AI 에이전트란 무엇인가

챗봇은 대답하고, 에이전트는 움직인다

AI를 오래 써온 사람도 "AI 에이전트가 ChatGPT랑 뭐가 다른가요?"라는 질문 앞에서는 잠시 멈춥니다. 둘 다 대화창에 말을 입력하고, 둘 다 그럴듯한 답을 내놓기 때문입니다. 겉모습만 보면 차이가 작아 보입니다. 하지만 실제 업무에 투입해 보면 둘은 완전히 다른 종류의 도구입니다.

챗봇은 기본적으로 대화형 인터페이스입니다. 사용자가 질문하면 답하고, 글을 써 달라고 하면 글을 생성하고, 문서를 요약해 달라고 하면 요약합니다. 물론 요즘의 ChatGPT, Claude, Gemini는 단순한 챗봇이라고 부르기 미안할 정도로 강력합니다. 긴 문서를 읽고, 이미지를 이해하고, 코드를 설명하고, 복잡한 문제를 함께 풀 수 있습니다. 그래도 중심은 여전히 "사용자가 요청하면 응답한다"에 가깝습니다.

반면 AI 에이전트는 목표를 달성하기 위해 계획을 세우고, 필요한 도구를 호출하고, 실행 결과를 보고 다음 행동을 조정하는 작업 수행 시스템입니다. TechTarget은 챗봇을 사람과 대화하는 소프트웨어로, AI 에이전트를 작업과 워크플로를 자동화하기 위해 AI를 사용하는 자율 시스템으로 구분합니다.¹ 이 차이는 단어의 문제가 아니라 일하는 방식의 차이입니다.

예를 들어 보겠습니다.

사용자가 챗봇에게 이렇게 말합니다.

"다음 주 회의 준비를 어떻게 하면 좋을까?"

챗봇은 회의 준비 체크리스트를 알려줍니다. 안건 정리, 참석자 확인, 이전 회의록 검토, 자료 준비 같은 항목을 제안합니다. 꽤 유용합니다. 하지만 실제 회의록을 열고, 미완료 항목을 추리고, 참석자에게 메일을 보내고, 캘린더 초대를 만드는 일은 여전히 사람이 해야 합니다.

이번에는 에이전트에게 이렇게 맡깁니다.

"다음 주 제품 회의 준비해 줘. 지난 회의록을 확인하고, 미완료 할 일을 정리한 뒤, 이번 회의 안건 초안을 만들어 줘. 참석자에게 보낼 이메일 초안도 작성해 줘."

잘 설계된 에이전트라면 먼저 필요한 파일을 찾습니다. 지난 회의록을 읽고, 액션 아이템을 추출하고, 완료 여부가 불분명한 항목은 별도로 표시합니다. 그다음 회의 안건 초안을 만들고, 이메일 초안을 작성합니다. 이메일을 실제로 발송하기 전에는 "이 내용으로 보내도 될까요?"라고 사람에게 승인을 요청할 수 있습니다.

여기서 중요한 것은 에이전트가 더 화려한 문장을 쓴다는 점이 아닙니다. 핵심은 대화창 안에서 끝나는 답변을 넘어, 실제 업무 흐름을 움직인다는 점입니다.

에이전트의 기본 구조: 목표, 계획, 도구, 실행, 피드백

AI 에이전트를 너무 신비롭게 생각할 필요는 없습니다. 에이전트는 마법사가 아니라 일을 처리하는 절차를 가진 시스템입니다. 내부를 단순화하면 대략 다음 흐름으로 움직입니다.

1. 사용자가 목표를 준다.

2. 에이전트가 목표를 작은 단계로 나눈다.

3. 각 단계에 필요한 도구를 고른다.

4. 도구를 실행한다.

5. 실행 결과를 읽고 다음 행동을 정한다.

6. 필요하면 사람에게 질문하거나 승인을 요청한다.

7. 최종 결과물을 만든다.

예를 들어 "경쟁사 5곳의 가격 정책을 조사해서 표로 정리해 줘"라는 목표를 받았다고 해 봅시다. 에이전트는 곧바로 멋진 보고서를 쓰는 것이 아니라, 먼저 일을 나눠야 합니다. 경쟁사 목록을 확인하고, 각 회사의 가격 페이지를 찾고, 플랜명과 가격, 주요 기능, 무료 체험 여부를 추출하고, 정보가 최신인지 확인하고, 마지막으로 표와 요약을 만들어야 합니다.

