AI를 어떻게 일시키면 더 정확하고 실용적으로 움직이는가 — LLM을 단계적으로 문제 해결하고 도구를 쓰고 결과를 개선하게 만드는 6가지 운영 패턴을 비개발자 관점에서 정리했습니다.
사람의 말을 이해하고 문장을 생성하는 AI 모델. ChatGPT·Claude·Gemini.
답변만 하지 않고 목표를 받아 중간 판단과 도구 사용까지 수행하는 AI.
여러 단계의 판단·도구 호출·검토·협업 흐름을 조율하는 "팀장" 역할.
모델이 추론하고(Reason), 행동하고(Act), 결과를 관찰(Observation)하며 문제를 해결하는 가장 기초적인 패턴. "생각하고, 해보고, 결과를 보고, 다시 생각하는 방식".
예시 — "내일 서울 날씨 알려줘": 생각(내 지식만으론 불확실) → 행동(날씨 API/검색 호출) → 관찰(결과 확인) → 답변. 환각(hallucination)을 줄이고 도구 사용과 잘 결합됩니다.
언제: 한 번에 풀기 어렵거나, 중간 단계 확인이 중요하거나, 검색·계산·조회가 필요할 때.
자연어 설명만 하지 않고 직접 코드를 생성·실행하여 문제를 해결. "손으로 계산하는 대신 계산기를 꺼내 쓰는 방식".
예시: CSV에서 매출 상위 10개 뽑기 · PDF 여러 개에서 특정 문구 페이지 찾기 · 로그 집계로 에러 빈도 계산. 말로 추론하는 것보다 실행 결과가 더 정확합니다.
언제: 수치 계산·파일 처리·반복 검증이 중요할 때. 주의: 실행 환경 필요, 잘못된 코드 검증 필수.
모델이 외부 API·DB·웹 검색·사내 시스템 같은 도구를 호출하게 연결. "AI에게 손과 발을 붙여주는 것".
예시: 구글 캘린더 일정 조회 · 웹 검색으로 최신 뉴스 · CRM 고객 조회 · 텔레그램 요약 전송.
핵심: 많은 에이전트 시스템은 사실상 ReAct + Tool Use 조합으로 시작합니다.
자신이 만든 결과물을 스스로 검토·수정한 뒤 최종안을 내놓는 방식. "초안을 쓴 뒤 스스로 검토자 역할도 한 번 더".
예시: 보고서 초안 후 "논리 점검·중복 제거·누락 확인" · 이메일 후 "오해 표현 검토" · 코드 후 "버그·예외 케이스 점검".
언제: 완성도가 중요할 때. 주의: AI가 자기 답을 완벽히 비판하진 못함 → 중요 업무는 사람 검토 병행.
하나의 모델이 다 하지 않고 역할이 다른 여러 에이전트가 협력. "AI 한 명보다 팀을 꾸리는 방식". 기획·조사·작성·리뷰 에이전트로 분업.
예시 — 강의 자료 만들기: 조사(사례·통계) → 요약(핵심 압축) → 슬라이드(구조화) → 리뷰(초보자 관점 검토).
언제: 규모가 크고 단계가 많거나, 서로 다른 전문성·독립 검토가 필요할 때. 주의: 작은 작업엔 과한 구조.
기존 RAG(문서 검색→답변)에서 한 발 더 — 어떤 문서가 필요한지 스스로 판단하고, 부족하면 다시 찾거나 검색 전략을 바꾸는 능동형. "도서관 사서처럼 자료를 다시 찾아보는 방식".
예시: 사내 휴가 규정 찾기 · 과거 의사결정 근거 추적 · 매뉴얼+FAQ 종합 답변.
주의: 검색 품질·문서 정리·메타데이터에 좌우됨. 저장 체계가 엉망이면 성능 저하.
| 패턴 | 한 줄 요약 | 초보자 비유 | 대표 용도 |
|---|---|---|---|
| ReAct | 생각하고 행동하며 반복 해결 | 문제 풀면서 중간 점검 | 검색형 문제 해결 |
| CodeAct | 코드를 실행해 해결 | 계산기 대신 직접 프로그램 | 데이터 분석·파일 처리 |
| Tool Use | 외부 도구 연결 | AI에 손과 발 붙이기 | API 호출·시스템 연동 |
| Self-Reflection | 스스로 검토 후 개선 | 초안 쓰고 다시 검토 | 보고서·이메일·코드 점검 |
| Multi-Agent | 여러 AI가 역할 분담 | 팀을 꾸려 일하기 | 복잡한 프로젝트 |
| Agentic RAG | 능동적으로 문서 재검색 | 사서가 자료를 다시 찾기 | 사내 문서·지식 응답 |
현업에선 한 패턴 단독보다 여러 패턴을 조합해 업무 흐름을 만듭니다.
6가지를 한꺼번에 구현하려 하지 말고, 아래 순서로.
1. ReAct 단계적 사고·행동의 기본 구조
2. Tool Use 외부 정보·액션 수행
3. Self-Reflection 결과물 재검토로 품질 향상
4. CodeAct 계산·분석·파일 작업으로 확장
5. Agentic RAG 문서 검색·지식 응답 강화
6. Multi-Agent 규모가 커지면 팀 구조로사무직 실무라면 이 세 조합부터: