2025년 AI 에이전트: 기대치 vs 현실

2020년대 초를 특징짓는 NFT와 암호 화폐의 과대광고, 그리고 그 뒤를 이은 메타버스 버블에서 간신히 벗어났을 때, 미디어에서 OpenAI의 GPT 모델 제품군, Anthropic의 Claude, Microsoft의 Copilot 등의 출시로 인해 생성형 AI(gen AI)에 대해 찬사를 보내기 시작했습니다.

트렌드가 완전히 바뀐 것은 아니지만, 2025년의 초점은 대규모 언어 모델 (LLM)에서 업무의 미래를 여는 표면적으로 자율적인 인공 지능 (AI) 에이전트의 발전으로 이동되었습니다.  

Deepseek의 R1이 ChatGPT보다 성능이 크게 향상될 것이라는 기대를 받으며 일시적으로 생성형 AI에 대한 관심이 높아졌지만, 2025년의 주요 혁신 주제는 AI 에이전트입니다.

미디어 보도는 에이전트가 가져올 혁신, 자동화 및 효율성의 약속을 강조하지만, 그 중 얼마나 많은 부분이 클릭에 목마른 과대 광고일까요?

광고로 지원되는 미디어 세계는 클릭 수에 따라 번창하며, 고객의 관심을 끌기 위해 만들어진 선정적이고 주목받는 헤드라인을 기대하는 것은 당연한 일입니다. 하지만 2025년에 에이전틱 AI로부터 현실적으로 무엇을 기대할 수 있을까요? 그리고 그것은 우리 삶에 어떤 영향을 미칠까요?  

과장된 이야기를 제거하고 AI 에이전트와 이러한 에이전트가 수행할 작업에 관한 합리적인 대화를 나누기 위해 다음 IBM 전문가들과 여러 차례 이야기를 나누었습니다.  

• Maryam Ashoori 박사: IBM watsonx.ai 제품 관리 이사

• Marina Danilevsky: 선임 연구 과학자, 언어 기술  

• Vyoma Gajjar: AI 기술 솔루션 아키텍트  

• 크리스 헤이: 저명한 엔지니어  

AI 에이전트는 자율적으로 작업을 이해하고 계획하며 실행할 수 있는 소프트웨어 프로그램입니다. AI 에이전트는 LLM을 통해 구동되며 사용자 목표를 달성하기 위해 필요한 도구, 기타 모델 및 시스템 또는 네트워크의 다른 측면과 인터페이스할 수 있습니다.  

이제 챗봇에게 냉장고에 있는 재료 활용한 저녁 식사 요리법을 제안해 달라고 요청하는 것 이상을 구현할 수 있습니다. 에이전트는 실제 사람이 문의에 응답할 때까지 며칠이 걸릴 수 있음을 알려주는 자동화된 고객 경험 이메일 그 이상입니다.  

AI 에이전트는 응답을 생성할 때마다 프롬프트가 필요한 전통적인 AI 에이전트와는 다릅니다. 이론적으로 사용자가 에이전트에게 상위 수준의 작업을 맡기면 에이전트는 해당 작업을 완료하는 방법을 스스로 파악합니다.  

현재 서비스는 아직 이 아이디어에 접근하기 위한 초기 단계에 있습니다. "시장에서 흔히 '에이전트'라고 불리는 것은 LLM에 기본적인 계획 및 도구 호출(때때로 함수 호출이라고도 함) 기능을 추가하는 것입니다."라고 Ashoori는 말합니다. "이를 통해 LLM은 복잡한 작업을 LLM이 수행할 수 있는 더 작은 단계로 세분화할 수 있습니다."

Hay는 더욱 강력한 에이전트가 등장할 것이라는 낙관적인 전망을 내놓았습니다. 그는 "AI 에이전트를 구축하기 위해 오늘날에는 모델을 더 발전시킬 필요가 없을 것"이라고 말했습니다.  

