🤖 C19. 에이전트 AI — 논증형 교안 v4

"AI는 질문에 답만 한다"는 인상을 검증한다. "AI가 '답하는' 데서 '스스로 일하는' 데로 넘어가면 무엇이 달라지나?"를 한 질문으로 따라가, 목표를 주면 계획·도구사용·행동까지 하는 에이전트가 왜 강력하면서 동시에 통제·책임이 핵심 문제가 되는지 논증한다.

이 장이 던지는 질문
챗봇은 묻는 말에 답만 하는데, AI가 '스스로 행동'까지 할 수 있나?  →  주장: 에이전트 AI는 목표를 주면 스스로 '계획하고, 도구를 쓰고, 행동'까지 한다. '답하는 AI'에서 '일하는 AI'로의 도약이다. 그만큼 강력하지만 — 자율성이 커질수록 통제·안전·책임이 핵심 문제가 된다.
C19
AI의 심화 · 행동하는 AI
MODULE C19

에이전트 AI

'답하는 AI'에서 '스스로 일하는 AI'로
지금까지의 AI는 우리가 묻고, AI가 답했다(B5·C18). 그런데 요즘 AI는 한 걸음 더 간다 — "이 일을 해 줘"라고 목표만 주면, 스스로 계획을 세우고 검색·계산 같은 도구를 써서 일을 처리한다. 이 장은 묻는다 — "AI가 답을 넘어 행동까지 하면, 무엇이 강력해지고 무엇이 위험해지나?"
C19. 에이전트 AI
01 / 13
C19 · 이 장의 지도
전체 구성 — 시작 전에 길을 펼친다

하나의 질문을, 여섯 단계로 답한다

"AI는 답만 한다"는 인상을 6단계로 검증한다. 윗줄은 "AI가 행동까지 한다는 게 뭔가"를 논증하고, 아랫줄은 에이전트가 잘 맞는 일과 우리의 태도(감독)로 잇는다.

AI가 '행동까지' 한다 — 6단계  (p3–p8)
① 통념
"AI는 답만 한다"
p3 · 챗봇 한계
② 주장
계획·도구·행동
p4 · 일하는 AI
③ 어떻게
목표→계획→도구→반복
p5 · 행동 루프
④ 위험
실수의 연쇄·폭주
p6 · 통제 난이도
⑤ 반론
"다 맡기면 편하잖아?"
p7 · 자율성의 값
⑥ 결론
권한 줄수록 감독
p8 · 가드레일
잘 쓰는 길  (p9–p11)  +  정리·출처
적용
어떤 일에 맞나
p9 · 반복·다단계
근거
도구사용·계획-행동
p10 · 작동 방식
'감독·승인'하기
p11 · 사람이 핸들
정리
한 줄의 논증으로 회수
p12 · 요약 / p13 출처
→ 자, 출발먼저 통념을 깬다 — "AI는 묻는 말에 '답만' 하는 존재일까?"
C19. 에이전트 AI
02 / 13
C19 · 논증 1단계
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
통념 깨기

우리는 'AI는 묻는 말에 답만 한다'고 여긴다

대부분의 사람에게 AI는 '질문하면 답하는 챗봇'이다. 한 번 묻고, 한 번 답하고, 끝. 하지만 우리의 일은 한 번의 질문-답으로 끝나지 않는다 — "여행을 계획해 줘"는 검색하고, 비교하고, 예약하고, 일정을 짜는 여러 단계의 행동이 필요하다. 답만 하는 AI는 '무엇을 하라'까지만 알려주고, '직접 해 주지는' 못했다.

🗣️ 흔한 상

  • "AI = 답하는 챗봇"
  • "한 번 묻고 한 번 받기"
  • "실제 일은 내가 한다"

🕳️ 그런데 — 일은 여러 단계의 '행동'이다

"여행 계획"은 검색·비교·예약·정리의 연쇄다. 답만 하는 AI는 '방법'은 알려줘도 '실행'은 안 했다. 그 간극을 메우려는 게 에이전트다.

🔎 한 걸음 더 차이를 짚자 — '답'은 정보, '행동'은 변화다. 답하는 AI는 "이렇게 하세요"라고 말하고 멈춘다. 에이전트는 스스로 그 단계를 밟아 결과를 만든다. 말과 행동 사이의 이 한 칸이, AI 활용의 판을 바꾼다.
→ 그래서'답만 한다'는 상은 좁다. 그렇다면 '행동하는 AI'란 정확히 무엇인가?
C19. 에이전트 AI
03 / 13
C19 · 논증 2단계
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
이 장의 주장

에이전트는 목표를 주면 '계획·도구·행동'까지 한다

AI 에이전트(agent)는 '답하는 AI'에 세 가지 능력을 더한 것이다 — ① 목표를 여러 단계로 계획하고, ② 검색·계산·예약 같은 도구를 직접 쓰고, ③ 결과를 보며 다음 행동을 스스로 정해 일을 끝까지 처리한다. 핵심은 우리가 '방법'이 아니라 '목표'를 준다는 점이다 — "비행기 예약법 알려줘"가 아니라 "제일 싼 표로 예약해 줘."

