AI 에이전트는 일을 맡길 수 있는 소프트웨어입니다. 스스로 단계를 정하고, 여러분의 도구를 써서 일을 처리하고, 일이 끝나거나 막히면 멈춥니다. 에이전틱 AI(agentic AI)는 이런 방식으로 일하는 AI를 아우르는 더 넓은 말입니다. 그러니 두 용어는 서로 경쟁하는 개념이 아닙니다. 'AI 에이전트'는 어떤 대상을 가리키는 이름입니다. '에이전틱'은 AI가 일을 얼마나 스스로 계획하고 처리하는지를 나타내는 말입니다.
이게 왜 중요할까요? 벤더들이 두 단어를 모두 느슨하게 쓰는 데다, 라벨만 봐서는 그 제품이 여러분의 받은편지함, CRM, 고객을 상대로 실제로 무엇을 할지 거의 알 수 없기 때문입니다. 이 가이드에서는 두 단어가 어디서 왔는지, 요즘 어떻게 쓰이는지, 그리고 몇 가지 간단한 질문으로 어떤 도구든 판단하는 방법을 설명합니다.
AI 에이전트 vs 에이전틱 AI: 핵심만 짧게
| AI 에이전트 | 에이전틱 AI | |
|---|---|---|
| 무엇인가 | 가리킬 수 있는 구체적인 대상 | 성격을 나타내는 표현, 또는 하나의 카테고리 전체 |
| 이렇게 말합니다 | "새 리드 조사에 AI 에이전트를 씁니다." | "이 워크플로는 에이전틱합니다." |
| 규모 | 시스템 하나가 한 종류의 일을 처리 | 간단한 AI 보조 프로세스부터 여러 에이전트의 협업까지 |
| 물어볼 것 | 어떤 일을 맡고, 무엇에 접근할 수 있는가? | 사람이 결과를 확인하기 전까지 몇 가지를 스스로 결정하는가? |
이 용어들의 주인은 따로 없습니다. 어떤 글이 둘 사이에 '공식' 경계선을 그어 준다면, 그건 한 집단의 의견일 뿐입니다.
두 단어는 어디서 왔을까
'에이전트'는 오래된 말입니다. Stuart Russell과 Peter Norvig는 1995년 교과서 『Artificial Intelligence: A Modern Approach』(한국어판 『인공지능: 현대적 접근방식』)에서 에이전트를 주변 환경을 감지하고 그에 따라 행동하는 모든 것으로 정의했습니다. 이 정의대로라면 온도 조절기도 에이전트입니다. 새로운 점은, 오늘날의 AI 모델이 화난 고객의 이메일처럼 정돈되지 않은 업무 자료를 읽고 어떻게 대응할지 판단할 수 있다는 것입니다.
'에이전틱'은 더 최근에 나온 말입니다. 2024년 6월, DeepLearning.AI 창립자 앤드루 응(Andrew Ng)은 무엇이 에이전트에 '해당하는지'를 두고 벌어지는 논쟁을 끝낼 방법을 제안했습니다. 정도의 문제로 보자는 것이었습니다. 그의 설명은 이렇습니다. "Unlike the noun 'agent,' the adjective 'agentic'"(번역: "명사 'agent'와 달리 형용사 'agentic'은") 에이전트에 조금 가까운 시스템도, 아주 가까운 시스템도 설명할 수 있게 해 준다는 것입니다.
그는 몇 달 전에 좋은 비유를 든 적이 있습니다. AI에게 한 번에 답을 내놓으라고 하는 건, 백스페이스 키를 한 번도 누르지 말고 에세이를 쓰라고 하는 것과 같다는 겁니다. 에이전틱한 방식에서는 AI가 사람처럼 개요를 잡고, 자료를 찾고, 초안을 쓰고, 검토하고, 고칠 수 있습니다.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund(AI 에이전틱 워크플로의 다음 단계, AI Fund의 앤드루 응 출연) · 2024년 3월 26일
'백스페이스 없이 에세이 쓰기' 비유는 저희가 찾은 '에이전틱'에 대한 설명 중 가장 짧고 명확합니다. 2024년 강연이므로, 오늘날 도구에 대한 보고가 아니라 개념을 배우는 자료로 봐 주세요.