이때 에이전트가 사용할 수 있는 도구가 많을수록 실제 업무에 가까워집니다. 웹 검색 도구가 있으면 최신 정보를 찾을 수 있고, 브라우저 조작 도구가 있으면 웹페이지를 열어 버튼을 누르거나 스크롤할 수 있습니다. 파일 읽기 도구가 있으면 PDF나 스프레드시트를 분석할 수 있고, 쓰기 도구가 있으면 보고서 파일을 생성할 수 있습니다. 이메일이나 캘린더와 연결되어 있다면 초안 작성에서 일정 등록까지 이어질 수 있습니다.

Anthropic의 Claude Agent SDK 문서도 에이전트가 파일 읽기, 파일 쓰기, 기존 파일 편집, 명령 실행, 파일 검색, 웹 검색, 웹페이지 가져오기 같은 도구를 사용할 수 있음을 설명합니다.² 즉, 에이전트의 힘은 "머릿속 지식"만이 아니라 손에 쥔 도구에서 나옵니다.

이 관점이 중요합니다. 많은 사람이 "어떤 모델이 더 똑똑한가?"만 묻습니다. 물론 모델의 추론 능력은 중요합니다. 하지만 에이전트 실무에서는 질문이 조금 바뀌어야 합니다.

"이 AI가 무엇을 알고 있는가?"보다 "이 AI가 어떤 도구로 어디까지 실행할 수 있는가?"가 더 중요할 때가 많습니다.

챗봇과 에이전트의 차이를 업무 기준으로 보기

챗봇과 에이전트의 차이는 "답변"과 "실행"의 차이입니다. 하지만 실제로는 경계가 흐릴 때도 있습니다. 요즘 챗봇도 파일을 읽고, 웹 검색을 하고, 이미지를 분석합니다. 반대로 에이전트도 사용자와 대화하면서 질문을 주고받습니다. 그래서 이름만 보고 판단하면 헷갈립니다.

업무 기준으로 보면 구분이 훨씬 쉬워집니다.

예를 들어 "고객 피드백을 분석해 줘"라고 했을 때 챗봇은 붙여 넣은 피드백을 읽고 주요 불만을 요약해 줄 수 있습니다. 이것만으로도 큰 도움이 됩니다. 하지만 에이전트는 한 단계 더 나아갈 수 있습니다. 고객 피드백이 들어 있는 스프레드시트를 열고, 최근 3개월 데이터를 필터링하고, 불만 유형을 분류하고, 빈도와 예시를 정리한 뒤, 보고서 파일을 만들 수 있습니다. 회사 업무 앱과 연결되어 있다면 특정 유형의 불만을 담당 팀의 이슈로 등록할 수도 있습니다.

물론 이 모든 것을 아무 에이전트나 자동으로 잘하는 것은 아닙니다. 에이전트는 연결된 도구, 권한, 작업 설계, 검증 절차에 따라 능력이 크게 달라집니다. 그래서 에이전트를 잘 쓰는 사람은 단순히 "AI야 해 줘"라고 말하지 않습니다. 목표를 분명히 주고, 필요한 자료의 위치를 알려주고, 실행 가능한 범위를 정하고, 사람이 확인해야 할 지점을 설계합니다.

도구 사용: 에이전트의 진짜 손과 발

AI 에이전트에서 가장 중요한 능력은 "더 똑똑한 답변"이 아니라 외부 도구를 사용해 실제 일을 진행하는 능력입니다. 사람으로 비유하면 지식이 머리라면 도구는 손과 발입니다. 머리만 좋은 사람도 책상 앞에서 아무 도구 없이 앉아 있으면 할 수 있는 일이 제한됩니다. 반대로 적절한 도구와 권한을 가진 사람은 자료를 찾고, 문서를 만들고, 시스템에 입력하고, 다른 사람에게 전달할 수 있습니다.

에이전트가 자주 사용하는 도구는 다음과 같습니다.

