🦸🏻#3: 에이전트, 그리고 에이전틱 워크플로우 - 예시로 감 잡아봅시다!

글을 시작하며

‘에이전트 첫 번째 에피소드’에서는 ‘개방성 (Open-Endedness)’이라는 에이전트의 핵심 개념과 그 중요성, 역사적 맥락에 대해서, ‘에이전트 두 번째 에피소드’에서는 에이전트의 유형과 발전 단계 등을 이해하기 위한 틀로서의 핵심 용어를 알아봤는데요. 이 두 에피소드 모두 많은 분들이 메일로, 또 웹사이트에 방문해서 읽어주신 Top Post가 되었습니다. 확실히 ‘에이전트’에 대한 관심이 많으신 것 같습니다.

현재 AI 에이전트에 대한 용어들이 상당히 모호하게 사용되고 있고, 그 때문에 생기는 오해들도 있습니다. 단순히 용어에 대한 정의가 불분명해서 그런 경우도 있고, 특히 비즈니스의 세계에서는, ‘일부러’, ‘전략적으로’ 모호한 용어를 섞어서 사용하는 경우도 있으니까요.

지난 번 에피소드에 대한 피드백으로, “이런 용어들을 좀 더 생생하게 이해할 수 있게 구체적인 예시를 이야기해 주면 좋겠다”는 말씀들이 있었습니다. 먼저 피드백 주신 구독자분들께 진심으로 감사드리구요.

맞습니다. 사전에도 항상 ‘정의’와 함께 ‘예문’이라는게 붙어다니듯이, 예시가 있다면 훨씬 입체적인 이해를 할 수 있을 겁니다. 그래서 이번 세 번째 에피소드에서 이런 ‘에이전트의 유형별 예시’를 좀 들어보려고 합니다.

사실, AI 에이전트는 - 특히 일부 유형의 경우는 말이죠 - 이미 우리 주변에 많이 보고 쓸 수 있기도 한데요. 특히 수년 전과 비교한다면 최근 그 숫자도 늘어난 것 같고 말이죠. “왜 이렇게 AI 에이전트에 대해 많이 이야기를 하게 됐을까요?”라고 묻는다면, 단연 ‘생성형 AI’ 기술의 발전 때문이지 싶습니다. LLM은 AI 에이전트의 자율성, 그리고 (우리가 인식하는) 지능의 관점에서 엄청난 도약을 이뤄냈습니다. 거기에, 이제 멀티모달 모델 (Multi-modal Model)이 빠르게 성능의 개선을 이뤄내면서, AI 에이전트는 또 한 차례 도약을 앞두고 있습니다.

성능의 측면만 봐서는 안 되죠. LLM의 가장 큰 성과는 우리 사람이 AI와 상호작용하는 방식을 혁신한 것이기도 합니다. Zero-shot 프롬프팅을 넘어서서, LLM은 ‘생각 (생각의 정의나 범위에 대해서는 이론의 여지가 많이 있습니다 ^.^;)’하고, ‘연구’하고, ‘계획을 수정’하고, ‘반복적으로 개선’할 수 있는 ‘에이전트 워크플로우’의 기초이기도 합니다 - 이런 능력이 없이는 제대로 된 에이전트로 작동할 수가 없겠죠.

에이전트 워크플로우의 궁극적인 정점은 결국 ‘멀티 에이전트 시스템’일 겁니다. 멀티 에이전트 시스템에서는, 다수의 에이전트가 협력하면서 복잡한 작업을 운용 관리 가능한 하위 작업으로 나누죠. 이런 멀티 에이전트 구조가 만들어지면, 제어, 테스트, 유지보수 등의 작업을 원활하게 할 수 있으면서 동시에 병렬/순차적 작업 실행 등 정교하고 확장 가능한 워크플로우를 실현할 수 있습니다.

앞으로 LLM 에이전트 구조 안에서 ‘확률적 동작’이 반복되면서 오류의 위험이 중첩되는 것을 어떻게 해결할 것이냐 같은 중요한 과제가 있지만, 결국 멀티 에이전트 아키텍처로의 진화는 자연스러운 과정으로, 재사용도 가능하고 환경에 적응할 수 있는, 차세대 자율 시스템으로의 길을 열어줄 것입니다.

…쓰다보니 글을 마무리하는 듯한 표현이 되어 버렸는데 ^.^; 자, 에이전트, 그리고 에이전트 워크플로우가 어떤 건지 더 생생하게 이해할 수 있도록 예시들을 보러 갈까요?

이번 글의 목차는 아래와 같습니다:

• AI 에이전트의 구분

• 지금, 현실의 에이전트 예시

• 에이전틱 워크플로우란 무엇인가?

• 현재 있는 + 잠재적 미래의 멀티 에이전트 시스템 예시

• 맺으며: 아름답게 직조된, 예술과도 같은 지능의 복합체, 에이전트

AI 에이전트의 구분

지난 번 에피소드의 내용을 한 번 다시 돌이켜보자면, 모든 에이전트는 넓은 의미에서 ‘자율적 (Autonomous) 에이전트’에 속합니다 - ‘독립적으로 활동할 수 있는 능력'을 갖추고 있다는 의미에서 말이죠. 환경을 인식하고, 결정을 내리고, 특정한 목표를 달성하기 위해서 행동합니다.

이런 에이전트를, 학습 능력, 물리적 형태, 전문화의 정도, 작업의 복잡성 등 여러 특정에 따라서 구분할 수 있죠. 지능형 에이전트는 학습하고 적응하고, 합리적 에이전트는 주어진 지식을 바탕으로 최적의 결과를 내도록 합니다. 작업 지향적 에이전트, 봇, 단순 에이전트는 특정한 작업에 집중하는데, 그 적응 역량의 수준은 다양하구요. 스마트 에이전트는 다이나믹하게 변화하는 환경에서 작동하면서 피드백을 바탕으로 행동을 조정합니다. 구현형 (Embodied) 에이전트는 물리적 형태, 즉 몸체를 가지고 있는 반면에, 디지털 에이전트는 오로지 가상 공간에서만 존재합니다. AI 어시스턴트, 코파일럿, AI 페르소나는 사람과 상호작용을 해 가면서 다양한 수준의 전문과, 개인화를 달성합니다. 이런 여러가지 분류를 잘 살펴보면, 단순히 형태가 아니라, 자율성, 그리고 작업의 복잡성에 따라 에이전트의 정교한 구분이 된다는 걸 알 수 있습니다.

이런 범주의 구분이 서로 배타적인 것은 아니라는 점을 기억하는 것이 중요합니다. 현대의 AI 에이전트들은 하나의 범주에만 깔끔하게 맞아떨어지는 경우가 거의 없고, 여러 범주의 특성을 가지고 다양한 능력을 가진 하이브리드 형태로 나타나기도 합니다.

지금, 현실의 에이전트 예시

자, 이제 우리에게 익숙한, 그리고 루틴같은 일을 도와주는 몇 가지 에이전트를 살펴보면서 그 유형도 구분해 볼까요?

읽어주셔서 감사합니다. 친구와 동료 분들에게도 뉴스레터 추천해 주세요!