생성 AI를 넘어서
AI의 혁신적인 잠재력은 인간의 감독 없이 자율적으로 작동할 수 있는 능력에 있습니다. 이러한 "Agentic AI" 비전은 이제 다양한 기업 응용 프로그램에서 접근 가능해지고 있습니다. Red Dragon AI의 CEO 샘 위트빈에 따르면, 향후 1년 반 동안 AI의 능력에 대한 이해를 재편성할 두 가지 주요 트렌드가 예상됩니다:
1. 모든 것에 에이전트: AI가 내장된 기존 소프트웨어 도구의 대안들이 등장하여 사용자가 복잡한 인터페이스나 프로그래밍 언어 대신 자연어를 통해 상호작용할 수 있게 될 것입니다.
2. 에이전트를 위한 빌딩 블록: 새로운 도구와 프레임워크의 세대가 등장하여 맞춤형 AI 에이전트를 쉽게 만들 수 있도록 지원함으로써 기업들이 AI 기반 전략을 전사적으로 구현할 수 있게 합니다.
이 기사는 Agentic AI의 함의를 탐구하는 일련의 첫 번째 기사로, 이를 통해 다양한 산업에서의 AI 도입의 다음 진화 단계에 대한 통찰을 제공합니다. 향후 몇 주 동안, 사이버 보안, IT 관리, 영업 및 마케팅을 포함한 조직 기능에 대한 Agentic AI의 영향을 분석하고, 진화하는 윤리적 및 규제 환경에 대해서도 살펴볼 것입니다.
ChatGPT 출시 이후, 다양한 산업의 기업들은 이미지 합성부터 고객 서비스 개선에 이르기까지 생성 AI를 통합하기 위해 서둘렀습니다. 많은 기업들이 상당한 ROI를 보고하고 있으며, 구글 클라우드 연구에 따르면 70%의 조직이 최소한 한 가지 AI 사용 사례로 혜택을 보고 있습니다. 맥킨지에 따르면, 생성 AI는 비즈니스 분야에서 2.6조 달러에서 4.4조 달러의 가치를 추가할 수 있으며, 직원의 업무량을 50%-70% 줄일 수 있습니다.
새로운 혁신의 물결인 Agentic AI는 챗봇과 콘텐츠 제작자의 능력을 초월할 것으로 기대됩니다. 사건을 자율적으로 모니터링하고, 결정을 내리며, 행동을 실행할 수 있는 애플리케이션을 통해 기업 운영을 근본적으로 변화시킬 것입니다. 예를 들어, 실시간으로 사이버 보안 위협을 감지하는 내장된 에이전트와 하이퍼 개인화된 캠페인을 생성하는 마케팅 AI가 있습니다. 이러한 변화는 단순한 기술 발전이 아니라 기업과 사회에 광범위한 영향을 미치는 패러다임 전환을 의미합니다.
Agentic AI 정의하기: 생성 AI와 전통적 자동화의 융합
Agentic AI는 전통적 자동화를 현대의 대형 언어 모델(LLM)과 결합하여 인간의 의사결정, 분석 및 창의적 프로세스를 모방하는 방식으로 활용합니다. 자동화 시스템의 개념은 새로운 것이 아니지만, Agentic AI는 Docker, Kubernetes 및 Terraform과 같은 자기 모니터링 및 자기 치유 기술을 통합하여 발전했습니다. 이러한 시스템들은 IT 운영을 간소화하여 사용자가 방대한 명령 시퀀스를 실행하지 않고도 원하는 결과를 정의할 수 있게 합니다.
전통적 자동화는 여전히 기술자들이 도구를 코드로 다뤄야 하므로 접근성에 한계가 있습니다. Agentic AI는 두 가지 주요 방식으로 이러한 장벽을 극복합니다: 상호작용이 훈련된 개발자에 국한되지 않으며, 정적인 스크립트가 특정 상황에 맞춰 생성된 LLM 코드를 대체합니다.
이 프레임워크에서 지능형 AI 에이전트는 자연어로 기술된 광범위한 목표를 부여받을 수 있습니다. 인간의 문제 해결 과정과 유사하게 평가 및 계획 과정을 반복합니다. 또한, AI 에이전트는 외부 도구와 상호작용하며 데이터를 질의하거나 단순한 요청 이상의 실제 행동을 시작할 수 있습니다.