• 검색 도구: 웹 검색, 사내 문서 검색, 논문 검색, 뉴스 검색

• 코드 실행 도구: 계산, 데이터 처리, 간단한 스크립트 실행, 오류 분석

• 데이터 도구: 데이터베이스 조회, 스프레드시트 분석, CRM·ERP 데이터 확인

• 파일 도구: PDF 읽기, 문서 생성, 파일명 변경, 폴더 정리, 형식 변환

• 업무 앱 도구: 이메일, 캘린더, Slack, Teams, Notion, Jira, Asana 등과의 연동

• 브라우저 도구: 웹사이트 열기, 클릭, 입력, 스크롤, 화면 캡처, 양식 작성 보조

이 중 하나만 연결되어도 업무 방식은 달라집니다. 파일 읽기만 가능해도 "이 PDF 요약해 줘"를 넘어서 "이 폴더의 계약서 30개에서 갱신일과 위약금 조항을 찾아 표로 정리해 줘"가 가능해집니다. 브라우저 조작이 가능해지면 "이 사이트에서 정보를 찾아 줘"를 넘어서 "각 페이지를 열고 가격 정보를 확인한 뒤 스프레드시트에 정리해 줘"가 가능합니다.

다만 도구 사용은 양날의 검입니다. 에이전트가 파일을 읽을 수 있으면 편리하지만, 민감한 파일을 잘못 읽을 위험도 생깁니다. 이메일을 보낼 수 있으면 시간을 아끼지만, 잘못된 수신자에게 잘못된 내용을 보낼 가능성도 생깁니다. 캘린더를 수정할 수 있으면 일정 관리가 쉬워지지만, 중요한 약속을 엉뚱하게 바꿀 수도 있습니다.

그래서 에이전트의 성능은 "얼마나 많은 도구를 연결했는가"만으로 판단하면 안 됩니다. 더 중요한 질문은 이것입니다.

"이 도구를 어떤 조건에서, 어느 권한으로, 어떤 승인 절차를 거쳐 쓰게 할 것인가?"

브라우저 조작: AI에게 눈과 손을 달아 주는 일

브라우저 조작은 에이전트 활용에서 가장 직관적이면서도 위험한 영역입니다. 브라우저를 조작할 수 있다는 말은 에이전트가 웹사이트를 열고, 페이지를 읽고, 버튼을 클릭하고, 입력창에 텍스트를 넣고, 스크롤하고, 필요한 정보를 추출할 수 있다는 뜻입니다. Composio의 Browser Tool MCP 문서에서도 웹페이지 내용 가져오기, 마우스 클릭, 키보드 입력, 드래그 앤드 드롭, 스크린샷, URL 이동 같은 브라우저 작업을 에이전트 도구로 제공할 수 있다고 설명합니다.³

브라우저 조작 에이전트는 다음과 같은 업무에 유용합니다.

• 웹 리서치: 여러 페이지를 방문해 정보를 수집하고 비교한다.

• 경쟁사 모니터링: 가격, 기능, 채용 공고, 공지사항 변화를 확인한다.

• 예약·신청 절차 보조: 양식 입력을 도와주고 제출 전 확인을 요청한다.

• 웹앱 테스트: 버튼 클릭, 로그인 흐름, 결제 전 단계, 화면 표시를 점검한다.

• 자료 수집: 페이지의 표, 목록, 링크, 이미지 설명 등을 추출한다.

예를 들어 신입 채용 공고를 모니터링한다고 해 봅시다. 에이전트는 경쟁사 채용 페이지를 열고, 직무명과 근무지, 요구 경력, 등록일을 추출할 수 있습니다. 지난주 결과와 비교해 새로 올라온 공고만 표시할 수도 있습니다. 이 작업을 사람이 하면 지루하고 빠뜨리기 쉽지만, 에이전트에게는 비교적 잘 맞는 일입니다. 목표가 분명하고, 반복 가능하며, 검증할 수 있는 자료가 있기 때문입니다.

하지만 브라우저 조작에는 반드시 사람이 확인해야 하는 지점이 있습니다. 특히 로그인, 결제, 개인정보 입력, 법적 효력이 있는 제출, 외부 발송은 자동으로 끝까지 맡기면 안 됩니다. 에이전트가 여행 예약 사이트에서 항공권을 검색하고 후보를 비교하는 것은 좋습니다. 하지만 결제 버튼을 누르기 전에는 사람이 가격, 날짜, 환불 조건, 수하물 조건을 직접 확인해야 합니다.