그런 얘기는 접어두고, 내년에 에이전트에 대한 대화는 무엇이며, 그 중 어느 정도를 진지하게 받아들일 수 있을까요? 

"더 많고 더 나은 에이전트"가 등장하고 있다고 타임은 예측합니다.¹ 로이터 통신은 "자율적인 '에이전트'와 수익성이 인공지능 의제를 지배할 가능성이 높다"고 보도했습니다.² 포브스는 Nvidia의 젠슨 황의 주장에 대해 "에이전트 AI의 시대가 도래했다"고 예측합니다.³ 

기술 미디어는 우리 삶이 완전히 변화하기 직전이라는 확신으로 가득 차 있습니다. 자율 에이전트는 업무를 간소화하고 변화시키며 최적화를 추진하고 일상 생활에 동행하여 실시간으로 문물을 처리하고 창의적인 추구와 기타 고급 작업에 전념할 수 있도록 준비되어 있습니다.

Ashoori는 “IBM과 Morning Consult가 엔터프라이즈용 AI 애플리케이션을 구축하고 있는 1,000명의 개발자를 대상으로 설문조사를 실시한 결과, 이들 중 99%가 AI 에이전트를 탐색 중이거나 개발 중이라고 답했습니다.” 라고 설명합니다.“네, 답은 2025년이 에이전트의 해가 될 것이라는 것입니다.” 하지만 이 선언에 미묘한 차이가 없는 것은 아닙니다.

Ashoori는 현재의 시장 개념에서는 에이전트가 함수 호출 기능을 갖춘 LLM임을 명확히 하고, 이러한 아이디어와 진정한 자율적 에이전트를 다음과 같이 구분했습니다. “[AI 에이전트의] 진정한 정의는 자율적으로 조치를 취할 수 있는 추론 및 계획 능력을 갖춘 지능형 개체입니다. 이러한 능력은 논의 대상이며, 이를 어떻게 정의하느냐에 따라 달라집니다. " 

 "AI 에이전트가 이 방향으로 나아가는 것은 분명하지만 아직 완전히 도달하지는 못했습니다."라고 Gajjar는 말합니다. "지금은 초기 단계를 엿볼 수 있습니다. AI 에이전트는 이미 데이터를 분석하고, 트렌드를 예측하고, 워크플로를 어느 정도 자동화할 수 있습니다. 하지만 복잡한 의사 결정을 자율적으로 처리할 수 있는 AI 에이전트를 구축하려면 더 나은 알고리즘 이상의 것이 필요합니다. 엣지 사례에 대한 맥락적 추론과 테스트에서 큰 도약이 필요합니다."라고 그녀는 덧붙입니다.  

Danilevsky는 이것이 새로운 것이라고 확신하지 못합니다. "저는 여전히 이것이 단순한 오케스트레이션과 그렇게 다르다는 것을 진정으로 믿기가 어렵습니다."라고 그녀는 말합니다. "오케스트레이션의 이름을 바꿨지만 이제는 에이전트라고 부릅니다. 왜냐하면 그것이 멋진 단어이기 때문입니다. 하지만 오케스트레이션은 우리가 프로그래밍 분야에서 오랫동안 해온 일입니다." 

Danilevsky는 2025년이 에이전트의 해라는 점에 대해 회의적입니다. "에이전트가 무엇이라고 말하느냐, 에이전트가 무엇을 달성할 것이라고 생각하느냐, 어떤 가치를 가져올 것이라고 생각하느냐에 따라 달라집니다."라고 그녀는 말합니다. "아직 LLM 기술에 대한 ROI(투자 수익률)를 일반적으로 파악하지 못한 상황에서 하는 말입니다." 

그리고 비즈니스적인 측면만 고려해서 베팅을 하는 것은 아닙니다. "컴퓨터가 나를 대신해서 생각하고 모든 결정을 내리고 행동을 취할 수 있다면 어떨까 하는 상상이 과대 포장되어 있습니다. 현실적으로는 무서 일이죠."

