AI Agent 워크플로우: 목표에서 자동화된 실행으로

전통적 자동화는 미리 설계된 경로를 따르는 반면, AI Agent 워크플로우는 현재 맥락에 따라 다음 행동을 선택할 수 있습니다. 도구를 사용하고, 결과를 확인하며, 필요하면 방향을 바꿉니다. 이 때문에 에이전트 워크플로우는 고정된 규칙으로 다루기에는 너무 가변적이지만 명확한 목표는 필요한 작업에 유용합니다. 이 가이드에서는 이러한 워크플로우가 어떻게 작동하는지, 어디에 적합한지, 어떻게 구축하는지, 그리고 Kimi Agent가 일반적인 지식 노동 작업에서 어떤 역할을 할 수 있는지 설명합니다.

AI Agent 워크플로우란 무엇인가요?

AI 에이전트 워크플로우란 하나 이상의 AI 에이전트가 정해진 결과에 도달하기 위해 수행하는 일련의 작업입니다. 에이전트는 목표를 해석하고 다음 행동을 선택합니다. 그런 다음 사용 가능한 도구를 활용하고 결과를 확인한 뒤 작업을 계속하거나 계획을 수정합니다.

AI 워크플로우와 AI 에이전트의 차이

AI 워크플로우는 미리 정의된 로직을 사용해 정보를 프로세스 전체로 이동시킵니다. AI 에이전트는 행동을 동적으로 선택할 수 있는 소프트웨어 주체입니다. 워크플로우는 작업이 어떻게 조직되는지를 나타내고, 에이전트는 자신에게 맡겨진 부분을 어떻게 완료할지 결정합니다.

이 두 접근 방식은 서로 반대되는 개념이 아닙니다. 많은 신뢰할 수 있는 시스템은 하이브리드 설계를 사용합니다. 고정된 워크플로우 단계는 예측 가능한 작업을 처리하고, 에이전트는 해석이 필요하거나 실행 경로가 바뀔 수 있는 작업을 관리합니다.

AI 에이전트 워크플로우와 기존 자동화의 차이

기존 자동화는 모든 입력에 정해진 경로가 있을 때 잘 작동합니다. 송장 승인 규칙이나 예약된 데이터 전송은 개방형 추론이 필요한 경우가 거의 없습니다. 이런 경우 시스템은 규칙을 빠르고 일관되게 따르는 것이 좋습니다.

AI 에이전트 워크플로우 자동화는 다음 단계가 의미나 새로운 근거에 따라 달라질 때 더 유용합니다. 지원 에이전트는 지식 베이스를 검색하고 가능한 해결책을 시험해 볼 수 있습니다. 시험이 실패하면 방향을 바꾸거나 사람의 도움을 요청할 수 있습니다.

AI 에이전트 워크플로우 다이어그램: 작동 방식

다음 AI 에이전트 워크플로우 다이어그램은 기본적인 실행 루프를 보여줍니다. 실제 시스템에는 더 많은 도구나 승인 지점이 추가될 수 있지만, 동일한 흐름이 그대로 유지됩니다.

목표에서 계획까지

유용한 워크플로우는 구체적인 결과에서 출발합니다. “전기차를 조사해줘”라는 요청은 해석의 여지가 너무 많은 반면, “도시 차량군을 위한 세 가지 충전 전략을 비교하고 두 페이지짜리 권고안을 작성해줘”라는 요청은 에이전트에게 명확한 목표를 제시합니다. 그다음 지시사항과 승인된 자료가 다음 행동을 선택하는 데 필요한 맥락을 제공합니다.

도구 사용과 실행

도구는 에이전트가 모델 외부에서 정보를 가져오거나 승인된 작업을 수행할 수 있게 해줍니다. 검색은 최신 정보를 제공할 수 있고, 데이터베이스 도구는 내부 기록을 반환할 수 있습니다. 각 도구 호출 후 에이전트는 결과를 확인하고 계속 진행할지, 다른 방법을 시도할지, 아니면 누락된 정보를 요청할지 결정합니다.

