AI의 킬러 앱: AI 에이전트가 모든 것을 바꿀 수 있는 방법

AI의 블록버스터 앱 찾기

Since the public splash around the release of ChatGPT, AI technology has made headlines and captivated the attention of the general public, IT specialists, and investors.

특히 생성 AI의 역량이 기하급수적으로 성장하면서 이런 현상이 두드러졌습니다. 또한 새로운 경쟁 물결이 분야의 진보를 가속화했으며, DeepSeek와 같은 중국 AI가 미국산 AI의 비용 구조와 가격을 도전하고 있습니다.

그럼에도 불구하고 AI 산업은 다소 불안정한 상황에 있습니다. 수천억 달러에 달하는 AI 인프라가 아직 투자 정당성을 뒷받침할 만큼의 수익을 창출하지 못하고 있기 때문입니다.

이전 기술 혁신은 사무 작업(Windows 및 Office), 엔터테인먼트(비디오 게임 및 스트리밍), 광고(Google), 통신(스마트폰), 무역(온라인 결제 및 전자상거래) 등과 같은 “실제” 경제에 대한 수익성 있는 적용을 기반으로 이루어졌습니다.

지금까지 AI는 대부분 사람들의 업무 방식이나 일상 생활을 혁신하지 못했습니다. 그러나 전문화된 AI와 폭발적인 성능 및 능력 범위가 등장하면서 상황이 바뀔 가능성이 높습니다: AI 에이전트.

AI 에이전트란 무엇인가?

The core idea of AI agents is to create AIs that can operate independently in a given environment. This gives it very different practical roles than the ones of generative AIs like LLMs (Large Language Models) or image generators, which are mostly reacting to human-created prompts.

이 맥락에서 “환경”은 도로 위의 자동차와 같은 실제 세계의 구체적인 상황이나 자율 주행 기능을 위한 AI, 혹은 특정 소프트웨어나 디지털 인터페이스와 같은 완전 가상의 장소를 의미할 수 있습니다.

AI 에이전트는 주어진 역할을 자율적으로 수행하기 때문에 인간이 프롬프트를 지속적으로 제공할 필요가 없습니다. 따라서 확인이나 감독 없이 스스로 행동을 취할 수 있습니다.

실제로 대부분의 AI 에이전트는 인간 감독자로부터 피드백을 요청하도록 하는 내장된 조건 및 규칙을 갖추고 있습니다.

Google에 따르면 AI 에이전트의 주요 특징은 다음과 같습니다:

• 추론: 데이터 분석, 패턴 식별, 증거와 상황에 기반한 정보에 입각한 결정을 내릴 수 있습니다.
• 행동: 작업을 수행하거나 행동을 취할 수 있는 능력으로, 물리적 행동이나 디지털 행동을 모두 포함합니다.
• 관찰: 환경이나 상황에 대한 정보를 수집하여 맥락을 이해하고 정보에 입각한 결정을 내릴 수 있습니다.
• 계획: 목표 달성을 위한 계획을 수립하고 필요한 단계, 가능한 행동 및 최적의 방안을 식별합니다.
• 협업: 인간이든 다른 AI 에이전트든 효과적으로 함께 작업합니다.
• 자기 개선: AI 에이전트는 경험을 통해 학습하고 피드백에 따라 행동을 조정하며 지속적으로 성능과 능력을 향상시킵니다.

출처: DevRevAI

정말 새로운가?

This set of features puts AI agents one step above previous iterations of AI tools, like AI assistants and bots, with more proactive abilities, autonomy, and the ability to handle more complex tasks.

출처: Google

물리적 “몸체”를 가진 AI 에이전트는 실제 세계와 직접 상호작용할 수 있는 반면, 디지털 AI 에이전트는 특정 가상 작업 환경에 특화될 가능성이 높습니다.

두 경우 모두 AI에게 충분히 유용한 수준의 자율성과 가능한 행동을 부여하되, 오류로 인한 예상치 못한 피해를 방지하기 위해 과도하게 부여하지 않는 것이 중요합니다.

