AI 에이전트는 곧 사람들을 넘어 주요 애플리케이션 사용자로 부상할 수 있습니다.

'바이너리 빅뱅'은 AI 기반 모델이 자연어 장벽을 깨고 기술 시스템, 즉 설계, 사용 및 작동 방식의 변화를 시작했을 때 발생했습니다.

미래의 애플리케이션 사용자는 오늘날 우리가 알고 있는 것과는 상당히 다를 수 있으며, 이는 단순히 더 많은 GenZ세대를 말하는 것이 아닙니다. 많은 사용자가 실제로 자율 AI 에이전트일 수 있습니다.

이는 액센츄어(Accenture)가 발표한 향후 10년 동안의 새로운 예측에서 나온 단어로, 우리의 미래가 AI 기반 자율성에 의해 어떻게 형성되고 있는지를 강조합니다. 2030년이 되면 사람이 아닌 상담원이 "대부분의 기업 내부 디지털 시스템의 주요 사용자"가 될 것이라고 연구의 공동 저자들은 말한다. 2032년까지 "에이전트와의 상호 작용은 스마트 장치에서 보낸 평균 소비자 시간에서 앱을 능가합니다."

이것은 전환의 순간을 예고하는데, 이 보고서의 주요 저자인 액센츄어(Accenture)의 CTO인 카르틱 나레인(Karthik Narain)은 이를 쌍성 빅뱅(Binary Big Bang)이라고 부른다. Narain은 "기초 모델이 자연어 장벽을 깨뜨렸을 때, 기술 시스템, 즉 설계하고, 사용하고, 작동하는 방식의 변화를 촉발했다"고 썼습니다.

이러한 새로운 개발은 "소프트웨어와 프로그래밍의 한계를 뛰어넘고, 기업의 디지털 결과물을 배가시키며, AI를 기업의 DNA에 깊이 주입하는 인지 디지털 두뇌의 토대를 마련하고 있다"고 Narain은 덧붙입니다.

그는 새로운 기술 개발 환경은 에이전트 시스템, 디지털 코어, 생성적 사용자 인터페이스라는 세 가지 영역에 초점을 맞출 것이라고 말합니다. 이들은 고도로 구성 가능한 모듈식 빌딩 블록에 배포될 것입니다.

에이전트 시스템

에이전트 시스템은 현재 "작은 코드 조각으로 큰 가능성을 보여주고 있으며, 주어진 문서와 예제가 있으면 함수와 API를 높은 정확도로 호출할 수 있습니다"라고 그는 보고합니다. "나중에 사용할 함수와 API를 만들 수 있습니다. 기업들은 엔지니어링 속도를 가속화하기 위해 이러한 기능을 새로운 모델에 빠르게 통합하고 있습니다."

Accenture 팀은 다음과 같은 표기법을 추가했습니다.

"오늘날 소프트웨어 엔지니어링을 위한 선도적인 에이전트 시스템 중 하나는 Anthropic의 Claude 3.5 Sonnet입니다. "GitHub의 실제 문제에 대한 소프트웨어 엔지니어링 벤치마크인 SWE-Bench Verified에서 테스트한 결과, 49%라는 놀라운 해결률을 달성했습니다.38 2023년에는 상담원의 해결률이 5% 미만이었습니다."

디지털 코어

디지털 코어는 AI 기반 기업을 운영하는 기술 아키텍처 및 인프라입니다. 에이전트는 "데이터 소스를 분석 플랫폼과 연결하여 의사 결정과 유용한 작업을 추진할 수 있는" 디지털 코어에 의존할 것입니다.오늘날의 에이전트 시스템은 전체 디지털 코어를 구축하고 유지 관리할 수 없지만 "그 일부를 해결하고 있다"고 Narain은 지적합니다.

액센츄어의 설문조사에 응답한 경영진의 약 절반(48%)은 상담원이 기능 및 통합을 업그레이드하고 현대화할 수 있을 것으로 기대한다고 답했습니다. 응답자의 46% 이상은 상담원이 곧 디지털 기능 및 시스템의 품질을 보장할 수 있을 것이라고 답했으며, 45%는 상담원이 내부 시스템의 기능에 액세스할 수 있을 것으로 예상했습니다.

그러나 타사 시스템에서 기능에 액세스하는 것은 아직 갈 길이 멀었으며 29%만이 가까운 시일 내에 이를 예상했습니다. 38%만이 상담원이 조직 전체의 데이터에 액세스할 수 있다고 답했습니다.

생성 UI

Narain과 그의 공동 저자는 AI 에이전트의 부상과 함께 부상하고 있는 또 다른 흥미로운 발전으로 AI 기술을 활용하여 고도로 개인화된 사용자 인터페이스를 생성하는 것과 관련된 생성형 UI를 보고 있습니다. "수십 년 동안 높은 소프트웨어 개발 비용과 저렴한 소프트웨어 배포 비용으로 인해 모든 사용자가 사용할 수 있는 단일 UI를 만든다는 아이디어가 떠올랐습니다. 그러나 이제 에이전트 시스템이 발전하고 디지털 세계에서 우리를 대신하여 더 많은 조치를 취하기 시작함에 따라 더 저렴한 코드와 언어 우선 인터페이스를 통해 동적으로 생성된 사용자 지정 UI 구성 요소를 점점 더 실현 가능하게 만드는 새로운 소프트웨어 패러다임을 주도하고 있습니다."

먼저 Accenture의 공동 저자는 팀에게 내부적으로 에이전트를 대상으로 실험해 볼 것을 촉구합니다. "시작하는 좋은 방법은 작업별 내부 에이전트를 만드는 것입니다. 소규모로 시작한 후 모듈식으로 이동하여 시간이 지남에 따라 내부 에이전트가 액세스할 수 있는 기능과 데이터를 확장하고 이를 사용하여 향후 외부 에이전트 구축을 학습하고 준비할 수 있습니다."

자율 에이전트가 확산됨에 따라 일관성과 신뢰를 유지하는 것이 중요해지고 있습니다. "기업은 이를 면밀히 감시하고 가드레일이 마련되어 있는지 확인해야 합니다"라고 보고서는 계속합니다. "이러한 시스템이 어떤 데이터에 액세스하고, 누가 이를 지시하며, 출력물의 품질은 어떠한지 등을 파악하고 있습니다. 여기서 투명성은 시스템에 대한 직원들의 신뢰를 높이는 데 도움이 됩니다. 모니터링 시스템을 만들 때 구현을 위한 거버넌스 및 기술 로드맵을 제시합니다. 또한 조직이 모니터링의 작동 방식을 이해하고 가드레일이 발전 상황을 따라갈 수 있도록 커뮤니케이션 및 유지 관리 계획을 개발합니다.
"마지막으로, Narain과 그의 공동 저자들은 "AI 에이전트는 놀라운 기술적 위업이지만 결코 완벽하지는 않습니다. 계산 비용이 많이 들고 비결정적이며 설명 가능성이 부족할 수 있습니다. 그러나 RAG(Retrieval Augmented Generation)가 LLM을 접지할 수 있는 것처럼 코드와 기능도 에이전트를 접지하여 더 쉽게 설명할 수 있도록 하고 에이전트에 대한 신뢰를 높일 수 있습니다."