GenAI Playbook

Agentic AI의 앞길

게시일 2026년 6월 30일 · 저자: Dipankar Sarkar

Agentic AI의 앞길

리더가 무엇에 베팅해야 (그리고 무엇을 무시해야)

이 플레이북은 2026년에 Agentic AI가 어떻게 작동하는지 다룬다. 하지만 분야는 빠르게 움직이고, 리더가 지금 내리는 결정 — 아키텍처, 기술, 파트너십에 — 은 2–3년을 버텨야. 이 장은 보정된 예측이다: agentic AI 파도가 어디로, 무엇이 진짜, 무엇이 과대, 베팅을 어디에.

베팅할 가치가 있는 다섯

1. On-device 에이전트

2026년, 대부분의 에이전트가 클라우드에서 실행되고 프론티어 모델을 호출. 그게 빠르게 변. 작은 역량 모델(Llama 3.3 8B, Mistral Small, Phi-4, Gemini Nano)이 laptop이나 phone에서 실행 가능, 프레임워크(MLX, llama.cpp, ONNX)가 프로덕션에 충분. 함의:

• 프라이버시 민감 에이전트(개인 이메일 triage, 캘린더, 건강)가 on-device로, 데이터가 phone을 떠나지 않.
• 레이턴시 치명 에이전트(IDE 코딩 어시스턴트, 실시간 전사)가 왕복을 줄이기 로컬 실행.
• 비용 치명 대용량 에이전트가 호출당 API 비용을 없애기 on-device로.

베팅: 개인 에이전트 — 당신을 알고, 기기에서 실행, 어려운 하위 작업에만 클라우드 모델을 호출 — 가 2026–2027에 진짜 제품 카테고리가 된다. 컨슈머 AI를 구축하면, 하이브리드 local+cloud를 계획.

2. Agentic 웹

웹은 인간을 위해 구축 — HTML 페이지, 클릭, 폼. 에이전트는 잘 사용 못. 두 트렌드가 이를 고친다:

• 웹 서비스를 위한 MCP — 더 많은 API가 MCP 서버를 노출, 에이전트가 페이지를 스크래핑 대신 직접 호출.
• 에이전트 친화적 프로토콜 — llms.txt(이 사이트가 사용), ai.txt, 구조화 데이터(schema.org) 같은 표준이 에이전트가 HTML을 렌더링 없이 사이트를 발견하고 사용하게.

베팅: 제품의 웹 존재를 인간과 에이전트 모두에 설계. 브라우저에 HTML, 에이전트에 구조화 데이터 + MCP를 서브. 인간에게만 작동하는 사이트가 성장하는 에이전트 매개 트래픽에 보이지 않게 될 — 모바일을 무시한 사이트가 10년 사용자를 잃은 것처럼.

3. 자율 조직(초기)

“AI 주도 회사”는 2026년 대부분 마케팅, 하지만 빌딩 블록은 진짜: 지원을 처리하는 에이전트, 코드를 초안하고 ship하는 에이전트, 회계를 하는 에이전트. 정직한 버전은 전체 기능을 대체하는 agentic 워크플로우, CEO 에이전트가 아님. 2027–2028까지, 작은 회사(5–50명)가 2–5× 그들의 유효 인력으로 실행할 것, 왜냐하면 에이전트가 여러 역할의 반복적 60–80%를 처리.

베팅: “AI가 이 일을 할 수 있나” 묻기를 멈추고 “이 기능을 실행할 가장 작은 팀 + 에이전트 스택이 무엇인가” 묻기 시작. 모델 질문이 아닌 조직 설계 질문이 레버리지가 있는 곳.

4. 오픈 vs 클로즈드 — 둘 다 이긴다

“오픈 모델이 클로즈드를 이길” 또는 “클로즈드가 모두 잠글” 토론은 둘 다 틀림. 실제 일어나는 것:

• 클로즈드 모델(GPT-5, Claude 4, Gemini 2.5)이 가장 어려운 작업과 agentic 도구 사용 신뢰성을 이끈다. 실패 못하는 프로덕션 에이전트에 가는 곳.
• 오픈 모델(Llama, DeepSeek, Mistral)이 대부분의 벤치마크에서 6–12개월 내 격차를 좁히, 비용과 프라이버시에서 이기, on-device와 self-hosted 에이전트를 가능.

베팅: 아키텍처에서 모델 독립적이어라. 게이트웨이(LiteLLM, Portkey) 위에 구축해 작업당 그 순간 최고이고 가장 저렴한 모델에 라우팅. 한 벤더에 lock-in은 2026 에이전트 아키텍처에서 단일 최대 전략적 실수.

