에이전트형 AI: 차세대 수조 달러 규모 효율성 향상 전략

LLM에서 AI 에이전트로

인공지능의 성능은 인공 시스템이 사람과 상호 작용하는 능력에 대한 우리의 인식을 바꿔놓았는데, 이는 ChatGPT와 같은 대규모 언어 모델(LLM)에서 나오는 거의 인간과 같은 음성 덕분입니다.

이미 이 정도 수준의 역량을 갖춘 AI는 번역, 데이터 검색, 프로그래밍 등과 같은 작업에서 인간을 보조하거나 심지어 대체할 수 있습니다. 하지만 AI 에이전트를 통해 AI의 새로운 차원의 가능성이 열리고 있습니다. AI 에이전트의 핵심 아이디어는 주어진 환경에서 독립적으로 작동할 수 있는 AI를 만드는 것입니다. 이를 통해 AI는 지속적인 확인이나 감독 없이도 스스로 행동을 취할 수 있습니다.

이러한 특징 덕분에 LLM이나 이미지 생성기와 같은 생성형 AI와는 매우 다른 실질적인 역할을 수행할 수 있습니다. 생성형 AI는 주로 인간이 만든 프롬프트에 반응하는 역할을 합니다.

이러한 맥락에서 "환경"은 자율주행 차량의 경우 도로 위의 자동차와 같은 현실 세계의 특정 상황을 의미할 수도 있고, 특정 소프트웨어 제품군이나 디지털 인터페이스와 같은 완전히 가상적인 "장소"를 의미할 수도 있습니다.

이는 AI가 '채팅'에서 '실행'으로 진화하는 단계입니다. 일반적인 LLM과 달리 AI 에이전트는 종종 더 제한적이고 협소한 범위를 갖습니다. 이는 자율적인 의사 결정을 내릴 때 더 효율적이고 신뢰할 수 있도록 도와주며, 일반적인 AI는 예상치 못한 방향으로 나아가기 쉽습니다.

AI 에이전트는 수많은 프로세스의 효율성을 향상시키는 데 AI를 유용하게 만드는 다음 단계입니다.

AI 에이전트 설명

스크롤하려면 스와이프하세요 →

인공지능 에이전트는 새로운 혁신인가, 아니면 진화인가?

이러한 기능 덕분에 AI 에이전트는 더욱 능동적인 능력, 자율성, 그리고 복잡하고 여러 단계를 거치는 작업을 처리할 수 있는 능력을 갖추게 되어, 이전의 AI 도구들(예: 어시스턴트 및 봇)보다 한 단계 더 발전했습니다.

진정한 지능처럼, 그들은 스스로를 다듬을 수 있습니다. 경험을 통해 배우고, 피드백에 따라 행동을 조정하며, 시간이 지남에 따라 수행 능력을 지속적으로 향상시킵니다.

따라서 봇과 AI 비서가 여러 가지를 충족할 수 있지만 부품 인공지능 에이전트에게 주어지는 작업 중 자율성, 능동적인 접근 방식, 그리고 높은 수준의 복잡성은 에이전트를 이전 단계의 자동화와 차별화합니다. 이러한 특징 덕분에 에이전트는 적어도 훈련받은 특정 작업에 있어서는 실제 인간 작업자에 훨씬 더 가까워집니다.

자율 AI 에이전트는 어떻게 다양한 산업 분야에서 확장될 것인가?

현대 생활은 단순한 자동화 스크립트로는 처리하기에는 다소 복잡하지만 사람이 하기에는 지루한 반복적인 작업들로 가득 차 있습니다. 이러한 이유로 AI 에이전트는 고객에게 문제 해결 알고리즘을 안내하는 것부터 고속도로에서 트럭을 운전하는 것까지, 반복적이고 판단이 필요한 워크플로에 특히 적합합니다.

인간과 달리 이러한 AI 에이전트는 24시간 내내 작동할 수 있으며 추가적인 부담 없이 즉시 확장할 수 있습니다.

인공지능의 발전 수준을 분류하는 방법은 다양합니다. 일반적으로 인공지능의 능력은 일반 인구의 능력과 비교되는 경향이 있습니다. 최신 인공지능 에이전트는 특정 분야의 작업에서 일반 인구의 50~90% 수준에 도달하고 있습니다.

