AI 용어 사전

특정 작업을 자동으로 수행하도록 설계된 소프트웨어 프로그램으로, 소셜 미디어에서는 게시물 작성이나 댓글 반응을 자동화하는 데 주로 사용된다. AI 기술의 발전으로 인간과 유사한 대화가 가능해지면서 플랫폼 내 스팸이나 여론 조작의 도구로 악용되기도 한다.

사용자와의 대화를 통해 특정 작업을 수행하거나 정보를 제공하는 소프트웨어입니다. 이 아티클에서는 드라이브스루 주문을 자동으로 접수하고 고객에게 추가 메뉴를 제안하는 역할을 수행합니다.

사망한 사람의 디지털 데이터를 기반으로 생성된 챗봇이나 아바타를 뜻한다. 사용자와 실시간 대화를 나누며 고인의 말투나 지식을 흉내 내도록 설계되며, 기술적으로는 LLM과 음성 합성 기술이 결합된 형태를 띤다.

Dreamer 플랫폼에서 사용자의 개인적 맥락과 선호도를 학습하는 핵심 에이전트 페르소나이다. 사용자를 대신해 다른 전문 에이전트들을 호출하고 조율하며, 전체 시스템의 트래픽 컨트롤러이자 개인 비서 역할을 수행한다.

복잡한 작업을 완수하기 위해 메인 에이전트로부터 특정 임무를 부여받아 독립적으로 실행되는 하위 AI 유닛이다. 작업을 분업화하여 병렬로 처리하거나 전문화된 소규모 작업을 수행함으로써 전체 시스템의 효율성을 높인다.

여러 AI 모델이나 도구, 컴퓨팅 노드 간의 협업을 관리하고 실행 순서를 제어하는 시스템 계층이다. 사용자의 요청을 분석하여 적절한 도구를 호출하거나 작업을 분산 처리하는 역할을 수행한다. 복잡한 에이전트 시스템의 안정성과 확장성을 결정하는 핵심 요소이다.

여러 개의 전문화된 하위 에이전트들의 작업을 관리하고 조정하여 복잡한 목표를 달성하는 상위 에이전트이다. 각 에이전트에게 작업을 할당하고 결과를 취합하는 역할을 수행한다.

단순한 키워드 검색을 넘어 사용자의 취향과 맥락을 이해하고 제품이나 경험을 선제적으로 제안하는 고도화된 AI 도구이다. 개인화된 추천 시스템의 진화된 형태로, 능동적인 상호작용이 핵심이다.

메인 에이전트의 지시를 받아 특정 작업을 수행하는 하위 에이전트가 생성하는 추가적인 계산 비용이나 토큰 소모를 뜻한다. 서브에이전트가 도출한 결과가 상위 에이전트의 다음 단계에 활용되지 않을 경우 효율성을 저해하는 주요 원인이 된다.

AI가 단순히 질문에 답하는 것을 넘어 사용자의 의도를 파악하고 자율적으로 도구를 사용하거나 다단계 업무를 수행하는 사용자 경험이다. 마이크로소프트 365 코파일럿 웨이브 3는 사용자가 직접 에이전트를 구축하고 업무 흐름에 통합하는 기능을 강화했다.

단순한 웹 페이지 표시를 넘어 사용자의 의도를 파악하고 자율적으로 정보를 검색, 요약, 실행하는 기능을 갖춘 웹 브라우저이다. 사용자가 복잡한 작업을 지시하면 브라우저 내 AI 에이전트가 여러 단계를 거쳐 결과를 도출한다.

단순한 질의응답을 넘어 AI가 스스로 목표를 설정하고 도구를 사용하며 다단계 작업을 자율적으로 수행하는 방식이다. 사용자의 개입을 최소화하면서 복잡한 문제를 해결하는 능력을 의미하며, 차세대 AI 모델의 핵심 발전 방향으로 꼽힌다.

클라우드 서버를 거치지 않고 스마트폰이나 노트북 등 기기 내부에서 직접 실행되는 AI 에이전트이다. 개인정보 보호와 낮은 지연 시간이 특징이며, 화면 스크린샷을 실시간으로 분석하여 앱을 직접 조작하는 등의 복잡한 작업을 수행한다.

단순한 명령 수행을 넘어 AI 에이전트가 자율적으로 목표를 이해하고 도구를 사용하여 복잡한 워크플로를 처리하는 앱입니다. 사용자의 개입을 최소화하면서 실시간 데이터 기반의 의사결정과 자동화된 작업을 수행하여 업무 효율성을 극대화합니다.

