[JOB,GREEGI🎨] 2025년 AI 업계를 주도할 핵심 기술은? 💡

Agentic AI(에이전틱 AI)의 개념과 핵심 기술은?

2025. 1. 7.

Newsletter | January 2025

안녕하세요, 여러분! 오랜만에 인사드려요 😹

먼저 들어가기에 앞서 2025년 을사년 새해 복 많이 받으세요! 🧧

오늘은 2025년 AI 업계를 주도할 핵심 기술을 알려드릴게요.

Agentic AI(에이전틱 AI)는 인공지능 기술의 새로운 발전 단계로, 단순한 챗봇이나 대규모 언어 모델(LLM)을 넘어 자율적으로 목표를 설정하고 복잡한 작업을 수행할 수 있는 지능형 시스템을 말합니다. 이 기술은 2025년 AI 업계를 주도할 핵심 기술로 평가되고 있어요.

마이크로소프트는 2024년 11월 19일, 연례 기술 컨퍼런스인 '이그나이트 2024'를 성대히 개최하며, AI를 중심으로 한 80여 개의 새로운 제품과 업데이트를 공개했습니다. 사티아 나델라 마이크로소프트 CEO는 기조연설에서 "AI 에이전트(AI Agents)가 인공지능의 다음 진화 단계"라고 강조하며, 이를 통해 복잡한 다단계 문제를 자율적으로 해결하고 산업 전반에 혁신을 가져올 수 있음을 강조했습니다.

출처: AITimes.com

LLM에서 AI 시스템으로의 발전 💼

AI 기술이 발전하면서, 우리는 점점 더 똑똑하고 자율적인 시스템을 접하게 되었습니다. 그중에서도 LLM(대형 언어 모델)에서부터 AI 에이전트로의 진화 과정은 매우 흥미롭고 중요한 변화입니다. 이 과정을 이해하면 AI의 현재와 미래를 더 잘 파악할 수 있습니다. 이제 LLM에서 AI 에이전트로의 발전을 따라가 보겠습니다.

1. LLM: 단순히 응답하는 시스템

처음에는 대형 언어 모델(LLM)이 주로 단순히 프롬프트에 응답하는 역할만 했습니다. 이 모델은 방대한 훈련 데이터를 바탕으로 사용자가 입력한 텍스트에 대한 응답을 생성하는 방식으로 작동했죠. 사용자가 질문을 하면 LLM은 그에 맞는 텍스트를 출력합니다. 이 시기의 LLM은 그저 지식을 기반으로 질문에 답하는 시스템에 불과했습니다.

하지만 시간이 지나면서 LLM의 가능성은 점차 확대되었어요.

출처: 마이크로소프트

2. LLM + 도구 체인: 기능 확장

다음 단계에서는 LLM에 도구 체인이 추가되었습니다. 여기서 '도구 체인'이란, LLM이 외부 도구를 사용할 수 있게 하는 구조입니다. 예를 들어, RAG (검색 증강 생성) 방식은 LLM이 특정 문서 집합을 기반으로 지식을 확장하여 보다 정확하고 구체적인 답변을 제공하게 했습니다. 또한, API 도구를 통해 LLM이 티켓 생성, 이메일 전송 등의 작업을 할 수 있게 되었습니다.

이 방식의 핵심은 LLM이 미리 결정된 도구들을 사용하여 특정 작업을 더 효율적으로 처리한다는 점입니다. 하지만 여전히 이 과정에서의 행동은 고정적이고, 도구를 언제, 어떻게 사용할지에 대한 자율성은 없었습니다.

출처: 마이크로소프트

3. AI 에이전트: 자율성과 계획 수립

이제 AI 에이전트가 등장하면서 변화의 물결은 더 크게 일었습니다. AI 에이전트는 이제 단순히 도구를 사용하는 것이 아니라 문제를 이해하고, 이를 해결하기 위한 자율적인 계획을 세우고 실행합니다. 즉, AI 에이전트는 자신이 무엇을 해야 할지 스스로 결정하고, 필요한 도구를 언제 사용할지 자율적으로 판단합니다.

이 시점에서 중요한 점은 AI 에이전트가 복합적인 문제를 해결하는 능력을 가지고 있다는 것입니다. 단순한 도구 사용에 그치지 않고, 자신의 계획을 세우고 이를 실행하기 위해 필요한 도구를 선택하고 활용합니다. AI 에이전트는 이제 의사결정 능력과 자율성을 기반으로 한 진정한 '스마트 시스템'으로 발전한 것입니다.

출처: 마이크로소프트

그럼 이제 Agentic AI(AI Agent)의 주요 특징과 작동원리, 그리고 기존 생성형 AI와의 차이점에 대해 간략히 알아볼께요.

Agentic AI의 주요 특징

자율성: 인간의 직접적인 개입 없이 독립적으로 의사결정하고 행동할 수 있습니다.
목표 지향성: 주어진 목표를 달성하기 위해 계획을 수립하고 실행합니다.
환경 인식: 센서를 통해 주변 환경을 인식하고 데이터를 수집합니다.
학습 능력: 경험을 통해 지속적으로 학습하고 성능을 개선합니다.
다중 에이전트 구조: 여러 AI 에이전트가 각자의 역할을 수행하며 상호작용합니다.