Danilevsky는 단절을 잘못된 의사소통의 하나로 규정합니다. "[에이전트]는 매우 비효율적인 경향이 있는데, 그 이유는 인간이 의사소통에 매우 서툴기 때문입니다. 여전히 채팅 에이전트가 항상 원하는 것을 정확하게 해석할 수는 없습니다."  

그럼에도 불구하고 다가오는 해는 실험의 시대로서 많은 가능성을 지니고 있습니다. "저는 [2025년을 에이전트의 해]로 믿고 있습니다."라고 Hay는 신나게 말합니다.  

현재 모든 대형 기술 기업과 수백 개의 스타트업이 에이전트를 실험하고 있습니다. 예를 들어 Salesforce는 사용자가 Salesforce 앱 에코시스템에 쉽게 통합된 에이전트를 만들 수 있는 에이전트포스 플랫폼을 출시했습니다.  

"파도가 다가오고 있고 우리는 많은 에이전트를 보유하게 될 것입니다. 아직은 매우 초기 단계의 에코시스템이기 때문에 많은 사람들이 에이전트를 구축할 것이고, 그들은 매우 재미있을 것이라고 생각합니다." 

이 이야기는 오늘날의 에이전트가 이 글의 서문에 설명된 이론적 정의를 충족한다고 가정합니다. 2025년의 에이전트는 프로젝트 범위를 확장하고 필요한 모든 도구와 인간 파트너의 도움 없이 프로젝트를 완료할 수 있는 완전 자율 AI 프로그램이 될 것입니다. 하지만 이 내러티브에서 빠진 것은 뉘앙스입니다.

Hay는 이러한 발전의 토대가 이미 마련되었다고 믿습니다. "에이전트의 가장 큰 장점은 계획을 세울 수 있는 능력이 있다는 것입니다."라고 그는 설명합니다. "에이전트는 추론하고 도구를 사용하며 작업을 수행할 수 있는 능력이 있으며, 속도와 규모에 따라 이를 수행해야 합니다."

그는 12~18개월 전 최고의 모델과 비교했을 때 2025년 초의 모델이 이 이야기의 지지자들이 구상한 에이전트에 힘을 실어줄 수 있다는 4가지 발전을 예로 들었습니다.  

• 더 낫고, 더 빠르고, 더 작은 모델  

• 생각의 연결고리(COT) 교육  

• 컨텍스트 창 증가  

• 함수 호출  

"이제 이러한 것들이 대부분 작용하고 있습니다". Hay는 이렇게 말을 이어갔습니다. "AI 호출 도구를 사용할 수 있습니다. 계획을 세울 수 있습니다. 추론하고 좋은 답변으로 돌아올 수 있습니다. 추론 시간 계산을 사용할 수 있습니다. 더 나은 생각의 연결고리와 더 많은 메모리를 사용할 수 있습니다. 빠르게 실행될 것입니다. 비용이 저렴할 것입니다. 그러면 에이전트를 둘 수 있는 구조로 이어질 수 있습니다. 모델이 개선되고 있고 점점 더 좋아지고 있으므로 가속화될 뿐입니다." 

Ashoori는 나중에 에이전트가 할 수 있는 일과 지금 할 수 있는 일을 구분하는 데 신중을 기합니다. "약속이 있고 에이전트가 오늘 할 수 있는 일이 있습니다."라고 그녀는 말합니다. "답은 사용 사례에 따라 다르다고 말씀드리고 싶습니다. 간단한 사용 사례의 경우 에이전트는 [올바른 도구를 선택]할 수 있지만, 더 정교한 사용 사례의 경우 아직 기술이 성숙하지 않았습니다."  

Danilevsky는 설명을 맥락적인 것으로 재구성합니다. "어떤 것이 한 번만 참이라면 항상 참이라는 뜻은 아닙니다. 에이전트가 할 수 있는 몇 가지 일이 있나요? 물론이죠. 그렇다면 머릿속에 떠오르는 모든 흐름을 에이전트화할 수 있다는 뜻인가요? 아니요."  

