AI 에이전트를 시작하는 방법: 초보자 가이드

AI 에이전트에 대한 과장된 이야기들은 잠시 접어두고 직접 에이전트를 만들어 보고 싶은가요? AI 에이전트를 시작하는 것은 생각보다 쉬울 수 있지만, AI 에이전트를 기업 프로세스에 도입하기 전에는 미리 숙지해야 할 여러 내용들이 있습니다.

이 초보자 가이드에서는 AI 에이전트 내부에 무엇이 있는지와 이 에이전트를 기업 워크플로에 최적으로 적용하는 방법을 포괄적으로 설명함으로써 여러분이 자신감을 가지고 시작할 수 있도록 도와드리겠습니다.

AI 에이전트의 기본 사항에 아직 익숙하지 않다면, 이 시리즈의 첫 번째 블로그인 AI 에이전트란 무엇인가? (그리고 왜 모두가 이에 대해 이야기하는가)를 꼭 확인해 보세요. AI 에이전트가 귀사를 어떻게 변화시킬 수 있는지 더 깊이 들어가기 전에 알아야 할 핵심 개념을 다룹니다.

기업들은 이제 AI 에이전트의 혜택을 누릴 수 있습니다.

AI 에이전트의 개념은 AI 기술의 상호 연결된 발전을 통해 수년 동안 성숙해졌습니다. 그러나 AI 에이전트를 기업 자동화의 필수 도구로 만든 전환점은 바로 생성형 AI의 진화, 특히 강력한 LLM(대규모 언어 모델)의 확산이었습니다. AI 에이전트는 모든 기업에서 자동화의 가능성을 확장하는 데 사용할 수 있는 새롭고 강력한 디자인 패턴입니다.

생성형 AI를 활용하는 AI 에이전트는 산업 전반에 걸쳐 기업이 혁신 목표를 실현하고 프로세스를 재구상하는 데 반드시 필요한 요소로 빠르게 부상하고 있습니다. AI 에이전트를 통해 조직은 자동화의 이점과 생성형 AI의 지능을 결합하여 중요한 프로세스를 가속화하고, 인적 오류를 줄이며, 운영 효율성을 높이고, 필요에 따라 프로세스 용량을 확장할 수 있습니다.

AI 에이전트는 예를 들어, 전문가 수준의 맞춤형 지원을 몇 분 안에 제공하여 고객 경험을 향상시킬 수 있습니다. 사실, 우리는 이미 AI 에이전트가 고객 서비스 애플리케이션에서 해결 속도를 최대 50%까지 높이는 것을 경험했습니다.

시작할 준비가 되었나요?

첫째, 무엇을 성취하고 싶으신가요?

AI 에이전트는 특정 목표를 위해 구축되어야 하며, 다른 에이전트, 자동화 단계 및 인간 상호 작용을 포함하는 엔드투엔드 프로세스의 일부로 조정될 때 가장 강력한 성능을 발휘합니다. 다음은 AI 에이전트를 도입하여 변화시킬 수 있는 몇 가지 비즈니스 프로세스의 예입니다.

서비스 운영

서비스 효율성을 가속화하세요. 서비스 프로세스에 AI 에이전트를 통합하여 작업을 분류하고, 제품 지식을 제공하며, 반품 요청을 처리하는 등의 기능을 고려해 보세요.

영업

기존 고객에게 업셀링할 수 있는 기회를 파악하세요. AI 에이전트를 고객 여정에 통합하여 맞춤화된 제품 추천을 제공함으로써 교차 판매 및 상향 판매 기회를 늘릴 수 있습니다.

서비스 데스크의 응답 속도를 높여 보세요. 고객 서비스와 마찬가지로 서비스 데스크 지원 흐름에 에이전트를 통합하여 고객의 정보 요청을 신속하게 해결하고 애플리케이션 및 액세스 요청을 업데이트할 수도 있습니다.

재무 및 회계

계정을 더 빠르게 조정하세요. AI 에이전트를 만들어 부서 전체에서 실시간으로 트랜잭션을 정확하게 캡처하고 표준화하며 중앙 집중화하세요.

의료 서비스

의사의 업무를 줄이세요. AI 에이전트를 사용하여 문서 프로세스와 같이 일상적이면서도 복잡한 업무를 지원함으로써 의사의 행정적인 부담을 줄일 수 있습니다.

AI 에이전트는 문서 검토, 정보 검색, 경고 알림 또는 시스템 업데이트와 같은 후속 조치를 결정하는 등 일반적으로 인간의 작업이 필요했던 인지 작업의 자동화를 가능하게 합니다.

오늘날 AI 에이전트를 활용하는 방법

AI를 동작과 결합하는 AI 에이전트는 지능형 자동화와 통합될 때 흥미로운 기회를 제공합니다. 이러한 기술이 진정한 잠재력을 발휘할 수 있는 분야는 AI 에이전트가 광범위한 엔드투엔드 프로세스 자동화의 일부로 내장되거나 조율될 때입니다. 완전한 자동화의 하위 단계는 특정 작업을 완료하기 위해 AI 에이전트에게 위임될 수 있습니다. 이러한 작업에는 지식 베이스에서 정보를 조회하거나 제품 반품을 시작하는 등의 조치를 취하기 전에 정보를 분석하는 작업이 포함될 수 있습니다.

