애피어는 기업의 에이전틱 AI 활용이 확장 단계에 들어선 만큼, 관심의 초점도 도입 여부에서 실제 운영과 성과 확대 방식으로 옮겨가야 한다고 밝혔다. 이를 위해 기업이 갖춰야 할 조건을 Strategic, Calibrated, Adaptive, Learning, Efficient의 앞글자를 딴 ‘SCALE’로 정리했다. 매출 성장, 고객 전환, 비용 절감, 생산성 향상처럼 측정 가능한 목표를 먼저 세우고, 그 목표를 기준으로 AI 활용의 성과를 판단해야 한다는 설명이다.

애피어는 기업용 AI에서는 최종 결과만 보는 것이 아니라, 업무 흐름의 주요 단계마다 AI의 판단을 점검하고 가드레일을 두는 일이 중요하다고 봤다. 또 모든 업무에 같은 모델을 적용하기보다 과업의 목적과 난이도에 따라 적절한 모델과 에이전트를 선택하고 조율해야 한다고 했다. 기사에서는 이를 모델 라우팅과 에이전트 오케스트레이션으로 설명했다.

여기에 업무 과정에서 쌓이는 맥락, 사용자 피드백, 이전 실행 결과를 다음 판단과 실행에 반영하는 지속적 학습이 필요하다고 덧붙였다. 여러 단계의 추론과 모델 호출, 에이전트 간 상호작용이 늘어나는 환경에서는 LLM 효율성과 토큰 최적화를 통해 필요한 수준의 연산 자원을 적절히 쓰는 것도 핵심 조건으로 제시했다. 애피어는 이런 방향에 맞춘 연구를 이어가며, 기업이 AI를 실질적인 ROI로 전환하고 성과를 넓히도록 지원하고 있다고 밝혔다.