Perplexity, 기업용 AI 에이전트 'Computer' 출시... 마이크로소프트와 세일즈포스 정조준

챗봇을 넘어 오케스트레이션 레이어로: Perplexity 'Computer'의 등장

Perplexity가 새롭게 선보인 멀티 모델 AI 에이전트 'Computer'는 단순한 질의응답 도구의 한계를 넘어 기업용 AI 시장의 새로운 지평을 열고 있습니다. 기존의 AI 서비스들이 단일 모델의 성능을 강조하거나 챗봇 형태의 인터페이스를 제공하는 데 집중했다면, Perplexity는 '오케스트레이션 레이어(orchestration layer)'라는 보다 고도화된 포지셔닝을 취하고 있습니다.

이 시스템의 핵심은 사용자의 복잡한 요청을 받아 이를 실행 가능한 여러 개의 하위 작업으로 정교하게 분해하는 능력에 있습니다. 단순히 답을 내놓는 것이 아니라, 각 작업의 성격에 가장 적합한 전문화된 모델로 업무를 라우팅하고, 최종적으로 완성된 결과물을 사용자에게 반환하는 구조를 갖추고 있습니다.

이러한 접근 방식은 AI가 단순한 '정보 검색 도구'에서 '업무 수행 주체'로 진화하고 있음을 보여줍니다. Perplexity는 이제 사용자와 기업용 소프트웨어 사이에서 전체적인 업무 흐름을 조율하고 관리하는 지능형 운영 체제 역할을 목표로 하고 있습니다.

추론부터 가상 머신 격리까지, 에이전트의 기술적 토대

다각적 업무 수행 능력과 실행력

VentureBeat의 보도에 따르면, Perplexity 'Computer'는 단순한 텍스트 생성을 넘어 추론(reasoning), 위임(delegation), 조사(research), 코딩(coding), 그리고 파일 생성(file generation) 능력을 통합적으로 갖추고 있습니다. 이는 에이전트가 스스로 계획을 세우고, 필요한 도구를 선택하며, 결과물을 물리적인 파일 형태로 만들어낼 수 있음을 의미합니다.

특히 에이전트가 수행하는 각 작업은 높은 수준의 자율성을 가지면서도, 사용자의 의도에 부합하는 논리적 단계를 거쳐 수행됩니다. 이러한 다각적 능력은 기업이 요구하는 복잡하고 비정형적인 업무 프로세스를 자동화하는 데 필수적인 요소입니다.

보안과 문맥 유지를 위한 Firecracker 가상 머신

기업용 솔루션에서 가장 민감한 문제는 보안과 데이터 격리입니다. Perplexity는 이를 해결하기 위해 각 사용자 세션을 격리된 'Firecracker 가상 머신(VM)' 내에서 실행하는 아키텍처를 채택했습니다. 이는 각 작업 환경이 서로 간섭하거나 데이터가 유출될 위험을 원천적으로 차단합니다.

동시에 이러한 격리 환경 내에서도 사용자 세션 간의 문맥(context)을 유지할 수 있도록 설계되어, 보안성을 확보하면서도 연속성 있는 업무 수행이 가능하도록 만들었습니다. 이는 엔터프라이즈 환경에서 AI 에이전트를 도입할 때 가장 큰 걸림돌인 보안 우려를 기술적으로 정면 돌파한 사례로 평가받습니다.

상향식(Bottom-up) AI 도입이 증명한 실질적 워크플로우 혁신

Perplexity는 'Computer'의 상용 출시 이전에 이미 자사 내부 팀들을 통해 이 제품의 강력한 수요와 효용성을 검증했습니다. Perplexity의 직원들은 이미 Slack 봇 버전을 활용하여 미수금 관리(accounts receivable) 워크플로우를 자동화하거나, 복잡한 제안서를 작성하는 등 반복적이고 소모적인 업무를 AI에게 맡기고 있었습니다.

이러한 탄생 배경은 현대 기업의 AI 도입 전략에 매우 중요한 시사점을 던집니다. 과거의 IT 혁신이 경영진의 결정에 따른 하향식(top-down) 전환 프로그램 중심이었다면, 현재의 AI 혁신은 현업 직원들이 자신의 업무 효율을 높이기 위해 도구에 내장된 기능을 사용하는 상향식(bottom-up) 유틸리티 형태로 나타나고 있습니다.

결국 성공적인 AI 도입은 거창한 전사적 프로젝트가 아니라, 직원들의 실제 워크플로우 속에 얼마나 자연스럽게 스며들어 실질적인 불편함을 해소하느냐에 달려 있음을 Perplexity의 사례가 증명하고 있습니다.

데이터와 도구를 연결하는 엔터프라이즈 커넥터 생태계

에이전트가 실질적인 업무를 수행하기 위해서는 기업 내부의 데이터와 기존 소프트웨어 도구에 접근할 수 있어야 합니다. Perplexity는 이를 위해 Snowflake, Datadog, Salesforce, SharePoint, HubSpot과 같은 주요 엔터프라이즈 솔루션을 위한 전용 커넥터를 제공하며 생태계를 확장하고 있습니다.

