00:00마이크로소프트와 디타임즈가 함께 준비한 AI 트랜스포메이션 익 CD 에이전틱 AI LG 전자 KT, 이마트, SK 이노베이션, 그리고 마이크로소프트까지 AI 에이전트 도입으로 바뀌고 있는 국내 기업 현장에 생생한 사례와 경험을 소개합니다
00:13에이전틱 AI 이래 판을 바꾸다
00:13자세한 사항은 댓글창을 확인하세요
00:18[음악] 잠재된 능력에 따라서 어쩔 땐 일을 잘하고 어쩔 땐 일을 못 해가 아니고 내가 원하는 대로 늘 예측 가능하게 일관적으로 답변을 가지고 오고 그런 실행 결과를 우리에게 알려 줄 수 있도록 제어하는 것이 에이전트고요
00:38그 에이전트의 핵심이 루프 디자인입니다
00:38에이전트도 성장을 해요
00:38그냥 무한 루프를 도는게 아니라 어느 정도까지면 만족하겠다라고 했을 때 루프를 중단할 수 있어야 되고 우리가 일을 시키지 않을 때에도 알아서 일을 해야 되는 시점에서는 능동적으로 개입을 할 수 있어야 되고 그다음에는 진화할 수 있게끔 뭐 셀프리 ref파인이라든지 리플렉션이라든지 이런 모듈을 우리가 붙여주면 데이터가 쌓이고 그 결과물에 대해서 좋은 결과들만을 갖고 스스로 학습을 시키기 때문에 계속 성능은 올라가게 됩니다
01:06네
01:06안녕하세요
01:06티타임 총재 기자입니다
01:06정말로 앞서 나가고 싶은 분들을 위해서 준비했습니다
01:12이제 드디어 AI 에이전트의 시대가 도래를 했고요
01:12AI 에이전트는 우리가 지금까지 써왔던 AI와는 차별성이 있는 거 같습니다
01:18그래서 그 부분을 정확히 여쭤보기 위해서 모셨습니다
01:24이주한 스위 테크놀로지스트 대표님 모셨습니다
01:24안녕하십니까? 안녕하세요
01:29반갑습니다
01:29작년에이어서 작년 만네요
01:29올해 총가 한번 뵙고 또 두 번째 모시게 됐습니다
01:35네
01:35앵콜 방송 AI 에이전트 생태계라는 책을 써 주셔 갖고 제가 다 읽었는데 무려페이지입니다
01:42내용이 엄청 방대해서 AI 에이전트가 뭐고 어떻게 개발해야 되는 거고 어떻게 사용해야 되는 거고 또 이게 어떤 영향을 미칠지에 대해서 쭉 집대성을 한 책이 나와서 또 교재료도 많이 쓰신다고요
01:55어, 기존에는 이젠 그 기술 발전의 순서에 따라서 어떤 뭐 GPU나 어, 클라우드와 같은 인프라스트럭처가 만들어지고 모델이 만들어졌다면 이젠이 모든 그 테크스택들이 에이전트를 중심으로 재편이 되고 있어요
02:07모델에 대한 어떤 성능 벤치마크 같은 경우도 이젠 테스크 중심으로 에이전트 연동했을 때 얼만큼 퍼포먼스가 나느냐 이런 방식으로 재설계가 되고 있기 때문에 기존에 있었던 요소 기술들의 총합을케스트레이션하는 역할이 에이전트다 보니이 에이전트에 대해서는 생태계를 언급하지 않고서는 기술하는 것이 불가능했습니다
02:27그러다 보니 양이 많아졌고요
02:27감사하게도 뭐 서울대학교에서도 에이전트 개발과 관련된 교과서로 사용을 하는 등 어 많이 이제는 이렇게 불러주고 계십니다
02:33저는이 책을 보고 또 오늘 인터뷰를 준비하면서 일단 전제로 하나 좀 깔았으면 좋겠는게 많은 분들은 AI 에이전트 시대가 열린다라고 하면은 그냥 예를 들어 채지 창에 내가 이런 이런 A 테스크, B 테스크, C 테스크를 합친 결과물 D를 얻고 싶으니까 네가 알아서 다 해 줘라고 하면은 그게 그냥 뿅하고 나올 거 같잖아요
02:53근데 이렇게 방대한 책이 나오고 또 우리가 아직까지 그걸 경험을 못 하는 거는 그런 시대가 오는 거는 조금 아직 시간이 남았고 현재 AI 에이전트를 잘 쓰기 위해서는 조금 더 손이 많이 가죠
03:05아, 맞습니다
03:05에이전트라는 단어를 사실 어디까지 정확하게 디파인을 하느냐에 따라서 받아들여지고 또 기대하는 부분이 많이 달라질 수 있다고 생각을 하는데요
03:17채 GPT가 GPT 스토어를 출시하면서 굉장히 다양한 API를 액션하게 어 붙이는 그런 방식을 구현을 해서 유저들이 쓸 수 있었음에도 불구하고 자사 솔루션의 에이전트란 이름을 붙인 것은 비단 지난 달입니다
03:35그렇기 때문에 그 실제 AI를 잘 만드는 회사들에서조차 우린 이제 AJI로 가는 5단계 중에 3단계인 에이전트의 초입에 들어섰다라고 이야기를 하는데요
03:45오히려 이젠 서비스 중심의 회사들은 아 우리가 에이전트다
03:45이렇게 이제 이야기를 하다 보니 물론 에이전트라는 단어가 많이 워싱되면서 시장이 커지는 효과이 있습니다
