AI 에이전트는 일을 맡길 수 있는 소프트웨어입니다. 스스로 단계를 정하고, 여러분의 도구를 써서 일을 처리하고, 일이 끝나거나 막히면 멈춥니다. 에이전틱 AI(agentic AI)는 이런 방식으로 일하는 AI를 아우르는 더 넓은 말입니다. 그러니 두 용어는 서로 경쟁하는 개념이 아닙니다. 'AI 에이전트'는 어떤 대상을 가리키는 이름입니다. '에이전틱'은 AI가 일을 얼마나 스스로 계획하고 처리하는지를 나타내는 말입니다.
이게 왜 중요할까요? 벤더들이 두 단어를 모두 느슨하게 쓰는 데다, 라벨만 봐서는 그 제품이 여러분의 받은편지함, CRM, 고객을 상대로 실제로 무엇을 할지 거의 알 수 없기 때문입니다. 이 가이드에서는 두 단어가 어디서 왔는지, 요즘 어떻게 쓰이는지, 그리고 몇 가지 간단한 질문으로 어떤 도구든 판단하는 방법을 설명합니다.
용어 비교를 실제 업무에 적용하려면 에이전트의 작업 과정에서 하나의 시스템이 목표를 받고 도구를 사용하는 모습을 먼저 살펴보세요. 이어 에이전틱 AI의 작동 방식을 읽으면 계획·행동·확인의 반복 과정을 따라갈 수 있습니다. 얼마나 스스로 진행하는지, 결과가 믿을 만한지, 무엇을 허용할지는 따로 판단해야 한다는 점을 이해하는 데 도움이 됩니다.
AI 에이전트 vs 에이전틱 AI: 핵심만 짧게
| AI 에이전트 | 에이전틱 AI | |
|---|---|---|
| 무엇인가 | 가리킬 수 있는 구체적인 대상 | 성격을 나타내는 표현, 또는 하나의 카테고리 전체 |
| 이렇게 말합니다 | "새 리드 조사에 AI 에이전트를 씁니다." | "이 워크플로는 에이전틱합니다." |
| 규모 | 시스템 하나가 한 종류의 일을 처리 | 간단한 AI 보조 프로세스부터 여러 에이전트의 협업까지 |
| 물어볼 것 | 어떤 일을 맡고, 무엇에 접근할 수 있는가? | 사람이 결과를 확인하기 전까지 몇 가지를 스스로 결정하는가? |
이 용어들의 주인은 따로 없습니다. 어떤 글이 둘 사이에 '공식' 경계선을 그어 준다면, 그건 한 집단의 의견일 뿐입니다.
두 단어는 어디서 왔을까
'에이전트'는 오래된 말입니다. Stuart Russell과 Peter Norvig는 1995년 교과서 『Artificial Intelligence: A Modern Approach』(한국어판 『인공지능: 현대적 접근방식』)에서 에이전트를 주변 환경을 감지하고 그에 따라 행동하는 모든 것으로 정의했습니다. 이 정의대로라면 온도 조절기도 에이전트입니다. 새로운 점은, 오늘날의 AI 모델이 화난 고객의 이메일처럼 정돈되지 않은 업무 자료를 읽고 어떻게 대응할지 판단할 수 있다는 것입니다.
'에이전틱'은 더 최근에 나온 말입니다. 2024년 6월, DeepLearning.AI 창립자 앤드루 응(Andrew Ng)은 무엇이 에이전트에 '해당하는지'를 두고 벌어지는 논쟁을 끝낼 방법을 제안했습니다. 정도의 문제로 보자는 것이었습니다. 그의 설명은 이렇습니다. "Unlike the noun 'agent,' the adjective 'agentic'"(번역: "명사 'agent'와 달리 형용사 'agentic'은") 에이전트에 조금 가까운 시스템도, 아주 가까운 시스템도 설명할 수 있게 해 준다는 것입니다.