요즘 이 용어가 쓰이는 세 가지 방식
1. '에이전틱'을 포괄적인 용어로 쓰는 경우. Anthropic의 가이드 Building effective agents(「효과적인 에이전트 만들기」, 2024년 12월)는 이 모두를 '에이전틱 시스템'(agentic systems)이라 부르고, 다시 둘로 나눕니다. 워크플로에서는 단계가 미리 정해져 있습니다. 에이전트에서는 AI가 스스로 단계를 고릅니다. 매번 같은 다섯 단계를 거치는 주간 보고서는 에이전틱하지만, 워크플로에 속합니다.
2. '에이전틱 AI'를 에이전트 팀이라는 뜻으로 쓰는 경우. 연구 리뷰 논문 AI Agents vs. Agentic AI(「AI 에이전트 vs 에이전틱 AI」, 2025년 5월 최초 게시, 2025년 9월 개정)는 고객 지원 문의 응대처럼 한 가지 일을 하는 단일 시스템을 'AI 에이전트'라고 부릅니다. '에이전틱 AI'는 여러 에이전트가 더 큰 목표를 나눠 맡고 서로 조율하는 경우에만 씁니다.
3. '에이전틱 AI'를 시장 라벨로 쓰는 경우. 애널리스트와 벤더는 이 말을 카테고리 이름으로 자주 씁니다. 2025년 6월, Gartner는 비용, 불분명한 가치, 허술한 리스크 관리 때문에 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것이라고 예측했습니다. 이는 예측이지, 집계가 아닙니다. Gartner는 '에이전트 워싱'(agent washing)이라는 말도 만들었습니다. 실질적인 새 기능 없이 기존 챗봇이나 자동화 도구를 에이전트라고 부르는 것을 뜻합니다. 2026년 5월에는 공급망 소프트웨어에서도 같은 현상이 나타난다고 경고했습니다.
그림 1. '에이전틱 시스템'을 워크플로와 에이전트의 포괄 용어로 쓰는 흔한 용법. 멀티 에이전트는 에이전트를 어떻게 조합하는지를 나타낼 뿐, 서로 배타적인 제품 카테고리가 아닙니다.
진짜 질문: 단계를 누가 정하는가?
세 가지 용법에는 공통된 생각이 하나 있습니다. AI가 스스로 결정하는 것이 많을수록 더 에이전틱하다는 것입니다. 대부분의 업무는 다음 세 수준 중 하나에 해당합니다.
- 어시스턴트. 여러분이 요청하면 답하거나 초안을 씁니다. 나머지는 모두 여러분 몫입니다.
- 워크플로. 단계는 미리 합의해 둡니다. 각 단계 안에서 읽고 쓰는 일을 AI가 맡습니다.
- 에이전트. 여러분은 목표를 줍니다. 무엇을 확인할지, 어떤 도구를 쓸지, 언제 충분하다고 볼지는 에이전트가 정합니다.
IBM의 Maya Murad는 이를 자율성의 '슬라이딩 스케일'(sliding scale)이라고 부릅니다. 수준은 일마다 고르는 것이지, 한 번 사면 끝나는 기능이 아닙니다.
YouTube · IBM Technology
What are AI Agents?(AI 에이전트란 무엇인가?) · 2024년 7월 15일
Maya Murad가 AI 자율성의 '슬라이딩 스케일'을 설명하고, 범위가 좁고 예측 가능한 일에는 에이전트보다 고정된 경로가 더 잘 맞는 경우가 많은 이유를 이야기합니다.
