목차
전제조건과 핵심 구분
AI 에이전트가 모든 자동화 작업을 대신할 필요는 없습니다. 기본적인 API와 자동화 도구 개념을 알고 있는 사용자가 반복 업무를 자동화하려는 상황을 전제로 합니다.
판단의 핵심은 작업 결과를 규칙으로 예측할 수 있는지, 실행 중 판단과 다음 행동 선택이 필요한지입니다. 정해진 입력에 항상 같은 처리를 한다면 단순 자동화가 적합하고, 상황에 따라 계획을 바꿔야 한다면 에이전트를 검토할 수 있습니다.
결정론적 작업과 에이전트 자율성
NIST의 정의에 따르면 결정론적 알고리즘은 같은 입력에 항상 같은 출력을 냅니다. 상태가 있는 시스템에서는 저장된 이전 상태도 결과에 영향을 주는 입력으로 살펴야 합니다. 현재 시각이나 외부 API 응답이 달라질 수 있다면 겉으로 보이는 요청이 같아도 전체 조건이 같다고 가정할 수 없습니다.
반대로 에이전트는 목표를 바탕으로 필요한 단계를 구성하고, 상황에 따라 도구나 다음 행동을 선택하며 작업을 진행할 수 있습니다. 여러 문서를 읽고 핵심 내용을 비교하거나, 문의 내용을 분류한 뒤 적절한 자료를 찾아 답변 초안을 만드는 업무가 여기에 가깝습니다. 다만 자율성이 높을수록 예상 밖의 실행도 늘어날 수 있으므로, 단순 반복 작업에 적용하면 복잡성과 관리 비용만 커질 수 있습니다.
작업 복잡도와 불확실성
작업 단계가 고정되어 있으면 복잡해 보여도 자동화 흐름으로 표현할 수 있습니다. 중요한 것은 단계 수보다 예외와 불확실성입니다. 입력 형식이 자주 달라지고, 중간 결과에 따라 검색·분류·재시도를 선택해야 한다면 에이전트의 장점이 커집니다.
예를 들어 매일 같은 형식의 보고서를 생성하는 일은 단순 자동화에 가깝습니다. 반면 여러 출처의 정보를 확인하고, 모순을 찾아 추가 검색한 뒤 요약하는 업무는 판단 과정이 필요합니다. 이때도 규칙으로 예외를 충분히 정의할 수 있다면 먼저 일반 자동화를 설계하는 편이 테스트와 유지보수에 유리합니다.
도구 호출과 상태 관리
에이전트는 검색, 데이터베이스, 파일 시스템, 외부 API 같은 도구를 호출하며 작업을 진행합니다. 도구 호출 순서가 고정되어 있다면 파이프라인으로 만들 수 있지만, 어떤 도구를 언제 사용할지 매번 달라진다면 에이전트 구조가 더 자연스럽습니다.
상태 관리도 구분 기준입니다. 단일 실행으로 끝나는 작업은 단순 자동화로 처리하기 쉽습니다. 이전 대화, 처리 결과, 실패 원인, 승인 여부를 다음 단계에서 계속 참고해야 한다면 상태 저장소와 실행 이력이 필요합니다. 다만 상태를 관리한다고 해서 반드시 에이전트 구조가 필요한 것은 아니며, 작업 흐름 자체가 동적으로 결정되는 경우에 에이전트 도입을 검토할 수 있습니다. 상태를 남기지 않으면 같은 작업을 반복하거나 이미 처리한 대상을 다시 실행하는 문제가 생깁니다.
같은 요청이 재전송될 때를 생각해 보겠습니다. 네트워크 없는 격리 SQLite 메모리 DB에서 요청 ID에 기본키를 두고 INSERT ... ON CONFLICT DO NOTHING을 두 번 실행하자 첫 삽입은 1건, 두 번째는 0건이고 저장된 행은 1건이었습니다. SQLite 공식 문서의 충돌 처리 예시입니다.
이는 같은 ID의 DB 기록만 중복되지 않는 예시입니다. 외부 발송이나 결제가 한 번만 실행됐다는 보장은 아니므로, 같은 작업에 같은 ID를 사용하고 외부 서비스의 중복 처리와 실패 후 상태 조회도 별도로 확인해야 합니다. 서로 다른 내용에 같은 ID가 들어온 경우를 어떻게 다룰지도 정해야 합니다.
사람 승인 경계와 선택 기준
외부에 메시지를 보내거나 데이터를 수정·삭제하고, 비용이 발생하는 API를 호출하는 단계에는 사람 승인 경계를 두는 것이 안전합니다. 에이전트가 초안과 실행 계획까지만 만들고, 최종 실행은 사람이 승인하도록 나누면 자율성과 통제력을 함께 확보할 수 있습니다.
작업을 잘못 분류하면 고정 업무에 불필요한 AI 호출이 붙어 결과가 매번 달라질 수 있습니다. 반대로 승인 없이 에이전트가 외부 시스템을 변경하면 예상하지 못한 대상이 처리될 수 있으며, 실행 로그에서 어떤 판단으로 진행됐는지 확인하기 어려워집니다. 먼저 규칙으로 처리할 부분을 고정하고, 예외 판단이 필요한 구간만 에이전트에 맡긴 뒤 로그와 승인 단계를 점검하세요.
고정 규칙으로 분기하는 예시
다음 코드는 네트워크가 없는 격리 환경의 Python에서 실행한 예시입니다. 입력의 필수 값이 갖춰졌는지만 보고 처리할지 검토로 넘길지 정합니다.
requests = [{"name": "요청 A", "complete": True}, {"name": "요청 B", "complete": False}]
for request in requests:
route = "정해진 처리" if request["complete"] else "사람 검토"
print(request["name"], "→", route)
실행 결과:
요청 A → 정해진 처리
요청 B → 사람 검토
분기가 있어도 조건과 다음 단계가 모두 정해져 있으므로 이 예는 규칙 기반 자동화입니다. 도구를 직접 고르거나 새로운 계획을 세우는 AI 에이전트를 실행한 결과는 아닙니다.
요청 ID와 중복 처리 흐름
아래는 앞의 SQLite 예시와 외부 작업의 확인 범위를 구분한 설명용 도식입니다. 실제 운영 시스템의 처리 결과나 화면이 아닙니다.
- 요청 접수: 작업 ID 지정
- DB 기록: 기본키 충돌 확인
- 중복 요청: 같은 ID 삽입 방지
- 외부 작업: 발송 중복 별도 확인
결론
반복·고정·예측 가능한 작업은 단순 자동화가 기본입니다. 불확실한 입력을 해석하는 것뿐 아니라 상황에 따라 도구와 실행 순서를 선택해야 할 때 에이전트를 검토하며, 외부 변경 작업에는 사람 승인을 남겨두는 방식이 현실적입니다.