평가와 사람의 승인

워크플로우에는 필수 항목이나 근거 기준 같은 명확한 완료 조건이 필요합니다. 또한 민감하거나 되돌릴 수 없는 작업 전에는 일시 정지해야 합니다. 예를 들어 에이전트가 고객 이메일을 작성해두고, 사람이 발송 전에 검토할 수 있습니다.

흔히 사용되는 AI 에이전트 워크플로우 패턴

대부분의 AI 에이전트 워크플로우는 반복적으로 등장하는 몇 가지 패턴을 사용합니다. 작업을 안정적으로 완료할 수 있는 가장 단순한 패턴을 선택하세요.

순차형 워크플로우와 라우팅형 워크플로우

순차형 워크플로우는 종속된 단계들을 정해진 순서대로 거칩니다. 각 단계는 이전 단계의 출력을 사용하므로 과정을 추적하고 검증하기 쉽습니다. 반면 라우팅형 워크플로우는 입력을 분류한 뒤 미리 정의된 여러 경로 중 하나로 보냅니다.

예를 들어 콘텐츠 워크플로우는 기사를 작성하고 검토하기 전에 조사를 먼저 완료할 수 있습니다. 고객 지원 라우터는 결제 관련 질문을 한 프로세스로 보내고, 로그인 문제는 다른 프로세스로 보낼 수 있습니다.

병렬형 워크플로우와 멀티 에이전트 워크플로우

병렬형 워크플로우는 독립적인 작업들을 동시에 실행해 처리 시간을 줄입니다. 멀티 에이전트 워크플로우는 역할에 따라 작업을 분담하며, 각 에이전트는 순차적으로 또는 동시에 동작합니다. 이 방식에는 명확한 역할 분담과 결과를 결합하는 안정적인 방법이 필요합니다.

시장 진입 조사를 진행할 때, 서로 다른 에이전트가 고객 수요와 경쟁사 동향을 각각 분석하고, 또 다른 에이전트는 현지 규제를 검토할 수 있습니다. 그런 다음 조율 역할을 맡은 에이전트가 이 결과들을 하나의 보고서로 통합합니다.

휴먼인더루프 워크플로우

휴먼인더루프 워크플로우는 선택된 지점에서 일시 정지해 검토나 승인을 거칩니다. 일상적인 단계는 자동으로 진행되고, 불확실하거나 영향이 큰 결정은 사람에게 넘어갑니다. 이런 검토 지점은 사람의 판단이 실제로 가치를 더하는 곳으로 제한해야 합니다.

조달 업무에서는 에이전트가 공급업체 제안을 비교한 뒤 관리자에게 최종 선택을 승인받을 수 있습니다. 출판 워크플로우에서는 기사가 게시되기 전에 편집자가 사실 관계를 확인하도록 요구할 수도 있습니다.

실용적인 AI 에이전트 워크플로우 예시

시장 관련 질문을 짧은 보고서로 만드는 워크플로우를 생각해보세요. 사용자는 대상 독자와 범위를 정한 뒤 필요한 형식을 지정합니다. 에이전트는 요청을 여러 조사 질문으로 나눕니다.

에이전트는 승인된 소스를 검색하고 관련 정보를 기록합니다. 보고서를 작성하기 전에 근거가 빠진 부분이 있는지 확인합니다. 두 소스가 서로 상충하면 그 차이를 표시하거나 조사를 계속합니다. 마지막 검토 단계에서는 전달 전에 초안이 요청된 구조와 일치하는지 확인합니다.

이 예시에는 고정된 부분과 적응적인 부분이 모두 들어 있습니다. 요구되는 출력과 검토 기준은 고정된 채로 유지됩니다. 검색 쿼리는 에이전트가 더 많은 정보를 파악할수록 달라질 수 있습니다. 이러한 균형 덕분에 완전히 개방형인 에이전트보다 프로세스를 통제하기가 더 쉬워집니다.

일반적인 비즈니스 활용 사례

AI 에이전트 워크플로우는 입력값은 달라지더라도 원하는 결과가 명확한 업무에 잘 맞습니다.

• 고객 지원 워크플로우는 사안을 조사하고 유용한 맥락을 담아 에스컬레이션을 준비할 수 있습니다.

• 리서치 워크플로우는 근거 자료를 수집해 구조화된 보고서로 정리할 수 있습니다.

• 문서 워크플로우는 정보를 추출한 뒤 예외 건을 검토 절차로 넘길 수 있습니다.

• IT 워크플로우는 경고를 점검하고 허용된 다음 조치를 제안할 수 있습니다.

규칙이 안정적인 단순하고 대량 처리되는 작업에는 여전히 고정 워크플로우가 더 나은 선택입니다. 에이전트형 동작은 새로움을 더하기 위해서가 아니라 실제로 존재하는 변동성을 해결하기 위해 사용해야 합니다.

AI 에이전트 워크플로우를 구축하는 방법

쓸모 있는 첫 번째 버전에 많은 에이전트가 필요하지는 않습니다. 범위가 한정된 작업 하나로 시작하고, 테스트를 통해 명확한 한계가 드러난 뒤에만 확장하세요.

결과를 정의하고 단계를 매핑하기

다른 사람이 검증할 수 있는 완료 조건을 작성하세요. 그다음 현재 이 작업이 어떻게 처리되는지 단계별로 매핑합니다. 고정 규칙을 사용하는 단계와 판단이 필요한 단계를 구분해 표시합니다.

예측 가능한 작업에는 자동화를 사용하세요. 에이전트에게는 맥락 이해나 도구 사용이 도움이 되는 결정만 맡기세요. 이렇게 하면 워크플로우를 이해하기 쉽게 유지하고 불필요한 모델 호출을 줄일 수 있습니다.

AI 에이전트 워크플로우 도구 선택하기

제품 카테고리가 아니라 작업 내용을 기준으로 도구를 선택하세요. 리서치 워크플로우에는 신뢰할 수 있는 검색 기능이 필요합니다. 운영 워크플로우에는 내부 시스템에 대한 통제된 접근 권한이 필요할 수 있습니다. 에이전트에게는 해당 역할에 필요한 도구만 제공해야 합니다.

AI 에이전트 워크플로우 도구를 비교할 때는 통합 옵션과 권한 제어 기능을 확인하세요. 실패한 실행에서 무슨 일이 있었는지 파악할 수 있는 실행 로그가 있는지도 살펴보세요. 반복적인 추론과 재시도로 사용량이 빠르게 늘어날 수 있으므로 비용 한도 역시 중요합니다.

안전장치 추가와 워크플로우 테스트

워크플로우를 실행하기 전에 한도를 설정하세요. 에이전트가 접근할 수 있는 데이터를 정의합니다. 쓰기 작업을 제한하고, 결과에 영향이 큰 경우 승인 단계를 추가하세요. 모든 워크플로우에는 중단 조건도 필요합니다.

개별 프롬프트가 아니라 완결된 작업 단위로 테스트하세요. 완료율과 오류 빈도를 추적하고, 사람이 개입해야 하는 빈도를 검토합니다. 이러한 신호를 통해 워크플로우가 실제로 작업을 줄이는지, 아니면 단순히 모니터링 작업으로 옮겨놓는 것뿐인지 알 수 있습니다.

직접 인프라를 구축하기보다는 에이전트 기능을 체험해보는 것이 목표라면, Kimi Agent가 더 직접적인 선택지가 될 수 있습니다. 리서치, 문서, 프레젠테이션, 스프레드시트, 웹사이트 제작이 포함된 지원되는 다단계 작업을 맡길 수 있습니다. Kimi가 제품 경험 안에서 작업을 처리하므로, 모델 연결과 워크플로우 구성 요소를 직접 조립할 필요가 없습니다.

