AI 에이전트 혁명: 정의부터 산업 적용, 도전 과제 및 미래 전망
AI 에이전트 혁명: 정의부터 산업 적용, 도전 과제 및 미래 전망
2025년 6월 4일 현재, AI 에이전트 및 에이전틱 AI의 개념과 진화 과정은 여러 산업에서 혁신을 가져오는 핵심 기술로 자리 잡고 있습니다. 본 내용은 AI 에이전트가 어떻게 자동화된 작업을 수행하며, 대규모 언어 모델(LLM)의 발전과 함께 고도화되고 있는지를 논의합니다. AI 에이전트는 사용자의 지시에 따라 자율적으로 행동할 수 있는 능력을 지니고 있으며, 다양한 산업 분야에서 의료, 법률, 제조 및 금융업계의 구체적인 사례를 통해 그 효과를 중점적으로 분석합니다.
특히, AI 에이전트는 기존의 간단한 작업 수행을 넘어서 자율성과 목표 지향적인 행동을 지원하는 방향으로 발전하고 있습니다. 이러한 변화는 기업의 작업 방식에 혁신을 가져오고, AI 기술의 도입이 점점 더 증가하는 추세를 보이고 있습니다. 하지만 이와 함께 IBM 보고서에서 지적한 바와 같이, 많은 기업들이 AI 에이전트를 도입하는 과정에서 성과를 달성하지 못하고 있는 문제가 있으며, 이는 기술적 결함뿐만 아니라 조직적 저항과 보안 문제로 인해 복합적으로 발생하고 있습니다.
향후 AI 에이전트와 에이전틱 AI가 가져올 변화는 과학적 발견과 산업 내 생산성을 높이는 데 큰 기여를 할 것으로 기대됩니다. 이를 위해서는 통합된 표준 및 거버넌스 체계 구축이 필수적이며, 안전하고 효과적인 AI 에이전트 생태계를 조성하는 것이 중요합니다.
1️⃣AI 에이전트와 에이전틱 AI의 정의 및 진화
✔️AI 에이전트 개념
AI 에이전트는 자동화된 작업을 수행하는 인공지능 시스템으로, 사용자의 지시에 따라 자율적으로 작업을 수행할 수 있는 기반 기술입니다. 주로 대규모 언어 모델(LLM)을 활용하여 자연어를 이해하고, 사용자 요구에 따라 의사 결정을 내리며, 다양한 애플리케이션 환경에서 적응하고 학습하는 능력을 가지고 있습니다.
예를 들어, 사용자가 특정 데이터를 검색하거나, 엑셀 문서를 작성하는 요청을 줄 때, AI 에이전트는 필요한 정보 또는 프로그램 도구를 사용하여 주어진 작업을 수행할 수 있습니다. IBM에 따르면, AI 에이전트는 사용자가 정의한 목표에 따라 작업 분해 및 실행 단계까지 스스로 계획하고 действий을 진행하는 데 중점을 두고 있습니다.
✔️에이전틱 AI 개념 차이
에이전틱 AI는 기존의 AI 에이전트보다 한층 더 진화된 개념으로, 스스로 목표를 세우고, 환경에 맞춰 자율적으로 결정을 내리는 능력을 갖춘 인공지능 시스템을 지칭합니다. 즉, 단순히 사용자의 명령에 반응하는 것이 아니라, 스스로 상황을 인식하고 복잡한 문제를 분석하여 최적의 행동을 취하는 시스템입니다.
이러한 에이전틱 AI는 고급 자연어 처리 기술 외에도 다중 에이전트 시스템에 의한 협업과 외부 도구와의 상호작용을 통해 더 정교하게 기능합니다. 예를 들어, 자율주행차와 같이 끊임없이 환경 정보를 수집하고 예측할 수 있는 능력이 필수적입니다. 반면 AI 에이전트는 인간의 개입 없이는 작업을 시작할 수 없는 반응형 시스템에 그칩니다.
✔️발전 과정 및 주요 단계
AI 에이전트의 발전 과정은 초기의 단순한 규칙 기반 시스템에서 시작하여, LLM과 같은 첨단 자연어 모델을 통한 진화를 이루어왔습니다. 2022년 말부터 본격화된 생성형 AI의 등장과 함께 AI 에이전트 분야는 빠른 변화가 있었으며, 특히, AI 에이전트의 능력이 단순히 작업 수행에 그치지 않고, 자율성과 목표 지향적 행동을 구현할 수 있는 방향으로 발전하게 되었습니다.
