에이전틱 AI는 목표를 이해해 계획을 세우고, 데이터와 도구를 활용해 업무를 직접 실행하는 AI입니다. 질문에 답하는 데서 멈추지 않고 일을 끝까지 처리한다는 점에서 생성형 AI의 다음 단계로 불립니다.
이 글에서는 에이전틱 AI의 뜻과 기존 기술과의 차이를 정리하고, 은행과 통신 분야의 국내 도입 사례와 앞으로의 전망을 살펴보겠습니다.
에이전틱 AI란?
정보통신정책연구원 이경선 연구위원은 지난 9월 국회 포럼에서 에이전틱 AI를 목표를 향해 과업을 계획하고, 데이터와 도구, 서비스를 활용해 실행하는 AI로 설명했습니다. 모델의 능력을 실제로 일하는 서비스로 바꾸는 기술이라는 의미입니다.
우리은행 AX혁신그룹 부행장은 같은 흐름을 AI가 '묻고 답하는 AI'에서 '일하고 해결하는 AI'로 전환되고 있다고 표현했습니다.
두 설명에서 공통으로 보이는 것은 AI의 역할이 정보를 제공하는 데서 업무를 수행하는 쪽으로 옮겨 가고 있다는 점입니다.
생성형 AI와의 차이
한 기사에서는 에이전틱 AI를 목표를 해석하고 여러 시스템에 접근해 데이터를 평가한 뒤, 스스로 다음 행동을 결정하고 실행하는 AI로 소개했습니다. 사용자의 명령에 반응하는 생성형 AI와 구분되는 부분입니다.
생성형 AI는 요청에 문장으로 답을 줍니다. 에이전틱 AI는 목표가 주어지면 필요한 시스템에서 정보를 가져오고, 다음 단계를 판단해 처리까지 이어 갑니다.
결국 두 AI의 차이는 결과물이 답변인지, 완료된 업무인지에 있는 것입니다.
챗봇·RPA·어시스턴트와의 차이
그렇다면 좀 더 구체적으로 챗봇, RPA, 어시스턴트와 무슨 차이가 있는지도 살펴보겠습니다. 가트너는 에이전틱 AI가 정해진 스크립트로 움직이는 자동화 봇이나 가상 비서가 하지 못했던 복잡한 업무의 자동화에 쓰일 수 있다고 밝혔습니다.
가트너는 활용 기준도 제시했습니다. 판단이 필요한 곳에는 AI 에이전트, 반복되는 업무에는 자동화, 단순 검색에는 어시스턴트를 쓰라는 것입니다. 같은 AI 기술이라도 업무의 성격에 따라 알맞은 도구가 다르다는 뜻입니다.
한편 가트너는 에이전틱 AI를 내세우는 수천 개 공급사 중 실제 기능을 갖춘 곳을 약 130곳으로 추정했습니다.
에이전틱 AI 사례 (1) - 신한은행
보도에 따르면 신한은행은 금융권 최초로 '감정평가서 AI 점검 에이전트'를 도입했습니다. 부동산 감정평가서를 LLM과 RPA, 문서 인식 기술로 읽고, 핵심 항목 사이의 정합성을 점검한 뒤 추가 확인이 필요한 항목을 표시하는 방식입니다.
에이전트가 내놓은 점검 결과는 본부 담당 직원이 다시 확인하고, 최종 검토와 판단도 직원이 맡습니다. 신한은행은 내부 측정으로 감정평가서 한 건당 점검 시간이 기존 대비 약 70% 줄었고, 하루에 처리할 수 있는 업무량은 약 3배로 늘었다고 밝혔습니다. 앞으로 문서 유형과 부동산 유형별로 적용 범위를 단계적으로 넓힐 계획입니다.
이 사례에서 에이전트는 반복적인 점검을 맡고, 사람은 최종 판단을 맡았습니다. 에이전틱 AI 도입이 사람의 판단에 집중하는 시간을 늘리는 방향으로 시작됐음을 보여 줍니다.
