에이전틱 AI: 정의, 작동 원리, 예시

상세 정의

에이전틱 AI(영문 agentic AI)는 제한적인 사람의 감독 아래 여러 단계를 거쳐 목표를 달성하도록 설계된 인공지능 시스템을 가리킵니다. IBM은 이를 제한된 감독 아래 여러 가능한 행동을 평가하고 가장 적절한 것을 선택해 특정 목표를 달성할 수 있는 시스템으로 정의합니다. 마이크로소프트도 비슷한 입장이며, '에이전시(agentivité)'를 가진 AI 시스템, 즉 목표를 추구하며 독립적으로 판단하고 행동할 수 있는 능력을 가진 시스템이라고 설명합니다.

제품이 아니라 하나의 범주입니다. 에이전틱한 요소가 전혀 없는 챗봇을 만들 수도 있고, 완전히 에이전틱한 에이전트를 만들 수도 있습니다. 어떤 시스템을 에이전틱한 쪽으로 분류하려면 세 가지 요소가 함께 갖춰져야 합니다. 단일 질문이 아닌 주어진 목표, 그 목표를 연속된 행동으로 분해하는 능력, 그리고 텍스트 응답에 그치지 않고 도구를 통해 그 행동을 실제로 실행하는 것입니다.

이 개념은 LLM과 함께 생겨난 것이 아닙니다. 러셀과 노빅이 정립한 합리적 에이전트라는 더 오래된 인공지능 개념을 잇고 있습니다. 에이전트는 센서로 환경을 인지하고 이펙터로 그 환경에 행동을 가하며, 알고 있는 정보를 바탕으로 가능한 최선의 결과를 추구합니다. 최근 언어 모델과 함께 달라진 점은, 에이전트의 '두뇌'가 이제 자연어로 추론하고, 문서를 읽고, 각 경우마다 미리 코딩된 규칙 없이도 도구 호출 여부를 판단할 수 있게 되었다는 것입니다. 두 개념을 자세히 비교한 내용은 생성형 AI 대 에이전틱 AI 페이지도 참고하세요.

작동 원리

기술적인 설명들은 4단계 루프로 수렴합니다. 마이크로소프트는 이를 인지(데이터와 신호 수집), 추론(계획 수립), 실행(도구와 API를 통한 실행), 성찰(결과 평가와 조정)로 요약합니다. 구글 클라우드도 비슷한 루프를 설명합니다. 인지, 판단, 실행 순서로 이루어지며, 그 결과가 다시 다음 인지로 이어집니다.

이 루프를 가능하게 하는 것은 네 가지 요소입니다.

• 계획 수립: 시스템은 모호한 목표를 구체적인 일련의 단계로 나누고, 한 단계가 실패하면 계획을 수정할 수 있습니다.
• 도구 사용: 에이전트는 무엇을 해야 하는지 설명하는 데 그치지 않고, API를 호출하고 데이터베이스를 조회하며 메시지를 보냅니다.
• 기억: 진행 중인 작업의 맥락을 유지하는 단기 기억과, 세션을 넘어 프로젝트의 맥락을 기억하는 장기 기억이 있습니다.
• 자율성: 전부 아니면 전무의 문제가 아닙니다. 검증할 행동을 제안하는 단순한 어시스턴트부터, 실행하되 정말 중요한 결정만 보고하는 에이전트까지 폭넓게 걸쳐 있습니다.

바로 여기서 현재 시장의 진짜 경계선이 드러납니다. 한쪽에는 근본적인 목표를 부여받아 스스로 경로를 선택하고, 자체 실행 환경에서 계속 작동하며, 특정 판단이 필요할 때만 사람을 찾는 비동기 자율 에이전트가 있습니다. 다른 한쪽에는 메이크, n8n, 재피어, 린디, 코파일럿 스튜디오, 에이전트포스 같은 도구 위에 구축되어, 트리거가 대체로 미리 정해진 단계 순서를 실행시키는 트리거 기반 에이전트 워크플로가 있습니다. 두 범주 모두 정당하며 서로 다른 필요에 응답합니다. 어느 도구가 더 낫고 못하고의 문제가 아니라, 어느 정도의 자율성을 원하는지의 문제입니다.