현재는 다양한 산업 분야에서 AI 에이전트가 도입되고 있는 추세이며, 자동화된 시스템이 지속적으로 발전함에 따라, 2025년에는 AI 에이전트를 '디지털 직원'으로 수용하는 기업들의 물결이 예상되고 있습니다. 이에 따라, AI 기술은 더 많은 에이전트와 보다 나은 에이전트의 개발 방향으로 나아가고 있으며, 이는 궁극적으로 인공지능의 자율성을 획기적으로 향상시킬 것입니다.
2️⃣LLM 중심의 핵심 기술 발전 동향
✔️최첨단 LLM 성능 향상 현황
최근 몇 년 간 대규모 언어 모델(LLM)의 기술적 발전은 특히 주목할 만합니다. 2022년 오픈AI가 출시한 챗GPT는 AI 기반의 자연어 처리에서 새로운 기준을 세웠으며, 이는 비즈니스, 교육, 상담 등 다양한 산업에서 활용되고 있습니다. 샘 올트먼 오픈AI CEO는 AI의 발전이 기하급수적이며, 과거와 비교할 수 없는 수준의 성능을 보여주고 있다고 강조했습니다. 특히, LLM은 단순한 텍스트 생성뿐 아니라, 복잡한 문제 해결, 자동화된 데이터 분석 및 고객 서비스 개선 등 다양한 분야에서 혁신을 일으키고 있습니다.
다음 단계는 AI 시스템이 가지고 있는 기억 기능과 검색 능력을 결합하는 것입니다. 이렇게 되면 사용자는 이전의 대화 내용이나 외부 정보를 실시간으로 참조하여 더 풍부하고 정확한 답변을 받을 수 있습니다. 예를 들어, 고객이 제품에 대한 질문을 할 때, AI가 과거 대화 내용을 검토하고 관련 데이터를 검색하여 보다 정확한 해결책을 제시할 수 있습니다.
✔️AI와 데이터 클라우드 결합 중요성
AI와 데이터 클라우드의 결합은 현대 비즈니스 환경에서 필수적입니다. 샘 올트먼과 스리다르 라마스와미 스노우플레이크 CEO는 최근 대담에서 데이터와 AI의 결합이 기업의 업무 방식을 근본적으로 변화시킬 것이라고 언급했습니다. 데이터는 AI의 '연료' 역할을 하며, 데이터가 없이는 AI 전략이 성립되지 않습니다. 기업들이 AI를 도입하기 위해서는 강력한 데이터 관리 전략이 동반되어야 하며, 이를 통해 AI는 자율적으로 문제를 해결할 수 있는 능력을 얻게 됩니다. 이러한 관점에서 데이터 전략과 AI 전략은 서로 밀접하게 연결되어 있습니다.
시장 조사 업체 IDC에 따르면, AI 시장 규모는 2028년까지 세 배 이상 성장할 것으로 예상되고 있습니다. 이는 데이터 기반의 AI 에이전트 시장이 급부상하게 될 것이라는 것을 의미합니다. 기업들이 AI 전환을 통해 얻을 수 있는 경쟁력이 더욱 중요해질 것입니다.
✔️에이전트 수준 지능 구현 사례
AI 에이전트 기술은 점점 더 고도화되고 있습니다. 샘 올트먼은 AI 에이전트가 코드 작성, 고객 지원 및 데이터 분석 등 여러 분야에서 실제 활용되고 있다고 설명했습니다. 특히 스노우플레이크와의 협업을 통해 자율적인 통신 네트워크를 구축한 사례는 AI 에이전트의 실질적인 적용 사례를 잘 보여줍니다.
앞으로 AI 에이전트는 단순한 작업 수행을 넘어 특정 문제를 해결하기 위한 전략적인 파트너로 발전할 것으로 전망됩니다. 예를 들어, 기업들이 AI에게 '어떤 방법으로 더 나은 제품을 설계할 수 있는가?'라는 질문을 던지면, AI는 이를 해결하기 위해 다양한 데이터를 분석하고, 최적의 방안을 도출할 수 있습니다. 이러한 변화는 AI를 단순한 도우미가 아닌 팀의 구성원으로서의 역할을 수행하게 할 것입니다.
