에이전틱 AI란 무엇인가? 에이전틱 AI와 생성형 AI 비교

AI 에이전트 설명

생성형 AI(Generative AI)는 답변을 산출합니다. 반면, 에이전틱 AI(Agentic AI)는 목표를 관리합니다. 즉, 단계를 선택하고, 도구를 사용하며, 결과를 확인하고, 정의된 경계 내에서 스스로 적응합니다.

2026년 8월 26일 게시 및 검토 · Barcelona Code School

에이전틱 AI는 일련의 의사결정과 행동을 통해 목표를 추구할 수 있는 AI 시스템입니다. 단순히 하나의 응답을 생성하고 멈추는 것이 아니라, 다음 단계를 계획하고, 승인된 도구를 선택하며, 발생한 일을 관찰하고, 상태를 업데이트하여 작업이 완료되거나 인간의 판단이 필요할 때까지 계속 진행할 수 있습니다. 생성형 AI는 보통 이러한 시스템 내부의 하나의 구성 요소입니다. 이는 언어 이해와 생성을 공급하는 역할을 하며, 에이전틱 계층(agentic layer)이 전체 작업을 관리합니다.

핵심 요약 (Key takeaways)

• 생성형 AI는 콘텐츠를 생성하고; 에이전틱 AI는 목표를 향한 행동을 조정합니다.
• 에이전트는 일반적으로 모델과 지침, 도구, 메모리 또는 상태, 실행 루프(execution loop), 그리고 가드레일(guardrails)을 결합합니다.
• 모든 자동화가 에이전트를 필요로 하는 것은 아닙니다. 고정된 프로세스는 결정론적 워크플로우(deterministic workflows)로서 더 안전하고 저렴한 경우가 많습니다.
• 유용한 자율성은 경계가 있는 자율성입니다: 권한, 검증, 로그 및 인간의 승인이 시스템의 일부로 남아 있어야 합니다.
• 중요한 기술은 단순히 모델에 프롬프트(prompting)를 제공하는 것이 아니라, 그 주변 전체 프로세스를 설계하고 테스트하는 것입니다.

생성형 AI는 만듭니다. 에이전틱 AI는 행동합니다.

생성형 AI는 훈련 과정에서 학습된 패턴으로부터 새로운 콘텐츠를 만드는 모델을 의미합니다. 프롬프트가 주어지면, 모델은 텍스트, 코드, 이미지, 오디오 또는 다른 출력을 생성할 수 있습니다. 친숙한 예로는 언어 모델에게 고객에게 보낼 답장을 초안 작성하도록 요청하는 것입니다.

에이전틱 AI는 다른 질문에서 시작합니다: 고객의 문제가 해결되기 위해 무엇이 일어나야 하는가?
시스템은 고객을 식별하고, 주문 내역을 확인하며, 정책 문서를 읽고, 환불이 허용되는지 결정하고, 기록을 업데이트한 다음, 응답을 준비해야 할 수 있습니다. 만약 금액이 특정 임계값을 초과하면, 중단하고 승인을 요청해야 할 수도 있습니다.

모델은 여전히 언어를 생성하고 제한된 결정을 내리지만, 생성이 프로세스의 끝이 아닙니다. 이는 외부 데이터 및 소프트웨어와 상호 작용할 수 있는 시스템 내부의 하나의 기능이 됩니다.

경계는 두 가지 모델 유형 간의 경쟁이 아니라 아키텍처적인 것입니다. 동일한 언어 모델은 단순한 생성기, 고정된 AI 워크플로우 또는 에이전틱 시스템을 구동할 수 있습니다.

에이전틱 AI 시스템은 어떻게 작동하나요?

에이전트는 목표와 허용된 기능 세트로 시작합니다. 어떤 행동이 유용한지 결정하고, 도구를 호출하며, 환경으로부터 정보를 받고, 그 관찰 결과를 사용하여 다음에 무엇을 할지 결정합니다.

