AI 에이전트 도입 검토 보고서를 쓰는 중입니다.
AI 에이전트 종류부터 정리하려고 자료를 찾아봅니다.
어떤 글은 반응형, 목표 기반형, 학습형으로 나누고,
어떤 글은 코딩 에이전트, 브라우저 에이전트, 음성 에이전트로 나눕니다.
분류는 많은데 정작 "그래서 우리 회사 업무에는 뭐가 맞느냐"는 질문에는 답이 없습니다.
교과서 분류표를 그대로 보고서에 붙였다가, 임원 회의에서 "그래서 뭘 하자는 거냐"는 질문을 받으신 적 있으신가요?
저희 팀리부뜨는 기업 업무에 맞춘 AI 에이전트를 구축하고 있습니다.
인터넷에 나오는 AI 에이전트 분류는 대부분 기술 구조 기준입니다.
AI가 내부적으로 어떻게 판단하느냐로 나누기 때문에 개발자에게는 유용하지만, 도입을 결정하는 실무자에게는 연결이 안 됩니다.
실무에서 필요한 질문은 하나입니다.
"이 에이전트가 우리 회사에서 무슨 일을 대신하느냐"입니다.
문제는 정보가 부족한 게 아니라, 분류 기준이 업무와 떨어져 있다는 것입니다.
그래서 이 글에서는 AI 에이전트를 하는 일 기준으로 다섯 가지로 나눠봤습니다.
1. 대화형 에이전트 (챗봇형)
사람이 질문하면 답하는 형태입니다. 고객 문의 응대나 사내 규정 안내처럼 정해진 범위의 질문에 답할 때 씁니다.
도입이 가장 쉽지만, 답을 주는 데서 끝나기 때문에 실제 업무 처리는 여전히 사람 몫으로 남습니다.
2. 검색형 에이전트 (사내 지식형)
회사 문서, 매뉴얼, 과거 메일을 찾아 근거와 함께 답을 줍니다. RAG라는 기술을 주로 사용합니다.
"작년에 이 거래처와 어떤 조건으로 계약했지?" 같은 질문에 강하고, 흩어진 자료를 찾는 시간을 크게 줄여줍니다.
3. 문서 처리형 에이전트
인보이스, 발주서, 계약서 같은 문서를 읽고 필요한 항목을 뽑아 정리합니다.
양식이 제각각인 문서를 사람이 옮겨 적던 업무에 가장 효과가 큽니다. 결과를 엑셀이나 표로 넘겨주는 데까지 합니다.
4. 업무 실행형 에이전트
문서를 읽는 데서 끝나지 않고 ERP 입력, 메일 회신 초안, 담당자 알림까지 이어서 처리합니다.
사람은 중간 결과를 검토하고 승인만 합니다. 기업이 "AI 에이전트"라고 할 때 실제로 기대하는 모습이 대부분 이 형태입니다.
5. 멀티 에이전트
여러 에이전트가 역할을 나눠 하나의 업무 흐름을 처리합니다. 주문 접수, 재고 확인, 출고 서류 작성을 각각 맡는 식입니다.
업무 범위가 넓을 때 쓰지만, 처음부터 이 형태로 시작하면 구축 기간과 비용이 커집니다.
| AI 에이전트 종류 | 하는 일 | 잘 맞는 업무 | 도입 난이도 |
|---|---|---|---|
| 대화형 | 질문에 답변 | 고객 응대, 규정 안내 | 낮음 |
| 검색형 | 사내 자료 찾아 답변 | 매뉴얼, 계약 이력 조회 | 중간 |
| 문서 처리형 | 문서 읽고 항목 정리 | 인보이스, 발주서 정리 | 중간 |
| 업무 실행형 | 정리 후 시스템 입력까지 | ERP 입력, 견적 작성 | 중간~높음 |
| 멀티 에이전트 | 여러 업무를 연결 처리 | 수주부터 출고까지 | 높음 |
처음 도입하는 회사라면 문서 처리형이나 업무 실행형 하나로 업무 하나를 끝까지 줄여보는 것을 권합니다.
대화형은 체감 효과가 작고, 멀티 에이전트는 첫 프로젝트로 하기엔 범위가 넓습니다.
팀리부뜨는 기업용 AI 에이전트를 구축하고 있습니다.
회사의 업무 맥락을 학습한 에이전트 하나가 사람이 하던 반복 작업을 대신 처리하는 방식입니다.
위 다섯 종류 중 하나를 골라 파는 방식이 아닙니다.
문서를 읽는 일, 자료를 찾는 일, 시스템에 넣는 일을 회사 업무 흐름에 맞게 조합해서 에이전트 하나로 만듭니다.
정해진 순서만 반복하는 자동화와 달리, 문서의 맥락을 이해하고 회사 규칙에 따라 판단합니다.
지금 쓰는 ERP나 그룹웨어를 바꿀 필요도 없습니다.
[팀리부뜨 AI 에이전트의 업무 처리 과정]
메일이나 공유 폴더로 들어온 문서를 에이전트가 먼저 읽고, 회사 규칙에 따라 필요한 항목을 정리합니다.
그다음 ERP나 엑셀 양식에 맞춰 결과를 채워두고, 확인이 필요한 부분만 표시해 담당자에게 넘깁니다.
수출입 서류 정리
거래처마다 다른 양식의 인보이스와 패킹리스트를 에이전트가 읽어 품목, 수량, 중량을 한 표로 맞춥니다.
서류 한 세트를 대조하는 데 30분씩 걸리던 작업이 5분 남짓한 검토로 줄어듭니다.
사내 규정 문의 응대
출장비 기준이나 휴가 규정처럼 반복되는 질문에 에이전트가 사내 문서를 근거로 답합니다.
경영지원팀이 하루 10건 넘게 받던 같은 질문 전화가 눈에 띄게 줄어듭니다.
전표 입력
카드 사용 내역과 영수증을 에이전트가 읽어 계정과목을 붙이고 ERP 전표 양식에 맞춰 채워둡니다.
회계 담당자는 애매하다고 표시된 몇 건만 확인하면 되니 월말 마감이 하루 이상 앞당겨집니다.
납기 변경 알림
공급사에서 온 메일 속 납기 변경 내용을 에이전트가 찾아 발주 목록과 비교하고 영향받는 주문을 담당자에게 알립니다.
매일 아침 메일함을 뒤지며 30분씩 확인하던 일이 알림 확인 몇 분으로 끝납니다.
사내 문서 검색형 에이전트가 궁금하다면 RAG, 뜻부터 기업의 실제 활용 범위까지 글도 함께 참고해보세요.
AI 에이전트 종류는 기술 구조보다 하는 일 기준으로 나눠야 도입 판단이 쉬워집니다.
처음이라면 업무 하나를 골라 문서 처리형이나 업무 실행형으로 끝까지 줄여보는 것이 가장 확실합니다.
지금 어떤 AI 에이전트로 시작할지 고민하고 계시다면,
우리 회사 업무에 맞는 형태가 무엇인지 팀리부뜨의 AI 에이전트 구축 전문가와 함께 정리해보세요.
반복 업무 목록과 그 업무에 쓰이는 문서 샘플을 준비해주시면 더 정확한 제안이 가능합니다.
상담문의 시 "AI 에이전트 종류 글을 보고 문의했다"고 남겨주시면 보다 원활한 상담이 가능합니다.
%202.png){kind=logo}
