[AgenticAI/개념] Agentic AI란?
요즘 에이전트(Agent)라는 단어가 자주 사용되고 있습니다. ChatGPT 출시 이후 생성형 AI가 인공지능 분야뿐 아니라 일상생활에서도 큰 변화를 가져왔습니다. 이제는 에이전트가 또 다른 혁명을 일으킬 것이라는 기대감이 커지고 있습니다. 이번 글에서는 Agentic AI가 무엇인지, 기존 AI 에이전트와 어떤 점이 다른지, 그리고 관련된 활용 사례를 소개하겠습니다.
AI 어플리케이션의 발전
Agentic AI를 이해하기 전에 AI 어플리케이션의 발전 과정을 간단히 살펴보겠습니다. 아래 그림은 AI 어플리케이션의 발전 단계를 나타냅니다.
가장 기본적인 프로세스 자동화 방법은 프로세스 워크플로와 데이터를 결합하여 반복적인 작업을 위한 자동화 스크립트를 만드는 것이었습니다. 이에 더 발전한 형태로는 모델이 레이블이 된 데이터 세트에서 학습하여 예측 및 분류를 수행하는 supervised AI 기술이 있습니다. 세 번째 단계인 생성형 AI는 대규모 언어 모델을 도입하여 새로운 컨텐츠를 생성하는 것을 가능하게 하였습니다. 이제 마지막으로 소개드릴 단계가 바로 이번에 소개 드릴 agentic AI입니다.
위의 내용을 간단히 정리하면 다음과 같습니다.
- 프로세스 자동화: 반복 작업을 위한 자동화 스크립트를 작성하여 워크플로를 개선
- 지도학습(Supervised Learning): 레이블이 있는 데이터 세트를 기반으로 예측 및 분류를 수행
- 생성형 AI: 대규모 언어 모델(LLM)을 기반으로 새로운 콘텐츠 생성
- Agentic AI: 자율성을 갖춘 AI로, 목표를 설정하고 행동하며 학습까지 수행
Agentic AI란?
Agentic AI는 단순한 AI 시스템과는 차별화된 자율성을 가진 인공지능입니다. 이는 특정 목표를 달성하기 위해 결정을 내리고, 조치를 취하며, 스스로 학습하는 AI를 의미합니다. 이 개념은 전통적인 AI 에이전트(특히 강화학습에서 사용되는 에이전트)와는 다릅니다. 강화학습에서는 에이전트가 환경과 상호작용하며, 상태를 관찰하고 행동을 선택한 뒤, 보상을 기반으로 정책을 최적화하여 장기적인 누적 보상을 극대화하는 데 초점을 둡니다. 반면, Agentic AI는 특정한 보상 구조 없이도 목표를 스스로 설정하거나, 다양한 도구와 시스템을 활용해 더 복잡하고 유연한 문제를 해결할 수 있다는 점에서 차별화됩니다.
구글의 White Paper에서는 Agentic AI를 요리사에 비유해 설명합니다:
- 요리사는 고객의 주문과 식재료 정보를 수집(정보 수집)
- 수집한 정보를 바탕으로 어떤 요리를 만들지 결정(내부 추론)
- 재료를 손질하고 요리를 만들며(행동 실행)
- 중간중간 맛을 보고 조리 과정을 조정(피드백 및 조정)
Agentic AI는 이 모든 과정을 자율적으로 수행할 수 있는 AI입니다.
Agentic AI의 특성
Agentic AI는 다음과 같은 특성을 가집니다:
- 목표 지향적 행동: 주어진 목표를 달성하기 위해 환경을 관찰하고 도구를 활용
- 자율성: 인간의 개입 없이 작동하며, 목표를 향해 독립적으로 행동
- 스스로 학습 및 적응: 명시적인 지시 없이도 데이터를 기반으로 판단과 학습 가능
Agentic AI의 프로세스
Agentic AI는 아래 4단계 프로세스를 통해 문제를 해결합니다. 위에서 소개한 요리사 비유를 생각하시면 더 이해가 잘 되실 거라고 생각합니다!
- 인식(Perceive): 주변 세계로부터 데이터를 수집
- 추론(Reason): 데이터를 처리하여 상황을 이해하고 다음 행동 결정
- 행동(Act): 도구를 사용해 작업을 실행
- 학습(Learn): 피드백 루프를 통해 지속적으로 결과 개선
적용 사례
출처: https://github.com/ashishpatel26/500-AI-Agents-Projects
Agentic AI는 다양한 산업에 적용 가능하며, 그 가능성은 무궁무진합니다. 아래는 주요 사용 사례와 적용 가능한 산업 분야입니다.