3️⃣멀티 에이전트 협업 구조와 네트워크 자동화
✔️네트워크 자동화 적용 사례
AI 에이전트의 멀티 에이전트 협업 구조는 최근 통신망 관리에 혁신적인 변화를 가져오고 있습니다. 특히 대형 언어 모델(LLM)의 발전과 함께 각기 다른 역할을 담당하는 AI 에이전트들이 자율적으로 네트워크를 운영하는 경우가 많아졌습니다. 이러한 시스템은 단일 AI의 오류에 의한 전체 서비스 장애 가능성을 줄이고, 각 에이전트가 특정 업무를 전담하여 전반적인 운영 안정성을 높입니다. 예를 들어, 통신 서비스 제공업체들은 이러한 멀티 에이전트 기반의 네트워크 관리 시스템을 도입하여 서비스 품질을 향상시키고 있습니다.
✔️멀티 에이전트 체계 설계
멀티 에이전트 시스템은 각 에이전트가 고유한 역할을 맡고, 자연어로 서로 의사소통하는 구조로 설계됩니다. 이 시스템은 각 에이전트가 웹과 데이터베이스를 통해 정보를 수집하고 학습할 수 있도록 하며, 이를 통해 각 에이전트는 자신의 경험을 토대로 점점 더 다양한 상황을 독립적으로 처리할 수 있게 됩니다. 이러한 구조는 AI 에이전트들 간의 협업을 통해 효율성을 극대화하고, 업무의 복잡성을 줄여줍니다.
✔️A2A 역할 분담 및 집단 지능
Agent-to-Agent(A2A) 시스템은 여러 AI 에이전트가 역할을 분담하여 협업하는 구조로, 복잡한 문제를 분업 및 협업을 통해 해결합니다. 이 구조에서는 각 에이전트가 특정 기능에 특화되어 있으며, 역할 기반 프롬프트와 메시지 패싱 아키텍처를 통해 서로 필요한 정보를 효율적으로 교환합니다. 이 방법은 단순한 직렬 처리 대신 병렬적 피드백 루프를 통해 성능을 지속적으로 향상시킵니다. 예를 들어, 여러 역할의 AI들이 한 팀처럼 협력하여 최종 결과물을 도출하며, 각 역할에서의 피드백이 최종 결과의 품질을 높이는 데 기여합니다.
4️⃣산업별 적용 사례 및 효과 분석
✔️의료 기기 오작동 모니터링 개선
의료 기기 안전성이 생명과 직결되는 산업에서, AI 에이전트는 의료 기기의 오작동을 모니터링하고 예방하는 데 큰 기여를 하고 있습니다. 미국 식품의약국(FDA) 보고서에 따르면, 의료 기기 고장은 최근 10년간 83,000명에 가까운 사망을 초래했습니다. 이러한 맥락에서 AI 기반 예측 유지보수는 의료 기기의 갑작스런 고장을 예방하고, 데이터를 기반으로 한 수리 전략을 제시하는 데 필수적 요소로 자리 잡고 있습니다.
AI 기반의 의료 기기 관리 시스템은 고장의 조기 감지를 가능하게 하여 환자의 안전성을 높이고 운영 효율성을 크게 개선합니다. 예를 들어, GE 헬스케어는 AI 솔루션을 통해 MRI 기계의 다운타임을 36% 줄이고, 이를 통해 더 나은 환자 치료를 지원하고 있습니다. 이는 AI 에이전트가 구현되는 방식에 따라 의료 산업이 어떻게 변화하고 있는지를 잘 보여줍니다.
✔️법률 업무 자동화 확대
법률 분야에서도 AI 에이전트의 활용이 가속화되고 있습니다. 최근 '에이전틱 AI'의 발전은 법률 업무 자동화를 통해 변호사들이 복잡한 작업을 쉽게 처리할 수 있도록 도와주고 있습니다.
AI 에이전트를 활용하여 연구 및 계약 분석의 효율성을 dramatically 높일 수 있으며, 특히 계약 검토 과정에서 AI는 수많은 문서를 분석하고 중요한 조항을 식별함으로써 신속한 due diligence를 지원합니다. 이는 법률 업무에서의 생산성을 크게 증대시키는 효과를 가져옵니다. 더 나아가, AI 에이전트는 법률 문서의 요약 및 사건 분석을 한층 더 간편하게 만들어 변호사들이 고부가가치 고객 전략에 집중할 수 있는 여지를 제공합니다.
