7가지 주요 AI 에이전트 유형 [예시 포함]

최근 몇 년 사이 AI 에이전트가 급격히 늘어났습니다. 기술과 기능이 복잡해지면서, 오늘날에는 다양한 AI 에이전트 유형이 존재합니다.

AI 에이전트는 작업을 수행하는 소프트웨어입니다. 일반 챗봇과 달리, 사용자를 대신해 직접 행동을 취할 수 있습니다.

AI 에이전트는 스마트 온도조절기, 자율주행차, 챗 인터페이스를 가진 에이전트 등 매우 다양합니다. 이 모든 사례는 7가지 주요 AI 에이전트 유형 중 하나에 속합니다. 이 글에서는 7가지 주요 AI 에이전트 유형과 실제 AI 에이전트 사례를 소개합니다.

1. 단순 반사 에이전트

단순 반사 에이전트는 환경에서 받은 현재 입력만을 바탕으로 의사결정을 내리는 AI 시스템입니다.

이 에이전트는 조건-행동 규칙을 사용해 관찰된 입력을 특정 반응에 연결합니다. 환경에서 특정 상태를 감지하면, 해당 규칙에 따라 행동을 실행합니다.

이 에이전트는 기억이나 내부 세계 모델이 없기 때문에, 모든 결정을 현재 입력만으로 내릴 수 있는 완전히 관찰 가능한 환경에서만 효과적으로 작동합니다.

단순 반사 에이전트 예시

• 온도가 너무 낮을 때 난방을 켜는 온도조절기
• 벽에 부딪히면 방향을 바꾸는 로봇(고양이가 올라탄 룸바처럼)
• 사용자가 "Hi"라고 하면 "Hello!"라고 답하는 기본 챗봇입니다.

‍

2. 모델 기반 반사 에이전트

모델 기반 반사 에이전트는 현재 입력과 내부 세계 모델을 모두 활용해 의사결정을 내리는 AI 에이전트입니다.

단순 반사 에이전트와 달리, 이 유형은 시간이 지남에 따라 환경 상태를 추적합니다. 즉, 환경이 완전히 관찰되지 않을 때도 세계가 어떻게 작동하는지에 대한 정보를 저장해 활용합니다.

새로운 입력을 받으면 내부 상태를 업데이트하고, 조건-행동 규칙을 참고하여 현재 관찰과 과거 경험을 바탕으로 최적의 반응을 선택합니다.

모델 기반 반사 에이전트 예시

• 방 구조를 기억하고 이미 청소한 구역을 피하는 로봇 청소기
• 이전 사용자 입력을 기억하며 대화를 이어가는 LLM 에이전트
• 현재 상황뿐 아니라 경기 초반 정보를 바탕으로 반응하는 게임 AI

‍

3. 학습 에이전트

학습 에이전트는 경험을 통해 시간이 지날수록 성능이 향상되는 AI 에이전트입니다.

이 에이전트는 네 가지 주요 구성 요소로 이루어집니다: 학습 요소, 수행 요소, 평가자(크리틱), 문제 생성기.

수행 요소는 행동을 선택하고, 학습 요소는 피드백을 바탕으로 행동을 조정합니다. 평가자는 미리 정해진 기준에 따라 행동 결과를 평가하고, 문제 생성기는 더 나은 학습을 위해 새로운 행동을 제안합니다.

이 구조 덕분에 에이전트는 환경 변화에 적응하고, 전략을 개선하며, 익숙하지 않은 환경에서도 효과적으로 작동할 수 있습니다.

학습 에이전트 예시

• 시장 성과에 따라 거래 전략을 조정하는 암호화폐 AI 에이전트
• 사용자 행동을 분석해 제품 추천 정확도를 높이는 추천 엔진
• 환자와의 상호작용을 통해 분류 정확도를 높이는 헬스케어 챗봇

‍

4. 효용 기반 에이전트

효용 기반 에이전트는 기대되는 결과 중 전체적으로 가장 높은 가치(효용)를 제공할 것으로 예상되는 행동을 선택하는 AI 에이전트입니다.

