기술 환경은 주요 기술 기업들이 인공지능(AI) 에이전트가 직장에서 운영되는 방식을 재정의할 획기적인 이니셔티브를 중심으로 결집하면서 지각 변동을 겪고 있습니다. 이 회사들은 AI 에이전트가 서로 원활하게 소통하고 협업할 수 있는 협업 생태계를 개척하여 전례 없는 수준의 자동화와 효율성을 실현하고 있습니다.
Google은 Cohere, PayPal, Salesforce 및 Workday를 포함한 50개 이상의 주요 기술 조직으로부터 광범위한 지원을 받은 혁신적인 프레임워크인 Agent2Agent (A2A) 프로토콜을 공개했습니다. 이 협력적 노력은 AI 기반 시스템 간의 상호 운용성에 대한 증가하는 요구를 해결하여 복잡한 작업을 해결하기 위해 협력할 수 있도록 하는 것을 목표로 합니다.
Agent2Agent의 탄생: AI 협업 육성
기업이 운영을 간소화하고 생산성을 향상시키기 위해 AI 에이전트를 점점 더 많이 채택함에 따라 이러한 도구가 원활하게 상호 작용하고 협업해야 할 필요성이 가장 중요해졌습니다. A2A 프로토콜은 AI 에이전트가 기본 플랫폼이나 공급업체에 관계없이 서로 통신하고 협력할 수 있는 표준화된 프레임워크를 제공하여 이 문제에 대한 해결책으로 부상하고 있습니다.
A2A 이니셔티브의 핵심 참가자인 ServiceNow의 플랫폼 엔지니어링 및 AI 담당 수석 부사장인 Joe Davis는 협업 AI 시스템에 대한 수요가 증가하고 있음을 강조합니다. 그는 ‘고객은 이러한 새로운 에이전트 시스템이 서로 작동하기를 요구하고 있습니다.’라고 언급하며 AI 에이전트가 개별 사일로를 초월하여 응집력 있는 단위로 기능해야 할 필요성을 강조합니다.
A2A 프로토콜은 디지털 카드를 활용하여 AI 에이전트 간의 통신 및 작업 위임을 용이하게 합니다. 각 카드에는 에이전트의 기능에 대한 설명이 캡슐화되어 있어 다른 에이전트가 서비스를 쉽게 식별하고 요청할 수 있습니다. 에이전트는 작업을 원활하게 교환하고 진행 상황을 추적하며 과거 데이터에 액세스하여 원활하고 효율적인 워크플로를 보장할 수 있습니다.
Google의 머신 러닝, 시스템 및 클라우드 AI 담당 부사장인 Amin Vahdat은 AI 에이전트가 작업을 완료하는 데 필요한 리소스를 자율적으로 검색하고 연결할 수 있는 미래를 구상합니다. 그는 ‘고객은 에이전트에게 작업을 제공할 수 있으며 에이전트는 해당 작업을 수행하는 데 필요한 모든 것, 즉 데이터, API 및 기타 에이전트를 자동으로 찾아 연결합니다.’라고 설명하면서 인간의 개입 없이 복잡한 프로세스를 자동화할 수 있는 AI의 잠재력을 강조합니다.
실제 적용: 비즈니스 운영 혁신
A2A 프로토콜은 비즈니스 운영의 다양한 측면을 혁신할 수 있는 엄청난 가능성을 가지고 있습니다. 직원이 Google 제품을 사용하는 동안 오류가 발생하는 시나리오를 생각해 보십시오. 직원은 문제를 수동으로 해결하는 대신 작업을 AI 에이전트에 위임할 수 있습니다.
Google의 AI 에이전트는 제품 및 오류에 대한 이해를 활용하여 ServiceNow의 AI 에이전트와 협력하여 적절한 패치를 식별하고 배포를 위한 유지 관리 기간을 예약할 수 있습니다. 서로 다른 공급업체의 AI 에이전트 간의 이러한 원활한 협업은 해결 시간을 크게 줄이고 고객 만족도를 향상시킬 수 있습니다.
Davis는 A2A 프로토콜로 활성화된 연중무휴 24시간 자동화의 잠재력을 강조합니다. 그는 ‘서로 다른 시스템에서 작동하는 것은 연중무휴 24시간 자동화되어 고객의 해결 시간을 단축할 수 있습니다.’라고 언급하면서 AI 에이전트가 정규 업무 시간 외에도 고객 문제를 신속하게 해결하기 위해 끊임없이 작동할 수 있는 능력을 강조합니다.
