AI 에이전트
한 줄 정의
목표를 달성하기 위해 상황을 판단하고 필요한 작업을 스스로 수행하는 AI 시스템
1. 비유로 이해하기
일반적인 AI를 “질문에 답해주는 전문가”라고 생각하면 쉽다.
예를 들어 내가 AI에게
“회사 소개 자료를 만들어줘.”
라고 요청하면, 일반적인 AI는 주어진 정보를 바탕으로 글이나 아이디어를 만들어주는 역할에 가깝다.
반면 AI 에이전트는 여기서 한 단계 더 나아간다.
목표를 달성하기 위해 필요한 일을 스스로 나누고, 현재 상황을 확인하면서 적절한 작업을 수행한다.
예를 들어 회사 소개 자료를 만들어야 한다면,
회사 정보 확인 → 필요한 자료 정리 → 부족한 정보 확인 → 적절한 도구 사용 → 결과 생성 → 결과 검토 → 다음 작업 수행
처럼 여러 단계를 거칠 수 있다.
쉽게 비유하면 일반적인 AI가 “질문을 받는 전문가”라면, AI 에이전트는 “목표를 받고 직접 일을 처리하는 실무자”에 가깝다.
다만 AI 에이전트가 항상 모든 일을 완전히 자율적으로 처리한다는 뜻은 아니다. 사람이 정한 목표, 규칙, 권한, 사용할 수 있는 도구 안에서 판단하고 행동하는 시스템이라는 점이 중요하다.
2. 왜 필요한가
LLM만으로도 질문에 답하거나 텍스트를 생성할 수 있지만, 실제 업무는 한 번의 답변으로 끝나지 않는 경우가 많다.
예를 들어 “최근 데이터를 조사해서 보고서를 만들어줘”라는 업무에는 검색, 데이터 확인, 분석, 문서 작성처럼 여러 단계가 필요하다.
AI 에이전트는 이런 작업을 하나의 목표 아래 연결해서 실행하는 역할을 할 수 있다.
특히 다음과 같은 상황에서 유용하다.
- 여러 단계를 거쳐야 하는 작업
- 외부 도구나 API를 사용해야 하는 작업
- 현재 상황을 확인하면서 다음 행동을 결정해야 하는 작업
- 결과를 보고 다시 판단하거나 수정해야 하는 작업
즉, AI 에이전트의 핵심은 단순히 “똑똑한 답변을 생성하는 것”이 아니라 “목표를 달성하기 위해 판단하고 행동하는 것”에 있다.
3. 어디서 만났나
AI 에이전트는 1회차에서 처음 접한 용어다.
별도의 리뷰 글을 작성하기 전 수업 과정명에 대해 공부했다.
4. 헷갈리는 개념
| 이 용어 | 비슷하지만 다른 것 | 차이 |
|---|---|---|
| AI 에이전트 | LLM | LLM은 언어를 이해하고 생성하는 모델이고, 에이전트는 LLM 등을 활용해 목표에 따라 작업을 수행하는 시스템이다. |
| AI 에이전트 | 챗봇 | 챗봇은 주로 대화와 응답에 초점이 있지만, 에이전트는 대화 외에도 도구 사용과 작업 실행을 포함할 수 있다. |
| AI 에이전트 | 자동화 워크플로우 | 정해진 순서대로 실행하는 자동화와 달리, 에이전트는 현재 상황이나 결과를 바탕으로 다음 행동을 판단할 수 있다. |
| AI 에이전트 | 프롬프트 | 프롬프트는 AI에게 전달하는 지시이고, 에이전트는 그 지시와 목표를 바탕으로 여러 행동을 수행하는 시스템이다. |
5. 많이들 오해하는 지점
AI 에이전트라는 말을 처음 접하면 다음과 같이 생각하기 쉽다.
“LLM이 충분히 똑똑해지면 그 자체가 AI 에이전트가 되는 것 아닐까?”
LLM은 에이전트를 구성하는 핵심 기술이 될 수 있지만, LLM 자체와 에이전트는 같은 개념이 아니다. 에이전트는 목표와 상태를 바탕으로 판단하고, 필요하면 도구를 사용하며, 그 결과를 보고 다음 행동을 이어가는 시스템으로 볼 수 있다.
“API를 호출할 수 있으면 모두 AI 에이전트인가?”
그렇지는 않다. 단순히 미리 정해진 조건에 따라 API를 한 번 호출하는 것은 일반적인 자동화나 함수 호출에 가까울 수 있다. 에이전트의 중요한 특징 중 하나는 주어진 목표와 상황을 바탕으로 무엇을 할지 결정하는 과정이 있다는 점이다.
“AI 에이전트는 사람이 전혀 개입하지 않아도 된다?”
반드시 그렇지는 않다. 실제 시스템에서는 중요한 작업의 승인, 권한 제한, 예외 처리, 결과 검토 등 사람이 개입하도록 설계할 수 있다. 자율성의 정도는 에이전트의 설계에 따라 달라진다.