Your browser does not support JavaScript!

AI 에이전트와 LLM의 차이 및 발전

일반 리포트 2024년 11월 02일
goover

목차

  1. 요약
  2. AI 에이전트의 정의 및 기능
  3. AI 에이전트와 LLM의 차이
  4. AI 에이전트의 실제 사례
  5. AI 에이전트의 발전 현황
  6. AI 에이전트의 도전 과제
  7. 결론

1. 요약

  • 본 리포트는 AI 에이전트와 LLM(거대언어모델)의 차이점을 분석하고, AI 에이전트의 최근 발전 현황을 살펴봅니다. AI 에이전트는 자율적이며, 사용자의 목표 달성을 위해 복잡한 작업을 효율적으로 수행할 수 있는 능력을 가지고 있습니다. 이는 특히 보험 산업에서 프로세스를 간소화하는 데 효과적이며, 삼성SDS의 퍼스널 에이전트와 같은 사례로 그 실용성을 확인할 수 있습니다. 반면, LLM은 주로 자연어 처리와 대화형 응답에 사용되며, 특정한 업무를 독립적으로 수행하기에는 한계가 있습니다. 리포트는 또한 세일즈포스의 ‘에이전트포스’ 출시를 통해 AI 에이전트가 어떻게 다양한 산업에서 혁신을 지원하는지를 설명합니다.

2. AI 에이전트의 정의 및 기능

  • 2-1. AI 에이전트의 개념

  • AI 에이전트는 자율형 인공지능으로, 지정된 목표를 달성하기 위해 자율적으로 작업을 수행할 수 있는 프로그램입니다. AI 에이전트는 사용자가 요청하는 작업을 위한 데이터를 수집하고, 그 작업을 수행하는 방법과 순서를 계획하여 실행합니다. 이러한 과정은 사용자의 목표 달성을 위해 반복될 수 있습니다. AI 에이전트는 영화 아이언맨에 등장하는 자비스(Jarvis)와 같은 기능을 갖춘 비서 역할을 수행하며, 고객 상담원이 자동으로 고객에게 의견을 요청한 후 적절한 해결책을 제시할 수 있도록 설계되었습니다.

  • 2-2. AI 에이전트의 기능 및 역할

  • AI 에이전트는 여러 업무를 수행하는 데 필요로 하는 사용자 데이터를 활용하며, 외부 시스템과 연동하여 정보를 처리합니다. 각 기능에 맞는 LLM(거대언어모델)을 사용하여 다양한 작업을 수행할 수 있으며, 특정 업무를 담당하는 여러 에이전트가 협력하여 과제를 완수하는 구조로 운영될 수 있습니다. 예를 들어, 삼성SDS의 퍼스널 에이전트는 보험 업무에서 사고 접수부터 보험금 지급까지의 과정을 3일 이내에 처리할 수 있도록 설계되었습니다. 이는 발생하는 업무의 복잡성을 줄이는데 기여하며, AI 에이전트의 활용을 통해 업무 효율성을 높일 수 있습니다.

3. AI 에이전트와 LLM의 차이

  • 3-1. LLM의 정의 및 기능

  • LLM(거대언어모델)은 자연어 처리 기술을 기반으로 하여 대량의 텍스트 데이터를 학습하여 사용자의 질문에 대한 답변을 생성하는 모델입니다. 비교적 단순한 질문에 대해 적절한 답변을 내놓을 수 있습니다.

  • 3-2. AI 에이전트와 LLM의 비교

  • AI 에이전트는 자율성을 가지고 복잡한 작업을 독립적으로 수행할 수 있는 시스템입니다. 특정 업무를 요청하면 필요한 데이터를 모으고 작업의 방법과 순서를 계획하여 실행합니다. 예를 들어, AI 에이전트에게 치과 예약을 요청하면 사용자 캘린더를 확인하고 예약을 진행하여 사용자에게 예약 완료 메시지를 전달할 수 있습니다. 이러한 과정에서 여러 기능에 맞는 LLM을 활용할 수 있으며, 사람의 개입 없이 업무를 자동화할 수 있는 장점이 있습니다. 또한, 삼성SDS의 경우, 자동차 사고 처리 과정에서 AI 에이전트를 활용하여 22단계의 업무를 최소 3일 이내로 단축할 수 있다고 합니다. AI 에이전트는 업무 효율성을 높이는 데 기여하고 있으며, 국내외 기업들이 LLM을 넘어 AI 에이전트로 경쟁하고 있습니다.

4. AI 에이전트의 실제 사례

  • 4-1. 보험 분야에서의 AI 에이전트 활용

  • 보험 분야에서 AI 에이전트는 자동차 사고가 발생할 경우 사고 접수부터 보험금 지급까지의 과정을 자동화하여 업무 효율성을 높이고 있습니다. 일반적으로 이 과정은 22단계에 걸쳐 최소 9번의 고객 커뮤니케이션을 필요로 하며, 이로 인해 최대 2주가 소요됩니다. 그러나 AI 에이전트를 활용하면 이 과정을 3일 이내로 축소할 수 있는 가능성이 있습니다.

  • 4-2. 삼성SDS의 퍼스널 에이전트 예시

  • 삼성SDS는 생성형 AI 서비스 '브리티 코파일럿'에 '퍼스널 에이전트' 기능을 추가할 예정입니다. 이 퍼스널 에이전트는 고객의 요청을 이해하고 업무의 맥락과 패턴을 파악하여 능동적으로 지원하는 역할을 수행합니다. 창성중 삼성SDS IW사업팀장은 퍼스널 에이전트를 '스마트하고 든든한 조력자'로 설명하였으며, 이 기술이 보험 분야에서 어떻게 활용될 수 있는지에 대한 비전을 제시하였습니다.