✔️AI 노출 직무의 생산성·임금 효과
PwC의 2025 글로벌 AI 일자리 보고서에 따르면, AI에 더 많이 노출된 직무에서 생산성과 임금 프리미엄이 급격히 상승하고 있습니다. AI 기술을 보유한 근로자는 2024년 평균 임금 프리미엄이 56%에 이르는 것으로 나타났습니다. 이는 AI 노출도가 높은 산업에서 직원의 매출이 27% 증가했음을 보여줍니다. 따라서 AI는 단순히 자동화를 넘어서, 기업의 전체 수익성 및 경쟁력을 향상시키는 중요한 요소로 작용하고 있습니다.
AI에 노출된 직무는 '자동화형'과 '보강형'으로 나뉘며, 두 유형 모두에서 일자리가 증가하고 있습니다. 특히 보강형 직무는 AI를 활용해 사용자와 협력하여 더 높은 역량을 발휘할 수 있는 기회를 제공합니다.
✔️실제 활용 사례 36가지 개요
AI 에이전트의 실제 사례는 다양합니다. 예를 들어, 금융 분야에서는 AI가 자동으로 투자 결정을 내리거나, 소프트웨어 영역에서는 고객 지원을 자동화하여 효율성을 높이는 데 기여하고 있습니다.
이 외에도 AI 에이전트는 유통업계에서 제품 추천, 물류 관리, 그리고 고객 서비스 개선 등 여러 방면에서 활용되고 있습니다. 36가지 사례를 통해 우리는 AI가 각 산업에서 어떻게 혁신을 이루고 있는지를 목격할 수 있습니다. 각 산업별로 따져볼 때, AI가 제공하는 효용과 그 결과적으로 얻어진 성과는 상당합니다. 무엇보다 이러한 AI의 활용이 계속해서 증가할 것으로 예상되며, 이는 곧 기업들의 운영 방식에도 큰 변화를 가져올 것입니다.
5️⃣도전 과제 및 리스크 평가
✔️기업 도입 실패 원인 분석
최근 IBM의 보고서에 따르면, AI 에이전트를 도입하려는 기업의 99%가 기대했던 성과를 달성하지 못하고 있다는 사실이 밝혀졌습니다. 이러한 실패의 주된 원인은 단순히 기술적 결함에 그치지 않고, 시스템 전반에 걸친 광범위한 문제로 이어지고 있습니다. 특히 많은 기업들이 AI 에이전트의 도입을 위해 소요되는 시간과 자원, 그리고 잠재적인 리스크를 충분히 고려하지 않고 있으며, 이는 곧 막대한 자원 낭비로 이어질 수 있습니다. 기업의 최고경영진은 종종 '자율 워크플로우'와 같은 트렌디한 용어에만 초점을 맞추는 경향이 있으며, 실질적인 업무 프로세스에 대한 검토가 부족한 경우가 많습니다.
고려해야 할 주요 문제로는 보안 취약성과 설명 가능성의 부족, 조직 문화적인 저항이 있습니다. 기업들이 보안 문제를 간과할 경우, AI 에이전트는 내부 및 외부의 다양한 사이버 공격에 쉽게 노출될 수 있습니다. 이로 인해 고객의 신뢰가 하락하고, 데이터 보안 규제에 저촉될 위험이 가중됩니다. 또한, AI 시스템이 왜 특정 결정을 내렸는지를 사용자가 이해하지 못할 경우, 이는 사용자 신뢰 저하로 이어지고 서비스 채택률을 낮출 수 있습니다.
✔️기술적·시스템적 오류 문제
AI 에이전트의 성공적인 도입을 위해서는 적절한 기술적 지원이 반드시 필요합니다. 그러나 많은 기업들이 AI 도입 초기 단계에서 필수적인 인간의 개입 없이 시스템을 완전 자율로 운영하려고 하면서 '과대광고의 심연'에 빠지는 경우가 발생하고 있습니다. 이로 인해 예상치 못한 기술적 오류가 발생할 수 있으며, 이를 해결하고자 하는 시도가 미비한 경우, 기업은 결국 더 큰 실패의 늪에 빠지게 됩니다.
특히 AI 에이전트의 모델이 제대로 훈련되지 않거나, 비즈니스 특성을 반영하지 못하는 경우, 이는 비즈니스 의사결정 과정에 악영향을 미칠 수 있습니다. 예를 들어, 금융 부문에서 AI 시스템이 모든 사기 탐지 경고를 경시하거나, 의료 분야에서 잘못된 환자 정보를 바탕으로 진단을 내리게 되면, 이는 심각한 결과를 초래할 수 있습니다. 따라서 AI 도입 시, 철저한 시스템 점검과 보안 체계 구축이 이루어져야 하며, 이를 뒷받침할 인프라가 마련되어야 합니다.