실무에서는 브라우저 에이전트에게 이렇게 지시하는 방식이 안전합니다.

"후보를 찾아서 비교표를 만들어 줘. 단, 로그인, 결제, 제출, 개인정보 입력이 필요한 단계에서는 멈추고 나에게 확인을 요청해."

이 한 문장이 사고를 크게 줄입니다. 에이전트를 안전하게 쓰는 사람은 AI가 어디까지 가야 하는지만 정하지 않습니다. 어디서 멈춰야 하는지도 정합니다.

파일 처리: 폴더 안에서 일하는 디지털 동료

파일 처리 에이전트는 많은 직장인에게 가장 현실적인 첫 번째 에이전트가 될 가능성이 큽니다. 우리가 매일 하는 일 중 상당수는 파일을 열고, 읽고, 이름을 바꾸고, 내용을 합치고, 표로 정리하고, 다른 형식으로 저장하는 일이기 때문입니다.

예를 들어 이런 작업을 생각해 볼 수 있습니다.

• 영수증 이미지와 PDF를 읽어 지출 내역 스프레드시트로 정리한다.

• 여러 개의 회의록에서 결정 사항과 할 일을 추출한다.

• 제안서 초안 폴더를 읽고 누락된 항목을 점검한다.

• PDF 보고서를 요약해 임원 보고용 1페이지 문서로 만든다.

• 파일명을 날짜_고객명_문서종류 형식으로 통일한다.

• Word 문서를 Markdown으로 변환하거나, Markdown을 발표 자료 초안으로 바꾼다.

이런 일은 대단히 창의적인 일은 아니지만 시간을 많이 잡아먹습니다. 게다가 사람이 반복해서 하면 실수가 생깁니다. 에이전트는 이런 반복적 파일 업무에서 큰 효과를 냅니다.

하지만 파일 처리에도 안전장치가 필요합니다. 가장 좋은 방식은 에이전트가 접근할 수 있는 폴더를 제한하는 것입니다. 예를 들어 "내 컴퓨터 전체"가 아니라 "이번 프로젝트 자료 폴더"만 접근하게 합니다. 그리고 삭제나 덮어쓰기 같은 위험한 작업은 금지하거나, 실행 전 반드시 승인을 받게 해야 합니다.

실무에서 파일 에이전트를 쓸 때는 다음과 같은 규칙이 좋습니다.

• 원본 파일은 절대 수정하지 말고, 결과물은 별도 폴더에 저장하게 한다.

• 삭제, 이동, 대량 이름 변경은 실행 전 변경 목록을 먼저 보여 달라고 한다.

• 개인정보, 계약서, 인사 자료가 포함된 폴더는 별도 기준을 세운다.

• 결과물에는 어떤 파일을 참고했는지 출처 목록을 남기게 한다.

파일 에이전트는 성실한 비서처럼 느껴질 수 있습니다. 그러나 비서에게도 책상 위 모든 서랍 열쇠를 주지는 않습니다. 필요한 서랍의 열쇠만 주고, 중요한 문서는 결재를 받게 합니다. AI 에이전트도 마찬가지입니다.

메모리와 컨텍스트: 기억하는 AI가 더 편하지만, 더 위험할 수도 있다

에이전트를 이해할 때 꼭 구분해야 할 두 단어가 있습니다. 컨텍스트와 메모리입니다.

컨텍스트는 지금 작업에서 AI가 참고하고 있는 정보의 묶음입니다. 현재 대화, 방금 올린 파일, 시스템 지시문, 도구 실행 결과, 프로젝트 설명 등이 여기에 들어갑니다. 쉽게 말하면 AI의 "작업대 위에 펼쳐진 자료"입니다. 작업대가 넓으면 더 많은 자료를 한 번에 펼칠 수 있습니다. 하지만 아무리 넓어도 무한하지는 않습니다.