에이전트냐 자동화냐: 알아 둘 만한 논쟁
이런 시스템을 만드는 일로 먹고사는 사람들 사이에서 지금 바로 이 논쟁이 벌어지고 있습니다. B2B 기업의 매출 성장을 돕는 회사 Frontal AI의 창업자 겸 CEO라고 자신을 소개하는 Alex Vacca는 최근 게시물에서 자동화를 써야 하는 이유를 직설적으로 밝혔습니다.
X · Alex Vacca (@itsalexvacca) · 2026년 10월 7일
"If you can write every step down first, build an automation." … "An agent fails quietly."(번역: "모든 단계를 먼저 적어 낼 수 있다면 자동화를 만들어라." … "에이전트는 조용히 실패한다.")
그의 요점은 실용적입니다. 단계가 정해진 일(저희 예시로는 새 양식 응답을 CRM에 복사하는 일)이라면, 그 단계를 AI가 정하도록 돈을 내는 건 낭비라는 것입니다. 그는 또 고장 난 자동화는 보통 오류를 내지만, 에이전트는 답의 품질이 서서히 나빠지는 동안에도 계속 성공했다고 보고할 수 있다고 지적합니다. 그래서 그는 무엇이든 보내기 전에 사람이 승인하도록 합니다.
저희도 이 판단 기준에 동의하지만, 한 가지는 주의해야 합니다. 이는 자신의 환경을 바탕으로 한 실무자 한 사람의 견해이고, 그는 이런 일을 파는 사람입니다. 그래도 Anthropic과 IBM의 이야기와 일치합니다. 효과가 있는 가장 단순한 방법부터 시작하세요. 단계가 정말로 에이전트가 찾아낸 내용에 따라 달라질 때만 에이전트를 쓰세요.
흔한 오해
"에이전틱 AI는 AI 에이전트의 더 새롭고 나은 버전이다." 아닙니다. 에이전트는 가장 에이전틱한 것 중 하나입니다. 이 용어들은 정도를 나타낼 뿐, 제품 세대를 나타내지 않습니다.
"자율성은 높을수록 좋다." 아닙니다. 자율성이 높을수록 비용이 더 들고 확인하기도 어렵습니다. 매번 형태가 같은 주간 보고서라면, 고정된 워크플로가 더 저렴하고 예측 가능합니다.
"에이전트는 우리 비즈니스를 속속들이 안다." 에이전트는 볼 수 있는 것만 압니다. 연결한 도구와 지금 참여한 대화가 전부입니다. 예를 들어 Okou에서는 채팅마다 고유한 컨텍스트를 유지합니다. 새 채팅은 이전 채팅을 일부러 가져오지 않는 한 백지 상태에서 시작합니다.
"에이전트가 많을수록 더 유능하다." 꼭 그렇지는 않습니다. 에이전트 사이에 일을 넘길 때마다 실수가 쌓이거나 접근 권한이 번질 지점이 하나씩 늘어납니다. 최종 결과를 누가 책임지는지 물어보세요.
"라벨을 보면 무슨 일을 하는지 알 수 있다." 알 수 없습니다. Gartner가 바로 이 문제 때문에 '에이전트 워싱'이라는 말을 만들었고, 2026년에도 여전히 경고하고 있었습니다. 이름은 무시하고, 그 제품이 스스로 무엇을 하는지 물어보세요.
하나의 일, 세 가지 방식: 갱신이 위태로운 고객
실제 업무에서는 어떻게 되는지 보겠습니다. 이 예시는 개념을 보여 주기 위해 만든 가상의 이야기이며, 고객 사례가 아닙니다.
Dana는 한 소프트웨어 회사에서 고객 성공을 맡고 있습니다. 한 고객사의 계약 갱신이 6주 뒤인데, 뭔가 이상합니다. 단서는 여기저기 흩어져 있습니다. 지원 받은편지함에는 불만 섞인 이메일이 와 있습니다. CRM에는 여전히 '양호'라고 표시되어 있습니다. 공유 문서에는 고객사가 조직을 개편한 뒤 로그인이 줄었다는 메모가 있습니다. 그리고 지난달 Slack 스레드에는 경영진의 결정이 적혀 있습니다. 이번 분기에는 갱신 할인이 없다는 것입니다.