03:56하지만 어 에이전트가 이것밖에 안 되네라고 받아들이는 어떤 기대의 차이도 있을 수 있기 때문에 아마 그런 부분에 있어서 정확하게 디파인하고 넘어가는 것도 좋지 않을까 싶어요
04:02지금까지 우리가 한 2년 반 동안 썼던 AI는 새로운 음식 재료가 발견이 돼서 그 재료 자체를 맛보면서 이거 되게 괜찮다라고 했던 정도라고 하면 지금 이제 AI 에이전트 시대는 이걸로 정말 요리를 해서 우리가 너무 맛있게 식당에서 먹을 수 있는 완성된 요리 자체가 이제 AI 에이전트가 아닌가 그런 좀 생각을 해 봤거든요
04:27네, 맞습니다
04:27LM만으로 할 수 있는 것들이 굉장히 많죠
04:33하지만 이젠 확률적으로 언어를 생성하는 그런 리스판더로만 우리가 활용한다면은 이게 너무 아쉽잖아요
04:39그래서 그 안에 내재되어 있는 잠재 능력을 아주 일관적으로 호출할 수 있게끔 그리고 인간이 쓸 수 있는 다양한 도구들을 연결하고 위임해서 어느 정도의 자율성 안에서는 에이전트가 우리의 의도를 파악해서 스스로 시작부터 끝까지 답변을 주는 Q&A 봇이 아닌 테스크를 시작부터 끝까지 본인들이 분해하고 이해하고 최적하고 실행에 옮긴 다음에 반영하고 진화하는 이런 모든 것을 자율화시키는 프로그램이 에이전트라고 보시면 됩니다
05:05그러면 저희가 이제 사용하는 단에서 느끼기에는 기존에 썼던 뭔가이 채보형의 AI와이 AI 에이전트 이게 서비스형 에이전트라고 표현을 해 주시는 거 같던데 그런 서비스형 에이전트는 사용단에서는 어떤 차이가 있나요? 자동차로 이야기를 한다면요
05:23내비게이션이 기존에 Q&A라고 보시면 됩니다
05:23내가 어디 가야 돼 하면 그냥 단순한 답을 알려 주는 거예요
05:28그렇다면 에이전트는 내가 어디 가고 싶어라고 하면은 아 그러면은 이곳으로 한번가 보시죠라고 하면서 나를 거기까지 안내해 주는 자율주행차라고 보시면 됩니다
05:35휴먼 인덜을 통해서 어느 정도 인간의 개입과 협업이 필요하다고 본다면 우리를 그쪽으로 안내해 주시는 어떤 대리 운전 기사님이라고 봐도 괜찮을 것 같습니다
05:47소묘인도루프라는게 이제 중간중간 사람이 개입이 될 수밖에 없는 상황인 거잖아요
05:52현재는 맞습니다
05:52모델이 갖고 있는 여러 가지 한계가 있지만 예를 들면은 문맥을 왜곡한다든지 아니면 툴에 위임을 주었을 때 잘못 실행해서 어떤 문제 임팩트를 키운다든지 우리가 잘 알고 있는 할루시네이션이라든지 굉장히 다양한 이슈들이 있잖아요
06:05그러기 때문에 어떤 잠재된 능력이 잘못된 방식으로 잘못된 툴을 호출했을 때 임팩트를 최소하기 위해서는 우리가 완전 자율형으로이 모든 인간의 권한을 위임하기보다는 우리가 설계하고 조율해 준 그 루프 안에서 에이전트가 우리가 예산 가능하고 통제 가능한 방식으로 실행할 수 있도록 가이드해 주는 것이 좋습니다
06:25반자유령이죠
06:25반자유령 이게 기술도 문제가 있고 컴퓨터 자원을 너무 돌려야 된다는 문제도 있고 여러 문제가 있겠습니다만 또 하나는 사람의 성향이나 선호도가 있기 때문에 자율주행 차라고 해도이 사람은 올림픽대로를 타는 거를 좋아하는지 아니면은 국도로 가는 거를 좋아하는지 아니면은 뭐 돈을 많이 쓰면서 가도 상관없는지 이런 평향을 파악하는 데까지는 또 사람이 계속 개입을 하면서 얘기를 해 주고 판단을 해 주고 그다음에 또 평가를 해 줘야 초개인화가 되는 거잖아요
06:56요런 문제에서도 사람이 개입이 돼야 되는 거 아닙니까? 맞습니다
07:01에이전탄에서는 그런 부분들을 최적화시켜 주는 메모리 프레임웍을 제공해 줍니다
07:01그래서 롱텀 메모리가 있고 텀 메모리가 있기 때문에 그 사람의 선호도가 어땠는지 과거 이력을 조회하고 분석하고요
07:13그렇다 보면은이 사람은 지금 이런 걸 원할 거야 하고 우리가 시켜야 수동적으로 반응하는게 아니라 먼저 능동적으로 우리에게 제한해 줄 수도 있는 거죠
07:20예를 들면 세탁기하고 건조기가 개별적인 지능을 갖고 있다고 가정을 했을 때 지금 빨래해 이건 큰 의미가 없을 거예요
07:27그냥 룰베이스로 빨래 버튼을 누르면 되니까요
07:27근데 만약에 어 세테니까 주변에 문맥을 분석하고 나서 어 지금이 시간이 전기세가 제일 저렴할 때예요
07:33내가 어 건조기하고 협업을 해서 몇 시까지 완료해 놓을게요라고 미리 우리에게 컨펌을 요청한다면 그때는 정말 초개인화와 능동성이 두 가지의 혜택을 저희가 볼 수 있게 되는 거죠
07:48예를 들어 애 교복이 빨래통에 들어왔을 때 세탁기에 들어왔을 때 이거는 내일 얘가 목요일 날 항상 입어야 되는 거라서 화요일이면은 뭐 주인이 누를 때까지 하라고 할 때까지 기다리지만 수요일 날 들어오면 이거 빨리 처리해서 빨리 건조까지 해 놔야 내일 애가 입을 수 있어
