"o9이 선보이는 차세대 10x 혁신”: o9 CEO 겸 공동 창립자, aim10x Europe에서 APEX 모델 사전 공개

오늘날 글로벌 기업들은 기업 운영 방식 자체를 근본적으로 변화시키는 두 가지 도전 과제에 직면해 있습니다. 지난 6월 4일, 네덜란드 암스테르담에서 개최된 o9 Solutions의 EMEA 지역 최대 행사인 'aim10x Europe'에서는 이 문제들을 해결하기 위해 설계된 차세대 '10x 혁신' 비전과 기술이 사전 공개되었습니다.

첫 번째 과제는 변동성(Volatility), 불확실성(Uncertainty), 복잡성(Complexity), 모호성(Ambiguity)을 뜻하는 VUCA입니다. 이는 코로나19 이후 기업들이 마주한 상시적인 비즈니스 환경으로 자리 잡았습니다. 안정적인 환경에서는 단절된(Siloed) 계획과 의사결정이 비효율적이더라도 생존에는 무리가 없었습니다. 하지만 변동성이 극심한 환경에서는 막대한 대가를 치르게 됩니다. 급격한 수요 변화, 공급망 혼란 등 운영 환경이 조직의 대응 속도보다 시장 환경이 더 빠르게 변할 때, 부서 간의 모든 단절은 수요 예측 실패, 과잉 재고, 서비스 수준 하락, 혹은 마진(수익성) 잠식으로 직결됩니다. 변동성 자체가 가치 누수(Value leak)를 만들어내는 것은 아니지만, 그 틈을 지속적으로 벌려놓는 것입니다.두 번째 과제는 이러한 누수를 막는 데 너무 오랜 시간이 걸린다는 점입니다. 대기업의 모든 구성원이 가치가 누출되는 것을 목격하고 있지만, 기존의 방식대로 이를 고치려면 수년이 걸리는 대규모 혁신 프로그램이 필요합니다. 변동성이 극심한 환경에서 글로벌 기업들에게 그만한 시간적 여유는 없습니다.

이 두 가지 과제를 더욱 가중시키는 것은 모든 경영진의 책상에 놓인 새로운 당면 과제, 바로 'AI를 통한 비즈니스 가치 창출'입니다. 이는 문제를 해결하기보다 오히려 리스크를 높이고 있으며, 여전히 대다수의 리더는 어떤 접근법이 옳은지 확신하지 못하고 있습니다.

o9은 유기적으로 연결된 세 번의 기조연설을 통해 앞으로 나아갈 방향을 제시했습니다. 차세대 운영 모델인 'APEX', 이를 가능하게 하는 기술 'Neuro-symbolic AI', 그리고 실제 고객의 과잉 재고 문제를 해결하는 과정을 보여준 AI 에이전트 라이브 데모입니다. 

개념에서 아키텍처적인 기반, 그리고 실질적인 증명으로 이어진 이날의 논리적인 흐름은 어느 감자칩 비즈니스의 일화에서 시작되었습니다.

Frito-Lay 사례: 가치 누수를 유발하는 두 가지 사일로(Silo)

수년이 걸리는 장기 프로그램 없이 가치 누수를 막는 것이 목표라면, 우선 기업에서 왜 누수가 발생하는지부터 명확히 이해해야 합니다. 차크리 고테무칼라(Chakri Gottemukkala)는 그 원인으로 o9이 창립 이래 줄곧 해결하고자 추적해 온 '사일로(Silo)'를 지목했습니다. 그는 단절이 없는 이상적인 기업의 모습을 설명하기 위해 훗날 PepsiCo의 일부가 된 Frito-Lay의 창업자, Mr. Lay의 일화를 소개했습니다.

초창기 Mr. Lay는 사일로(Silo)가 전혀 없는 완벽한 '1인 운영 모델'이었습니다. 그는 직접 트럭을 몰고 진열대에 물건을 채우며 소비자와 대화했고 무엇을 사고, 만들고, 배송하고, 얼마에 판매할지를 스스로 모두 결정했습니다. 이 일화가 중요한 이유는 바람직한 운영 모델이 갖춰야 할 두 가지 핵심 요소를 명확히 보여주기 때문입니다. 첫째, 그는 완벽한 가시성(Visibility)을 확보하고 있었습니다. Chakri의 표현을 빌리자면 "엔드투엔드(End-to-end)의 완벽한 가치 사슬 가시성"을 갖추었고, 모든 결정은 다음 날의 선택으로 유기적으로 이어졌습니다. 즉, '실행(Execution)' 단계에 있어 부서 간 단절이 없었습니다. 둘째, 첫 번째만큼이나 중요한 점으로 '학습(Learning)'에 있어서도 사일로(Silo)가 없었습니다. 그는 모든 결정의 결과를 직접 확인하고 다음 날 아침 회의를 소집할 필요도 없이 즉각적으로 바로잡으며 스스로 끊임없이 학습했습니다.

