Agentic AI 설명과 사용법 — 챗봇·RPA와 차이부터 실무 도입 3단계까지

챗봇도 RPA도 아니다 — '답하는 AI'와 '일하는 AI'의 차이

세 가지를 한 줄로 구분하면 이래요. 챗봇은 답하고, RPA는 반복하고, 에이전트는 판단해요. 챗봇은 물어봐야 움직이는 상담원, RPA는 정해진 클릭 순서를 그대로 재생하는 매크로에 가까워요. 반면 Agentic AI는 '이번 분기 경쟁 브랜드 캠페인을 정리해줘' 같은 목표를 받으면 검색하고, 데이터를 조회하고, 표로 정리하는 일련의 행동을 스스로 연결해요. 자동화 업계에서 쓰는 판별법도 단순해요. 사람이 답해야 하는 일이면 챗봇, 사람이 똑같이 반복하는 일이면 RPA, 사람이 생각해야 하는 일이면 에이전트가 후보예요. 생성형 AI와의 관계로 보면, 생성형 AI가 두뇌라면 Agentic AI는 그 두뇌에 손발과 권한을 붙인 형태라고 이해하면 돼요.

어떻게 동작하나 — 계획, 도구 호출, 검증의 루프

에이전트의 뼈대는 세 단계 루프예요. 목표를 작은 작업으로 쪼개는 계획 단계, 검색·API·데이터베이스 같은 도구를 호출해 실행하는 단계, 결과가 목표에 맞는지 스스로 점검하고 아니면 다시 시도하는 검증 단계예요. 이 루프 덕분에 중간에 예상 못 한 상황이 나와도 경로를 바꿀 수 있어요. 화면이 조금만 바뀌어도 멈추는 RPA와 결정적으로 다른 지점이에요. 2026년 현재 도구 연결은 MCP(Model Context Protocol)라는 표준으로 빠르게 수렴하고 있고, LangGraph·CrewAI·OpenAI Agents SDK·Claude Agent SDK 같은 주요 프레임워크가 모두 MCP를 지원해요(각 프레임워크 공식 문서 기준). 개발 조직이 아니라면 Microsoft Copilot Studio, Google Vertex AI Agent Builder 같은 관리형 플랫폼에서 노코드로 시작하는 흐름이 일반적이에요.

마케팅·데이터 실무 사용법 — 시나리오 3개와 시작 순서

현장에서 먼저 자리 잡는 시나리오는 세 가지예요. 첫째, 리서치 자동화예요. 경쟁 브랜드 언급·신제품·광고 소재를 매일 수집해 요약 브리핑으로 만드는 일은 에이전트가 가장 안전하게 잘하는 영역이에요. 둘째, 캠페인 운영 보조예요. 채널별 성과를 모니터링하다 이상 징후를 감지하면 원인 후보를 정리해 담당자에게 알리고, 승인을 받아 예산 조정안을 실행하는 식이에요. 셋째, 리포팅이에요. GA4와 광고 플랫폼 데이터를 모아 주간 리포트 초안을 만들고 특이점에 코멘트를 다는 업무는 도입 사례가 빠르게 늘고 있어요. 시작 순서는 이렇게 권해요. 1단계는 실패해도 되돌릴 수 있는 읽기 전용 업무(리서치·리포트 초안), 2단계는 사람 승인을 끼운 실행 업무(예산 조정안 반영), 3단계에서 기록이 충분히 쌓인 업무만 자동 실행으로 넓히는 거예요.

도입 전 준비 — 권한, 가드레일, 평가

에이전트 도입의 성패는 모델 성능보다 준비물에서 갈려요. 첫째, 권한 최소화예요. 에이전트에게는 해당 업무에 필요한 데이터·계정 접근만 주고, 모든 행동을 로그로 남겨야 해요. 둘째, 가드레일이에요. 지출·발행·삭제처럼 되돌리기 어려운 행동에는 human-in-the-loop 승인을 강제하고, 권한을 넘는 판단은 사람에게 넘기는 에스컬레이션 규칙을 정해요. 셋째, 평가예요. 실전 투입 전에 과거 데이터로 재현 테스트를 돌리고, 투입 후에도 표본 검수로 품질 드리프트를 주기적으로 확인해야 해요. Gartner의 2026년 CIO·기술임원 서베이에서 AI 에이전트를 실제 배포한 조직은 17%에 그쳤는데, 60% 이상은 2년 안에 도입을 예상했어요. 이 격차의 상당 부분이 바로 준비물 부재에서 나와요.

과대포장 주의 — '40%는 취소된다'는 전망까지 봐야 해요

균형을 위해 반대편 숫자도 봐야 해요. Gartner는 기업용 앱의 40%가 2026년 말까지 작업 특화 에이전트를 탑재할 거라고 전망하면서도(2025년에는 5% 미만), 동시에 Agentic AI 프로젝트의 40% 이상이 2027년 말까지 취소될 거라고 예측했어요. 비용 대비 가치가 불분명하고 리스크 통제가 부족한 프로젝트가 그만큼 많다는 뜻이에요. 기존 챗봇에 '에이전트' 라벨만 바꿔 붙이는 에이전트 워싱도 여전하고요. 대형 광고주와 일하는 에이전시 관점에서 보면, 성과를 내는 조직의 공통점은 도구 선택이 아니라 업무 분해예요. '목표는 명확한데 단계가 많아 사람이 소모되는 일'을 먼저 찾아낸 조직이 에이전트로 효과를 보고, 도구부터 산 조직이 취소 통계에 들어가요.

자주 묻는 질문

Agentic AI란 무엇인가요?

목표를 주면 스스로 계획하고, 도구를 호출해 실행하고, 결과를 검증하는 AI 시스템이에요. 사람이 매 단계를 승인하지 않아도 여러 단계의 업무를 이어서 수행한다는 점이 챗봇·단순 자동화와 다른 핵심이에요.

생성형 AI와 뭐가 다른가요?

생성형 AI는 텍스트·이미지 같은 결과물을 만드는 능력이고, Agentic AI는 그 능력에 계획·실행·검증 루프와 도구 접근 권한을 붙인 활용 형태예요. 생성형 AI가 두뇌라면 에이전트는 두뇌에 손발을 단 셈이에요.

어떻게 시작하나요?

되돌릴 수 있는 읽기 전용 업무(리서치 요약, 리포트 초안)부터 시작하세요. 도구 선택은 그다음이에요. 실행 권한이 필요한 업무에는 반드시 사람 승인 단계를 끼우고, 로그와 평가 체계를 갖춘 뒤에 범위를 넓히는 게 안전해요.

코딩을 못 해도 쓸 수 있나요?

가능해요. Microsoft Copilot Studio, Google Vertex AI Agent Builder 같은 노코드 관리형 플랫폼이 있고, 복잡한 워크플로 제어가 필요해질 때 LangGraph 같은 개발 프레임워크로 넘어가면 돼요.