에이전트 루프 (The agent loop)

• 1. 목표 (Goal) · 사용자 또는 프로세스가 요구하는 결과가 무엇인지 이해합니다.
• 2. 계획 (Plan) · 모든 경로를 사전에 스크립팅하기보다는 다음에 유용한 단계를 선택합니다.
• 3. 행동 (Act) · 검색, 계산, 업데이트 또는 통신을 위해 승인된 도구를 사용합니다.
• 4. 관찰 (Observe) · 도구 결과를 읽고 예상 상태와 비교합니다.
• 5. 조정 (Adjust) · 계속 진행하거나, 재시도하거나, 접근 방식을 변경하거나, 중단하거나, 사람에게 도움을 요청합니다.

에이전트는 종료 조건에 도달할 때까지 계획–행동–관찰 사이클을 반복합니다. 가드레일(Guardrails), 권한 및 인간의 검토 지점(human checkpoints)은 에이전트가 할 수 있는 것을 제한합니다.

최소한으로 유용한 아키텍처에는 다음이 포함됩니다:

• 목표 및 지침 (A goal and instructions): 시스템이 책임져야 할 것, 성공의 의미, 그리고 범위 밖에 있는 것을 정의합니다.
• 모델 (A model): 컨텍스트를 해석하고 허용된 행동 중에서 선택하는 추론 및 언어 구성 요소입니다.
• 도구 (Tools): 문서를 읽거나 CRM에 질의하거나 작업을 생성하는 등 외부 시스템에서 데이터를 검색하거나 변경하기 위한 제어된 인터페이스입니다.
• 상태 또는 메모리 (State or memory): 다단계 작업을 계속하는 데 필요한 사실과 중간 결과를 의미합니다.
• 가드레일 (Guardrails): 검증, 접근 통제, 위험 규칙, 반복 제한 및 중지 조건을 포함합니다.
• 평가 및 로그 (Evaluation and logs): 에이전트가 시도한 것, 발생한 일, 그리고 결과가 수용 기준을 충족했는지에 대한 증거입니다.

실질적인 예시: 들어오는 영업 리드 처리하기

생성형 AI 버전

영업 사원이 새로운 문의 내용을 채팅창에 붙여넣고 답장을 요청합니다. 모델이 텍스트 초안을 작성합니다. 이후 담당자가 CRM을 확인하고, 세부 정보를 검증하며, 작업을 생성하고 메시지를 전송합니다.

에이전틱 AI 버전

폼 제출이 시스템을 트리거합니다. 에이전트가 연락처 세부 정보를 검증하고, 기존 CRM 기록이 있는지 확인하며, 문의 내용을 읽고, 관련 서비스 정보를 검색하여 다음 단계를 제안합니다. 이 과정에서 기록을 업데이트하고 작업을 생성합니다. 외부 메시지가 전송되기 전에 담당자가 초안을 검토하고 승인하거나 거부합니다.

두 버전 모두 생성형 AI를 사용합니다. 다만 두 번째 버전만이 작업 흐름의 일부를 소유하고, 비즈니스 시스템과 상호 작용하며, 작업 상태를 유지하고, 중간 결과에 대응한다는 차이점이 있습니다.

에이전틱 AI가 자동화와 같지 않은 이유

결정론적 워크플로우(deterministic workflow)는 사전에 정의된 경로를 따릅니다. 즉, 이벤트 A가 발생하면 단계 B와 C를 수행하는 식입니다. 입력값이 구조화되어 있고, 규칙이 안정적이며, 예외 사항이 알려져 있을 때는 일반적으로 올바른 선택입니다.

반면, 에이전트는 정확한 경로를 사전에 완전히 지정할 수 없을 때 유용합니다. 모호한 요청을 해석하고, 여러 출처를 검색하며, 도구를 선택하고, 첫 번째 시도가 실패했을 때 접근 방식을 변경할 수 있기 때문입니다.

문제를 안정적으로 해결하는 가장 간단한 아키텍처를 사용하세요. 에이전트(agent)를 추가하면 유연성이 증가하지만, 지연 시간(latency), 비용, 프로세스가 실패할 수 있는 경우의 수도 증가할 수 있습니다.

결정론적 워크플로우(deterministic workflow)를 선호해야 할 때:

• 순서가 안정적이고 모든 중요한 분기점을 규칙으로 작성할 수 있을 때;
• 동일한 입력이 항상 동일한 동작을 생성해야 할 때;
• 유연성보다 속도, 비용, 예측 가능성이 더 중요할 때;
• 잘못된 결정이 감지하거나 되돌리기가 어려울 때.