그는 몇 달 전에 좋은 비유를 든 적이 있습니다. AI에게 한 번에 답을 내놓으라고 하는 건, 백스페이스 키를 한 번도 누르지 말고 에세이를 쓰라고 하는 것과 같다는 겁니다. 에이전틱한 방식에서는 AI가 사람처럼 개요를 잡고, 자료를 찾고, 초안을 쓰고, 검토하고, 고칠 수 있습니다.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund(AI 에이전틱 워크플로의 다음 단계, AI Fund의 앤드루 응 출연) · 2024년 3월 26일
'백스페이스 없이 에세이 쓰기' 비유는 저희가 찾은 '에이전틱'에 대한 설명 중 가장 짧고 명확합니다. 2024년 강연이므로, 오늘날 도구에 대한 보고가 아니라 개념을 배우는 자료로 봐 주세요.
요즘 이 용어가 쓰이는 세 가지 방식
1. '에이전틱'을 포괄적인 용어로 쓰는 경우. Anthropic의 가이드 Building effective agents(「효과적인 에이전트 만들기」, 2024년 12월)는 이 모두를 '에이전틱 시스템'(agentic systems)이라 부르고, 다시 둘로 나눕니다. 워크플로에서는 단계가 미리 정해져 있습니다. 에이전트에서는 AI가 스스로 단계를 고릅니다. 매번 같은 다섯 단계를 거치는 주간 보고서는 에이전틱하지만, 워크플로에 속합니다.
2. '에이전틱 AI'를 에이전트 팀이라는 뜻으로 쓰는 경우. 연구 리뷰 논문 AI Agents vs. Agentic AI(「AI 에이전트 vs 에이전틱 AI」, 2025년 5월 최초 게시, 2025년 9월 개정)는 고객 지원 문의 응대처럼 한 가지 일을 하는 단일 시스템을 'AI 에이전트'라고 부릅니다. '에이전틱 AI'는 여러 에이전트가 더 큰 목표를 나눠 맡고 서로 조율하는 경우에만 씁니다.
3. '에이전틱 AI'를 시장 라벨로 쓰는 경우. 애널리스트와 벤더는 이 말을 카테고리 이름으로 자주 씁니다. 2025년 6월, Gartner는 비용, 불분명한 가치, 허술한 리스크 관리 때문에 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것이라고 예측했습니다. 이는 예측이지, 집계가 아닙니다. Gartner는 '에이전트 워싱'(agent washing)이라는 말도 만들었습니다. 실질적인 새 기능 없이 기존 챗봇이나 자동화 도구를 에이전트라고 부르는 것을 뜻합니다. 2026년 5월에는 공급망 소프트웨어에서도 같은 현상이 나타난다고 경고했습니다.
그림 1. '에이전틱 시스템'을 워크플로와 에이전트의 포괄 용어로 쓰는 흔한 용법. 멀티 에이전트는 에이전트를 어떻게 조합하는지를 나타낼 뿐, 서로 배타적인 제품 카테고리가 아닙니다.
진짜 질문: 단계를 누가 정하는가?
세 가지 용법에는 공통된 생각이 하나 있습니다. AI가 스스로 결정하는 것이 많을수록 더 에이전틱하다는 것입니다. 대부분의 업무는 다음 세 수준 중 하나에 해당합니다.
- 어시스턴트. 여러분이 요청하면 답하거나 초안을 씁니다. 나머지는 모두 여러분 몫입니다.
- 워크플로. 단계는 미리 합의해 둡니다. 각 단계 안에서 읽고 쓰는 일을 AI가 맡습니다.
- 에이전트. 여러분은 목표를 줍니다. 무엇을 확인할지, 어떤 도구를 쓸지, 언제 충분하다고 볼지는 에이전트가 정합니다.
IBM의 Maya Murad는 이를 자율성의 '슬라이딩 스케일'(sliding scale)이라고 부릅니다. 수준은 일마다 고르는 것이지, 한 번 사면 끝나는 기능이 아닙니다.
YouTube · IBM Technology
What are AI Agents?(AI 에이전트란 무엇인가?) · 2024년 7월 15일
Maya Murad가 AI 자율성의 '슬라이딩 스케일'을 설명하고, 범위가 좁고 예측 가능한 일에는 에이전트보다 고정된 경로가 더 잘 맞는 경우가 많은 이유를 이야기합니다.
