ㅁ 멀티에이전트 협업

ㅇ 정의:
여러 개의 인공지능 에이전트가 동일한 목표를 위해 역할을 분담하고 상호작용하며 문제를 해결하는 방식.

ㅇ 특징:
– 각 에이전트가 독립적인 판단과 실행 능력을 가짐
– 협업을 위해 통신 프로토콜이나 공유 메모리 등을 사용
– 작업 부하 분산 및 병렬 처리 가능
– 에이전트 간 충돌 해결 및 의사결정 조율 필요

ㅇ 적합한 경우:
– 복잡한 문제를 여러 하위 작업으로 나눌 수 있는 경우
– 실시간 대응과 병렬 처리가 중요한 환경(예: 로봇 군집, 분산 데이터 분석)
– 다양한 전문성을 가진 AI 모듈이 필요할 때

ㅇ 시험 함정:
– 멀티에이전트 시스템과 단일 에이전트의 다중 모듈 구조를 혼동
– 협업과 경쟁(Competitive) 멀티에이전트의 개념 혼동
– 통신 방식이 반드시 네트워크 기반이라고 단정하는 오류

ㅇ 시험 대비 “패턴 보기” 예시:
O: “여러 AI 에이전트가 역할을 나누어 공동의 목표를 달성한다.”
X: “멀티에이전트 협업은 항상 중앙집중식 제어를 사용한다.”

================================

1. Co-Working AI

ㅇ 정의:
사람 또는 다른 AI와 함께 실시간 또는 비동기적으로 협력하여 업무를 수행하는 AI 시스템.

ㅇ 특징:
– 인간-인공지능 간 또는 AI-AI 간 협업 가능
– 대화형 인터페이스, 작업 분배 알고리즘, 상태 공유 메커니즘 활용
– 상호 보완적 역할 수행(예: 데이터 분석 AI와 보고서 작성 AI)
– 상황 변화에 따른 동적 역할 재조정 가능

ㅇ 적합한 경우:
– 사람이 창의적 판단을 내리고 AI가 반복적·분석적 작업을 수행하는 경우
– 여러 AI가 전문 영역별로 나누어 작업해야 하는 프로젝트
– 고객 서비스, 연구개발, 긴급 상황 대응 등 협업이 중요한 영역

ㅇ 시험 함정:
– Co-Working AI를 단순한 자동화 봇과 동일시하는 오류
– 협업이 반드시 동시간대(실시간)로만 이루어진다고 오해
– 사람과 AI 협업만 포함하고 AI 간 협업은 제외한다고 잘못 이해

ㅇ 시험 대비 “패턴 보기” 예시:
O: “Co-Working AI는 사람과 AI, 또는 AI 간 협업을 지원한다.”
X: “Co-Working AI는 반드시 사람과 함께만 작업해야 한다.”

ㅁ 추가 학습 내용

멀티에이전트 협업 학습 정리

1. 에이전트 간 통신 방식
– 메시지 패싱: 에이전트들이 직접 메시지를 주고받으며 정보 교환
– 블랙보드 모델: 중앙의 공유 공간(블랙보드)에 정보를 기록하고 다른 에이전트가 이를 참조하여 작업 진행

2. 의사결정 메커니즘
– 중앙집중식: 중앙 제어 장치나 에이전트가 모든 의사결정을 담당
– 분산식: 각 에이전트가 독립적으로 의사결정을 내리며 상호 조율

3. 충돌 해결 전략
– 우선순위 규칙: 미리 정해진 규칙에 따라 작업 순서나 권한을 결정
– 협상 알고리즘: 에이전트 간 협상을 통해 합의된 해결책 도출

4. Co-Working AI 핵심 개념
– 인간 중심 설계(Human-in-the-loop): 중요한 의사결정 과정에 인간이 개입하여 품질과 안전성 확보
– 작업 맥락 인식(Context Awareness): 현재 상황, 환경, 작업 상태를 이해하고 이에 맞춰 동작
– 협업 품질 측정 지표: 업무 완료 시간, 오류율 등 협업 성과를 수치로 평가

5. 실무 사례
– GitHub Copilot: AI 기반 코드 작성 및 제안 도구
– Google Docs 실시간 공동 편집: 다수가 동시에 문서를 수정하고 변경 사항을 즉시 공유
– 로봇 군집 제어 시스템: 다수의 로봇이 협력하여 작업을 수행하는 제어 방식