//
저자는 AI 에이전트를 단순한 챗봇과 구분하면서 정의한다. AI 에이전트는 자율적으로 목표를 달성하기 위해 환경을 인식하고, 계획을 수립하며, 행동을 실행하는 시스템이다. 단순히 질문에 답하는 것이 아니라, 목표 달성을 위해 여러 단계의 작업을 스스로 조율한다.
에이전트로 분류되려면 다음 조건을 충족해야 한다.
저자는 AI 에이전트의 핵심 구성 요소를 다섯 가지로 정리한다.
에이전트가 실제로 수행할 수 있는 행동의 범위다. 웹 검색, 파일 편집, 코드 실행, 이메일 전송 등 외부 도구와의 연동이 핵심이다. PM은 에이전트에게 어떤 능력을 부여할지, 각 능력의 권한 범위를 어디까지 설정할지를 결정해야 한다.
에이전트가 달성해야 할 목표다. 사용자의 고수준 요청을 구체적인 하위 목표로 분해하는 능력이 에이전트의 품질을 결정한다. "여행 계획을 세워줘"라는 요청을 "항공편 검색 → 숙소 예약 → 일정 생성 → 경비 계산"으로 분해할 수 있어야 한다.
에이전트가 기본적으로 알고 있는 지식이다. 시스템 프롬프트, 도메인 특화 문서, 가이드라인 등이 포함된다. 이 지식의 범위와 품질이 에이전트의 기본 역량을 결정한다.
에이전트의 행동을 촉발하는 입력이다. 사용자의 직접적인 요청뿐 아니라, 시간 기반 트리거, 이벤트 기반 트리거, 다른 에이전트로부터의 요청 등이 될 수 있다.
대화 기록, 이전 작업 결과, 사용자 선호도 등 에이전트가 시간이 지남에 따라 축적하는 정보다. 이를 통해 에이전트는 같은 실수를 반복하지 않고, 사용자에게 맞춤화된 서비스를 제공할 수 있다.
세 가지 개념의 차이를 저자는 명확히 구분한다.
| 구분 | 챗봇 | AI 에이전트 | 멀티 에이전트 |
|---|---|---|---|
| 자율성 | 낮음 (사용자 질문에 반응) | 높음 (스스로 계획/실행) | 매우 높음 (에이전트 간 협업) |
| 도구 사용 | 제한적 또는 없음 | 다양한 도구 활용 | 각 에이전트가 전문 도구 보유 |
| 목표 | 대화 유지, 질문 응답 | 구체적 작업 완료 | 복잡한 목표의 분업 처리 |
| 상태 관리 | 세션 내 대화 기록 | 장기 메모리, 작업 상태 | 에이전트 간 상태 공유 |
| 복잡도 | 낮음 | 중간 | 높음 |
| 예시 | 고객 FAQ 봇 | 개인 비서, 코딩 에이전트 | 소프트웨어 개발 팀, 리서치 파이프라인 |
여러 에이전트가 역할을 나누어 하나의 복잡한 목표를 달성하는 구조다. 각 에이전트는 특정 역할에 특화되어 있고, 오케스트레이터가 전체 흐름을 조율한다.
저자는 멀티 에이전트 시스템의 장점으로 전문성 분리, 병렬 처리, 오류 격리를 들지만, 에이전트 간 통신 오버헤드, 디버깅 복잡성, 비용 증가라는 단점도 함께 언급한다.
에이전트를 사용자에게 어떻게 노출할 것인가는 UX적으로 중요한 결정이다. 저자는 주요 디자인 패턴을 네 가지로 분류한다.
| 패턴 | 설명 | 적합한 상황 |
|---|---|---|
| 사이드 패널 | 메인 화면 옆에 에이전트 패널 표시 | 작업 중 보조가 필요한 경우 (코드 에디터, 문서 작성) |
| 플로팅 버블 | 화면 구석에 작은 아이콘으로 상주 | 필요할 때만 에이전트를 호출하는 경우 |
| 채팅 인터페이스 | 전체 화면 대화형 UI | 에이전트가 주요 인터랙션 수단인 경우 |
| 인라인 삽입 | 기존 UI 요소 안에 자연스럽게 통합 | 사용자 흐름을 방해하지 않으면서 AI 제안 제공 |
저자는 패턴 선택 시 고려할 핵심 질문을 제시한다.
AI 에이전트의 성공을 어떻게 측정할 것인가. 저자는 세 가지 차원의 성공 기준을 제시한다.
에이전트가 사용자의 요청을 완료한 비율이다. 단순히 응답을 생성한 것이 아니라, 실제로 목표를 달성했는지를 측정해야 한다.
같은 작업을 사람이 했을 때 대비 절약된 시간과 비용이다. 에이전트가 3분 만에 완료하는 작업이 사람이 하면 30분 걸린다면, 10배의 효율성 개선이다.
사용자가 에이전트의 결과를 수정 없이 수용하는 비율이다. 이 지표가 낮다면 에이전트의 출력 품질을 개선하거나, 에이전트의 역할 범위를 재조정해야 한다.
| 지표 | 측정 방법 | 건강한 수준 |
|---|---|---|
| 작업 완료율 | 완료된 작업 / 시도된 작업 | 80% 이상 |
| 평균 작업 시간 | 요청부터 완료까지 소요 시간 | 사람 대비 50% 이하 |
| 수정 없는 수용률 | 수정 없이 결과를 수용한 비율 | 60% 이상 |
| 에스컬레이션 비율 | 사람에게 넘긴 비율 | 20% 이하 |
| 재사용률 | 7일 이내 같은 사용자의 재사용 | 40% 이상 |
저자는 에이전트를 구축할 때 "작게 시작하고, 빠르게 반복하라"고 조언한다. 처음부터 범용 에이전트를 만들기보다 하나의 구체적인 작업을 잘 수행하는 에이전트로 시작해, 사용자 피드백을 바탕으로 능력을 점진적으로 확장하는 것이 성공 확률을 높인다.
8장은 이 책의 마지막 장답게, AI의 미래 방향인 에이전트 시스템을 다룬다. 챗봇과 에이전트의 구분, 다섯 가지 핵심 구성 요소, 멀티 에이전트 아키텍처, UX 디자인 패턴, 그리고 성공 기준까지 PM이 에이전트 프로덕트를 기획하는 데 필요한 전반적인 프레임워크를 제공한다. AI 에이전트 시장은 아직 초기이지만, 이 장에서 제시하는 구조적 사고가 빠르게 변하는 환경에서 PM의 판단 기준이 될 것이다.