복잡하고 긴 작업도 ‘척척’… 계층적 AI 에이전트 선봬

ETRI, 계층적 에이전트 트리 구조 도입한 ‘리액트리’ 개발
상위 에이전트가 전체 목표 관리, 하위 에이전트 세부임무 수행

계층적 AI 에이전트 'ReAcTree'(리액트리)에 대해 소개하는 ETRI 연구진. ETRI 제공.

복잡하고 긴 절차의 작업을 스스로 계획해 기존보다 2배 향상된 임무를 수행하는 '계층형 인공지능(AI) 에이전트 기술'이 개발됐다.

한국전자통신연구원(ETRI)은 복잡한 작업을 하위 목표로 나눠 수행하는 계층적 작업 계획 AI 에이전트 '리액트리'(ReAcTree)를 개발했다고 12일 밝혔다.

대형언어모델(LLM)은 뛰어난 언어 이해와 추론 능력을 보여주고 있지만, 요리나 청소 등 여러 단계가 이어지는 장기 작업 수행에는 한계를 드러낸다. 단계가 길어질수록 앞선 지시를 잊거나 엉뚱한 행동을 하는 '환각'(할루시네이션) 현상이 자주 발생한다.

연구팀은 상위 에이전트가 전체 목표를 관리하고, 하위 에이전트에 세부 임무를 나눠 맡기는 방식의 '계층적 에이전트 트리 구조'를 도입해 기존 문제들을 해결했다.

과거 성공 경험을 저장했다가 유사 상황에서 활용하는 '일화 메모리', 현재 환경 정보를 모든 에이전트가 공유하는 '작업 메모리'를 적용해 에이전트의 판단력과 실행 정확도를 크게 높였다.

가령, "감자 슬라이스를 익혀서 냉장고에 넣어라"는 명령이 주어지면 리액트리는 이를 한 번에 처리하는 대신 '식칼 찾기', '감자 찾아 자르기', '자른 감자를 전자레인지에 데우기', '냉장고에 보관하기' 등으로 목표를 세분화한 뒤 하위 에이전트가 역할을 하도록 지시한다.

기존 AI는 중간에 감자를 데우는 과정을 생략하는 등 논리적 오류를 범하지만, 리액트리는 두 가지 기억체계를 통해 모든 작업을 성공적으로 수행한다고 연구팀은 설명했다.

리액트리의 성능은 기존 720억(72B) 파라미터 언어모델을 사용한 기존 방식의 임무 성공률(31%)보다 두 배 가량 높은 61%를 달성했다. 적은 컴퓨팅 자원으로 대형 AI 모델에 버금가는 성능을 구현할 수 있음을 보여주는 결과라고 연구팀은 설명했다.

김도형 ETRI 소셜로보틱스연구실장은 "리액트리는 복잡한 절차를 논리적으로 분해하고, 에이전트 간 협업을 통해 불확실한 환경에서도 유연하게 대응할 수 있는 기술"이라며 "앞으로 환각 현상을 더욱 줄이고, 에이전트가 사람에게 질문을 통해 불확실성을 해소하는 기능까지 추가해 실생활에 적용 가능한 수준으로 고도화할 계획"이라고 말했다.

이준기 기자 bongchu@dt.co.kr