AWM이 바꾼 협업의 기억 구조와 기업 리스크
워크 관리 플랫폼 Asana가 기업용 AI 에이전트의 고질적 과제인 '기억(memory)' 단절과 보안 취약성을 동시에 해결하는 새로운 운영 체제 AWM(Agentic Work Management)을 공개했다. Asana의 최고제품책임자(CPO) 아르나브 보스(Arnab Bose)는 VB Transform 2026 행사에서 AWM이 기존 챗봇의 한계를 극복한다고 밝혔다.
기존 AI 에이전트는 이전 질문을 기억하지 못하거나 지난달 실행 결과가 어떻게 됐는지 알 수 없다는 구조적 결함을 안고 있었다. AWM은 AI 에이전트를 개인 비서 수준에서 벗어나 팀의 '코칭 가능한 팀원(coachable teammates)'으로 전환하겠다는 전략적 판단을 담고 있다.
AWM이 Asana의 워크 그래프(Work Graph)에 연결되어 조직 전체의 목표와 프로젝트 상태를 AI가 직접 읽고, 공유 원장 형태의 메모리를 유지하도록 설계된 덕분이다. 기업용 AI 도입에서 기억과 보안은 상호연동된 문제다.
단일 프롬프트나 개인 파일 시스템에 의존하는 기존 에이전트는 과거 맥락을 유지하지 못하거나, 업데이트된 정보가 권한 범위를 벗어나 유출될 가능성이 있었다. Asana는 이 지점을 명확한 비즈니스 리스크로 규정하고, AWM이 워크 그래프를 통해 회사 수준의 문맥(context)을 표준화해 에이전트가 동일한 사실 기반을 참조하도록 설계했다.
아르나브 보스 CPO는 발표에서 데이터 거버넌스와 접근 제어가 핵심이라고 강조하며, 특히 임원의 기밀 프로젝트가 권한 없는 직원에게 노출되지 않도록 권한 기반 메모리 생성을 구현했다고 밝혔다. 공유 메모리가 '전 직원 공개'가 아니라 '권한에 따른 선택적 공개'로 작동한다는 점이 AWM의 설계 원칙이다.
AWM의 작동 방식은 실무 프로세스의 재구성으로 이어진다. 제품 요구사항 문서처럼 표준화된 구글 문서(Google Docs)를 입력하면 AWM은 문서를 읽어 프로젝트 구조를 자동 생성하고 작업을 할당한다.
광고
이후 전문 에이전트들이 실행을 담당한다. 한 에이전트는 전체 프로젝트 상태를 모니터링해 병목을 표시하고, 다른 에이전트는 인프라 비용을 예측해 과거 예산과의 정합성을 근거로 승인 권고를 제시한다. FedEx는 AWM을 도입한 엔터프라이즈 고객 사례로 소개되었으며, Asana는 이 밖에도 복수의 기업 고객이 AWM을 운영 중이라고 밝혔다.
Asana는 이러한 워크플로우가 대규모 조직의 반복 업무를 줄이고 의사결정 속도를 높일 수 있다고 설명하지만, 구체적인 정량 수치는 아직 공식 발표되지 않았다. 이 흐름은 단순 자동화가 아니라 업무의 결정권 일부를 에이전트에 위임하는 구조적 변화로 해석할 수 있다.
워크 그래프(Work Graph) 기반의 공유 메모리 설계
AWM이 제시하는 변화는 기업 IT 운영과 구매 전략에 즉각적 영향을 미친다. 프로젝트와 목표를 단일 그래프 모델로 표준화하면 툴 체인(toolchain) 통합의 비용 대비 효과를 재평가해야 한다. 에이전트가 인프라 비용 예측과 승인 권고를 내리는 만큼 클라우드·인프라 팀의 예산 통제 방식이 바뀔 가능성도 크다.
나아가 조직 내 권한 모델(role-based access control)의 설계가 AWM 도입 여부를 좌우하는 실무 요건으로 자리 잡는다. 예산을 배정하는 CIO와 정보보안 책임자는 AWM 도입 전 워크 그래프의 표준화 비용, 권한 모델 재설계 비용, 그리고 에이전트의 의사결정 범위를 정의하는 거버넌스 비용을 함께 따져야 한다. 이러한 변화는 IT 투자 우선순위에 직접 연결되는 문제다.
한국 기업 관점에서 AWM의 도입 의미는 구체적이다. 한국 기업은 조직 내 권한 위계가 명확한 편이며, 기밀성 요구가 높은 사업 영역이 많다. AWM의 접근 제어 메커니즘은 바로 이 점을 겨냥한 설계다.
다만 국내 규제와 내부 컴플라이언스 요구조건은 AWM이 제공하는 공유 메모리 모델을 그대로 수용하기 어렵게 만들 수도 있다. 예를 들어 금융·제조·국방 등 민감 산업에서는 데이터 접근 로그와 감사(audit) 요건을 충족해야 하며, AWM이 기업 내부 감사 체계와 연동되는 방식으로 추가 비용이 발생할 가능성이 있다.