예를 들어, 금융 부문에서 AI 에이전트는 지속적으로 시장을 모니터링하고 실시간 데이터 분석을 기반으로 자동으로 거래를 실행할 수 있습니다. 이러한 시스템은 어떤 인간보다도 방대한 정보를 더 효율적으로 처리하여 운영 효율성을 높이고 위험을 줄이며 결정을 개선합니다.
Agentic AI 시스템의 주요 속성:
- 생성: Agentic 시스템은 LLM을 단순한 출력 이상의 복잡한 워크플로의 일환으로 활용하여 인간의 추론을 근접하게 모사합니다.
- 도구 호출: 이들은 LLM의 추론에 따라 특정 도구나 API를 사용하여 데이터를 질의하고 이벤트를 유도합니다.
- 발견: 이 시스템은 다양한 출처에서 현실 세계의 데이터를 접근하여 작업에 필요한 정보를 자율적으로 결정합니다.
- 실행: AI 에이전트는 인간 개입 없이 의사소통이나 거래와 같은 행동을 취합니다.
- 자율성: 이 시스템은 외부의 자극 없이도 조건을 모니터링하고 필요 시 행동합니다.
- 계획: 이들은 전체 목표를 달성하기 위해 부가적인 작업을 우선 순위에 두고 관리합니다.
- 구성: Agentic 시스템은 특정 문제에 맞게 응답을 조정하기 위해 다양한 구성 요소를 통합할 수 있습니다.
- 기억력: 이들은 과거 작업에서 얻은 정보를 보유하고 활용하여 자율적으로 기능을 수행할 수 있는 내부 지식 표현을 구축합니다.
- 반추: Agentic 시스템은 자신의 출력을 평가하고 최적의 결과를 달성할 때까지 반복합니다.
기업 혁신
Agentic AI의 함의는 광범위하고 다면적이며, 조직은 빠르게 적응해야 합니다. 기술이 발전함에 따라 LLM과 관련된 오작동이나 비효율적 작동과 같은 도전 과제가 여전히 존재합니다. 그러나 지속적인 실험과 혁신을 통해 설계 및 통합이 향상될 것으로 기대됩니다. Langraph, Autogen, CrewAI와 같은 인기 프레임워크는 기업들이 Agentic AI의 가능성을 탐색할 수 있도록 길을 열어주고 있습니다.
다음은 Agentic AI의 즉각적인 영향의 몇 가지 예시입니다:
영업: Agentic AI는 리드 관리와 같은 프로세스를 자동화하여 영업 파이프라인을 혁신하고 있습니다. Conversica와 Relevance AI와 같은 도구는 AI 비서를 통해 리드를 소통하고 자격을 평가하며 영업 퍼널을 통해 관리하여 참여를 극대화하고 자격 있는 판매 기회를 증가시킵니다.
마케팅: Netcore의 Co-Marketer AI와 Salesforce의 Agentforce와 같은 도구는 하이퍼 개인화된 마케팅으로 고객 상호작용을 재정의하고 있습니다. 이러한 플랫폼은 브랜드가 사용자 행동에 따라 내용을 동적으로 조정하고 고객 여정을 최적화할 수 있도록 지원합니다.
사이버 보안: Darktrace 및 Vectra AI와 같은 회사들은 Agentic AI를 활용하여 네트워크 트래픽을 모니터링하고 자율적으로 위협에 대응하여 실시간 방어 능력을 강화하고 있습니다.
IT 운영: Qovery와 같은 플랫폼은 AI 에이전트를 사용하여 애플리케이션 배포, 자원 최적화 및 다운타임 관리를 최소한의 인간 감독으로 자동화하고 있습니다.
다음 단계는?
AI 에이전트가 계속 발전함에 따라 비즈니스 효율성, 민첩성 및 속도를 향상시킬 능력도 커질 것입니다. 그러나 Agentic AI를 구현하기 위해서는 신중한 고려와 맞춤화가 필요하며, 이러한 시스템들은 다양한 산업의 요구 사항에 맞춰 조정되어야 합니다.
이 시리즈는 기업들이 이러한 기술을 개발하는 방법, 구현에 사용할 수 있는 도구, 그리고 Agentic AI의 발전으로 가장 큰 혜택을 누릴 산업을 탐구할 것입니다. 마케팅, 영업, 사이버 보안, 고객 서비스 등의 분야가 어떻게 재편성될지와 책임 있는 AI 거버넌스를 보장하는 새로운 규제 프레임워크도 함께 살펴보겠습니다. AI 기반 비즈니스의 미래에 대한 통찰을 기대해주세요.
순위 목록