하지만 회사의 규모가 커지면서 수백 개의 브랜드와 시장, 복잡해진 공급망 속에서 의사결정은 완전히 파편화되었습니다. Mr. Lay가 가졌던 두 가지 이점은 모두 사라졌습니다. 공급망 가시성은 ‘실행 사일로’로 파편화되었고, 본능적이고 일상적이던 학습은 ‘학습 사일로’가 되었습니다. 이것이 바로 가치 누수의 근본 원인이며, 이 문제를 해결하기 위해 항상 대규모 혁신이 필요했던 이유입니다. Mr. Lay가 혼자 머릿속에서 처리하던 연결 고리를 거대한 조직 전체에 걸쳐 다시 구축해야 하기 때문입니다.

공급망 가시성 확보 그 너머, 아직 채워지지 않은 '학습'의 빈자리와 APEX의 역할

o9의 근본적인 철학은 바로 이렇게 방대해진 대기업에 Mr. Lay가 본능적으로 가졌던 장점을 되찾아주는 것입니다. 이 약속의 절반은 이미 실현되었습니다. 10여 년 전 o9이 특허받은 엔터프라이즈 지식 그래프(EKG) 기술을 기반으로 구축된 'o9 Digital Brain' 플랫폼은 모든 의사결정이 단일 목표를 향하도록 정렬하여 End-to-End 가시성을 복원했습니다. 이미 수많은 고객사가 이를 통해 10억 달러 규모의 비즈니스 케이스 (Value Case)를 정립했으며, '실행 사일로' 문제는 상당 부분 해결되었습니다.

그러나 Mr.Lay의 두 번째 강점이었던 '지속적인 학습'은 여전히 과제로 남아 있습니다. 오늘날의 대기업들은 과거 Mr.Lay처럼 실시간으로 원인을 파악하고 수정하지 못합니다. 위기가 닥치면 수년에 걸친 대규모 혁신 프로그램을 가동하고, 5년쯤 지나면 다시 과거의 관행으로 회귀하곤 합니다. 이것이 바로 여전히 해결되지 않은 '학습 사일로'이며, 두 가지 메가 트렌드로 인해 기업이 더 이상 감당할 수 없는 치명적인 공백이기도 합니다. 즉, AI로 인해 변화의 속도가 더욱 가속화되는 VUCA 시대에는, 그 어떤 기업도 무엇이 잘못되었는지 깨닫고자 다음 위기가 닥쳐오길 기다릴 수 없습니다.

APEX는 이 남은 절반의 퍼즐에 대한 o9의 완벽한 해답입니다. o9 Digital Brain이 Mr.Lay가 가졌던 '연결된 가시성'을 되찾아 주었다면, APEX는 그 가시성을 진정으로 가치 있게 만드는 '지속적인 학습과 적응력'을 복원하도록 설계되었습니다. 기업이 변화를 민첩하게 감지하고, 매일 학습하며, VUCA를 새로운 비즈니스 가치로 전환하도록 돕는 o9의 차세대 운영 모델의 비전입니다.

APEX의 의미: 애자일(Agile), 적응형(Adaptive), 자율형(Autonomous) 계획 및 실행

Chakri는 "APEX는 애자일(Agile), 적응형(Adaptive), 자율형(Autonomous) 계획 및 실행을 의미합니다"라고 설명했습니다. o9 Digital Brain은 이미 팀원들에게 실시간 비즈니스 모델을 공유함으로써 변화를 감지하고 트레이드오프(Trade-off)를 평가하며 계획을 신속하게 조정할 수 있는 애자일 역량을 제공하고 있습니다. 반면, AI가 역할을 재편하고 의사결정을 자동화하는 자율성(Autonomous)은 여전히 미지의 개척지로 남아 있습니다.

하지만 이번 aim10x Europe 행사의 가장 핵심은 바로 그 가운데에 있는 '적응력(Adaptive)'이었습니다. 이것이야말로 기업 단위에서 Mr.Lay의 지속적인 학습 능력을 복원하는 마스터키이며, Chakri는 o9이 정의한 “3W (Three Ws)”를 통해 그 필수 요건을 설명했습니다: 무슨 일이 일어났는가? (What happened?), 왜 일어났는가? (Why did it happen?), 무엇을 해야 하는가? (What should we do about it?)

