에이전틱 AI

에이전틱 AI는 기존의 규칙 기반 자동화만으로는 해결할 수 없었던 복잡한 비정형 프로세스를 최적화하는 새로운 유형의 자동화 즉, 에이전틱 자동화를 구현했습니다. 에이전틱 자동화는 기존의 규칙 기반 자동화에서 보다 동적인 컨텍스트 인식 접근 방식으로 전환하는 것을 의미합니다. RPA가 구조화된 반복 작업을 자동화하는 데 중요한 역할을 했다면, 에이전틱 자동화는 실시간으로 적응할 수 있는 복잡한 의사 결정 프로세스를 처리하는 기능을 제공합니다. 이는 RPA의 기술적 영향만 확대한 것이 아닙니다. 기존 RPA 제품을 크게 보완하는 혁신적인 접근 방식으로, 더 크고 복잡한 자동화를 처리하는 엔터프라이즈의 능력도 향상합니다.

에이전틱 자동화는 AI 에이전트, RPA 로봇 및 사람이 공생적으로 결합된 것을 말합니다. 사람은 에이전트의 목표를 제공하고, 거버넌스를 보장하며, 인간의 판단과 검토가 필요한 경우 개입합니다(전체 프로세스에 인간이 함께 함). 로봇은 에이전트가 의사 결정을 내리는 데 필요한 데이터(예: 여러 시스템에 걸쳐 로그인, 연결 및 정보 이해)를 수집하여 AI 에이전트의 정확도, 생산성 및 성공을 극대화합니다. 또한 에이전트에 대해 정의된 다양한 기타 액션을 완료할 수 있습니다.

동일한 플랫폼에서 관리되는 에이전트, 로봇, 사람으로 구성된 조직화된 생태계가 더 높은 생산성, 더 나은 보안 및 컨트롤을 제공한다는 점이 점점 더 명확해지고 있습니다.

고급 AI를 UiPath Platform™과 같은 자동화 플랫폼과 통합하여 엔터프라이즈는 다음이 가능합니다.

• 인간, 로봇 및 AI 에이전트 활동의 원활한 오케스트레이션을 통한 이점 활용

• 현대 엔터프라이즈에 필요한 중요한 가드레일, 거버넌스 및 보안을 갖춘 다중 에이전트 생태계 운영

• CRM, ERP 및 기타 시스템에서 동적 워크플로 자동화

• 실시간 데이터를 사용하여 의사 결정 최적화

이 접근 방식은 비즈니스가 자동화의 범위를 확장하는 데 필요한 기능과 확장성을 제공하여 효율성을 높이기 위한 인텔리전스와 액션을 결합합니다.

에이전틱 AI와 생성형 AI(GenAI)는 모두 중추적인 기술이지만 초점이 다릅니다. 두 기술은 각각 고유한 강점과 응용 분야가 있습니다.

GenAI는 텍스트, 이미지, 음악 및 코드를 포함한 다양한 형식의 새로운 콘텐츠를 만드는 데 탁월합니다. 아이디어를 브레인스토밍하고, 설득력있는 이야기를 구성하며, 혁신적인 솔루션을 생성하는 데 능숙합니다. 그러나 생성형 AI는 주로 생성에 중점을 두며 인간 입력과 지침에 따라 결과물의 컨텍스트와 목표를 결정합니다.

반면, 에이전틱 AI는 행동 지향적이어서 콘텐츠 생성을 넘어 독립적인 의사 결정과 액션이 가능한 자율 시스템을 구축합니다.

이러한 시스템은 최소한의 인간 개입으로 상황을 분석하고, 전략을 수립하고, 액션을 실행하여 특정 목표를 달성할 수 있습니다. 독립적으로 작동하여 변화하는 환경에 적응하고 경험을 통해 학습하도록 설계되었습니다.

기본적으로 GenAI는 생성에 중점을 두는 반면, 에이전틱 AI는 실행에 중점을 둡니다. 생성형 AI의 결과물은 새로운 콘텐츠인 반면, 에이전틱 AI의 결과물은 일련의 액션 또는 결정입니다. 이 두 가지를 함께 활용하면 창의력과 액션을 결합한 강력한 솔루션을 만들 수 있습니다. 예를 들어, GenAI 모델을 사용하여 마케팅 문구를 생성한 후 에이전틱 AI 시스템을 통해 실시간 데이터 및 캠페인 목표에 따라 해당 문구를 최적의 채널에 자동으로 배포할 수 있습니다. 

