사실, AI 에이전트는 새로운 개념이 아닙니다.

Siri와 같은 음성 비서나 Alexa, 지니와 같은 스마트 스피커의 초기 형태는 이미 우리 생활 속에 AI 에이전트의 존재를 보여주고 있었죠. 이러한 서비스들은 간단한 명령을 통해 일상 생활을 편리하게 만들겠다는 비전을 가지고 출시됐으나, 초기에는 사용자의 의도를 완전히 파악하고 이에 정확히 반응하는 데 필요한 자연어 처리 기술의 한계로 인해 완전한 성공을 이루지는 못했습니다.

그러나 생성형 AI의 등장으로 상황이 크게 변화했습니다. AI 기술이 발전함에 따라, 스마트폰, 노트북, 스마트워치, 웨어러블 기기, 로봇 등 다양한 디바이스와의 통합을 통해, 이제 AI는 우리 생활에서 맞춤형 비서 또는 집사로서의 역할을 훨씬 더 효과적으로 수행할 수 있게 되었죠.

이 시점에서 대형 언어 모델(Large Language Model, LLM) 기반의 AI 에이전트가 주목받기 시작했습니다. 이 글을 작성하는 오늘날에는 이미, AI 에이전트의 적용 범위가 얼마나 광범위하게 확장될 수 있을지에 대한 논의가 활발하게 이루어지고 있죠.

일각에서는 2025년 중반까지는 AI 에이전트가 다수의 기업에 적용되고 이를 기반으로 AI 에이전트 기반의 새로운 생산성 혁신을 경험하게 될 것이며, 이러한 경험은 AI 에이전트 기술의 확산을 가속화하여 2026년부터는 폭발적인 성장을 보여줘 새로운 컴퓨팅 경험을 제공할 것 이라는 의견도 있습니다.

이번 블로그 글에서는 AI 에이전트 개념 소개 및 AI 에이전트와 챗GPT의 다른 점을 알아보고, 기업에서는 AI 에이전트를 어떻게 활용할 수 있을지를 소개해보겠습니다.

📖 목차
• AI 에이전트란?
• 2024 3월 기준, AI 에이전트는 어디까지 발전했나요?
• AI Agent vs. ChatGPT
• AI Agent를 기업이 쓸 수 있을까요?
• 스켈터랩스의 AI Agent

‍

💡 AI 에이전트(AI Agent)란?

AI 에이전트 또는 자율 AI 에이전트는 사용자가 명령을 내리면 AI 에이전트가 ▲스스로 문제를 분석하여 ▲쉽게 해결 가능한 작은 단위의 문제로 분리하고 ▲외부 툴을 활용해 처리한 뒤 ▲반복적으로 결과물을 검토하고 ▲메모리에 저장해둔 사용자의 페르소나와 정보를 활용해 ▲답을 내어주는 기술입니다.

AI 에이전트의 핵심은, AI 에이전트가 단순한 질의응답 시스템을 넘어서, 사용자가 수행을 요구한 과업(Task)의 완료를 위해 활용가능한 여러 도구(Tool)와의 상호작용(Interaction)을 연쇄적으로, 자율적으로(Autonomously) 수행할 수 있는 기술이라는 점입니다.

정리하자면 “자율 AI 에이전트”의 특징은 다음과 같습니다:

• 과업을 수행하기 위해 도구와의 상호작용을 할 수 있음 
• 도구를 등록할 수 있으며, 개별 도구와의 상호작용을 LLM 등의 고성능 판단을 통해 효율적으로 분석할 수 있음 
• 최종 과업 이행까지 연쇄적으로 도구와의 상호작용을 반복할 수 있음

‍

💡 2024 3월 기준, AI 에이전트는 어디까지 발전했나요?

현재 AI 에이전트 기술은 초기 단계에 있습니다.

이 단계에서는 한정된 도구들을 조합해서 사용자에게 새로운 가치를 제공하는 데 집중하고 있습니다. 즉, AI 에이전트가 단순히 정보를 제공하는 것을 넘어서, 사용자의 요구를 더 정확하게 파악하고 만족시키는 것을 목표로 하고 있다는 뜻이죠.

예를 들어 사용자가 "회의 일정을 잡아줘" 하면 AI 에이전트가 참석자들의 가능한 시간을 조율하고, 최적의 회의 시간을 찾아내어 일정을 설정하고 참석자들에게 초대장을 보내는 과업까지 수행해내는 식입니다.

이렇듯 AI 에이전트 기술은 초기 단계에 있음에도 불구하고, 이미 사용자에게 전례 없는 새로운 가치를 제공하고 있습니다.

마치 LLM과 채팅 형식의 과업 지시라는 새로운 패러다임은 아직 자리를 잡은 지 1년도 채 되지 않았지만, 사용자 경험을 향상시키고 새로운 비즈니스 모델과 서비스 기회를 창출하는 데 이미 기여하고 있는 것과 비슷한 양상입니다.

그러나 AI 에이전트가 이보다 더 발전하기 위해서는, 아래와 같은 기술적 측면에서의 발전도 반드시 필요합니다:

첫째, 사용자의 요구를 정확히 파악하고 적합한 도구를 선택해 과제를 수행할 수 있는 지능을 제공하는 엔진 역할을 하는 LLM(대규모 언어 모델) 또는 판단 모델의 개선이 요구됩니다.

둘째, AI 에이전트가 다양한 도구와 서비스를 효율적으로 조합하고 관리할 수 있도록 지원하는 프레임워크의 개발이 필요합니다. 이 프레임워크는 사용자의 요구에 맞춰 적절한 도구를 선택하고, 이러한 도구들 간의 상호작용을 조정(orchestration)하는 역할을 담당합니다.