전반적으로 AI 의사결정 품질의 동시 성장과 이에 대한 친숙도가 높아짐에 따라 사람들과 당국이 AI 의사결정에 더 많은 자유를 부여하게 될 가능성이 높습니다. 그러나 이는 AI 행동에 대한 책임 문제와 같은 흥미로운 법적·윤리적 질문을 제기합니다(아래 토론 참고).

AI 에이전트의 잠재력

The ability of AI agents to work independently is what could make them AI killer apps. Modern life is full of not-so-complex repetitive tasks that are at the same time too complex to be given to a simpler form of automation.

This is, for example, why Tesla가 2018년에 조립 라인의 자동화와 로봇화를 한 단계 뒤로 물러났던 이유. Robots could do a great job, but even the slightest disturbance or unexpected change in requirement would bring the whole assembly line to a halt.

“우리는 이 복잡하고 미친 컨베이어 벨트 네트워크를 가지고 있었는데… 작동하지 않아 전부 없앴습니다. 맞아요, Tesla의 과도한 자동화는 실수였습니다. 정확히 말하면 제 실수였죠. 인간은 과소평가됩니다.”
Elon Musk

However, modern AIs are not just a very elaborate set of rigid rules trying to anticipate everything in advance. Instead, they are able, to some extent, to adapt and evolve to new conditions if given enough relevant data during their training.

따라서 AI는 고객을 문제 해결 알고리즘으로 안내하는 것부터 고속도로에서 트럭을 운전하는 것까지 매우 반복적인 작업에 특히 유용할 수 있습니다.

인간과 달리 이러한 AI는 24시간 연속으로 작업할 수 있으며 급여, 건강 보험 등이 필요하지 않습니다.

AI 능력 수준을 분류하는 방법은 다양합니다. 일반적으로 AI의 능력을 전체 인구와 비교하며, 최신 AI 에이전트는 특정 좁은 도메인 작업에서 인구의 50-90% 수준에 도달했으며, 이는 AI 진보의 중간 지점이자 AGI를 향한 시작에 불과합니다.

출처: Cobus Greyling

AI 에이전트는 어떻게 작동하는가?

AI agents are made of a few key “components” interacting with each other:

• 센서: 물리적 AI 에이전트의 경우 카메라, 마이크, 라이다, 무선 안테나 등을 포함할 수 있습니다. 디지털 AI 에이전트의 경우 검색 기능, 파일 읽기 도구, 특정 소프트웨어나 데이터베이스에서 데이터 추출 등을 포함할 수 있습니다.
• 액추에이터: AI가 작업을 수행하는 방식입니다. 물리적이면 바퀴나 로봇 팔이 될 수 있고, 디지털이면 파일 생성·수정, 보고서 작성, 데이터 분석 등을 수행할 수 있습니다.
• 뇌: 점점 복잡해지는 신경망 기반 AI 도구들로 구성되며, AI 에이전트의 의사결정 중심 역할을 합니다.
• 데이터베이스: 사실, 학습 데이터, 인간 교정 등을 포함한 지식 중심으로, “뇌”가 올바른 결정을 내릴 수 있게 합니다.

출처: Thomas Latterner

이러한 구성 요소들의 결합으로 AI 에이전트는 메모리와 특화된 LLM을 기반으로 한 페르소나를 가질 수 있게 됩니다.

메모리는 AI에게 매우 중요한 부분이며 이전 봇에 비해 급진적인 개선점입니다. 메모리 부족이 챗봇 등 시스템에 대한 대부분의 불만의 원인으로, 봇이 추론 루프에 빠지거나 이전에 제공된 정보를 기억하지 못하는 이유가 됩니다.