💬 답하는 AI (챗봇)

"이렇게 하세요"라고 방법을 말하고 멈춤. 실행은 사람 몫.

🤖 에이전트 AI

목표를 받으면 계획→도구 사용→행동을 스스로 반복해 결과를 만든다.

🔎 한 걸음 더 그래서 에이전트의 본질은 '자율성(autonomy)'이다 — 사람이 매 단계를 지시하지 않아도 스스로 다음 할 일을 정한다. 이 자율성이 강력함의 원천이자(혼자 일함), 동시에 위험의 원천이다(혼자 잘못 가도 모름). 강함과 위험이 같은 데서 나온다.
→ 그래서'스스로 일한다'가 주장이다. 그런데 그 '스스로'는 구체적으로 어떻게 돌아갈까?
C19. 에이전트 AI
04 / 13
C19 · 논증 3단계 · 메커니즘
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
메커니즘 — 계획하고, 도구 쓰고, 다시 본다

'목표 → 계획 → 도구 → 결과 확인'을 반복하는 루프다

에이전트는 한 번에 끝내지 않고 '생각→행동→관찰'을 반복한다. ① 목표를 받아 할 일을 쪼개 계획하고, ② 그중 한 단계를 도구로 실행하고(검색·코드·예약), ③ 그 결과를 보고 다음 단계를 정한다. 목표가 이뤄질 때까지 이 고리(루프)를 돈다. 사람이 일을 나눠 하나씩 처리하며 점검하는 것과 같은 방식이다.

① 목표

"가장 싼 항공권 예약"

② 계획

검색→비교→예약 단계로 쪼갬

③ 도구 사용

검색·가격비교 도구 호출

④ 결과 확인 ↻

결과 보고 다음 행동 결정·반복

🔎 한 걸음 더 핵심 능력은 '도구 사용(tool use)'이다 — 에이전트는 모르는 건 검색하고(RAG·C18), 계산은 계산기에 맡기고, 행동은 외부 프로그램에 시킨다. 즉 '머릿속'의 한계를 도구로 보완한다. 그리고 한 번에 답하지 않고 '계획→행동→관찰'을 반복하는 게 챗봇과의 결정적 차이다.
→ 그런데스스로 여러 단계를 행동한다면 — 중간에 잘못 가면 어떻게 될까?
C19. 에이전트 AI
05 / 13
C19 · 논증 4단계 · 위험
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
위험 — 자율성이 클수록 통제가 어렵다

스스로 행동하기에, 작은 실수가 '연쇄'로 커진다

에이전트의 위험은 그 강점인 '자율성'에서 곧장 나온다. ① 한 단계의 작은 실수가 다음 단계로 누적·증폭되고(연쇄 오류), ② 사람이 매 단계를 안 보니 엉뚱한 방향으로 멀리 가버릴 수 있으며(폭주), ③ 환각(B5)으로 잘못된 도구를 잘못 쓰거나, ④ AI가 한 일이라 책임 소재가 흐려진다. '답'은 틀려도 내가 거르지만, '행동'은 이미 일이 벌어진 뒤다.

⛓️ 연쇄 오류

한 단계 실수가 다음으로 누적돼 결과가 크게 어긋남

🏃 폭주

감독 없이 엉뚱한 방향으로 멀리 가버림(통제 난이도)

⚖️ 책임 공백

"AI가 한 일"의 결과 책임은 누구에게?(C17·E2)

🔎 한 걸음 더 그래서 에이전트의 위험은 '틀린 답'이 아니라 '틀린 행동'이다 — 잘못 보낸 메일, 잘못한 결제, 잘못 지운 파일은 되돌리기 어렵다. 자율성이 커질수록 '되돌릴 수 없는 행동'의 범위가 넓어진다. 그래서 '무슨 권한을 주느냐'가 안전의 핵심이 된다.
→ 그런데여기서 반론. "그래도 다 알아서 해 주면 편하고 좋은 거 아냐?"
C19. 에이전트 AI
06 / 13
C19 · 논증 5단계 · 반론 처리
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
반론 처리 — "다 맡기면 편하잖아?"

