AI 에이전트 구축 방법 - 1부: 비전 및 계획

Why managing AI risk presents new challenges

Aliquet morbi justo auctor cursus auctor aliquam. Neque elit blandit et quis tortor vel ut lectus morbi. Amet mus nunc rhoncus sit sagittis pellentesque eleifend lobortis commodo vestibulum hendrerit proin varius lorem ultrices quam velit sed consequat duis. Lectus condimentum maecenas adipiscing massa neque erat porttitor in adipiscing aliquam auctor aliquam eu phasellus egestas lectus hendrerit sit malesuada tincidunt quisque volutpat aliquet vitae lorem odio feugiat lectus sem purus.

Lorem ipsum dolor sit amet consectetur lobortis pellentesque sit ullamcorpe.
Mauris aliquet faucibus iaculis vitae ullamco consectetur praesent luctus.
Posuere enim mi pharetra neque proin condimentum maecenas adipiscing.
Posuere enim mi pharetra neque proin nibh dolor amet vitae feugiat.

The difficult of using AI to improve risk management

Viverra mi ut nulla eu mattis in purus. Habitant donec mauris id consectetur. Tempus consequat ornare dui tortor feugiat cursus. Pellentesque massa molestie phasellus enim lobortis pellentesque sit ullamcorper purus. Elementum ante nunc quam pulvinar. Volutpat nibh dolor amet vitae feugiat varius augue justo elit. Vitae amet curabitur in sagittis arcu montes tortor. In enim pulvinar pharetra sagittis fermentum. Ultricies non eu faucibus praesent tristique dolor tellus bibendum. Cursus bibendum nunc enim.

Id suspendisse massa mauris amet volutpat adipiscing odio eu pellentesque tristique nisi.

How to bring AI into managing risk

Mattis quisque amet pharetra nisl congue nulla orci. Nibh commodo maecenas adipiscing adipiscing. Blandit ut odio urna arcu quam eleifend donec neque. Augue nisl arcu malesuada interdum risus lectus sed. Pulvinar aliquam morbi arcu commodo. Accumsan elementum elit vitae pellentesque sit. Nibh elementum morbi feugiat amet aliquet. Ultrices duis lobortis mauris nibh pellentesque mattis est maecenas. Tellus pellentesque vivamus massa purus arcu sagittis. Viverra consectetur praesent luctus faucibus phasellus integer fermentum mattis donec.

Pros and cons of using AI to manage risks

Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.

Vestibulum faucibus semper vitae imperdiet at eget sed diam ullamcorper vulputate.
Quam mi proin libero morbi viverra ultrices odio sem felis mattis etiam faucibus morbi.
Tincidunt ac eu aliquet turpis amet morbi at hendrerit donec pharetra tellus vel nec.
Sollicitudin egestas sit bibendum malesuada pulvinar sit aliquet turpis lacus ultricies.

“Lacus donec arcu amet diam vestibulum nunc nulla malesuada velit curabitur mauris tempus nunc curabitur dignig pharetra metus consequat.”

Benefits and opportunities for risk managers applying AI

AI 에이전트는 AI 및 머신 러닝의 유용한 애플리케이션이지만 어떻게 만들어질까요?이 블로그 시리즈는 AI 에이전트 구축의 전체 단계를 설명하는 여러 부분으로 구성된 블로그 시리즈입니다.

먼저, AI 에이전트란 무엇일까요? AI 에이전트는 환경을 인식하고, 정보를 처리하고, 계획을 세우고, 결정을 내리고, 특정 목표를 달성하기 위한 조치를 취하는 소프트웨어 개체입니다.AI 에이전트는 단순한 규칙 기반 소프트웨어 및 고정된 워크플로우부터 완전 자율 시스템까지 다양합니다.

AI 에이전트의 주요 특징:

지각 — 센서, API, 지식 기반 또는 입력 데이터 스트림을 사용하여 환경에서 데이터를 수집합니다.
처리 및 의사 결정 — 로직, 규칙 또는 AI 모델을 적용하여 입력을 분석하고 적절한 응답을 결정합니다.
메모리 — 사용자와의 상호 작용 기록을 저장 및 관리하고 향후 의사 결정을 도울 수 있습니다.
액션 — 응답 생성, 작업 자동화, 다른 시스템과의 상호 작용 등 의사 결정에 따라 작업을 수행합니다.
자율성 — 워크플로우 에이전트는 복잡하거나 반복적인 작업을 자동화하여 생산성을 향상시킵니다.자율 에이전트는 지속적인 사용자 개입 없이 복잡한 작업을 수행합니다.
적응성 — 일부 AI 에이전트는 상호 작용을 통해 학습하고 시간이 지남에 따라 개선될 수 있습니다.

