Offcanvas

AI / 데이터센터 / 신기술|미래 / 클라우드

칼럼 | 생성형 AI 에이전트 ‘에이전틱 AI’에 거는 기대

2024.06.10 David Linthicum  |  InfoWorld
빠르게 진화하는 클라우드 컴퓨팅 분야에서 생성형 AI 에이전트, 다른 말로 에이전틱 AI(agentic AI)가 등장해 클라우드 내 AI 활용 패러다임의 변화를 예고하고 있다. 

클라우드 컴퓨팅이 기술 환경을 변화시킨 것에 비유할 수 있을 정도다. 에이전틱 AI는 생성형 AI 아키텍처에 대한 접근 방식을 혁신할 수 있는 잠재력을 가지고 있다. 

먼저 에이전틱 AI가 모든 AI 배포에 적합한 만능 솔루션이 아니라는 점을 이해하는 것이 중요하다. 물론 에이전틱 AI는 놀라운 잠재력을 가지고 있다. 그러나 최신 인기 기술에는 으레 과대광고가 있기 마련이며, 여기에 현혹되기 쉽다. 이 글의 목표는 에이전틱 AI를 홍보하는 것이 아니다. 에이전틱 AI가 실행 가능한 아키텍처 선택지임을 알리는 동시에 단점도 공유하고자 한다.

자율성 혁명
에이전틱 AI의 핵심으로는 두 가지가 있다. 역동적이면서도 분산된 행동을 촉진하는 능력과 자율성이 그것이다. AI 에이전트는 사람의 상당한 개입이 필요했던 복잡한 작업을 독립적으로 시작, 계획, 완료할 수 있다. 이는 클라우드 아키텍트의 역할이 수동 작업 관리에서 AI가 수행한 복잡한 작업을 감독하는 것으로 바뀔 수 있다는 의미다.
 
생성형 AI 에이전트가 인프라 프로비저닝을 자율적으로 관리하고 워크로드 수요에 따라 리소스를 동적으로 확장하며 향상된 성능을 위해 구성을 최적화하는 시나리오를 그려볼 수 있겠다. 

에이전틱 AI와 AI 에이전트의 차이점
에이전틱 AI라는 용어는 좀더 광범위하고 발전된 개념적 프레임워크를 아우른다. 이는 포괄적인 자율 및 적응 기능을 갖춘 중요 시스템을 뜻한다. 반면 AI 에이전트는 에이전틱 AI 아키텍처의 일부로서, 특정 작업이나 기능을 수행하는 빌딩 블록이다. 이 시스템 내에서 특정 작업을 실행하는 운영 요소라고 할 수 있다. 에이전틱 AI와 AI 에이전트는 서로 연관되어 있지만 다르다.

즉 에이전틱 AI는 사람의 감독을 최소화하면서 복잡한 목표를 달성하고 워크플로를 관리하도록 설계된 인공지능 시스템이다. 맥락을 이해하고, 의사 결정을 내리고, 변화하는 상황에 적응하고, 다각적인 작업을 자율적으로 완료하는 고급 기능을 갖췄다고 할 수 있다.

에이전틱 AI의 중요한 특징 중 하나는 자율성이다. 에이전틱 AI의 요소 중 하나인 AI 에이전트는 사람의 지속적인 감독 없이 작업을 시작하고 실행하면서 독립적으로 작동할 수 있다. 이러한 독립성 덕분에 에이전트는 자신의 책임을 효율적으로 수행하고 다양한 상황에 신속하게 대응할 수 있다.

낯익은 개념으로 느껴질 수 있겠다. 실제로 에이전트의 사용은 수십 년 전부터 있었다. 새로운 가치를 구축하고 정의하기 위해 오래된 아키텍처 패턴의 먼지를 털어내고 있는 셈이다. 필자는 수년 동안 AI 기능을 사용하는 지능형 에이전트를 포함하여 에이전트를 아키텍처 옵션으로 사용해 왔다. 여기서 새로운 점은 생성형 AI(특히 대규모 언어 모델, LLM)를 사용한다는 것일 따름이다. 

에이전틱 AI의 작동 방식
이러한 에이전트의 두 가지 중요한 측면은 의사 결정 능력과 추론 능력이다. 에이전트에는 다양한 옵션을 평가하고, 균형을 맞추고, 새로운 상황에 효과적으로 대응할 수 있는 정교한 알고리즘이 탑재되어 있다. 내장 인공지능을 통해 이러한 작업을 수행할 수도 있지만, 대부분은 문제에 대한 의견을 얻기 위해 다른 LLM과 상의한다. 다수의 LLM에게 자문을 구한 다음 일관된 답변이 있는지 확인하는 것이다.

