에이전틱 AI

에이전틱 AI(Agentic AI)는 인간의 개입 없이 의사결정을 내리고 작업을 수행할 수 있는 자율 시스템에 초점을 맞춘 인공지능의 한 분야이다. 독립적인 시스템은 조건에 자동으로 반응하여 프로세스 결과를 생성한다. 이 분야는 프로세스 자동화에 적용될 때 에이전트 기반 프로세스 관리 시스템으로도 알려진 에이전틱 자동화와 밀접하게 연관되어 있다. 응용 분야로는 소프트웨어 개발, 고객 지원, 컴퓨터 보안 및 비즈니스 인텔리전스가 있다.

개요

에이전틱 AI의 핵심 개념은 인간의 개입 없이 자동화된 작업을 수행하기 위해 AI 에이전트를 사용하는 것이다.^[1] 로보틱 처리 자동화(RPA) 및 AI 에이전트는 특정 작업을 자동화하거나 규칙 기반 의사결정을 지원하도록 프로그래밍될 수 있지만, 규칙은 일반적으로 고정되어 있다.^[2] 에이전틱 AI는 외부 데이터 및 복잡한 데이터 세트의 지속적인 학습 및 분석을 통해 독립적으로 의사결정을 내린다.^[3] 작동하는 에이전트는 환경에 따라 자연어 처리, 기계 학습(ML), 컴퓨터 비전과 같은 다양한 AI 기술을 필요로 할 수 있다.^[1]

특히 강화 학습(RL)은 시행착오 방식을 통해 에이전트가 최적의 행동을 학습하도록 지원하여 에이전틱 AI가 자율적인 선택을 하는 데 필수적이다. RL을 사용하여 주변 환경을 지속적으로 탐색하는 에이전트는 행동에 대한 보상 또는 벌칙을 받게 되며, 이는 시간이 지남에 따라 의사결정 능력을 향상시킨다. 이와 동시에 규칙 기반 방식과 달리 딥 러닝은 다층 신경망을 통해 광범위하고 복잡한 데이터 세트에서 특징을 학습함으로써 에이전틱 AI를 지원한다. 따라서 RL과 딥 러닝의 결합은 AI 에이전트가 동적으로 조정하고, 절차를 최적화하며, 인간의 제한된 제어 하에 복잡한 행동을 수행하도록 지원한다.

역사

비영리 단체 METR의 그래프는 프론티어 모델이 50% 성공률로 실행할 수 있는 작업의 길이가 2019년부터 2024년까지 약 7개월마다 두 배로 증가했음을 보여준다. 음영 영역은 95% 신뢰 구간을 나타낸다.^[4]

일부 학자들은 에이전틱 AI의 개념적 뿌리를 앨런 튜링의 20세기 중반 기계 지능 연구와 노버트 위너의 피드백 시스템 연구로 거슬러 올라간다.^[5] 에이전트 기반 프로세스 관리 시스템이라는 용어는 1998년에 비즈니스 프로세스 관리에 자율 에이전트를 사용하는 개념을 설명하기 위해 사용되었다.^[6] 행위의 심리학적 원리는 사회학자 앨버트 반두라의 2008년 연구에서도 논의되었는데, 그는 인간이 환경을 어떻게 형성할 수 있는지 연구했다.^[7] 이 연구는 인간이 인공지능 에이전트를 모델링하고 개발하는 방식에 영향을 미쳤다.^[8]

에이전틱 AI의 추가적인 이정표로는 제한된 영역 내에서 에이전시가 어떻게 작동할 수 있는지 보여준 IBM의 딥 블루, 2000년대 기계 학습의 발전, 로봇 공학에 통합된 AI, 그리고 오픈AI의 GPT 모델 및 세일즈포스닷컴의 에이전트포스(Agentforce) 플랫폼과 같은 생성형 인공지능의 부상 등이 있다.^[5][9]

지난 10년간 AI의 상당한 발전은 에이전틱 AI의 발전을 촉진했다. 딥 러닝, 강화 학습, 인공 신경망의 획기적인 발전은 AI 시스템이 자체적으로 학습하고 인간의 최소한의 지도로 의사결정을 내릴 수 있도록 했다. 자율 운송, 산업 자동화, 맞춤형 의료 분야에서 에이전틱 AI의 통합 또한 그 타당성을 뒷받침했다. 무인 자동차는 복잡한 도로 시나리오를 처리하기 위해 에이전틱 AI를 사용한다.^[10]

2025년, 연구 회사 포레스터는 에이전틱 AI를 2025년의 주요 신흥 기술로 선정했다.^[11]

응용 분야

에이전틱 AI를 사용하는 응용 분야는 다음과 같다.