이러한 "레벨 2-3" AI 에이전트는 일반적으로 AI 발전의 중간 지점으로 여겨지며, 단지 시작 단계에 불과합니다. AGI(인공일반지능).

새롭게 부상하는 아키텍처는 여러 개의 전문화된 AI 에이전트를 구축하고, 각 에이전트가 인간 작업자와 유사한 수준으로 특정 작업을 처리하도록 하는 것입니다. 더욱 복잡한 워크플로우의 경우, 일련의 AI 에이전트들이 순차적으로 협력하여 더 큰 작업을 더 작은 하위 작업으로 분해함으로써 전체적인 작업을 수행합니다.

AI 플랫폼의 도움을 받아 내부적으로 개발된 맞춤형 에이전트는 코딩 에이전트가 기업용 앱 개발의 복잡성을 줄여줌에 따라 더욱 보편화될 가능성이 높습니다.

인공지능과 인간의 효율성을 동시에 향상시키는 방법

일반 인공지능에 비해 AI 에이전트의 또 다른 장점은 효율성입니다. AI 에이전트는 한 가지 작업에 탁월하며, 불필요한 기능에 얽매이지 않습니다.

예를 들어, 운전만 전문적으로 하는 AI 에이전트는 인간처럼 운전할 수는 있지만, 추론 능력과 같은 다른 인간적인 능력은 전혀 없을 수 있습니다. 도로 상황을 "이해"할 수는 있겠지만, 원활한 대화를 나누거나, 명령어를 통해 이미지를 생성하거나, 대규모 데이터베이스를 처리하는 방법은 알지 못할 것입니다.

따라서 이 모델은 작동하는 데 필요한 메모리와 컴퓨팅 성능이 적습니다. 결과적으로 하드웨어 요구 사항과 작업 수행에 필요한 에너지 소비량이 줄어듭니다.

어느 정도의 자율권을 주어야 할까요?

인공지능 에이전트의 자율성이 클수록 가장 큰 장점이지만, 동시에 도입에 걸림돌이 될 수도 있습니다.

아무리 유능하고 신뢰할 수 있는 AI 에이전트라 할지라도 현실 세계에 큰 영향을 미치는 결정을 내리는 데 전적으로 신뢰를 줄 수는 없습니다. 개선된 챗봇을 고객 서비스 업무에 활용하는 것과 수천 명의 직원에 대한 급여 지급을 맡기는 것은 완전히 다른 문제입니다.

인공지능 의사결정의 질이 향상되고 이에 대한 이해도가 높아짐에 따라 당국은 인공지능의 의사결정에 더 많은 재량권을 부여할 가능성이 높습니다. 그러나 이는 인공지능 행위에 대한 책임과 관련하여 흥미로운 법적, 윤리적 문제를 제기합니다.

명확한 법적 틀을 마련해야 할 필요가 있습니다. 예를 들어, 자율주행차가 사고를 냈을 경우, 인공지능 에이전트 제공업체가 책임을 져야 할까요? 자율주행이 심화될수록, 그 결정들은 실제 사람들에게 영향을 미치고 막대한 법적 책임으로 이어질 수 있습니다.

이는 신분 도용이나 자동화된 사기 행위와 같은 오용 문제도 포함합니다. 이러한 문제들은 입법적인 문제이지만, 기술 발전은 규제보다 훨씬 빠르게 진행됩니다.

인공지능 에이전트의 미래

인공지능 에이전트가 특정 분야에 특화된 전문가가 될 수 있을까?

앞서 설명했듯이 초기 AI 에이전트는 효율성과 신뢰성을 확보하기 위해 제한적인 기능을 수행합니다. 그러나 고수준 AI 에이전트는 맥락 이해, 과거 결정에 대한 기억, 그리고 작업의 연속성을 필요로 할 것입니다.

처음에는 인간의 도움을 받아 이 작업을 수행할 수도 있는데, 이때 인간은 직접 작업을 수행하기보다는 인공지능 에이전트의 "지휘자" 역할을 하게 됩니다. 물론, 효율성을 높이기 위한 궁극적인 목표는 인간의 노동력을 완전히 배제하는 것입니다.

