에이전틱 AI 쉬운 설명: 워크플로우와 에이전트의 차이, 실제 사례로 이해하기

핵심 메시지

• PDF 정책 문서를 검색해 답하는 RAG 챗봇은 질의응답형 "워크플로우"일 뿐 에이전틱 AI가 아니다.
• API로 휴가 신청 같은 행동까지 하는 툴 연동 챗봇도 반응형일 뿐 스스로 계획하지는 못한다.
• "신입 인턴을 다음 주에 온보딩하라" 같은 복합 목표를 다단계로 계획·실행하는 시스템이 에이전틱 AI다.
• 에이전틱 AI의 핵심 특징은 목표 지향 계획, 다단계 추론, 자율적 의사결정, 도구·지식·메모리 활용이다.
• 생성형 AI는 에이전틱 AI의 한 구성요소이며, 에이전틱 AI에는 최소 한 개 이상의 AI 에이전트가 필요하다.

쉽게 이해하기

코드베이시스(codebasics) 진행자는 자기 회사(55명 규모)의 HR 비서 예시로 에이전틱 AI를 군더더기 없이 설명한다. 출발점은 휴가·병가 정책이 담긴 PDF에서 정보를 끌어와 답하는 RAG 기반 챗봇이다. 그런데 이것은 에이전틱 AI가 아니다. 앤트로픽의 "효과적인 에이전트 구축" 문서를 인용하며, 이런 검색·응답형은 "에이전트"가 아니라 "워크플로우"에 해당한다고 짚는다.

다음 단계는 챗봇에 행동을 더하는 것이다. 직원이 남은 휴가를 묻고 휴가를 신청할 수 있게 HR 관리 시스템 API를 LLM과 연동하면, 단순 질의응답을 넘어 실제 행동(휴가 신청)을 수행한다. 로그인 정보로 누가 요청했는지 식별해 처리하기도 한다. 하지만 이것도 "툴이 추가된 챗봇"일 뿐 여전히 반응형이며 에이전틱 AI는 아니라고 선을 긋는다.

진짜 에이전틱 AI는 "신입 인턴을 다음 주 월요일에 온보딩하라" 같은 넓은 목표를 줄 때 드러난다. 시스템은 환영 미팅 일정을 잡아 아웃룩으로 초대를 보내고, HR 시스템에 인턴 프로필을 만들고, IT 헬프데스크에 와이파이·이메일·슬랙 계정 발급 티켓을 열고, 노트북을 주문하는 식으로 여러 단계를 스스로 계획하고 실행한다. 각 단계마다 LLM의 생성 능력과 여러 도구·API 연동이 함께 작동한다.

영상은 에이전틱 AI의 특징을 다섯 가지로 정리한다. 목표 지향 계획, 다단계 추론, 자율적 의사결정(사람이 버튼을 누르라고 시키지 않아도 직접 메일·초대를 보냄), 도구 접근(아웃룩·HR 시스템 등), 그리고 지식(PDF·DB)과 메모리(대화 맥락 기억)다. 한 줄 정의로는 "매 단계 지시받지 않고도 목표 달성을 위해 스스로 판단하고 행동하는 AI 시스템"이다.

실제 사례로는 러버블·레플릿 같은 AI 코딩 도구(기능 파악→계획→코드 작성·실행·디버깅 반복), 날씨·예산 조건을 만족하는 여행을 계획·예약하는 여행 비서, agno 프레임워크로 엔비디아 리포트를 자동 작성하는 주식 리서치 에이전트, 그리고 자피어(Zapier) MCP나 n8n 같은 노코드·로우코드 도구가 소개된다. 끝으로 AI 에이전트는 에이전틱 시스템을 이루는 단위이고, 생성형 AI(Gen AI)는 그 안의 한 구성요소라는 관계를 정리한다.

주요 인사이트

• RAG 챗봇·툴 연동 챗봇·에이전틱 AI를 가르는 기준은 "도구를 쓰느냐"가 아니라 "스스로 계획하고 다단계로 추론하느냐"이다.
• 단순 작업(남은 휴가 조회)과 복합 목표(인턴 온보딩)를 구분하는 것이 에이전틱 AI를 이해하는 출발점이다.
• 자율적 의사결정은 사람이 단계마다 지시하지 않아도 시스템이 직접 행동을 수행한다는 뜻이다.
• 에이전틱 AI에는 도구·지식·메모리가 결합되며, 생성형 AI는 그 일부일 뿐 전체가 아니다.
• 에이전트는 자피어·n8n 같은 노코드 도구로도 구성할 수 있어, 반드시 코드를 직접 짜야 하는 것은 아니다.

자주 묻는 질문

관련 AI 소식