AI 에이전트, 이제는 여러 업무를 동시에 수행하는 단계로
최근 AI 업계에서 가장 주목받는 키워드 중 하나는 AI 에이전트다.
기존 생성형 AI가 사용자의 질문에 답변하거나 문장을 생성하는 역할에 가까웠다면, 최근의 AI 에이전트는 사용자를 대신해 작업을 수행하고 여러 단계를 거쳐 결과를 완성하는 방향으로 발전하고 있다.
특히 주목할 변화는 AI 에이전트가 단일 작업을 처리하는 수준을 넘어, 여러 업무를 동시에 수행하는 멀티 에이전트 구조로 확장되고 있다는 점이다.
AI는 이제 하나의 요청에 답하는 도구가 아니라, 여러 작업을 병렬로 처리하고 사람이 그 흐름을 관리하는 방식으로 진화하고 있다.
앤트로픽, 클로드 코드에 ‘에이전트 뷰’ 추가
앤트로픽은 AI 코딩 도구 클로드 코드(Claude Code)에 여러 AI 에이전트를 동시에 관리할 수 있는 에이전트 뷰(Agent View) 기능을 추가했다.
이 기능은 여러 클로드 코드 세션을 하나의 인터페이스에서 확인하고 운영할 수 있도록 설계된 연구 프리뷰 기능이다.
기존에는 여러 AI 에이전트를 동시에 실행하려면 사용자가 여러 터미널 창이나 작업 환경을 직접 관리해야 했다. 어떤 작업이 진행 중인지, 어느 작업이 완료됐는지, 어느 시점에 사용자의 입력이 필요한지를 사람이 일일이 확인해야 했다.
반면 에이전트 뷰는 여러 AI 작업의 상태를 한 화면에서 확인할 수 있도록 한다. 사용자는 새로운 에이전트를 실행한 뒤 백그라운드로 보내고, AI가 추가 입력을 요청하는 시점에만 개입할 수 있다.
이는 AI 활용 방식이 단순한 질의응답에서 벗어나, 여러 작업을 AI에게 맡기고 사람이 전체 흐름을 감독하는 구조로 이동하고 있음을 보여준다.
AI 경쟁은 ‘답변’에서 ‘업무 실행’으로 이동하고 있다
이번 기능이 의미 있는 이유는 단순히 코딩 도구에 새로운 화면이 추가됐기 때문만은 아니다.
핵심은 AI 경쟁의 기준이 바뀌고 있다는 점이다. 지금까지의 AI 경쟁이 얼마나 정확하고 자연스럽게 답변하는가에 집중됐다면, 앞으로의 경쟁은 AI가 실제 업무를 얼마나 안정적으로 수행할 수 있는가로 이동하고 있다.
AI 에이전트가 많아질수록 중요한 것은 개별 에이전트의 성능만이 아니다. 여러 에이전트가 어떤 작업을 수행하고 있는지, 어디까지 진행됐는지, 어떤 결과를 냈는지, 언제 사람이 개입해야 하는지를 관리하는 체계가 필요하다.
즉, AI 에이전트 시대의 핵심은 단순 자동화가 아니라 관리 가능한 자동화다.
이는 개발 업무뿐 아니라 기업의 일반 업무에도 동일하게 적용된다. 기업 업무는 하나의 작업으로 끝나는 경우가 드물다. 문서를 확인하고, 필요한 정보를 추출하고, 기준에 맞게 검증하고, 담당자에게 전달하거나 내부 시스템에 입력하는 식으로 여러 단계가 연결된다.
기업 문서 업무에도 ‘관리 가능한 AI’가 필요하다
기업에서 많은 시간이 소요되는 업무 중 하나는 문서 처리다.
계약서, 신청서, 세금계산서, 견적서, 발주서, 보고서, 품질 문서, 도면, 내부 규정 등 기업 업무의 핵심 정보는 대부분 문서 안에 존재한다.
문제는 이 문서들이 정형화된 데이터베이스가 아니라 PDF, 스캔 이미지, 표, 서식, 첨부파일 등 다양한 형태로 존재한다는 점이다.
따라서 기업 문서 업무 자동화는 단순히 문서에서 텍스트를 추출하는 것만으로 끝나지 않는다. 문서 유형을 구분하고, 필요한 정보를 추출하고, 추출된 값이 업무 기준에 맞는지 검증한 뒤, 후속 업무로 연결해야 한다.