5. AI 에이전트의 발전 현황

  • 5-1. 세일즈포스의 ‘에이전트포스’ 출시

  • 세일즈포스는 2024년 11월 17일(현지 시각) 연례 IT 행사 ‘드림포스 2024’에서 자율형 AI 에이전트인 ‘에이전트포스(Agentforce)’를 처음 공개하였습니다. 이 AI 에이전트는 조직 내 역할과 워크플로우, 산업별 특성에 따라 업무 수행의 혁신을 지원하고 고객 경험 및 직원 경험 향상에 기여할 것으로 기대됩니다. 에이전트포스는 사전에 구축된 템플릿을 기반으로 하며, 조직 구성원들이 영업, 서비스, 마케팅, 커머스 등 다양한 고객 접점에서 신속하게 자율 에이전트를 활용할 수 있도록 지원하는 로우코드 플랫폼입니다. 이 에이전트는 실시간 데이터를 바탕으로 변화하는 상황에 적응하고, 조직의 가이드라인에 따라 독립적으로 작동할 수 있도록 설계되었습니다.

  • 5-2. AI 에이전트 시장 성장 전망

  • 세일즈포스는 2025년 말까지 10억 개의 AI 에이전트를 활성화하겠다는 목표를 발표하였습니다. 이러한 목표는 AI 에이전트가 자율적이고 효율적으로 다양한 업무를 수행할 수 있는 가능성을 시사하며, 시장의 성장을 촉진할 것으로 보입니다. AI 에이전트는 사람들이 설정한 목표를 달성하기 위해 최적의 조치를 선택하여 독립적으로 업무를 수행할 수 있는 기술로, 많은 기업들이 AI 에이전트를 개발하여 활용하고 있습니다. 이들은 고객 상담과 같은 복잡한 프로세스를 지원함으로써 업무 효율성을 높이는 데 기여하고 있습니다.

6. AI 에이전트의 도전 과제

  • 6-1. 데이터 활용 및 시스템 연동의 복잡성

  • AI 에이전트는 여러 다양한 LLM을 활용함으로써 데이터 활용에 있어 복잡성을 동반합니다. 각 기능별로 에이전트를 나누어 운영하는 과정에서는 정보의 교환 및 협업이 필요하며, 이에 따라 다양한 소프트웨어와 외부 애플리케이션 프로그램 인터페이스(API)와의 원활한 연동이 요구됩니다. 이러한 과정에서 상당한 컴퓨팅 자원이 필요하며, 이는 시스템의 복잡도를 증가시킵니다. AI 에이전트가 여러 업무를 수행하기 위해서는 상황에 맞는 다양한 데이터를 활용해야 하므로, 데이터 활용도에 따라 유의미한 격차가 발생할 수 있습니다.

  • 6-2. 개인정보 보호 및 보안 문제

  • AI 에이전트가 데이터를 활용하는 과정에서 개인정보 보호와 보안 문제도 중요하게 고려되어야 합니다. 여러 LLM 및 소프트웨어와 연동되는 AI 에이전트는 다양한 개인 데이터를 다루기 때문에 적절한 보안 관리 체계가 필요합니다. 개인 정보의 유출이나 오남용을 방지하기 위한 더욱 정교한 보안 시스템이 요구됩니다. 이러한 과제는 AI 에이전트의 발전에 있어서 중요한 방해 요소가 될 수 있습니다.

결론

  • AI 에이전트는 그 자율성과 효율성 덕분에 다양한 산업, 특히 보험 분야에서 복잡한 업무 프로세스를 혁신적으로 간소화하는 데 기여하고 있습니다. 삼성SDS의 퍼스널 에이전트와 세일즈포스의 에이전트포스와 같은 실제 사례는 AI 에이전트가 어떻게 실질적 업무에 적용되고 있는지를 보여줍니다. 그러나 이러한 기술이 더 효과적으로 기능하기 위해서는 데이터 처리의 복잡성, 개인정보 보호, 시스템 연동 문제 등의 도전 과제를 해결해야 합니다. AI 에이전트의 미래 발전 가능성은 매우 높으며, LLM과 함께 더욱 발전된 형태로 시장에 혁신을 불러올 것으로 기대됩니다. 지속적인 기술 개발과 업계의 협력을 통해 AI 에이전트의 실질적 적용 가능성을 더욱 확대할 수 있을 것입니다.

용어집

  • AI 에이전트 [기술]: AI 에이전트는 자율적으로 작업을 수행하며, 사용자의 요청에 따라 필요한 데이터를 수집하고 처리하는 인공지능 비서를 의미합니다. 이 기술은 다양한 산업에서 업무 효율성을 높이는 데 기여하고 있으며, 특히 복잡한 프로세스를 자동화하는 데 효과적입니다.
  • LLM (거대언어모델) [기술]: LLM은 대량의 데이터를 기반으로 훈련된 언어 모델로, 자연어 처리에서 주로 사용됩니다. AI 에이전트와는 달리 특정 작업을 독립적으로 수행하는 데는 한계가 있으며, 대화형 응답과 같은 단순한 작업에 주로 사용됩니다.
  • 삼성SDS [회사]: 삼성SDS는 IT 서비스 및 솔루션을 제공하는 기업으로, AI 기반의 퍼스널 에이전트를 개발하여 보험 업무의 효율화를 도모하고 있습니다.
  • 세일즈포스 [회사]: 세일즈포스는 클라우드 기반 소프트웨어를 제공하는 기업으로, ‘에이전트포스’라는 새로운 AI 에이전트를 출시하여 고객 경험과 직원 경험 향상을 목표로 하고 있습니다.

출처 문서