메모리는 여러 세션에 걸쳐 유지되는 정보입니다. 사용자의 선호, 프로젝트 배경, 자주 쓰는 문체, 회사의 용어, 이전 작업 결과 같은 것이 메모리에 저장될 수 있습니다. Google의 Agent Platform Memory Bank 문서는 대화 이벤트에서 의미 있는 정보를 추출하고, 기존 메모리와 통합하며, 여러 세션에서 개인화된 컨텍스트로 활용할 수 있다고 설명합니다.⁴

메모리가 있으면 에이전트는 훨씬 편해집니다. 매번 "우리 회사는 B2B SaaS를 팔고 있고, 고객은 중소기업이며, 보고서 문체는 간결하게 해 줘"라고 설명하지 않아도 됩니다. 에이전트가 이전 작업을 기억하고 있다면 "지난번 톤으로 써 줘"라는 말이 통합니다. 장기 프로젝트에서는 특히 유용합니다. 논문 리뷰, 책 집필, 제품 기획, 고객 지원, 개발 프로젝트처럼 여러 날에 걸쳐 이어지는 일은 메모리가 있을 때 흐름이 좋아집니다.

하지만 기억하는 AI는 편리한 만큼 위험도 있습니다. 오래된 정보가 계속 남아 있으면 현재 상황에 맞지 않는 판단을 할 수 있습니다. 잘못 저장된 정보가 반복적으로 사용되면 같은 실수를 계속합니다. 더 심각하게는 악의적인 지시나 거짓 정보가 메모리에 들어가는 메모리 포이즈닝 문제가 생길 수 있습니다. Google 문서도 장기 메모리를 사용할 때 프롬프트 인젝션과 메모리 포이즈닝 위험을 고려해야 하며, 샌드박스 실행과 사람의 검토 같은 완화책이 필요하다고 설명합니다.⁴

그래서 메모리는 "많을수록 좋은 것"이 아닙니다. 좋은 메모리는 정확하고, 최신이며, 검토 가능해야 합니다. 에이전트가 나를 기억하게 만들었다면, 가끔은 이렇게 물어봐야 합니다.

"너는 내 업무 방식에 대해 무엇을 기억하고 있어? 오래되었거나 틀린 정보가 있으면 내가 수정할게."

에이전트 운영에서 메모리 점검은 책상 정리와 같습니다. 한동안은 괜찮아 보여도 방치하면 낡은 메모, 중복 파일, 잘못된 연락처가 쌓입니다. 결국 일을 더 빠르게 하는 것이 아니라 더 헷갈리게 만듭니다.

에이전트가 잘하는 일

에이전트가 잘하는 일에는 공통점이 있습니다. 목표가 비교적 명확하고, 사용할 자료가 있으며, 절차가 반복 가능하고, 결과를 확인할 기준이 있습니다.

예를 들어 "지난 7일간 우리 브랜드가 언급된 뉴스를 찾아 요약해 줘"는 에이전트에게 잘 맞습니다. 기간이 정해져 있고, 검색 대상이 있으며, 결과 형식도 정할 수 있습니다. "고객 문의를 환불, 기술 문제, 기능 요청, 기타로 분류해 줘"도 잘 맞습니다. 분류 기준을 주면 반복 작업을 빠르게 처리할 수 있습니다.

에이전트에게 잘 맞는 업무는 대체로 다음과 같습니다.

• 반복적이고 규칙적인 업무

• 자료가 충분하고 출처를 확인할 수 있는 업무

• 초안 작성이 중요한 업무

• 여러 도구를 오가며 복사·정리·변환해야 하는 업무

• 사람이 최종 판단하기 전에 후보를 줄여 주는 업무

• 정해진 기준에 따라 점검표를 채우는 업무

여기서 중요한 표현은 "최종 판단하기 전에 후보를 줄여 준다"입니다. 에이전트는 사람이 볼 선택지를 정리해 주는 데 강합니다. 수백 개의 고객 피드백에서 상위 10개 이슈를 뽑고, 30페이지 보고서에서 의사결정에 필요한 쟁점을 추리고, 여러 항공권 후보를 가격과 시간 기준으로 정렬해 줍니다. 이렇게 하면 사람은 더 높은 수준의 판단에 시간을 쓸 수 있습니다.

에이전트가 약한 일

반대로 에이전트가 약한 일도 분명합니다. 기준이 모호하거나, 책임 소재가 크거나, 최신성과 정확성 검증이 필수인 고위험 의사결정은 조심해야 합니다.

