AI 에이전트는 “답변자”가 아니라 “작업자”다
챗봇은 질문에 답합니다. AI 에이전트는 목표를 받고, 파일을 읽고, 도구를 호출하고, 결과를 확인한 뒤 다음 행동을 이어갑니다. 겉으로는 둘 다 대화창에 있는 것처럼 보이지만 운영 방식은 완전히 다릅니다.
예를 들어 “어제 보낸 뉴스레터 오픈율을 분석하고 다음 발송 플랜을 짜라”는 요청은 단순 답변이 아닙니다. Ghost API를 읽고, Mailgun 이벤트를 확인하고, DNS 상태를 점검하고, 발송 세그먼트를 계산하고, 필요하면 cron으로 후속 모니터링까지 걸어야 합니다.
챗봇과 에이전트의 차이
- 챗봇은 대화 기록이 중심이고, 에이전트는 작업 상태가 중심입니다.
- 챗봇은 답변을 생성하고, 에이전트는 외부 도구를 호출합니다.
- 챗봇은 실패하면 사과하지만, 에이전트는 로그를 보고 다시 시도하거나 blocked 상태로 멈춥니다.
- 챗봇은 한 사람이 읽는 답을 만들고, 에이전트는 다른 시스템에 남는 결과물을 만듭니다.
왜 로컬 AI 에이전트인가
개인 업무 자동화에서는 클라우드 서비스보다 로컬 에이전트가 유리한 순간이 많습니다. 내 파일, 브라우저, 터미널, 메신저, 내부 문서에 접근해야 하기 때문입니다. 맥미니 같은 항상 켜진 기기에 에이전트를 두면 노트북을 닫아도 작업이 계속됩니다.
Hermes Agent로 보면 이해가 쉽다
Hermes Agent는 CLI, WebUI, Discord, Telegram, Slack, cron, Kanban을 하나의 작업 런타임으로 묶습니다. 사용자는 채팅에서 목표를 주고, 에이전트는 필요한 도구를 호출합니다. 긴 작업은 cron이나 background process로 넘기고, 막힌 작업은 Kanban의 blocked 상태로 남깁니다.
사람이 사라지는 것이 아니라 lead한다
좋은 AI 에이전트 운영은 사람을 빼는 것이 아닙니다. 사람이 매번 손으로 반복하던 조회, 비교, 정리, 검증을 에이전트가 맡고, 사람은 기준과 결정을 제공합니다. 그래서 핵심은 “Human in the loop”보다 “Human in the lead”에 가깝습니다.
처음 시작할 때의 기준
- 반복되지만 매번 판단이 조금 필요한 업무를 고릅니다.
- 결과를 검증할 수 있는 데이터를 붙입니다.
- 실패했을 때 멈출 기준을 정합니다.
- 외부 발송, 결제, 삭제처럼 되돌리기 어려운 행동은 승인 단계를 둡니다.
- 잘 작동한 절차는 skill이나 runbook으로 남깁니다.
AI 에이전트를 잘 쓰는 사람은 프롬프트를 멋지게 쓰는 사람이 아니라, 작업 단위와 검증 루프를 잘 설계하는 사람입니다.