아타코의 실제 사례

아타코에서 기업이 만든 에이전트는 공유 워커 풀이 아니라 자체 격리 실행 환경에서 작동합니다. 이런 지속성이 모든 것을 바꿉니다. 에이전트의 기억, 파일, 예약 작업은 일시 중지와 재시작을 거쳐도 그대로 유지됩니다. 한 번 답하고 잊어버리는 대신 장기적으로 목표를 추구하는 시스템에서 기대할 수 있는 모습 그대로입니다.

구체적으로, 하나의 AI 에이전트는 채팅, 이메일, 웹훅, 크론이라는 네 개의 채널을 통해 요청을 받으며, 이 채널들은 모두 같은 기억을 공유합니다. 크론 채널은 에이전틱한 논리를 잘 보여줍니다. 예약 작업은 사람이 양식에 설정하는 것이 아니라, 정기적인 점검이 목표 달성 계획의 일부라고 에이전트 스스로 판단할 때 에이전트가 직접 만듭니다. 복잡한 하위 작업의 경우 에이전트는 임시 하위 에이전트에 위임할 수도 있으며, 그 작업은 자체 활동 타임라인에 단계로 나타납니다.

이런 자율성에도 테두리는 있습니다. 모든 도구 호출은 명시적인 그랜트(에이전트, 연결, 구체적인 행동, 읽기 또는 읽기-쓰기 범위)를 거쳐야 하며, 부여되기 전까지는 기본적으로 거부됩니다. CI 및 인시던트 트리아지 같은 유즈케이스는 이런 작동 방식을 실제로 보여줍니다. 에이전트는 파이프라인을 감시하고, 오류를 최근 커밋과 연관 짓고, 팀에 알리고, 보고서를 작성합니다. 목표를 향한 여러 단계가 이어지는 가운데, 중요한 지점에서는 사람이 개입할 여지를 남겨둡니다.

흔한 오해

가장 흔한 오해는 프롬프트에 똑똑하게 답하는 모든 도구를 '에이전틱'이라고 부르는 것입니다. 문서를 요약하는 훌륭한 챗봇도, 아무것도 계획하지 않고 대화 밖에서 아무 행동도 하지 않는다면 에이전틱하지 않습니다. 반대로, 감독 없이 처음부터 끝까지 자동화되어 있어도 고정된 규칙의 흐름은 온전한 의미의 에이전틱이 아닙니다. 판단이 빠져 있기 때문입니다.

두 번째 오해는 자율성을 켜고 끄는 단일 스위치로 여기는 것입니다. 실제로는 스펙트럼입니다. 시스템은 행동을 계획하고 민감한 실행마다 검증을 제안할 수도 있고, 훨씬 더 나아가 정말 중요한 결정만 보고할 수도 있습니다. 이 두 극단을 혼동하면 실제로 자율적인 시스템을 과소평가하거나, 단순한 코파일럿을 마치 혼자 행동하는 것처럼 과장하는 결과로 이어집니다.

세 번째 함정은 '에이전틱'과 '생성형'이 서로 대립한다고 생각하는 것입니다. 실제로는 IBM이 짚듯이 두 개념은 상당 부분 겹치며 함께 작동하는 경우가 많습니다. 생성형 모델이 에이전틱 시스템 안에서 추론 엔진 역할을 하는 것이죠. 자세한 비교는 생성형 AI 대 에이전틱 AI 페이지를 참고하세요.

더 알아보기

단순 생성형 모델과의 차이를 더 깊이 알아보고 싶다면, 생성형 AI 대 에이전틱 AI 페이지에서 둘을 인위적으로 대립시키지 않으면서 각각의 경계를 자세히 다룹니다. 관련 블로그 글인 생성형 AI 대 자율 에이전트, 진짜 차이점은 아타코의 사례보다 더 폭넓은 예시로 같은 주제를 다룹니다. 전체 용어집에서는 에이전트 오케스트레이션이나 자율 AI 에이전트 같은 관련 개념도 다루고 있어, 이 분야 전체 용어 안에서 에이전틱 AI가 어디에 위치하는지 파악할 수 있습니다.