에이전틱 AI의 여정은 초기 챗봇부터 시작되었습니다. 챗봇은 기본 패턴 매칭과 결정 트리를 활용하여 대화를 시뮬레이션하는 기본적인 디지털 비서였습니다. 이러한 챗봇은 인간-기계 상호 작용 면에서 혁신적인 단계였지만, 미묘한 차이가 있는 언어, 문맥적 단서, 복잡한 질의를 이해하는 능력에 한계가 있었습니다.

이러한 한계에도 불구하고 초기 챗봇은 보다 정교한 대화형 AI 기술 개발을 위한 토대를 마련했습니다. 챗봇은 AI가 고객 요청에 응답하고, 주문형 정보를 제공하고, 심지어 기본적인 대화를 수행하는 것과 같은 자동화된 기계 대 고객 상호 작용을 강화할 수 있는 가능성을 보여주었습니다. 그러나 챗봇은 미리 정의된 규칙과 스크립트화된 응답에 대한 의존도로 인해 복잡한 시나리오를 처리하고 예기치 않은 사용자 입력에 적응하는 능력이 제한되었습니다. 더 복잡하고 뉘앙스가 있는 상호 작용을 처리할 인지 기능이 없었기 때문입니다.

하지만 이후 AI 기능과 엔터프라이즈 기술이 크게 발전하며 가능성이 확장되기 시작하면서 에이전틱 AI가 등장했습니다.

대규모 언어 모델(LLM)이 에이전틱 AI에의 등장에 어떤 기여를 했나요?

GPT-3 및 GPT-4와 같은 강력한 LLM이 도입되면서 AI 환경이 크게 바뀌었습니다. 대규모 데이터 집합에서 학습된 이러한 모델은 인간과 유사하게 텍스트를 이해하고 생성하는 AI의 새로운 능력을 보여주었습니다. 이에 따라 대화가 더욱 자연스럽고 의미 있게 이뤄지면서 AI 적용에 새로운 가능성이 열렸습니다.

LLM을 에이전틱 AI의 두뇌라고 생각해 보십시오. LLM은 자연어 이해를 위한 토대를 제공하여 AI 에이전트가 복잡한 지침을 해석하고, 의미 있는 대화에 참여하며, 창의적인 콘텐츠를 생성할 수 있습니다. 이렇게 향상된 언어 기능을 통해 에이전틱 AI는 보다 자연스럽고 직관적인 방식으로 사용자와 상호 작용하여 협업 및 문제 해결을 위한 새로운 가능성을 엽니다.

또한 LLM은 에이전트 AI가 처리하는 정보를 토대로 추론하고 결정을 내릴 수 있도록 했습니다. 방대한 양의 데이터를 분석하고 패턴을 식별하면 이러한 AI 에이전트가 통찰력을 생성하고 예측하고 사전 정의된 목표와 일치하는 조치를 취할 수 있습니다. 자율적으로 생각하고 행동하는 이러한 기능은 기존 자동화 기술과 구별되는 에이전틱 AI의 주요 특성입니다.

머신 러닝의 발전 중 어떤 점이 에이전틱 AI의 성장을 가능하게 했으며, 또 어떻게 가능합니까?

머신 러닝 알고리즘의 발전은 날로 성장하는 계산 성능과 함께 이러한 발전을 더욱 가속화했습니다. 이러한 시스템은 이제 방대한 양의 데이터에서 학습하여 능력을 개선하고 새로운 상황에 점점 더 적응할 수 있습니다. 이러한 변화를 통해 보다 동적인 자동화 및 AI 솔루션을 위한 기반을 마련할 수 있었습니다.

예를 들어, 자율 에이전트가 환경과 상호 작용하고 피드백을 받아 학습하는 머신 러닝의 한 유형인 강화 학습은 에이전틱 AI의 높은 수준의 의사 결정 기능을 활성화하는 데 중요한 역할을 했습니다. 시행 착오를 통해 학습하면 에이전틱 AI 시스템은 복잡하고 동적인 환경에서도 액션을 최적화하여 특정 목표를 달성할 수 있습니다.

어떤 기술 혁신과 발전이 엔터프라이즈 전체에서 AI 에이전트를 통해 에이전틱 AI를 적용하는 데 기여하고 있나요?

AI 도구를 기존 엔터프라이즈 시스템과 통합한 것은 이전까지의 판도를 바꾸는 계기가 되었습니다. 그 덕분에 자율 에이전트는 고객 관계 관리(CRM) 및 전사적 자원 관리(ERP) 시스템부터 공급망 관리 및 HR 도구에 이르기까지 조직 전체의 다양한 데이터 소스를 활용할 수 있게 되었습니다. 데이터 사일로를 허물고 이기종 시스템을 연결하면 에이전틱 AI가 비즈니스에 대한 360도 시야를 확보하여 보다 스마트한 데이터 기반 의사 결정을 내리고 복잡한 워크플로를 자동화할 수 있습니다.

