사라 렌토르프-스미스 , 프란체스카 로시 , 스기모토 카스미 , 루이스 아란다 , 빈센트 코러블
| 본 자료는 OEDC(경제협력개발기구)가 2026년 3월 3일 OECD 웹사이트에 영어로 게재한 내용을 AI기계 번역한 후 Biz & Pro가 일부 보완한 것입니다. 따라서 본 번역은 OECD가 작성한 것이 아니며, 공식적인 번역이 아닙니다. 정확한 영어 원문 확인을 위해서는 아래 링크하는 원문 사이트를 참조하시기 바랍니다. |
대규모 언어 모델 기반의 AI 에이전트(AI agents)와 에이전트형 AI(Agentic AI)는 점점 더 자율적으로 변하고 물리적 및 가상 환경 모두와 상호 작용할 수 있게 되었습니다. 이러한 AI 시스템의 역량이 성장함에 따라 주목받고 있으며, 이는 당연한 결과입니다. AI 시스템은 프로세스를 간소화하고 더욱 효율적인 운영을 가능하게 함으로써 다양한 분야에서 혁신, 투자 및 생산성 향상을 이끄는 원동력이 될 수 있는 단계에 이르렀습니다.
행위 주체성에 관한 개념은 철학, 경제학, 컴퓨터 과학 등 여러 학문 분야에서 오랫동안 연구되어 왔지만, 최근 인공지능 분야의 발전은 이러한 개념적 경계를 넓히고 있습니다. 인공지능의 역량이 발전함에 따라, AI 에이전트와 에이젠트형 AI 에 대한 우리의 공통된 이해 또한 진화하고 있습니다 .
OECD.AI 전문가 그룹이 개발한 OECD 보고서, 「에이전트형 AI 환경과 개념적 기반」은 AI 에이전트와 에이전트형 AI가 무엇이며 어떻게 다른지 명확히 설명합니다. OECD AI 시스템 정의에 기반하여, 이 보고서는 문헌 전반에 걸쳐 이러한 용어들이 어떻게 정의되고 사용되는지 분석합니다. 주요 특징, 중복되는 부분, 그리고 차이점을 분석하고 이를 OECD AI 시스템 정의의 핵심 요소와 연결함으로써, 이 보고서는 보다 정확하고 일관된 용어를 정립하는 데 기여합니다. 빠르게 발전하는 분야에서 개념적 정확성은 효과적이고 정보에 입각한 거버넌스에 필수적입니다.
이 보고서에서 두드러지는 세 가지 핵심 메시지는 다음과 같습니다.
- AI 에이전트와 에이전트형 AI는 밀접한 관련이 있지만, 서로 바꿔 쓸 수 있는 개념은 아닙니다.
- 에이전트형 인공지능은 사회기술적 패러다임으로 보아야 한다.
- 기술적 격차와 디지털 보안 및 개인정보 보호와 같은 분야의 성숙도 차이에도 불구하고, 디지털 기술 도입은 증가하고 있습니다.
AI 에이전트(AI agents)와 에이전트형 AI(Agentic AI)의 공통 기반 및 의미 있는 차이점
분석 결과, AI 에이전트와 에이전트형 AI는 기본적인 특징을 공유한다는 것을 알 수 있습니다. 둘 다 어느 정도 자율성을 가지고 목표를 추구하며 물리적 및 가상 환경 내에서 인지하고 행동할 수 있는 시스템입니다.
하지만 이러한 용어들이 서로 바꿔 쓸 수 없는 차이점들이 있습니다.
- AI 에이전트는 특정 목표를 달성하고 변화하는 입력 및 맥락에 적응하기 위해 필요에 따라 도구를 사용하며, 어느 정도 자율성을 가지고 환경을 인지하고 행동하는 시스템으로 이해할 수 있습니다.
- 반면, 에이전트형 AI는 일반적으로 여러 개의 AI 에이전트가 협력하여 작업을 세분화하고, 협업하며, 복잡한 목표를 장기간에 걸쳐 자율적으로 추구할 수 있는 시스템을 의미합니다. 에이전트형 AI 시스템은 보다 개방적이고 예측 불가능한 물리적 및 가상 환경에서 작동하도록 설계되었으며, 인간의 감독을 최소화하면서 기능합니다.