08:08요런 것도 가능한 거 아니에요? 맞습니다
08:08하지만 말씀하신 바로 그것이 이젠 AI 홈이잖아요
08:08IoT 중심으로 이동을 했던 그런 그 스마트홈을 넘어선 AI 홈이 될 텐데요
08:15핸드폰과 같은이 디바이스 에이전틱 익스피리언스 같은 경우는 개인화만 하면 됩니다
08:21하지만 가족과 함께 사는이 집이라는 공간을 AI 화시키기 위해서는 말씀하신 것처럼 다양한 이해 관계자들 이해할 수 있어야 돼요
08:29그래서 난이도가 조금 더 어려울 거라고 보고 있고요
08:35어떤 디바이스의 개인 지능화가 아니라 그들이 가족 구성 원들과 어떻게 초개인화를 할 것인지에 대해서는 조금 더 AI에 가까운 그런 그 기술이 필요하다고 봅니다
08:48현재 상황에서 우리가 근실내 AI 에이전트의 힘을 빌어서 내 생활을 편하게 만들거나 혹은 일을 더 편하게 만드는게 지금 많은 분들의 목표잖아요
08:53그러려면 지금 이제 사람이 개입될 수밖에 없는 상태긴 하고 사람이 개입되려면 또 내가 계획을 쭉 짜서 AI 에이전트한테 시키거나 구조를 만들어 놔야 AI 에이전트가 작동을 하잖아요
09:07맞습니다
09:07그러려면이 AI가 어떤 과정을 거쳐서이 일을 수행하는지를 좀 보시는 분들이 아셔야 될 거 같아요
09:14예를 들어서 이제 제가 뭐 뉴욕으로 출장을 가려고 하는데 저는 이제 직항을 타고 가야 돼요
09:21또 웬만하면 좀 저렴한 티켓을 사야 되고 그런 것들을 만족시키면서이 에이전트가 저한테 티켓을 구매까지 해 주는 여정이 있다고 하면 어떤 과정을 거쳐서 저한테 출력을 주게 되는지 혹시 설명이 가능하십니까? 네
09:36제가 에이전트를 그러면은 구성하고 있는 컴포넌트가 어떤 것들이 있고 말씀하신 여행을 자동화하는 에이전 C로서 내가 그 권한을 위임한 에이전트들이 어떤 프로세스를 거치게 되는지 한번 설명을 드려 볼게요
09:53에이전트 해부학이라는이 단원에서 제가 설명하고 있는 부분이 람트라는 겁니다
09:53L은 이제는 지능이에요
10:00LLM이고요
10:00A가 바로 자율성 어이고 그다음에 이제는 M이 메모리 그리고 T가 툴입니다.이네 이네 가지를 중심으로 한번 말씀을 드려 볼게요
10:06LM은 우리가 이제 여행사에게 어 우리 뉴욕으로 가는 직항 제일 저렴한 티켓 몇 월 며칠로 알아봐 주세요라고 한다면 여행사 직원의 노예가 LLM이라고 보시면 됩니다
10:18똑똑한 직원분들일수록 더 빠르고 효율적으로 소통해 주고 또 정확하게 내가 원하는 표를 찾아 주시겠죠
10:24예
10:24그다음에 이제 A라는 것은 무엇이냐면 내가 내 정보를 주고 여권 정보를 주는 거겠죠
10:30보안, 권한 이런 위임들을 통해서이 정도 가격대 안에서는 티케팅을 해 주세요라고 이제 우리가 의뢰를 하는 것이기 때문에 이런 모든 에이전에 대한 권한을 어터노이라고 저희가 볼 수 있고요
10:43그럼 이제 그분이 이젠 검색을 하겠죠
10:43구글에 들어가서 항공권 검색 엔진들을 쓸 겁니다
10:48그것을 이젠 제가 툴이라고 볼 수 있는데 어 우리에게 예약을 해서 발송을 해 주려면 캘린더도 들어가야 될 것이고 그 소통을 저희에게 해 주기 위해서는 뭐 전화라든지 메시지라든지 채팅이라든지 이메일 등에 또 다른 툴을 활용하게 되겠죠
11:00그러면은 람트라는 모든 구조를 갖고 제가 생각을 해보면 에이전트에게 저는 하나의 프럼프트를 날리는 겁니다
11:07몇 월며칠 뉴욕으로 가는 경유 없는 직항으로서 가장 저렴한 티케팅을 예약해 줘.이 안에 굉장히 많은 펑션이 들어가 있어요
11:15저는 사실 되게 편하게 한 줄 날리는 건데
11:20맞습니다
11:20그래서 내가 갖고 있는이 인간의 워크플로우를 AI 정확하게는 에이전트 친화적인 그런 워크플로우로 분해하는 작업이 굉장히 중요한 에이전틱 워크플로를 만들어내는 실력이라고 볼 수가 있습니다
11:31그러면은 먼저 LM에서이 모든 큰 하나의이 테스크를요 서브 테스크로 분해하는 작업을 합니다
11:38아 그걸 제일 먼저 해요
11:38딱딱딱 나누는군요
11:45맞습니다
11:45구조화를 가장 잘하는게 LRM이고요
11:45이제 그다음에는 이제는 스카이 스캐너와 같은 툴에 접속을 해서 그 API를 호출하고 가장 저렴한 티켓을 갖게 되는데 멀티에전트를 우리가 활용하게 되면은 병렬 처리를 통해서 다양한 그런 항공사의 그 검색 결과를 가져올 수 있겠죠