AI 에이전트 유형

Besides the physical vs digital divide, there are other ways to categorize AI agents:

• 하나의 방법은 에이전트가 인간과 상호작용하는지, 아니면 백그라운드에서 작동하는지를 고려하는 것입니다.
• 또 다른 방법은 단일 에이전트를 특정 작업에 사용하는지, 혹은 여러 에이전트가 서로 대화하며 보다 복잡한 작업을 수행하는지를 고려하는 것입니다. 각 에이전트는 자체 모델을 가지고 있으며 데이터 공유 여부가 다를 수 있습니다.
  • 여러 에이전트를 사용할 경우, 계층 구조를 설정할 수 있으며, 하나 또는 여러 에이전트가 하위 에이전트를 조정하고 명령을 내리는 역할을 담당합니다.
• AI 에이전트 분류의 또 다른 가능성은 최종 목표와 복잡성을 고려하는 것입니다.
  • 목표 기반 AI 에이전트는 최종 결과에 집중하고, 목표가 달성될 때까지 행동이나 행동 방식을 조정합니다. 예를 들어, 물류 AI는 패키지가 목적지에 도달할 때까지 이동 지시를 제공합니다.
  • 유틸리티 기반 에이전트도 목표에 초점을 맞추지만, 목표 달성에 가장 좋은 방법을 동시에 고려합니다. 예를 들어, 자율 주행 차량은 A 지점에서 B 지점으로 이동하면서 안전성, 연료 효율성, 이동 시간, 도로 유형 등을 모두 고려합니다.

출처: Ampcome

왜 일반 AI 대신 AI 에이전트를 사용해야 하는가?

There are many reasons why the AI industry is turning toward AI agents over universal models.

첫 번째 이유는 기술적 복잡성과 실현 가능성입니다. 인간과 같은 일반 지능(AGI)은 아직 도달하기 어려운 수준입니다.

예를 들어, 인간처럼 자동차를 운전할 수는 있지만 다른 분야의 추론 능력은 갖추지 않은 전용 AI 에이전트를 만드는 것이 훨씬 현실적입니다.

또 다른 이유는 효율성입니다. 자동차 운전에 사용되는 모델이 대화, 보행, 웹 검색, 계산 등에 뛰어날 필요는 없습니다. 따라서 각 작업에 대한 개별 AI 에이전트를 사용하는 것이 다목적 AI/로봇 시스템을 배치하는 것보다 훨씬 합리적입니다.

마지막으로 비용은 모든 AI 프로젝트에서 중요한 문제입니다. 이는 학습에 필요한 수천 혹은 수백만 개의 GPU 비용뿐 아니라, AI를 운영하는 컴퓨팅 하드웨어와 에너지 소비 비용을 포함합니다. 따라서 더 전문화되고 단순한 AI 에이전트가 작업 수행 능력이 뛰어나면서도 선호됩니다.

전문화된 AI에서 일반화된 AI 에이전트로?

For narrow and repeated tasks, very narrow AI agents are probably best. However, to fully grasp the benefits of the AI revolution, slightly more competent systems will be required. Like, for example, an AI is not only able to automatically generate a list of equipment needing maintenance but also schedule technicians to do said maintenance and manage their associated timesheets, salaries, etc.

일부 응용 분야에서는 인간 작업자를 진정으로 돕기 위해 이러한 단계가 필요할 수 있습니다. 작업과 분석이 완전히 분리될 수 없기 때문입니다.

예를 들어, 진단을 수행하는 AI는 의료 영상을 분석하고, 증상을 설명하는 텍스트나 음성을 이해하며, 의료 검사 결과와 환자 이력을 통합하고, 관련 과학 문헌과 의료 프로토콜을 찾아야 합니다.

출처: Nature

이러한 일반화되면서도 응용 분야에 특화된 AI는 다중 에이전트 구조를 통해 구축될 가능성이 높으며, 각 하위 요소가 하나의 작업에 뛰어나고, 감독 AI가 개별 에이전트의 출력을 통합해 일관된 전체를 형성합니다.

응용 분야에 특화된 사용 사례만이 전부는 아닙니다. 예를 들어, 매우 다른 분야의 에이전트를 결합한 다중 에이전트 AI는 서로 다른 데이터 세트를 결합해 새로운 과학적 발견을 이끌어낼 수 있습니다.

