ChatGPT는 수백만 명에게 인공지능을 일상적인 습관으로 만들었습니다. 질문을 하면 답을 얻습니다. 이메일 초안을 잡고, 버그를 수정하고, 이미지를 생성합니다. 하지만 모든 상호작용은 프롬프트로 시작되어 모델이 타이핑을 멈추면 끝납니다. 당신이 엔진이고, AI는 그저 도구일 뿐입니다.
다음 변화는 채팅창보다는 당신이 다른 일에 집중하는 동안 업무를 완수하는 동료의 모습에 더 가깝습니다. 그 변화가 바로 에이전틱 AI(Agentic AI)입니다.
OpenAI, Google, Microsoft와 같은 기업들은 적극적으로 AI 에이전트를 구축하고 있습니다. 이 시스템은 단순히 질문에 답하는 것 이상의 일을 합니다. 이들은 당신의 가끔씩의 입력만으로도 계획을 세우고, 추론하며, 작업을 완료합니다. 당신은 목적지를 설명하고, 그들이 경로를 찾아냅니다.
에이전틱 AI란 무엇인가?
전통적인 챗봇은 반응형입니다. 프롬프트를 입력하면 텍스트 블록을 반환하고, 공은 다시 당신에게 넘어옵니다. 열 가지 일을 처리해야 한다면, 열 번의 개별적인 질문을 던진 뒤 그 결과를 직접 하나로 합쳐야 합니다.
에이전틱 AI는 목표를 추구합니다. 다음 메시지를 기다리는 대신 계속해서 작업을 수행합니다. 광범위한 목표를 작고 구체적인 단계로 나누고, 어떤 순서가 합리적인지 결정하며, 웹 브라우저, 계산기, 코드 인터프리터 또는 캘린더와 같은 외부 도구를 호출하고, 실시간으로 새로운 정보를 수집하며, 상황이 변하면 스스로 계획을 수정할 수 있습니다. 예약하려던 항공편이 매진되면, 일일이 확인을 요청하지 않고도 다음 옵션을 확인합니다. 데이터 소스가 다운되면, 당신을 번거롭게 하기 전에 대안을 시도합니다.
이것은 단순히 더 빠른 결과물을 내는 것이 아닙니다. 이는 행동의 차원이 다른 것입니다.
생성형 AI vs. 에이전틱 AI
ChatGPT의 기반 기술인 생성형 AI는 단일 턴(single-turn) 전문가입니다. 프롬프트를 입력하면 텍스트, 코드 또는 이미지를 생성한 뒤 대기합니다. 한 번에 하나의 개별적인 작업만 완료하며, 다음 단계로 넘어가기 위해서는 지속적인 가이드가 필요합니다.
에이전틱 AI는 다단계(multi-step) 운영자입니다. 독립적으로 목표를 추구하고, 연결된 워크플로우를 실행하며, 여러 연관된 작업을 순차적으로 처리하고, 당신이 설정한 가드레일 내에서 의사결정을 내립니다.
이러한 차이는 커피를 한 잔씩 주문하는 것과, 당신이 가게 운영에 집중하는 동안 아침의 혼잡한 상황을 관리하고, 원두를 재입고하며, 기계를 청소하는 바리스타를 고용하는 것의 차이와 비슷합니다.
가장 먼저 접하게 될 분야
실제 업무를 살펴보면 두 기술 사이의 격차가 명확해집니다.
비즈니스 아웃리치. 잠재 고객과 미팅을 잡아야 한다고 가정해 봅시다. 생성형 AI 챗봇은 정중하게 요청하면 이메일을 작성해 줄 수 있습니다. 하지만 에이전틱 AI는 실무를 직접 수행합니다. 회사의 최근 뉴스나 투자 유치 현황을 조사하고, 해당 정보를 참조하여 개인화된 메시지 초안을 작성하며, 당신의 캘린더에서 가능한 시간을 확인하고, 초대장을 보내며, 후속 조치를 위한 알림을 설정합니다. 당신은 사전에 계획을 승인하기만 하면 됩니다. 에이전트가 번거로운 잡무를 처리합니다.
소프트웨어 개발. 생성형 AI는 함수를 작성하거나 정규 표현식을 설명할 수 있습니다. AI 에이전트는 티켓을 읽고, 코드를 생성하고, 풀 리퀘스트(PR)를 검토하고, 테스트를 실행하고, 버그를 찾아내며, 수정 사항을 제출할 수 있습니다. 당신은 여전히 아키텍처와 거시적인 설계를 담당하지만, 보일러플레이트 작성, 린팅(linting), 사소한 리팩토링과 같은 반복적인 작업은 위임됩니다. 모든 세미콜론을 직접 입력하는 대신, 해당 기능이 정말 필요한지 여부를 결정하는 데 집중하게 됩니다.
고객 서비스. 생성형 AI는 화가 난 트윗에 대해 정중한 답변 초안을 작성할 수 있습니다. 에이전틱 시스템은 반품을 처리하고, 데이터베이스에서 주문 내역을 조회하고, 배송 라벨을 추적하고, 픽업 일정을 잡고, 지원 티켓을 업데이트하며, 정말 까다로운 사례인 경우에만 사람을 연결합니다. 상담 팀은 일상적인 업무에 매몰되는 대신 공감, 협상 및 창의적 판단이 실제로 필요한 문제를 해결하기 시작합니다.
변화에 대비하는 방법
학생이든 직장인이든, 지금이 바로 이러한 시스템을 설계, 배포 및 감독할 수 있는 기술을 쌓아야 할 때입니다.
- Python 프로그래밍. AI 툴링의 지배적인 언어이며, 대부분의 에이전트 프레임워크가 이를 기반으로 구축되어 있습니다. 커널 개발자 수준일 필요는 없지만, 여러 서비스를 하나로 묶어주는 스크립트를 능숙하게 작성할 수 있어야 합니다.
- AI 및 머신러닝 기초. 이해하지 못하는 것을 감독할 수는 없습니다. 거대 언어 모델이 어떻게 추론하는지, 어디에서 환각(hallucination) 현상이 발생하는지, 그리고 그 출력을 어떻게 평가하는지 알아야 합니다.
- API 연동. 에이전트는 Slack, Gmail, Salesforce, GitHub와 같은 다른 소프트웨어와 통신하며 작동합니다. REST API와 웹훅(webhook)의 작동 원리를 이해하는 것은 즉각적인 효과를 볼 수 있는 실용적인 엔지니어링 지식입니다.
- 클라우드 컴퓨팅. 에이전트는 노트북이 아닌 인프라 위에서 실행됩니다. 컨테이너를 생성하고, 권한을 관리하며, 비용 청구서를 읽는 법을 아는 것은 실제 부하 상황에서 무너지는 장난감 같은 시스템을 만들지 않도록 도와줍니다.
- 데이터 분석. 에이전트가 더 많은 결과물을 생성함에 따라, 그 결과물이 정확한지, 편향되었는지, 혹은 유용한지 검증할 사람이 필요합니다. 기본적인 통계적 소양과 데이터를 쿼리(query)하는 능력은 가치 있는 감독과 맹목적인 신뢰를 구분 짓는 기준이 됩니다.
- 비판적 사고. 미래의 어려운 과제는 더 빨리 타이핑하는 것이 아닙니다. 올바른 목표를 정의하고, 예외 상황(edge case)을 포착하며, 언제 기계를 제어(override)해야 하는지 정확히 아는 것입니다.
핵심 요약
에이전트형 AI는 업무를 변화시킬 것입니다. 데이터 입력, 일정 관리, 1차...