ㅁ 구성/활용법

1. Agentic AI

ㅇ 정의:
– 스스로 목표를 설정하고 계획을 세워 실행하며, 환경 변화에 따라 적응하는 AI 시스템.
– 단순 질의응답형 LLM과 달리 장기적 과업 수행과 의사결정이 가능.

ㅇ 특징:
– 자율성(Autonomy), 목표 지향성(Goal-Oriented), 환경 인식(Context Awareness), 실행 능력(Action Execution).
– 외부 도구와 API를 호출하여 작업을 완수.

ㅇ 적합한 경우:
– 복잡한 문제 해결, 다단계 의사결정, 지속적 모니터링과 조치가 필요한 업무.

ㅇ 시험 함정:
– 단순 챗봇과 혼동 유도.
– ‘Agentic AI’는 항상 인간 개입이 필요하다는 오답 패턴.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: Agentic AI는 스스로 계획을 세우고 실행하는 특성을 가진다.
– X: Agentic AI는 반드시 사람의 지시 없이는 아무것도 할 수 없다.

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

2. Multi-Agent System

ㅇ 정의:
– 여러 개의 에이전트가 협력 또는 경쟁하며 공동의 목표를 달성하는 시스템.

ㅇ 특징:
– 각 에이전트는 독립적인 의사결정 능력을 가짐.
– 분산 처리, 병렬성, 상호작용 기반 문제 해결.

ㅇ 적합한 경우:
– 복잡한 시뮬레이션, 분산 환경, 다중 역할 수행이 필요한 업무.

ㅇ 시험 함정:
– ‘Multi-Agent System’은 반드시 동일한 목표만 공유한다는 오답.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: Multi-Agent System은 에이전트 간 협력과 경쟁이 모두 가능하다.
– X: Multi-Agent System 내 모든 에이전트는 동일한 지식을 공유해야 한다.

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

3. Agentic RAG

ㅇ 정의:
– Retrieval-Augmented Generation(RAG)에 에이전트의 자율성과 계획 능력을 결합한 접근 방식.

ㅇ 특징:
– 쿼리 기반 정보 검색 + 검색 결과 활용 계획 수립 + 실행.
– 검색-이해-행동의 순환 구조.

ㅇ 적합한 경우:
– 대규모 지식베이스 활용, 동적 정보 검색과 후속 조치가 필요한 업무.

ㅇ 시험 함정:
– 단순 RAG와 동일하다고 오인.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: Agentic RAG는 검색한 정보를 바탕으로 후속 행동을 계획하고 실행할 수 있다.
– X: Agentic RAG는 검색 기능만 제공하고 실행은 불가능하다.

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

4. 에이전트 오케스트레이션

ㅇ 정의:
– 여러 에이전트의 역할, 순서, 상호작용을 조율하여 목표 달성을 최적화하는 기법.

ㅇ 특징:
– 워크플로우 설계, 에이전트 간 데이터 전달, 충돌 해결.
– 중앙집중형 또는 분산형 조율 방식.

ㅇ 적합한 경우:
– 다중 에이전트 협업, 복잡한 업무 프로세스 자동화.

ㅇ 시험 함정:
– 오케스트레이션이 단일 에이전트 내 동작만을 의미한다고 오인.

ㅇ 시험 대비 “패턴 보기” 예시:
– O: 에이전트 오케스트레이션은 여러 에이전트의 협력 과정을 설계하고 관리한다.
– X: 에이전트 오케스트레이션은 한 에이전트의 내부 알고리즘 최적화만을 의미한다.

ㅁ 추가 학습 내용

1) Agentic AI 구성 요소
– Perception: 외부 환경에서 정보를 수집하고 인식하는 단계. 예: 컴퓨터 비전, 음성 인식, 센서 데이터 처리.
– Reasoning: 수집된 정보를 바탕으로 상황을 이해하고 추론하는 단계. 예: 규칙 기반 추론, 기계 학습 모델, 지식 그래프 활용.
– Planning: 목표 달성을 위해 최적의 행동 순서를 설계하는 단계. 예: 경로 계획 알고리즘, 일정 최적화, 강화학습 기반 계획.
– Action: 계획된 행동을 실제로 수행하는 단계. 예: 로봇 제어, API 호출, 자동화 스크립트 실행.

2) Multi-Agent System의 통신 방식
– Direct Messaging: 에이전트 간 직접 메시지를 주고받는 방식. 빠른 응답 가능하지만 연결 관리가 복잡.
– Blackboard System: 공유 메모리 공간(블랙보드)에 정보를 기록하고 다른 에이전트가 이를 읽는 방식. 구조가 단순하고 확장성 좋지만 실시간성은 낮을 수 있음.
– 동기 상호작용: 요청과 응답이 순차적으로 이루어짐. 예측 가능성이 높지만 대기 시간이 발생.
– 비동기 상호작용: 요청과 응답이 독립적으로 처리됨. 효율적이지만 상태 관리가 복잡.

3) Agentic RAG의 Retrieval 단계 성능 최적화
– 인덱싱 기법: 역색인(Inverted Index), 트리 기반 인덱스, 벡터 인덱스(FAISS 등) 활용.
– 임베딩 기법: 문서와 쿼리를 동일한 벡터 공간에 매핑하여 유사도 검색. 예: Word2Vec, BERT, Sentence Transformers.

4) 에이전트 오케스트레이션의 실패 복구 전략과 장애 처리
– 재시도 메커니즘(Retry)
– 대체 경로 설정(Fallback)
– 체크포인트 저장 및 롤백
– 장애 감지 및 알림 시스템 구축

5) 실제 산업 적용 사례 및 장단점
– 고객 서비스 자동화: 장점은 24시간 응대, 비용 절감. 단점은 복잡한 문의 처리 한계.
– 공급망 관리: 장점은 재고 최적화, 예측 정확도 향상. 단점은 초기 구축 비용과 데이터 품질 의존도.
– 금융 리스크 분석: 장점은 실시간 위험 감지, 대규모 데이터 처리. 단점은 모델 해석 어려움, 규제 준수 부담.

6) 유사 개념 차이
– 자율성: 외부 개입 없이 스스로 판단·행동하는 능력.
– 협력: 여러 주체가 공동 목표를 위해 상호 작용하는 것.
– 계획: 목표 달성을 위한 절차와 순서를 설계하는 행위.
– 조율: 여러 요소나 주체의 활동을 조합·조정하여 원활하게 진행되도록 하는 것.