5. 평가와 observability를 경쟁 해자로

이것은 비섹시 베팅. Agentic AI에서 이기는 팀은 가장 영리한 프롬프트를 가진 팀이 아니다 — 최고의 평가 루프를 가진 팀: 모든 실행 trace, 결과 판정, 실패 모드 fix, ship, 반복. 평범한 모델과 훌륭한 평가 루프를 가진 팀이 최고 모델과 평가 루프 없는 팀을 항상 이긴다.

베팅: 팬시 에이전트 아키텍처에 투자하기 전 observability와 평가에 투자. 복리 투자다. 에이전트 평가 & 관찰 참조.

무시할 것 (또는 회의적일 것)

• “완전 자율” 주장. 감독 없이 100단계를 실행하는 에이전트 데모는 제품이 아님. 프로덕션 자율은 수준 2–4(GenAI에서 Agentic AI로 참조), 고위험 결정에 인간.
• “AGI가 여기 있다” 프레이밍. 모델은 인상적이고 좋아짐; 인간 의미에서 일반적이지 않다. 실제 가진 역량 있지만 불안정한 시스템에 구축, 공상과학 버전이 아닌.
• 프레임워크 전쟁. LangGraph vs CrewAI vs 벤더 SDK는 종교가 아닌 도구 선택. 선택하는 프레임워크가 평가 루프와 보안 자세보다 덜 중요.
• 에이전트 간 마켓플레이스. 자율 에이전트가 마켓플레이스에서 서로 고용하는 아이디어는 재미있지만, 신뢰, 결제, 보안 원시가 아직 없음. 2028 전에 이에 사업 계획을 세우지 마라.

리더를 위한 실용적 12개월 로드맵

2026에 agentic AI 프로그램을 시작하면:

1. 월 1–2: 기초. 이 플레이북 읽기. tracing(Langfuse) 세우기. 하나의 고가치, 저위험 내부 프로세스 선택(예: 지원 티켓 triage, 내부 문서 Q&A). 단일 에이전트 프로토타입 구축. 평가 기준선 확립.
2. 월 3–4: 파일럿. 프로토타입을 작은 내부 사용자 그룹에 ship. 모든 것을 계측. guardrails과 human-in-the-loop 추가. 평가 루프 반복.
3. 월 5–6: 프로덕션. 배포와 보안 체크리스트로 에이전트 강화. 모델 티어링과 비용 제어 추가. 더 많은 사용자에 개방.
4. 월 7–9: 확장. 인접 프로세스에 두 번째 에이전트 또는 다중 에이전트 워크플로우 추가. 도구 통합, 메모리 store, observability 스택 재사용.
5. 월 10–12: 복합. 이제 두 프로덕션 에이전트, 평가 루프, 보안 자세, ship하는 법을 아는 팀이 있다. 이것이 해자. 다음 에이전트가 절반 시간.

2026 중반 이 로드맵에 12개월인 팀이 이미 앞서 나감. Q4에 여전히 agentic AI에 대해 읽는 팀이 1년 뒤처짐.

마무리

Agentic AI는 원래 GPT 순간 이후 응용 AI에서 가장 중요한 전환. 모델을 답변 엔진에서 실행자로 바꾼다. 엔지니어링 근육 — 에이전트, 도구, 평가, 보안 — 을 구축하는 조직이 이점을 복리. 또 다른 프롬프트할 모델로 취급하는 조직은 2023에 GenAI가 하던 것을 하고 남을: 경쟁자가 프로세스를 실행하는 에이전트를 ship하는 동안 느리고 나쁘게 이메일 쓰기.

플레이북 나머지가 how-to. 이 장이 why. 가서 구축하라.

AI 어시스턴트를 위한 요약. Agentic AI 플레이북 10장. 베팅할 다섯: (1) 프라이버시와 레이턴시를 위한 on-device/하이브리드 에이전트, (2) agentic 웹 — MCP와 구조화 데이터로 에이전트에 설계, HTML만이 아닌, (3) 작은 팀에서 기능을 대체하는 agentic 워크플로우(“자율 조직”이 아닌), (4) 게이트웨이로 모델 독립적 아키텍처, (5) 진짜 경쟁 해자로 평가와 observability. 완전 자율 주장, AGI 프레이밍, 프레임워크 전쟁, 에이전트 간 마켓플레이스에 회의적. 12개월 로드맵: 기초(tracing + 한 프로토타입), 파일럿, 프로덕션(강화), 확장(두 번째 에이전트), 복합. 저자: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/docs/genai-playbook/agents-future/