편리함과 위험은 한 몸이다 — '얼마나 맡길지'가 관건이다

"다 맡기면 편하다"는 말은 맞다. 하지만 '맡긴 만큼 위험도 맡긴다'는 뒷면을 놓친다. 자율성을 키울수록 편해지지만, 잘못될 때의 피해와 통제 불가도 같이 커진다. 그래서 정답은 '다 맡김'도 '다 직접'도 아니라, '위험에 맞춰 권한을 조절'하는 것이다 — 가벼운 일은 알아서, 중대한 일은 사람이 승인하게.

😌 "다 맡기면 편하다"

맞다 — 단순·반복 일은 알아서 처리하면 큰 이득.

🛡️ 단, 위험에 맞춰

되돌리기 어렵거나 큰일사람 승인을 거치게(감독·가드레일).

🔎 한 걸음 더 그래서 핵심은 '자율성의 단계'다 — ①제안만(사람이 실행) ②실행하되 매번 승인 ③알아서 하되 보고 ④완전 자율. 위험이 클수록 낮은 단계로 둬야 한다. E2의 '켄타우로스'(사람+AI 협업)처럼, 목표와 감독은 사람이, 실행은 AI가 맡는 역할 분담이 안전의 원칙이다.
→ 따라서편함만 보면 안 된다. 그럼 이 모든 걸 한 줄 결론으로 모으면?
C19. 에이전트 AI
07 / 13
C19 · 논증 6단계 · 결론
① 통념② 주장③ 어떻게④ 위험⑤ 반론⑥ 결론
결론 — 권한 줄수록 감독

그래서 에이전트는 '자율성 ↔ 감독'의 균형이 핵심이다

에이전트의 의미는 분명하다 — AI가 '답하는 도구'에서 '일하는 동료'로 올라섰다. 단순·반복·다단계 일을 알아서 처리해 큰 생산성을 준다. 그러나 자율성이 커진 만큼 실수의 연쇄·폭주·책임 공백의 위험도 커진다. 결론은 하나다 — 'AI에게 권한을 줄수록, 사람의 감독과 승인(가드레일)도 같이 키워야 한다.' 핸들은 끝까지 사람이 쥔다(E2).

오해정확한 이해
"AI는 답만 한다"목표 주면 계획·도구·행동까지
"다 맡기면 편하다"맡긴 만큼 위험도 맡긴다
"알아서 하게 둔다"권한 줄수록 감독·승인을 키운다
🎯 그래서 당신은 에이전트에게 일을 맡길 때 묻는다 — "이 일은 잘못되면 되돌릴 수 있나? 어디까지 알아서 하게 하고, 어디서 내가 승인할까?"
C19. 에이전트 AI
08 / 13
C19 · 적용 · 어떤 일에 맞나
적용근거— 위험과 반복성으로 가른다
결론 → 적용 다리

'반복적·다단계지만 되돌릴 수 있는' 일에 먼저 쓴다

에이전트가 잘 맞는 일은 '여러 단계를 거치지만, 잘못돼도 되돌릴 수 있는' 일이다. 자료 조사, 일정 초안, 코드 작성처럼 사람이 결과를 검토할 수 있는 영역이 안전하다. 반대로 큰돈·법적 효력·되돌릴 수 없는 행동은 반드시 사람 승인을 거치게 한다.

🟢 먼저 맡기기 좋은 일

  • 자료 조사·요약(여러 출처 종합)
  • 일정·초안 만들기(검토 가능)
  • 코드 작성·테스트 반복 작업

🔴 사람 승인이 필수인 일

  • 결제·송금 등 돈 쓰는 행동
  • 메일 발송·계약 등 외부 효력
  • 삭제·배포 등 되돌리기 어려운 일
🎓 교실에서 "AI 비서에게 '무엇은 알아서 하게' 하고 '무엇은 꼭 물어보게' 할까?"를 표로 나눠 본다. 학생들이 '자율성은 위험에 맞춰 조절하는 것'임을 스스로 정리하게 한다(⑤ 반론 회수).
→ 그런데그럼 에이전트는 '계획하고 도구를 쓴다'를 구체적으로 어떻게 해내는 걸까?
C19. 에이전트 AI
09 / 13
C19 · 근거: 작동 방식
적용근거
계획-행동의 반복 · 도구 연결

'생각하고(계획) → 행동하고(도구) → 살펴본다(관찰)'

에이전트의 작동은 '생각-행동-관찰'을 번갈아 도는 방식으로 굴러간다. AI가 다음 할 일을 말로 계획하고(생각), 그 계획대로 도구를 호출하고(행동), 돌아온 결과를 다시 읽어(관찰) 계획을 고친다. 도구는 외부 세계와 잇는 '손과 발'이다 — 검색(C18), 계산기, 캘린더, 코드 실행 등. 이 연결로 '머릿속'의 한계를 넘는다.