Gajjar에게는 위험과 거버넌스의 문제 중 하나입니다. "우리는 AI 에이전트가 콘텐츠 생성자에서 자율적인 문제 해결자로 진화하는 것을 보고 있습니다. 이러한 시스템은 연쇄적인 실패를 방지하기 위해 sandbox 환경에서 엄격하게 스트레스 테스트를 받아야 합니다. 롤백 작업을 위한 메커니즘을 설계하고 감사 로그를 확보하는 것은 고위험 산업에서 이러한 에이전트를 실행 가능하게 하는 데 필수적입니다." 

하지만 그녀는 우리가 이러한 도전에 직면할 것이라고 낙관합니다. "올해 롤백 메커니즘과 감사 추적을 만드는 데 진전이 있을 것이라고 생각합니다. 더 스마트한 AI를 구축하는 것뿐만 아니라 문제가 잘못되었을 때 신속하게 추적하고 해결할 수 있도록 안전망을 설계하는 것도 중요합니다." 

Hay는 2025년의 에이전트 개발 잠재력을 희망적으로 보지만, 다른 영역에는 문제가 있다고 생각합니다.. "대다수의 조직은 에이전트를 맞이할 준비가 되지 않았습니다. 현재 기업이 보유한 API를 드러내는 것은 꽤 재미있을 텐데요. 이러한 작업이 흥미진진할 것으로 생각됩니다. 중요한 건 모델의 성능이 얼마나 좋을지가 아니라, 기업이 얼마나 준비가 되었는지입니다." 

이 이야기가 구상한 '뉴 노멀'은 AI 에이전트 팀이 전체 프로젝트 워크플로를 관리하는 오케스트레이터 우버 모델에 따라 충돌하는 것을 보여줍니다.

기업은 AI 오케스트레이션을 사용하여 여러 에이전트 및 기타 머신 러닝 (ML) 모델을 조정하고, 함께 작업하고 특정 전문 지식을 사용하여 작업을 완료할 것입니다.

Gajjar는 이 예측이 신뢰도가 높을 뿐 아니라 가능성도 높다고 생각합니다. "지금은 이러한 변화의 초기 단계이지만, 상황은 빠르게 바뀌고 있습니다. 올해 AI 오케스트레이터는 여러 에이전트를 연결하고, 워크플로를 최적화하고, 다국어 및 멀티미디어 데이터를 처리하며 엔터프라이즈 AI 시스템의 중추가 될 수 있습니다"라면서도, 적절한 보호 장치 없이 서두르면 안 된다고 Gajjar는 경고했습니다.  

Gajjar는 “동시에 이러한 시스템을 확장하려면 책임감을 희생하지 않으면서 원활하게 운영할 수 있는 강력한 규정 준수 프레임워크가 필요합니다”라고 경고했습니다. “2025년은 실험에서 대규모 도입으로 이어지는 해일 수 있습니다. 기업들이 속도와 책임의 균형을 어떻게 맞출 수 있을지 정말 궁금합니다.”

조직에서는 최신 혁신을 도입하는 것만큼 데이터와 AI 거버넌스와 준수에도 동일한 열정을 가지고 전념해야 합니다. 

"AI 오케스트레이터가 있으면 여러 에이전트와 함께 일할 수 있습니다."라고 Hay는 설명합니다. "더 큰 모델은 오케스트레이터이고, 작은 모델은 제한된 작업을 수행할 것입니다."

그러나 에이전트가 발전하고 개선됨에 따라 Hay는 조정된 워크플로에서 단일 에이전트 시스템으로 전환할 것으로 예측합니다. "개별 에이전트가 더 유능해지면 '모든 것을 끝에서 끝까지 할 수 있는 에이전트가 있다'는 말로 전환하게 될 것입니다."  