단순히 목표 달성만을 추구하는 것이 아니라, 여러 가능한 결과를 평가하고 미리 정의된 효용 함수에 따라 가장 높은 효용을 주는 선택지를 고릅니다.

이 방식은 목표에 도달하는 방법이 여러 가지이거나, 상충 관계가 있을 때 유용합니다. 선택지를 비교하고, 결과를 예측하며, 우선순위에 따라 결과를 평가할 수 있어야 합니다.

효용 기반 에이전트 예시

• 전환 가능성이 높은 리드를 우선 처리하는 영업용 챗봇
• 위험과 수익을 균형 있게 고려해 장기 수익을 극대화하는 주식 거래 봇
• 일정 충돌을 최소화하고 편의를 극대화하는 회의 일정을 잡는 비즈니스 챗봇

5. 계층형 에이전트

계층형 에이전트는 의사결정 과정을 여러 계층 또는 단계로 나누어, 상위 계층은 추상적인 목표를, 하위 계층은 구체적인 행동을 담당하는 AI 에이전트입니다.

이 에이전트는 복잡한 작업을 더 작은 하위 작업으로 분해하며, 각 계층이 서로 다른 범위의 의사결정을 담당합니다.

상위 계층은 장기 전략을 계획하고, 하위 계층은 센서 데이터와 실시간 반응을 처리합니다. 계층 간 소통을 통해 전체 목표와 세부 실행을 조율합니다.

이 구조는 복잡성을 관리하고, 다양한 시간대나 우선순위에 따라 행동을 확장하는 데 용이합니다.

계층형 에이전트 예시

• 제조업에서 상위 에이전트가 조립 과정을 계획하고, 하위 계층이 로봇 팔과 타이밍을 제어하는 경우
• 스마트 공장에서 각 계층이 생산 일정, 기계 조정, 실제 작업을 관리하는 경우

‍

6. 목표 기반 에이전트

목표 기반 에이전트는 특정 목표를 달성하는 데 도움이 되는 행동을 평가해 의사결정을 내리는 AI 에이전트입니다.

이 에이전트는 하나 이상의 목표(도달하고자 하는 결과)를 부여받습니다. 탐색 또는 계획 알고리즘을 사용해 가능한 행동 순서를 탐색하고, 목표 달성 가능성이 높은 행동을 선택합니다.

반사 에이전트와 달리, 단순 반응이 아니라 미래 결과를 예측하고 판단한 뒤 행동합니다. 이로 인해 역동적이거나 익숙하지 않은 환경에서도 더 유연하고 강력하지만, 계산 자원이 더 많이 필요합니다.

목표 기반 에이전트 예시

• 목적지까지 최적 경로를 계산하는 내비게이션 시스템
• 완성된 퍼즐을 만들기 위해 가능한 수를 탐색하는 퍼즐 AI
• 제품 조립을 위해 동작 순서를 계획하는 로봇 팔

7. 다중 에이전트 시스템(MAS)

마지막으로 소개할 것은 다중 에이전트 시스템입니다.

다중 에이전트 시스템(MAS)은 여러 AI 에이전트가 상호작용하며, 각자 또는 공동의 목표를 달성하기 위해 협력하거나 때로는 경쟁하는 시스템입니다.

시스템 내 각 에이전트는 독립적으로 동작하며, 고유의 능력, 목표, 환경 인식을 가집니다.

이 에이전트들은 메시지로 직접 소통하거나, 환경 변화를 관찰하는 방식으로 간접적으로 조율합니다. 전체 시스템은 단일 에이전트로는 해결할 수 없는 복잡하거나 분산된 문제를 해결할 수 있습니다.

다중 에이전트 시스템은 설계와 목표에 따라 협력적, 경쟁적, 또는 그 혼합 형태로 운영될 수 있습니다.

