2030년, 인공지능 에이전트에게 일을 맡기는 법

AI 에이전트는 목표를 받아 필요한 작업과 도구를 선택하고, 실행 결과에 따라 다음 행동을 정하는 AI 시스템이다. 2030년에는 이런 AI에게 무엇을 맡길 수 있을까? 이 기사에서는 학교 축제 준비를 맡기는 가상 장면으로 답한다. 핵심은 ‘알아서 끝내 줘’라는 주문보다 목표·권한·완료 기준을 함께 정하는 데 있다. 아래의 인물과 2030년 서비스 화면은 허구이며, 미래의 보급이나 성능을 예측한 사실이 아니다.

2030년의 가상 장면: 축제 준비를 나누는 AI

2030년 가을, 고등학생 지우는 동아리 체험 부스를 준비한다. 신청서를 읽고, 준비물을 정리하고, 교실 사용 시간을 확인해야 한다. 지우는 가상의 AI 에이전트에게 요청한다. ‘동아리 축제 준비안을 만들어 줘. 제공한 신청서와 학교 안내문만 사용하고, 예약이나 메시지 발송은 하지 마. 확인되지 않은 내용은 질문으로 남겨 줘.’

화면에는 세 가지 작업이 나타난다. 신청서에서 참가 희망 활동을 모으기, 안내문에서 공간 사용 조건을 찾기, 활동별 준비물을 비교하기다. 에이전트는 준비물을 정리하다가 같은 도구를 두 활동이 동시에 써야 한다는 충돌을 발견한다. 처음 계획을 그대로 밀어붙이지 않고, 활동 시간을 나누는 안과 도구를 추가하는 안을 지우에게 보여 준다. 이 장면에서 ‘스스로 일을 나눈다’는 말은 목표를 달성하기 위한 중간 작업을 선택한다는 뜻이다. 스스로 목적이나 책임을 갖는다는 뜻은 아니다.

지우가 먼저 보는 것은 완성된 계획표가 아니라 빈칸이다. 안내문에 교실 사용 종료 시간이 없자 에이전트는 임의로 시간을 채우지 않고 ‘담당 교사 확인 필요’라고 표시한다. 이 가상 서비스의 좋은 결과는 빈칸 없는 문서가 아니다. 확인한 내용과 아직 결정할 수 없는 내용을 구분한 준비안이다.

오늘의 기술로 설명하는 작동 원리

이 상상의 바탕에는 현재의 에이전트 설계 방식이 있다. 대규모 언어 모델은 많은 언어 데이터를 학습해 입력에 맞는 응답을 생성하는 AI다. 아이비엠의 대규모 언어 모델 설명 여기에 검색이나 계산 같은 도구를 연결하고, 도구가 돌려준 결과를 다시 입력하면 ‘다음 행동 선택 → 실행 → 결과 확인’의 반복을 구성할 수 있다. Anthropic은 미리 정한 순서를 따르는 작업 흐름과, 모델이 상황에 따라 과정과 도구 사용을 정하는 에이전트를 구분한다. 공식 설계 설명

축제 사례에 적용하면 신청서를 읽은 뒤 참가 활동을 정리하고, 공간 조건이 빠졌다면 안내문을 다시 확인하는 식이다. 다만 요청 문장에 ‘일을 나눠 줘’라고 적는 것만으로 외부 행동이 가능해지는 것은 아니다. 어떤 자료를 읽고 어떤 행동을 실행할 수 있는지는 연결된 도구와 시스템의 권한에 달려 있다. 답변에 ‘예약 완료’라고 쓰였다는 이유만으로 실제 예약이 이루어졌다고 판단해서도 안 된다.

일을 나누는 방식이 반드시 여러 AI를 뜻하는 것도 아니다. 한 에이전트가 순서대로 처리할 수 있고, 여러 에이전트가 서로 다른 자료를 조사한 뒤 결과를 합칠 수도 있다. Anthropic이 공개한 다중 에이전트 연구 시스템에서는 중심 에이전트가 조사 과제를 나누고 다른 에이전트의 결과를 종합한다. 회사는 과제의 경계와 산출물 형식이 불명확하면 중복 작업이나 누락이 생길 수 있다고 설명한다. 공식 구현 설명

가상의 지우는 그래서 ‘각자 알아서 조사해’ 대신 역할을 구분한다. 한 작업은 공간 사용 조건만, 다른 작업은 준비물만 살핀다. 최종 표에는 항목마다 근거 문서와 미확인 사항을 붙인다. AI의 수보다 중요한 것은 서로 다른 결과를 같은 기준으로 합칠 수 있는가다.

