지난 글에서는 LAM과 ChatGPT의 인기에 더불어 가장 많이 언급되었던 LLM과의 차이가 무엇인지에 대해 살펴보았습니다.오늘은 LAM(Large Action Model, 대규모 행동 모델)을 설명할 때 가장 많이 언급되는 AI Agent(에이아이 에이전트)와는 서로 어떻게 연결 되어 있는지 다뤄보고자 합니다.

혹시 LAM과 LLM의 차이에 대해 조금 더 알고 싶은 분이 계시다면 아래 링크에서 확인 가능합니다.

LLM vs LAM: 언어 모델과 행동 모델의 차이는 무엇일까?

‍

LAM과 AI 에이전트

지난 글에서 설명했던 바와 같이 LAM은 텍스트 외 다양한 입력(이미지, 비디오 등) 정보를 기반으로 사용자의 행동을 예측하고 실행까지 하는 능력을 갖추고 있습니다. 즉, 일반적이거나 의외의 상황이 LAM에 주어졌을 때, LAM은 그 상황에서 어떤 행동을 수행해야 최적의 결과에 도달할 수 있는지를 고려하여 결정을 내립니다.

반면, AI 에이전트는 주어진 환경과 정보를 기반으로 사용자가 지정한 목적(목표)을 달성하기 위해 직접 수행하는 개별적인 개체입니다. 즉, AI 에이전트는 LAM의 계획에 따라 행동을 취하고, 실제 작업을 실행하는 역할을 합니다.

LAM은 머리, AI 에이전트는 몸

다시 설명하자면, LAM은 머리, AI 에이전트는 역할을 수행하는 몸으로 표현할 수 있습니다.

LAM과 AI 에이전트의 관계를 조금 더 쉽게 이해할 수 있는 비유는 건축을 생각해 볼 수 있습니다.

건물을 짓는 과정에서 건축가(LAM)는 설계 도면을 그리고 건물의 기초부터 완공까지 관리하는 역할을 합니다.하지만 건축가가 멋진 설계 도면을 완성하였다고 하더라도, 건물의 기초부터 완공에 이르기까지 건축가의 도면에 맞춰 함께 일할 사람들이 필요합니다.벽을 쌓고, 페인트를 칠하고, 전기공사를 하고 토목공사, 등 다양한 역할을 담당하는 사람들(AI 에이전트)이 건축가의 역할을 하는 LAM과 함께 건물의 완성까지 함께합니다.

즉, LAM은 건축가처럼 전체적인 설계와 의사 결정을 담당하고, AI 에이전트는 건축 현장에서 실질적으로 작업을 수행하는 역할을 합니다. AI 에이전트가 사용자의 의도와 목표에 부합한 데이터를 수집하고 작업을 실행하는 동안, LAM은 이 모든 과정이 최적의 목표를 향해 진행되도록 계획하고 조정합니다.

LAM과 AI 에이전트의 상호작용

위에 짧게 언급한 LAM와 AI에이전트의 비유를 각 단계별로 구분해 본다면 아래와 같이 설명 할 수 있습니다.

1. 사용자 요청: 건축 의뢰가 들어오면 건축가(LAM)는 건물 설계에 대한 대략적인 건축에 대한 개요를 수립하고, 함께 일하는 동료(AI 에이전트)를 통해 그에 맞는 데이터를 수집합니다.
2. 요청 분석 및 LAM 전달: 함께 일하는 동료(AI 에이전트)는 각자 수집한 데이터를 건축가(LAM)에게 전달하고, 건축가(LAM)는 이를 분석합니다.
3. LAM의 의사결정 및 계획 수립: 이후 건축가(LAM)는 분석된 데이터를 바탕으로 설계도와 건설 계획을 세우는 과정을 진행합니다. 또한, 작업의 우선순위와 진행 방법(워크플로우 등)을 계획합니다.
4. AI 에이전트의 작업 실행: 건축가(LAM)에서 받은 설계도와 건설 계획(실행 계획)을 중심으로 각각의 작업자들(AI 에이전트)은 실제 건축 현장에서 바닥을 다지고, 벽을 쌓고, 전기 공사를 하는 등 실제 작업을 수행합니다.
5. 진행 상황 업데이트 및 최적화: 설계도와 건설 계획에 따라 작업을 진행하다가 예기치 못한 상황이 발생한 경우, 작업자(AI 에이전트)는 이를 건축가(LAM)에게 보고하고 건축 의뢰인(사용자)의 목표를 달성하기 위해 최적(최선)의 방법을 찾고 이를 작업자에게 전달합니다. 이는 건축이 완성(목표 달성)될 때까지 반복될 수 있습니다.

마치며

결국, LAM과 AI 에이전트는 서로를 보완하는 관계를 이루고 있습니다.

LAM은 전체적인 전략과 계획을 수립하고, AI 에이전트는 그 계획을 실행에 옮겨 사용자의 목적에 부합하는 실제 성과를 이루어 냅니다. 이 상호작용은 최적의 결과를 달성하는 데 있어 필수적이며, LAM과 AI 에이전트가 마치 사람의 몸 처럼 유기적으로 협력할 때, 그 효율성과 효과는 극대화됩니다.

이와 같은 협력 구조는 단순히 작업을 수행하는 역할 이상으로, 다양한 변화에 유연하게 대응, 적응, 학습하여 사용자가 지정한 목표(목적)을 최적(최선)의 결과로 달성하는데 중요한 역할을 합니다.

‍

인핸스가 준비하고 있는 LAM 기반 AI Agent가 궁금하시다면 아래 기사에서 확인하실 수 있습니다.

다가오는 AI Agent의 시대... 인핸스가 답하는 디지털 커머스의 미래는?

‍