✔️자원 낭비 및 운영 리스크
AI 에이전트의 도입 과정에서 많은 기업들이 마주치는 문제 중 하나가 바로 자원 낭비입니다. AI 시스템을 구축하고 유지 관리하는 과정에서 발생하는 비용은 종종 예상보다 훨씬 높은 경우가 많습니다. 특히 기술적 결함이나 시스템적 오류로 인해 추가적인 보수와 관리가 필요하게 되면, 이는 기업이 슬로우 스타터의 형태에 머물게 만들어 훨씬 큰 손실을 초래할 수 있습니다.
또한, AI 에이전트의 사용이 시작되었음에도 불구하고 이 시스템이 조직 내 기존 프로세스와 잘 융합되지 못하는 경우, 직원들의 저항감이 커질 수 있으며, 이로 인해 조직 내 불신과 마찰이 발생하게 됩니다. AI 시스템이 제대로 작동하지 않으면, 궁극적으로는 고객 신뢰의 상실로 이어지며 이는 매출 감소를 초래할 수 있습니다. 따라서 AI 에이전트의 도입에 있어서는 리스크 관리 계획을 세우고, 초기 단계에서부터 체계적인 교육 및 인식 개선 작업이 필요합니다.
6️⃣미래 전망 및 과제
✔️과학적 발견 지원 가능성
샘 올트먼 오픈AI CEO는 최근 인터뷰에서 인공지능(AI)이 내년에는 ‘과학자 AI 에이전트’를 탄생시킬 것이라고 전망했습니다. 이 AI는 단순한 데이터 분석을 넘어 과학적 발견을 지원하는 혁신적인 도구로서, 연구자들에게 실질적인 도움을 줄 수 있을 것입니다. 예를 들어, 생명과학 분야에서는 대량의 유전자 데이터 분석을 통해 신약 개발에 기여할 수 있으며, 물리학 분야에서는 새로운 이론을 제안하는 데 도움을 줄 수 있습니다. AI가 의사결정 지원에서 중요한 역할을 맡게 된다면, 기존의 과학적 방법론과 어떻게 상호작용할 것인지에 대한 연구도 필요합니다. AI는 그 자체로 사고를 할 수는 없지만, 방대한 데이터를 처리하고 패턴을 인식하는 데 뛰어난 능력을 발휘함으로써 다양한 분야의 연구에 기여할 수 있는 잠재력을 가지고 있습니다.
✔️상용화 확장 및 표준화 과제
AI 에이전트의 상용화와 확장은 다양한 산업 분야에서 이루어지고 있으며, 이는 그 적용 범위에 기존 기술과 시스템이 통합되는 것을 의미합니다. 하지만 이러한 확장 과정에서는 여러 가지 표준화 과제가 존재합니다. 현재 AI 기술은 기업마다 서로 다른 데이터 전략을 채택하고 있어, 통합된 표준이 없으면 상호운용성에 문제가 발생할 수 있습니다. 이에 따라 AI 에이전트의 성공적인 상용화를 위해서는 이러한 표준화를 위한 협력이 절대적으로 필요합니다. 글로벌 규제기관과 기업이 협력하여 공통된 동향의 가이드를 마련하는 것도 중요하며, AI 기술의 안전성과 효율성을 높이는 데 기여할 것입니다.
✔️향후 연구·개발 핵심 과제
AI 에이전트의 미래 전망에는 많은 연구와 개발이 필요합니다. 특히, 자율적 실행 능력을 더욱 향상시키고, 시스템의 안정성을 높이는 방향으로의 추가 연구가 요구됩니다. 이는 AI 에이전트가 현실 세계에서 사용되기 위해 필수적인 요소로 자리잡고 있습니다. 또한, AI의 윤리적인 사용과 데이터 보호도 연구의 중요한 축으로 평가받고 있습니다. 이러한 측면에서 AI 기술의 발전뿐만 아니라 관련 윤리 기준이 어떻게 마련될 것인지에 대한 연구도 필요할 것입니다. AI가 주도하는 미래에는 인간의 가치와 윤리가 중요한 논의 주제 가운데 하나가 될 것이기 때문에, 이들 요소들을 함께 고려하는 접근이 필수적입니다.
