[아이티데일리] “데이터 및 AI 플랫폼 ‘SAS 바이야(SAS Viya)’에는 지능형 의사결정(Intelligence Decision)을 지원하는 다양한 혁신 기술이 담겨 있다. 최근에는 AI 에이전트 기반 ‘SAS 인텔리전트 디시저닝(SAS Intelligent Decisioning)’을 지원하기 시작했고, 합성데이터를 제조할 수 있는 혁신 기능인 ‘SAS 데이터 메이커(SAS Data Maker)’도 출시를 앞두고 있다. 고객의 AI 기반 지능형 의사결정 환경을 고객과의 접점에서 지원하도록 하겠다.”

10일 ‘SAS 이노베이트 온 투어 서울 2025’ 그룹 인터뷰에서 SAS 디팍 라마나단(Deepak Ramanathan) 글로벌 기술 프랙티스 부사장은 이 같이 강조했다. 이날 그룹 인터뷰에는 SAS코리아 이중혁 대표이사도 함께 자리했다.

SAS는 AI 기반 지능형 의사결정 플랫폼 ‘SAS 바이야’를 전면에 내세웠다. SAS 바이야는 데이터 관리부터 모델 생성, 시뮬레이션, 산출물 시각화까지 전 과정에 요구되는 기능들을 담은 단일 플랫폼이다. 국내·외 금융, 공공, 제조 등 다양한 산업군의 기업이 급변하는 시장 환경과 내부 리스크에 신속하고 정확하게 대응할 수 있도록 지원하고 있다.

SAS코리아 이중혁 대표는 금융권 사례를 예로 들어 소개했다. 이중혁 대표는 “한 국내 시중 은행의 은행장이 위험가중자산을 한 달에 한 번씩 봤다. 하지만 대외 환율 이슈와 정치적 이슈로 인해 정확한 의사결정을 하고자 위험가중자산 리포트를 주에 한 번씩 보고자 했다. 이에 SAS는 관련 솔루션을 제안했고 계약을 앞두고 있다. 이를 통해 해당 금융사는 더 많은 인사이트를 얻을 수 있고, ‘왓 이프(WHAT IF)’ 시나리오와 결과도 볼 수 있게 됐다. SAS는 은행의 위험가중자산, 내부통제, 자금세탁 등 핵심 업무에 특화된 ‘SAS 바이야’를 중심으로 다양한 솔루션과 서비스를 제공하고 있다. 고객은 정확하고 적시에 지능적인 의사결정을 할 수 있게 됐다”고 설명했다.

SAS 글로벌 디팍 라마나단 기술 프랙티스 부사장은 SAS 바이야에 적용된 AI와 AI 에이전트 등 혁신 로드맵도 소개했다. 먼저 디팍 라마나단 부사장은 SAS가 바라보는 AI 에이전트를 정의했다.

디팍 라마나단 부사장은 “SAS가 정의하는 에이전트 AI는 ‘휴먼 인 더 루프(Human in the Loop)’와 ‘휴먼 아웃 오브 더 루프(Human out of the Loop)’ 등 두 가지 방향성을 모두 포괄한다. 사람의 개입이 배제된 AI 에이전트 측면에서는 모델 컨택스트 프로토콜(MCP)과 에이전트 투 에이전트(A2A)와 같은 핵심 프로토콜을 통해 트랜잭션의 자동화 수준을 크게 높였다. 복잡한 비즈니스 프로세스에도 솔루션이 대응할 수 있도록 지능형 의사결정의 완성도를 높이고 있다”고 말했다.

이와 함께 AI 에이전트와 인간이 협력하는 접근법인 ‘휴먼 인 더 루프’도 강조했다. 디팍 라마나단 부사장은 “실제 엔터프라이즈 환경에서 생성형 AI는 텍스트 요약, 검색 등에 유용하다. 하지만 실제 비즈니스 환경에서는 편향성을 비롯해 여러 문제를 마주하고 있다. SAS는 에이전트 AI를 통해 사람이 개입할 수 있는 균형 잡힌 의사결정 구조를 제공하며, 모든 의사결정의 근거와 과정을 투명하게 추적할 수 있는 ‘쇼 리니지(Show Lineage)’ 기능도 제공하고 있다. 이를 통해 규제 당국의 감사 대응은 물론, 의사결정의 신뢰성과 투명성을 확보할 수 있다”고 부연했다.

디팍 라마나단 부사장은 AI와 인간의 협업을 극대화하는 사례를 소개했다. 디팍 라마나단 부사장은 “‘에이전트 AI 워크플로우’는 복잡한 비즈니스 프로세스 내에서 AI와 인간의 협업을 극대화하는 최신 접근법이다. 사용자는 대출 신청과 같은 실제 사례에서 워크플로우를 직접 설계하고, 이를 운영 환경에 손쉽게 도입해 활용할 수 있다. 정기 소득이 없는 비정기 수입자나 제출 서류가 부족한 신청자처럼 단순 자동화로 해결하기 어려운 상황임을 가정해보자. 에이전트 AI가 1차 판단을 내리고 그 결과에 대해 사람이 추가로 개입해 심층적으로 검토할 수 있도록 설계돼 있다”면서 “에이전트가 단순히 결과만 제시하는 것이 아니라, 챗 인터페이스를 통해 거부 사유와 판단 근거를 상세히 설명한다. 가령 ‘최근 3개월간 수입이 불규칙하다’는 구체적 이유를 제시하고 사용자는 추가로 어떤 AI 모델이 활용됐는지, 공정성 평가는 어떻게 나왔는지 의사결정 과정에서 어떤 작업이 이뤄졌는지까지 에이전트에게 질의할 수 있다”고 설명했다.

디팍 라마나단 부사장에 따르면, 이 과정에서 핵심 역할을 하는 것이 ‘모델카드’다. 모델카드는 해당 AI 모델의 알고리즘, 바이어스(Bias), 적용 기법 등 모든 정보를 투명하게 제공하며 사용자는 의사결정에 반영된 로직을 단계별로 검토할 수 있다. 마치 식품 포장지 뒷면의 영양성분표와 같이 모델의 성격과 한계, 적용 범위를 한눈에 파악할 수 있는 셈이다.

또한 의사결정 플로우 전체를 시각적으로 확인하고 필요하다면 다른 팀에서 사용한 워크플로우를 끌어와 재활용하거나, 새로운 ‘애드 온’ 노드를 추가해 워크플로우를 확장할 수도 있다. 백지에서 시작하는 것이 아닌 검증된 의사결정 로직을 유연하게 조합할 수 있다.

한편, SAS는 양자컴퓨팅(퀀텀 AI)과 디지털 트윈 분야에도 적극 뛰어들고 있다. 디팍 라마나단 부사장은 “SAS는 미국 대형 고객사와의 협업을 통해 복잡한 최적화 문제를 퀀텀 AI로 해결했다. 기존 대비 300% 성능이 향상됐고, 97%의 시간 단축을 이뤄냈다”면서 “디지털 트윈 부분에서는 조지아 퍼시픽, 에픽게임즈 등 기업과 협력해 언리얼 엔진과 결합한 디지털 트윈을 구현했다. 생산 공정의 자동화와 경로 최적화 등 실제 비즈니스 가치 창출에 기여하고 있다”고 부연했다.