다중 에이전트 시스템 예시

• 교차로에서 충돌을 피하기 위해 협력하는 자율주행차
• 금융 봇 여러 개가 AI 워크플로우 자동화를 통해 송장 처리, 사기 탐지, 보고를 관리하는 경우
• 여러 에이전트가 재고, 배송, 수요 예측을 각각 관리하는 공급망 시스템

맞춤형 AI 에이전트 만들기

맞춤형 AI 에이전트는 어렵지 않게 만들 수 있으며, 무료로 시작할 수 있습니다.

Botpress는 드래그 앤 드롭 방식의 시각적 플로우 빌더, 엔터프라이즈급 보안, 방대한 교육 자료 라이브러리, 그리고 2만 명 이상의 챗봇 빌더가 활동하는 활발한 Discord 커뮤니티를 제공합니다.

저희의 확장 가능한 플랫폼을 통해 어떤 맞춤 챗봇이든, 어떤 통합이든 구축할 수 있습니다. 또한 Integration Hub에는 주요 채널과 연결할 수 있는 사전 구축된 커넥터가 가득합니다.

지금 바로 시작하세요. 무료입니다.

자주 묻는 질문

AI 에이전트의 7가지 유형은 무엇인가요?

7가지 유형은 다음과 같습니다: 단순 반사 에이전트, 모델 기반 반사 에이전트, 목표 기반 에이전트, 효용 기반 에이전트, 학습 에이전트, 계층형 에이전트, 다중 에이전트 시스템입니다.

ChatGPT도 AI 에이전트인가요?

네, ChatGPT도 AI 에이전트로 볼 수 있습니다. 입력을 받아 처리하고, 배포 방식에 따라 목표나 효용 중심의 접근으로 응답을 생성합니다.

지능형 에이전트란 무엇이며, 디지털 환경에서 어떻게 작동하나요?

지능형 에이전트는 다양한 디지털 환경에서 행동하도록 설계된 존재입니다. 이들은 주변 환경에서 정보를 수집하고, 현재 상황을 평가하며, 미리 정해진 목표를 달성하기 위해 행동을 실행합니다. 이들의 성능은 관찰 가능한 환경에서 취하는 외부 행동에 의해 영향을 받습니다.

인공지능은 에이전트의 기능에 어떤 역할을 하나요?

인공지능은 지능형 에이전트에게 학습, 추론, 적응 능력을 부여합니다. 에이전트는 AI를 활용해 지식 기반을 확장하고, 다양한 환경에서 더 정교한 의사결정을 내릴 수 있습니다.

지능형 에이전트의 지식 기반은 무엇으로 구성되나요?

지능형 에이전트의 지식은 환경에 대한 정보, 미리 정해진 규칙, 그리고 현재 상황에 대한 기본적인 이해를 포함합니다. 이 지식이 의사결정의 기반이 됩니다.

지능형 에이전트에서 성능 요소란 무엇인가요?

지능형 에이전트의 성능 요소란 주어진 환경에서 목표를 달성하고, 행동을 최적화하는 의사결정 능력을 의미합니다. 이는 에이전트의 효율성과 효과성을 결정하는 중요한 요소입니다.

에이전트는 계층 구조로 작동할 수 있나요?

네, 계층적 에이전트는 구조화된 여러 단계에서 작동하는 지능형 에이전트의 한 유형입니다. 상위 에이전트는 전반적인 의사결정을 담당하고, 하위 에이전트는 더 구체적인 작업을 처리합니다. 이러한 계층 구조는 복잡한 환경에서 효율적인 운영을 가능하게 합니다.

지능형 에이전트는 제한된 지능으로 작동하나요?

네, 많은 지능형 에이전트는 제한된 지능으로 작동합니다. 즉, 지식과 능력의 범위가 정해져 있어, 자신이 가장 잘할 수 있는 특정 작업과 환경에 집중할 수 있습니다.