 Hay는 모델이 발전함에 따라 앞뒤로 진화할 것으로 예상합니다. "[단일 에이전트가 할 수 있는 일]에 한계에 도달한 다음 다시 다중 에이전트 협업으로 돌아갈 것입니다. 다중 에이전트 프레임워크와 한 명의 신과 같은 에이전트 사이에서 밀고 당기는 역할을 하게 될 것입니다." 그리고 AI 모델이 프로젝트 워크플로를 결정하는 역할을 하지만, Hay는 인간이 항상 루프에 머물 것이라고 믿습니다.

Ashoori에게 메타 오케스트레이터의 필요성은 당연한 것이 아니며 의도된 사용 사례로 귀결됩니다. "이는 아키텍처 결정입니다."라고 그녀는 설명합니다. "각 에이전트는 정의상 다른 에이전트와 오케스트레이션을 해야 하는지, 여러 도구를 사용해야 하는지, 또는 무료 데이터가 필요한지 파악할 수 있는 능력을 갖추어야 합니다. 반드시 중간 에이전트가 필요하지 않고, 맨 위에 앉아 모든 사람을 모니터링하여 무엇을 해야 하는지 알려줄 수 있습니다." 

하지만 경우에 따라서는 그럴 수도 있습니다. "목적에 맞게 전문 에이전트를 조합하여 사용하는 방법을 찾아야 할 수도 있습니다."라고 Ashoori는 말합니다. "이 경우 오케스트레이터 역할을 하는 자신만의 에이전트를 만들기로 결정할 수 있습니다."  

Danilevsky는 기업이 먼저 어느 수준의 ROI를 목표로 어떤 워크플로를 에이전트화될 수 있는지 및 에이전트화해야 하는지를 이해한 다음, 이를 바탕으로 AI 전략을 개발하라고 조언합니다. "일부 에이전트에 일부 오케스트레이션 플로를 적용해야 할까요? 물론입니다. 하지만 조직의 모든 것을 에이전트 플로로 오케스트레이션해야 할까요? 아닙니다. 그렇게는 할 수 없거든요."

내년 에이전트 도입에 대한 일반적인 전망은 에이전트가 인간 작업자를 대체하는 것이 아니라, 오히려 증강하는 것이라는 것입니다. 옹호론자들은 에이전트가 인간이 주도하는 간소화된 워크플로에 기여할 것이라고 말합니다.

그러나 AI로 인한 일자리 감소에 대한 두려움은 기업의 AI 도입에 관한 지속적인 대화에서 빠지지 않는 주제입니다. 에이전트의 역량이 향상됨에 따라 비즈니스 리더는 에이전트와 인간의 협업을 장려하게 될까요? 아니면 직원을 AI 도구로 대체하려고 할까요?

Ashoori는 앞으로의 최선의 길은 직원들이 각자의 업무에서 AI를 최적으로 활용할 수 있도록 신뢰하는 것이라고 생각합니다. "직원들이 에이전트를 어떻게 활용할지 결정할 수 있도록 권한을 부여해야 하지만, 모든 상황에서 에이전트를 반드시 대체할 필요는 없습니다."라고 그녀는 설명합니다. 일부 업무 기능은 에이전트에게 오프로드하기에 무르익었지만, 사람의 의견을 대체할 수 없는 직무도 있습니다. "에이전트는 회의를 필사하고 요약할 수 있지만, 저와 대화를 나누기 위해 에이전트를 보내지는 않을 것입니다."  

Danilevsky는 Ashoori의 견해를 공유하며 직장에서 에이전트를 도입하는 데 성장통이 없는 것은 아니라고 지적합니다. "어떤 일이 더 복잡해지면 인간이 필요한 경우도 있을 것입니다." 비즈니스 리더들은 일자리를 없애 단기 비용을 절감하고 싶은 유혹을 느낄 수 있지만, 에이전트 사용은 "훨씬 더 강화된 역할에 안주하게 될 것입니다. 인간은 끊임없이 존재해야 하고, 인간은 도움을 받고 있지만 최종 결정은 인간이 내리는 것입니다."라고 Danilevsky는 AI에 대한 인간-인-더 루프(HITL) 비전을 설명하며 말합니다.   

