AI의 발전 단계는 일반적으로 '좁은 인공지능(ANI)', '넓은 인공지능(AGI)', '초월 인공지능(ASI)' 세 단계로 나뉜다. 엔비디아의 젠슨 황 CEO는 '지각(Perception) AI', '생성(Generative) AI', '에이전트(Agent) AI', '로봇(Physical) AI' 네 단계로 구분했다. 전문가들은 현재를 '생성형 AI'와 '에이전트 AI'의 중간 단계로 본다.

AI 에이전트는 기존에 챗봇처럼 단순히 질문에 답하는 수준을 넘어, 정보 수집부터 추론, 실행, 피드백까지 전 과정을 AI 스스로 처리할 수 있는 자율적 시스템을 말한다. 여기서 'AI 스스로'가 핵심이다. 예컨대 유럽 여행을 문의하면 에이전트 AI는 사용자의 취향과 일정에 맞춰 최적의 여행코스 제안부터 예약까지 AI 스스로 처리한다.

이러한 변화의 개념을 '컨텍스트 엔지니어링(Context Engineering)'이라고 한다. 과거의 프롬프트 엔지니어링이 단일 명령에 반응하는 '정적 시스템'이었다면, 컨텍스트 엔지니어링은 AI 에이전트가 관련 AI와 협력해서 정보를 제공하는 '동적 시스템'이다. 오픈AI 공동 창업자인 안드레이 카파시는 이를 "다음 단계를 위해 문맥 창을 올바른 정보로 채우는 섬세한 예술이자 과학"이라고 정의했다.

최근에 많은 기업들이 AI 에이전트 선점에 사활을 걸고 있으며, 다양한 분야에서 성공 사례들이 나타나고 있다.

금융업 분야에서 JP모건은 자동화 트레이딩으로 인간보다 빠른 시장 대응에 성공했고, 골드만삭스는 고객 투자 성향을 분석해 맞춤형 자산 관리와 수익률을 개선했다.

의료업 분야에서 Mayo Clinic은 환자 데이터 분석으로 진단 정확도를 향상했고, Pfizer는 임상 데이터를 기반으로 후보 물질을 선별해 신약 개발 기간을 단축했다.

제조업 분야에서 Siemens는 센서 데이터를 활용해 설비 고장 사전 예측으로 다운타임을 25% 절감했고, GE는 항공기 엔진 관리에 적용해 연료 효율과 부품 수명 연장으로 큰 예산 절감에 성공했다.

서비스업 분야에서 아마존은 사무환경을 자동화해 내부 생산성을 향상했고, Salesforce Einstein GPT는 24시간 자동 상담으로 상담 인력 부담 30% 감소를 실현했다.

모빌리티 분야에서 테슬라와 Waymo는 각종 교통 정보 데이터를 통해 AI 에이전트가 차선 변경·신호 대응·차량 추월까지 자율 처리하며 무사고 주행률을 개선하였다.

문화산업 분야에서 넷플릭스는 시청 데이터를 기반으로 흥행 스토리라인과 장르를 추천해 수익을 극대화했고, K-팝은 팬 반응을 분석해 뮤직비디오 안무·동선 제안과 실시간 다국어 자막·더빙을 구현했다.

이들의 공통점은 분야별 데이터 학습을 통한 지속적 성능 향상, 비용 절감, 효율성 극대화에 있다. 이는 '인간과 인간의 관계'에서 '인간과 AI의 관계'가 추가되는 세상을 의미한다. 나아가 '인간과 AI의 협력'과 '인간과 AI가 경쟁'이 공존하는 시대가 도래했음을 시사한다.

AI 시대에는 AI에 대한 지피지기가 필요한 세상이다. 이를 위해서 AI의 일상적 사용을 통한 이해, 즉 'AI 리터러시'가 필요하다.

LLM AI 개발은 천문학적 비용이 소요된다. 그러나 AI를 전문적으로 활용하는 AI 에이전트 개발은 상대적으로 저비용 고효율 비율이 높다. 기존의 스마트폰이라는 하드웨어보다 페이스북, 유튜브, 줌, 카카오톡, 배민, 마켓컬리 등의 소프트웨어 생태계가 더 큰 가치를 창출하고, 무궁무진하다는 것과 같은 이치이다.

현재 AI 발전은 서막에 불과하다. AI 에이전트의 발전이 지역과 대학, 그리고 각 분야의 전문가들에게 새로운 기회가 될 것이다.

김경수 문화전문대학원 미디어콘텐츠·컬처테크전공 교수