Kimi Agent가 다단계 작업에서 할 수 있는 일

커스텀 아키텍처는 세밀한 제어를 제공하지만, 오케스트레이션과 평가 작업도 함께 필요합니다. Kimi Agent는 그러한 스택을 직접 구현하지 않고도 다단계 지식 노동 작업을 완료하고 싶은 사용자를 위한 범용 에이전트 경험을 제공합니다.

목표 기반 계획 수립 및 작업 실행

Kimi Agent는 목표를 해석하고 필요한 작업을 계획할 수 있습니다. 그런 다음 제품 경험 안에서 작업을 수행합니다. 이를 통해 먼저 플래너나 도구 루프를 설계하지 않고도 에이전트형 워크플로우를 바로 사용할 수 있습니다.

심층 연구, 웹사이트 및 프레젠테이션 제작

Kimi Agent에는 다양한 기능이 탑재되어 있습니다. 예를 들어 웹사이트를 생성하고 PPT 프레젠테이션을 만들 수 있습니다. 이러한 기능은 사용자가 폭넓은 요청을 하나의 제품 경험을 통해 구조화된 결과물로 바꾸는 데 도움이 됩니다.

문서, 스프레드시트 및 멀티모달 파일 처리

Kimi는 멀티모달 추론과 파일 기반 워크플로우를 지원합니다. PDF와 Word 문서를 다룰 수 있습니다. Excel과 PPT 파일도 지원됩니다. Kimi는 이미지와 TXT 파일도 처리하며, 동영상은 또 다른 입력 형식으로 제공됩니다. 이를 통해 Kimi Agent는 일반 채팅 텍스트를 넘어서는 원본 자료도 처리할 수 있습니다.

Kimi Agent Swarm을 사용해야 할 때

Kimi Agent Swarm은 폭넓은 병렬 실행이 도움이 되는 작업을 위한 별도의 멀티 에이전트 기능을 제공합니다. 대규모 검색이나 일괄 작업을 위해 여러 전문화된 작업 단위를 조율할 수 있습니다. 독립적인 리서치 경로가 여러 개 있는 장문 작업도 이러한 방식의 도움을 받을 수 있습니다.

AI 에이전트 워크플로 자동화의 이점과 한계

AI 에이전트 워크플로는 수작업으로 이루어지던 단계 간 전달을 줄이고, 고정된 스크립트로는 처리하기 어려운 입력에도 유연하게 대응할 수 있습니다. 조사와 분석을 연결한 다음, 그 결과를 최종 산출물로 만들어낼 수도 있습니다. 이런 이점은 목표는 일정하지만 그 목표에 이르는 경로가 달라질 수 있는 작업에서 가장 크게 나타납니다.

하지만 같은 유연성이 위험 요소가 되기도 합니다. 에이전트의 판단은 확률적이기 때문입니다. 도구 하나가 실패하면 이후 단계에 영향을 줄 수 있고, 데이터 품질이 낮으면 결과물의 신뢰도도 떨어집니다. 권한 범위가 넓을수록 실수가 미치는 영향도 커집니다. 따라서 신뢰할 수 있는 워크플로를 만들려면 검증 절차와 눈에 보이는 로그가 필요하며, 영향력이 큰 작업에는 승인 절차를 두어야 합니다.

결론

AI 에이전트 워크플로는 정해진 프로세스와 상황에 맞춘 판단을 결합한 방식입니다. 워크플로가 결과와 범위를 정하고, 그 안에서 에이전트가 유용한 행동을 선택합니다. 먼저 명확한 작업 하나로 시작하세요. 필요한 도구만 추가한 뒤 전체 실행을 테스트하고, 중요한 결과를 낳는 행동은 사람이 계속 통제해야 합니다. 지원되는 리서치 및 콘텐츠 제작 작업의 경우, Kimi Agent를 사용하면 워크플로 인프라를 직접 구축하지 않고도 다단계 AI 기능을 곧바로 활용할 수 있습니다.