Hay는 직장에서 지속 가능한 AI 도입을 위한 길을 보고 있습니다. "우리가 이 일을 제대로 하면 AI는 인간이 더 나은 일을 할 수 있도록 증강할 수 있습니다. AI가 올바르게 수행되면 더 흥미로운 일을 할 수 있게 됩니다." 하지만 동시에 그는 AI가 지나치게 우선시되는 또 다른 미래 버전을 상상할 수 있습니다. "잘못되거나 잘못되면 인간이 AI를 증강하게 될 위험이 있습니다." 

Gajjar는 또한 AI에 지나치게 의존하지 말라고 경고합니다. "하루아침에 AI 에이전트가 일자리를 대체할 것 같지는 않지만, 그들은 분명히 우리의 업무 방식을 바꿀 것입니다. 반복적이고 가치가 낮은 작업이 이미 자동화되고 있기 때문에 사람들은 더 전략적이고 창의적인 작업을 할 수 있습니다. 하지만 기업은 AI를 도입하는 방식에 대해 의도적으로 신경 써야 합니다. 공정성, 투명성, 책임성에 초점을 맞춘 거버넌스 프레임워크와 같은 것이 핵심이 될 것입니다."

Hay에게 오픈 소스 AI 모델의 장점 중 하나는 미래 AI 에이전트 마켓플레이스의 문을 열고 크리에이터에게 수익을 창출하는 방식입니다. "오픈 소스 에이전트가 핵심이라고 생각합니다."라고 Hay는 말합니다. "오픈 소스 덕분에 누구나 에이전트를 구축할 수 있고 유용한 작업을 수행할 수 있습니다. 그리고 자신만의 회사를 만들 수 있습니다." 

또한 Hay는 특히 남반구에서 잠재적인 성장통과 조직 구조 조정을 AI 주도의 이점과 비교하는 것도 중요하다고 생각합니다.

LLM은 안정적인 인터넷 연결이 없는 지역에서 SMS를 통해 사용자에게 도달할 수 있는 텍스트 기반 출력을 제공합니다. Hay는 "[인터넷 접속이 원활하지 않은] 국가에서도 AI가 저대역폭 시나리오에서 작동할 수 있고 점점 더 저렴해지고 있다는 점은 매우 흥미롭습니다."라고 말합니다.

이러한 대화를 나누는 동안, 네 전문가 모두 두 가지 주제를 몇 번이고 언급했습니다. 앞서 살펴본 네 가지 내러티브 외에도, AI가 폭증하는 지금 이러한 트렌드를 지속 가능하게 따르려면 기업과 비즈니스 리더가 다음의 두 아이디어를 수용해야 합니다.

1. AI 거버넌스는 성공적인 규정 준수와 책임감 있는 사용을 뒷받침합니다. 
2. 경제적 가치에 중점을 둔 강력한 AI 전략은 기업들이 지속 가능한 AI 도입을 이끌어낼 것입니다.

“에이전트가 운영에 더 깊이 통합될수록 기업은 성과를 모니터링하고 책임을 보장하기 위한 거버넌스 프레임워크가 필요합니다.”라고 촉구했습니다. “바로 이 부분에서 IBM의 책임감 있는 AI 접근 방식이 빛을 발합니다. AI가 사람에게 불리하게 작용하는 것이 아니라 사람들에게 도움이 되도록 하고, 즉각적으로 신뢰할 수 있고 감사 가능한 시스템을 구축하는 것이 관건입니다.”

Ashoori는 잠재적인 에이전트 AI 사고의 그림을 그립니다. "오늘날 에이전트를 사용하는 것은 기본적으로 LLM을 잡고 사용자를 대신하여 조치를 취할 수 있도록 허용하는 것입니다. 이 조치가 데이터 세트에 연결되어 민감한 레코드를 많이 제거하는 것이라면 어떨까요?"  

