25년 많은 조직이 주목하는 AI 관련 키워드는 무엇일까요? 아마 ‘AI 에이전트(AI Agent)’를 많은 이들의 관심이 몰리고 있을 것입니다.
Google Cloud Next ’24(이하 넥스트)를 관심 있게 보았다면 아마 “AI 에이전트”라는 용어가 낯설지 않을 것입니다.
넥스트 행사를 통해 다음과 같이 다양한 AI 에이전트를 소개한 바 있습니다.
이 개념을 놓고 거대 언어 모델(LLM) 기반 생성형 AI 기능을 갖춘 챗봇과 AI 에이전트의 차이를 궁금하셨던 분들이 많았을 텐데요.
오늘 게시글에서 이 두 모델의 차이점과 AI 에이전트를 쉽고 간단하게 만드는 방법까지 알아보겠습니다.
AI 에이전트란 무엇인가?
생성형 AI 기술이 비약적인 발전을 거듭하게 되면서, AI 에이전트가 새로운 패러다임을 주목을 받고 있습니다. AI 에이전트는 특정 작업 목표를 달성하기 위해 설계된 시스템으로, 주어진 작업을 수행하기 위해 필요한 다양한 도구를 활용합니다. AI 에이전트와 생성형 AI 챗봇의 가장 큰 차이점은 자율성에 있습니다. 생성형 AI 챗봇과 달리 AI 에이전트는 단순히 명령을 수행하는 것을 넘어, 주어진 환경에서 스스로 학습하고 판단하여 자율적으로 행동할 수 있는 능력을 갖추고 있습니다. 또한, AI 에이전트는 사용자나 다른 시스템이나 AI 에이전트와 상호 작용하며 정보를 교환하고 작업을 수행할 수도 있습니다.
자율성이 핵심
살펴본 바와 같이 AI 에이전트의 가장 큰 특징은 ‘자율성’입니다. 여기서 자율성은 두 가지 의미를 담고 있습니다. AI 에이전트의 자율성은 완전히 독립적인 의사 결정 능력을 의미하는 경우도 있고, 주어진 범위 내에서만 자율적으로 행동하는 것을 의미하는 경우도 있습니다. 예를 들어 도구를 사용해 정보를 요약하거나 결과를 제공하는 행위도 어느 정도 자율성을 가진 것으로 볼 수 있습니다. 쉽게 구분하자면 AI 에이전트의 종류와 목적에 따라 자율성의 정도가 달라질 수 있다고 보면 됩니다.
이미 우리 일상에 스며든 AI 에이전트
AI 에이전트는 일상 속 다양한 작업에서 활용될 수 있습니다. 가령 이메일을 분석해 중요한 메일을 기반으로 작업 목록을 생성하거나, 날씨 데이터를 활용해 정원 물 주는 시간을 자동으로 결정할 수 있습니다. 버그 리포트를 분석하고 필요한 정보를 자동으로 수집해 적합한 팀에 전달하거나, 개인화된 여행 일정을 추천하거나 날씨와 옷장 상태를 고려해 일일 옷차림을 제안하는 것도 좋은 예라 할 수 있습니다.
지금 당장 시작할 수 있는! AI 에이전트 구현
AI 에이전트를 만들기 위해 반드시 LLM이 필요한 것은 아닙니다. 간단한 알고리즘으로도 목표를 달성할 수 있습니다. 물론, LLM은 방대한 양의 텍스트 데이터를 학습하여 자연어 이해 및 생성 능력이 뛰어나므로, 복잡한 문제 해결에 유리합니다. 또한, 여러 AI 에이전트가 협업하며 문제를 해결하거나 결과를 개선하는 ‘멀티 AI 에이전트 간의 협업’ 방식도 가능합니다. 예를 들어 블로그 작성 에이전트와 검토 에이전트가 상호 피드백을 주고받으며 더 나은 결과물을 생성할 수 있습니다. 다양한 기술을 조합하면 더 효율적으로 AI 에이전트를 구현할 수 있습니다. 가령, LLM을 기존의 RPA, BERT와 같은 기술과 결합하여 AI 에이전트의 기능을 확장할 수 있습니다. 예를 들어, LLM을 활용하여 사용자의 의도를 파악하고, RPA를 통해 반복적인 작업을 자동화하는 방식으로 더욱 효율적인 에이전트를 구축할 수 있습니다.
AI 에이전트 구현을 위한 Vertex AI Agent Builder
AI 에이전트 구현을 지금 당장 실행할 수 있다고 앞서 이야기 했는데, 사실 처음부터 모든 것을 다해야 하는 경우 현실적인 어려움이 많습니다. 모델 선정, 프레임워크와 라이브러리 적용, 레거시나 도구와 연계 등 솔직히 해야 할 일도 많고 새로 배워야 할 것도 많습니다. 하지만 Google Cloud 환경에서 Vertex AI Agent Builder를 사용하면 누구나 당장 구현할 수 있습니다.
Google Cloud 환경에서 AI 에이전트를 구현하고자 한다면 작업과 목표를 명확하게 정의한 비즈니스 로직과 학습에 필요한 양질의 데이터를 준비하고 문제의 복잡성과 데이터 특성에 맞는 적절한 모델을 선택하고 나서 Vertex AI Agent Builder로 개발을 하면 됩니다. Google Cloud 환경에서 AI 에이전트는 주로 Vertex AI를 중심으로 설계, 구현할 수 있습니다. Vertex AI는 모델의 개발, 배포, 모니터링 등 MLOps 전반에 걸친 기능을 제공하여 모델의 수명 주기를 효율적으로 관리할 수 있도록 지원합니다. 또한, 이 플랫폼은 Vertex AI Agent Builder를 제공하는 데, 이를 통해 고객 질문에 자동으로 응답, 데이터를 분석해 의사 결정을 지원, 대규모 데이터를 처리하고 업무를 자동화 같은 복잡한 업무를 수행하는 AI 에이전트를 누구나 구현해 볼 수 있습니다.
이상으로 AI 에이전트의 개념과 이를 현실 세계에서 실현할 수 있도록 돕는 도구인 Vertex AI Agent Builder를 Google Cloud가 제공하고 있다는 것을 알아보았습니다. 더 자세한 내용이 궁금하거나 AI 에이전트 구현 PoC에 도전하고자 한다면 메가존소프트가 도움을 드리겠습니다. [ 문의하기 ]