에이전트냐 자동화냐: 알아 둘 만한 논쟁
이런 시스템을 만드는 일로 먹고사는 사람들 사이에서 지금 바로 이 논쟁이 벌어지고 있습니다. B2B 기업의 매출 성장을 돕는 회사 Frontal AI의 창업자 겸 CEO라고 자신을 소개하는 Alex Vacca는 최근 게시물에서 자동화를 써야 하는 이유를 직설적으로 밝혔습니다.
X · Alex Vacca (@itsalexvacca) · 2026년 10월 7일
"If you can write every step down first, build an automation." … "An agent fails quietly."(번역: "모든 단계를 먼저 적어 낼 수 있다면 자동화를 만들어라." … "에이전트는 조용히 실패한다.")
그의 요점은 실용적입니다. 단계가 정해진 일(저희 예시로는 새 양식 응답을 CRM에 복사하는 일)이라면, 그 단계를 AI가 정하도록 돈을 내는 건 낭비라는 것입니다. 그는 또 고장 난 자동화는 보통 오류를 내지만, 에이전트는 답의 품질이 서서히 나빠지는 동안에도 계속 성공했다고 보고할 수 있다고 지적합니다. 그래서 그는 무엇이든 보내기 전에 사람이 승인하도록 합니다.
저희도 이 판단 기준에 동의하지만, 한 가지는 주의해야 합니다. 이는 자신의 환경을 바탕으로 한 실무자 한 사람의 견해이고, 그는 이런 일을 파는 사람입니다. 그래도 Anthropic과 IBM의 이야기와 일치합니다. 효과가 있는 가장 단순한 방법부터 시작하세요. 단계가 정말로 에이전트가 찾아낸 내용에 따라 달라질 때만 에이전트를 쓰세요.
흔한 오해
"에이전틱 AI는 AI 에이전트의 더 새롭고 나은 버전이다." 아닙니다. 에이전트는 가장 에이전틱한 것 중 하나입니다. 이 용어들은 정도를 나타낼 뿐, 제품 세대를 나타내지 않습니다.
"자율성은 높을수록 좋다." 아닙니다. 자율성이 높을수록 비용이 더 들고 확인하기도 어렵습니다. 매번 형태가 같은 주간 보고서라면, 고정된 워크플로가 더 저렴하고 예측 가능합니다.
"에이전트는 우리 비즈니스를 속속들이 안다." 에이전트는 볼 수 있는 것만 압니다. 연결한 도구와 지금 참여한 대화가 전부입니다. 예를 들어 Okou에서는 채팅마다 고유한 컨텍스트를 유지합니다. 새 채팅은 이전 채팅을 일부러 가져오지 않는 한 백지 상태에서 시작합니다.
"에이전트가 많을수록 더 유능하다." 꼭 그렇지는 않습니다. 에이전트 사이에 일을 넘길 때마다 실수가 쌓이거나 접근 권한이 번질 지점이 하나씩 늘어납니다. 최종 결과를 누가 책임지는지 물어보세요.
"라벨을 보면 무슨 일을 하는지 알 수 있다." 알 수 없습니다. Gartner가 바로 이 문제 때문에 '에이전트 워싱'이라는 말을 만들었고, 2026년에도 여전히 경고하고 있었습니다. 이름은 무시하고, 그 제품이 스스로 무엇을 하는지 물어보세요.
하나의 일, 세 가지 방식: 캠페인 보고서
마케팅 관리자가 금요일 캠페인 요약이 필요하다고 가정해 보세요. 이는 설명을 위한 업무 예시이며 고객의 성과가 아닙니다. 캠페인 현황표에는 가입 수가, 광고 계정에는 지출이 기록되어 있고, 브리프에는 보고 기간이 정해져 있습니다. 한 채널은 아직 데이터 보고를 마치지 않았습니다.
1. 에이전트에게 한 번 요청하기
관리자가 요청합니다. "이번 주 캠페인의 지출과 가입 수를 비교해 줘. 브리프의 날짜를 사용하고 수치에 출처 링크를 달고 불완전한 채널을 표시해 줘. 요약을 준비하되 예산을 바꾸거나 게시하지 마." 에이전트가 단계를 선택합니다. 브리프를 읽고 수치를 모으고 누락을 발견한 뒤 유의 사항을 명시한 비교를 작성합니다. 이를 에이전트라고 부르는 것은 누가 업무를 수행하는지를 설명할 뿐, 결론이 정확한지를 보장하지 않습니다.