"기술은 생각하지 않습니다. 책임질 수 없습니다."라고 Danilevsky는 말합니다. 실수로 인한 데이터 유출이나 삭제와 같은 위험 측면에서 "위험의 규모가 더 크다"고 그녀는 말합니다. "인간이 그렇게 많은 시간 안에 할 수 있는 일은 너무 많은 반면, 기술은 훨씬 더 짧은 시간 안에 우리가 알아차리지 못할 수도 있는 방식으로 일을 할 수 있습니다." 

그리고 그런 일이 발생하면 AI를 지목하고 AI에 책임이 있는 사람들로부터 모든 책임을 지울 수 없습니다. "그 조직에 속한 인간은 이러한 행동에 대해 책임과 책임을 져야 할 것입니다."라고 Hay는 경고합니다.  

"따라서 여기서 가장 중요한 과제는 투명성입니다."라고 Ashoori는 말합니다. "그리고 에이전트가 하는 모든 일에 대한 행동의 추적 가능성. 무슨 일이 일어나고 있는지 정확히 알고 추적하고 제어할 수 있어야 합니다."  

Danilevsky는 지속 가능한 개발의 왕도가 자유로운 실험이라고 주장했습니다. “사람들이 실제로 이 기술을 다양하게 실험하고, 개발하고 또 파괴하도록 허용함으로써 많은 가치를 얻을 수 있습니다.” 또한 Danilevsky는 사용할 모델과 모델에 공급할 데이터를 결정할 때 신중을 기하도록 개발자들에게 촉구했습니다. “[일부 공급업체는] 여러분의 데이터를 모두 수집할 수 있으므로, 주의하시기 바랍니다.”

"현재의 AI 붐은 절대적으로 FOMO 중심이며, 기술이 더 정상화되면 진정될 것입니다."라고 Danilevsky는 예측합니다. "사람들은 어떤 종류의 일이 효과가 있고 없는지 더 잘 이해하기 시작할 것이라고 생각합니다." "또한 AI 에이전트를 지속적으로 학습하고 적응할 수 있는 에코시스템에 통합하여 장기적인 효율성 향상을 이끄는 데 초점을 맞춰야 합니다."라고 Gajjar는 덧붙입니다.  

Danilevsky는 빠르게 기대치를 높이고 입증 가능한 비즈니스 요구 사항에 대한 대화를 이어갑니다. "기업은 못을 찾는 망치가 되지 않도록 주의해야 합니다."라고 그녀는 말합니다. "LLM이 처음 등장했을 때 이런 일이 있었습니다. 사람들은 '1단계: LLM을 사용할 것입니다. 2단계: 무엇에 사용해야 할까요?'라고 물었습니다."  

Hay는 "비공개 데이터를 가져와서 에이전트가 회사의 문서와 대조하여 조사할 수 있도록 체계적으로 정리하는 조직은 많은 가치를 얻을 수 있을 것입니다."라며, 기업이 미리 에이전트에 대비하도록 권유했습니다. 모든 기업은 귀중한 독점 데이터를 풍부하게 보유하고 있으며, 워크플로에 활용할 수 있도록 이러한 데이터를 변환하면 긍정적인 ROI를 얻을 수 있습니다.  

"에이전트를 통해 기업은 독점 데이터와 기존 기업 워크플로를 활용하여 차별화하고 확장할 수 있는 옵션을 갖게 되었습니다."라고 Ashoori는 말합니다. "작년은 기업을 위한 실험과 탐색의 해였습니다. 이러한 영향을 확대하고 생성형 AI의 ROI를 극대화해야 합니다. 에이전트는 이를 실현할 수 있는 티켓입니다." 

엔터프라이즈의 성공적인 AI 구현에 대한 자세한 내용은 Maryam Ashoori의 에이전틱 AI 비용 분석 가이드를 참조하세요. 또한 Vyoma Gajjar와 Chris Hay가 IBM의 Mixture of Experts 팟캐스트에서 2025년 AI에 대한 예측에 대해 설명하는 것을 놓치지 마세요.