随着企业加快推进Agentic AI转型（AX），借助AI代理在尽可能减少人工介入的情况下实现特定业务自动化，已成为业界共同关注的方向。不过，多位一线实践者指出，Agentic AX真正的挑战并不只在技术层面，更在于企业是否已做好足够准备。如果在基础条件尚未成熟时仓促上马，落地效果往往难达预期。

DigitalToday于29日在首尔三成洞COEX举办“数字洞察2026”大会，主题为“Agentic AX全球趋势与成功策略”。来自政府及企业界的多名专家结合实际案例，分享了Agentic AX在导入与落地过程中的经验与判断。

本次活动邀请了SKT、MegazoneCloud、Hana Bank、Encore、Nol Universe、NVIDIA Korea等机构代表，围绕Agentic AX的发展趋势、应用路径与实施条件展开讨论。

SKT基础模型负责人、副社长Kim Tae-yoon表示，在工业现场隐性知识的沉淀与资产化方面，可控的本土模型或企业自研模型具有明显优势。

Kim Tae-yoon认为，AI模型正在迅速从问答、代码生成等能力，转向“以代理为核心的执行型AI”。他预计，到2027年后，AI将进一步演进为多个AI分工协作的多智能体形态。

MegazoneCloud AIR Unit常务Kim Han-soo表示，AI代理要真正嵌入企业业务流程，关键并不只是技术能否实现，更在于企业能否先明确“哪些工作交给AI代理处理”，以及“AI代理可以拥有多大权限”。

他举例称，新员工入职第一天，不会立刻拿到公司卡或内网系统的全部权限；AI代理也一样，只有在职责范围和责任标准明确后，才能被正式纳入组织流程。

围绕金融行业场景，Hana Bank数字战略事业部负责人Lee Woo-seop介绍了该行AI建设现状与后续规划。他表示，考虑到网络隔离、个人信息保护等监管要求，Hana Bank目前采取外部商用AI与内部自建AI并行部署的方式。相比之下，自建模式可以在不对外传输内部数据的前提下使用行内数据，但相应的基础设施建设和运维成本也更高。

Lee Woo-seop表示，即使金融行业的AI应用持续扩大，最终仍要回到“信任”与“可控”两个核心问题上。他同时指出，应以更积极的视角理解金融监管，并在现有监管框架内持续思考“哪些事情可以做、应当如何做”。

AI与数据公司Encore团队负责人Kim Ki-dong则表示，不同组织在导入AI代理后的成效差异很大，其中影响最大的因素之一就是数据准备度。要让AI代理真正用好企业数据，前提是让其理解数据本身的含义，以及数据之间的关联关系。

Kim Ki-dong指出，AI模型和相关技术还会持续进步，但代理究竟能利用哪些信息、依据什么作出判断，最终取决于企业提前准备到什么程度。因此，构建AI-ready数据体系，是推进Agentic AX过程中不可回避的基础工作。

Nol Universe负责人Yoo Joo-bong以“公司内部AX转型期”为主题，介绍了公司内部AX项目的推进情况及成果。Yoo Joo-bong表示，Nol Universe之所以优先改造内部工作流程，而非先面向B2C服务展开布局，是因为其旅游、休闲和文化业务的一线运营现场仍存在大量手工处理环节。

他表示，由于加盟商、演出策划公司等合作方提交的文件格式并不统一，员工需要反复核对并手动录入；同时，许多单项任务规模不大，在开发优先级排序中往往被一再后置。一旦相关负责人缺位，工作交接和替代也十分困难。基于这些现实问题，公司决定在推进B2C之前，先改变内部工作方式，加快内部AX落地。

NVIDIA Korea常务Kim Sun-wook在谈到Agentic AX时表示，近期经常接到企业关于“能否租用计算资源”的咨询，这从侧面反映出企业对代理型AI的使用正在明显增加。他指出，只有能够在编排（orchestration）体系下联动多种工具与组件，并自主完成任务的AI，才称得上是真正的代理。

Kim Sun-wook同时强调，代理本质上也是一个基础设施问题。要让代理运行起来，必须把CPU、GPU和存储服务器整合为统一的基础设施体系，而支撑这套体系运转的关键因素之一就是电力。换言之，代理的运行能力最终也会受到供电条件的制约。