의사 결정 능력 외에도 AI 에이전트는 적응력이 뛰어나다. 변화하는 조건과 실시간 피드백에 따라 행동과 계획을 동적으로 조정할 수 있다. 이러한 적응성 덕분에 불안정한 환경에서도 효율적으로 작동하여 효율성과 효과를 유지할 수 있다.

가령 공급망 관리에 배치된 에이전틱 AI는 다양한 물류 작업을 자율적으로 처리하여 상품을 효율적으로 운송, 보관, 배송할 수 있도록 한다. 이러한 AI 에이전트는 재고 수준, 배송 일정, 실시간 기상 조건 등 다양한 소스의 데이터를 분석하고 조율한다.

한 글로벌 리테일 기업이 여러 지역의 공급망 운영을 관리하기 위해 에이전틱 AI를 활용한다고 가정해본다. 여러 유통 경로에 걸쳐 예기치 않은 중단을 초래하는 악천후에 어떻게 대응할 수 있을까? 아니면 팬데믹에는 어떨까? 

날씨의 경우 AI 에이전트는 실시간 교통 업데이트, 일기 예보, 항구 폐쇄 등을 신속하게 분석한다. 그런 다음 배송 경로를 동적으로 조정하여 영향을 덜 받는 지역으로 트럭의 경로를 변경하여 배송 지연을 방지하고 적시에 배송할 수 있다.

이러한 에이전트는 복잡한 목표를 추구하는 데도 능숙하다. 복잡한 다단계 프로세스와 워크플로우를 처리하고 여러 목표를 달성하기 위한 하위 목표를 설정하고 달성할 수 있다. 사람이 직접 개입해야 하는 복잡한 작업도 관리할 수 있다.

AI 에이전트는 고급 자연어 처리(NLP) 기능을 갖추고 있다. 인간의 언어를 이해하고, 해석하고, 생성하여 사용자 및 다른 시스템과 쉽게 상호 작용하고 소통할 수 있다. 또한 이러한 에이전트는 협업 및 반복적인 워크플로우에서 다른 AI 에이전트 또는 인간 운영자와 함께 작업한다. 지속적인 학습과 피드백을 통해 결과물을 개선하고 전반적인 성능을 향상시킨다.

생각보다 더 복잡
여러 장점을 놓고 보면 AI 에이전트는 오늘날 널리 사용되고 있어야 한다. 그러나 각종 쉽게 파악하기 어려운 단점들이 있다. 또 AI 에이전트를 구축하기 위해서는 도구가 필요하지만, 도구가 무엇인지, 어떻게 사용하는지에 대한 정보는 여기저기 흩어져 있다. 공급업체의 말에 현혹되지 않도록 주의가 필요하다. 

단점으로는 첫째, 이러한 도구는 작성 및 배포하기가 복잡하다는 현실이 있다. AI 에이전트를 설계할 수 있는 아키텍트와 AI 에이전트를 효과적으로 구축할 수 있는 개발자는 극히 드물다. 필자는 에이전트 기반 기술을 사용하겠다고 발표했지만 기대 효과에 훨씬 미치는 못하는 결과물 구축하는 팀을 종종 목격했다.

둘째, AI 에이전트에 많은 것을 내장할 수 없다. 만약 AI 에이전트가 비대해진다면 더 이상 에이전트가 아니다. AI 에이전트가 방대한 GPU 클러스터인 경우가 그렇다. 더 나은 방법은 에이전트 외부에 AI 솔루션을 배포하는 것이다. 이들이 ‘실제 작업’을 수행하는 많은 LLM과 상호 작용하는 등 더 무거운 처리 업무를 수행하도록 해야 한다.

AI와 클라우드 아키텍트가 그 가치를 이해하기 시작하면서 더 많은 에이전트형 AI 아키텍처가 등장할 것으로 예상한다. 필자는 이미 여러 프로젝트에 이를 통합했다. 현실에서 배운 교훈이 있다면, 모든 사람이 이점과 도전 과제를 이해하도록 해야 한다는 것이다. 또 이제는 가능성을 조사하고 에이전틱 AI의 길을 시작할 때라는 것이다. 행운을 빈다. 

* David S. Linthicum은 국제적으로 인정받는 컴퓨팅 산업 전문가다. ciokr@idg.co.kr
CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
Sponsored
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.