Divii

Tag: AI에이전트

  • 일본 고등교육 시장에 기술 파트너로 진입하다 — 네트러닝·시원스쿨과의 MOU가 의미하는 것

    일본 고등교육 시장에 기술 파트너로 진입하다 — 네트러닝·시원스쿨과의 MOU가 의미하는 것

    세 기업이 만난 이유 — 일본 에듀테크 시장을 겨냥한 전략적 MOU

    디비컨설팅이 지난 4월 18일, 일본의 이러닝 전문 기업 네트러닝(NetLearning), 외국어 교육 콘텐츠 기업 시원스쿨과 업무협약(MOU)을 체결했습니다. 협약의 핵심은 하나입니다. 일본 대학 시장의 디지털 학습 환경을 고도화하는 것. 관련 내용은 이데일리 보도에서 확인하실 수 있습니다.

    세 기업은 각자 다른 역량을 가지고 있습니다. 네트러닝은 일본 내 5,000여 개 대학과 기업에 LMS를 공급하고 8,000개 이상의 온라인 교육 콘텐츠를 운영하는 플랫폼 사업자입니다. 시원스쿨은 17개 언어의 실용 교육 콘텐츠와 EJU 대비 프로그램, 온라인 과외, 입시 지원 서비스를 보유하고 있습니다. 디비컨설팅은 기술 파트너로 참여해 LMS 시스템 구축과 현지화를 담당합니다.

    왜 지금, 왜 일본인가

    일본 고등교육 시장은 구조적으로 디지털 전환이 늦은 영역입니다. 대형 대학들은 여전히 레거시 시스템을 운영하고 있고, 유학생 유치를 위한 디지털 인프라는 충분히 정비되어 있지 않습니다. 이 공백이 지금 열리고 있습니다.

    네트러닝이 이미 보유한 5,000개 기관 네트워크는 진입 장벽을 상당히 낮춥니다. 기술을 새로 설득할 필요 없이, 기존 관계 위에 더 나은 솔루션을 얹는 구조입니다. 디비컨설팅 입장에서는 해외 고등교육 도메인에 처음으로 본격적인 기술 레퍼런스를 쌓는 기회이기도 합니다.

    기존 접근과 무엇이 다른가

    에듀테크 시장에서 해외 진출 시도는 많았습니다. 대부분은 콘텐츠 수출 방식이었습니다. 한국의 강의 콘텐츠를 해외 플랫폼에 올리는 형태입니다.

    이번 협약은 구조가 다릅니다. 콘텐츠(시원스쿨) + 플랫폼 네트워크(네트러닝) + 기술 구현(디비컨설팅)이 역할을 나눠 로컬 시장에 직접 진입합니다. 콘텐츠를 수출하는 것이 아니라, 현지 학습 인프라를 함께 만드는 것입니다.

    실무적으로 주목할 지점

    이 협약에서 한 가지를 더 봐야 합니다. 디비컨설팅이 언급한 AI 에이전트 기반 차세대 학습 솔루션입니다.

    LMS는 그 자체로 데이터의 집합체입니다. 어떤 학습자가 어떤 콘텐츠에서 이탈하는지, 어떤 시점에 반복 학습이 발생하는지, 어떤 언어 영역에서 오류가 집중되는지 — 이 데이터 위에 AI 에이전트가 작동할 때 학습 솔루션은 다른 차원으로 전환됩니다. 이번 협약이 단순한 시스템 구축 계약이 아닌 이유입니다.

    이런 방향의 기술 파트너십을 고민 중이시라면 👉 이쪽에서 편하게 상담 요청해보셔도 좋습니다

  • Title – AX 시대, 왜 ‘지켜보는 전략’은 더 이상 통하지 않는가 — 비용 구조가 바뀌는 순간

    Title – AX 시대, 왜 ‘지켜보는 전략’은 더 이상 통하지 않는가 — 비용 구조가 바뀌는 순간

    AI 전환을 두고 “조금 더 지켜보자”는 전략은 더 이상 안전한 선택이 아닙니다. 지금 시장에서는 속도의 문제가 아니라, 구조 자체가 먼저 바뀌고 있기 때문입니다.

    문제는 이미 시작됐다

    많은 기업이 AI 전환을 두고 여전히 “지켜보자”는 태도를 유지하고 있습니다. 먼저 뛰어든 기업들의 시행착오를 관찰하고, 검증된 방식을 빠르게 따라가는 전략입니다. 오랫동안 이 방식은 효과적이었습니다.

    그러나 지금, 이 전략이 유효했던 시장의 조건 자체가 바뀌고 있습니다.