AI 에이전트 활용 분야

While it is likely that many applications are not even yet understood the way no one could visualize the modern Internet in 1995, a few activities are already ready for applications of AI agents:

• 고객 서비스: 온라인 채팅부터 레스토랑 주문까지, 대부분 고객 요청이 비교적 단순한 프로세스를 가지고 있어 자동화가 용이합니다. 현재 챗봇은 충분하지 않지만, 더 똑똑한 AI 에이전트가 많은 일자리를 대체하고, 복잡한 요청을 처리할 소수의 인간이 뒤에서 지원하게 될 것입니다.
• 과학 연구: 매우 복잡하고 방대한 데이터 세트 분석 및 수천 개의 과학 논문 탐색(비영어권 포함)을 포함합니다. 또한 단백질 접힘 예측, 물질 원자 구성 등 기술적인 작업에 특화된 AI도 포함됩니다.
• 웹사이트 및 마케팅: 오늘날 많은 온라인 마케팅 및 광고가 이미 템플릿과 자동 최적화로 부분 처리되고 있습니다. 고객이 맞춤형 경험을 선호함에 따라 유연한 AI 에이전트가 곧 인간과 동등한 수준으로 이 분야를 수행할 것입니다.
• 번역 및 법률: 많은 인간 작업이 특정 주제에 대한 고유한 지식 세트를 요구합니다. AI가 방대한 데이터를 탐색하는 능력은 이를 돕습니다.
  • 하지만 “환각” 위험이 매우 높으며, 특히 고객이 실수를 식별하기 어려운 경우 초고신뢰 에이전트만이 이러한 작업을 수행할 수 있습니다.
  • 관광 등 비핵심 상황에서 실시간 번역 및 음성-음성 변환은 스마트폰의 표준 기대가 될 가능성이 높습니다.
• 예술: AI가 수천 명의 음악가, 화가, 그래픽 디자이너 등을 대체한다는 논란이 있지만, 동시에 소규모 팀이나 개인이 대형 기업과 경쟁해 영화, 비디오 게임, 책 등을 제작할 수 있게 할 수도 있습니다.
• 헬스케어: 현재 Elon Musk는 자신의 팔로워에게 X의 AI인 Grok을 2차 의료 의견으로 사용할 것을 권고하고 있습니다. 장기적으로는 전용 의료 AI가 의사가 의료 데이터를 분석하고 치료법을 제안하는 데 도움을 줄 가능성이 높습니다.
  • 로봇 수술이 보편화됨에 따라 AI 외과의가 인간 도움 없이 일부 수술을 수행하는 미래도 상상할 수 있습니다.
• 보안: 지역 보안부터 경찰, 군대까지 확장됩니다. AI는 위협 탐지와 목표 식별에 뛰어나지만, 현재는 특히 치명적인 결정에 대해 과도한 자율성을 부여하는 것이 금기시됩니다.
• 물류 및 운송: 이미 창고에서 로봇과 드론이 점점 더 많이 사용되고 있으며, 이들은 패키지 배송 및 전체 공급망을 담당할 가능성이 높아지고 있습니다.
  • 물론, 자율 주행 자동차와 트럭은 이동성을 완전히 바꾸고 개인 차량 소유를 드물게 만들 수도 있습니다.
• 금융: “알고리즘”은 이미 오늘날 금융 시장의 큰 부분을 차지하고 있으므로, 더 똑똑한 AI가 더욱 관여할 것입니다. 맞춤형 AI 에이전트는 보험 청구, 대출 신청 평가 등에도 널리 사용될 수 있습니다.
• 제조: 3D 프린팅, CNC 기계 등 유연한 생산을 위한 새로운 도구들의 트렌드가 현대 공장을 과거 조립 라인보다 훨씬 다목적으로 만들었습니다. 산업 및 인간형 로봇에 구현된 AI 에이전트는 이 추세를 더욱 촉진할 수 있습니다.

법적·규제·윤리

책임

In any discussion regarding AIs, the issue of responsible handling of the technology is hotly debated.

한편, 과도한 규제는 진보를 저해하고 가장 진보된 AI를 보다 유연한 관할 구역에 넘겨줄 위험이 있습니다. 미국과 중국 간 AI 기술 경쟁 상황에서 이는 어느 쪽에도 바람직하지 않은 결과입니다.