1. 에이전트에게 한 번 묻기
Dana가 Okou에게 묻습니다. "이 고객사가 왜 위험한 거죠? 이번 주에 뭘 보내야 할까요?" 무엇을 읽을지는 Okou가 정합니다. 이메일, CRM 기록, 사용량 메모, 그리고 Slack 스레드입니다. 채팅에는 Okou가 얼마나 오래 일했는지, 몇 단계를 거쳤는지, 지금 무엇을 하고 있는지가 표시됩니다.
다른 작업을 처리 중인 Okou. 경과 시간, 단계 수, 현재 작업을 볼 수 있습니다.
답을 바꾸는 건 Slack 스레드입니다. 이메일만 읽었다면 할인을 제안했을지도 모릅니다. 하지만 Slack에서 내려진 결정 때문에 그 선택지는 빠지고, Okou는 대신 고객사의 새 팀을 위한 온보딩 세션을 다시 열자고 제안합니다. Okou는 CRM과 이메일의 내용이 서로 맞지 않는다는 점도 짚어 줍니다. 조용히 한쪽을 고르지 않습니다. 사실에는 출처 링크가 붙습니다. 추측은 추측이라고 표시됩니다.
Okou는 결과물을 읽는 사람에 맞게 다듬기도 합니다. Okou 제품 개요에서는 이를 알맞은 매체로 소통하는 것이라고 부릅니다. Dana는 결정을 내리기 위한 짧은 브리핑을 받습니다. 고객에게 보낼 답장은 Dana가 승인할 수 있도록 Gmail 임시보관함에 초안으로 저장됩니다. 담당 어카운트 팀은 자기 채널에서 두 줄짜리 업데이트를 받을 수 있습니다. Dana가 직접 보내기 전까지는 아무것도 고객에게 가지 않습니다. Okou는 Dana가 허용한 일만 할 수 있습니다. 초안 작성과 발송을 분리해 둔 도구라면, Dana는 둘 중 하나만 허용할 수도 있습니다.
Okou에서는 사람이 보낼 때까지 이메일이 초안 상태로 기다립니다. 여기서는 Sent(보냄) 개수가 0입니다. 다른 작업의 데모 데이터입니다.
Dana는 잘못된 가정 하나를 바로잡고(운영 책임자는 떠나는 게 아니라 새로 온 사람입니다) 답장을 더 짧게 써 달라고 합니다. 같은 채팅이므로 Okou는 이 수정 사항을 그대로 기억합니다.
2. 방법을 워크플로로 저장하기
이 방법이 효과가 있었으니, Dana는 Okou에게 이를 워크플로로 저장해 달라고 합니다. 워크플로는 이름이 붙은 일련의 단계, 확인할 출처, 그리고 규칙으로 이루어집니다. Dana가 고친 내용은 "현재 정책 링크 없이 할인을 제안하지 말 것" 같은 명문화된 규칙이 됩니다. 피드백은 누군가 이렇게 저장해야만 팀의 규칙이 됩니다.
Dana는 이 워크플로를 팀과 공유합니다. 동료가 실행하면 Dana가 아니라 그 동료 자신의 계정과 권한이 쓰입니다. 워크플로를 공유하면 방법이 공유될 뿐, Dana의 받은편지함이나 비공개 채팅이 공유되지는 않습니다. 이제 단계가 정해졌으니 AI가 결정하는 일은 줄고, 결과는 더 일관됩니다.
