전체 사례No. 067
AGCO, 현장의 불편을 정식 에이전트로 바꾸다
현장이 마찰을 짚고 AI 조직이 설계해 일부 품질 검토를 단축합니다
- 사례 번호
- 067
- 1차 출처
- Microsoft customer story
- 원문 게시
- 2026-07-06

요약
- 현장 직원이 업무 불편을 정의하고 인공지능 조직이 에이전트를 설계했습니다.
- 일부 품질 검토 시간이 수주에서 약 한 시간으로 줄어드는 성과를 얻었습니다.
- 현장의 호기심을 차단하지 않고 관리 체계 안으로 끌어들여 속도를 높여야 합니다.
약 2,200명이 모인 회의에서 약 900명이 손을 들었습니다
인공지능 도입을 고민하는 기업 리더들이 자주 마주치는 딜레마가 있습니다. 현장 직원들이 자발적으로 도구를 쓰게 두자니 보안과 규정이 무너질까 두렵고, 본사 IT 부서가 통제하자니 도입 속도가 한없이 느려진다는 점입니다. 농업 기계 및 정밀 농업 기술 기업인 AGCO는 이 갈림길에서 색다른 방식을 택했습니다. 이 사례는 마이크로소프트가 2026년 7월에 공개한 고객 사례를 바탕으로 합니다.
AGCO는 Fendt, Massey Ferguson, Valtra, PTx 같은 브랜드를 보유하고 있으며, 140개국의 농민과 고객에게 제품을 공급합니다. 마이크로소프트 자료 기준으로 1만 명 이상의 직원이 근무하는 대규모 제조 기업입니다. 본사 경영진은 직원들이 개인 기기에서 인공지능을 실험하며 업무 문제를 해결하려 한다는 사실을 일찌감치 알아챘습니다. 중요한 위험은 직원들의 호기심 그 자체가 아니라, 그 호기심이 회사 IT 부서의 통제를 벗어난 섀도 IT(shadow IT, 공식 승인이나 보안 검토 없이 개인이 임의로 도입해 쓰는 기술 환경)로 번지는 데 있었습니다.
회사는 도구를 막아서는 대신 정면으로 문을 열었습니다. 약 2,200명이 참석한 리더십 회의에서 인공지능 에이전트를 직접 만들어 볼 직원이 있는지 물었습니다. 약 900명이 즉시 손을 들고 자원했습니다. AGCO는 다음 날부터 이들에게 시스템 접근 권한을 부여하고 곧바로 교육을 시작했습니다.
제조 현장의 복잡한 의사결정이 소수 전문가에게 몰려 있었습니다
AGCO의 제조 현장에서는 제품 개선 작업이 수시로 일어납니다. 공장 생산 라인을 멈추지 않고 가동하는 도중에 제품 개선 사항을 반영하는 작업을 러닝 체인지(running change)라고 부릅니다. 이러한 변경은 여러 부서가 동시에 긴밀하게 협력해야 진행할 수 있습니다.
AGCO의 전략적 파트너십 디렉터인 Aryn Drawdy는 가동 중인 생산 라인의 제품 개선에 여러 팀의 조율이 필요하다고 설명합니다. 부서 간 인계는 직선적인 순서로 흐르지 않습니다. 많은 소통이 공식적으로 정형화된 업무 흐름 밖에서 일어납니다. 그 결과 제품의 품질을 확인하고 보증 내역을 검토하는 과정이 몇 주, 길게는 몇 달씩 걸리곤 했습니다. 여러 팀이 문제를 살피고 데이터를 검증한 뒤 다음 조치를 합의해야 하는데, 이 데이터 해석과 의사결정이 소수의 전문가 그룹에 의존하고 있었기 때문입니다.