    후발 전략이 작동하던 구조

    기술 도입의 역사를 보면, 후발 주자가 유리한 경우가 많았습니다. ERP 도입, 클라우드 전환, 디지털 마케팅. 선발 주자가 비용을 태우며 길을 만들면, 후발 주자는 그 길을 더 저렴하게 활용할 수 있었습니다.

    이 구조가 작동했던 이유는 단순합니다. 기존의 혁신은 ‘비용 추가’의 방향으로 움직였기 때문입니다. 모든 기업이 비슷한 비용을 들여 비슷한 방향으로 움직였습니다. 속도 차이는 있어도, 경쟁의 기준 자체는 흔들리지 않았습니다.

    AX는 방향 자체가 다르다

    AX는 구조가 다릅니다. 방향이 반대입니다.

    기존 혁신이 비용을 늘리는 방향이었다면, AX는 인력 비용을 낮추는 방향으로 작동합니다. 반복 업무를 제거하고, 의사결정 속도를 높이고, 같은 업무를 더 적은 인원으로 처리하게 만듭니다.

    이것은 단순한 도구의 변화가 아닙니다. 기업의 비용 구조, 즉 경쟁력의 기반 자체가 재편되는 변화입니다.

    비용 구조가 경쟁력이 되는 시대

    AX를 진지하게 도입한 기업과 그렇지 않은 기업 사이의 격차는 이미 벌어지기 시작했습니다. 그리고 이 격차는 기술 수준의 차이가 아닙니다.

    AI 에이전트 기반으로 운영되는 소규모 조직이, 기존 대형 조직과 동일한 서비스를 더 빠르고 더 낮은 비용으로 제공하는 사례가 늘고 있습니다. 과거에는 규모가 진입장벽이었습니다. 이제는 규모가 오히려 비효율의 원천이 될 수 있습니다.

    시장은 더 이상 ‘자원의 크기’로 결정되지 않습니다. ‘구조의 효율’로 결정됩니다.

    얹는 것과 바꾸는 것의 차이

    한국 기업 업무 환경에서 AX 전략 기반으로 업무 흐름을 재설계하는 컨설팅 장면
    기존 업무 방식을 AI 중심으로 재설계하는 조직은 다른 속도로 움직인다

    많은 기업이 AI를 도입하고 있다고 말합니다. 그러나 실제로는 기존 업무 방식 위에 AI 툴을 얹어놓는 수준에 그치는 경우가 많습니다.

    이 접근으로는 비용 구조가 바뀌지 않습니다. 도구가 추가됐을 뿐, 일하는 방식은 그대로입니다.

    진짜 전환은 업무 단위 자체를 다시 설계하는 데서 시작합니다. 어떤 프로세스를 제거할 수 있는가, 어떤 판단을 자동화할 수 있는가, 어디서 사람이 진짜 필요한가. 이 질문들을 통해 조직의 구조를 바꾸는 것이 AX의 실체입니다.

    격차는 여기서 벌어진다

    ‘기다리는 전략’의 전제는 나중에 따라잡을 수 있다는 가정입니다. 그러나 구조가 달라진 조직과 그렇지 않은 조직 사이의 격차는, 시간이 갈수록 따라잡기 어려운 방향으로 누적됩니다.

    빠른 실행 속도, 낮은 비용 구조, 짧아진 의사결정 흐름. 이것이 쌓이면 경쟁 자체의 조건이 달라집니다.

    지금 선택해야 할 질문은 하나입니다. 기존 방식 위에 AI를 얹을 것인가, 아니면 AI를 기준으로 구조 전체를 다시 설계할 것인가. 이 선택이 앞으로의 경쟁력을 결정합니다.

    이 문제는 정보의 문제가 아니라, 해석과 적용의 문제에 가깝습니다.

    같은 상황을 어떻게 보고, 어떤 구조로 풀어내느냐에 따라 결과가 달라집니다.

    관련된 고민이 있으시다면, 함께 정리해보셔도 좋습니다.

    https://divii.com/estimate/

  • 데이터를 보는 것만으로는 부족하다 — 이제는 데이터와 대화하는 시대

    데이터를 보는 것만으로는 부족하다 — 이제는 데이터와 대화하는 시대

    분석 도구의 한계는 도구 자체가 아닙니다

    기업이 Google 애널리틱스를 도입한 이유는 분명합니다. 사용자를 이해하고, 전환율을 높이고, 예산을 효율적으로 집행하기 위해서입니다.

    그런데 실제 운영 현장에서 묻습니다. 애널리틱스 데이터가 의사결정에 직접 연결되고 있습니까?

    대부분의 기업에서 데이터 분석은 여전히 특정 담당자의 영역입니다. 대시보드를 열고, 수치를 추출하고, 보고서를 정리하는 과정이 반복됩니다. 데이터는 존재하지만, 그 데이터가 실시간으로 의사결정을 이끌지는 못하고 있습니다.