에이전트를 고려해야 할 때:

• 작업이 자연어 또는 비정형 문서를 해석하는 것을 요구할 때;
• 다음 단계가 실행 중에 발견된 정보에 의존할 때;
• 여러 도구가 유효할 수 있고 시스템이 그중 하나를 선택해야 할 때;
• 작업이 계획(planning), 반복(iteration) 또는 실패한 시도 후 복구로부터 이점을 얻을 때;
• 명확한 권한, 중지 조건 및 승인 테스트를 정의할 수 있을 때.

에이전틱 AI가 완전 자율적인 AI를 의미하나요?

아닙니다. 에이전시(Agency)는 스펙트럼입니다. 한 시스템은 어떤 문서를 검색할지 선택하는 것만 할 수도 있습니다. 다른 시스템은 사용자에게 반환하기 전에 긴 일련의 도구 호출을 완료할 수도 있습니다. 자율성의 정도는 데모의 야심이 아니라 작업의 위험도에 따라야 합니다.

위험도가 낮은, 되돌릴 수 있는 동작은 종종 자동으로 실행될 수 있습니다. 돈, 계약, 삭제, 게시, 민감한 데이터 또는 고객과의 통신과 관련된 동작은 명시적인 권한과 인간의 검토 지점(human checkpoints)을 사용해야 합니다. 프로덕션 시스템은 또한 모든 중요한 동작에 대한 기록과 중지할 수 있는 명확한 방법을 필요로 합니다.

에이전틱 AI가 잘하는 것—그리고 여전히 실패하는 부분

에이전틱 시스템은 판단(judgement)과 행동을 결합하는 프로세스에 유용합니다. 출처 전반에 걸친 조사, 요청 분류 및 라우팅, 문서 준비, 기록 업데이트, 변경되는 정보 모니터링 및 도구 간 작업 조정 등이 포함됩니다.

챗봇보다 더 복잡한 방식으로 실패할 수도 있습니다. 에이전트는 목표를 오해하거나, 잘못된 도구를 선택하거나, 초기에 발생한 오류를 후속 단계로 가져가거나, 불필요하게 루프(loop)에 빠지거나, 오래된 정보를 사용하거나, 적절하지 않은 시점에 유효한 행동을 취할 수 있습니다. 이러한 이유로 설득력 있는 프로토타입이 신뢰할 수 있는 운영 시스템과 같지는 않습니다.

배포 전에 팀은 정상 사례, 누락된 정보, 상충되는 출처, 도구 실패, 권한 경계, 그리고 인간에게 인수인계하는 경우를 테스트해야 합니다. 이 시스템은 어떻게 진행해야 하는지뿐만 아니라 언제 진행하지 말아야 하는지도 알아야 합니다.

에이전틱 AI를 구축하기 위해 무엇을 배워야 할까요?

프롬프트 작성(Prompt writing)은 작업의 일부일 뿐입니다. 에이전틱 시스템을 구축하려면 프로세스 매핑, 데이터 설계, 도구 통합, 구조화된 출력(structured outputs), 메모리, 검색(retrieval), 인간 승인(human approval), 실패 처리(failure handling), 평가(evaluation), 그리고 운영 모니터링(production monitoring)이 필요합니다.

유용한 학습 프로젝트는 챗봇 시연을 넘어 끝나야 합니다. 프로세스 맵, 수용 기준(acceptance criteria), 테스트 케이스, 액션 로그(action log), 실패 시나리오, 그리고 시스템을 안전하게 운영하는 방법을 설명하는 런북(runbook)을 포함해야 합니다.

실제 비즈니스 프로세스를 중심으로 AI 에이전트를 구축하는 법 배우기

Barcelona Code School의 AI Agent Engineer 프로그램은 완전한 비즈니스 워크플로우를 통해 에이전틱 시스템을 가르칩니다. 현재 내부 커리큘럼에는 워크플로우 디자인, 도구 사용 에이전트, 구조화된 비즈니스 데이터, 인간 승인, RAG(검색 증강 생성), 평가, 그리고 운영 준비 상태가 포함됩니다.