12:03그럼 그 이후에는 에그리게이터 에이전트가이 모든 개별 에이전트의 결과물을 조회한 다음에 우리의 컨디션 있잖아요
12:09가장 저렴한 이런 것들을 필터링해서 최종 결과물을 우리에게 반환해 줍니다
12:09그러면 그다음에 캘린더 API를 활용해서 부킹을 해 주고 우리에게 이메일 API를 활용해서 이메일로 우리가 소통을 하게 되는 거죠
12:23이런 흐름을 가져가게 되고이 처음부터 끝까지를 매번 허락 없이 내가 주원이 정보와이 문맥 안에서 자율적으로 해라고 했던이 모든 것이 결국은 어이라고 보시면 됩니다
12:36그럼 지금 여기에도 지금 멀티에트 뭐 병렬 이런 얘기가 나왔으면은 저랑 소통하는 처음에 lm이 있고 또 각 스카이 스캐너나 뭐 어디 뭐 부킹닷컴이나 이런데 들어가는 또 에이전트들이 있는 거고 또 나중에 캘린더를 얘가 직접 쓸 수도 있지만 캘린더를 관리하는 에이전트가 있을 수도 있잖아요
12:50그럼 엄청 많은 에이전트들끼리 막 협업을 하면서 결국은 그 결과값을 받아오게 되는 거예요
13:02앤노입니다
13:02왜냐면 처음부터 끝까지의이 추적을 잘한다라고 판단을 한다면 하나의 에이전트가 스킬 단위로이 모든 것들을이 풀워플로우로 동작을 시킬 수가 있습니다
13:13그런데 만약에 그 결과물이나 퍼포먼스에 우리가 만족을 못 한다
13:13뭐 그것이 레이턴스가 될 수도 있겠고요
13:19뭐 잘못된 예약이 될 수도 있겠고 뭐 할루시네이션이 될 수도 있겠죠
13:19그럴 때에는 말씀하신 것처럼 개별 단위의 스킬을 위 에이전트 간의 협업을 위한이 멀티에이전 시스템을 만들어 낼 수도 있는데요.이 두 가지를 나누는 것이 바로이 람트 중에 메모리입니다
13:30메모리는 이젠이 사람의 촉 개인화를 위해서이 사람이 원하는 항공사는 이거였지 선호들을 일단 기억을 하고 있거든요
13:37그다음에는이 사람이 원하는 그 시간대는 아침이나 새벽보다는 저녁이나 오후를 좋아했어
13:45그렇다면은이 다양한 필터 조건에서 내가 이야기는 하지 않았지만 내가 마치 필터한 것과 같은 효과를 가져다 줄 수 있는 거죠
13:52그래서이 LM과 어타노미와이 메모리와 그리고 툴이 함께 오케스트레이션 될 때이 에이전트 경험을 통합된 경험을 가질 수가 있는 거죠
14:04그럼 이런 여행을 예약한다던가 하는 거는 저만이 아니라 아주 많은 사람들이 하는 거기 때문에 충분히 서비스로 나올 수 있을 것 같아요
14:12충분히 나와 있고요
14:12그리고 그런 것들이 구현도 가능합니다
14:18몇 시간이면은 실제 데모도 보여 드릴 수 있을만큼 저희 슈퍼게스트 이런 것들을 이미 복잡하게 지원하고 있고요
14:24그런 것들에 대한 정확도도 뭐 어쩔 땐 되고 어쩔 땐 안 되고 이게 아니라 어 100번에서 100번 정확한 결과물을 우리가 만들어 낼 수도 있습니다
14:31AI 에이전트 시대에는 이젠 에이전트 에코노미가 열리게 될 텐데 그때에는 완성품이 아니라 개인이 필요로 하는 기능 단위에 스킬 마켓플레이스가 새로운 경제 단위가 될 것입니다
14:44그런 스킬 마켓플레이스라고 하면 아까 저희가 분해해 주셨던 지점에서는 예를 들어 얘는 API을 통해서 가격 비교를 하는 스킬 뭐 얘는 이메일을 보고서 일정을 조절할 수 있는 스킬 요렇게 생각을 해 보면 되나요? 맞습니다
15:01하나의 제품이라고 하면 그 제품 안에도 여러 펑션이 있고 그 펑션을 구현하기 위한 피처들이 있고 그리고 이런 것들이 어떤 다른 오픈 생태계에서 다른 앱들과 워플로우로 통합되도록 만들기 위한 API들이 존재하듯이 결국이 거대한이 제품 하나를 누군가에게 팔기 위해서는 굉장히 어려움이 있습니다
15:14왜냐면은 우리 어떤 베스트 프랙티스를 위해서 만든 것이기 때문에이 제품을 잘 쓰기 위한 교육이 필요해요.이 이 변화 관리에 대한 속도가 아 굉장히 비효율적으로 툴을 제공하는 회사에게는 작용할 수밖에 없는 구조고요
15:26그리고 툴을 받아들이는 그 고객의 입장에서도 어 이미 우리가 쓰고 있는 그런 툴들과 오버랩되는 그런 피처나 펑션들이 존재하게 된다면 중복 투자 이슈를 피할 수가 없게 되거든요
15:39그러다 보니 어 나는 그 툴 다 안 써요.이 기능이 100개 중에 내가 쓰는 기능도 안 돼요
15:45열 개 어만 가격 깎아 주면 안 돼요
15:45이게 안 되잖아요
15:51그런데 이것이 가능한 것이 이제는 MCP와 에이전트를 중심으로 에이전트 인터넷이라고 하는이 다음 에이전트의 챕터에서 실현이 될 에이전 기반의 에코노미라고 보시면 됩니다