    이것은 도구의 문제가 아닙니다. 구조의 문제입니다.

    지금까지 데이터 활용의 실제 모습

    [기존] 사람 중심 / 역할 중심

    • 데이터 추출 → 담당자가 분석 → 상위자에게 보고 → 의사결정
    • 질문이 생기면 담당자에게 요청 → 재분석 → 다시 보고
    • 마케팅 예산 집행은 경험과 감에 크게 의존

    이 구조에서는 데이터가 ‘참고 자료’에 머뭅니다. 질문의 속도보다 분석의 속도가 항상 느립니다.

    구조가 바뀌기 시작했습니다

    [변화] 구조 중심 / 흐름 중심

    • Google 애널리틱스 MCP 서버는 분석 데이터를 LLM(대규모 언어 모델)에 직접 연결합니다.
    • 담당자를 거치지 않고, 데이터에 직접 질문할 수 있습니다.
    • “어제 사용자 수는 몇 명이었습니까?” “이번 달 가장 많이 팔린 제품은 무엇입니까?” 이런 질문이 즉시 응답을 생성합니다.
    • 나아가 “월 500만 원의 마케팅 예산으로 더 많은 수익을 내려면 어떻게 해야 합니까?”라는 전략적 질문에도 데이터 기반의 계획을 제시합니다.

    이것은 단순한 자동화가 아닙니다. 데이터와 의사결정 사이의 구조 자체가 바뀌는 흐름입니다.

    구조적으로 무엇이 달라지는가

    Google 애널리틱스 MCP 서버와 AI 연동을 통한 데이터 기반 의사결정 구조도
    MCP 서버를 통해 Google 애널리틱스 데이터가 LLM에 연결되는 흐름을 시각화한 이미지

    MCP(Model Context Protocol)는 데이터 소스와 AI 모델 사이의 표준 연결 방식입니다. Google 애널리틱스 MCP 서버는 이 방식으로 애널리틱스 데이터를 AI가 직접 읽고 해석할 수 있게 합니다.

    기존에는 데이터를 ‘보는’ 사람이 따로 있었습니다. 이제는 데이터를 ‘묻는’ 사람이 곧 분석가가 됩니다.

    이 변화가 가져오는 구조적 차이는 세 가지입니다.

    첫째, 분석 리드타임이 사라집니다. 질문과 인사이트 사이의 시간 차가 줄어듭니다.

    둘째, 데이터 리터러시의 진입 장벽이 낮아집니다. SQL을 모르거나 대시보드 사용법을 모르는 의사결정자도 데이터에 직접 접근할 수 있습니다.

    셋째, 에이전트 기반 의사결정이 가능해집니다. 정기 보고를 기다리는 것이 아니라, 필요한 순간 필요한 질문을 던지는 체계로 전환됩니다.

    실행 관점에서 이 변화의 의미

    이 흐름을 단순히 “좋은 기술”로 이해하면 기회를 놓칩니다.

    핵심은 누가 먼저 이 구조를 내재화하는가입니다.

    마케팅 예산 집행 판단, 콘텐츠 방향 결정, 캠페인 성과 즉시 리뷰 — 이 모든 과정이 데이터 기반 에이전트와 연결될 때, 조직의 실행 속도가 달라집니다.

    반면, 여전히 담당자 의존 구조를 유지하는 기업은 경쟁사 대비 의사결정 주기가 길어질 수밖에 없습니다.

    디비컨설팅 관점에서

    디비컨설팅은 2013년 설립 이후 100개 이상의 IT 프로젝트를 수행하며 한 가지 공통적인 문제를 반복적으로 목격해 왔습니다. 기업이 좋은 데이터를 가지고 있어도, 그 데이터가 실제 비즈니스 흐름에 연결되지 않는다는 것입니다.

    MCP 기반의 데이터 연결 구조는 단독으로 작동하지 않습니다. 기존 시스템 아키텍처, 데이터 수집 방식, API 연동 구조가 함께 설계되어야 합니다.

    디비컨설팅이 주목하는 지점이 바로 이 부분입니다. 데이터를 AI에 연결하는 것은 기술적 작업이지만, 그것이 실제 의사결정 흐름을 바꾸도록 설계하는 것은 전략적 작업입니다.

    결론 — 격차는 지금 만들어지고 있습니다

    데이터를 가진 기업과 데이터와 대화하는 기업 사이의 격차는 앞으로 점점 명확해질 것입니다.

    지금 중요한 질문은 “MCP 서버를 도입해야 합니까?”가 아닙니다. “우리 조직의 데이터 흐름이 의사결정 속도를 뒷받침하고 있습니까?”입니다.

    구조를 먼저 설계하는 기업이 그 질문에 먼저 답하게 됩니다.