10장: 주요 사용 사례 및 응용

고객 서비스

에이전틱 AI가 가장 활발하게 적용되는 영역 중 하나다. 기존의 규칙 기반 챗봇과 달리, 에이전틱 시스템은 고객의 의도를 파악하고, 필요한 정보를 검색하며, 여러 시스템에 걸쳐 문제를 해결할 수 있다.

• 자율적 문제 해결 -- 주문 상태 확인, 반품 처리, 계정 변경 등을 인간 상담원 없이 완료한다.
• 감정 인식 기반 대응 -- 고객의 감정 상태를 파악하여 응대 톤과 전략을 조절한다. 불만이 높은 고객에게는 공감을 우선하고, 정보를 원하는 고객에게는 간결하게 답한다.
• 에스컬레이션 판단 -- 자신의 권한이나 능력으로 처리할 수 없는 문제를 인식하고, 인간 상담원에게 적절한 시점에 이관한다.

다중 에이전트 구성에서는 1차 대응 에이전트, 전문 분야 에이전트, 에스컬레이션 관리 에이전트 등이 협업하여 복잡한 고객 문의를 처리한다.

헬스케어

의료 분야에서 에이전틱 AI는 보조적 역할에 초점을 맞춘다. 최종 의사결정은 여전히 의료 전문가의 몫이지만, 정보 수집과 분석 단계에서 상당한 효율 향상을 가져올 수 있다.

의료 영역은 오류의 비용이 매우 높기 때문에, 에이전트의 자율성 수준을 보수적으로 설정하고 Human-in-the-loop를 필수로 적용해야 한다.

금융

금융 분야에서는 빠른 의사결정과 방대한 데이터 처리가 핵심이다.

• 리스크 분석 -- 시장 데이터, 뉴스, 기업 재무 정보를 종합하여 투자 리스크를 평가한다. 여러 에이전트가 서로 다른 데이터 소스를 담당하고, 조정자 에이전트가 종합적인 리스크 보고서를 생성한다.
• 사기 탐지 -- 거래 패턴의 이상 징후를 실시간으로 감지한다. 반응형 에이전트가 즉각적인 플래그를 올리고, 분석 에이전트가 후속 조사를 수행한다.
• 고객 포트폴리오 관리 -- 개인 투자자의 목표, 위험 성향, 시장 상황을 고려하여 포트폴리오 재조정을 제안한다.

금융 규제의 엄격함을 고려할 때, 에이전트의 모든 의사결정 과정은 감사 추적이 가능해야 하며, 규제 기관의 요구에 따라 설명 가능한 형태로 기록되어야 한다.

여행 계획

책 전반의 주요 예시로 사용된 도메인이다. 이 장에서는 전체 여행 계획 에이전트 시스템의 완성된 모습을 보여준다.

각 에이전트가 실제 API를 호출하여 최신 정보를 가져오고, 사용자의 선호도와 제약 조건을 반영하여 최적의 일정을 구성한다. 이전 장에서 다룬 CWD 모델, 메모리 아키텍처, 도구 사용, 성찰 메커니즘이 모두 통합된 형태다.

공급망 관리

대규모 공급망의 복잡성은 단일 에이전트로 다루기 어렵다. 다중 에이전트 시스템이 자연스럽게 적용되는 도메인이다.

• 수요 예측 에이전트 -- 과거 판매 데이터, 계절성, 외부 요인을 분석하여 수요를 예측한다.
• 재고 최적화 에이전트 -- 수요 예측을 기반으로 적정 재고 수준을 결정하고, 주문 시점을 제안한다.
• 물류 경로 에이전트 -- 배송 경로를 최적화하고, 교통 상황이나 기상 조건 변화에 따라 동적으로 재경로를 설정한다.
• 공급자 관리 에이전트 -- 공급자의 신뢰도, 가격, 리드타임을 모니터링하고, 리스크가 감지되면 대안 공급자를 탐색한다.

이 에이전트들이 서로 정보를 공유하며 전체 공급망의 효율성을 지속적으로 최적화하는 것이 궁극적인 목표다.

정리

10장은 앞선 장에서 다룬 개념과 기법이 실제로 어떻게 적용되는지 보여주는 장이다. 각 도메인마다 에이전트의 자율성 수준, Human-in-the-loop의 필요성, 규제 요건이 크게 다르다는 점이 인상적이다. 동일한 에이전틱 아키텍처라도 적용 도메인의 특성에 맞게 세심하게 조율해야 한다는 교훈을 준다.