Agentic AI의 작동 원리

Agentic AI는 다음과 같은 4단계 프로세스를 통해 작동합니다.

인식(Perceive): 환경으로부터 데이터를 수집합니다.
계획(Plan) 또는 추론(Reason): 수집된 데이터를 바탕으로 목표 달성을 위한 전략을 수립합니다.
실행(Execute) 또는 행동(Act): API를 통해 외부 도구와 소프트웨어를 활용하여 계획을 실행합니다.
학습(Learn): 피드백을 통해 지속적으로 모델을 개선합니다.

Agentic AI vs 생성형 AI

Agentic AI는 생성형 AI와 다음과 같은 차이점을 가집니다.

AI 에이전트는 어떻게 발전할까요? ⛳️

AI Agent는 스스로 문제를 해결하고, 사람의 개입 없이도 최적의 해결책을 찾을 수 있는 완전히 자율적인 존재로 발전할 것입니다. 우리는 이러한 변화의 흐름을 지켜보며, AI가 우리의 일상과 업무에 어떻게 영향을 미칠지 기대할 수 있습니다.

AI Agent들이 점점 더 발전하게 되면 어떻게 될까요? AI Agent가 발전하게 되면 더욱 효율적이고 똑똑한 시스템을 원하게 되겠죠? 그렇게 때문에 단순 작업을 하는 AI Agent를 중앙에서 관리할 수 있는 다중 에이전트 시스템은 복잡한 문제를 해결하고 다양한 작업을 동시에 처리할 수 있는 중요한 기술로 주목받고 있습니다.

많은 글로벌 기업들이 다중 에이전트 시스템을 준비하고 있는데요, 대표적인 기업이 바로 Microsoft예요. Microsoft가 개발한 AutoGen과 그 기반 위에 만들어진 Magnetic-One은 이러한 시스템의 중요한 발전을 보여줍니다. 이들 시스템이 어떻게 구성되어 있는지, 그리고 어떻게 활용될 수 있는지에 대해 자세히 알아보겠습니다.

AutoGen: 다중 에이전트 시스템의 기반

AutoGen은 Microsoft가 개발한 오픈소스 프레임워크로, 여러 개의 AI 에이전트를 효과적으로 협업하고 관리할 수 있도록 설계되었습니다. 이 프레임워크는 특히 복잡한 워크플로우를 처리하는 데 강력한 기능을 발휘합니다. 예를 들어, 한 가지 작업을 여러 에이전트가 협력하여 나누어 수행할 수 있도록 하여, 효율성과 생산성을 크게 향상시킬 수 있습니다.

AutoGen은 기본적으로 다중 에이전트 시스템의 구축을 지원하는데, 각 에이전트가 독립적으로 동작하면서도 다른 에이전트와의 협업을 통해 더 큰 목표를 달성할 수 있도록 합니다. 이를 통해 복잡한 문제를 해결하고, 다양한 작업을 동시에 처리하는 것이 가능해지죠.

Magnetic-One: AutoGen을 기반으로 한 진화

Microsoft Magnetic-One은 AutoGen을 기반으로 한 새로운 다중 에이전트 시스템입니다. 이 시스템은 여러 AI 에이전트가 협력하여 복잡한 작업을 처리하는 방식으로 설계되었습니다. Magnetic-One은 특히 웹과 파일 기반 환경에서 작업을 효율적으로 관리할 수 있도록 도와줍니다.

다양한 AI Agent들을 통합해서 관리하고 업무를 처리할 수 있습니다. 예를 들어 코딩을 도와주는 Agent 와 웹서핑을 하는 Agent, 파일을 처리하는 Agent와 동시에 협업을 하게 되는 거죠.

출처: 마이크로소프트

AI Agent 시대 어떻게 준비해야 할까요? 🤔

AI Agent는 이제 단순히 도구가 아니라 협업의 파트너로 자리 잡고 있습니다. 따라서 AI와 함께 일하는 방법을 배우는 것이 중요합니다. AI 보조 업무 시스템, 자동화된 의사 결정 등을 이해하고 활용하는 능력을 키워야 합니다.

AI Agent가 자율적으로 문제를 해결하는 능력을 가지고 있다고 해도, 인간의 창의적 사고와 전략적 계획이 여전히 중요한 역할을 합니다. AI와 함께 복잡한 문제를 해결하기 위해서는 창의적인 문제 해결 능력과 비판적 사고가 필수적입니다. AI가 제시하는 솔루션을 바탕으로 최적의 방향을 제시하는 능력을 갖추는 것이 중요합니다.

그리고, AI Agent의 도입으로 많은 직무가 자동화될 수 있습니다. 예를 들어, AI와 협업하는 데이터 분석가, AI 모델 관리 전문가, AI 윤리 전문가 등이 새로운 직업군으로 떠오를 수 있습니다. 직무 변화에 대비하기 위해 필요한 스킬을 학습하고, 변화를 기회로 활용하는 유연성을 갖추는 것이 중요합니다. 우리 모두 2025년에 새롭게 시작하면서 지속적인 학습을 해봐요!

그럼 다음 뉴스레터에서 만나요! 👋