대부분의 기업은 첫 번째 질문에는 제법 잘 대답합니다. 재고 수준이 상승하고, 서비스 수준이 하락하고, 마진(수익성)이 압박받고 있다는 사실(What), 즉 무슨 일이 일어났는지는 이미 잘 알고 있습니다.

“왜(Why)”에 답하다: 지속적 학습을 가로막는 인과관계의 공백

“적응력(Adaptive)”이 해결하고자 하는 본질적인 과제이자, 오늘날의 기업들이 과거의 Mr.Lay처럼 학습하지 못하는 결정적인 이유는 바로 두 번째 질문인 '왜(Why)'라는 의문입니다. 수요 예측은 왜 빗나갔는가? 핵심 시장의 마진(수익성)은 왜 잠식되고 있는가? 왜 한 지역에서는 재고 누적 현상이 발생하는 반면 다른 지역에서는 결품 사태가 벌어지는가? 오늘날의 조직에는 데이터가 넘쳐나지만, 인과관계에 대한 이해(Causal understanding) 능력은 턱없이 부족합니다. 비즈니스 결과가 왜 발생했는지 명확히 설명하지 못하면 그로부터 학습할 수 없으며, 결국 이를 규명하기 위한 전사적인 대규모 혁신없이는 환경 변화에 적응할 수 없게 됩니다.

적응력이 뛰어난 기업은 비즈니스 결과 이면의 근본 원인을 식별하여 이 공백을 메웁니다. 도출된 인사이트를 바탕으로 모델을 지속적으로 고도화하고, 비즈니스에 대한 이해도를 높이며, 모든 의사결정 과정에서 학습을 축적합니다. 무언가가 '왜' 일어났는지 정확히 이해하게 되면, 비로소 세 번째 질문에 자신 있게 답할 수 있습니다. "이제 우리는 무엇을 해야 하는가? 어떤 의사결정을 변경해야 하는가? 자원을 어디에 재배분해야 하는가? 어떤 조치가 성과에 가장 큰 영향을 줄 것인가?"

즉, '적응력', '지속적인 학습', 그리고 '왜라는 질문에 답하는 것'은 모두 같은 역량을 뜻하는 다른 이름입니다. Chakri는 이를 구현하기 위해 무엇이 필요한지 강력히 피력했습니다. LLM을 뜻하는 Neural AI는 전례 없는 속도로 묻고 답할 수 있게 해주지만, 기업이 실제로 어떻게 작동하는지 근본적인 체계를 이해하지 못한다면 비즈니스 결과가 '왜' 발생했는지는 결코 설명할 수 없습니다. 이를 이해하는 것은 바로 Symbolic AI의 영역입니다.

이것이 바로 o9의 엔터프라이즈 지식 그래프(Enterprise Knowledge Graph, EKG)가 수행하는 핵심 역할입니다. LLM이 '생각하는 뇌'라면, EKG는 인체의 다양한 시스템을 구현한 '신체 모델'과 같습니다. 제품, 고객, 공급업체, 공장, 재고, 제약 조건, 그리고 다양한 의사결정들이 어떻게 유기적으로 연결되어 있는지 보여주는 디지털 청사진입니다. AI가 단순히 증상을 리포팅하는 수준을 넘어, 근본 원인을 규명하고 대응 조치를 추론할 수 있도록 탄탄한 인과관계를 제공하는 것입니다.

Chakri는 "클로드(Claude)는 인체가 어떻게 작동하는지에 대한 정확한 의학적 지식이 없다면 결코 신뢰할 수 있는 건강 정보를 제공할 수 없으며, 이 원리는 기업 운영에도 똑같이 적용됩니다"라고 말했습니다.

대형 언어 모델(LLM) 단독으로는 '왜'에 답할 수 없는 이유

'왜'라는 질문에 답하는 것이 지속적인 학습의 핵심이라면, 다음으로 던져야 할 질문은 "과연 어떤 AI가 이를 완벽히 해낼 수 있는가"입니다. o9의 차세대 AI 및 기술 부문 수석 부사장인 아쉬윈 라오(Dr. Ashwin Rao) 박사는 바로 이 지점에서 발표를 이어받으며, 진정으로 애자일하고 적응력이 뛰어나며 자율적인 기업을 구축하기 위해 뉴럴 AI (Neural AI)와 심볼릭 AI (Symbolic AI)의 융합이 필수적인 이유를 설명했습니다.

