AI 에이전트
AI Agent
AI 에이전트란?
- 목표를 주면 스스로 계획·도구 사용
- 답만 하는 걸 넘어 '실행'
- 여러 단계 작업 수행
AI 에이전트가 들어오면 먼저 바뀌는 것은 업무 지시서의 모양입니다. 기존 자동화는 '1번 화면 열고, 2번 값 복사해서, 3번 시트에 붙여넣기'처럼 사람이 절차를 끝까지 적어줘야 움직였지만, 에이전트에는 '이번 주 미수금 현황을 정리해서 팀장 보고서 초안까지 올려라'처럼 결과물 기준으로 지시합니다. 그래서 관리자의 일도 절차를 감독하는 쪽에서 결과 검수와 권한 범위 설계 쪽으로 옮겨갑니다.
현장에서는 자율성 수준으로 나눠 보는 편이 실용적입니다. 매 단계 사람이 승인 버튼을 누르는 보조형, 정해진 범위 안에서 알아서 돌고 결과만 올리는 반자율형, 예외까지 스스로 판단하는 완전자율형이 있는데 대부분의 국내 도입 사례는 보조형과 반자율형 사이에 있습니다. 챗봇은 한 번의 질문과 답변으로 끝나고 RPA는 고정된 화면과 좌표를 따라가는 반면, 에이전트는 상황을 보고 쓸 도구를 직접 고른다는 점이 결정적 차이입니다.
다만 아무 업무에나 붙는 것은 아닙니다. 대상 시스템이 API나 최소한 조회 화면으로 열려 있어야 하고, 어떤 도구를 몇 번 호출했는지 로그가 남아야 하며, 잘못 실행했을 때 되돌릴 수 있어야 합니다. 처음부터 도구를 열 개씩 붙이기보다 3~5개 도구에 5~10단계 정도로 시작해 실패 지점을 눈으로 확인하고 넓히는 편이 안전합니다.
가장 흔한 오해는 '알아서 하니 검수를 줄여도 된다'는 생각입니다. 단계마다 정확도가 95%여도 10단계를 이어 돌리면 최종 성공률은 60% 아래로 내려갑니다. 여기에 메일 발송이나 재고 수정 같은 쓰기 권한을 승인 없이 열어두면, 잘못된 단가가 적힌 견적서가 고객사 스무 곳에 자동 발송되는 식의 사고가 납니다. 어느 단계에서 사람이 끊을지를 먼저 정하지 않은 도입은 대부분 3개월 안에 멈춰 섭니다.
| 구분 | 에이전트 | 코파일럿 |
|---|---|---|
| 역할 | 스스로 여러 단계 실행 | 사람 옆에서 보조 |
| 주도 | AI가 주도 | 사람이 주도 |
| 예 | 자동으로 조사·처리 | 문서·코드 작성 도움 |
LLM에 '도구 사용'과 '단계적 추론'을 결합하려는 흐름(2022년 이후)에서 부상했습니다. 추론과 행동을 번갈아 하는 ReAct 같은 기법이 대표적 계기가 됐습니다.
가상의 사례로 살펴보겠습니다. 임직원 180명, 연매출 약 900억 원인 생활가전 유통사 A사의 이야기입니다. CS팀 6명이 월 3,200건의 배송·반품 문의를 받는데, 주문관리 시스템과 택배사 조회 화면을 번갈아 열다 보니 1건 평균 처리 시간이 7분을 넘었습니다. 3분기 성수기를 앞두고 CS팀장이 '사람 더 뽑기 전에 한 번만 해보자'며 에이전트 도입을 꺼냈습니다.
- CS팀 박 차장은 최근 3주치 상담 기록 9,600건을 유형별로 분류해, 배송 조회·반품 접수·교환 안내 세 가지가 전체 문의의 68%라는 것을 숫자로 들이밀었습니다.
- IT팀은 주문관리 시스템과 택배사 API를 조회 전용 권한으로만 붙이고, 환불 실행과 고객 메일 발송은 상담사가 승인 버튼을 눌러야 나가도록 막아 두었습니다.
- 에이전트는 '어제 주문한 거 언제 와요?'라는 문의가 들어오면 고객번호로 주문을 찾고 송장 상태를 조회한 뒤 답변 초안을 상담사 화면에 띄우는 5단계를 스스로 돌았습니다.
- 첫 2주 오답률이 11%로 나오자 박 차장은 '예약 배송이랑 부분 취소 건은 무조건 사람에게 넘겨라'는 예외 규칙을 넣었고, 3주차에 오답률이 3%대로 내려왔습니다.
- 3개월 뒤 1건 평균 처리 시간은 7분 12초에서 2분 40초로 줄었고, 성수기에 계획했던 계약직 3명 충원 없이 월 3,200건을 소화했습니다. 대신 상담사 한 명이 답변 검수 전담으로 역할을 옮겼습니다.