AI Agent & RPA
엔터프라이즈 AI 트렌드는 에이전트 시대를 향하고 있습니다. 지능적으로 응답을 하는 챗봇이나 AI 어시스턴트를 넘어 작업을 스스로 처리하는 AI 에이전트 그리고 여러 전문 업무를 담당하는 AI 에이전트들이 다양한 도구를 사용해 서로 협업을 하는 멀티 AI 에이전트까지 엔터프라이즈 AI 분야의 주제가 확장되는 추세입니다. 대원씨티에스는 LLM, MMLM과 RAG를 기반으로 AI 에이전트에게 RPA 같은 다양한 도구를 연계해 자율성과 협업 능력을 극대화하는 중장기 방안을 제안해 드립니다.
인프라와 플랫폼을 하나로
AI 에이전트는 마치 전문가처럼 다양한 도구 활용해 더욱 생산적이고 창의적으로 작업을 할 수 있습니다. 관련해 기업 업무 자동화의 핵심으로 자리 잡은 RPA라는 도구와 AI 에이전트의 연계는 실효성이 높은 구현 시나리오로 주목을 끌고 있습니다. 다만 처음부터 이를 실천으로 옮길 수는 없습니다. 단순한 챗봇부터 시작해 AI 에이전트로 AI 환경을 고도화해 나아가며 접근을 해야 합니다.
엔터프라이즈 AI 에이전트 구현 관련 도전 과제
기술 통합
-
AI 에이전트를 기존 시스템에 연동하는 과정에서 API 연동, 보안, 데이터 포맷 변환 등의 어려움이 있음
-
통합 플랫폼이나 인터페이스가 미흡하면 기술 부채로 남아 확장에 제약이 될 수 있음
-
AI 에이전트가 다양한 데이터에 접근하므로 접근 권한 관리, 데이터 암호화, 개인정보 보호 등의 보안 체계를 적용해야 하는데 기존 보안 도구로는 AI 에이전트의 보안 통제를 효율적으로 실행하는 데 한계가 있음
AI 에이저트와 도구 연계
-
AI 에이전트에 연계하는 도구로 RPA를 활용할 경우 데이터 포맷과 API 호출 방식을 표준화 해야 함
-
AI 에이전트와 RPA 연동하는 방식이 벤더마다 달라 기업이 직접 통신 모듈을 개발해야 할 수 있음
-
RPA 플랫폼에서 AI 모델 호출 기능을 제공하지만, 복잡한 시나리오에서는 AI에이전트 오케스트레이션 로직을 구현해야 하므로 통합 난이도가 높음
복잡한 업무 분해 및 에이전트 역할 설계
-
멀티 AI 에이전트 시스템을 구현할 때 업무를 적절히 분해하고 각 에이전트의 역할과 범위를 정의하는 것이 어려움
-
설계가 잘못되면 에이전트 간 충돌이나 누락이 발생하여 효율성이 저하될 수 있음
-
단일 에이전트도 복잡한데 여러 개를 협업시키는 것은 난도가 매우 높음
-
작업 분담, 상호작용 방식(프로토콜), 공유 메모리/콘텍스트 관리 등이 어려움
-
전체 시스템이 의도한 방향으로 동작할 수 있는 보상 설계나 제어 메커니즘이 필요
운영 및 거버넌스 체계
-
AI 에이전트와 RPA를 대규모로 운용하려면 이를 지속적으로 모니터링하고 통제할 거버넌스 체계가 필수
-
RPA 도입 초기에 나타났던 "봇 스프로울" 현상처럼, AI 에이전트도 계획 없이 도입하면 중복 개발, 버전 불일치, 책임 불분명 등의 문제가 발생할 수 있음
-
에이전트들을 중앙에서 등록/관리하고, 접근 권한과 업데이트 통제가 필요
-
거버넌스 전문 인력과 노하우가 부족하여 많은 기업들이.어려움을 겪고 있음
Our Services
1
AI 에이전트 플랫폼 설계
및 PoC
고객사의 업무에 적합한 AI 인프라 및 플랫폼 에이전트 아키텍처를 설계하고 파일럿 프로젝트(PoC)를 제공하여 구현 가능성을 검증하고 개발 로드맵을 제시
2
업무 분석 기반
AI 에이전트 설계
기업 업무를 세밀하게 분해하고 자동화할 부분과 사람 역할을 재설계하며, 분석 결과를 토대로 AI 에이전트의 기능과 역할을 정의하고 AI 에이전트와 RPA 간의 연동 방안 제시
3
전사 관점의 융합 전략
및 내재화 지원
AI + RPA 융합을 기업 전반에 확산하기 위한 전략 수립 및 거버넌스 구축 방안을 제시