Ashwin 박사의 통찰력은 그의 매우 다방면에 걸친 커리어에서 비롯되었습니다. 그는 모델의 오류가 막대한 금전적 손실로 직결되는 월스트리트에서 수년간 일했으며, Target Corporation에서 AI 부문을 총괄했고, 현재는 스탠퍼드 대학교 응용수학과 겸임 교수로 AI 연구를 이어가고 있습니다.

트레이딩 플로어의 냉혹한 책임감, 리테일 현장의 실용주의, 그리고 수학적 엄밀함이 그의 프레젠테이션 전반에 깊이 녹아 있었습니다. 그는 LLM의 혁신적인 파급력을 인정하면서도, 언어만으로는 충분치 않은 이유를 명확하게 짚어냈습니다.

"언어가 인지 능력 전부는 아닙니다." 그가 강조했습니다. "LLM은 강력하지만, 기업에는 언어의 AI를 훨씬 뛰어넘는 새로운 AI, 즉 수학, 구조, 그리고 도메인 지식에 깊이 기반한 AI가 필요합니다."

이러한 한계는 왜 수많은 엔터프라이즈 AI 에이전트들이 실망스러운 결과를 낳는지 잘 설명해 줍니다. 근본적인 문제는 '신뢰성'입니다. LLM은 본질적으로 근사 방식(Approximation)을 통해 작동합니다. 이는 규모를 확장하는 데는 미덕이 될 수 있지만, 정교한 공급망 플래닝 영역에서는 치명적인 리스크입니다. 공급망에서는 규칙과 제약 조건을 한 치의 오차 없이 준수해야 하며, 조직 내 실무자들의 의사결정 권한을 존중해야 하기 때문입니다. 아무리 역량이 뛰어난 언어 모델이라도 이러한 정밀한 작업에는 적합한 도구가 아닙니다.

Neuro-Symbolic AI: 기업의 지속적인 학습을 가능하게 하는 메커니즘

이를 완벽히 보완하는 것이 바로 o9이 지난 15년 동안 구축해 온 Symbolic AI입니다. Symbolic AI는 엔터프라이즈 지식 그래프, 수학적 로직, 그리고 재고 및 가격 책정 등을 위한 의사결정 모델을 내재화합니다. Neural Network대비 Symbolic AI가 갖는 결정적인 강점은 바로 도출 과정을 명확히 보여줄 수 있다는 점입니다. Ashwin 박사는 "추적 가능하고, 감사(Audit)할 수 있으며, 시스템이 왜 그런 결정을 내렸는지 매우 명확한 비즈니스 용어로 설명해 줍니다"라고 말했습니다. 결국 어느 한쪽 만으로는 충분하지 않습니다. "왼쪽 Neural 영역의 강점은 오른쪽 Symbolic 영역의 약점이며, 그 반대도 마찬가지입니다. 이 두 가지 AI의 결합을 우리는 'Neuro-Symbolic AI'라고 부릅니다."

Ashwin 박사는 이 아키텍처를 앞서 Chakri가 언급한 '왜(Why)'라는 질문, 그리고 Mr.Lay의 '지속적인 학습'과 직접적으로 연결했습니다. 엔터프라이즈 지식 그래프는 단순히 비즈니스 데이터를 저장하는 데 그치지 않습니다. '의사결정 컨텍스트 그래프 (Context Graph)'는 누가, 언제, 어떤 사실과 가정에 기반해 결정을 내렸는지 상세히 기록하고, '학습 레이어'는 이러한 결정들을 실제 결과와 연결하여 성공적인 방식을 기업의 운영 규칙으로 체계화합니다..

이것이 바로 과거 Mr.Lay가 본능적으로 해냈던 것처럼, 기업이 위기가 닥치기를 기다리지 않고 스스로 매일매일 학습하게 만드는 메커니즘의 실체입니다. 하지만 무대 위에서 구두로 설명된 아키텍처는 아직 하나의 약속에 불과합니다. 따라서 자연스럽게 이어지는 다음 질문은 이렇습니다. "Neuro-symbolic AI가 Ashwin 박사가 설명한 완벽한 추적성을 바탕으로, 실제 비즈니스 현장의 문제에 대해 '왜'라는 질문에 진정으로 답할 수 있는가?" 이것이 바로 o9 팀이 데모를 통해 증명하고자 한 다음 단계였습니다.