현장은 불편을 말하고 인공지능 팀은 해법을 설계합니다
AGCO는 인공지능을 도입할 때 기술 기능 자체를 앞세우지 않았습니다. Aryn Drawdy 디렉터는 질문의 방향부터 바로잡아야 한다고 강조합니다. “AI가 어떻게 도울 수 있는지 묻는 것은 실수라고 생각합니다. 오늘날 어디에 공백이 있는지, 어디가 마찰 지점인지 묻는 것에서 시작해야 합니다.”
업무 도구로는 코파일럿 스튜디오(Copilot Studio, 업무용 맞춤형 에이전트를 제작하는 도구)와 Microsoft 365 Copilot을 선택했습니다. 직원들이 이미 워드, 엑셀, 파워포인트, 원드라이브, 셰어포인트에서 일하고 있었기 때문입니다. 익숙한 소프트웨어 환경에서 작업해야 거부감 없이 가장 빠르게 현장에 스며들 수 있다고 판단했습니다.
조직 운영에서는 역할 분담 원칙을 엄격하게 세웠습니다. 현장 직원에게 하루아침에 인공지능 전문가가 되라고 요구하지 않았습니다. 현장 부서는 매일 겪는 불편한 지점과 문제를 가져오고, AGCO의 인공지능 리더들과 챔피언, 그리고 마이크로소프트 전문가들이 그 문제를 해결할 에이전트와 업무 흐름을 설계했습니다.
자발적 메이커(maker, 현업에서 직접 에이전트를 만드는 직원) 조직은 팀즈(Teams) 커뮤니티를 중심으로 빠르게 확장되었습니다. 처음 손을 들었던 900여 명에서 시작한 메이커 커뮤니티는 AGCO 전역에서 약 2,000명 규모로 커졌습니다. Aryn Drawdy 디렉터는 거버넌스의 성격을 다음과 같이 정의합니다. “이것은 섀도 IT가 아니라 지원입니다. 우리는 팀들과 협력하여 그들이 마이크로소프트 도구를 올바른 방식으로 사용하도록 돕고, 효과적으로 협력하여 업무 격차를 메우고 더 빠르게 움직이며 새로운 일 방식으로 투자 대비 효과를 입증할 수 있도록 합니다.”
개인의 아이디어가 전사 시스템으로 승격되는 구조를 만들었습니다
AGCO의 에이전트 환경은 일회성 결과물이 아니라 계층화된 프레임워크로 운영됩니다. 현재 AGCO의 에이전트는 직원이 구축한 팀 공유 에이전트와 운영 중인 기업용 에이전트, 그리고 최적화 코호트를 거치는 세 그룹으로 나뉩니다.
첫째는 현장 직원들이 자율적으로 구축한 수백 개의 시민 개발 에이전트와 팀 공유 에이전트입니다. 둘째는 실제 운영 환경에서 작동 중인 수백 개의 기업용 에이전트입니다. 셋째는 현장의 유용한 아이디어를 전사 수준으로 통합하고 최적화하기 위해 검토 그룹(코호트)을 거치고 있는 또 다른 수백 개의 에이전트입니다. 이와 함께 더 큰 규모의 기업용 솔루션은 마이크로소프트와 공동으로 개발하고 있습니다.
실제 시스템은 권한과 환경을 엄격히 분리해 운영되었을 것입니다. 일반 메이커들은 외부 연결이 제한된 개인이나 팀 환경에서 안전하게 에이전트를 제작하고, 부서 내에서 실효성이 검증된 도구를 코호트로 올렸을 것입니다. 코호트 단계에서는 여러 팀이 제각각 만든 유사한 에이전트를 하나로 통합하고, 공식 데이터 출처와 유지보수 담당자를 지정하여 정식 운영 환경으로 배포했을 것입니다.
품질 문제를 빠르게 해석하고 검증해 검토 시간을 줄입니다
AGCO가 공개한 대표적인 에이전트는 품질, 조달, 영업 세 가지 영역입니다.
가장 두드러진 변화는 품질 검토입니다. AGCO는 에이전트를 활용해 품질 문제를 빠르게 해석하고, 데이터를 검증하며, 다음 처리 단계로 넘기는 작업을 수행하고 있습니다. 그 결과 일부 품질 검토에 걸리던 시간이 수주에서 약 한 시간으로 줄어들었습니다.
