AI 요원 : 미스터리 공개

기술 세계는 AI 에이전트에 대한 열기로 떠들썩하다. OpenAI의 샘 알트먼, 마이크로소프트의 사티아 나델라, 세일즈포스의 마크 베니오프 같은 거물들이 모두 이에 열광하고 있다. 알트먼은 에이전트가 올해 "인력에 합류할 것"이라고 말했고, 나델라는 에이전트가 일부 지식 작업을 대신할 것이라고 생각한다. 베니오프는 세일즈포스가 그들의 "에이전틱" 서비스를 통해 디지털 노동의 선두주자가 되기를 원한다.

하지만 문제는, AI 에이전트가 정확히 무엇인지 누구도 명확히 정의하지 못한다는 점이다.

지난 몇 년 동안 기술 기업들은 AI "에이전트"를 차세대 대세로 띄우며 홍보해왔다. ChatGPT 같은 AI 챗봇이 정보를 얻는 방식을 바꾼 것처럼, 알트먼이나 나델라 같은 CEO들은 이 에이전트가 우리가 일하는 방식을 뒤바꿀 것이라고 말한다.

매력적으로 들리지 않나? 하지만 이 모든 것은 "에이전트"가 무엇이라고 생각하는지에 달려 있고, 그것을 명확히 정의하기는 쉽지 않다. "멀티모달", "AGI", 그리고 "AI" 자체 같은 용어들은 이미 꽤 모호한데, 이제 "에이전트"와 "에이전틱"이 그 모호함의 대열에 합류했다.

이 모호함은 OpenAI, 마이크로소프트, 세일즈포스, 아마존, 구글 같은 에이전트에 크게 투자하는 기업들에게 골칫거리다. 각 기업의 에이전트 버전은 제각각이라 고객들을 혼란스럽게 한다.

구글의 선임 디렉터이자 전 GitHub Copilot 리더였던 라이언 살바는 "에이전트"라는 용어에 질려버렸다. 그는 TechCrunch에 "우리 업계가 '에이전트'라는 용어를 너무 과용해서 거의 터무니없을 지경이다. 이건 내 골칫거리 중 하나다"라고 말했다.

이 혼란은 새로운 것이 아니다. 작년에 TechCrunch의 전 기자 론 밀러는 "AI 에이전트란 무엇인가?"라고 물었다. 문제는 에이전트를 만드는 모든 기업이 각기 다르게 접근한다는 점이다.

최근 상황은 더욱 혼란스러워졌다.

이번 주, OpenAI는 블로그 포스트에서 에이전트를 "사용자를 대신해 독립적으로 작업을 수행할 수 있는 자동화 시스템"이라고 설명했다. 하지만 그들의 개발자 문서에서는 에이전트를 "지침과 도구를 갖춘 LLM"이라고 불렀다. OpenAI의 API 제품 마케팅 리더인 레헤르 파탁은 X에서 "어시스턴트"와 "에이전트"가 기본적으로 같은 것이라고 말하며 혼란을 더했다.

한편, 마이크로소프트는 에이전트와 AI 어시스턴트를 구분하려 한다. 그들은 에이전트를 "AI 기반 세계"를 위한 전문화된 "새로운 앱"으로 보고, 어시스턴트는 이메일 작성 같은 일반적인 작업을 돕는 것이라고 본다.

또 다른 AI 연구소인 Anthropic은 에이전트가 완전히 자율적인 시스템에서부터 미리 정의된 워크플로를 따르는 시스템까지 다양하게 정의될 수 있다고 인정한다.

세일즈포스는 더 광범위하게 정의하며, 에이전트를 "인간의 개입 없이 고객 문의에 이해하고 응답할 수 있는 시스템의 유형"이라고 부른다. 그들은 "단순 반사 에이전트"에서 "유틸리티 기반 에이전트"까지 여섯 가지 유형을 나열한다.

그렇다면, 왜 이렇게 혼란스러운가?

에이전트는 AI처럼 정의하기 어렵고 끊임없이 변화한다. OpenAI, 구글, Perplexity는 각각 OpenAI의 Operator, 구글의 Project Mariner, Perplexity의 쇼핑 에이전트라고 부르는 첫 번째 에이전트를 막 출시하기 시작했는데, 이들의 기능은 제각각이다.

IDC의 리치 빌라스는 기술 기업들이 엄격한 정의에 얽매이지 않는다고 지적한다. 그는 TechCrunch에 "그들은 빠르게 움직이는 시장에서 무엇을 달성하려는지에 더 신경 쓴다"고 말했다.

DeepLearning.ai의 앤드루 응은 마케팅도 큰 문제라고 본다. 그는 "AI '에이전트'와 '에이전틱' 워크플로라는 개념은 원래 기술적 의미를 가졌지만, 약 1년 전부터 마케터와 몇몇 대기업이 이를 장악했다"고 말했다.

Deloitte의 짐 로완은 명확한 정의의 부재를 기회이자 도전으로 본다. 이는 기업이 에이전트를 자신들의 필요에 맞게 조정할 수 있게 하지만, "기대치의 불일치"를 초래하고 에이전트 프로젝트의 가치를 측정하기 어렵게 할 수 있다.

로완은 "조직 내에서라도 표준화된 정의가 없으면 성과를 벤치마킹하고 일관된 결과를 보장하기가 어렵다"고 말했다. "이는 AI 에이전트가 제공해야 할 것에 대한 다양한 해석을 초래할 수 있고, 프로젝트 목표와 결과를 복잡하게 만들 수 있다. 궁극적으로, 유연성은 창의적인 솔루션을 이끌어낼 수 있지만, 보다 표준화된 이해는 기업이 AI 에이전트 환경을 더 잘 탐색하고 투자를 극대화하는 데 도움이 될 것이다."

슬프게도, "AI"라는 용어가 발전해온 방식이 기준이 된다면, "에이전트"의 단일 정의는 곧, 아니 어쩌면 영원히 볼 수 없을지도 모른다.