복습과 에이전트란

학습 목표

이 영상을 통해 사용자가 AI 에이전트와 일반적인 AI 챗봇의 차이점을 명확히 이해하고, 각 도구의 특성과 활용 방안을 파악하는 것을 목표로 합니다. 특히, 코덱스(Codex)와 같은 에이전트 기반 도구의 작동 방식과 장단점을 학습하고, 실제 개발 및 사무 환경에서의 적용 가능성을 탐색합니다.

핵심 개념

• AI 에이전트 vs. 일반 AI 챗봇:

  • 에이전트: 직접적인 도구 접근, 수정, 복잡한 사고 과정을 통한 검증된 답변 생성 가능. (예: 코덱스, 클로즈 코드)
  • 일반 챗봇: 주로 질문에 답변하는 용도. 내부적으로 사고 과정을 거치지만, 도구 접근성은 제한적. (예: GPT, Gemini)

• 사고 과정 (Reasoning Process):

  • AI가 질문을 받고 답변을 생성하기까지 거치는 단계적 절차. 에이전트는 이 과정에서 웹 검색, 정보 통합, 검증 등을 수행하여 결과의 신뢰도를 높입니다.
  • 내부적으로 토큰을 많이 사용하여 복잡한 추론을 수행합니다.

• 코덱스(Codex) 및 클로즈 코드(Close Code):

  • 설치형(UI)과 CLI형이 존재하며, UI는 편의성을 제공하지만 개발 시에는 CLI형이 더 효율적일 수 있습니다. (자바 개발 환경 비유)
  • IDE 확장 프로그램으로도 활용 가능하여 개발 생산성을 높입니다.

• 토큰(Token) 및 비용:

  • AI가 정보를 처리하는 기본 단위. 한국어는 영어보다 토큰당 비용이 높을 수 있습니다.
  • 모델 성능 향상 및 복잡한 사고 과정은 토큰 사용량을 증가시켜 비용 상승의 요인이 됩니다.
  • 저렴한 모델의 사용량 증가 추세.

• 재현성(Reproducibility)과 자동화:

  • AI 모델은 재현성이 떨어질 수 있어, 코드(Python 등)를 통한 자동화 및 전처리가 중요합니다.
  • 데이터 가공, 정제, 마스킹 등은 코드로 처리하는 것이 속도와 정확성 면에서 유리합니다.

• 컨텍스트 윈도우(Context Window):

  • AI가 기억할 수 있는 대화의 최대 길이. 이 창을 넘어가면 정보 압축 및 손실이 발생할 수 있습니다.

공부 방향성

이 영상을 시청하기 전, AI의 기본적인 작동 원리와 생성형 AI의 개념에 대해 미리 학습하면 이해도를 높일 수 있습니다. 영상 시청 후에는 코덱스나 유사한 AI 코딩 도구를 직접 사용해보며, 다양한 프롬프트와 시나리오에 따른 결과물을 비교 분석하는 실습을 진행하는 것이 좋습니다. 또한, AI 에이전트 활용 시 발생할 수 있는 비용 문제와 데이터 보안 및 개인정보 보호의 중요성에 대해 추가적으로 탐구하며, 안전하고 효율적인 AI 활용 방안을 모색해 보세요.