16:02그럼 그런 식으로 스토어에서 내가 기능만 뽑아 와서 조합을 하든 혹은 이제 제가 하고 있는 업무를 좀 자동화하고 싶을 경우에는 제가 이제 하나하나 좀 소소하게 이렇게 기획을 해 갖고 만들어 써야 되는 느낌이에요
16:15지금 AAI 에이전트는 요것도 한번 좀 분해를 해 주시면은 좋을 것 같아서 한번 좀 여쭤 볼게요
16:20네
16:20좋습니다
16:20이론적으로는 가능하고 어느 정도는 구현을 지금도 굉장히 쉽게 할 수 있기 때문에 먼저 설명을 드리면은 우선 내가 하는 일을 워크플로 쭉 이렇게 정리합니다
16:35프로세서를 만든 다음에 여기서 툴 중에 지금은 API를 제공하고 있다면 API 에이전트를 구현하는 것이 가장 효율적입니다
16:41속도도 정확도도요
16:41그다음에 API가 없는 곳들은 GUI 에이전트라든지 데이터 에이전트와 같은 여러 타입 에이전트를 우리가 고려할 수 있어야 되겠죠
16:48방금 말씀해 주신 거 중에서 API 에이전트는 우리가 이제 기술 갖다 끼면 되는 거니까 우리 많이 들어오셨잖아요
16:53API 에이전트는 그래서 뭐 내가 요구항을 어느 서비스에 날리고 결과를 받아오는게 API 에이전트고 GUI는 브라우저 뭐 에이전트 얘기하는 것처럼 제 그냥 화면 보고지가 다 알아서 하는 거죠
17:06꼭 무슨 뭐 어디 서비스랑 연결이 안 돼 있어도 그냥 내가 눈으로 보고 하듯이 모니터 보고 걔가 하는 거죠
17:12맞습니다
17:12네
17:12물론 API 에이전트가 가장 좋습니다
17:12MCP로 곧바로 연결이 될 수도 있고요
17:18그리고 인풋 토큰도 불필요하게 많이 잡아먹지도 않고요
17:18우선 정확도가 비교가 안 됩니다
17:24그래서 그런 속도, 토큰, 효율성 이런 모든 부분에서는 API 퍼스트로 에이전트 구성을 하는게 당연히 맞고요
17:30근데 문제는 API가 없는 경우에 자동화도 우리가 필요로 하잖아요
17:30그럴 땐 이제는 가능한 것들부터 점진적으로 만들어 가는 것을 어 추천드립니다
17:36AI를 통한 자동화의 발전을 보면요
17:44처음에는 룰베이스로 일단은 워플로가 정의가 되는 것이 필요하고요
17:44그다음에는 내가 어떻게이 에이전틱한 플로우를 만들어 낼지에 대한 플로우 가이드 단계로 발전을 해야 됩니다
17:51그다음 세 번째가 아까 말씀드린 대로 자율성이라는 스펙트럼을 내가 조율해서 에이전트의 어떤 그 퍼널을 제가 루프를 통해 디자인하는 그런 세마이 어터노머스 레벨에서 에이전트 구성을 하는게 좋고요
18:04그다음이 과정을 통해서 기술도 발전을 하고 또 나의 어떤 레디스도 발전을 한다면 에이전트와 내가 서로 공진화하면서 마지막에 이제는 그 풀리토스 레벨로 넘어간다고 보시면 됩니다
18:17그러면 이제 제가 하는 걸 조금 다시 여쭤보고 그거를 또 기능 단위로 쪼개 주시면은 이제 보시는 분들도 아 내 것도 그렇게 할 수 있겠구나 이렇게 느끼실 거 같아서 요게 아마 아까 말씀하셨던 세미 오토노미스 그 반자동화시키는 정도라고 요청을 드려보고 싶어요
18:34그래서 제가 이제 예를 들면 조시 님이랑도 이메일이나 메신저로 저희가 이야기를 해서 인터뷰 일정을 만약에 잡는다
18:40그럼 이제 제가 이메일을 주고받거나 아니면 메신저를 통해서 주고받는 맞는 내용 중에서 얘가 이거를 인터뷰 일정이다라고 파악을 해야 되잖아요
18:45그다음에 그거를 저희가 이제 인터뷰를 잡고 나면 저는 제 캘린더에 제가 쓴단 말이에요
18:51근데 여기서 그치는게 아니라 저는 또 팀원들이라 이거 공유해야 돼요
18:56그니까 저희가 또 다 쓴단 말이에요
18:56팀원 있는 무슨 뭐 어디 툴에다가 기록한다거나 아니면 우리 캘린더에다가 같이 해야 되는 사람들 이렇게 눌러 갖고 제가 또 일정을 또 넣어요
19:02그러면 이제이 사람들이 뭐 대답해 주고 하면은 그다음에 저게 진행이 되는 건데 이게 너무 귀찮아서 그냥 이메일로 저희가 이주원 대표님이랑 만약에 제가 약속을 잡았으면 좀 관련 사람들한테까지 딱딱딱 이게 이메일에 박히고 연락하고 했으면 좋겠거든요
19:19요거는 제가 진짜로 한번 만들어 보고 싶거든요
19:19어떻게 만들 수 있습니까? 저희가 2, 3년 전부터 이미 출시했던 기능인데요
19:26그거 어떻게 만드는지 그 프로세스를 말씀을 드리면 일단 에이전틱 오토메이션이 들어가서 우리가 준 퍼미션 안에서 이메일을 리슨하고 있습니다
19:33우선 모니터링하고 있다가 인터뷰 예약과 관련된 키워드가 나오거나 아니면은 그런 내용을 추론해서이 사람의 인텐션이이 정도 레벨로 클래스파잉 됐어라고 판단을 하게 되면 그것이 트리거가 됩니다