클라우드 컴퓨팅의 발전도 에이전틱 AI의 성장을 가속화하는 데 중요한 역할을 했습니다. Microsoft Azure, Amazon Web Services(AWS)와 같은 클라우드 플랫폼은 복잡한 AI 모델을 학습시키고 배포하는 데 필요한 확장 가능한 컴퓨팅 성능과 스토리지 용량을 제공합니다. 또한 비즈니스는 정교한 데이터 처리 도구를 사용하여 대규모 데이터 집합에서 중요한 인사이트를 실시간으로 추출하여 에이전틱 AI의 의사 결정 기능을 가속화할 수 있습니다.

여기에 UiPath Platform™과 같은 AI 기반 자동화 솔루션의 개발로 에이전틱 AI의 도입이 더욱 가속화되었습니다. 이러한 플랫폼은 AI 기반 자동화의 설계, 개발 및 배포를 단순화하는 포괄적인 도구 및 서비스 제품군을 제공하여 비즈니스가 다양하고 복잡한 태스크 및 프로세스를 처리할 수 있는 지능형 에이전트를 더 쉽게 생성 및 관리할 수 있도록 합니다.

이러한 발전은 어떻게 상호 작용하여 AI 에이전트의 출현을 가능하게 했나요?

앞서 논의한 바와 같이, 강력한 LLM, 정교한 머신 러닝 및 원활한 엔터프라이즈 통합으로 인해 AI 에이전트의 이면에 있는 "브레인파워"인 에이전틱 AI가 등장하게 되었습니다. 크게 향상된 분석, 추론, 학습 및 추론 기술을 기반으로 하는 이 새로운 소프트웨어 에이전트는 이제 최소한의 인적 개입으로 작동하여 이전에는 인간 지능의 독점적인 영역으로 간주되었던 복잡하고 동적인 프로세스를 완료할 수 있습니다. 에이전틱 AI는 목표를 설정하고 작업 완료를 위한 프로세스를 설계 및 최적화할 수 있습니다. 또한 스스로 액션을 수행하도록 결정하거나, 다른 에이전트에게 프로세스를 시작하도록 지시할 수 있습니다. 그리고 경험을 통해 학습하고 시간이 지남에 따라 성과를 향상할 수 있습니다.

AI가 비약적으로 발전하면서 머신이 거의 인간과 같은 인지 능력을 가지고 작동할 수 있게 되었고, 이는 획기적인 기술 변화를 가져오고 있습니다. 오늘날 머신의 이해력은 그 어느 때보다 우수해 배우고, 예측하고, 직관하며, 추론까지도 가능합니다. 또한 정의되지 않은 작업을 수행하고, 복잡한 프로세스를 관리하며, 1~2년 전까지만 해도 사람만이 완료할 수 있었던 미묘한 결정을 내릴 수 있습니다.

간단히 말해, 에이전트 AI는 역사상 처음으로 인간 지식 노동자의 일을 대체할 수 있는 새로운 가상 노동력을 창출할 수 있게 해줍니다. 이를 통해 작업 프로세스를 설계하고, 에이전트와 사람 간의 작업 분할을 결정하고, 조직 전반의 수많은 프로세스에서 사람과 기계의 역할을 정의하는 데 완전히 새로운 가능성이 열립니다.

에이전틱 AI의 발전으로 사람과 기계가 상호 작용하고 협업하는 방식이 이미 일부 변화를 겪고 있지만, 이는 큰 변화의 바다 속 몇 방울에 불과합니다. 지평선 너머에는 이제 막 합쳐지고 기세를 얻기 시작한 엄청나고 불가피한 업무 혁신의 물결이 일고 있습니다.

가장 현대적이고 성공적인 회사가 향후 5년 이내에 운영되는 방식은 현재의 방식과 완전히 달라질 것입니다. 즉, 워크스트림 전체에 자동화와 AI가 보편화되어 직원이 하는 일과 머신이 하는 일 그리고 사람과 머신이 함께 하는 방식이 완전히 달라질 것입니다. 이들은 더 우수하고 빠르며 효율적으로 운영될 것입니다. 또한 뛰어난 고객 응대, 현재 및 미래의 변화에 대한 민첩한 대응, 새로운 수준의 직원 생산성 및 참여를 달성하는 능력으로 차별화될 것입니다.

가능성은 거의 무한하며 에이전틱 AI의 미래는 희망 찬 약속으로 가득 차 있습니다. 이 기술이 발전을 거듭하면서 일의 세계와 세상에서 인간과 머신의 역할에 변화를 가져올 수 있습니다.