의사결정 사후 분석(Post-Game Analysis, PGA): 6,000만 달러 규모의 과잉 재고 진단

이어진 데모는 앞서 설명한 모든 이론을 화면 위에 구현하는 기술인 '의사결정 사후 분석(Post-Game Analysis)'이었으며, 데모는 지금까지 논의된 모든 내용이 조명해 온 바로 그 간극(Gap)에서 출발했습니다. 시중에 나와 있는 모든 공급망 계획 시스템은 재고가 상승했다는 사실은 보여주지만, 그 '이유'를 설명할 수 있는 시스템은 전무합니다. o9 Solutions의 Solutions Consulting SVP인 피터 테일러(Peter Taylor)는 바로 이 맹점을 짚으며 데모를 시작했습니다. 기존의 플래닝 시스템은 미래를 예측하는 데는 뛰어나지만, 의사결정을 실제 결과와 연결하지 못하며, 대시보드나 컨설팅 보고서 형태에 머물러 있는 오늘날의 의사결정 사후 분석(PGA)은 근본 원인을 파악하는 데 미치지 못합니다. Peter는 "이것은 재고 문제라는 피어오르는 '연기'만 쫓아다닐 뿐, 조직 내 어디서 '불'이 시작되었는지는 진화하지 못하는 것과 같습니다"라고 지적했습니다. 그 결과는 사내 정치와 무대응(Inaction)으로 이어집니다. 원인을 진단하기에는 지나치게 복잡하고, 해결하기에는 이해관계의 대립이 너무 심하기 때문입니다.

Peter는 음료 고객사의 실제 과잉 재고 분석 사례를 통해, AI 에이전트가 경영진을 위한 내러티브를 즉각적으로 생성하는 과정을 시연했습니다. 이 내러티브는 무슨 일이(What), 어디서(Where), 왜(Why) 일어났으며, 무엇을 해야 하는지(What to do)라는 네 가지 핵심 질문에 명확히 답합니다. 가시성(Visibility) 자체만으로도 명확한 가치가 있습니다. 그는 여러 부서와 각기 다른 ERP에 흩어져 있던 재고 데이터를 단일 뷰로 통합한 것만으로 1억 달러의 재고 절감 효과를 거둔 사례를 언급했습니다. 하지만 가시성은 '실행 사일로' 문제를 해결하는 일회성 이득에 불과합니다. 진정한 혁신의 열쇠는 '왜(Why)'를 규명하는 데 있습니다. 시스템은 시스템 예측값, 계획 담당자의 수정(Override), 생산 주문 및 후속 수정안에 이르는 전체 의사결정의 이력을 집요하게 추적하여 정밀한 질문에 답을 내놓습니다. "이 특정 물류 노드에 재고가 쌓였을 때, 과연 어떤 의사결정과 정책이 이를 유발했는가? 물류센터(DC)의 수요 예측 실패 때문인지, 아니면 한 달 전 업스트림(Upstream) 공장의 생산 로트(Lot) 크기 설정 때문인지 규명하는 것입니다." 이어 에이전트는 예상 효과의 규모를 산출하며 이번 시연된 사례의 경우 수요 계획, 생산, 조달 전반에 걸쳐 6,000만 달러 규모의 과잉 재고를 찾아냈고, 즉각적인 정책 변경부터 장기적인 혁신 작업에 이르는 해결책을 제시했습니다.

데모의 이면: AI 에이전트의 데이터 매핑과 완벽한 감사 가능성(Auditability) 유지

o9의 Product Management SVP인 니틴 고얄(Nitin Goyal)은 이 분석이 내부적으로 어떻게 구성되는지, 그리고 앞서 Ashwin 박사가 설명한 'Neuro-symbolic AI'의 분업 구조, 즉 'Symbolic' 기반 위에 구축된 'Neural' 프런트엔드가 어떻게 작동하는지 보여주었습니다. 사용자가 Raw 데이터 파일을 업로드하면, AI 에이전트는 평소라면 수동으로 데이터 준비에만 몇 달이 걸릴 매핑 작업을 즉시 수행하여 o9의 데이터 모델과 연결해 냅니다. 데이터를 프로파일링하고, 외부 동인을 덧입히며, 산업 표준과 예측 품질을 벤치마킹합니다. 시연에서는 고객의 예측 오차율(30%)과 산업 벤치마크(22%) 사이의 틈을 식별한 뒤, 편향된 조정(Biased overrides)을 제거하는 것을 시작으로 세 가지 구체적인 개선 기회를 추천했습니다. 무엇보다 놀라운 점은 모든 단계를 직접 확인 및 검증이 가능한 점입니다. 니틴은 "사용자는 추적 경로(Traces)를 화면에서 직접 눈으로 확인할 수 있습니다. 따라서 AI가 정보를 환각(Hallucinate) 하는 현상 없이 실제 팩트를 정확히 활용하고 있다는 완벽한 확신을 가질 수 있습니다"라고 말했습니다. Ashwin 박사가 Symbolic AI의 가장 큰 장점이라 말했던 '감사 가능성(Auditability)'이 화면 위에서 생생하게 증명된 순간이었습니다.