19:47그래서 스케줄과 필요로 한 그 이후에 워크플로우를 호출하게 됩니다
19:53그러면은 이분과 나 사이에 이젠 캘린더 어il빌러리를 조회하게 되고 빈 시간 중에 가능한 인터뷰 일정을 부킹하게 되겠죠
19:58하지만 이때 우리가 만약에 내가이 사람과 인터뷰할 때에는 프라인으로 해, 오라인으로 해
20:06그리고 내가 미국에 있고 그 사람이 한국에 있다면은 타임은 KST 중심으로 해
20:11아니면은 뭐 이렇게 PD 중심으로 해
20:11이런 것들을 우리가 아주 세밀하게 제어해 주긴 어렵잖아요
20:17이런 것들은 이젠이스 to해지해 데이터는 아니다라고 판단을 하고 그 정도의 자율성을 우리가 에이전트에게 판단할 수 있도록 위임을 해 준다면 온라인으로 한 30분 정도를 알아서 이렇게 액션을 취하게 됩니다
20:30그리고 웹으로 연결된 이후에 메신저나 이메일로 이렇게 되었습니다라고 이야기한 이후에 이게 만약에 팀 인터뷰라면 내 개인의 캘린더를 팀드 캘린더로 이제는 이렇게 공유하게 되겠죠
20:42그래서 이런 모든 그 플로우에 따라서 내가 문맥을 공유하는 프롬프트가 될지 어떤 액션까지는 내가 허용을 해 줄 수 있는 리퀘스트를 줄지 아니면은 내가 개입 없이도 완전 자유를 할 수 있도록 어떤 컨디션을 미팅하면은 곧바로 트리거가 어 오토메이션을 일으키게 될지이 세 가지를 통해서 결국은 에이전트 구성을 하게 됩니다
21:03얘가 이메일을 보다가 맞는 거 같아서 저한테 그럼 제가 이제 설계를 해 놓을 때 네가 맞다고 판단이 됐을 때 행동하기 전에 나한테 한 번은 물어보고 해라고 그걸 줄 수도 있는 거죠
21:15맞습니다
21:15그다음에 만약에 주고 나서 이제 이메일을 주다가 그 저한테 또 다시 알람을 보내서 그러면 이건 누구누구랑 같이 찍는 거예요
21:21뭐 PD는 누구예요? 촬영자는 누구예요라고 또 알람을 주라고 해서 제가 골라주면은 그 사람들한테 연락을 간다거나 해서 그 중간중간 제가 결정을 내려주는 지점들을 넣으면 그게 이제 휴면 인더 루프로 들어가는 겁니까? 맞습니다
21:32지금 말씀하신 것이 에이전트 퍼널를 정의하는 에이전트 루프를 지금 말씀하신 거예요
21:38정확하게이 에이전트는 그냥 잠재된 능력에 따라서 어쩔 땐 일을 잘하고 어쩔 땐 일을 못 해가 아니고 내가 원하는 대로 늘 예측 가능하게 일관적으로 답변을 가지고 오고 그런 실행 결과를 우리에게 알려 줄 수 있도록 제어하는 것이 에이전트고요
21:56그 에이전트의 핵심이 방금 말씀하신 루프 디자인입니다
21:56사람으로 생각해 보면은 한 20년 일한 후배가 있다고 하면은 아 냥 네가 잘하세라고 하겠지만 올해 안 해 본 후임이라고 하면 중간중간 지점하에 뭐 나한테 보고하고 아니면 결정할 거 있으면 나한테 얘기해 줘라고 보통 회사도 그렇게 돌아가잖아요
22:09맞습니다
22:09그 그냥 그 정도라고 보면 되겠네요
22:15네
22:15에이전트도 성장을 해요
22:15이제 우리는 진화라는 말을 표현을 하는데 보통 예를 들면 이런 거죠
22:21에이전트가 그냥 무한 루프를 도는게 아니라 어느 정도까지면 만족하겠다라고 했을 때 루프를 이제는 중단할 수 있어야 되고 그리고 우리가 일을 시키지 않을 때에도 알아서 일을 해야 되는 시점에서는 능동적으로 낄끼빠 개입을 할 수 있어야 되고 그다음에는 어느 정도 우리가 진화할 수 있게끔 뭐 re리파인이라든지 re리플렉션이라든지 이런 모주를 우리가 붙여 주면 에이전트의 아키텍처는 동일한데도 불구하고 동일한 모델을 썼는데도 불구하고 에이전트 퍼포먼스는 데이터가 쌓이고 고 그 결과물에 대해서 좋은 결과들만을 갖고 스스로 학습을 시키기 때문에 계속 성능은 올라가게 됩니다
22:50그러면 어느 순간 그 올라간 성능으로 인해서 새롭게 필요로 하는 아키텍처까지도 이제는 동적으로 변화시킬 수 있는 그런 수준까지 올라가고 있어요
23:04그니까 지금 루프를 계속 돈다는 거는 지금 계속 진화한다는 건 지금 AA 에이전트 시스템이 자기가 계속 돌려보고 피드백이 이렇게 나왔네 아니면 이렇게 반응하네
23:10이거를 보면서지가 계속 자화하면서 점점 더 효율적인 방법으로 얘가 돌고 있는 거군요
23:21맞습니다
23:21정확하게는 이제 루프라는 표현이 다양하게 넓게 쓸 수도 있겠지만 보통 이제 루프라고 하면 이제 개별 에이전트 안에서의 회전하는 그런 그 사이클을 이야기를 하고요
23:27어이 멀티에트 같은 경우는 이젠 토폴로지라고 이제 아키텍처라고 이제 보통 표현을 하긴 합니다
23:34그래서 이제 말씀하신 것처럼 아키텍처 자체가 이제 진호한다
