Why I Think Workflows Matter More Than Agents

개요

AI 커뮤니티에서 AI 에이전트가 트렌드로 부상하고 있지만, 복잡성, 비용, 유지보수 측면에서 워크플로우가 더 중요한 역할을 할 수 있다는 관점을 제시한다.

주요 내용

* 워크플로우 중심 설계의 이점: AI 시스템 설계 시 "에이전트를 어떻게 만들까?" 대신 "문제를 해결하는 가장 간단한 워크플로우는 무엇인가?"라는 질문으로 시작하는 것이 AI 시스템 설계 방식을 개선한다.
* 문제 해결 능력: 워크플로우는 명확한 목적을 가진 예측 가능한 단계를 통해 문제를 해결하는 반면, 에이전트는 복잡한 의사결정 과정에 포함될 수 있다.
* 복잡성의 비용: AI 시스템에 추가되는 모든 계층은 프롬프트, API, 디버깅, 모니터링, 실패 지점 등 새로운 문제를 야기한다. 워크플로우는 이러한 복잡성을 줄여준다.
* 예측 가능성: 명확한 워크플로우는 문제가 발생했을 때 원인을 정확히 파악하기 용이하며, 각 단계를 독립적으로 테스트할 수 있다.
* 확장성: 워크플로우는 시스템 유지보수, 새로운 기능 추가, 모델 및 프롬프트 업데이트, 거버넌스 도입 등을 용이하게 하여 더 나은 확장성을 제공한다.
* 통합의 중요성: 고립된 지능보다 GitHub, API, 데이터베이스, 언어 모델 등을 통합하는 워크플로우가 더 큰 비즈니스 가치를 창출한다. Model Context Protocol (MCP)과 같은 표준화된 통합이 중요하다.
* 비즈니스 준비 상태: 많은 조직이 에이전트 배포를 AI 성공의 시작점으로 착각하지만, 실제로는 프로세스 이해가 선행되어야 한다. 비효율적인 워크플로우는 에이전트로 인해 자동화될 뿐이다.
* 에이전트 활용 시점: 에이전트는 다단계 연구, 동적 태스크 계획, 소프트웨어 엔지니어링 지원, 복잡한 오케스트레이션 등 특정 시나리오에 적합하며, 워크플로우가 불가능할 때 최적화 단계로 고려해야 한다.

시사점

궁극적으로 AI 에이전트의 발전에도 불구하고, 명확성과 신뢰성을 기반으로 실제 비즈니스 가치를 창출하는 것은 잘 설계된 워크플로우이며, 팀의 워크플로우 설계 능력이 미래 AI 경쟁력을 좌우할 것이다.