마무리
AI 에이전트와 에이전틱 AI는 현재 LLM 성능 개선과 데이터 클라우드의 결합을 통해 자율적 의사결정이 가능한 시스템으로 변화하고 있습니다. 기업들이 AI 기술을 도입함으로써 얻는 생산성 향상 및 임금 프리미엄 증가와 같은 긍정적인 효과가 있지만, 여전히 많은 기업들이 도입 과정에서 실패를 겪고 있다는 점은 심각한 문제로 부각되고 있습니다. 특히, IBM 보고서에 따르면 99% 이상의 기업이 기대했던 성과를 달성하지 못하고 있으며, 이는 기술적 결함뿐만 아니라 조직적 저항 및 보안 문제로 인해 더욱 복잡해지고 있습니다.
따라서 AI 에이전트의 효과적인 도입과 활용을 위해서는 상호운용성의 표준화와 체계적인 거버넌스 프레임워크의 구축이 필요합니다. 또한, 단계적 확장 전략과 지속적인 모니터링 체계를 마련함으로써 AI 생태계의 안전성과 효율성을 증대시킬 수 있습니다. 더불어, 미래적인 관점에서 과학적 발견을 지원하고 규제 준수를 이행하는 데 있어 AI 기술의 윤리적 사용을 고려하는 연구와 체계적인 협력관계가 필수입니다. 이는 AI가 주도하는 시대에 인간의 가치와 윤리를 함께 고려하는 새로운 기준이 되어야 할 것입니다.
출처
인공지능 에이전트 협업으로 네트워크 자동화 진화…‘가상 동료’가 통신망 관리한다
https://www.aifnlife.co.kr/news/articleView.html?idxno=25315
Deloitte Trend Tracker 2025년 4월호 | Deloitte Korea
https://www.deloitte.com/kr/ko/our-thinking/Monthly-Trend-Tracker/trend-tracker-2025-04.html
PwC 2025 글로벌 AI 일자리 보고서 - AI, 생산성 4배 증대 및 임금 프리미엄 56% 상승 견인, 자동화 가능성 높은 직무에서도 일자리 증가
https://zdnet.co.kr/view/?no=20250603231005
올트먼 "AI, 내년이면 과학적 발견도 가능"
https://n.news.naver.com/mnews/article/015/0005140135
AI 에이전트, 99% 기업은 왜 좌초하나? IBM 보고서 심층 분석 - 개미신문
http://www.antnews.org/news/354385
28화 에이전틱 AI는 AI 에이전트와 어떻게 다를까?
https://brunch.co.kr/@@aPda/359
유능한 AI 에이전트를 얻으려면[김현정의 IT세상]
https://www.edaily.co.kr/News/Read?newsId=01148006642168264&mediaCodeNo=257
AI 에이전트의 실제 사례 36가지
https://botpress.com/ko/blog/real-world-applications-of-ai-agents
How AI and Agentic AI Reduce Medical Device Malfunctions and Improve Patient Care
https://www.mpo-mag.com/how-ai-and-agentic-ai-reduce-medical-device-malfunctions-and-improve-patient-care/
샘 올트먼이 말한 ‘모두가 쓰는 AI’ 조건은?
https://n.news.naver.com/mnews/article/138/0002197846
A2A, 역할 분담과 협업으로 집단 지능 실현
http://www.itdaily.kr/news/articleView.html?idxno=233298
AI 에이전트란 무엇인가요? | IBM
https://www.ibm.com/kr-ko/think/topics/ai-agents
AI Agent의 개념부터 Agentic RAG 응용까지 - 유라클 블로그
https://uracle.blog/2025/05/16/ai-agent-%EA%B0%9C%EB%85%90%EB%B6%80%ED%84%B0-agentic-rag-%EC%9D%91%EC%9A%A9%EA%B9%8C%EC%A7%80/
Agentic AI and legal: How it's redefining the profession
https://legal.thomsonreuters.com/blog/agentic-ai-and-legal-how-its-redefining-the-profession/
AI’s Next Leap: Agentic Intelligence – Communications of the ACM
https://cacm.acm.org/blogcacm/ais-next-leap-agentic-intelligence/
올트먼 "AI, 내년이면 과학적 발견도 가능"
https://www.hankyung.com/article/2025060327851
AI 에이전트도 팀워크 시대…비효율 없애고 빈틈 막으려면 | 서울경제
https://www.sedaily.com/NewsView/2GT0F86L9R