🎥 영상 소개

이 영상은 "Real Terms with AI" 시즌 2의 첫 번째 에피소드로, AI 에이전트(agent)와 에이전틱(agentic) 워크플로우의 개념을 명확히 정의하고, 이 둘의 차이점과 활용 사례를 다룹니다. 진행자인 Aja HammerlyJason Davenport는 소프트웨어 개발자들이 실제로 이해할 수 있는 용어를 사용해 AI와 관련된 주제를 설명하며, 이번 시즌에서는 특히 에이전틱 AI에 초점을 맞춥니다.


🧠 핵심 개념: 에이전트와 에이전틱 워크플로우란?

  1. 에이전트(agent)란 무엇인가요?

    • Jason: "에이전트란 비결정론적(nondeterministic)인 방식으로 작업을 수행하는 시스템입니다. 즉, 같은 입력을 주더라도 항상 동일한 결과를 내놓지 않을 수 있죠."
    • 에이전트는 목표(goal)를 설정하면, 그 목표를 달성하기 위해 필요한 작업을 스스로 정의하고 실행하며, 결과를 검토(reflection)해 목표에 부합하는지 확인합니다.
    • 예: "에이전트에게 '스네이크 게임이 있는 웹사이트를 만들어줘'라고 요청하면, 에이전트는 필요한 작업을 스스로 계획하고 실행하며, 결과를 검토해 목표를 달성합니다."
  2. 에이전틱 워크플로우(agentic workflow)란 무엇인가요?

    • Aja: "워크플로우는 결정론적(deterministic)인 방식으로 작동하며, 예측 가능한 결과를 내놓습니다. 이는 특정 작업과 결과를 명확히 정의하고, 그에 따라 실행되는 프로세스입니다."
    • 예: "워크플로우는 송장을 처리하는 프로세스를 예로 들 수 있습니다. LLM(대규모 언어 모델)을 사용해 송장을 분석하고 데이터를 추출한 뒤, 이를 양식에 입력하는 작업을 수행합니다. 하지만 최종적으로는 사용자가 데이터를 검토하고 업로드를 결정합니다."
  3. 에이전트 vs. 워크플로우의 차이점

    • 에이전트는 자율적으로 작업을 수행하며, 작업 순서나 방식이 고정되지 않습니다.
    • 워크플로우는 더 구조화되고 예측 가능한 방식으로 작동하며, 인간의 개입이 더 많이 필요합니다.
    • Aja: "많은 경우, 우리가 해결하려는 문제는 에이전트가 아니라 에이전틱 워크플로우로 더 적합하게 해결할 수 있습니다."

📋 활용 사례와 예시

  1. 워크플로우의 예시

    • 송장 처리:
      "LLM을 사용해 송장을 분석하고 데이터를 추출한 뒤, 이를 양식에 입력하는 작업을 수행합니다. 하지만 최종적으로는 사용자가 데이터를 검토하고 업로드를 결정합니다."
      👉 결정론적이고 예측 가능한 프로세스.
  2. 에이전트의 예시

    • 스네이크 게임 웹사이트 제작:
      "에이전트는 '스네이크 게임이 있는 웹사이트를 만들어줘'라는 목표를 받으면, 필요한 작업을 스스로 정의하고 실행하며, 결과를 검토해 목표를 달성합니다."
      👉 자율적이고 비결정론적인 방식.

🤔 왜 중요한가요?

  • Jason: "에이전틱 행동을 이해하는 것은 인간 상호작용과도 밀접하게 연결됩니다. 예를 들어, 비즈니스 환경에서 누가 어떤 결정을 내릴 수 있는지, 즉 의사결정 권한(agency)을 어떻게 분배할지 고민하는 것과 비슷합니다."
  • Aja: "에이전트를 사용할지, 워크플로우를 사용할지는 문제의 성격에 따라 달라집니다. 예를 들어, 고객 서비스 에이전트를 만들 경우, 에이전트가 인간이 선택하지 않을 결정을 내릴 가능성도 고려해야 합니다."