다른 업무에서 가져온 실제 활동 표시기입니다. 진행 중인 작업을 보여 주며, 캠페인 보고서를 검증했거나 완료했다는 근거는 아닙니다.
2. 보고 방법을 워크플로로 저장하기
관리자가 결과를 확인한 후 출처 목록, 날짜 규칙, 계산 방식, 검토 체크리스트를 Okou 워크플로로 저장합니다. 단계는 상당히 예측 가능해도, 한 채널의 날짜 범위가 다름을 알아차리는 것처럼 단계 안의 일부 작업에는 여전히 판단이 필요할 수 있습니다. 워크플로는 재사용할 수 있는 방법입니다. 여러 에이전트가 협업했다는 증거도 아니고, AI가 모든 결정을 혼자 해도 된다는 약속도 아닙니다.
3. 일정은 별도로 추가하기
자동화로 지정된 담당자를 위해 매주 금요일 해당 워크플로를 시작할 수 있습니다. 바뀌는 것은 업무를 시작하는 시점입니다. 누락된 데이터를 채우거나 보고서의 신뢰성을 보장하거나 예산 변경을 허가하지는 않습니다.
세 방식 모두 합격 기준은 같습니다. 일관된 날짜, 출처가 연결된 수치, 누락된 데이터 표시, 검토를 기다리는 초안입니다. 보고서가 예산 이동을 권하면 관리자가 근거를 확인하고 결정합니다. 따라서 유용한 구분은 점점 더 대단해 보이는 제품 명칭 세 가지가 아니라, 작업 수행자와 저장한 방법, 그리고 시작 조건 사이의 구분입니다.
사람에게 남는 일
AI가 단계를 고른다고 해서 결과에 아무도 책임지지 않아도 된다는 뜻은 아닙니다. 에이전트가 실제 업무에 손대기 전에 네 가지를 정해 두세요.
- 무엇을 읽을 수 있는가. 어떤 받은편지함, CRM, 문서를, 누구의 계정으로 읽는가.
- 무엇을 바꿀 수 있는가. 초안 작성은 발송이 아닙니다. CRM 업데이트를 제안하는 것과 실제로 업데이트하는 것은 다릅니다.
- 어디서 멈추는가. 어떤 작업은 반드시 사람을 기다려야 하는가.
- 무엇을 넘겨주는가. 브리핑, 초안, 또는 누군가 출처와 대조해 확인할 수 있는 기록.
업무에 AI를 쓰는 사람들은 이미 이렇게 생각하고 있습니다. Microsoft의 2026 Work Trend Index(업무 동향 지수)는 2026년 초 10개국 AI 사용자 20,000명을 대상으로 한 설문 조사인데, 응답자의 86%가 AI 결과물을 최종 답이 아니라 출발점으로 여긴다고 답했습니다. 이는 응답자 스스로의 답변이며, 실제 성과를 측정한 것은 아닙니다.
AI가 일을 맡기 시작할 때 팀이 어떻게 달라지는지 더 알고 싶다면 AI가 자율적으로 일할 때 달라지는 것들을 읽어 보세요.
'에이전틱' 도구에 던져야 할 질문
- 단계는 누가 정하나요? 미리 정해져 있나요, AI가 매번 고르나요, 아니면 둘을 섞나요?
- 무엇을 볼 수 있나요? 어떤 도구를, 누구의 로그인으로 쓰며, 지난 대화를 기억하나요?
- 무엇에 내 승인이 필요한가요? 권한으로 강제되나요, 아니면 프롬프트에 적혀 있을 뿐인가요?
- 확신이 없을 때는 어떻게 하나요? 문제를 알리나요, 아니면 추측하나요?
- 무엇을 했는지 볼 수 있나요? 모든 단계와 결과가 기록되나요?