광고
따라서 한국 기업은 AWM 도입을 검토할 때 기술적 이점뿐 아니라 거버넌스 통합 비용을 함께 산정해야 한다. 예상되는 반론은 'AWM이 도입 초기의 기대만큼 조직 효율을 높이지 못할 것'이라는 관점이다.
일부는 워크 그래프의 표준화 작업이 오히려 프로젝트 운영의 유연성을 저해할 수 있다고 지적한다. 이에 대한 재반박은 두 축으로 구성된다. 표준화는 업무의 비핵심 반복 작업을 자동화해 인간 역량을 고부가 영역에 집중하게 하는 기능을 수행한다.
접근 제어와 권한 기반 메모리 분절은 표준화를 수행하면서도 정보 유출 리스크를 관리하는 안전장치로 작동한다. 유연성 손실 우려는 워크플로우의 설계 단계에서 세분화된 권한 정책과 예외 처리를 통해 상당 부분 완화할 수 있다.
한국 기업이 주목해야 할 데이터 거버넌스 분절점
AWM의 확산은 산업 생태계의 구조적 변화를 촉발할 수 있다. 플랫폼 사업자들은 프로젝트 데이터와 프로세스 메타데이터를 표준화하는 경쟁에 진입하고, 통합 솔루션 제공자들은 워크 그래프 연동을 핵심 기능으로 내세우게 된다. 보안·감사 솔루션 벤더는 권한 기반 메모리 관리와 로그 추적을 결합한 신규 제품을 개발할 여지가 커진다.
투자 관점에서 보면, 워크 그래프와 연동되는 SaaS(Software as a Service) 기업, 권한 관리 솔루션, 비용 예측·거버넌스 서비스 영역이 수혜를 받을 가능성이 높다. 반면 단일 업무 도구에 깊게 의존하던 벤더는 통합 인터페이스와 표준을 빠르게 채택하지 못하면 경쟁에서 밀릴 위험이 있다.
Asana의 AWM은 기업용 AI 에이전트의 채택 방식을 바꾸려 한다. 기술 자체의 개선만이 아니라 조직 데이터 구조와 거버넌스의 재설계를 요구한다는 점에서, 그 영향력은 단기간의 생산성 개선을 넘어 기업 운영의 근본적 재편으로 이어질 가능성이 크다.
한국 기업이 AWM의 공유 메모리 모델을 단순 기능 도입으로 보는 것은 좁은 시각이다.
광고
AWM을 조직의 정보 아키텍처를 재설계하는 전략적 기회로 인식하는 기업이 AI 전환의 실질적 이득을 먼저 가져갈 것이다.
FAQ
Q. 일반 기업이 AWM을 도입하려면 먼저 무엇을 준비해야 하는가.
A. 우선 조직의 프로젝트·목표 데이터 구조를 표준화해 워크 그래프로 변환하는 작업을 준비해야 한다. 다음으로 권한 모델(role-based access control)과 감사 로그 시스템을 AWM과 연동할 수 있도록 설계해야 한다. 에이전트의 의사결정 범위와 승인 절차를 정책으로 명문화해 운영 리스크를 관리하는 것도 사전에 완료해야 할 과제다. 이 세 가지 준비 작업은 기술 도입 이전에 거버넌스 체계를 먼저 갖추는 것이 AWM 도입 성공의 전제 조건임을 의미한다.
Q. AWM이 한국의 규제 환경에서 문제될 소지는 무엇인가.
A. 민감 데이터의 처리와 접근 로그에 관한 규제가 핵심 리스크로 작용한다. 금융·의료 등 민감 산업은 데이터 거버넌스 기준을 충족해야 하며, AWM 도입 전 규제 준수 가능성을 면밀히 검토해야 한다. 필요한 경우 내부 감사·보안팀과 협업해 별도 격리 환경이나 온프레미스 연동 방식을 고려하는 것이 현실적이다. 개인정보보호법·클라우드보안인증(CSAP) 등 국내 규제와의 충돌 여부도 도입 전 법무팀이 사전 검토해야 한다.
Q. 투자자 관점에서 AWM 관련 기업을 어떻게 평가해야 하는가.
A. 워크 그래프 표준화 능력과 기업 고객의 거버넌스 요구를 충족시킬 수 있는 기술 역량이 있는지를 우선 확인해야 한다. AWM과 연동 가능한 보안·감사 솔루션을 보유했는지, 또는 실질적인 파트너십 전략을 갖추었는지도 중요한 평가 지표다. 실제 도입 사례와 고객 이탈률(churn)·확장률(expansion revenue)을 통해 시장 적합성을 검증해야 하며, 공시된 재무 지표와 고객 계약 규모를 병행 확인하는 것이 투자 판단의 기초가 된다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