예를 들어 "우리 회사가 이 시장에 진출해야 할까?"라는 질문은 에이전트가 혼자 끝낼 수 있는 문제가 아닙니다. 시장 규모, 경쟁 상황, 내부 역량, 자금 여력, 법적 리스크, 대표의 비전, 조직 문화까지 얽혀 있습니다. 에이전트가 분석 초안을 만들 수는 있지만 최종 결정자는 사람이 되어야 합니다.

법률, 의료, 금융, 세무처럼 틀렸을 때 피해가 큰 영역도 마찬가지입니다. 에이전트는 관련 자료를 정리하고 질문 목록을 만들고 전문가 상담 전 준비를 도와줄 수 있습니다. 하지만 "이 계약서에 서명해도 된다", "이 약을 먹어도 된다", "이 상품에 투자해도 된다" 같은 판단을 그대로 맡겨서는 안 됩니다.

에이전트가 약한 업무는 대체로 다음과 같습니다.

• 좋은 결과의 기준이 불분명한 일

• 윤리적 판단이나 인간관계의 맥락이 중요한 일

• 법적·금전적 책임이 큰 의사결정

• 최신 정보 확인이 필수인데 출처가 불안정한 일

• 개인정보나 영업비밀이 포함된 민감 업무

• 한 번의 실수가 되돌리기 어려운 실행 업무

AI 에이전트의 위험은 "아무것도 못 한다"가 아닙니다. 오히려 어느 정도 그럴듯하게 해내기 때문에 위험합니다. 잘못된 자료를 바탕으로 자신감 있게 보고서를 만들 수 있고, 빠진 맥락이 있는데도 자연스러운 결론을 낼 수 있습니다. 따라서 에이전트를 잘 쓰는 사람은 AI의 능력을 믿되, AI의 확신은 믿지 않습니다. 결과가 중요한 일일수록 출처, 계산, 전제, 실행 로그를 확인합니다.

완전 자율보다 승인 지점이 있는 반자율이 현실적이다

AI 에이전트를 설명하는 글에서는 종종 "목표만 주면 끝까지 알아서 한다"는 식의 표현이 등장합니다. 듣기에는 멋지지만, 실제 업무에서는 완전 자율보다 승인 지점이 있는 반자율 방식이 훨씬 현실적입니다.

좋은 에이전트 운영 방식은 다음 흐름에 가깝습니다.

1. 목표 부여

2. 계획 확인

3. 도구 실행

4. 중간 결과 검토

5. 최종 산출물 검증

예를 들어 에이전트에게 "경쟁사 분석 보고서를 만들어 줘"라고 맡긴다고 해 봅시다. 곧바로 실행하게 하지 말고 먼저 계획을 받습니다.

"먼저 어떤 경쟁사를 조사할지, 어떤 항목을 비교할지, 어떤 출처를 사용할지 계획을 제시해. 내가 승인하면 조사에 들어가."

에이전트가 계획을 제시하면 사람이 범위를 조정합니다. "A사는 빼고 D사를 넣어 줘", "가격뿐 아니라 온보딩 방식도 비교해 줘", "블로그 글보다 공식 가격 페이지를 우선해 줘"처럼 수정합니다. 그다음 실행을 허용합니다.

조사 중간에도 멈춤 지점을 둘 수 있습니다.

"각 회사별 핵심 자료를 찾은 뒤 바로 보고서를 쓰지 말고, 먼저 출처 목록과 추출한 핵심 사실을 보여 줘."

이렇게 하면 잘못된 자료를 바탕으로 멋진 보고서가 만들어지는 일을 막을 수 있습니다. 마지막에는 최종 산출물을 검증합니다.

"표에 들어간 가격과 기능이 출처와 일치하는지 다시 확인하고, 불확실한 내용은 '확인 필요'로 표시해."

이 흐름은 조금 번거로워 보이지만 실제로는 시간을 아껴 줍니다. 처음부터 끝까지 AI가 마음대로 달리게 한 뒤 결과 전체를 뜯어고치는 것보다, 중간중간 방향을 잡아 주는 편이 훨씬 빠릅니다. 에이전트는 신입 직원과 비슷합니다. 일을 맡길 수는 있지만, 처음부터 회사 인감과 법인카드를 쥐여 주지는 않습니다.