그래픽 사용자 인터페이스(GUI) 없이 백그라운드에서 실행되는 자동화 프로그램이다. 이 게임에서는 실제 플레이어가 없을 때 대전 상대를 제공하기 위한 폴백 메커니즘으로 활용되어 게임의 연속성을 보장한다.

복잡한 대규모 작업을 여러 개의 하위 작업으로 나누어 병렬로 실행되는 여러 에이전트에게 위임하는 기능이다. 각 에이전트는 독립된 가상 머신(VM)에서 작동하며, 전체 작업 시간을 단축하고 효율성을 극대화하는 아키텍처를 제공한다.

특정 목표를 달성하기 위해 AI 모델이 자율적으로 판단하고 도구를 사용하도록 설계된 시스템 구조이다. 계획, 실행, 상태 관리 등의 요소가 결합되어 하나의 독립적인 작업 단위를 형성한다.

사용자를 대신하여 브라우저 창을 직접 제어하고 복잡한 작업을 수행하는 자율형 AI 기능이다. 단순한 질의응답을 넘어 웹 서비스 간의 상호작용을 자동화하여 생산성을 높이는 핵심 기술로 평가받는다.

AI 에이전트가 목표 달성을 위해 도구를 사용하고 추론하며 사용자와 주고받는 고수준의 복잡한 상호작용이다. 단순한 텍스트 생성을 넘어 문제 해결을 위한 일련의 계획과 실행 과정이 포함된 대화 흐름을 의미한다.

AI 에이전트가 개발 환경에서 직접 코드를 수정하고 풀 리퀘스트를 생성하거나 라이브 프리뷰를 실행할 수 있도록 지원하는 실행 환경이다. 개발자의 수동 작업을 줄이고 AI 기반의 자동화된 워크플로우를 구축하는 데 필수적이다.

사용자의 단순 질문에 답하는 수준을 넘어, 스스로 계획을 세우고 외부 도구를 사용하며 복잡한 작업을 수행하는 자율형 AI 작동 방식이다. 스케줄링, 데이터 통합 검색 등 실질적인 업무 대행이 가능하다.

AI 에이전트의 동작 방식, 사용 가능한 도구, 권한 및 제약 사항을 정의하는 설정 모음이다. 특정 프로젝트 환경에 맞춰 에이전트의 페르소나와 실행 환경을 최적화하는 데 사용된다.

LLM이 단순한 답변을 넘어 도구 사용, 코드 실행, 결과 확인 등을 스스로 수행하며 목표를 달성하는 상호작용 과정이다. 본문에서는 테스트 결과에 따라 코드를 수정하고 다시 검증하는 자율적인 루프를 의미한다.

AI 에이전트가 특정 작업을 수행하기 위해 유지하는 일련의 상호작용 단위이다. 이 세션 동안 축적된 데이터와 주석은 다음 작업의 정확도를 높이는 중요한 컨텍스트 정보원이 된다.

LLM이 도구 사용, 추론, 실행 과정을 자율적으로 수행할 수 있도록 구성된 기술 계층이다. 모델, 검색 도구, 오케스트레이션 프레임워크 등이 포함되며 복잡한 작업을 자동화하는 데 필수적이다.

AI 에이전트의 역할, 행동 지침, 사용할 도구 등을 정의한 설정 파일이다. 이 글에서는 CLAUDE.md와 같은 파일을 통해 프로젝트별로 일관된 에이전트 동작을 유도하는 용도로 사용된다.

AI가 단순한 도구를 넘어 워크플로 전체를 이해하고 도구 사용, 계획 수립, 실행을 자율적으로 수행할 수 있는 통합 작업 공간이다. 문맥이 유지되고 여러 도구가 체인처럼 연결되어 사용자가 단절 없이 목표를 달성할 수 있도록 지원하는 구조를 말한다.

에이전트가 수집된 정보를 바탕으로 특정 행동을 실행할지, 아니면 아무런 조치도 취하지 않고 침묵할지를 판단하는 핵심 로직이다. 상시 가동형 시스템에서는 불필요한 알림이나 행동을 억제하는 능력이 시스템의 신뢰도를 좌우한다.

시스템이 주기적으로 특정 작업을 수행하거나 상태를 점검하기 위해 실행되는 반복 프로세스이다. 본문에서는 에이전트가 30분마다 스스로 시스템 상태를 확인하고 다음 행동을 결정하도록 만드는 트리거 장치로 활용됐다.

AI가 주어진 목표를 달성하기 위해 스스로 계획을 세우고 도구를 선택하여 실행하는 구조이다. 이 프로젝트에서는 서브레딧 데이터를 수집하고 분석하여 사용자에게 최적의 게시 전략을 제안하는 역할을 수행한다.