3. 일정에 따라 실행하기
워크플로는 저절로 실행되지 않습니다. 매주 월요일에 실행되게 하려면, 팀이 담당자와 트리거를 정해 자동화를 추가합니다. 매주 월요일, 자동화는 앞으로 60일 안에 갱신이 돌아오는 계약을 확인하고, 위험해 보이는 고객사마다 브리핑을 올립니다. 이메일은 여전히 초안 상태로 기다립니다.
일정이 무엇을 바꾸고 무엇을 바꾸지 않는지 눈여겨보세요. 일정은 일을 언제 시작할지를 정합니다. 일을 어떻게 할지에 대해 AI에게 더 많은 자유를 주지는 않습니다.
같은 일을 나란히 놓고 비교하면 다음과 같습니다.
| 1. 에이전트에게 묻기 | 2. 저장된 워크플로 | 3. 자동화 | |
|---|---|---|---|
| 단계는 누가 정하나 | 에이전트가 찾아낸 내용에 따라 정함 | 저장된 단계. AI는 각 단계 안에서 일함 | 워크플로와 같음. 일정이 자유를 더해 주지는 않음 |
| 무엇이 시작시키나 | Dana의 요청 | 팀의 누구든 이름으로 불러서 요청 | 일정(지정된 담당자 있음) |
| 누가 승인하나 | Dana가 브리핑과 초안을 검토 | 실행하는 각 사람 | 담당자가 브리핑을 읽음. 이메일은 초안으로 유지 |
세 가지 모두 어느 정도는 에이전틱합니다. 그중 대부분의 사람이 말하는 'AI 에이전트'는 첫 번째뿐입니다.
사람에게 남는 일
AI가 단계를 고른다고 해서 결과에 아무도 책임지지 않아도 된다는 뜻은 아닙니다. 에이전트가 실제 업무에 손대기 전에 네 가지를 정해 두세요.
- 무엇을 읽을 수 있는가. 어떤 받은편지함, CRM, 문서를, 누구의 계정으로 읽는가.
- 무엇을 바꿀 수 있는가. 초안 작성은 발송이 아닙니다. CRM 업데이트를 제안하는 것과 실제로 업데이트하는 것은 다릅니다.
- 어디서 멈추는가. 어떤 작업은 반드시 사람을 기다려야 하는가.
- 무엇을 넘겨주는가. 브리핑, 초안, 또는 누군가 출처와 대조해 확인할 수 있는 기록.
업무에 AI를 쓰는 사람들은 이미 이렇게 생각하고 있습니다. Microsoft의 2026 Work Trend Index(업무 동향 지수)는 2026년 초 10개국 AI 사용자 20,000명을 대상으로 한 설문 조사인데, 응답자의 86%가 AI 결과물을 최종 답이 아니라 출발점으로 여긴다고 답했습니다. 이는 응답자 스스로의 답변이며, 실제 성과를 측정한 것은 아닙니다.
AI가 일을 맡기 시작할 때 팀이 어떻게 달라지는지 더 알고 싶다면 AI가 자율적으로 일할 때 달라지는 것들을 읽어 보세요.
'에이전틱' 도구에 던져야 할 질문
- 단계는 누가 정하나요? 미리 정해져 있나요, AI가 매번 고르나요, 아니면 둘을 섞나요?
- 무엇을 볼 수 있나요? 어떤 도구를, 누구의 로그인으로 쓰며, 지난 대화를 기억하나요?
- 무엇에 내 승인이 필요한가요? 권한으로 강제되나요, 아니면 프롬프트에 적혀 있을 뿐인가요?
- 확신이 없을 때는 어떻게 하나요? 문제를 알리나요, 아니면 추측하나요?
- 무엇을 했는지 볼 수 있나요? 모든 단계와 결과가 기록되나요?
- 잘 되는 방법을 팀이 다시 쓸 수 있나요? 그 방법을 저장하고, 공유하고, 지정된 담당자와 함께 일정에 따라 실행할 수 있나요?