AI 에이전트에게 명확하고 좁은 범위의 목표를 부여하는 것은 비즈니스 프로세스 내에서 위험을 최소화하면서 그들의 가치를 활용하는 강력한 방법입니다. 이를 통해 그들의 행동과 결과에 충분한 안전장치를 마련할 수 있습니다. 예를 들어, AI 에이전트는 정보 요청 등 위험도가 낮은 요청에만 해결책을 제공하고, 더 복잡하거나 민감한 고객 문의는 인간이 조치하거나 승인하도록 분류할 수 있습니다.

AI 에이전트의 워크플로 이해

AI 에이전트는 여러 가지 주요 단계로 구분된 구조화된 워크플로를 따릅니다. 이제 각 단계를 탐색해 보겠습니다.

1. 입수

AI 에이전트는 프로세스의 초기 단계에서 입력, 시스템의 이벤트 또는 직접적인 프롬프트와 같은 기타 사용자 입력으로 시작합니다. 이 초기 단계에서는 인식된 데이터를 종합하여 목표를 설정하고 무엇을 달성해야 하는지 파악함으로써 명확한 목표를 정의하는 토대를 마련합니다.

2. 이해하기

입력이 캡처되면, AI 에이전트가 정보를 처리합니다. RAG(검색 증강 생성)와 같은 기술을 사용하여 의사 결정에 도움이 되는 관련 데이터를 찾습니다. 이를 통해 에이전트가 충분한 정보를 갖추고 그에 따라 대응할 수 있습니다.

3. 다음 단계 계획

관련 정보를 입수한 후, 에이전트는 최선의 행동 방침을 결정합니다. 응답을 진행하거나 워크플로 내에서 추가 단계를 계획할 수 있습니다.

4. 작업

그 다음 단계는 일반적으로 동작과 실행이며, 에이전트는 API나 UI 동작을 활용하는 자동화와 같은 도구를 사용할 수 있습니다. 복잡한 워크플로를 해결할 수 있는 에이전트를 구축하려면 회사의 엔터프라이즈 환경 전반에서 상호 작용할 수 있는 다양한 도구에 액세스할 수 있어야 합니다.

5. 반영 및 검증

업무를 완료하기 전에, 에이전트는 종종 반영 단계를 거치는데, 이는 이미 수행된 작업이 정의된 목표를 충족하는지 검증하고, 충족하지 못하는 경우 프로세스를 다시 반복해야 할지 또는 담당자에게 추가 설명을 요청해야 할지 여부를 결정하는 단계입니다.

에이전트는 에이전트 실행으로부터 입력, 출력 및 중간 단계를 캡처하여 시간이 지남에 따라 전략과 행동을 조정함으로써 효율성, 효과성 및 전반적인 성과를 개선할 수 있습니다.

예: 고객 지원 분야의 AI 에이전트

고객 지원 분야의 AI 에이전트를 예로 들면, 해당 워크플로는 다음과 같습니다.

고객 문의를 접수하고 요청 유형 및 고객 감정과 같은 추가 관련 세부 사항을 분석하여 파악합니다.
회사 시스템에서 관련 지식, 문의 데이터, 주문 추적/제품 재고를 파악합니다.
문의 유형과 관련 정보에 따라 적절한 다음 단계를 선택합니다.
고객의 추가 질문을 해결하고 정보를 제공하거나, 필요한 경우 해당 문의 사항을 담당자에게 전달하여 처리시킵니다.
원래 요청의 맥락을 응답과 비교하여 검토하고 목표를 성공적으로 달성하기 위해 추가 작업이 필요한지 결정합니다.

에이전트가 서비스 운영을 최적화하는 방법을 포괄적으로 보려면 당사의 서비스 운영 AI 에이전트 가이드를 살펴보세요.

AI 에이전트는 어떻게 구성되어 있나요?

기업 운영에서 AI 에이전트의 잠재력을 활용하기 위해, AI 에이전트를 구성하고 그 기능을 구동하는 핵심 구성 요소를 자세히 살펴보겠습니다.

엔진: LLM/생성형 AI 모델

AI 에이전트의 핵심은 엔진입니다—일반적으로 LLM(대규모 언어 모델) 또는 생성형 AI 모델과 같은 고급 언어 모델입니다. 이 엔진들은 AI 에이전트가 비정형 콘텐츠를 이해하고 인간과 유사한 텍스트를 생성할 수 있도록 지원하여, 복잡한 정보를 처리하고 자연어로 상호작용할 수 있게 합니다. 기초 모델의 선택은 AI 에이전트의 비용, 출력 정확도 및 전반적인 성능에 영향을 미치게 됩니다.