하네스 소스 코드를 탐색하고 실행 추적과 점수를 분석하여 더 나은 코드 구조를 스스로 제안하는 자율형 모듈이다. 최적화 루프 내에서 반복적인 실험과 수정을 자동화한다.

LLM이 도구 사용, 계획 수립, 자율적 실행 등을 수행할 수 있도록 지원하는 프레임워크나 환경을 의미한다. 모델이 단순히 텍스트를 생성하는 것을 넘어 복잡한 워크플로우를 처리하는 에이전트로 작동하게 만드는 핵심 구조이다.

AI 에이전트가 수행한 작업의 과정과 결과가 목표에 부합하는지 자율적으로 판단하고 평가하는 시스템이다. 강화학습 과정에서 정교한 보상 신호를 제공하여 에이전트의 논리적 오류를 줄이고 학습의 정확도를 높이는 역할을 한다.

사용자의 컴퓨터 운영체제 수준에서 파일 생성, 수정, 실행 등 로컬 작업을 직접 수행할 수 있는 AI 에이전트이다. 단순 텍스트 응답을 넘어 실제 파일 시스템과 상호작용하며 복잡한 워크플로를 자동화하는 데 핵심적인 역할을 수행하여 생산성을 극대화한다.

사용자가 명시적으로 명령하지 않아도 배경에서 지속적으로 작동하며 필요한 정보를 수집하거나 작업을 수행하는 AI 에이전트이다. 인간의 개입을 최소화하면서 업무 흐름을 보조하는 미래형 에이전트 모델이다.

LLM이 자율적으로 도구를 사용하고 계획을 세워 복잡한 작업을 수행할 수 있도록 감싸는 외부 제어 구조 또는 프레임워크입니다. 루프 실행, 상태 관리, 도구 호출 인터페이스 등을 제공하여 모델이 에이전트로서 동작하게 돕습니다.

발생한 오류와 최근의 코드 변경점(Git Diff)을 대조하여 실제 인과관계가 있는지 분석하는 LLM 기반 에이전트이다. 단순한 통계적 이상 탐지를 넘어 변경된 파일의 성격(런타임 vs 문서)을 구분함으로써 자동 수정 프로세스의 정확도를 높인다.

사용자 인터페이스(UI) 없이 백그라운드에서 실행되는 AI 에이전트이다. 스크립트나 다른 프로그램에 의해 프로그래밍 방식으로 호출되어 특정 작업을 수행하며, 자동화된 파이프라인 구축에 필수적인 요소이다.

AI가 단순 답변을 넘어 외부 플랫폼과 연동하여 식당 예약과 같은 특정 과업을 자율적으로 수행하는 흐름이다. 사용자의 의도를 파악한 뒤 파트너사 API를 호출하여 실제 액션까지 완료하는 능력을 의미한다.

LLM이 목표 달성을 위해 도구 사용, 추론, 실행 과정을 거치는 일련의 시스템 구조이다. 각 단계의 입력값이 정확해야 최종 결과의 신뢰성을 보장할 수 있다.

여러 AI 에이전트의 작업 순서를 관리하고 도구 사용 및 실행 흐름을 제어하는 중앙 관리 시스템이다. 복잡한 워크플로를 자동화하기 위해 개별 에이전트들의 실행 환경을 통합적으로 운영한다.

사용자의 개입 없이 자율적으로 코드를 작성하거나 수정하는 AI 에이전트 시스템을 의미합니다. 빠른 코드 생성이 가능하지만, 적절한 통제가 없으면 코드베이스의 구조적 품질을 급격히 떨어뜨릴 위험이 있습니다.

사용자의 개입 없이 스스로 목표를 설정하고 작업을 완수하는 자율형 AI 도구이다. Roger AI는 이러한 완전 자동화 방식과 단순 튜토리얼 방식의 장점을 결합하여 사용자의 통제권을 유지하면서도 전문적인 지원을 제공한다.

AI 에이전트가 자율적으로 공급업체를 검색하고 협상하며 구매 결정을 내리는 차세대 조달 방식이다. 데이터의 가독성이 높은 아키텍처가 뒷받침되어야 효율적인 자동화가 가능하며, 이는 기업의 조달 프로세스를 획기적으로 간소화하는 데 기여한다.

AI 에이전트가 작업을 수행하기 위해 외부 함수나 API를 실행하는 과정이다. 이 과정에서 모델은 현재 상태와 도구 정의를 반복적으로 처리하며 많은 양의 토큰을 소비하게 된다.

