블루버튼에서 'AI Agent'는 단순 FAQ 챗봇이 아니라, 도구를 호출하고 다음 행동을 스스로 계획하는 실행형 AI를 뜻합니다. 이 글은 개념·이해·실무 세 층으로 구분 기준을 정리합니다.
개념 정의
AI Agent는 Perception(인식) → Reasoning(추론) → Action(행동) 루프를 반복하며 목표를 달성하는 소프트웨어 주체입니다. 사용자 질문을 받으면(P), 상황을 해석하고(R), 견적 계산·텍스트 분석·라우팅 같은 Tool Calling으로 결과를 실행(A)합니다.
| 유형 | 입력 | 처리 | 출력 | 대표 예 |
|---|---|---|---|---|
| 챗봇 | 고정 FAQ | 패턴 매칭·RAG | 텍스트 답변 | 영업시간 안내 |
| 자동화(RPA) | 트리거·스케줄 | 고정 워크플로 | API/DB 변경 | 매일 재고 동기화 |
| AI Agent | 자연어·맥락 | LLM+도구 선택 | 실행 결과+설명 | 견적 산출 후 명세 연결 |
메커니즘: ReAct 루프
ReAct(Reason + Act)는 생각(Thought) → 행동(Action) → 관찰(Observation) 을 반복하는 프레임입니다. 블루버튼 Agent Executor는 LLM이 tool_calls를 생성하면 도구를 실행하고, 결과를 다시 LLM에 넣어 최종 답을 만듭니다.
Thought: 사용자가 MVP 견적을 원함
Action: quotation-tool 호출
Observation: 800만~1200만 범위 산출
Thought: 범위가 넓으니 Must 기능 3개로 좁히자
Action: 사용자에게 확인 질문
멀티 에이전트 모드에서는 Coordinator가 질문 유형을 분류한 뒤 project_navigator, learning_assistant 등 전문 Agent로 라우팅합니다.
이론적 배경
자율 Agent 연구(BDI: Belief-Desire-Intention)에서 Agent는 환경을 관찰하고 의도에 맞게 행동합니다. LLM Agent는 BDI의 Belief를 대화·세션 컨텍스트로, Desire를 사용자 목표로, Intention을 tool call 시퀀스로 구현합니다. 챗봇은 Belief만 갱신하고 Action이 없고, RPA는 Intention이 사전 고정되어 Reasoning이 제한됩니다.
30초 요약
- 챗봇은 말로 답하고, 자동화는 정해진 순서로 돌고, Agent는 상황에 맞게 도구를 골라 실행합니다.
- ReAct 루프와 Tool Calling이 Agent의 핵심 메커니즘입니다.
- 도입 전 10문항 자가진단으로 Agent가 필요한지 먼저 판단하세요.
일반 챗봇은 안내 데스크처럼 정해진 답만 내고, RPA는 컨베이어 벨트처럼 같은 물건을 반복 운반합니다. AI Agent는 주니어 매니저에 가깝습니다. 업무 지시를 받으면 견적표를 열어보고, 숫자가 이상하면 다시 물어보고, 결과를 정리해 올립니다.
FAQ
Q. 우리 서비스에 챗봇만으로 충분한가요?
A. FAQ 20개 이하·답이 항상 동일·외부 API 호출 불필요하면 챗봇으로 충분합니다. 견적·분석·다단계 기획이 필요하면 Agent를 검토하세요.
Q. Agent와 RPA를 같이 쓸 수 있나요?
A. 네. Agent가 '무엇을 할지' 결정하고, RPA가 '정해진 백오피스 작업'을 실행하는 하이브리드가 흔합니다.
Q. auto_select는 무엇인가요?
A. agent_id 없이 요청하면 Coordinator가 질문 유형에 맞는 전문 Agent를 자동 선택하는 블루버튼 API 옵션입니다.
Q. Agent 도입 비용은 챗봇보다 항상 높나요?
A. LLM 토큰·도구 호출 비용이 추가되지만, 사람 검토 시간을 줄이면 TCO는 낮아질 수 있습니다. 90일 로드맵으로 단계 도입을 권장합니다.
Q. 어디서부터 시작하면 좋나요?
A. AI 도구 200% 활용 원칙을 익힌 뒤, 단일 Agent+내부 도구 1~2개로 PoC하세요.
용어 사전
| 용어 | 설명 |
|---|---|
| ReAct | Reasoning과 Acting을 교차 반복하는 Agent 패턴 |
| Tool Calling | LLM이 외부 함수·API를 호출하도록 하는 인터페이스 |
| Perception | 사용자 입력·세션·RAG 문서 등 환경 정보 수집 |
| Coordinator | 멀티 Agent 환경에서 라우팅을 담당하는 상위 Agent |
| auto_select | agent_id 미지정 시 최적 Agent 자동 선택 |
팁: Agent PoC는 '말 잘하는 AI'가 아니라 도구 1개가 실제로 실행되는지로 성공을 판단하세요. quotation-tool 한 번 성공이 첫 마일스톤입니다.
실무: 10문항 자가진단 체크리스트
각 항목에 예(2점)·부분(1점)·아니오(0점). 14점 이상이면 Agent, 8~13점은 강화 챗봇, 7점 이하는 RPA/수동 검토.
| # | 질문 | 예=2 |
|---|---|---|
| 1 | 사용자마다 다른 다음 행동이 필요한가? | |
| 2 | 견적·계산·분석 등 실행 결과가 필요한가? | |
| 3 | 대화 3턴 이상 맥락 유지가 핵심인가? | |
| 4 | FAQ만으로 답변 커버율 80% 미만인가? | |
| 5 | 전문 영역(기획/학습/쇼핑)별 다른 페르소나가 필요한가? | |
| 6 | 내부 도구(견적, 텍스트 분석) 연동이 가치 있는가? | |
| 7 | 실패 시 사람에게 넘기는 핸드오프가 정의 가능한가? | |
| 8 | 응답 품질을 KPI로 측정할 계획이 있는가? | |
| 9 | 90일 내 PoC 일정이 있는가? | |
| 10 | 팀에 프롬프트·세션 관리 담당이 있는가? |
Before / After
| Before (챗봇만) | After (Agent) |
|---|---|
| "견적은 영업팀에 문의하세요" | Must 3개 기준 800~1200만 산출 |
| 매번 처음부터 요구사항 설명 | session_id로 15분 기획 이어하기 |
| 카테고리별 다른 톤 불가 | fashion/tech/beauty Curator 라우팅 |
KPI
- Tool 실행 성공률 ≥ 90%
- 첫 응답→목표 달성 평균 턴 수 ≤ 5
- 사람 핸드오프율 ≤ 25% (초기 PoC)
다음 단계
- 멀티 에이전트 라우팅으로 질문 경로 설계
- Tool Calling 실전으로 도구 연동
- Agent vs 자동화 의사결정으로 조직 합의