이 질문들에 분명하게 답하는 도구라면, 스스로를 뭐라고 부르든 살펴볼 가치가 있습니다. 어디서부터 시작할지 아이디어가 필요하다면 실제 업무를 위한 AI 에이전트 활용 사례와 컨텍스트와 권한 관리에 관한 가이드를 참고하세요.
FAQ
에이전틱 AI와 AI 에이전트는 같은 건가요?
정확히 같지는 않습니다. AI 에이전트는 일을 받아서 단계를 고르고, 도구를 써서 끝내는 구체적인 시스템입니다. 에이전틱 AI는 정도와 상관없이 이런 방식으로 일하는 AI를 가리키는 더 넓은 용어입니다. 모든 AI 에이전트는 에이전틱하지만, '에이전틱 AI'는 AI 단계가 포함된 고정형 워크플로나 여러 에이전트의 협업을 뜻하기도 합니다.
에이전틱 AI와 생성형 AI는 어떻게 다른가요?
생성형 AI는 요청하면 무언가를 쓰거나 만들어 내고, 그다음엔 기다립니다. 에이전틱 AI는 그 능력을 활용해 목표를 향해 움직입니다. 계획을 세우고, 도구로 행동하고, 결과를 확인하고, 계속 나아갑니다. 대부분의 AI 에이전트는 생성형 모델 위에서 돌아가지만, 답장을 쓰는 건 그들이 하는 일의 일부일 뿐입니다.
에이전틱 AI의 위험은 무엇인가요?
위험은 답하는 데서가 아니라 행동하는 데서 옵니다. 이메일, CRM, 광고 계정에 접근할 수 있는 AI는 잘못된 변경을 하거나, 아무도 확인하지 않은 것을 보낼 수 있습니다. 많은 에이전틱 AI 프로젝트가 2027년까지 취소될 것이라는 Gartner의 2025년 예측은 그 이유로 비용, 불분명한 가치, 허술한 리스크 관리를 꼽았습니다. 일에 필요한 접근 권한만 주고, 모든 단계를 기록으로 남기고, 회사 밖으로 나가는 것은 무엇이든 승인을 거치게 하세요.
에이전틱 AI와 RPA는 어떻게 다른가요?
RPA(로보틱 프로세스 자동화)는 한 시스템의 필드를 다른 시스템으로 복사하는 것처럼, 기록된 단계를 정확히 그대로 따릅니다. 에이전틱 AI는 내용을 이해해야 하는 이메일처럼, 무엇을 읽었는지에 따라 다음 단계가 달라지는 일을 처리할 수 있습니다. 실질적인 변화 없이 '에이전틱'이라는 이름만 새로 붙인 RPA 도구도 있으니, 예상치 못한 상황을 도구가 어떻게 처리하는지 직접 보여 달라고 하세요.
에이전틱 AI는 완전히 자율적으로 일할 수 있나요?
사람 없이 많은 단계를 실행할 수 있는 시스템도 있습니다. 하지만 비즈니스에서 그게 목표인 경우는 드뭅니다. 대부분의 팀은 조사, 초안 작성, 제안을 AI에게 맡기고, 이메일 발송이나 기록 변경처럼 외부로 나가거나 되돌리기 어려운 일은 사람이 승인합니다. 애널리스트들도 여전히 신중합니다. 2026년 5월, Gartner는 대부분의 공급망 계획 도구가 아직 완전한 자율성에 이르지 못했다고 밝혔습니다.
AI 에이전트가 필요할까요, 더 단순한 자동화가 필요할까요?
단순하게 시작하세요. 일의 단계가 매번 같다면, 저장된 워크플로를 일정에 따라 실행하는 편이 더 저렴하고 예측 가능합니다. 한 고객사가 왜 위험한지 알아내는 일처럼, 단계가 찾아낸 내용에 따라 달라질 때 에이전트를 쓰세요. 둘 다 쓰는 팀도 많습니다. 에이전트로 방법을 찾아낸 다음, 그것을 워크플로로 저장해 반복하는 것이죠.