- 잘 되는 방법을 팀이 다시 쓸 수 있나요? 그 방법을 저장하고, 공유하고, 지정된 담당자와 함께 일정에 따라 실행할 수 있나요?
이 질문들에 분명하게 답하는 도구라면, 스스로를 뭐라고 부르든 살펴볼 가치가 있습니다. 어디서부터 시작할지 아이디어가 필요하다면 실제 업무를 위한 AI 에이전트 활용 사례와 컨텍스트와 권한 관리에 관한 가이드를 참고하세요.
FAQ
에이전틱 AI와 AI 에이전트는 같은 건가요?
정확히 같지는 않습니다. AI 에이전트는 일을 받아서 단계를 고르고, 도구를 써서 끝내는 구체적인 시스템입니다. 에이전틱 AI는 정도와 상관없이 이런 방식으로 일하는 AI를 가리키는 더 넓은 용어입니다. 모든 AI 에이전트는 에이전틱하지만, '에이전틱 AI'는 AI 단계가 포함된 고정형 워크플로나 여러 에이전트의 협업을 뜻하기도 합니다.
에이전틱 AI와 생성형 AI는 어떻게 다른가요?
생성형 AI는 요청하면 무언가를 쓰거나 만들어 내고, 그다음엔 기다립니다. 에이전틱 AI는 그 능력을 활용해 목표를 향해 움직입니다. 계획을 세우고, 도구로 행동하고, 결과를 확인하고, 계속 나아갑니다. 대부분의 AI 에이전트는 생성형 모델 위에서 돌아가지만, 답장을 쓰는 건 그들이 하는 일의 일부일 뿐입니다.
에이전틱 AI의 위험은 무엇인가요?
위험은 답하는 데서가 아니라 행동하는 데서 옵니다. 이메일, CRM, 광고 계정에 접근할 수 있는 AI는 잘못된 변경을 하거나, 아무도 확인하지 않은 것을 보낼 수 있습니다. 많은 에이전틱 AI 프로젝트가 2027년까지 취소될 것이라는 Gartner의 2025년 예측은 그 이유로 비용, 불분명한 가치, 허술한 리스크 관리를 꼽았습니다. 일에 필요한 접근 권한만 주고, 모든 단계를 기록으로 남기고, 회사 밖으로 나가는 것은 무엇이든 승인을 거치게 하세요.
에이전틱 AI와 RPA는 어떻게 다른가요?
RPA(로보틱 프로세스 자동화)는 한 시스템의 필드를 다른 시스템으로 복사하는 것처럼, 기록된 단계를 정확히 그대로 따릅니다. 에이전틱 AI는 내용을 이해해야 하는 이메일처럼, 무엇을 읽었는지에 따라 다음 단계가 달라지는 일을 처리할 수 있습니다. 실질적인 변화 없이 '에이전틱'이라는 이름만 새로 붙인 RPA 도구도 있으니, 예상치 못한 상황을 도구가 어떻게 처리하는지 직접 보여 달라고 하세요.
에이전틱 AI는 완전히 자율적으로 일할 수 있나요?
사람 없이 많은 단계를 실행할 수 있는 시스템도 있습니다. 하지만 비즈니스에서 그게 목표인 경우는 드뭅니다. 대부분의 팀은 조사, 초안 작성, 제안을 AI에게 맡기고, 이메일 발송이나 기록 변경처럼 외부로 나가거나 되돌리기 어려운 일은 사람이 승인합니다. 애널리스트들도 여전히 신중합니다. 2026년 5월, Gartner는 대부분의 공급망 계획 도구가 아직 완전한 자율성에 이르지 못했다고 밝혔습니다.
AI 에이전트가 필요할까요, 더 단순한 자동화가 필요할까요?
단순하게 시작하세요. 일의 단계가 매번 같다면, 저장된 워크플로를 일정에 따라 실행하는 편이 더 저렴하고 예측 가능합니다. 한 고객사가 왜 위험한지 알아내는 일처럼, 단계가 찾아낸 내용에 따라 달라질 때 에이전트를 쓰세요. 둘 다 쓰는 팀도 많습니다. 에이전트로 방법을 찾아낸 다음, 그것을 워크플로로 저장해 반복하는 것이죠.