| 사용 사례 | 산업 | 설명 |
|---|---|---|
| AI 건강 보조원 | 의료 | 환자 데이터를 사용하여 질병을 진단하고 모니터링합니다. |
| 자동화 거래 봇 | 금융 | 실시간 시장 분석으로 주식 거래를 자동화합니다. |
| 가상 AI 튜터 | 교육 | 사용자에게 맞춤화된 개인화된 교육을 제공합니다. |
| 24시간 연중무휴 AI 챗봇 | 고객 서비스 | 24시간 내내 고객 문의를 처리합니다. |
| 제품 추천 에이전트 | 소매 | 사용자 선호도 및 기록에 따라 제품을 제안합니다. |
| 자율주행 배달 에이전트 | 운송 | 경로를 최적화하고 자율적으로 패키지를 배달합니다. |
| 공장 공정 모니터링 에이전트 | 제조 | 생산 라인을 모니터링하고 품질 관리를 보장합니다. |
| 부동산 가격 책정 대행자 | 부동산 | 시장 동향을 분석하여 부동산 가격을 결정합니다. |
| 스마트 농장 도우미 | 농업 | 작물 건강 및 수확량 예측에 대한 통찰력을 제공합니다. |
| 에너지 수요 예측 에이전트 | 에너지 | 그리드 관리를 최적화하기 위해 에너지 사용량을 예측합니다. |
| 콘텐츠 개인화 에이전트 | 엔터테인먼트 | 선호도에 따라 개인화된 미디어를 추천합니다. |
| 법률 문서 검토 지원 | 법률 | 문서 검토를 자동화하고 주요 조항을 강조 표시합니다. |
| 채용 추천 에이전트 | 인사부 | 채용 공고에 가장 적합한 후보자를 추천합니다. |
| 가상 여행 도우미 | 호스피탈리티 | 선호도에 따라 여행 일정을 계획합니다. |
| AI 게임 동반 에이전트 | 게임 | 실시간 지원으로 플레이어 경험을 향상시킵니다. |
| 실시간 위협 탐지 에이전트 | 사이버 보안 | 잠재적 위협을 식별하고 공격을 완화합니다. |
| 전자상거래 개인 쇼핑 에이전트 | 전자상거래 | 고객이 좋아할 만한 상품을 찾을 수 있도록 도와줍니다. |
| 물류 최적화 에이전트 | 공급망 | 효율적인 배송 경로를 계획하고 재고를 관리합니다. |
추가로, GitHub 프로젝트 목록(링크)에서는 Agentic AI를 활용한 다양한 프로젝트를 확인할 수 있습니다.
추가 고려 사항
Agentic AI는 강력한 기술이지만 윤리적, 기술적 도전 과제를 동반하며, 사회적 영향 역시 고려해야 할 중요한 측면입니다.
- 윤리적 문제
- 책임 소재: 자율적으로 결정을 내리는 AI 시스템의 오작동이나 잘못된 판단으로 인해 발생하는 결과에 대해 누가 책임을 져야 하는지에 대한 논의가 필요합니다.
- 의도와 투명성: Agentic AI가 어떤 의도로 특정 행동을 결정했는지 설명할 수 있는 투명성을 보장해야 합니다. 이는 신뢰와 윤리적 사용을 위해 필수적입니다.
- 편향: AI의 자율적 학습 과정에서 기존 데이터의 편향이 강화되거나, 새로운 편향이 생길 위험성이 존재합니다.
- 기술적 문제
- 안정적 학습: 스스로 학습하는 Agentic AI가 안정적이고 효율적으로 목표를 학습하도록 보장하는 것은 기술적으로 도전 과제가 될 수 있습니다.
- 목표 설정의 모호성: 특정 목표를 설정하지 못하거나 목표를 왜곡하여 예상치 못한 행동을 할 가능성이 있습니다.
- 자원 소모: 자율적 학습과 복잡한 작업 처리를 위해 높은 연산 자원과 에너지가 필요해 시스템 설계와 운영의 효율성을 고려해야 합니다.
- 사회적 영향력
- 일자리 대체: Agentic AI의 도입은 단순한 반복 작업에서부터 고도의 판단력이 필요한 전문직까지 대체할 가능성을 지니고 있습니다. 예를 들어, AI 기반의 고객 서비스 챗봇, 자동화된 거래 시스템, 또는 법률 문서 검토 지원은 기존 일자리의 감소로 이어질 수 있습니다.
- 일자리 창출: 반대로, 새로운 기술과 시스템을 설계하고 유지보수하며 AI의 윤리적 사용을 감독하는 역할 등의 새로운 일자리를 창출할 가능성도 있습니다.
- 재교육의 필요성: Agentic AI로 인해 변화하는 고용 시장에 대응하기 위해 인력 재교육 및 새로운 기술 습득을 지원하는 프로그램이 중요해질 것입니다.
Agentic AI의 발전은 인간의 삶을 혁신적으로 변화시킬 잠재력을 가지고 있지만, 기술적 및 윤리적 문제를 해결하고 사회적 균형을 유지하기 위한 다각적인 노력이 필요할 것으로 보입니다.