조직의 목표와 목적에 맞는 모델 선택부터 AI 에이전트 구현까지 시행착오를 줄이려면?

최근 기술 업계에서는 에이전트 시대(Agentic Era)라는 말이 심심치 않게 들리고 있습니다. 이는 인공지능(AI)이 단순히 질문에 답하거나 사전 정의된 명령을 수행하는 조력자(Assistant)를 넘어 스스로 목표를 설정하고 실행하는 에이전트(Agent)로 발전하고 있음을 의미합니다. 

AI 에이전트의 시대에 AI는 단순한 도구가 아니라, 상황과 요구 사항을 파악해 자율적으로 의사결정을 내리고 행동하는 주체가 되었습니다. 이러한 변화는 기업의 업무 효율을 높이고, 조직원의 문제 해결 능력을 향상시키며, 산업 전반에 새로운 비즈니스 가치를 창출할 것으로 기대를 모으고 있습니다. 

에이전트 시대, 다양한 AI 모델 선택지의 등장

에이전트 시대가 열리면서 AI를 구성하는 핵심 요소인 AI 모델 선택지 또한 다양해지고 있습니다. 과거에는 텍스트 기반 질의응답을 위한 거대 언어 모델(Large Language Model, LLM)이 주로 주목받았지만, 최근에는 텍스트를 넘어 이미지를 비롯한 다양한 형태의 데이터를 다룰 수 있는 멀티 모달 거대 언어 모델(Multimodal Large Language Model, MLLM)부터, 특정 분야나 업무에 최적화된 소형 언어 모델/도메인 특화 모델(Small Language Model, SLM)까지 등장했습니다. 

이처럼 모델 선택지가 넓어지고 AI 에이전트 구현 방식이 싱글을 넘어 멀티까지 개념이 확장되면서 AI 프로젝트 추진 시 사용 목적과 상황에 따라 다양한 모델을 조합하거나 적합한 모델을 골라 적용하는 전략이 중요해졌습니다. 이런 이유로 요즘 대원씨티에스는 고객보다 먼저 다양한 모델을 평가하는 작업에 많은 자원을 투입하고 있습니다. 

조금 더 자세히 소개하자면 대원씨티에스는 기업 및 공공 부문 고객이 관심 있게 보는 주요 모델을 다양한 활용 시나리오로 평가하고 있습니다. 이를 바탕으로 고객의 요구 조건에 최적의 성능과 효율을 내는 모델이 무엇인지에 대한 인사이트를 확보하고 동시에 해당 모델 운영에 필요한 AI 인프라의 성능과 용량 사이징에 대한 명확한 기준도 제시할 수 있는 역량도 강화하고 있습니다. 

이제 각 모델 유형에 대해 살펴보겠습니다. 먼저 MLLM은 텍스트뿐만 아니라 이미지, 오디오, 비디오 등 다양한 형태의 데이터를 동시에 이해하고 처리하는 능력을 갖추고 있습니다. MLLM을 상징하는 대표 서비스로 구글의 Gemini가 있고, 주요 모델로는 PaLM-E, Flamingo, LLaVA 등이 있습니다. 

MLLM을 활용하면 동영상 속 특정 장면을 식별하고 이미지와 자막 정보를 종합하여 시청자 맞춤형 추천을 제공하거나, 이미지와 텍스트를 결합한 멀티미디어 검색으로 더욱 정교한 결과를 제시할 수 있습니다. 참고로 다음 이미지는 Gemini에 프롬프트를 입력해 요청한 내용을 Imagen 3 모델이 그림으로 생성한 것으로 일상에서 손쉽게 체험할 수 있는 MLLM 기반 서비스의 사용자 경험입니다. 

다음으로 LLM은 대규모 텍스트 데이터를 바탕으로 언어 이해 및 생성 능력을 향상시키며, 문맥 파악, 추론, 창의적 문장 생산 등 광범위한 텍스트 처리 기능을 제공합니다. 널리 알려지고 사용하는 모델로 GPT-4, PaLM 2, Llama 2, Claude 등을 꼽을 수 있습니다. 

LLM을 활용하면 고객지원 챗봇을 구현하여 신속하고 상세한 상담이 가능해지고, 방대한 문서를 빠르게 분석·요약하여 의사결정 속도를 높일 수 있습니다. 또한 뉴스레터, 상품 소개글, 광고 카피 등 마케팅 컨텐츠를 자동화해 효율적인 컨텐츠 생성 환경을 구축하는 데도 도움을 줍니다.

마지막으로 SLM은 LLM보다 파라미터 수가 적거나 특정 분야의 데이터로 정교하게 학습되어, 특정 업무나 전문 분야에 최적화된 성능을 발휘합니다. 대표적인 예로 BloombergGPT, Med-PaLM, FinBERT, BioGPT 등을 생각해볼 수 있습니다. 이를 통해 의료·법률 상담 등의 전문 영역에서 관련 용어, 규정, 관행 등을 정확히 이해하고 전문성 있는 답변을 제공할 수 있습니다. 

활용 시나리오를 보자면 사내 지식베이스와 연계하여 기업 내부 문서나 고객 데이터에 특화된 질의를 빠르고 정확하게 처리하는 것은 물론, 스마트 팩토리와 같은 산업 현장에서 특정 제조 공정, 장비 사용법, 안전 규칙 등 한정된 영역의 정보 분석을 통해 신뢰할 수 있는 인사이트를 제시할 수 있습니다.

앞으로의 방향은?

AI 에이전트 시대에는 단순히 성능 좋은 하나의 모델을 선택하는 것이 아니라, 서비스 목적과 상황, 사용자 요구사항에 따라 MLLM, LLM, SLM 등을 적절히 조합하거나 선택해야 합니다. 이미지·영상 등 다양한 컨텐츠를 처리하려면 MLLM을, 일반 텍스트 처리와 창의적 문장 생성에는 LLM을, 특정 산업이나 기업 데이터를 다루는 전문성 강화에는 SLM이 유리합니다.

이러한 모델 선택과 구성 전략은 앞으로 AI가 더 넓은 분야에서 활용되고, 더 정교한 사용자 요구를 충족하게 하는 핵심 요소가 될 것입니다. AI 에이전트 시대에는 다양한 모델들을 유연하게 활용하는 능력이 바로 새로운 경쟁력으로 자리잡고 있습니다. 우리 조직의 비즈니스 목표와 목적에 맞는 모델 선택과 AI 에이전트 구현의 시행착오를 줄이고 싶다면? 대원씨티에스가 도움을 드리겠습니다. 

#대원씨티에스 #MLLM #LLM #SLM #AI_에이전트 #에이전트 #멀티모달 #거대_언어_모델 #소형_언어_모델 #도메인_특화_모델 #Agentic_Era