이 데모는 통상 수개월이 걸리는 방대한 분석 작업을 단 몇 분 만의 단일 세션으로 압축해 냈습니다. 하지만 여기서 진정으로 주목해야 할 점은 단순한 '속도'가 아닙니다. Chakri가 서두에서 던졌던, 그리고 그동안 어떤 기업도 신뢰할 만한 수준으로 답하지 못했던 그 '왜(Why)'라는 질문에 대해 이제는 철저히 추적하고 설명할 수 있으며, 즉각적으로 실행 가능한 해답을 얻게 되었다는 사실 그 자체입니다. 이어 o9팀은 PGA 홈페이지(pga.o9solutions.com)를 공유하였고, 참석자들이 자체 데이터로 직접 분석을 실행해 볼 수 있도록 안내했습니다.

APEX 운영 모델

의사결정 사후 분석(Post-Game Analysis, PGA)은 APEX 운영 모델의 핵심으로, 계획 대비 실행 성과를 분석하고 이를 다시 계획과 의사결정에 반영합니다. 단독으로 사용하거나 o9 플랫폼 내에서 사용할 수 있습니다.

이를 통해 조직은 계획과 실행을 지속적으로 개선할 수 있습니다.

APEX 자세히 알아보기

주기적인 위기 대응에서 일상적인 습관으로: 결코 학습을 멈추지 않는 기업

이날 행사가 던진 궁극적인 메시지는 명확하며, 이는 Chakri가 발표를 시작했던 첫 지점으로 완벽히 회귀합니다. 오늘날 기업 성과 창출의 병목 현상은 더 이상 '예측(Prediction)'에 있지 않습니다. 핵심은 '진단(Diagnosis)'과 '변화(Change)'입니다. Chakri는 기업이 문제의 원인을 파악하기도 전에 수년간 막대한 가치가 누수되는 현실 속에서 문제의 본질을 짚어냈습니다. Ashwin 박사는 Neural AI의 확장성과 Symbolic AI의 정밀함이 결합된 기술을 통해 왜 이제서야 그 치료법을 완벽히 구축할 수 있게 되었는지 기술적으로 증명했습니다. Peter와 Nitin은 실제 재무제표상에서 '왜(Why)'라는 질문에 단 몇 분 만에 명확히 답하는 시스템을 시연해 보였습니다.

이 모든 기술 혁신의 기반에는 과거 Mr. Lay가 본능적으로 구현해 냈던 이상향을 현대화하는 것입니다. 즉, 전체 밸류체인을 조망하고, 모든 결정을 유기적으로 연결하며, 멈추지 않고 지속적으로 학습하는 기업을 만드는 것입니다. 유일한 차이가 있다면, 한 사람이 트럭 한 대를 몰던 과거와 달리 이제는 10억 개의 밸류체인 노드를 동시에 통제해야 하는 압도적인 스케일입니다. APEX는 AI가 마침내 그러한 기업을 현실로 만들어 낼 수 있다는 o9의 확고한 선언입니다. 변동성이 극심한 세상에서 유일한 생존 방식인 '혁신'을 주기적으로 반복되는 위기 대응이 아닌, 매일 숨 쉬듯 일어나는 자연스러운 습관으로 전환하는 것을 의미합니다. 이번 aim10x Europe은 그 비전의 Preview였습니다.

Chakri는 오는 9월 23일 시카고에서 열리는 aim10x Americas 행사에서 APEX가 공식적으로 출시된다고 밝히면서 기조연설을 마무리했습니다.

aim10x Americas 2026:
o9’s Regional AI Summit

변화와 불확실성이 일상이 된 시대, 미주 전역의 선도 기업들은 어떻게 VUCA를 가치로 전환하고 Agile, Adaptive, Autonomous Planning & Execution으로 운영 모델을 혁신하고 있는지 확인해 보세요.

지금 무료로 등록하기