AI 에이전트와 자동화

에이전트, AI 시대의 중심에 서다
격변의 시대, AI의 진화와 그 파급력을 탐구한다. AI 기술이 어떻게 일상에 스며들었으며, 앞으로 어떤 방향으로 나아갈 것인지에 대한 통찰을 제공한다. AI는 수십 년간의 연구와 발전 끝에 2022년 챗GPT의 등장으로 전환점을 맞이했다. 과거 실험실에 머물러 있던 기술은 이제 우리의 스마트폰과 컴퓨터 속에 자리 잡았고, 우리는 생성형 AI를 일상 속에 자연스럽게 통합하게 되었다. 트랜스포머와 대규모 언어 모델(LLM)의 발전이 AI를 단순한 도구에서 자율성을 가진 ‘에이전트’로 진화시켰다.
AI 에이전트의 자동화 능력은 생산성과 효율성의 혁신을 가져온다. 기업들은 AI 에이전트를 통해 반복적이고 시간 소모가 큰 작업을 자동화함으로써 운영비를 절감하고 더 나아가 전략 수립이나 콘텐츠 생산까지 맡길 수 있는 가능성을 탐색하고 있다. 개인 역시 AI 에이전트를 통해 일상적인 업무를 최적화하고 초개인화된 서비스를 경험하게 될 것이다. 한편 AI 기술의 자율성은 위험성도 내포하고 있다. AI가 인간의 통제 범위를 넘어서는 순간 기술은 단순한 도구가 아닌 스스로 판단하고 결정하는 행위자로 변모한다. 이는 윤리적, 사회적 도전 과제를 불러일으키며 AI와의 새로운 상호작용 방식을 고민하게 만든다. 이 책은 AI 기술의 현재와 미래를 살피며 우리가 어떻게 이 기술과 공존하며 활용할지를 제시한다. AI 에이전트를 어떻게 설계하고, 통제하며, 활용할 것인가에 대한 해답을 찾을 수 있다.

인공지능 기술의 급격한 발전과 그 영향력을 다룬다. 트랜스포머와 대규모 언어 모델(LLM)의 등장으로 AI는 단순한 도구에서 자율적 에이전트로 진화했다. 기업과 개인은 이를 통해 생산성과 효율성을 극대화하고, 반복 업무부터 전략 수립까지 자동화할 수 있다. 그러나 AI의 자율성은 통제 불능의 위험을 내포하며, 윤리적·사회적 문제를 제기한다. AI 에이전트 시대에 어떻게 대응할지에 대한 통찰을 담았다.

박현아
오디오테크 스타트업 이어가다(Eargada) 공동대표다. 서울대학교 Human-Computer Interaction+ Design 연구실에서 박사 과정을 수료하고 KAIST 문화기술대학원에서 석사 학위를 받았다. 저서로 『인공지능, 말을 걸다』(2020), 『가나자와에서 일주일을』(2014)이 있다. “인공지능 대화형 에이전트의 지능적 속성에 대한 기대와 기대 격차”(2019) 등 다수의 인공지능 및 문화 콘텐츠 분야의 논문을 학술지에 게재했으며, “AI 에이전트의 성격 및 페르소나 설계” 등의 프로젝트를 수행했고, 실무에서 AI에이전트를 기획 및 개발했다. 한양대학교 문화콘텐츠학과 강의 경력이 있다.

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 위험성과윤리적 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

특히 올트먼은 2020년부터 2023년까지 미국 텍사스주와 일리노이주에서 저소득층 3000명을 대상으로 기본소득 실험을 진행했다. 이 중 1000명에게는 매달 1000달러를, 나머지 2000명에게는 대조군으로 매달 50달러를 지급했다. 실험 결과, 기본소득을 받은 그룹은 생활비 지출이 증가하고 구직 활동이 늘어나는 등 긍정적인 변화를 보였다. 그러나 일부 수혜자들은 추가 소득을 저축하기보다 지출을 우선시해 부채가 증가하고 순자산이 감소하기도 했다. 따라서 아직 기본소득 도입에 대해서는 좀 더 장기적인 효과를 확인할 필요가 있다는 것이 중론이다.
－09_“AI 에이전트의 잠재적 위험성과 윤리적 과제” 중에서