에이전틱 AI 사례 (2) - 우리은행
한 언론에 따르면 우리은행은 올해 3월 기존 시스템과 유기적으로 연계되는 AI 에이전트를 금융권 최초로 도입한다고 밝혔습니다. 기업여신, 자산관리, 내부통제, 고객상담, 업무자동화 5개 영역의 29개 업무에 175개 에이전트를 적용하는 계획입니다.
은행은 올해 말까지 95개를 먼저 선보이고, 나머지 78개는 2027년 초에 도입할 예정입니다. 업무 프로세스를 에이전트에 맞춰 다시 설계하면 처리 속도가 30% 개선될 것으로 기대한다고도 밝혔습니다.
우리은행 사례는 한두 개 업무가 아니라 여러 영역에 걸쳐 에이전트를 도입한다는 점이 특징입니다. 에이전틱 AI가 은행 업무 전반으로 넓어지는 단계임을 알 수 있습니다.
에이전틱 AI 사례 (3) - 통신
통신 분야에서는 고객 응대에 에이전트가 쓰입니다. 또 다른 기사에 따르면 LG유플러스는 'U+one' 앱에 AI 에이전트를 적용해 요금 납부와 로밍 가입을 대화 안에서 처리하게 했습니다. 요금납부 에이전트는 8월, 로밍 에이전트는 9월에 공개했고, 로밍 에이전트의 추천을 받은 고객의 가입 전환율이 기존 AI 검색 방식보다 약 2배 높았다고 회사가 밝혔습니다.
상담센터에서도 AI가 쓰입니다. 다른 보도에 따르면 LG유플러스는 상담 중 로밍 요금제 질문에 AI가 비교표를 바로 보여 주고, 상담 후에는 응대 표현을 분석해 코칭합니다. 상담사 연결까지의 평균 대기 시간은 2024년 약 47초에서 올해 약 5초로 줄었다고 회사는 발표했습니다.
KT도 상담사를 실시간으로 돕는 'AI 상담 어시스트'를 운영하며, 한 매체에서 KT 관계자는 AI 컨택센터가 "실제 업무를 수행하는 실행형 AI로 발전하고 있다"고 설명했습니다.
통신 사례는 고객이 묻는 데서 끝나지 않고 가입과 납부까지 AI가 이어서 처리하는 방향을 보여 줍니다.
에이전틱 AI 도입 현황과 전망
가트너는 2028년까지 일상 업무 판단의 최소 15%를 에이전틱 AI가 자율적으로 내리고, 기업용 소프트웨어의 33%가 에이전틱 AI 기능을 포함할 것으로 전망했습니다. 2024년에는 각각 0%, 1% 미만이었습니다. 가트너는 조직 전체의 생산성에 초점을 맞출 때 비용과 품질, 속도에서 가치를 얻을 수 있다고 조언했습니다.
정보통신정책연구원 이경선 연구위원은 AI 경쟁의 초점이 모델 학습에서 활용과 서비스화로 옮겨가고 있다고 말했습니다.
제조 현장도 목표가 분명합니다. 언론 보도에 따르면 LG AI연구원 김승환 상무는 에이전틱 AI가 행동 계획을 세우면 로봇이 별도 코딩 없이 작업을 완수하는 자율 공장을 목표로 제시했습니다.
에이전틱 AI는 질문에 답하는 것을 넘어 업무를 끝까지 수행하는 방향으로 가고 있습니다
에이전틱 AI는 목표를 이해해 계획하고 실행한다는 점에서 생성형 AI, 챗봇, RPA와 구분됩니다. 은행에서는 점검 업무를, 통신에서는 가입과 납부를 에이전트가 맡기 시작했고, 제조에서는 자율 공장이라는 목표가 제시되고 있습니다.
앞으로 에이전틱 AI는 더 많은 업무로 확대될 것으로 기대됩니다. 도입을 검토한다면 사례처럼 반복되는 업무에서 사람의 최종 판단을 두고 시작해 범위를 넓혀 가는 방식이 도움이 될 것입니다.
실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 블로그를 구독해 보세요. 업무 현장에 적용할 수 있는 AI 활용 사례와 노하우를 공유합니다.
더 많은 AI 인사이트를 보고 싶으시다면 'AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.