예를 들어, 병원에서 진단을 수행하는 AI는 의료 영상을 분석하고, 증상을 설명하는 텍스트나 음성을 이해하고, 의료 검사 결과와 환자 병력을 통합하고, 관련 과학 문헌을 찾는 등 모든 작업을 동시에 수행해야 합니다. 그런 다음 이러한 데이터를 지능적으로 결합해야 합니다.

금융 애플리케이션

일부 분야, 특히 실수가 치명적일 수 있는 제조업이나 의료업 분야에서는 의사 결정 과정에서 인간을 배제하는 것에 대해 회의적인 시각을 갖고 있습니다. 그러나 금융 분야는 인공지능 에이전트를 적극적으로 도입하고 있습니다.

금융계 대부분은 이미 거래 시스템부터 사기 탐지 시스템에 이르기까지 높은 수준의 자동화를 활용하고 있습니다. 핀테크 기업들은 금융 효율성 자동화에 생존이 달려 있기 때문에 에이전트형 AI 도입에 더욱 적극적입니다. 수조 달러 규모의 금융 산업에서 효율성 향상은 수익성 확대로 빠르게 이어질 수 있습니다.

예를 들어, 에이전트는 시간이 많이 소요되는 대조 작업(은행 명세서, 스프레드시트 및 원장 대조)을 전문적으로 처리할 수 있습니다. 중소기업은 은행 대조 작업에만 연간 300시간 이상을 소비할 수 있습니다. 스프레드시트를 사용하면 이 작업의 일부를 자동화할 수 있지만, 스프레드시트는 불안정합니다. 에이전트형 AI는 예외 처리 및 비정형 데이터 처리에 있어 더 높은 유연성과 추론 능력을 제공합니다.

에이전트형 AI에 투자하기

ServiceNow

ServiceNow는 2003년에 설립된 클라우드 컴퓨팅 플랫폼으로, 자동화된 비즈니스 워크플로우 생성 및 관리에 특화되어 있습니다. 기존의 비즈니스 자동화 고객 기반을 바탕으로, ServiceNow는 이제 에이전트 기반 AI로 완전히 전환했습니다.

이 플랫폼을 통해 기업은 자사의 AI 에이전트를 활용할 뿐만 아니라, 로우코드 및 "바이브 코딩"(인간의 지시에 따라 AI가 코드를 작성하는 방식)을 사용하여 처음부터 새로운 에이전트를 맞춤 설정하거나 생성할 수 있습니다.

ServiceNow의 핵심 판매 포인트는 특정 AI 기술에 종속되지 않고 기업의 기존 디지털 도구 및 워크플로에 통합될 수 있다는 점입니다. 또한, 증가하는 AI 에이전트의 관리를 중앙 집중화할 수 있는 안정적인 인터페이스를 제공합니다.

ServiceNow는 AI 거버넌스를 재정의하여 네이티브 AI 에이전트든 타사 AI 에이전트든 관계없이 AI 에이전트를 관리, 모니터링 및 최적화할 수 있는 중앙 허브를 제공합니다. 폐쇄적인 생태계와 달리 ServiceNow는 LLM(Laboratory Lifecycle Management)에 구애받지 않고 NVIDIA, 하이퍼스케일러 및 활발한 AI 생태계와 긴밀하게 통합되어 기업이 AI 전략을 미래에도 안정적으로 운영할 수 있도록 완벽한 제어권을 제공합니다.

이러한 에이전트의 목표는 IT 작업 자동화, 인사 관리 간소화, 일상적인 고객 요청 처리, 앱 개발 속도 향상 등을 통해 기업의 효율성을 높여 수익성을 개선하는 것입니다.

20년 이상 된 이 회사는 여전히 빠르게 성장하고 있으며, 2025년 말까지 전년 대비 20% 이상의 매출 성장을 기록할 것으로 예상됩니다. 특히 기존 고객층의 사용량이 꾸준히 증가하여 연간 계약 가치(ACV)가 확대되고 있습니다. 갱신율은 95~97% 수준을 유지하여 매출 예측 가능성이 매우 높습니다.

이 회사는 상대적으로 낮은 비용 구조와 반복적인 수익 덕분에 견고한 영업 이익률과 잉여 현금 흐름을 창출해냈습니다.

ServiceNow(NOW) 주식 관련 최신 뉴스 및 동향