이 실험 단계를 넘어 실제 업무 전환으로 확산되면서 AI 경쟁축도 모델 성능에서 현장 배포 역량으로 이동하는 모습이다.

3일 업계에 따르면 마이크로소프트(MS)는 최근 25억 달러를 투자해 신규 사업 조직 '프런티어 컴퍼니'를 출범시켰다. MS는 산업 전문가와 엔지니어 6000명을 고객 현장에 배치해 AI 시스템을 공동 설계·구축하고 측정 가능한 비즈니스 성과를 기준으로 지속 개선한다는 방침이다.

AWS도 최근 FDE 조직에 10억 달러를 투자하겠다고 밝혔다. 고객사의 비즈니스·엔지니어링·보안팀과 협력해 에이전트형 AI 솔루션을 공동 개발하고 실제 업무 환경에 배포하는 것이 골자다.

사티아 나델라 MS CEO (사진=MS)

FDE는 엔지니어가 고객 조직 안으로 들어가 업무 흐름, 데이터 구조, 보안 체계, 의사결정 방식을 이해한 뒤 실제 운영 가능한 AI 시스템을 함께 구축하는 방식이다. AI 모델이나 클라우드 인프라를 공급한 뒤 고객이 자체적으로 적용하도록 하는 기존 방식과 차이가 있다.

이 모델을 먼저 시장에 각인시킨 곳은 팔란티어다. 팔란티어는 국방·정부·제조 등 복잡한 현장 업무에 엔지니어를 직접 투입해 고객별 시스템을 구축하는 방식으로 성장했다. 이에 생성형 AI 확산 이후 기업용 AI 시장을 공략하는 업체들도 이 같은 성공 방식을 참고해 FDE 조직을 경쟁적으로 키우고 있다.

이처럼 기업들이 FDE에 주목하는 이유는 생성형 AI 도입 성과에 대한 압박 때문이다. 기업 내부 데이터에 AI를 연결하고 보안·규제 요건을 충족하며 직원들이 반복적으로 사용할 수 있는 업무 시스템으로 구현해야 투자 효과를 입증할 수 있어서다.

에이전트형 AI 확산도 FDE 수요를 키우는 요인이다. AI 에이전트는 단순 답변을 넘어 문서 작성, 데이터 조회, 코드 생성, 고객 응대, 내부 승인 절차 등 여러 시스템을 오가며 업무를 수행한다. 이를 실제 기업 환경에 적용하려면 고객사의 권한 체계, 업무 규칙, 데이터 위치, 예외 처리 방식까지 반영해야 한다.

AI 기업 입장에서도 FDE는 수익화 전략으로 떠오르고 있다. 모델 성능과 가격만으로 차별화하기 어려워지면서 고객 업무에 깊숙이 들어가 장기 계약과 반복 매출을 확보하는 방식이 중요해지고 있다. 고객 시스템에 AI가 한 번 자리 잡으면 교체 비용이 커지는 만큼 락인 효과도 기대할 수 있다.

샘 알트먼 오픈AI CEO (사진=위키커먼스)

이에 오픈AI, 앤트로픽, 데이터브릭스, 코히어, 미스트랄AI 등도 FDE 성격의 고객 밀착형 조직을 강화하고 있다. 오픈AI는 프런티어 AI 배포 조직을 통해 고객 업무 흐름을 AI 중심으로 재설계하는 역할을 맡기고 있다. 앤트로픽은 액센츄어와 협력해 클로드 기반 AI 전문 인력을 대규모로 양성하고 있다.

데이터브릭스는 데이터·AI 플랫폼과 고객 현장형 엔지니어링을 결합해 데이터 마이그레이션부터 프로덕션 AI 에이전트 구축까지 지원한다. 코히어와 미스트랄AI도 고객 대면 기술 조직을 통해 대형언어모델 기반 업무 자동화와 산업별 AI 도입을 지원하고 있다.

국내에선 네이버클라우드가 FDE형 조직을 통해 기업용 AI 구축 수요에 대응하고 있다. 네이버클라우드는 하이퍼클로바X와 뉴로클라우드, 클라우드 인프라를 기반으로 고객사 환경에 맞춘 AI 시스템 구축을 지원하고 있다. 특히 금융, 공공, 제조, 국방 등 보안과 데이터 통제가 중요한 산업을 중심으로 고객 현장형 기술 지원을 강화하는 모습이다.

이 같은 FDE 경쟁은 클라우드 사업자와 AI 모델 기업의 역할 경계도 바꾸고 있다. 클라우드 기업은 단순 인프라 공급자를 넘어 고객 업무 프로세스에 개입하고, 모델 기업은 기술 제공자를 넘어 구축 파트너로 움직이고 있다. 데이터 인프라·검색·코딩·법률 AI 기업들도 고객 현장형 조직을 통해 특정 업무 영역을 직접 공략하는 전략을 취하고 있다.

다만 FDE 확산은 비용과 확장성 부담도 안고 있다. 특히 고객별로 엔지니어를 투입해야 하는 만큼 인력 비용이 크고 표준 제품처럼 빠르게 확장하기 어렵다. 또 고객 데이터와 업무 프로세스에 깊이 접근하는 만큼 보안, 책임 소재, 지식재산 보호 문제도 관리해야 한다.

업계에선 FDE가 기업용 AI 시장의 핵심 경쟁 방식으로 자리 잡을 가능성이 크다고 보고 있다. AI 모델 간 성능 격차가 줄어들수록 실제 고객 조직 안에서 AI를 얼마나 빠르게 업무 시스템으로 구현하느냐가 차별화 요소가 될 수 있어서다.

저슨 알소프 MS 커머셜 비즈니스 최고경영자는 "고객들은 AI 투자를 통해 측정 가능한 비즈니스 성과를 창출하고 투자 수익률을 입증하는 데 집중하고 있다"며 "동시에 자사의 고유한 지능을 증폭하고 지식재산을 보호하는 데 주력하고 있다"고 말했다.