에이전트에게 일을 맡기는 안전한 지시 예시

에이전트에게 일을 맡길 때는 목표만 던지는 것보다 운영 조건을 함께 주는 것이 좋습니다. 다음은 안전한 지시문의 예입니다.

"우리 제품의 경쟁사 5곳을 조사해 가격, 핵심 기능, 무료 체험 여부, 주요 고객층을 표로 정리해 줘. 먼저 조사 계획과 사용할 출처 유형을 제안해. 내가 승인하면 웹 검색과 브라우저 조작을 사용해 조사해. 로그인, 결제, 문의 제출, 개인정보 입력이 필요한 단계에서는 진행하지 말고 멈춰서 나에게 확인해. 최종 보고서에는 출처 링크와 확인 날짜를 포함하고, 불확실한 정보는 추정하지 말고 '확인 필요'라고 표시해."

이 지시문에는 에이전트 운영의 핵심이 들어 있습니다. 목표가 있고, 계획 확인이 있고, 도구 사용 범위가 있고, 금지 행동이 있고, 최종 검증 기준이 있습니다.

에이전트에게 일을 맡길 때 특히 다음 문장을 자주 쓰면 좋습니다.

• "먼저 계획을 제시하고, 승인 전에는 실행하지 마."

• "중요한 변경이나 외부 발송 전에는 반드시 나에게 확인해."

• "출처가 없는 내용은 사실처럼 쓰지 말고 확인 필요로 표시해."

• "원본 파일은 수정하지 말고 복사본으로 작업해."

• "작업이 끝나면 무엇을 했는지 실행 로그를 요약해."

이런 문장은 에이전트를 덜 똑똑하게 만드는 것이 아니라 더 쓸모 있게 만듭니다. 좋은 관리자도 부하 직원에게 무조건 자유를 주지 않습니다. 목표, 권한, 보고 방식, 예외 상황을 정해 줍니다.

에이전트를 이해하는 가장 쉬운 비유

챗봇은 똑똑한 상담자에 가깝습니다. 물어보면 설명해 주고, 초안을 만들어 주고, 관점을 제안합니다. 이것만으로도 충분히 가치가 있습니다.

에이전트는 업무를 맡길 수 있는 실행 파트너에 가깝습니다. 단, 아직은 혼자 모든 일을 책임질 수 있는 베테랑 임원이 아니라, 빠르고 성실하지만 감독이 필요한 디지털 동료에 가깝습니다. 일을 잘게 나누면 잘합니다. 자료와 기준을 주면 더 잘합니다. 도구를 연결하면 실제 업무 흐름을 움직일 수 있습니다. 하지만 애매한 목표, 위험한 권한, 검증 없는 실행 앞에서는 실수할 수 있습니다.

따라서 에이전트 시대의 핵심 능력은 "AI에게 멋진 프롬프트를 던지는 능력"이 아닙니다. 이제는 다음 능력이 더 중요합니다.

• 일을 목표와 단계로 나누는 능력

• 필요한 자료와 도구를 지정하는 능력

• 중간 결과를 검토하고 방향을 수정하는 능력

• 실행 권한과 승인 지점을 설계하는 능력

• 최종 결과를 검증하고 책임지는 능력

AI 에이전트는 사람의 일을 없애는 도구라기보다, 사람이 일의 운영자가 되게 만드는 도구입니다. 직접 모든 자료를 찾고, 복사하고, 붙여 넣고, 정리하던 사람은 이제 목표를 정하고, 흐름을 설계하고, 결과를 판단하는 쪽으로 이동합니다.

이 장에서 기억해야 할 문장은 하나입니다.

에이전트는 스스로 일하는 AI가 아니라, 사람이 설계한 목표와 권한과 검증 구조 안에서 일할 때 가장 강력한 AI다.

다음 장부터는 이 개념을 실제 업무 흐름으로 바꿔 볼 차례입니다. 매일 아침 뉴스 브리핑, 경쟁사 모니터링, 고객 문의 분류, 리서치에서 문서화까지 이어지는 작업을 어떻게 에이전트형 워크플로로 만들 수 있는지 살펴보겠습니다.

참고

¹AI agent vs. chatbot: Breaking down the differences

²Claude Agent SDK overview

³How to integrate Browser tool MCP with Claude Agent SDK

⁴Agent Platform Memory Bank