• 소프트웨어 개발 - AI 코딩 에이전트는 많은 양의 코드를 작성하고 검토할 수 있다. 에이전트는 코드에서 사양을 역공학하는 것과 같이 코드와 관련 없는 작업도 수행할 수 있다.^[11]
• 고객 지원 자동화 - AI 에이전트는 인간이 미리 프로그래밍한 제한된 답변 세트를 갖는 대신, 더 다양한 질문에 답변할 수 있는 챗봇의 능력을 향상시켜 고객 서비스를 개선할 수 있다.^[11]
• 기업 워크플로 - AI 에이전트는 특정 작업에 대해 미리 프로그래밍된 API가 필요한 회사와 달리, 풀링된 데이터를 처리하여 일상적인 작업을 자동으로 자동화할 수 있다.^[11]
• 사이버 보안 및 위협 탐지 - 사이버 보안을 위해 배포된 AI 에이전트는 실시간으로 위협을 자동으로 탐지하고 완화할 수 있다. 보안 대응도 위협 유형에 따라 자동화될 수 있다.^[11]
• 비즈니스 인텔리전스 - AI 에이전트는 비즈니스 인텔리전스를 지원하여 자연어 음성 프롬프트에 응답하는 것과 같이 더 유용한 분석을 생성할 수 있다.^[11]
• 실제 응용 - 에이전틱 AI는 이미 많은 실제 상황에서 복잡한 작업을 자동화하기 위해 산업 전반에 걸쳐 사용되고 있으며, 따라서 많은 부서 및 조직에 성공적으로 배포되었다. 몇 가지 예는 다음과 같다.
  • 제조 및 예측 유지보수 - 지멘스 AG는 에이전틱 AI를 사용하여 산업 장비의 실시간 센서 데이터를 분석하여 고장이 발생하기 전에 예측한다. 운영에 에이전틱 AI를 배포한 후 계획되지 않은 다운타임을 25% 줄였다.^[12]
  • 금융 및 알고리즘 트레이딩 - JP모건 체이스는 금융 서비스를 위한 다양한 도구를 개발했으며, 그 중 하나인 "LOXM"은 시장 변동성에 인간 트레이더보다 빠르게 적응하며 고빈도 거래를 자율적으로 실행한다.^[13]
  • 의료 진단 - 구글은 무어필드 안과 병원과 협력하여 3D 안구 스캔을 분석하여 안구 질환을 탐지했으며, 시험에서 94%의 정확도를 달성했다.^[14]
  • 소매 및 고객 서비스 - 월마트는 AI 챗봇을 사용하여 반품 및 재고 문의를 포함한 고객 문의의 80%를 자율적으로 처리한다.

관련 개념

에이전틱 자동화는 에이전틱 프로세스 자동화라고도 불리며, 워크플로를 생성하고 운영하기 위해 에이전틱 AI를 적용하는 것을 의미한다. 한 예로, 대형 언어 모델은 자동화된 (에이전틱) 워크플로를 구축하고 실행하여 인간의 개입 필요성을 줄이거나 없앨 수 있다.^[15]

에이전틱 AI는 의사결정 및 행동 수행 능력으로 특징지어지는 반면, 생성형 인공지능은 학습된 패턴을 기반으로 독창적인 콘텐츠를 생성하는 능력으로 구별된다.^[3]

로보틱 처리 자동화(RPA)는 소프트웨어 도구가 미리 정의된 워크플로와 구조화된 데이터 처리를 통해 반복적인 작업을 자동화하는 방법을 설명한다.^[2] RPA의 정적 지침은 그 가치를 제한한다. 에이전틱 AI는 더 동적이며, 문맥 분석을 포함한 비정형 데이터 처리 및 분석, 그리고 사용자와의 상호 작용을 허용한다.^[2]

같이 보기

• 지능형 에이전트
• 모델 컨텍스트 프로토콜
• 합리적 에이전트
• 소프트웨어 에이전트