예를 들어 세금계산서 처리 업무에서는 공급자 정보, 금액, 날짜, 사업자등록번호를 읽는 것만으로는 충분하지 않다. 추출된 값이 내부 기준과 일치하는지 확인하고, 누락이나 오류가 있는지 검증하며, 필요한 경우 담당자 검토나 시스템 등록까지 이어져야 한다.
계약서 검토 업무도 마찬가지다. 계약 당사자, 계약 기간, 금액, 조항, 특약사항을 확인하는 데서 끝나는 것이 아니라, 위험 조항이나 누락 항목을 검토하고 내부 승인 프로세스로 연결해야 한다.
결국 기업 문서 자동화의 기준은 문서를 읽는 AI에서 문서 기반 업무를 실행하고 관리하는 AI로 확장되고 있다.
한국딥러닝이 바라보는 멀티 에이전트 시대
한국딥러닝은 이번 흐름을 단순히 새로운 AI 기능의 등장으로만 보지 않는다. 여러 AI 에이전트를 동시에 실행하고 관리하는 구조는 앞으로 기업 업무 자동화가 어디로 향하는지를 보여주는 신호에 가깝다.
그동안 AI 도입은 주로 “무엇을 생성할 수 있는가”에 집중되어 있었다. 그러나 멀티 에이전트 환경에서는 “어떤 업무를 맡길 수 있는가”, “어디까지 자동화할 수 있는가”, “그 결과를 사람이 어떻게 확인하고 통제할 수 있는가”가 더 중요해진다.
특히 기업 환경에서는 이 변화가 문서 업무와 직접 연결된다. 실제 업무의 상당 부분은 계약서, 신청서, 세금계산서, 보고서, 품질 문서, 내부 규정처럼 문서를 기반으로 이루어진다.
AI 에이전트가 기업 업무 안에서 제대로 작동하려면 먼저 이 문서들을 정확히 읽고, 구조화하며, 업무 맥락에 맞게 해석할 수 있어야 한다.
한국딥러닝은 앞으로의 AI 에이전트 경쟁이 단순한 모델 성능 경쟁에 머물지 않을 것으로 보고 있다. 핵심은 AI가 기업 내부의 문서와 데이터를 얼마나 정확하게 이해하고, 이를 실제 업무 프로세스와 얼마나 안정적으로 연결할 수 있는가에 있다.
중요한 것은 자동화의 범위보다 통제 가능성이다
멀티 에이전트 시대에는 AI가 더 많은 일을 동시에 처리할 수 있게 된다.
그러나 기업 환경에서는 자동화의 범위가 넓어질수록 통제와 검증의 중요성도 함께 커진다.
특히 금융, 공공, 제조, 물류처럼 문서와 데이터의 정확성이 중요한 산업에서는 AI가 처리한 결과를 그대로 신뢰하기 어렵다. 어떤 문서에서 어떤 정보를 추출했는지, 어떤 기준으로 검증했는지, 사람이 어느 단계에서 확인했는지, 최종 결과가 어떻게 처리됐는지를 확인할 수 있어야 한다.
기업용 AI 에이전트가 안정적으로 도입되기 위해서는 문서 이해, 업무 기준 반영, 사람의 개입 지점, 처리 이력 관리, 시스템 연동이 함께 설계되어야 한다.
결국 기업용 AI 에이전트의 핵심은 AI가 얼마나 많은 일을 대신하느냐가 아니다. AI가 수행한 일을 사람이 얼마나 신뢰하고 관리할 수 있느냐에 있다.
AI 에이전트 시대, 기업 문서 자동화의 기준도 달라진다
앤트로픽의 에이전트 뷰는 AI 활용 방식이 한 단계 더 진화하고 있음을 보여준다.
AI는 이제 하나의 질문에 답하는 도구를 넘어, 여러 작업을 동시에 수행하고 사람이 이를 감독하는 방향으로 확장되고 있다.
이 변화는 기업 문서 업무에도 중요한 시사점을 준다.
기업의 문서 업무는 단순 반복 작업처럼 보이지만, 실제로는 인식, 추출, 분류, 검증, 승인, 기록, 시스템 입력이 연결된 복합 업무다. 따라서 AI 에이전트가 기업 업무에 적용되기 위해서는 문서를 정확히 이해하고, 여러 업무 단계를 연결하며, 사람이 필요한 지점에서 결과를 검토할 수 있는 구조가 필요하다.
멀티 에이전트 시대의 기업 경쟁력은 단순히 AI를 도입하는 데서 결정되지 않는다.
AI가 실제 업무 안에서 관리 가능하고, 검증 가능하며, 신뢰할 수 있는 방식으로 작동할 때 기업의 생산성은 다음 단계로 확장될 수 있다.