AI 에이전트가 자율적으로 작업을 계획하고 실행하며 도구를 사용하는 과정을 구조화한 설계 방식이다. 단순한 프롬프트 실행을 넘어 복잡한 워크플로우를 안정적으로 처리하기 위한 아키텍처적 가이드라인을 기술한다.

AI가 단순히 질문에 답하는 수준을 넘어, 복잡한 목표를 달성하기 위해 스스로 계획을 세우고 외부 도구를 사용하며 문제를 해결해 나가는 자율적 실행 능력을 의미한다.

단순한 코드 자동 완성을 넘어 개발자의 의도를 파악하고 복잡한 리팩터링이나 기능 구현을 자율적으로 수행하는 AI 도구이다. Xcode에 통합된 Claude Agent나 Codex가 대표적이며 개발 생산성을 획기적으로 높인다.

단순한 규칙 기반 검사가 아니라 AI 에이전트가 다른 에이전트의 행동 추적과 실행 단계를 분석하여 성공 여부를 진단하는 방식이다. 단계별 추적 가능한 진단 기능을 통해 실패 원인을 구체적으로 파악할 수 있게 한다.

AI 모델이 단순한 답변을 넘어 스스로 도구를 사용하고 다단계 작업을 수행하는 실행 흐름이다. 각 단계의 진행 상황과 의사결정 내역을 저장하기 위해 로컬 저장소가 필수적으로 요구된다.

AI 에이전트가 주어진 목표를 달성하기 위해 스스로 필요한 도구를 선택하고 실행 순서를 결정하며 워크플로우를 조율하는 방식이다. 단순한 코드 생성을 넘어 실행 환경을 직접 제어하고 결과에 따라 다음 행동을 수정하는 자율성을 핵심으로 한다. 복잡한 다단계 작업을 자동화하는 데 필수적인 개념이다.

AI 에이전트가 개발자의 의도를 파악하여 코드 작성, 리팩터링, 디버깅 등을 자율적으로 수행하는 환경이다. 단순한 코드 완성을 넘어 프로젝트 전체의 맥락을 이해하고 복잡한 워크플로우를 자동화하여 생산성을 극대화한다.

AI 에이전트가 보안 사고의 탐지부터 조사, 대응까지 자율적으로 수행하는 메커니즘이다. 수동적인 알람 확인을 넘어 에이전트가 직접 분석하고 조치까지 실행하여 대응 속도를 극대화한다.

AI가 단순 텍스트 생성을 넘어 이메일 발송, 일정 관리 등 도구를 활용해 자율적으로 수행하는 사무 자동화 과업이다. Muse Spark는 이 영역에서 경쟁 모델인 GPT-5.4 대비 낮은 성능을 보였다.

Agent-to-Agent의 약자로, 독립적인 AI 에이전트들이 인간의 개입 없이 직접 데이터를 주고받으며 협업하는 방식이다. 분산된 시스템 간의 작업을 조율하고 전체 프로세스를 자동화하는 데 사용된다.

에이전트가 한 번의 응답으로 끝나는 것이 아니라, 여러 단계에 걸쳐 도구를 호출하고 상태를 유지하며 작업을 완수하는 과정. 복잡한 문제 해결 능력을 평가하는 핵심 요소이다.

하나의 복잡한 목표를 달성하기 위해 AI 에이전트가 스스로 하위 작업을 계획하고 순차적으로 수행하는 과정이다. 각 단계 사이의 메모리 관리와 결과 전달이 전체 작업의 성공 여부를 결정한다.

여러 AI 에이전트가 중앙 제어 없이 독립적으로 작업을 수행하며 상호작용하는 아키텍처이다. 각 에이전트가 비동기적으로 통신하며 대규모 작업을 분산 처리함으로써 시스템의 확장성과 처리 속도를 극대화하는 역할을 한다.

사용자의 명시적인 질문이 없어도 AI가 연결된 데이터를 실시간으로 분석하여 잠재적인 위험, 기회, 트렌드를 먼저 포착해 제안하는 기능이다. Pensieve는 연결된 도구의 데이터를 바탕으로 비즈니스에 중요한 변화를 감지하고 인사이트를 자동으로 생성한다. 이는 수동적인 챗봇 형태를 넘어 자율적인 비즈니스 파트너로서의 에이전트 역할을 가능하게 한다.

모델이 실행 결과를 스스로 모니터링하고 오류를 발견하여 수정하는 반복 과정이다. 이 루프가 발산하지 않고 정답으로 수렴하는 능력은 자율 에이전트 성능의 핵심 지표이다.