반면, 아무도 책임이 없는 통제 불능 AI를 원하지 않습니다.

따라서 명확한 법적 프레임워크가 필요합니다. 예를 들어, 자율 주행 자동차가 사고를 일으켰을 경우 AI 에이전트 제공자가 책임을 져야 할까요? 자율성이 높아질수록 AI의 결정이 실제 사람들에게 영향을 미치고 비용이 크게 발생할 수 있습니다.

이는 신원 도용, 사기 등 AI 악용 문제도 포함합니다.

많은 경우 AI를 규제해야 할 기관이나 당국이 명확하지 않습니다. 전담 전문 기관이어야 할까요? 아니면 금융 분야 AI는 SEC가, 무인 드론은 FAA가 규제해야 할까요?

이러한 입법·규제 질문은 기술 진보보다 수년씩 뒤처지는 경우가 많아, AI 에이전트 규제 프레임워크에 대한 긴급한 답변이 필요합니다.

일자리와 불평등

An often feared effect of AI development is the growth of mass unemployment, as AI replaces more and more jobs much quicker than people can retrain or new jobs are created.

이론적으로는 이것이 유토피아적, 부족 후 사회로 가는 단계가 될 수 있지만, 실제로는 그 시점에 도달하기 전 수백만 명이 빈곤에 빠질 위험이 있습니다. 또한 이전 자동화 물결과 달리 AI는 고숙련 지식 노동자를 대체할 수 있습니다.

출처: Intellipoint

독점이나 부의 불평등 심화 위험도 심각합니다. 이는 역사적으로 사회 전체에 위험하고 불안정을 초래한 바 있습니다.

윤리

What can and cannot be given to manage by AI. This is an increasingly pressing question for any tasks going beyond moving pallets in a warehouse or auto-answering emails.

군사 드론의 표적 시스템에 AI를 활용하려는 유혹이 있을 때 이 문제는 더욱 심각해집니다. 우크라이나에서도 “AI 기반 드론에 대한 러시”가 진행되고 있습니다.

Reuters는 AI 기반 드론 경쟁이 “전쟁을 미지의 영역으로 끌어들인다”고 보도했습니다. 우크라이나에서 AI 드론 개발은 세 가지 핵심 분야에 집중하고 있습니다: 목표 식별, 항법을 위한 지형 매핑, 그리고 드론의 상호 연결된 “스웜” 생성.

한 기업인 Swarmer는 드론을 네트워크화하는 소프트웨어를 구축하여 최소한의 인간 입력으로 스웜 전체에 즉시 결정을 실행할 수 있게 합니다.

우리는 정말 AI에게 이러한 능력을 부여하고 싶을까요? 하지만 적에게만 이러한 능력이 주어지는 것이 바람직할까요?

이러한 문제는 국제적으로 논의·결정되어야 할 사안이며, AI 산업도 이를 회피해서는 안 됩니다.

이미 서비스 중인 AI 에이전트

OpenAI 에이전트

As a long-time leader in AI, it is not surprising to see OpenAI having several solid GPT-based agents. The company is providing developers with dedicated tools to develop AI agents, including the multi-agent Open AI SDK (Standard Development Kit).

OpenAI model seems to mostly be focused on creating better versions of GPT and other LLMs and then having them as a base used for separate agent development, counting on its leading position to generate the demand for agents using GPT.

Google

Google (GOOGL ) has been present in AI for a long time through its DeepMind model. But it is with Gemini 2.0 that it embraced the “agentic era”.

Google은 LLM AI가 기존 검색에 미칠 잠재적 위협을 예민하게 인식하고 있으며, 오늘날에도 여전히 회사 매출의 90%를 차지하고 있습니다.

따라서 Gemini 2.0을 활용해 AI 개요(Overviews)를 만들었으며, 이는 복잡한 주제와 다단계 질문(수학, 코딩 포함)을 다루는 추가 검색 결과입니다.

또한 코딩 보조 AI 에이전트인 Jules와 플레이 가능한 3D 세계를 생성하는 AI 모델인 Genie 2를 만들었습니다.