요약하자면, 에이전트형 AI는 여러 에이전트를 조율하고, 작업을 분해 및 위임하며, 장기간에 걸쳐 운영을 유지할 수 있기 때문에 더욱 복잡합니다. 또한 인간의 감독이 제한적인 복잡하고 예측 불가능한 환경에서도 작동할 수 있습니다.
사회기술적 패러다임으로서의 에이전트형 AI
에이전트형 AI 시스템은 고립된 기술적 산물이 아닙니다. 이러한 시스템은 사회적 맥락과 상호작용 속에 내재되어 있으며 사회기술적 패러다임 내에서 작동합니다.
인공지능의 가치는 자율적인 행동뿐 아니라 다른 AI 에이전트, 인간, 그리고 제도적 프로세스와의 상호작용에도 있습니다. 이러한 주체들 간의 조정과 협상을 위해서는 고도의 추론 능력, 견고한 인프라, 그리고 신뢰할 수 있는 통신 프로토콜이 필요합니다.
이러한 관계적 관점은 에이전트형 AI의 핵심 요소입니다. 즉, 더 넓은 생태계 내에서 에이전트형 AI 시스템이 어떻게 상호작용하는지 이해하는 것은, 특히 개방형 환경이나 위험 부담이 큰 환경에서 책임감 있고 효과적으로 작동하는 시스템을 설계하는 데 필수적입니다.
도입 속도는 빨라지고 있지만, 성숙도는 고르지 않습니다.
이 보고서는 AI 에이전트 도입 추세에 대한 구체적인 증거도 제시합니다. 많은 개발자들이 이미 AI 에이전트를 자신의 툴킷에 통합했으며, Stack Overflow 설문 조사 데이터에 따르면 응답자의 거의 절반이 AI 에이전트를 사용하거나 사용할 계획이라고 합니다.
분명히 말하자면, 도입과 성숙도를 혼동해서는 안 됩니다. 개발자들은 AI 에이전트의 보안, 개인정보 보호 및 정확성을 더욱 강화할 수 있는 기회를 강조합니다. 이러한 우려는 중요한 점을 시사합니다. 에이전트형 AI의 기능이 빠르게 발전함에 따라, 견고하고 신뢰할 수 있는 AI 시스템의 발전 또한 그 속도에 맞춰야 한다는 것입니다.
추가 분석을 위한 토대
전반적으로 이 보고서는 에이전트형 AI 환경에 대한 개괄적인 설명을 제공하고, 주요 개념과 특징을 명확히 하며, 공통된 분석 기반을 구축합니다. OECD AI 시스템 정의를 바탕으로 논의를 진행함으로써 기술 및 정책 분야 전반에 걸쳐 일관성을 증진하는 것을 목표로 합니다.
향후에는 실제 사용 사례에 대한 이해를 높이는 것이 안전장치, 표준 및 거버넌스 메커니즘이 가장 효과적인 영역을 파악하는 데 필수적입니다. 이러한 연구를 기반으로 구축된 정책 관련 유형 분류는 자율성 수준, 적응성 정도, 운영 영역 및 영향 규모에 따라 시스템을 구분하는 데 도움이 되어 거버넌스 노력을 효과적으로 이끌어갈 수 있습니다. 증거 기반 정책 결정을 위해서는 AI 에이전트와 에이전트형 AI가 다양한 분야에서 어떻게 도입되고 사용되고 있는지에 대한 더 많은 실증적 데이터와 더불어 그 광범위한 함의와 영향에 대한 명확한 증거가 필요합니다.
본 보고서는 에이전트형 AI에 대한 보다 명확하고 공통된 이해를 증진하고, 개념적 명확성을 바탕으로 사려 깊고 미래지향적인 정책을 수립하는 토대를 제공합니다. 에이전트형 AI 시스템이 여러 AI 에이전트를 조율하고, 행동을 취하며, 장기간에 걸쳐 운영될 수 있는 능력이 향상됨에 따라, 거버넌스 논의 또한 이러한 발전에 발맞춰야 합니다.
면책 조항: 본 웹사이트/블로그에 표현된 의견과 주장은 전적으로 저자의 것이며, OECD, GPAI 또는 회원국의 공식적인 견해를 반드시 반영하는 것은 아닙니다. OECD, GPAI 또는 회원국의 공식적인 견해를 반드시 반영하는 것은 아닙니다. OECD는 본 웹사이트/블로그에 게시된 자료로 인해 발생할 수 있는 저작권 침해에 대해 책임을 지지 않습니다.