AI 에이전트, 정말 누구나 만들 수 있을까요?

1. AI, 아직도 실망스럽다고요? 혹시 이 기술을 안 써보셨나요?

아직도 인공지능, 특히 대형 언어 모델(LM)에 대해 실망하는 분들이 많대요 . 그런데 요즘에는 인공지능을 다루는 특별한 기술들이 많이 발전해서 결과가 훨씬 좋아졌다고 해요 . 혹시 이런 새로운 기술들을 아직 안 써보신 건 아닐까요?

최근에 가장 효과가 좋다고 알려진 기술 중 하나가 바로 '체인 오브 소우트(Chain of Thought)'예요 . 이게 뭐냐면요, 인공지능에게 어떤 문제를 주고 나서 바로 답을 내라고 시키는 대신, 마치 사람이 생각하는 것처럼 단계적으로 차근차근 생각해서 최종 답변을 내놓도록 훈련시키는 거예요 . 좀 힘들게 시키는 거죠.

이렇게 체인 오브 소우트 방식을 사용했을 때 인공지능의 성능이 얼마나 좋아졌는지 보여주는 결과들이 있어요 . 최신 모델의 벤치마크 결과를 보면, 코딩 테스트 문제를 풀 때 점수가 엄청나게 높아졌다고 해요 . 심지어 어떤 사람보다도 더 높은 점수를 기록하기도 했대요 . 그리고 어떤 모델은 'agi 어쩌고 데이터셋'이라는 곳에서 고득점을 했다는 결과도 나왔다고 하네요 . 아직은 좀 더 지켜봐야 할 부분도 있지만요 .

 

2. 사람처럼 생각하는 AI, '에이전트'가 뭐길래?

내년쯤에는 '에이전트'라는 것이 출시될 거라는 소식이 있어요 . 이 에이전트도 체인 오브 소우트처럼 문제를 단계별로 분석해서 풀기는 하는데, 여기서 더 나아가서 인공지능이 스스로 판단하고 결정할 수 있도록 마치 의지나 자아 같은 것을 넣어주는 기술이라고 해요 .

일반적인 대형 언어 모델을 쓰는 것보다 에이전트를 사용하면 더 어렵고 복잡한 문제들도 해결할 수 있다는 점이 중요해요 . 그래서 만약 실제 업무에 사용할 수 있는, 좀 더 사람 같은 인공지능을 만들고 싶다면 이 에이전트 기술에 주목해볼 필요가 있다고 하네요 . 엔트로픽이라는 곳에서는 에이전트 제작 가이드도 만들었다고 해요 .

 

3. 코딩 몰라도 괜찮아요! 나만의 AI 에이전트 만들기, 어렵지 않아요!

놀랍게도 ai 에이전트를 만드는 것이 그렇게 어렵지 않대요 . 심지어 프레임워크 같은 복잡한 것을 쓸 필요도 없고, 그냥 프로그래밍 기본 문법만 알면 누구나 만들 수 있다고 하네요 . 정말 대단하죠?

에이전트를 만드는 가장 기본적인 기술은 바로 '체인(Chain)'이라는 개념이에요 . 이건 인공지능에게 요청을 보낼 때, 한 번에 많은 것을 시키는 것이 아니라, 요청을 잘게 쪼개서 여러 개의 순서대로 진행되는 요청으로 만든 다음 하나씩 보내는 방식이에요 .

왜 이렇게 번거롭게 하냐면요 ? 인공지능한테 한 번에 너무 많은 걸 요구하면 결과가 엉망이 되기 때문이에요 . 원하는 결과의 정확도를 높이기 위해 이렇게 나누어서 요청하는 거죠 . 마치 우리가 친구에게 부탁할 때도 한 번에 여러 가지를 말하면 헷갈려 할 수 있으니 하나씩 차근차근 말하는 것과 비슷하다고 생각하면 쉬워요.

 

4. AI에게 일을 시킬 때, 왜 한 번에 다 시키면 안 될까요?

앞에서 이야기했듯이, 인공지능에게 한 번에 여러 가지 요구사항을 다 시키면 결과가 좋지 않아요 . 인공지능이 중간에 뭔가를 빼먹거나 실수하기 쉽거든요 .

그럴 때는 인공지능에게 요청을 딱 한 번만 보내는 것이 아니라, 차례대로 여러 번 나누어서 보내는 방법을 사용해야 해요 . 예를 들어, 코드로 설명하면 먼저 인공지능에게 '1번 과정'을 수행하라고 요청을 보내요 .

그리고 나서 그 결과를 받아요 . 그 다음에 그 결과를 가지고 다시 인공지능에게 '2번 과정'을 수행하라고 또 요청을 보내는 식이죠 . 이렇게 하면 원하는 결과의 정확도를 훨씬 높일 수 있다고 해요 . 요청을 단계별로 나누어 보내는 것이 중요하답니다.

 

5. AI가 스스로 판단하게 하려면 어떻게 해야 할까요?

인공지능이 단순히 시키는 대로만 하는 게 아니라 스스로 생각하고 판단해서 원하는 방향으로 가도록 유도하는 기술도 있어요 . 바로 '라우팅(Routing)'이라는 기술이에요 .

라우팅은 여러 가지 종류의 요청을 프롬프트 형태로 미리 준비해두고, 인공지능이 들어온 문제를 보고 어떤 요청을 실행하는 것이 가장 좋을지 스스로 판단하게 하는 거예요 .

