생성형 AI vs AI 에이전트 vs 에이전틱 AI: 세 가지 개념의 차이를 쉽게 정리

핵심 메시지

• 생성형 AI는 기존 데이터에서 학습한 패턴을 바탕으로 텍스트·이미지·영상 같은 새로운 콘텐츠를 만들어내는 AI이며, 그 중심에는 GPT·Claude·Gemini 같은 대규모 언어모델(LLM)이 있다.
• LLM 단독은 지식 컷오프 이후의 정보를 모르지만, 외부 API 같은 '도구'에 접근하게 하면 실시간 정보를 가져오고 실제 행동까지 수행할 수 있다.
• AI 에이전트는 입력을 받아 스스로 판단하고 도구·메모리·지식을 활용해 작업을 끝까지 완수하는 프로그램으로, 단순 질의응답을 넘어 '행동'한다.
• 에이전틱 AI는 하나 이상의 에이전트가 자율적으로 협력해 다단계 추론과 계획이 필요한 복잡한 목표를 달성하는 시스템이다.
• 세 개념은 단절된 것이 아니라, 생성형 AI가 에이전트·에이전틱 시스템의 핵심 구성요소로 포함되며 복잡성이 점점 커지는 연속선상에 있다.

쉽게 이해하기

이 영상은 요즘 자주 혼용되는 세 가지 용어를 가장 쉬운 언어로 구분한다. 생성형 AI는 ChatGPT에 질문하면 새로운 텍스트를, 나아가 이미지나 영상을 만들어내는 AI다. 그 핵심에는 위키피디아·구글 도서 등 방대한 인터넷 데이터로 학습한 대규모 언어모델(GPT4, Claude, Gemini 등)이 자리한다.

그런데 LLM만으로는 한계가 있다. 학습 시점 이후의 정보, 예컨대 '내일 항공권 가격'은 답하지 못한다. 여기에 웹 검색이나 Expedia 같은 여행 API에 접근할 권한을 주면, LLM이 스스로 그 도구를 호출해 최신 가격을 가져온다. 발표자는 LLM을 두뇌에, 도구를 망치·드라이버에 비유하며 도구·메모리·지식이 LLM의 능력을 확장한다고 설명한다.

여기서 한 걸음 더 나아가 '내일 A에서 B로 가는 가장 싼 항공권을 예약해줘'라고 하면, 시스템은 여러 항공편을 검색하고 최저가를 스스로 판단해 실제로 예약까지 수행한다. 질문에 답하던 단계를 넘어 행동을 대신하는 이 단계가 바로 AI 에이전트다. 에이전트는 도구·메모리·지식을 활용해 작업을 완수하며, 좁고 구체적인 과제 안에서 자율적으로 결정을 내린다.

더 복잡한 요청, 예를 들어 '5월에 7일짜리 여행, 매일 맑은 날씨, 항공 예산 1,600달러 미만, 무경유'라는 다중 조건을 처리하려면 한 단계 더 나아가야 한다. 시스템은 날씨 API로 연속된 맑은 날을 찾고, 그 날짜로 항공편을 비교하고, 호텔·공항 택시까지 제안한다. 나아가 항공 예약 에이전트가 비자 자격을 확인하는 별도의 이민 에이전트를 호출하기도 한다. 이렇게 여러 에이전트가 협력해 다단계로 추론·계획하는 시스템이 에이전틱 AI다.

다만 발표자는 자율성을 무한정 허용해선 안 된다고 강조한다. 은행 비밀번호를 맡길 수는 없으므로 일정 수준의 통제가 필요하다. 또한 용어 정의는 사람마다 달라(Agno 프레임워크의 5단계 분류 등) 라벨에 집착하기보다 '에이전트는 좁은 과제를 자율 수행하고, 에이전틱 AI로 갈수록 복잡성이 커진다'는 본질을 이해하는 편이 낫다. N8N 같은 프레임워크로 에이전틱 시스템을 만들 수 있으며, 그 핵심 구성요소로는 언제나 생성형 AI(LLM)가 들어간다.

주요 인사이트

• 도구 접근 권한이야말로 LLM을 단순 챗봇에서 실제로 행동하는 시스템으로 바꾸는 핵심 분기점이다.
• '자율성'의 정도가 세 개념을 가르는 척도지만, 실무에서는 완전 자율 대신 통제 가능한 자율을 둔다.
• 에이전틱 AI라고 반드시 여러 에이전트가 필요한 것은 아니며, 단일 에이전트라도 도구·메모리·계획을 갖추면 해당한다.
• 용어 정의는 표준화돼 있지 않으므로(예: Agno의 5단계), 라벨보다 '자율적으로 작업을 수행한다'는 본질을 이해하는 것이 중요하다.

자주 묻는 질문

관련 AI 소식