23:40작은 시스템 내에서는 루프고이 전체의 흐름을 보면 이건 토폴로지다
23:45그렇게 우리가 알아야 되겠군요
23:45에이전트라는게 어느 정도 수준에서 얘가 무슨 과정을 거쳐서 나한테 출력을 주는지 요런 흐름을 이제 저희가 들어봤는데 그렇게 되면 지금 현 시점에서 우리가 얼마나 업무를 자동화할 수 있느냐 그렇게 해서 내 얼마나 내 업무를 효율화시킬 거냐에 대한게 지금 가장 많은 분들의 고민이니까 일단 얘가 아무 대답이나 하는 정도 말고 아까 말씀해신 100번 지키면은 100번 다 99번 이상 좋은 대답을 갖고 오게 해 주는 정도의 수준 그리고 기업이나 이런 데서 서 야 이걸 내가 에이전트와 했어
24:15우리 잘했지
24:15이게 아니라 진짜 나한테 도움이 되는 상황에 딱 쓸 수 있는 그 상황.요 두 가지 그니까 얘가 신뢰성 있게 나한테 답을 해 줄 수 있는 정도
24:27그다음에 내가 진짜 유용한 그 필요성.요 두 가지가 맞아떨어지는 상황에서 우리가 지금 AI 에이전트를 어느 정도까지 쓸 수 있어요? 어느 정도 자동할 수 있는 거예요? 정답은 AAI를 쓰는 겁니다
24:40에이전틱 AI로 가야 되는 건데요
24:40말씀하신 그 부분은 단일 모델, 단일 프레임업 갖고는 절대 구현이 안 됩니다
24:47아, 반드시 여러 적정 기술들의 종합 예술이라고 볼 수 있는 에이전틱 AI가 바로 넥스트라고 보는 이유가 바로 말씀하신 자율성과 신뢰성.이 이 두 마리 토끼를 잡기 위해서 만들어진이 에이전트의 넥스트거든요
25:02그래서 내가 갖고 있는 어떤 도메인 지식이 있고 내가 갖고 있는 얼전트한 페인포인트가 있고 지금 우리가 갖고 있는 환경이라는 것이 있잖아요
25:08환경 안에는 툴도 있을 수 있고 인프라도 있을 수 있고 거버넌스도 있고 보완 정책이 있을 수도 있어요.이 모든 것들이 기업마다 다르겠죠
25:13버티컬이 같고 기업 사이즈가 비슷하더라도 결국이 에이전틱 레디스는 모든 기업이 다 다를 겁니다
25:20100개라면 100개가 있을 거예요
25:27그래서 저희는 AI 어세스먼트를 받으라고 먼저 제안을 합니다
25:27예를 들면 저희에게 그 슈퍼워크를 돌파하고 싶다라고 하는 고객군이 전혀 다른 두 개 계층이 있어요
25:32예를 들면은 한 100명, 200명의 AX 팀이 있는데도 어 1년 2년 동안 개별 프레임웍을 갖고 100개, 200개, 300개 에이전트를 만들어 봤는데 이걸 가지고는 우리 도메인 안에서 에이전트가 이렇게 흘러가겠구나라는 뉴스케이스를 발굴하는 정도에서는 이게 가능했어요
25:50하지만 실제 AAI로서 멀티이전트 기반으로 우리 직원들의 어떤 DX를 자동한다든지 아니면 우리 회사가 갖고 있는 비즈니스 프로세스를 자동한다든지 아니면은 우리가 고객들에게 판매하고 있는 프로덕이나 서비스를 자동한다든지 이렇게 실전에 적용하기 위해서는 밴더 락에서 자유로울 때 비로소 가능해집니다
26:09예를 들면은 모델 하나가 호출했고 인텐션을 받아들이고 그거를 클래시파잉해서 필요한 툴들을 제어하고 그 툴의 결과를 우리가 원하는 아웃풋 파싱에 따라서 종합하고 그거를 또 다른 에이전트에게이 정보와 상태를 위임하고 굉장히 복잡하게 가야 되는데이 흐름 단계마다 적정 모델이 다 달라요
26:32그 회사의 워크플로에 따라서 모델의 아키텍처가 QN을 쓰는게 좋을지 아니면 딥을 쓰는게 좋을지 라마를 쓰는게 좋을지 다룰 수 있습니다
26:38그래서 이런 적정 모델을 찾는 것이 가장 중요하고요
26:38그러기 위해서는 우리 회사의 워크플로우를 굉장히 잘 분해하는 능력이 중요하고요
26:44그리고 우리의 툴 환경이 위임했을 때 내가 만약에 그냥 손으로 하던 매뉴얼 작업들은 우리가 어떻게 어 좀 에이전트게 대신해 주도록 위험하는게 사실 쉽지가 않습니다
26:56그러면 엑셀에서 우리가 열심히 견적서를 써 가지고 ERP 올리는 작업을 어 대신 시키고 싶어요
27:02그럴 때는 API가 없으니까 그 안에 쓴 데이터들을 통해서 어떤 로직을 발견하고 그 밸류를 찾아 가지고이 데이터 에이전트에서 우리가 미리 입력한 스키마에 필요한 데이터가 왔는지 안 왔는지를 다 체크해야 되기 때문에 난이도도 올라가고이 난이도 인풋에 비해서 얻을 수 있는 와우 모먼트가 없기 때문에 높은 ROI라고 보기가 어렵습니다
27:21그래서 굉장히 빠르고 쉽게 구현하면서도 토큰을 잡아먹는 하마와 같은 그런 에이전트가 아니라 비용 효율적이면서 우리가 여기서 여기까지 했던 것들의 시간과 비용을 거대하게 줄여 줄 수 있는 AAI는 결국은 그 회사의 레디스가 결정할 것인데 그것에 대한 어세스먼트는 정말 전문가에게 한번 받아보는 것이 좋습니다