지금 연습하기: 실행 전에 준비안부터

오늘 사용하는 AI에 문서를 제공할 수 있다면 다음 순서로 연습해 보자. 외부 행동 도구가 없는 대화형 AI에서도 요청과 검토 방식은 연습할 수 있다. 이 경우 실제 예약이나 발송이 아닌 계획 작성까지만 다룬다.

1. 작은 목표를 정한다. ‘축제 전체를 준비해 줘’ 대신 ‘제공한 안내문에서 준비 일정과 확인할 질문을 정리해 줘’라고 요청한다. 개인정보가 들어 있는 실제 신청서 대신 직접 만든 연습 자료를 사용한다.
2. 사용 범위를 적는다. ‘제공한 자료만 사용하고, 없는 정보는 추정하지 말 것. 외부 발송·예약·구매는 하지 말 것’처럼 허용 범위를 명시한다. 도구가 연결된 서비스라면 실제 권한 설정도 확인한다.
3. 작업별 결과를 요구한다. 각 작업에 입력 자료, 할 일, 예상 산출물을 붙이게 한다. ‘공간 조건 확인’의 산출물은 ‘허용 시간·금지 사항·근거 위치·미확인 항목’으로 정할 수 있다.
4. 멈출 조건을 정한다. 자료가 서로 다르거나 필수 정보가 없으면 질문을 남기도록 한다. 행동을 실행하는 시스템에서는 요청 문구뿐 아니라 실행 한도와 승인 절차도 설정해야 한다.
5. 원문과 대조한다. AI가 뽑은 조건을 원문에서 직접 찾는다. 계획표의 시간이 겹치는지, 준비물 수량의 계산 근거가 있는지, 미확인 내용을 확정한 것처럼 썼는지 살핀다.

연습 요청은 이렇게 쓸 수 있다. ‘아래 가상 축제 안내문으로 준비안을 작성해 줘. 먼저 작업을 나누고, 각 작업의 결과에 근거 문장을 붙여 줘. 자료에 없는 일정은 질문으로 남겨 줘. 완료 기준은 모든 준비 항목에 근거 또는 확인 필요 표시가 있는 것이다.’ 결과가 기준을 충족했는지는 표의 각 행을 원문과 맞춰 보면 된다. 자연스러운 문장이나 자신 있는 말투는 확인 기준이 아니다.

2030년에도 남을 질문: 무엇으로 완료를 증명할까

다시 가상 장면으로 돌아가자. 지우는 계획을 승인한 뒤에도 공간 예약까지 한꺼번에 맡기지 않는다. 예약을 허용하기 전에 장소와 시간을 확인하고, 실행 뒤에는 실제 예약 기록을 살핀다. AI가 보고한 내용과 외부 시스템에 남은 결과가 일치할 때 그 작업을 완료로 처리한다.

이런 확인 지점은 현재 설계에서도 강조된다. Anthropic은 에이전트가 도구 실행 결과 같은 환경의 피드백을 받아 진행 상황을 판단해야 하며, 필요할 때 사람에게 확인을 요청하거나 정해진 조건에서 멈추도록 설계할 수 있다고 설명한다. 반복 실행에서는 오류가 누적될 가능성도 지적한다. 공식 설계 설명

2030년의 에이전트를 상상할 때 눈여겨볼 화면은 화려한 대화창보다 작업 기록이다. 무엇을 읽었는지, 어떤 행동을 했는지, 무엇이 아직 확인되지 않았는지가 보여야 한다. 지우의 하루가 편해지는 순간은 AI가 모든 판단을 대신했을 때가 아니라, 지우가 결과를 확인하고 다음 결정을 내릴 수 있는 준비안을 받았을 때다.

관련 글

AI 에이전트 · 인공지능 이해하기

후속 기사

• AI 에이전트의 행동 권한을 읽기·수정·발송으로 나누는 법
• 여러 AI가 나눈 작업에서 중복과 누락을 찾는 법
• AI의 완료 보고를 실행 기록과 대조하는 법

출처와 AI 작성 안내

기술 설명은 Anthropic의 에이전트 설계 문서와 다중 에이전트 연구 시스템 구현 설명, 아이비엠의 대규모 언어 모델 설명을 확인해 작성했다. 확인일: 2026년 10월 7일.

이 기사는 AI가 작성했다. 지우와 2030년 축제 준비 장면, 서비스 화면은 이해를 돕기 위한 허구다. 연습 순서와 확인 기준은 독자가 적용해 볼 수 있도록 구성한 제안이며, 특정 서비스가 그대로 제공하는 기능을 뜻하지 않는다.

이미지 3장은 설명용 AI 일러스트이며 실제 촬영 사진이나 실험 기록이 아닙니다.