예를 들어, 고객 상담 같은 상황에 이 기술을 적용할 수 있어요 . 고객 문의가 들어오면 관련 부서에서 답변하는 것처럼 인공지능이 답변해주도록 하고 싶을 때 . 각 관련 부서별로 답변 가이드를 프롬프트로 미리 정해두고, 이 가이드에 따라서 답변하게 할 수 있겠죠 .

만약 가이드가 너무 길면 인공지능이 어려워할 수 있으니 프롬프트도 작게 쪼개 놓고요 . 그리고 고객 문의가 들어오면, 인공지능에게 요청을 보내서 어떤 부서의 답변이 필요할지 스스로 구분하게 하는 거예요 . 예를 들어 인공지능이 '운영팀'이라고 판단하면 운영팀 프롬프트를 선택해서 API 요청을 보내는 식으로 진행하는 거죠 . 이렇게 인공지능에게 판단을 맡겨서 원하는 결과를 얻도록 유도하는 것이 라우팅 기술이랍니다 .

 

6. 여러 AI가 함께 일하면 어떤 일이 벌어질까요?

때로는 여러 인공지능에게 요청을 동시에 보내는 것도 가능해요. 이걸 '헤러 레라이스'라고 부른대요 . 예를 들어, 어떤 글을 다양한 관점에서 작성해야 할 때 . 이걸 인공지능 하나에게 한 번에 다 쓰라고 시키는 것보다, 각각 다른 인공지능에게 별도의 요청으로 보내서 결과를 받은 다음 합치는 방식으로 코딩하는 것이 훨씬 결과가 좋다고 해요 .

또 다른 방법으로는 관리자 역할을 하는 인공지능과 노예 역할을 하는 인공지능을 만들어서 문제를 해결하는 방식도 있어요 . 어떤 문제가 주어졌을 때 어떤 순서로 해결해야 답이 나올지 확실하지 않을 때 유용하대요 .

예를 들어, 게임 캐릭터 하나를 기획해야 하는데 뭘 적어야 할지 모르는 상황이라고 해봐요 . 이럴 때는 먼저 관리자 인공지능에게 어떤 내용들을 적으면 좋을지 물어보는 거예요 . 그러면 관리자 인공지능이 캐릭터의 성격, 외모, 능력, 배경 같은 것들을 적으면 좋겠다고 추천해주겠죠 . 그 내용을 받아서 노예 인공지능에게 내용을 바탕으로 글을 작성하라고 시키는 방식이에요 . 이런 식으로 관리자와 노예 역할을 나누면 인공지능이 스스로 문제를 분석하고 해결하게 만들 수 있답니다 . 코딩 버그를 해결할 때처럼 무엇을 해야 할지 모를 때도 이런 방식이 괜찮다고 하네요 .

 

7. AI가 AI를 평가한다고요? 피드백으로 퀄리티 높이기!

인공지능이 다른 인공지능에게 계속 피드백을 줘서 결과물의 질을 높이는 방식도 있어요 . 예를 들어, 영어를 한국어로 번역하는 상황에서 인공지능에게 대충 번역하라고 시키면 결과가 만족스럽지 않을 수 있죠 .

이럴 때는 번역 결과가 좋아야 하는 명확한 기준을 먼저 정해요 . 그리고 나서 이 기준을 잘 지켰는지 판단해주는 '이벨류에이터(Evaluator)' 인공지능을 만드는 거예요 . 기준에 맞으면 통과, 아니면 다시 하라고 하는 거죠 .

그래서 번역 결과를 이 이벨류에이터 인공지능에게 보낸 다음, 통과될 때까지 계속 번역을 시키는 방식이에요 . 이런 식으로 하면 스스로 판단하고 생각하는 인공지능처럼 만들 수 있답니다 . 다만 이 방법은 명확한 성공 기준이 있는 문제에 사용하는 것이 좋다고 해요 .

 

8. AI 에이전트, 어디까지 발전할 수 있을까요?

지금까지 이야기한 기술들을 하나씩 적용하면, 인공지능은 이제 단순히 질문에 답하는 것을 넘어 사람처럼 다양한 작업들을 수행할 수 있는 에이전트로 발전하게 돼요 .

인공지능이 직접 컴퓨터 자원을 사용하게 하는 방법도 있지만 아직 안정성이나 보안 문제가 있다고 하네요 . 웹페이지에 몰래 프롬프트를 심어두면 인공지능이 그걸 읽고 실행해버리는 경우도 있대요 .

아니면 직접 코딩하는 대신 프레임워크를 사용해서 에이전트를 쉽게 만들 수도 있어요 . 프레임워크를 쓰면 '크루' 같은 가상의 직원들을 쉽게 만들어서 마치 직원을 부리는 것처럼 코딩할 수 있어서 재밌다고 하네요 . 외부 검색 같은 편의 기능도 쉽게 쓸 수 있고요 .

직접 실행해보면 에이전트가 여러 가지 작업들을 잘 수행하는 것을 볼 수 있대요 . 기존의 대형 언어 모델만 사용해봤다면, 발전한 에이전트 기술을 요즘 써보는 것도 괜찮을 것 같아요 . 코딩 지식이 많지 않아도 누구나 만들 수 있으니 .