왜 지금 에이전틱 AI인가

이번 밋업에서 발표자가 소개한 ‘코히어’는 단순한 챗봇이 아니라 역할(Role), 스킬(Skill), 워크플로우(Workflow), 메모리(Memory)를 갖춘 하나의 에이전트 팀이다. 이는 최근 업계가 말하는 ‘에이전틱 AI(Agentic AI)‘의 전형적인 구조다. 여러 분석에 따르면 2024년 1분기부터 2025년 2분기 사이 멀티에이전트 시스템에 대한 기업 문의가 급증했고, 업계는 하나의 범용 에이전트보다 특정 업무에 특화된 좁은 역할의 에이전트를 여러 개 두는 방식으로 이동하고 있다고 분석한다 agentic AI trends. 실제로 2027년까지 멀티에이전트 시스템의 70%가 이런 ‘좁고 전문화된’ 에이전트로 구성될 것이라는 예측도 있다 AI trends 2026. 발표자의 회사가 HR 디렉터, 법률 자문, 카피라이터, 연구 보조(Scout) 등 역할별 에이전트를 따로 두고 서로 ‘핸드오프’하게 만든 설계는 이 흐름과 정확히 일치한다.

HR·채용 자동화는 왜 1순위 적용처가 되었나

채용 공고 작성부터 지원자 스코어링, 오퍼 발송, 온보딩까지 전 과정을 에이전트가 처리하는 구조는 우연이 아니다. 채용 한 건당 평균 지원서 수가 계속 늘면서 기업들은 스크리닝 자동화에 의존할 수밖에 없는 상황이다 AI 채용 통계 2026. 다만 규제 리스크도 함께 커지고 있어, 뉴욕·일리노이·콜로라도 등 일부 지역과 EU AI Act는 이미 AI 채용 도구에 대한 투명성·공정성 요건을 두고 있다는 점도 함께 짚어볼 필요가 있다 AI resume screening 2026. 발표에서 나온 ‘스코어러가 채용 점수를 매기길 거부한 사건’은 이런 윤리적 민감성을 모델이 스스로 인식한 사례로 볼 수 있다.

왜 모든 단계를 자동화하면 안 되는가: Human-in-the-Loop

발표자가 강조한 ‘게이트(gate)‘는 업계가 말하는 Human-in-the-Loop(HITL) 거버넌스의 실제 구현이다. 최근 논의는 모든 액션을 사람이 일일이 승인하는 방식이 처리량이 늘어나면 오히려 ‘러버스탬프(기계적 승인)‘로 변질된다고 지적하며, 대신 사람이 목표·제약·에스컬레이션 기준을 설계하고 에이전트가 그 안에서 자율적으로 움직이는 ‘Human-on-the-loop’ 모델로 전환할 것을 권장한다 human-in-the-loop enterprise AI controls. IBM 역시 ‘모든 단계에 사람이 있어야 한다’가 아니라 ‘모든 단계에 책임질 사람이 있어야 한다’는 쪽으로 메시지를 바꾸고 있다는 분석도 있다 AI guardrails monitoring. 채용 담당자가 공고·오퍼·이메일을 매 단계 확인하게 만든 구조는 정확히 이 ‘위험 등급별 라우팅’ 원칙을 따른다.

비용을 좌우하는 LLM 모델 티어링

발표자가 언급한 ‘고성능 모델은 어려운 추론에, 저성능 모델은 반복 작업에’ 쓰는 전략도 업계 표준에 가깝다. Haiku는 분류·추출·대량 처리에, Sonnet은 범용 기본값으로, Opus는 복잡한 추론이 필요한 고난도 작업에 쓰라는 가이드가 일반적이다 Claude 모델 비교. 월 100달러 수준의 운영비로 주 12시간을 절약했다는 발표자의 수치는, 고성능 모델을 스코어링처럼 판단이 중요한 업무에만 제한적으로 쓰고 나머지는 저비용 모델로 내리는 전략이 실제 비용 구조에 반영된 결과로 보인다.

숨겨진 리스크: 프롬프트 인젝션

질의응답에서 나온 ‘이력서에 숨긴 지시문’ 우려는 더 이상 가설이 아니다. Duke 대학 연구진이 실제 지원서 약 20만 건을 분석한 결과 최소 1%에서 AI 채용 심사를 조작하려는 숨겨진 지시문이 발견됐고, 특정 채용 플랫폼에서는 2024년 7월부터 2025년 11월 사이 이런 사례가 7배로 늘었다는 보도도 있다 Duke Pratt 연구. 채용 공고에 쓰인 폼 빌더 자체의 검증된 보안에 기대는 현재의 방어는 최소한의 조치일 뿐, 스코어링 결과에 대한 지속적 모니터링과 이상 탐지가 함께 필요하다.

도입을 고려하는 기업을 위한 조언

결국 발표의 핵심 메시지는 ‘만들 수 있다고 모두 만들어야 하는 건 아니다’라는 것이다. 모든 자동화는 유지보수 비용이 따르는 ‘장기 임대 계약’이며, AI를 얹기 전에 회사의 맥락과 프로세스를 먼저 정리하는 것이 먼저다. 이는 에이전틱 AI 도입 기업들이 공통적으로 강조하는 거버넌스·감사 추적 체계와도 맞닿아 있다 agentic AI governance. 작은 실험부터 ‘짧은 임대’로 시작해 효과를 검증한 뒤, 핵심 업무에 들어가는 자동화일수록 게이트와 모델 선택을 신중히 설계하는 것이 현재 업계가 권하는 방향이다.

🔗 참고 자료 (작성 중 열람한 자료)