셋째, AI 에이전트가 기업의 데이터 및 시스템과 원활하게 상호작용하기 위해, 사용자 도구와의 통합 기술이 발전해야 합니다. 이는 표준화된 API 개발, 데이터 보안 및 프라이버시를 보장하는 기술적 해결책을 포함합니다.

‍

‍

💡 AI Agent vs. ChatGPT

AI 에이전트와 챗GPT는 다릅니다.

AI 에이전트의 핵심은 자율성과 상호작용 능력에 있으며, 이를 통해 사용자에게 맞춤화된 서비스를 제공하는 것입니다. 다시 말해 AI 에이전트는 단순한 질의응답 시스템을 넘어서, 사용자가 수행을 요구한 과업(Task)의 완료를 위해 활용가능한 여러 도구(Tool)와의 상호작용(Interaction)을 연쇄적으로, 자율적으로(Autonomously) 수행할 수 있는 기술이라는 점이 중요합니다.

오늘날의 챗GPT 웹서비스나 Microsoft Copilot 무료 버전은 그렇지 않죠.

챗GPT 웹서비스와 같은 서비스는 주로 단일 플러그인을 사용하여 질문에 답변하는 반면, AI 에이전트는 여러 플러그인을 동시에 활용할 수 있는 능력을 가지고 있습니다. MS Copilot 무료 버전은 그 활용이 서비스 제공사에서 준비 및 제휴한 도구로, 그 기능이 한정적입니다. 이러한 제약을 걷어내는 것이 진정한 의미에서의 자율 AI 에이전트라 볼 수 있을 것입니다.

‍

💡 AI 에이전트를 기업이 쓸 수 있을까요?

네, 가능합니다.

기술을 통해 사용자 경험을 개선하고자 한다면, 어떤 기업이든 AI 에이전트를 활용할 수 있습니다. 특히, 오늘날 AI 에이전트는 주로 챗봇 또는 온디바이스 AI에 접목해 활용되고 있죠.

예를 들어 봅시다.만약 AI 에이전트가 챗봇에 접목된다면 어떤 일이 생길까요?

기업은 챗봇에 필요한 기능을 플러그인처럼 손쉽게 추가할 수 있을 것 입니다. 맞춤형 챗봇을 구축하는 일이 레고 블록을 조립하듯 간편해졌으며, 기업의 구체적인 요구사항에 부합하는 챗봇을 신속하게 개발할 수 있는 길이 열린 것이죠.

뿐만 아니라 단순 질의응답 수준에서 더 나아가 실제 과업을 완수할 수 있을 것 입니다. 업무 프로세스의 일부를 자동화하여 인력을 보완하고 효율을 극대화하는 데 크게 기여할 수 있죠.

기존 LLM 챗봇은 제품을 검색하고 결과를 받아 구매 링크가 안내되는 방식이었다면, AI 에이전트 도입 이후에는 사용자의 상황과 요구를 파악해 그에 맞는 제품을 찾아주고 상세 정보를 제공할 뿐 아니라 제품을 장바구니에 추가하는 등 구매 관련 동작을 수행하는 데도 도움을 줄 수 있습니다.

예를 들어, 사용자가 "출퇴근용 자동차를 알아보고 있어"라고 하면, AI 에이전트가 사용자의 상황과 요구 사항을 분석하여, 예산, 연비, 차량 유형 등을 고려한 맞춤형 자동차 추천 목록을 제공하고, 관심 있는 모델에 대한 상세 정보와 함께 가까운 딜러 정보까지 연결해주는 과업까지 수행해낼 수 있습니다.

또는, 프로젝트 매니저가 "Integration 로딩 오류 관련 Jira 티켓 생성해줘"라고 하면, AI 에이전트가 기업 내부 상황을 분석하여, 현재 진행하고 있는 프로젝트 리스트, 담당자, 오류 사항 등 을 고려해 Jira 티켓을 생성하고 링크까지 공유해주는 과업도 수행할 수 있습니다.

이처럼, AI 에이전트의 적용 분야는 매우 다양해 서비스 개선, 업무 자동화, 사용자 경험 혁신 등 업종에 상관없이 여러 방면으로 활용될 수 있습니다.

‍

💡 스켈터랩스의 AI 에이전트

스켈터랩스 또한 기업용 LLM 제품군인 BELLA에 AI 에이전트를 접목했습니다.

스켈터랩스는 기업 환경에서 자주 사용하거나 활용 가능한 여러 도구(Plugin)와의 상호작용을 통해 업무 생산성과 효율성을 크게 향상시킬 뿐만 아니라 사용자에게 의미 있는 End-to-end 경험 제공을 목표로 했는데요.

지난 8년 간 ▲자연어 처리(NLP) ▲자연어 이해(NLU) ▲인텐트 분류 ▲기계독해(MRC) 등의 기술을 기반으로 다양한 대화형 AI 제품 라인을 전개하며 LLM 생태계 활성화에 힘쓰고 있는 만큼, 이번 AI 에이전트 접목을 통해 AI 기술의 실용적 적용을 확장할 계획입니다.

📍더 자세한 내용은 ‘"車 살까 해" 한마디면 끝…스켈터랩스 기업용 챗봇 솔루션에 AI에이전트’ 기사에서 확인하실 수 있습니다.

‍

References
스켈터랩스 NLP팀 변규홍 리더

‍

‍