또한, MCP(Model Context Protocol)를 통해 사용자가 직접 커스텀 커넥터를 설치할 수 있는 기능도 지원합니다. 이는 기업마다 상이한 독자적인 워크플로우와 데이터 환경에 맞춰 AI 에이전트를 유연하게 최적화할 수 있는 확장성을 제공합니다.

이러한 커넥터 전략은 Perplexity를 단순한 인터페이스가 아닌, 기업의 핵심 데이터 인프라와 업무 도구를 유기적으로 연결하는 중추적인 허브로 만들어줍니다. 데이터가 흐르는 통로를 장악함으로써 에이전트의 실질적인 영향력을 극대화하는 전략입니다.

업무 효율의 재정의: 다수 인원의 워크플로우를 단 하나의 프롬프트로

기술적 장벽을 허무는 데이터 접근성

이 기술이 가져올 비즈니스 가치의 변화는 극적입니다. 예를 들어, 기술적 지식이 부족한 일반 직원은 데이터 분석가에게 SQL 쿼리를 작성해달라고 요청하며 기다릴 필요가 없습니다. 대신 일상적인 자연어(English)로 데이터 웨어하우스에 질의하여 즉각적인 인사이트를 얻을 수 있습니다.

이는 데이터 민주화를 가속화하며, 조직 내 정보 병목 현상을 해소하는 데 결정적인 역할을 합니다.

워크플로우 압축을 통한 시간 절약

영업 담당자의 사례를 들어보면 그 가치는 더욱 명확해집니다. 특정 거래를 위해 최적의 고객 레퍼런스를 찾아야 할 때, 과거에는 여러 개의 Slack 스레드를 뒤지고 내부 인수인계 문서를 확인하는 등 많은 시간이 소요되었습니다. 하지만 이제는 AI에게 단 몇 분 만에 추천을 요청할 수 있습니다.

결과적으로 Perplexity의 가치 제안은 'AI가 질문에 답한다'는 수준을 넘어, 'AI가 여러 명의 인원이 수행하던 워크플로우를 단 하나의 프롬프트로 압축한다'는 차원으로 진화했습니다.

모델 경쟁을 넘어 오케스트레이션과 거버넌스의 시대로

Perplexity의 행보는 차세대 AI 시장의 승부처가 어디인지를 명확히 보여줍니다. 이제 시장의 관심은 '누가 더 뛰어난 거대언어모델(LLM)을 만드는가'에서 '누가 더 효율적인 오케스트레이션 레이어를 구축하는가'로 이동하고 있습니다. 모델 자체의 성능은 상향 평준화될 것이기 때문입니다.

새로운 자동화 시대의 해자(moat)는 모델 제작자가 아닌, 모델과 실제 비즈니스 시스템 사이에서 워크플로우를 설계하고 보안을 제어하는 기업들의 것이 될 가능성이 높습니다. Perplexity는 모델 라우팅, 커넥터 액세스, 감사 로그(audit logs), 그리고 사용량 기반 과금 체계를 하나의 레이어로 결합함으로써 이 해자를 구축하고 있습니다.

즉, 기업용 AI의 핵심 경쟁력은 얼마나 똑똑한 모델을 쓰느냐가 아니라, 얼마나 복잡한 업무를 안전하고 정확하게 자동화할 수 있는 '운영 능력'과 '거버넌스 체계'를 갖추었느냐로 결정될 것입니다.

한국의 제품 설계자와 운영자가 준비해야 할 새로운 AI 전략

Perplexity의 사례는 한국의 스타트업 창업자, PM, 그리고 기업의 운영자들에게 중요한 전략적 방향성을 제시합니다. 단순히 기존 LLM의 API를 호출하여 답변을 제공하는 '래퍼(Wrapper) 서비스'에 머문다면, 오케스트레이션 레이어를 구축하는 거대 플랫폼과의 경쟁에서 살아남기 어려울 것입니다.

대신, 특정 산업군이나 특정 직무의 워크플로우를 깊게 이해하고, 그 과정에서 발생하는 파편화된 도구들을 어떻게 하나의 흐름으로 묶을 것인지에 집중해야 합니다. 즉, '모델'이 아닌 '워크플로우 설계'와 '데이터 연결성'에 초점을 맞춘 제품 전략이 필요합니다.

또한, 기업 고객을 타겟팅한다면 보안, 감사, 권한 관리와 같은 거버넌스 기능을 제품의 핵심 요소로 반드시 고려해야 합니다. AI 에이전트가 단순한 조수를 넘어 실제 업무를 대행하는 시대에는, 신뢰할 수 있는 통제 환경을 제공하는 능력이 곧 제품의 시장 경쟁력이 될 것입니다.