상호 운용성 문제 해결
다양한 소프트웨어 플랫폼에서 AI 에이전트가 확산되면서 상호 운용성 문제가 발생했습니다. 일반적으로 대규모 언어 모델(LLM)을 기반으로 구축된 이러한 에이전트는 액세스할 수 있는 데이터와 시스템에 의해 제한되는 경우가 많습니다.
A2A 프로토콜은 서로 다른 플랫폼의 에이전트가 정보를 원활하게 교환하고 작업에 대해 협업할 수 있도록 하여 이러한 제한을 극복하려고 합니다. 이 상호 운용성은 기업이 여러 공급업체의 AI 에이전트를 활용하는 시나리오에서 특히 중요합니다.
예를 들어 Google, Salesforce 및 ServiceNow는 모두 고객 서비스를 위한 자동화된 도구를 제공합니다. A2A 프로토콜을 채택함으로써 이러한 회사는 AI 에이전트가 함께 작동하도록 하여 고객에게 보다 포괄적이고 효율적인 지원 경험을 제공할 수 있습니다.
진화하는 AI 표준 환경 탐색
AI 에이전트가 소프트웨어 시스템에 점점 더 필수적으로 통합됨에 따라 상호 작용을 관리하는 표준화된 프로토콜의 필요성이 가장 중요해졌습니다. Cohere의 엔지니어링 담당 부사장인 Autumn Moulder는 이 진화하는 환경에서 상호 운용성의 중요한 역할을 강조합니다.
그녀는 ‘AI 에이전트가 모든 소프트웨어 시스템의 핵심 부분이 됨에 따라 상호 운용성이 중요합니다.’라고 언급하면서 AI 에이전트가 원활하게 통신하고 협업할 수 있도록 하는 공통 표준을 설정하는 것이 중요함을 강조합니다.
Moulder는 현재 여러 산업 표준이 지배를 위해 경쟁하면서 해당 부문이 급속한 확장을 겪고 있음을 인정합니다. A2A와 같은 프로토콜은 이 환경을 형성하는 데 중요한 역할을 하며 미래 AI 협업의 토대를 제공합니다.
Cohere의 North 플랫폼: AI 에이전트 강화
Cohere의 North 플랫폼은 사용자가 최첨단 LLM으로 구동되는 AI 에이전트를 구축할 수 있도록 지원합니다. 이러한 에이전트는 API(응용 프로그래밍 인터페이스)를 통해 연결된 고객 데이터베이스 및 기타 소프트웨어 시스템의 정보를 사용하여 작업을 수행할 수 있습니다.
Moulder는 에이전트가 서로 및 다른 기술 도구와 함께 작동하는 방식을 관리하는 규칙이 아직 초기 단계에 있다고 강조합니다. A2A와 같은 프로토콜은 더 많은 회사가 구매할수록 더 유용해질 수 있습니다. 이는 에이전트가 더 많은 작업을 수행할 수 있도록 하기 때문입니다. 그러나 시스템 설계는 ‘네트워크가 성장하더라도 즉각적인 유틸리티를 제공할 수 있음’을 의미한다고 Moulder는 말했습니다.
모델 컨텍스트 프로토콜: AI 에이전트 인식 향상
A2A 프로토콜 외에도 많은 기술 회사가 Anthropic에서 만든 모델 컨텍스트 프로토콜(MCP)이라는 다른 시스템에도 참여하고 있습니다. 이 프로토콜은 AI 에이전트가 앱 및 사이트 API의 데이터에 더 쉽게 액세스할 수 있도록 합니다.
Cohere, Google 및 ServiceNow는 모두 Amazon 및 OpenAI와 마찬가지로 MCP를 사용하고 있습니다. Moulder는 두 프로토콜이 함께 ‘AI 에이전트가 올바른 컨텍스트를 가지고 가장 유용한 도구를 활용할 수 있도록 보장한다’고 믿습니다.
AI 협업의 미래: 지능형 에이전트의 세계
이러한 협력적 이니셔티브의 융합은 AI 에이전트가 원활하게 함께 작동하고 인간의 능력을 증강하며 전례 없는 수준의 자동화를 추진하는 미래를 향한 중요한 단계를 의미합니다. 더 많은 회사가 이러한 프로토콜을 채택함에 따라 AI가 우리 삶의 다양한 측면을 변화시킬 수 있는 잠재력은 계속 증가할 것입니다.
