7. AI Agent 작동 방식

AI 에이전트는 복잡한 목표를 달성하기 위해 목표 결정, 정보 획득, 작업 구현의 세 단계로 이루어진 워크플로를 따릅니다. 먼저 에이전트는 사용자로부터 받은 명령이나 목표를 분석하여 최종 결과를 산출하기 위한 전체 계획을 수립하고, 이를 여러 개의 실행 가능한 작은 작업으로 분할합니다. 이후 목표 달성에 필요한 정보를 확보하기 위해 인터넷 검색, 내부 데이터베이스 조회, 다른 에이전트와의 상호작용 등을 활용하여 필요한 데이터를 수집합니다. 마지막으로 수집된 데이터를 바탕으로 각 작업을 체계적으로 수행하고, 작업 완료 후 다음 단계로 넘어가며, 외부 피드백과 자체 로그를 활용해 진행 상황을 평가하고 필요 시 전략을 재조정합니다. 예를 들어, 온라인 쇼핑몰 추천 에이전트는 사용자의 선호도를 파악한 뒤 관련 상품 데이터를 수집하고, 최종적으로 맞춤형 상품 추천을 구현하는 단계별 과정을 거칠 수 있습니다.

(출처:  https://aws.amazon.com/ko/what-is/ai-agents/)

 

 

목표 결정

AI 에이전트는 먼저 사용자로부터 명확한 명령이나 목표를 전달받은 후, 이를 효과적으로 달성하기 위한 작업 계획을 세웁니다. 큰 목표를 여러 개의 소단위 작업으로 세분화한 뒤, 특정 조건과 순서에 따라 이를 체계적으로 수행하게 됩니다.
예시:

• 의료 진단 지원 에이전트:의사가 “환자의 증상에 맞는 진단 가이드를 제시하라”는 목표를 설정하면, 에이전트는 해당 목표를 증상 분석, 관련 의학 논문 검색, 진단 프로토콜 매칭 등의 하위 작업으로 나누어 실행합니다.

• 물류 관리 에이전트:물류 관리자는 “가장 빠르고 비용 효율적인 배송 계획을 수립하라”는 목표를 주면, 에이전트는 경로 탐색, 운송 수단 선택, 재고 위치 확인 등 다양한 하위 작업을 설정하고 이를 우선순위에 따라 처리하여 목표를 달성합니다.

 

정보 획득

목표를 달성하기 위해서는 정확하고 풍부한 정보가 필수적입니다. AI 에이전트는 내부 데이터베이스, 외부 API, 인터넷 검색 등 다양한 소스로부터 데이터를 수집하며, 필요하다면 다른 에이전트나 기계 학습 모델과 협력하여 정보를 교환합니다.
예시:

• 고객 감정 분석 에이전트:고객센터 로그를 분석해야 하는 에이전트는 고객 대화 로그, 제품 리뷰, 소셜 미디어 언급 등을 추출하고, 이를 바탕으로 고객 감정 상태를 파악하기 위한 추가 정보(시장 보고서, 소비자 트렌드 데이터)를 검색할 수 있습니다.

• 스마트 농업 에이전트:농작물 관리 에이전트는 날씨 예보 서비스, 토양 센서, 농업 데이터베이스 정보를 종합하여 적절한 비료 시기, 관수량, 파종 시점 등의 결정을 내리는데 필요한 데이터를 확보합니다.

 

작업 구현

충분한 데이터가 확보되면 AI 에이전트는 세분화한 작업들을 순차적으로 실행합니다. 각 작업 완료 시 해당 항목을 목록에서 제거하고, 다음 단계로 넘어가며, 진행 중에 외부 피드백을 반영하고 자체 로그를 점검하여 목표 달성 여부를 평가합니다. 필요하다면 새로운 하위 작업을 생성하거나 기존 작업 순서를 재조정함으로써 전략적 유연성을 확보합니다.
예시:

• 금융 투자 의사결정 에이전트:주식 투자 전략을 수립하는 에이전트는 시장 데이터 분석, 리스크 평가, 포트폴리오 재구성 등의 작업을 실행하며, 시장 변동이나 외부 경제 지표 변화에 따라 추가 데이터를 수집하거나 작업 순서를 변경해 목표 수익률 달성을 도모합니다.

 

• 제품 디자인 지원 에이전트:신제품 디자인 목표를 받은 에이전트는 시장 조사, 경쟁사 분석, 고객 설문 응답 처리 등의 단계를 거친 뒤, 그 결과를 바탕으로 디자인 제안서를 완성합니다. 고객 반응이 부족하거나 새로운 요구사항이 발생하면 작업 순서를 재조정하고, 추가 자료를 수집하는 과정을 반복할 수 있습니다.