이는 채팅 인터페이스를 사용하는 것 또는 프롬프트를 수집하는 것을 넘어, 작동하는 AI 자동화 시스템을 설계하고 구축하려는 사람들을 위한 것입니다.

AI Agent Engineer 프로그램 살펴보기

현재 커리큘럼, 형식, 날짜 및 학비를 보려면 라이브 코스 페이지를 확인하세요.

자주 묻는 질문

간단히 말해 에이전틱 AI란 무엇인가요?

에이전틱 AI(Agentic AI)는 여러 단계를 거쳐 목표를 추구할 수 있는 AI 시스템입니다. 다음으로 무엇을 할지 결정하고, 승인된 도구를 사용하며, 결과를 관찰하고, 계획을 조정하다가 필요할 때 멈추거나 인간의 입력을 요청합니다.

에이전틱 AI와 생성형 AI의 차이점은 무엇인가요?

생성형 AI(Generative AI)는 주로 입력에 응답하여 콘텐츠를 생성하는 데 중점을 둡니다. 반면, 에이전틱 AI는 더 큰 시스템 내부에 있는 생성 모델을 사용하여 작업을 관리하고, 행동을 선택하며, 도구를 호출하고, 상태를 유지하며, 결과에 반응합니다.

ChatGPT가 에이전틱 AI인가요?

단순한 프롬프트-응답 채팅은 에이전트가 아닌 생성형 AI입니다. ChatGPT 기반 시스템은 도구, 상태, 목표, 실행 루프(execution loop), 그리고 행동하거나 승인을 요청하는 규칙을 부여받으면 에이전틱 해질 수 있습니다.

에이전틱 AI는 인간 없이 작동할 수 있나요?

제한된 저위험 단계는 자율적으로 완료할 수 있지만, 중대한 결과(consequential actions)를 초래하는 행동은 권한(permissions), 가드레일(guardrails), 로그(logs), 중지 조건(stopping conditions), 그리고 인간의 승인을 사용해야 합니다.

기업은 언제 에이전틱 AI를 사용해야 하나요?

에이전틱 AI는 작업이 다단계적이고, 사례별로 다르며, 비정형 정보의 해석을 필요로 하고, 도구 선택을 통해 이점을 얻는 경우 유용합니다. 결정론적 워크플로우(deterministic workflow)는 일반적으로 고정된 규칙을 가진 안정적이고 예측 가능한 프로세스에 더 적합합니다.

출처

1. OpenAI — AI 에이전트 구축을 위한 실용 가이드. Agent 정의, 도구(tools), 워크플로우 제어 및 안전장치(guardrails)에 대해 다룹니다.
2. Anthropic — 효과적인 에이전트 구축하기. 워크플로우와 에이전트의 차이점, 에이전트 루프(agent loops), 그리고 아키텍처적 트레이드오프에 대해 설명합니다.
3. Anthropic — 실제 적용에서의 신뢰할 수 있는 에이전트. 인간의 통제, 권한 부여, 투명성 및 보안 측면을 다룹니다.
4. Anthropic — AI 에이전트를 위한 평가(evals) 개념 해설하기. 멀티턴 도구 사용 시스템의 평가에 대해 설명합니다.
5. Barcelona Code School — 내부 AI 에이전트 엔지니어 커리큘럼, 2026년 8월 26일 검토됨.

답변을 생성하는 것에서 작업 완료 시스템 구축으로 나아가기

비즈니스 프로세스를 매핑하고, 도구와 데이터를 연결하며, 인간의 승인을 추가하고, 실패를 테스트하여 AI 모델을 제어되는 에이전트 시스템으로 전환하는 방법을 알아보세요.

AI 에이전트 엔지니어 프로그램 보기

AI 시스템에 대한 학습 계속하기

AI 에이전트 구축 방법: 간단한 단계별 가이드

주요 커리큘럼 업그레이드: AI 기반 앱 구축하기

Barcelona Code School에서 최초 게시됨(https://barcelonacodeschool.com/what-is-agentic-ai/). barcelonacodeschool.com에서 AI, 코딩 및 디자인 프로그램에 대해 더 알아보세요.