A2A 프로토콜과 MCP는 AI 에이전트가 개발되고 배포되는 방식의 패러다임 전환을 나타냅니다. 협업과 상호 운용성을 촉진함으로써 이러한 프로토콜은 AI 에이전트가 단순한 고립된 도구가 아니라 광대한 지능형 생태계의 상호 연결된 구성 요소인 미래를 위한 길을 열고 있습니다.
이러한 발전의 영향은 의료 및 금융에서 제조 및 운송에 이르기까지 다양한 산업 분야에서 느껴질 것입니다. AI 에이전트는 일상적인 작업을 자동화하고, 개인화된 추천을 제공하고, 중요한 결정을 내릴 수도 있어 인간 노동자가 보다 창의적이고 전략적인 노력에 집중할 수 있도록 합니다.
AI 기술이 계속 발전함에 따라 협업과 표준화의 중요성은 더욱 커질 것입니다. A2A 프로토콜과 MCP는 인공지능의 미래를 형성하는 데 있어 집단적 혁신의 힘을 보여주는 미래 AI 개발의 청사진 역할을 합니다.
협업 AI의 주요 이점
협업 AI 접근 방식은 다음과 같은 수많은 이점을 제공합니다.
- 효율성 증가: 함께 작동하는 AI 에이전트는 개별 에이전트보다 복잡한 작업을 보다 효율적으로 자동화할 수 있습니다.
- 정확도 향상: 협업 AI는 다양한 데이터 소스와 관점을 활용하여 보다 정확하고 신뢰할 수 있는 결과를 얻을 수 있습니다.
- 확장성 향상: 협업 AI 시스템은 증가하는 요구를 충족하기 위해 보다 쉽게 확장할 수 있습니다.
- 비용 절감: 협업 AI는 작업을 자동화하고 효율성을 향상시켜 운영 비용을 절감하는 데 도움이 될 수 있습니다.
- 혁신 증대: 협업 AI 생태계는 개발자가 서로의 작업을 기반으로 구축할 수 있도록 함으로써 혁신을 촉진합니다.
과제 및 고려 사항
협업 AI의 잠재적 이점은 엄청나지만 해결해야 할 과제와 고려 사항도 있습니다. 여기에는 다음이 포함됩니다.
- 보안: 협업 AI 환경에서 데이터 및 통신의 보안을 보장하는 것이 중요합니다.
- 개인 정보 보호: 협업 AI 시스템에서 사용자 개인 정보를 보호하려면 신중한 계획과 구현이 필요합니다.
- 신뢰: AI 에이전트와 사용자 간의 신뢰를 구축하는 것은 광범위한 채택에 필수적입니다.
- 거버넌스: 책임 있는 사용을 보장하기 위해 협업 AI에 대한 적절한 거버넌스 프레임워크를 개발하는 것이 필요합니다.
- 윤리적 고려 사항: 협업 AI의 윤리적 의미를 다루는 것이 가장 중요합니다.
나아갈 길
완전히 협업적인 AI 생태계를 향한 여정은 이제 시작되었습니다. 더 많은 회사와 연구원이 이러한 원칙을 수용함에 따라 앞으로 몇 년 동안 AI의 훨씬 더 혁신적인 응용 프로그램이 등장할 것으로 예상할 수 있습니다.
협업 AI의 잠재력을 최대한 실현하려면 다음이 필수적입니다.
- 개방형 표준 촉진: AI 통신 및 협업을 위한 개방형 표준 개발 및 채택을 장려하는 것이 중요합니다.
- 협업 육성: 연구원, 개발자 및 기업이 함께 협력할 수 있는 협업 생태계를 조성하는 것이 필수적입니다.
- 연구 투자: 협업 AI 기술의 연구 개발에 투자하는 것이 중요합니다.
- 윤리적 문제 해결: 협업 AI의 윤리적 의미를 사전에 해결하는 것이 가장 중요합니다.
- 대중 교육: 협업 AI의 이점과 과제에 대해 대중을 교육하는 것은 신뢰와 수용을 육성하는 데 필수적입니다.
함께 협력함으로써 협업 AI의 힘을 활용하여 모두를 위한 보다 효율적이고 생산적이며 공평한 미래를 만들 수 있습니다.