AI 에이전트와 자동화

AI 에이전트와 이 시대

01 AI 에이전트의 발전: 규칙 기반에서 추론 기반으로
02 AI 에이전트의 구성 요소와 워크플로
03 AI 에이전트 설계하기
04 AI 에이전트 개발 도구
05 멀티 에이전트 시스템
06 자동화 도구와 AI 에이전트의 결합
07 AI 에이전트의 자율성과 인간의 역할
08 AI 에이전트의 산업적 적용
09 AI 에이전트의 잠재적 위험성과 윤리적 과제
10 AI 에이전트의 미래

규칙 기반 시스템은 명시적인 규칙과 조건에서는 잘 동작했지만, 인간 언어와 같은 복잡한 맥락을 다루는 데 한계가 있었다. 이러한 한계를 극복하기 위해, 2000년대 후반부터 자연어 처리(Natural Language Processing, NLP) 기술이 급격히 발전하면서 새로운 해답을 제시하기 시작했다. NLP는 기계가 인간의 언어를 이해하고 해석할 수 있도록 하는 기술로, 머신러닝과 딥러닝을 활용한 모델을 통해 규칙을 일일이 정의하지 않아도 다양한 언어적 맥락을 처리할 수 있게 되었다. 특히, 기계 학습 알고리즘은 방대한 데이터로부터 패턴을 학습하며, 예외적인 경우에도 스스로 판단할 수 있는 능력을 갖는다. 이로 인해, 자연어 처리를 기반으로 한 챗봇은 이전보다 훨씬 유연하고 지능적으로 다양한 상황에 대응할 수 있게 되었다.

－01_“AI 에이전트의 발전: 규칙 기반에서 추론 기반으로” 중에서

AI 에이전트 설계에서 LLM 모델 선택은 매우 중요한 단계다. 어떤 LLM 모델을 선택하느냐는 개발의 복잡성, 자원 활용, 비용 관리와 직결되기 때문이다. LLM 모델에는 크게 클로즈드 소스(Closed Source) 모델과 오픈 소스(Open Source) 모델이 있다. 클로즈드 소스 모델은 소스코드(Source Code)가 공개되지 않은 상용 모델로, API를 통해 이용해야 한다. 챗GPT나 클로드가 대표적인 예로, 높은 성능을 자랑하지만 API 호출 비용이 발생하며 모델을 직접 수정할 수 없다. 따라서 성능이 중요하거나 비용 부담이 문제가 되지 않는 작업을 할 때 사용하는 것이 좋다.

－03_“AI 에이전트 설계하기” 중에서

앞으로 복잡한 작업이나 비정형 데이터 처리가 필요한 작업에서 AI 에이전트를 통한 업무 자동화가 많이 이루어질 것이다. 현재 수준의 AI 에이전트 기술로 사람의 개입 없는 자동화를 구현하는 것은 쉽지 않지만, 향후에는 RPA가 아닌 APA(Agentic Process Automation)가 도입될 것이다. APA는 자율적인 AI 에이전트가 복잡한 워크플로와 프로세스를 관리하는 고급 자동화 기술로, 다음과 같이 작동할 것이다. 1) 복잡한 프로세스를 단독으로 실행한다. 2) 다른 에이전트 및 시스템 간 협력을 통해 작업을 효율적으로 완료한다. 3) 변화하는 환경, 입력 데이터, 프로세스 요구 사항에 동적으로 적응한다. 4) 과거 행동과 결과 데이터를 학습해 프로세스를 지속적으로 최적화한다.

－06_“자동화 도구와 AI 에이전트의 결합” 중에서