⚠️ 에이전트와 워크플로우 선택 시 고려할 점

  1. 에이전틱 워크플로우가 적합한 경우

    • 기존의 결정론적 프로세스에 LLM을 추가해 효율성을 높이고 싶을 때.
    • 예: 데이터 요약, 간단한 정보 처리 등.
    • Aja: "이 경우, 인간이 프로세스에 개입해 결과를 검토하고 조정할 수 있도록 설계하는 것이 중요합니다."
  2. 에이전트가 적합한 경우

    • 명확한 목표와 결과를 정의할 수 있고, 자율성이 필요한 작업.
    • 예: 복잡한 문제 해결, 창의적인 작업 등.
    • Aja: "에이전트는 목표를 달성하기 위해 자율적으로 작업을 수행할 수 있는 상황에서 유용합니다."

💡 시청자들을 위한 팁과 리소스

  • Jason: "이번 시즌에서는 다양한 코드 스니펫과 아키텍처 예제를 GitHub에 공유할 예정입니다. 이를 통해 추상적인 개념을 구체적으로 구현할 수 있도록 도울 것입니다."
  • Aja: "링크를 통해 에이전트와 에이전틱 워크플로우의 예제를 확인하고, 여러분의 프로젝트에 적용해보세요!"

🎉 마무리

  • Aja: "이번 시즌에서는 에이전트와 에이전틱 워크플로우의 개념을 깊이 탐구하고, 이를 활용하는 방법을 배울 것입니다. 함께 배워나가요!"
  • Jason: "행복한 프롬프트 작성 되세요!"
  • Aja: "행복한 프롬프트 작성 되세요!"

🏷️ 키워드 정리

  • 에이전트(agent): 자율적, 비결정론적, 목표 지향적.
  • 에이전틱 워크플로우(agentic workflow): 결정론적, 예측 가능, 인간 개입.
  • LLM(대규모 언어 모델): 데이터 처리 및 분석 도구.
  • 의사결정 권한(agency): 자율성과 책임의 분배.

✨ 이 영상을 통해 에이전트와 워크플로우의 차이를 명확히 이해하고, 여러분의 프로젝트에 적합한 방식을 선택해보세요

함께 읽으면 좋은 글

HarvestAI · 데이터와 판단한국어

AI 시대의 아비트리지: 봇이 30일 만에 43만 8천 달러를 벌다.

이 영상은 AI 시대에 접어들면서 우리 경제의 근간을 이루는 '아비트리지(차익거래)'의 개념이 어떻게 변화하고 있는지 설명합니다. AI는 기존의 비효율성(아비트리지 기회)을 빠르게 제거하고 새로운 기회를 창출하며, 이는 모든 산업과 직업에 엄청난 영향을 미치고 있습니다. 영상은 특히 폴리마...

2026년 4월 8일더 읽기
Harvest창업 · AI한국어

Anthropic의 10억 달러에서 190억 달러 성장 비결: Claude가 역사상 가장 빠르게 성장한 AI 제품이 된 방법

이 영상은 Anthropic의 성장 책임자 아몰 아바사레가 회사의 경이로운 성장 비결과 AI 시대의 성장 전략에 대해 이야기하는 내용을 담고 있습니다. Anthropic이 14개월 만에 연 매출 10억 달러에서 190억 달러로 성장한 배경에는 AI 모델의 빠른 발전, B2B 및 코딩 분야에...

2026년 4월 5일더 읽기
Harvest엔지니어링 리더십 · AI한국어

성과로 이어지는 AX 로드맵 요약: 개인 효율을 조직 생산성으로 연결하는 법

이 웨비나는 “AI를 많이 쓰면 생산성이 오른다”는 감각이 왜 조직의 성과로는 잘 이어지지 않는지, 그 구조적 이유를 먼저 짚습니다. 그리고 플렉스팀이 직접 실험하며 겪은 실패(측정·순서·조직 적용의 함정)를 바탕으로, 라스트마일과 병목부터 푸는 AX 설계 전략(SSOT·평가환경·검증·권한...

2026년 3월 28일더 읽기