> 
사람들은 시, 소설, 보고서 등 글쓰기, 그림 그리기, 알고리즘 코딩 등 창작의 세계가 그동안 인간에게만 허락된 별도의 영역이라 알고 있었다. 그런데 AI(인공지능)의 발전과 함께 이제는 진화한 AI가 스스로 창작의 영역을 넘보는 시대가 되었다. 생성형 AI(Generative AI)의 등장은 인간에게 어떤 의미가 있으며 우리의 미래에 어떤 영향을 미칠지 가늠하기 쉽지 않지만, 생성형 AI는 이미 여러 분야에서 현실로 나타나 적용되고 있다. 우리에게 성큼 다가온 생성형 AI의 시장현황, 다양한 이슈와 관심 사항 등을 살펴보기로 하자. <편집자 주>
[뉴스투데이=최봉 산업경제 전문기자] 우리는 지난 2~3년 동안 지식기반의 생성형 AI(Generative AI)로 무장한 챗봇의 맹활약으로 인공지능의 무한한 가능성을 경험해왔다.
이제 이 도구는 디지털 세계에서 복잡한 다단계 워크플로우를 실행하는 AI 기반 ‘에이전트(agents)’로 진화하기 시작했다. 요컨대, 이 기술은 ‘생각(thought)’에서 ‘행동(action)’으로 옮겨가고 있다(McKinsey, 2024.7).
OpenAI가 AGI(Artificial General Intelligence, 범용인공지능)로 가는 AI의 능력 수준을 5단계로 나눈 일종의 로드맵을 제시한 바 있는데, 3단계가 ‘에이전트’였다. 이때 에이전트를 “행동을 취할 수 있는 시스템(systems that can take actions)”으로 표현했었다(필자의 이 시리즈 63편(2024.7.25) 참고).
• ‘AI 에이전트’, 복잡한 다단계 워크플로우 실행할 수 있어..
현재 인간 직원 또는 부서 전체가 수행하는 복잡한 다단계 작업을 떠맡을 수 있는 AI를 상상해 보자.
- 마케팅 캠페인을 계획, 설계, 실행, 측정 및 최적화한다.
- 운송업체, 고객 및 창고와 통신해 물류에서 분실된 선적물을 찾거나 분실된 경우 책임 있는 파트너에게 가치를 청구한다.
- 매일 상표 데이터베이스를 검색해 내 상표와 충돌하는 새로운 상표가 등록되었는지 확인하고 즉시 이의를 제기한다.
- 관련 데이터를 수집하거나 직원에게 요청해서 데이터를 확인하고 ESG 보고서를 작성한다.
현재 AI 모델은 캠페인 콘텐츠 생성이나 이메일 평가와 같은 작업을 지원할 수 있지만, 전체 프로세스를 실행할 수 있는 기능이 없다. 하지만 ‘AI 에이전트(AI agent)’는 이를 수행할 수 있다.
• AI 에이전트 유형 – 단순 반응, 모델 기반, 목표 기반 등 다양
AI 에이전트에는 여러 가지 유형이 있다. AWS(아마존웹서비스), Medium 등의 자료를 근간으로 어떤 유형이 있는지 정리해보았다.
첫째, 단순 반응 에이전트다. 현재의 인식(perception)에만 반응하는 에이전트로 사전 정의된 규칙과 즉각적인 데이터에 따라 엄격하게 작동한다.
주어진 이벤트 조건 작업 규칙을 벗어난 상황에는 대응하지 않는다. 즉, 예측 가능한 환경에서는 잘 작동하지만 복잡한 환경에서는 어려움을 겪는다. 따라서 이러한 에이전트는 광범위한 학습이 필요 없는 간단한 작업에 적합하다.
둘째, 모델 기반 반응 에이전트다. 이 에이전트는 내부 모델을 사용해 불완전한 정보를 처리하며, 변화를 추적하고 정보에 입각한 결정을 내린다.
모델 기반 에이전트는 단순 반응 에이전트와 비슷하지만, 적응력이 뛰어나며 보다 발전된 의사 결정 메커니즘을 가지고 있다는 점이 다르다.
모델 기반 에이전트는 단순히 특정 규칙을 따르는 것이 아니라 가능성 있는 결과와 결론을 평가해 결정을 내린다. 이 에이전트는 지원 데이터를 사용해 자신이 인지하는 세계의 내부 모델을 구축하고 그 모델을 사용해 의사 결정을 뒷받침한다.
셋째, 목표 기반 에이전트다. 목표 기반 에이전트는 보다 강력한 추론 기능을 갖춘 AI 에이전트로 특정 목표 달성에 집중하며, 목표 달성에 얼마나 근접했는지에 따라 의사 결정을 내린다.
이 에이전트는 환경 데이터를 평가할 뿐 아니라 원하는 결과를 얻을 수 있도록 다양한 접근 방식을 비교하면서 자신의 행동을 조정할 수 있다. 자연어 처리(NLP) 및 로보틱스 애플리케이션과 같은 복잡한 작업을 수행하는 데 적합하다.
넷째, 유틸리티 기반 에이전트다. 유틸리티 기반 에이전트는 복잡한 추론 알고리즘을 사용해 사용자가 원하는 결과를 극대화할 수 있도록 도와준다.
이 에이전트는 다양한 시나리오와 각각의 효용 가치 또는 이점을 비교한 다음, 사용자에게 가장 많은 보상을 제공하는 안을 선택한다. 즉, 성과를 측정하는 효용 함수를 기반으로 다양한 행동을 평가한다.
이들은 전반적인 행복이나 만족도를 극대화하는 것을 목표로 한다. 예를 들어 고객은 유틸리티 기반 에이전트를 사용해 가격에 관계없이 이동 시간이 가장 짧은 항공권을 검색할 수 있다.
다섯째, 학습 에이전트다. 이 에이전트는 이전 경험을 통해 지속적으로 학습해 결과를 개선하며, 감각 입력 및 피드백 메커니즘을 사용해 차츰 학습 요소를 특정 표준에 맞게 조정한다.
이는 경험을 통해 학습함으로써 시간이 지남에 따라 성능이 향상됨을 의미한다. 뿐만 아니라 문제 생성기(generator)를 사용해 수집된 데이터와 과거의 결과를 바탕으로 스스로 학습하는 새로운 작업을 설계한다.
AI 에이전트에 대한 궁금증 해결은 다음 편에서도 이어진다.
댓글 (0)
- 띄어 쓰기를 포함하여 250자 이내로 써주세요.
- 건전한 토론문화를 위해, 타인에게 불쾌감을 주는 욕설/비방/허위/명예훼손/도배 등의 댓글은 표시가 제한됩니다.