프롬프트: AI 기술

AI 기술은 구체적으로 정의된 지침에 따라 특정 작업을 완료하기 위해 최적화된 프롬프트(템플릿)를 활용합니다. 예를 들어, 프롬프트는 입력 요청이 조직 내 특정 전문가 그룹으로 작업을 확대하기 위한 특정 정책 지침을 충족하는지 여부를 확인하는 데 사용될 수 있습니다.

데이터: 입력 + 컨텍스트

AI 에이전트는 사용자, 외부 데이터 소스, 모델 응답을 형성하는 상황적 정보 등 다양한 입력을 포함하여 자신이 수신하고 접근하는 데이터에 의해 존재합니다. AI 에이전트의 적절하고 정확하게 대응할 수 있는 원동력은 사용 가능한 모든 데이터를 분석하고 이해하는 능력에서 비롯됩니다. RAG는 에이전트와 함께 자주 사용되는 기법으로, 모델에 대한 입력을 증강하여 가장 관련성 높은 결과를 얻을 수 있는 강력한 검색 기능을 제공합니다. 동시에, 데이터 프라이버시는 AI 에이전트가 수신하고 접근하여 사용할 수 있는 정보 측면에서 고려해야 할 중요한 요소입니다. 익명화 및 데이터 마스킹은 워크플로에 민감한 정보가 관련된 경우 중요한 처리 단계입니다.

작업: 도구 액세스 + API

AI 에이전트의 동작 컴포넌트는 작업을 수행하고 명령을 실행할 수 있게 하는 도구, API 및 액세스 포인트를 포함합니다. 이러한 역량의 폭은 AI 에이전트의 전반적인 잠재력을 이끄는 핵심 요인입니다. 전사적으로 광범위한 연결성이 없다면 에이전트는 종종 간단한 정보 제공 작업에만 국한되기 때문입니다. 그러나 기업에서 AI 에이전트를 사용하는 경우 액세스 제어를 구축하고 에이전트 작업이 규정 준수 및 회사 표준의 범위 내에서 유지되도록 보호 장치를 마련하기 위해 강력한 보안 프레임워크 내에서 에이전트를 설정해야 합니다.

인간의 협력과 거버넌스

AI 에이전트의 출력 품질과 무결성, 신뢰성을 보장하려면 지원, 승인, 감독을 위한 인간 참여 메커니즘을 통합해야 합니다. 책임 있는 사용과 성과를 모니터링하려면 견고한 거버넌스 관행과 AI 모델 상호 작용에 대한 가시성도 필요합니다.

데이터 과학자도 아니고 전문 개발자도 아니신가요? 괜찮습니다.

맞춤형 AI 에이전트를 만드는 일은 점점 더 빠르고 쉬워지고 있으며, 데이터 과학 또는 심지어 개발자의 전문 지식 없이도 가능해지고 있습니다. LLM과 AI 에이전트의 개발 초기에는 이를 직접 코드로 만드는 것이 유일한 방법이었고, 많은 구성 요소에 함수 호출이나 RAG와 같이 완전히 새로운 개발이 필요했습니다. 또한 모델의 예측 가능성과 성능이 낮았기 때문에 에이전트의 행동은 더 취약하고 예측 불가능했습니다.

하지만 오늘날에는 새로운 노코드 도구가 이러한 환경을 빠르게 변화시키고 있습니다. 이 도구들은 비즈니스 유저에게 사전 구축된 모델 커넥터, 기본 RAG, 내장된 안전 가드레일, 그리고 기본 제공 UI 요소를 통해 에이전트와 쉽게 상호작용할 수 있는 기능을 제공하여 에이전트 생성을 가능하게 합니다.

여기서 강조된 바와 같이, AI 에이전트는 전체 엔드투엔드 비즈니스 프로세스를 자동화하기 위해 팀으로 협력하거나 순차적으로 작업할 때 더욱 가치가 있을 수 있습니다. AI 에이전트를 조율하는 기능은 이미 고급 AI 및 자동화 엔터프라이즈 시스템에서 제공되는 기능으로, 고객 경험 개선과 같이 기업이 달성하고자 하는 가장 중요한 성과의 기반이 되는 복잡한 프로세스의 자동화를 위한 기반을 마련합니다.

시작하기

Automation Anywhere에서는 AI 혁신의 속도가 가속화됨에 따라 조직이 AI 에이전트의 잠재력을 안전하고 효과적으로 활용할 수 있도록 지원하는 데 주력하고 있습니다. 따라서 최근 당사의 개선 사항은 많은 부분이 기업 환경에서 AI 에이전트를 활용하는 것과 관련되어 있습니다.

AI 및 자동화 분야의 베테랑이든 이제 막 시작하는 초보자이든 상관 없이, 당사의 AI + 자동화 엔터프라이즈 시스템은 AI 에이전트를 구축하고 가장 중요한 엔터프라이즈 프로세스에 자신 있게 통합할 수 있는 실용적인 도구를 통해 AI에 대한 접근성을 높여줄 수 있도록 설계되었습니다.

AI 에이전트가 실제로 활용되는 모습을 확인해 볼까요? 사용 방법 가이드를 통해 직접 솔루션 구축을 시작하거나, 실시간 데모로 직접 경험해보세요.