AI Agent 이해

 

1. Google AI Trends 2025

 

 

2. Agent란?

• 자율성 : 인간의 직접적인 개입 없이 스스로 판단하고 결정할 수 있음
• 도구(Tools) 사용 : 외부 환경과 지속적으로 상호 작용하며 데이터를 수집
• 목표 중심 : 목표를 달성하기 위한 최적의 행동을 계획
• 주변 환경 피드백 : 환경에 대한 피드백을 수용함으로써 보다 유동적인 역할을 수행

※ source : Google Agents whitepaper - https://cloud.google.com/resources/content/ai-agent-handbook

 

 

3. Agent의 부상

비교 항목	모델(LLM)	에이전트(Agent)
외부 지식 획득	학습 데이터에 한정됨	웹 검색, SQL 등 외부 도구로 지식 확장
복잡한 작업 처리	단순 질문-응답 위주	작업을 스스로 계획하고 실행 가능
추론 프레임워크	별도 프레임워크 구성 필요	추론 프레임워크가 내장되어 있음
계획 수립	자체 계획 수립이 어려움	스스로 계획을 수립하여 작업 진행
응답 시간	즉각적이고 고정적인 처리 시간	다단계 처리로 인해 유동적인 응답 시간
환경 대응	피드백 기능이 제한적임	주변 환경 피드백을 수용하여 유동적 대응

 

 

4. LLM 어플리케이션 개발 트렌드

날짜	주요 트렌드 / 이벤트
2022.11.30	ChatGPT 출시 (GPT-3.5): 생성형 AI 대중화의 시작
2023.03.14	GPT-4 및 ChatGPT 플러그인 지원: 외부 도구와 연동되는 생태계 구축 시작
2023.03 ~ 06	생태계 확장: ChatGPT API 공개, iOS 앱 출시, 웹 브라우징 기능 등 추가
2023년	RAG 구조 부상: 외부 데이터를 검색하여 답변의 정확도를 높이는 기술 표준화
2024년	RAG 고도화, Agent / 멀티에이전트: 단순 검색을 넘어 자율적 작업 수행 단계로 진화
2024.11	MCP (Anthropic) 공개: 모델과 데이터/도구 간 연결을 표준화하는 프로토콜 발표
2025.03	OpenAI, Agents SDK에 MCP 지원: 주요 리더들의 표준 프로토콜 채택 가속화
2025.04.09	Google, A2A 프로토콜 공개: 에이전트 간 통신(Agent-to-Agent) 표준 제시
2025년 ~	MCP / A2A 확산, Agentic AI 본격화: 인공지능이 스스로 판단하고 실행하는 시대 도래

 

 

5. ChatGPT 의 비즈니스 도입 (2023)

할루시네이션

• 할루시네이션은 모델이 잘못된 정보를 자신감 있게 제시

최신 정보의 반영 안됨

• 대규모 언어 모델의 학습 과정이 복잡, 시간과 리소스가 많이 소요됨
• 모델의 지식은 학습 데이터의 컷오프 날짜에 제한, 실시간 업데이트의 어려움으로 최신 정보 반영 지연

도메인 특화

• 일반적인 LLM은 광범위한 지식을 다루지만, 특정 기업이나 조직의 고유한 정보는 포함하지 않음
• 기업 특화 정보를 활용하기 위해서는 추가적인 파인튜닝이나 맞춤형 학습이 필요

지식의 불분명한 출처

• LLM은 학습 데이터에서 얻은 정보를 종합하여 답변을 생성하므로, 특정 정보의 정확한 출처를 제시하기 어려움

 

 

6. RAG

Retrieval (검색) - Augmented (증강) - Generation (생성)

- 기존의 LLM 답변 생성하는 과정에 검색을 추가하여 답변에 참고할만한 정보를 제공

 

7. 외부 도구 활용/연계의 필요성

• ㅇㅇㅇ 에 대해 웹 검색해줘
• 이메일로 조사한 내용을 보고서 형식으로 ㅇㅇㅇ 에게 발송해줘
• 그리고 오후 6시에 미팅 일정 추가해줘

 

8. Agent 동작 메커니즘

- 참고 논문 : https://arxiv.org/pdf/2210.03629

 

9. AI Agent 채택 이유

• 자율성: 인간의 개입 없이 독립적으로 작동
• 능동적인 문제 해결: 주어진 목표를 향해 스스로 계획을 세우고 작업을 진행, 복잡한 업무를 자동화
• 도구 활용 능력: 외부 시스템 및 도구와 통합하여 복잡한 작업을 수행할 수 있음
• 이행해야 하는 Task 를 명시하지 않고, 최종 목표(Final Goal) 를 전달
  • (예시) “AI Agent 시스템이 산업에 적용되고 있는 사례를 조사해서 보고서로 작성해줘”
• 동적 라우팅의 용이
  • (예시) 선택적 정보 검색: 내부 문서 검색, 웹 검색 등

 

10. 2025 Agent 도입 현황

 

11. 2025 Agent의 비즈니스 도입 확장의 해

• 글로벌 시장에서는 AI Agent가 다양한 분야에서 폭넓게 도입되고 있음
  • OpenAI
    • Deep Research: 심층적이고 복잡한 연구를 수행할 수 있는 새로운 AI 에이전트 "딥 리서치" 를 출시
    • Operator: 여행 숙박 예약, 레스토랑 예약, 온라인 쇼핑과 같은 작업을 자동화
  • Salesforce
    • 에이전트포스: 고객 서비스의 자동화를 실현하면서 실시간 데이터 분석으로 고객 맞춤형 응답을 제공하고, 고객 상호작용의 질을 크게 향상
  • Microsoft
    • 코파일럿 스튜디오: 사용자가 코딩 지식 없이도 자신만의 AI 에이전트를 생성하고 업무를 자동화할 수 있도록 지원
  • Anthropic
    • Computer Use: 사람처럼 컴퓨터를 조작하여 웹 서핑, 코딩, 그리고 다양한 앱 상호작용을 수행하며, 복잡한 작업을 자율적으로 해결하는 실험적 기술
  • Google
    • 프로젝트 자비스: 크롬 브라우저 기반으로 동작하며 개인 사용자 일상적인 작업들을 지원하는데 초점이 맞춰져 있음

 

• AI Agent가 탄력받는 이유
  • LLM 모델의 성능 고도화 
  • 단순한 챗봇 기능을 넘어서는 복잡한 작업에 대한 수요 증가 (전문 보고서, 투자 결정, 시뮬레이션 등)
  • 인간의 개입 최소화
  • 상호 작용