27:47진단을 지금 말씀하신 정도면은 정말 작게 우리가 그냥 체험해 봤어요 정도가 아니라이 회사 자체의 효율성을 바꿀 수 있는 흐름을 다 잡고 많은 부서가 개입돼야 될 거 같고요
27:59많은 직군과 직무에 있는 분들이 한꺼번에이 머리를 왔다서 뭔가 파이프라인처럼 들어가야 회사가 바뀔 거 같은데
28:05네
28:05방금 말씀드린 케이스인 AX 팀과 협업을 하는 부분은 그게 맞습니다
28:12그럼 이제 AX 팀은 그 현업 팀들과 그런 협업을 하세요
28:18그래서 뉴스케이스들을 잘 찾아 주십니다
28:18하지만 그분들을 저희랑 같이 만나서 저희가 먼저 여쭤 보는 건 이거예요
28:24그 실제 운영 단계에서 에이전틱 AI로 서비스를 구현할 때 어떤 장애가 있을지를 체계적으로 인식하는 그런 부분을 제가 도와드립니다
28:31그때 이제 제가 먼저 물어보죠
28:31어떤 모델 쓰세요? 어떤 아키텍처가 왜 필요했어요? 그 현재 지금 툴링은 어떠세요? 에이전트를 만드는 프레임워크은 뭐예요? 아 그럼 랭그래프예요 이러면 아 너무 좋죠
28:42그런데 그러면은 멀티에전트 같은 경우는 어떤 어떤 것들을 구성하고 계세요? 이어쭤 봅니다
28:42그러면은 결국 이래요
28:49아 갖고 있는 툴링이 있기 때문에 여기에서 만들어진 에이전트는 효과성에서 어떤 장점과 단점이 있겠다라는 것이 정확하게 나옵니다
28:56예를 들면 상태 기반으로 하나의 에이전트를 강력하게 만드는 데는 특정 프레임이 강점을 갖고 있지만 오히려 작고 경량화된 테스크를 반복적으로 처리하는 데에는 오히려 쥐약일 수 있거든요
29:08그래서 이렇게 그 회사의 워플로에 따라서 가장 좋은 프레임업과 툴를 찾는 것이 아니라 그 워플로에게 가장 적종 기술들을 찾는 것이 중요합니다
29:15그래서 개별 밴더 종속성에서 자유로울 때 비로써 그 회사의 AX가 성공할 수밖에 없다고 보는 이유가 요소 기술들은 계속 굉장히 빠르게 진화합니다
29:27그럼 한 달 동안 우리가 AX AX를 만들었어요
29:27우리의 시스템을 한 달도 안 돼서 레거시가 됩니다
29:27모듈들을 빠르게 이렇게 대체하고 최신화를 늘상 유지할 수 있도록 에이전트 인프라를 먼저 만들어내는 것이 훨씬 중요하다고 저희는 늘 말씀을 드리죠
29:39그래서 어떤 제품 만들어 주세요라고 하면은 그 에이전트를 만들어 드리기 전에 어세스먼트부터 부담없이 먼저 받아보세요
29:45그럼 중간에 만들고 싶은 에이전트가 달라질 수도 있고 앞으로 1년 2년 AX의 로드맵이 많이 바뀔 수도 있습니다라고 말씀을 드리죠
29:57제가 코디네이터인데 우리 아이도를 예쁘게 옷을 입혀야 되는데 이게 우리가 뭐 아디다스한테 원래 pp을 받는 곳이라고 하면 아디다스로만 얘를 예쁘게 입혀야 되니까 힘든데 내가 아무거나 갔다가 그냥 돈을 주고서 아무거나 갖다 쓸 수 있다고 하면은 얘는 어 얘는 굿찌가 예쁘고 얘는 뭐 루이비똥이 잘 어울리네 얘는 나이키가 괜찮네 하면서 요렇게 딱 적정하게 맞춰 갖고 했을 때 우리 애들 이쁘게 잘 보여줄 수 있다는 얘기로 이해해도 될까요? 감사합니다
30:28너무 적절한 비였다고 생각을 하고요
30:28제가 한 수 배웠습니다
30:28대충 맞는 거죠? 그 적절합니다
30:28그리고 이젠 그 에이전트가 뭐도 가능하냐면요
30:33좋은 점이 예를 들면 단순 체 보실 때에는 락이 되지 않아요
30:33그냥 클러드가 좋을 땐 그거 쓰고요
30:40어 재미해가 좋아
30:40이거 씁니다
30:40왔다 갔다 할 수 있어요
30:40어찌피드리카가 더 지금 좋아
30:40오케이
30:40지금 이거 써야지
30:45저 그러고 있어요
30:45네
30:45사실 모두가 그러고 있습니다
30:45그런데 에이전트는 그게 불가능해요
30:51초개인화가 되면요
30:51이것을 떠나는 심리적인 부담이 커질 수밖에 없습니다
30:51왜냐면이 에이전트의 성능은 곧 나의 데이터 트레이드오프거든요
30:58Ja.
AI 에이전트 도입의 핵심은 특정 기술에 종속되지 않고, 회사의 고유한 워크플로우와 환경에 맞는 최적의 기술 조합을 찾는 것이다. 
AI 에이전트는 LLM, 자율성(Authority), 메모리, 툴이라는 네 가지 핵심 구성 요소(LAMT)를 중심으로 작동한다. 
AI 에이전트 시대에는 개인이 필요로 하는 기능 단위의 스킬 마켓플레이스가 새로운 경제 단위가 되는 에이전트 에코노미가 열릴 것이다. 