실제로는 여러 에이전트가 순차적으로 맞물려 돌아갔을 가능성이 높습니다. 먼저 비정형 이메일이나 메시지로 들어온 현장 보고서에서 장비 모델과 부품 정보를 추출하는 에이전트가 작동했을 것입니다. 그다음 에이전트가 부품 목록이나 이미 적용된 러닝 체인지 같은 설계 데이터와 공급업체 및 부품 로트 같은 공급망 데이터를 대조해 보고서를 검증했을 것입니다. 마지막 에이전트가 정리된 맥락 정보를 첨부해 협업 시스템으로 전달했을 것입니다. 소수의 전문가는 자료를 일일이 취합하던 시간 소모적인 작업에서 벗어나 최종 의사결정에만 집중할 수 있게 되었을 것입니다.
AGCO의 목표는 전문가를 대체하는 것이 아니라 전문성이 꼭 필요한 곳에 쉽게 쓰이도록 만드는 것입니다. 현재 품질 체계는 단일 봇이 아니라 여러 에이전트가 연결된 형태로 발전할 예정입니다. 설계와 공급망 시스템의 데이터를 긴밀하게 연결하여 문제 해결 주기를 앞당기는 것이 회사의 지향점입니다.
다른 부서의 에이전트도 실무를 지원합니다. 공급업체 관리 에이전트는 계약서를 검토하여 향후 1~2년 동안 AI 공급업체가 가치를 높이고 비용을 절감할 수 있는 영역을 찾아냅니다. 농경학 에이전트는 AGCO의 농경학 연구 자료와 영업 지침, 웹 콘텐츠를 결합하여 영업 담당자가 농가의 영농 문제에 적합한 기계를 추천하도록 돕습니다. 이 지식 에이전트들 역시 셰어포인트 등에 보관된 검증된 문서를 기반으로 답변을 생성하도록 구축되었을 것입니다.
현장의 호기심을 제도적 속도로 바꾸는 법
AGCO 부사장 겸 CDAIO인 토드 베일리(Todd Bailey)는 다음과 같이 말합니다. “이것은 AI를 위한 AI 실험이 아니라 가장 중요한 곳에 적용하는 일입니다. 우리는 마이크로소프트와 함께 AGCO가 더 빠르게 움직이고, 마찰을 줄이며, 우리가 서비스를 제공하는 농민과 고객을 위해 팀들이 더 나은 결정을 내리도록 돕는 AI 기반을 구축하고 있습니다.”
현장의 반응도 뜨겁습니다. 직원들은 매일 코파일럿 스튜디오 사용 권한을 얻으려면 어떻게 해야 하는지 묻고 있습니다. AGCO는 2026년 남은 기간 동안 공급망, 제품 관리, 고객 확보 영역에 집중할 계획이며, 전사적인 인공지능 문해력 교육과 기술 향상 작업을 병행하고 있습니다.
이 사례가 주는 교훈은 명확합니다. 인공지능 도입의 병목은 기술 자체보다 조직의 통제 방식에 있습니다. 무작정 사용을 막으면 음성적인 활용이 늘어나고, 통제 없이 방치하면 보안과 데이터 품질이 훼손됩니다. AGCO는 업무의 문제를 가장 잘 아는 현장 직원에게 문제를 짚어내게 하고, 기술과 보안을 아는 중앙 조직이 해법을 다듬는 파이프라인을 구축했습니다. 현장의 자발적인 호기심을 체계적인 지원과 거버넌스로 감싸 안을 때 인공지능은 비로소 전사의 실행 속도를 높이는 동력이 됩니다.
출처
- Microsoft Customer Stories — AGCO scales employee-built AI agents with Microsoft Copilot Studio — https://www.microsoft.com/en/customers/story/26836-agco-corp-word — 2026-07-06