🔁 계획-행동 반복

AI가 다음 행동을 스스로 정하고 결과를 보고 고침 — 한 번에 끝내지 않는다.

🧰 도구 연결

검색·계산·예약 등 외부 도구를 호출해 '못 하는 일'을 위임(tool use).

🔎 한 걸음 더 그래서 에이전트는 '더 똑똑한 모델'이라기보다 '능력을 엮은 구조'에 가깝다 — 같은 AI라도 계획·도구·반복을 붙이면 에이전트가 되고, 떼면 챗봇이 된다. 핵심은 모델의 크기가 아니라 '어떻게 행동하게 엮었는가'다.
→ 그래서구조로 행동한다. 그럼 사용자로서 우리가 가질 태도는?
C19. 에이전트 AI
10 / 13
C19 · 핵심 기술 · '감독·승인'하기
적용근거
이해를 자산으로 — 핸들은 사람이

맡기되 '핸들과 브레이크'는 사람이 쥔다

C19의 수확은 'AI에게 일을 맡기되, 통제권은 내가 쥐는' 태도다. 에이전트에게 목표를 줄 땐 범위·권한·확인 지점을 정해 둔다 — 어디까지 알아서 하고, 어디서 멈춰 물어볼지. 그리고 결과를 그대로 믿지 말고 검토한다(E3). AI가 일하는 시대일수록, 사람의 역할은 사라지는 게 아니라 '목표 설정·감독·책임'으로 옮겨 간다.

🙋 맡기는 사람으로서

  • 권한·범위를 먼저 정한다
  • 중대한 행동엔 승인 단계를 둔다
  • 결과를 검토하고 책임진다(E2)

🏗️ 만드는 쪽으로서

  • 되돌릴 수 있게 설계(취소·기록)
  • 위험 행동엔 사람 확인 게이트
  • 무엇을 했는지 투명히 기록(C17)
📝 한 줄 원칙 "맡기는 권한만큼, 감독의 책임도 함께 진다." 자율성은 책임을 면제하지 않는다 — 결과의 책임은 끝까지 사람에게 있다.
🎯 그래서 당신은 AI에게 일을 '맡기되 핸들은 쥐는' 사람이 된다 — 권한이 클수록 감독을 키우며.
C19. 에이전트 AI
11 / 13
C19 · 정리
C19가 증명한 것 — 한 줄의 논증

'답만 한다'에서 출발해, '권한엔 감독'에 도착했다

이 장은 "AI가 행동까지 하면 무엇이 달라지나"라는 한 질문을 따라간 추론이었다. 출발은 "AI는 답만 한다"는 통념, 도착은 "스스로 일하되, 권한엔 감독이 따른다"는 결론이었다.

통념AI는 묻는 말에 답만 한다
↓ 그런데
주장에이전트=계획·도구·행동까지
↓ 어떻게
메커니즘목표→계획→도구 사용→결과 확인 반복(루프)
↓ 그래서 위험은
위험연쇄 오류·폭주·책임 공백(자율성의 대가)
↓ 하지만
반론"맡기면 편함" → 맡긴 만큼 위험도, 위험에 맞춰 조절
↓ 따라서
결론권한 줄수록 감독·승인 — 핸들은 사람이
🎯 한 문장 요약 에이전트 AI는 목표를 주면 계획·도구·행동까지 스스로 하는 '일하는 AI'이며, 강력한 만큼 '권한에는 감독과 책임'이 따른다.
C19. 에이전트 AI
12 / 13
더 읽을거리 · 검증된 자료

근거가 된 자료 & 다음 장

  • AI 에이전트 · 자율성 — 목표를 받아 계획·행동하는 AI · ②④ 근거
  • 도구 사용(tool use) · 계획-행동 반복 — 외부 도구 호출과 '생각-행동-관찰' 루프 · ③⑩ 근거
  • 사람-AI 협업 · 감독 — 켄타우로스 모델, 승인 게이트(E2) · ⑤⑪ 근거
  • 책임·투명성 — 행동의 책임 소재와 기록(C17) · ④ 위험 근거
다음 장 — C20. 사전학습 vs 파인튜닝 · 하나의 AI가 어떻게 번역도, 의료도, 우리 회사 일도 해낼까? 매번 새로 만드는 게 아니라 '기초를 익히고(사전학습) 특정 분야로 다듬는(파인튜닝)' 2단계를 따라간다.
C19. 에이전트 AI
13 / 13