Google also aims to stay on the edge through hardware research, notably its Trillium TPUs (Tensor Processing Units).

Manus

Butterfly Effect, a Chinese startup, released Manus in 2025년 3월, claiming it to be the first general AI agent capable of acting autonomously.

일부는 이를 AI 에이전트에 대한 “두 번째 DeepSeek 순간”이라고 보았으며, 중국이 선두를 차지하고 있다고 평가했지만, DeepSeek의 훨씬 더 효율적인(컴퓨팅 및 재정) 접근 방식과는 상황이 다소 명확하지 않습니다.

Manus는 조금 느리고 충돌이 잦으며, ChatGPT보다 더 상세한 답변을 제공하는 것으로 보입니다. 그럼에도 불구하고 일반 AI 에이전트가 예상보다 빨리 가능해질 수도 있으며, 모든 상황에 최적은 아닐지라도 말입니다.

Alibaba

An e-commerce leader under pressure from competitor platforms like Temu, or even TikTok, Alibaba is clawing back its position as a tech leader with progress in AI.

특히 2025년 3월 초에 QwQ-32B 모델을 오픈소스화했으며, DeepSeek-R1 파라미터의 1/5 수준으로 효율성을 목표로 한다고 주장했습니다.

또한 2025년 3월, Alibaba는 자사 AI Qwen으로 구동되는 AI 어시스턴트/에이전트인 Quark의 새로운 버전을 출시했으며, 깊은 사고와 생성 AI를 결합했습니다. 이 AI 개편 이전에도 Quark은 검색 엔진 시절에 이미 2억 명의 사용자를 보유하고 있었습니다.

AI 에이전트 기업

Alibaba

서구에서는 주로 전자상거래 플랫폼과 저가 소재·부품·소비재 공급업체로 알려져 있지만, Alibaba는 중국의 거대 기술 기업으로 AI와 클라우드 컴퓨팅을 선도하고 있습니다.

특히 Alibaba는 중국 클라우드 시장의 36%를 점유하고 있어 모든 경쟁자를 크게 앞서고 있습니다.

출처: Jeff Townson

아마도 더 중요한 점은 Alibaba가 이미 6개의 새로운 DeepSeek AI 모델을 제공하고 있다는 것입니다. 이 오픈소스 AI는 개발 비용과 사용당 비용 모두에서 대부분 미국 AI 모델을 훨씬 저렴하게 능가했습니다.

Alibaba는 자체 AI 모델인 Qwen도 보유하고 있으며, Qwen 2.5가 Deep Seek V3보다 더 우수하다고 주장합니다.

“Qwen 2.5-Max는 … 거의 모든 면에서 GPT-4o, DeepSeek-V3 및 Llama-3.1-405B를 능가합니다.”

전반적으로 클라우드와 AI 분야의 성장 외에도, Alibaba는 여전히 중국 전자상거래의 거대 기업이며, Taobao와 Tmall은 2019년 전 세계 온라인 판매의 29% 점유율에서 약간 감소한 수준입니다.

출처: Forbes

최근 AI 진보는 Alibaba에 대한 인식을 바꾸었습니다. 압박받는 기존 전자상거래 위치와 지배적인 클라우드 매출(하지만 경쟁자 압박도 있음)에서 중국 기술 혁신을 선도하는 기업으로 다시 부상했습니다.

Quark은 이제 Alibaba가 중국 AI 어시스턴트 시장을 장악하기 위해 배치한 추가 무기로, 처음에는 AI 검색 엔진으로 배포해 2억 명의 사용자를 확보한 뒤 AI 어시스턴트로 전환했습니다.

따라서, 중국의 수년간 기술 단속과 투자 우려로 인해 주가가 비교적 낮게 형성된 점을 감안하더라도, AI 경쟁에서 중국이 선두를 차지한다는 베팅을 할 의향이 있는 투자자에게 Alibaba는 기회가 될 수 있습니다.

(Alibaba에 초점을 맞춘 전용 보고서를 읽어보실 수도 있습니다).

Alibaba 최신 소식