단순한 AI 비서 수준을 넘어 복잡한 운영 시스템을 구축하기 위해서는 공급망용 AI 아키텍처의 근본적인 패러다임 전환이 필요하다. 전문가들은 거대한 단일 프로그램을 개발하는 대신, 고차원적인 조율과 구체적인 기술 기능을 분리하는 계층형 아키텍처 도입을 제안하고 있다. 이러한 방식은 시스템이 업데이트나 확장이 어려운 경직된 구조, 즉 '분산형 모놀리스(Distributed Monolith)'로 고착되는 것을 효과적으로 방지한다.

이 전략의 핵심은 에이전트 간(Agent-to-Agent) 통신 기술에 있다. 이는 일종의 디지털 소셜 네트워크와 같아서, 운송이나 창고 용량을 관리하는 특화된 에이전트들이 '에이전트 카드'라는 자신의 기술 설명서를 게시하며 활동한다. 이에 따라 오케스트레이터 에이전트는 지연된 화물 회수와 같은 돌발 상황 발생 시, 모든 시나리오를 미리 프로그래밍하지 않아도 적합한 전문가 에이전트를 자율적으로 찾아 업무를 맡길 수 있다.

여기에 모델 컨텍스트 프로토콜이 더해져 에이전트들을 위한 표준화된 도구 상자 역할을 수행한다. AI가 외부 데이터베이스나 소프트웨어와 상호작용하는 방식을 통일함으로써, 탄소 배출량 계산기와 같은 새로운 기능을 추가할 때 시스템 전체를 재작성할 필요가 없어진다. 결과적으로 이러한 모듈식 구조는 글로벌 공급망 운영이 새로운 규제나 시장 변화에 유연하고 탄력적으로 대응할 수 있는 기반이 된다.

단순히 도와주는 비서를 넘어 복잡한 공장이나 배달 시스템을 관리하려면 인공지능(AI)을 만드는 방법부터 바꿔야 해요. 전문가들은 거대한 프로그램 하나를 만드는 대신, 전체를 지휘하는 역할과 실제로 일하는 역할을 나누는 ‘층이 있는 구조’(계층형 아키텍처)를 제안했어요. 이렇게 하면 시스템이 딱딱하게 굳어버려 나중에 고치거나 기능을 추가하기 힘든 상태(분산형 모놀리스)가 되는 것을 효과적으로 막을 수 있습니다.

이 방법의 핵심은 인공지능끼리 대화하는 기술(에이전트 간 통신)에 있습니다. 이것은 마치 인공지능들의 사회관계망서비스(SNS)와 같아요. 배송이나 창고 관리를 잘하는 전문 AI들이 자기 실력을 적은 명함(에이전트 카드)을 게시하며 활동합니다. 그러면 지휘관 역할을 하는 AI(오케스트레이터 에이전트)는 배달이 늦어지는 것 같은 갑작스러운 일이 생겼을 때, 미리 정해진 명령이 없어도 가장 잘 해결할 전문가 AI를 스스로 찾아 일을 맡길 수 있습니다.

여기에 AI들을 위한 ‘공통 도구 상자’(모델 컨텍스트 프로토콜)가 더해집니다. 인공지능이 외부 정보나 다른 프로그램을 사용하는 방식을 하나로 통일한 것입니다. 덕분에 공기를 오염시키는 탄소량을 계산하는 새로운 기능이 필요할 때도, 전체 프로그램을 다시 만들 필요 없이 필요한 부분만 끼워 넣으면(모듈성) 됩니다. 결과적으로 이런 조립식 구조 덕분에 전 세계 물건 배송 시스템이 새로운 규칙이나 시장의 변화에도 유연하고 튼튼하게 움직일 수 있게 되었습니다.