AI 에이전트 만드는 법: 목표·정체성·도구·범위·신뢰 5단계와 서브에이전트 설계

핵심 메시지

• 채팅은 회의, 에이전트는 직원에 가깝다. 채팅은 질문에 답을 주고 멈추지만 에이전트는 진단·설계·실행·점검의 순환을 스스로 돌린다.
• 무엇이든 에이전트에 맡길 필요는 없다. 반복적이고, 규칙이 분명하며, 만드는 시간보다 아끼는 시간이 큰 일에만 맡기는 것이 기준이다.
• 에이전트를 만들 때는 '어떻게'가 아니라 '무엇을 달성해야 하는가'를 먼저 정하고, 완료 조건을 한 문장으로 측정 가능하게 써야 한다.
• 성격·역할·사용자 정보를 담은 세 개의 파일로 정체성을 잡아주면 같은 모델이라도 성과가 크게 달라진다.
• 하나의 에이전트에 모든 일을 몰아넣지 말고 역할별로 쪼갠 뒤 관리자 에이전트가 이들을 조율하게 해야 맥락이 오염되지 않는다.

쉽게 이해하기

발표자는 2030년까지 AI가 1억 7천만 개의 새 일자리를 만든다는 조사를 언급하며, 그 일자리는 AI와 대화하는 자리가 아니라 AI 에이전트를 만드는 자리일 것이라고 말한다. 직접 수십 개를 만들어 본 결과 생각보다 어렵지 않았고, 지금은 자신과 팀의 회사 업무 대부분을 수백 개의 에이전트가 처리하고 있다고 설명한다. 영상은 그 경험을 첫 에이전트를 만드는 순서로 풀어낸다.

먼저 챗봇과 에이전트의 차이를 짚는다. 채팅은 사용자가 물어야 답이 오는 '당기는' 도구지만, 에이전트는 스스로 일을 진행하며 확인을 요청하는 '미는' 도구다. 발표자는 에이전트가 문제를 진단하고, 계획과 도구를 조립하고, 실행하고, 자기 결과를 점검하는 네 동작을 반복한다고 정리하는데, 이 순환이 없으면 한 번 돌고 멈추는 자동화일 뿐이다. 맡길 일을 고르는 기준도 명확하다. 매주 반복되는 일인가, 같은 입력에 같은 출력이 나오는가, 만드는 시간보다 되찾는 시간이 큰가. 2분짜리 일을 위해 2주짜리 에이전트를 만들 이유는 없다.

제작 순서는 목표 정하기, 정체성 부여, 맥락과 도구 장착, 범위 좁히기, 신뢰 쌓기의 다섯 단계다. 첫 단계에서 중요한 것은 방법이 아니라 결과여서, 사람을 채용할 때 일하는 방법부터 알려주지 않고 달성할 성과를 말해주는 것과 같다. 여기에 완료 조건을 한 문장으로 못 박는다. '매일 아침 9시에 받은편지함이 비어 있고, 답장 초안이 내 말투로 작성되어 있으며, 내가 봐야 할 것은 위로 표시되고 중요한 것은 하나도 놓치지 않은 상태'처럼 그림이 그려져야 에이전트도 그 지점을 맞출 수 있다.

정체성은 성격을 정하는 파일, 이름과 역할을 정하는 파일, 사용자가 누구인지 담은 파일 세 가지로 만든다. 발표자는 항공사 고객 지원 에이전트에서 규칙과 정체성을 걷어냈더니 성공률이 33%에서 11%로 떨어졌다는 사례를 들며, 같은 모델·같은 과제라도 자기가 누구인지 잊으면 성능이 무너진다고 말한다. 이 파일들은 직접 쓰지 말고 AI가 필요한 질문을 되묻게 한 뒤 작성하도록 시키는 편이 낫다고 권한다.

이어지는 단계는 맥락과 도구, 그리고 범위와 신뢰다. 발표자는 책상 비유를 들어 절차서와 정체성 파일, 도구, 일정, 서랍에 해당하는 메모리가 각자 자리에 있어야 하며, 서류를 잔뜩 쌓아 올리면 이른바 '맥락 부패'로 답이 흐려진다고 설명한다. 절차서는 화면 녹화보다 이미 쌓인 원본에서 역설계하는 편이 낫다며, 내가 보낸 메일 50통을 읽혀 말투와 인사말, 자주 쓰는 표현을 뽑아 스타일 가이드를 쓰게 하는 예를 든다. 마지막으로 역할별로 에이전트를 쪼개 관리자 에이전트가 조율하게 하고, 가드레일을 먼저 정한 뒤 승인 단계를 거쳐 조금씩 권한을 넘기라고 조언한다.

주요 인사이트

• 에이전트와 자동화를 가르는 기준은 도구의 종류가 아니라 '스스로 점검하고 다시 시도하는 순환이 있는가'다. 이 관점은 도구 선택보다 설계를 먼저 고민하게 만든다.
• 완료 조건을 한 문장으로 쓸 수 없다면 아직 만들 준비가 안 된 것이라는 지적은, AI 활용의 병목이 기술이 아니라 요구사항을 명확히 하는 능력에 있음을 보여준다.
• 정체성 제거만으로 성공률이 3분의 1로 떨어졌다는 사례는, 프롬프트에서 역할 정의가 장식이 아니라 성능 변수임을 시사한다.
• 모델을 작업 난이도에 맞춰 나눠 쓰라는 조언은 비용 문제로 직결된다. 발표자는 큰 리팩터링을 상위 모델 대신 가벼운 모델로 처리해 비용을 100분의 1 수준으로 줄인 경험을 예로 든다.
• 권한 위임을 단계로 나누는 방식은 심리적 안전장치이기도 하다. 에이전트를 붙여놓고 계속 감시해야 한다면 시간을 되찾는다는 목적 자체가 사라지기 때문이다.

자주 묻는 질문

관련 AI 소식