문서화된 단계를 통해 누구나 팔로우할 수 있는 MVP AI 에이전트가 탄생할 것입니다.이것은 1부: 비전 및 계획에서는 재미삼아 두 가지 AI 에이전트 아이디어를 구상하고, 어떤 제품을 만들지 결정하기 전에 최소 실행 가능 제품 (MVP) 을 만드는 데 필요한 것이 무엇인지 살펴봅니다.

두 가지 AI 에이전트 아이디어 살펴보기

성공은 계획된 비전, 달성 가능한 수단, 효율적인 자원 사용이라는 세 가지 핵심 요소에서 비롯됩니다. — GMI의 모토

먼저 두 가지 아이디어에 대한 비전을 살펴보겠습니다.

컨벤션 리서치 어시스턴트: 업계 이벤트를 발견하고 관련 비용 및 참석에 대한 예상 수익을 계산하는 AI 에이전트
아웃핏 시커: 사진이나 이미지를 보고 스타일과 의상을 이해한 다음 온라인 의류 옵션을 스크랩하여 식별된 스타일을 구매할 수 있는 옵션을 생성하는 AI 에이전트

이 두 프로젝트 모두 구체적인 사용 사례가 있는 프로젝트이며 아래에 자세히 설명되어 있습니다.

컨벤션 연구 어시스턴트

업계 컨벤션 및 컨퍼런스를 따라가는 것은 어려울 수 있습니다.이 AI 에이전트는 다음과 같은 방법으로 프로세스를 간소화하는 것을 목표로 합니다.

웹 스크래핑 및 데이터 집계를 통해 관련 업계 규칙을 찾습니다.
출장비, 항공권, 숙박비 및 기타 비용을 포함한 비용 추정
청중, 네트워킹 기회 및 발표자 라인업과 같은 요소를 기반으로 예상 투자 수익률 (ROI) 을 계산합니다.
사용자가 정보에 입각한 결정을 신속하게 내릴 수 있도록 간결한 요약을 생성합니다.

이것이 실현 가능한 MVP인 이유

국제대회 일정과 세부 사항은 구조화된 형식으로 온라인에서 확인할 수 있는 경우가 많습니다.
웹 스크래핑 및 간단한 데이터 처리는 비교적 빠르게 구현할 수 있습니다.
비용 추정 모델은 대중교통 및 항공권 가격 데이터를 기반으로 간단하다.
ROI 추정은 기본 휴리스틱으로 시작하여 시간이 지남에 따라 개선할 수 있습니다.상담원에게 각 규칙의 기대값에 점수를 매기는 방법을 가르쳐야 할 수도 있기 때문에 실제로는 이것이 AI 에이전트의 업무 중 가장 어려운 부분이라고 생각합니다.

아웃핏 시커

이 AI 에이전트는 사진이든 그림이든 관계없이 사람의 의상 이미지를 촬영하여 룩에 맞는 구매 가능한 의류 품목을 찾으려고 시도합니다.주요 기능은 다음과 같습니다.

이미지 인식 및 분류를 통해 의류 품목을 유형, 색상 및 스타일별로 분류합니다.
컴퓨터 비전 및 웹 크롤링을 사용하여 유사한 의류 품목을 온라인으로 검색합니다.
다양한 조명, 각도 및 일치하는 제품의 가용성과 같은 문제를 해결합니다.

구축이 훨씬 더 어려운 이유

만드는 것도 재미있겠지만, 기술적인 복잡성이 있는 단순한 아이디어의 좋은 예입니다.

패션 아이템의 이미지 인식에는 광범위한 데이터 세트를 기반으로 학습된 정교한 딥 러닝 모델이 필요합니다.
여러 온라인 스토어에서 정확하거나 매우 유사한 매치를 찾는 것은 여러 API와 사용자 지정 검색 엔진과 관련된 복잡한 문제입니다.
의류 품목은 종종 재고가 소진되거나 가격 및 재고 여부가 달라지기 때문에 실시간 정확도가 어렵습니다.

AI 에이전트를 지나치게 복잡하게 만드는 것을 피하고 싶기 때문에 우리는 이 에이전트를 만들지 않기로 결정했습니다.그래도 재밌는 프로젝트로 언젠가는 만들고 싶은 게 아닐까요.

AI 에이전트 정의

아이디어를 선택한 후에는 다음과 같이 명확하게 정의하는 것이 중요합니다.

더 특정 문제 에이전트가 해결합니다.
타깃 사용자 그리고 그들의 필요.
성공 지표 효과를 측정하기 위해서죠.

이러한 명확성은 측정 가능한 목표를 가진 집중적인 개발 프로세스를 보장합니다.우리의 경우 다음과 같이 쉽게 정의할 수 있습니다.

해결되는 문제: 산업별 이벤트를 평가하는 수동 프로세스를 자동화하여 ROI를 높입니다.
사용자 및 요구: 우리가 이걸 사용할거야!이 경우 팀원들에게 사전 조사를 거친 컨벤션 및 업계 행사 목록을 제공하고 관련 비용을 기준으로 AI 에이전트의 예상 가치 요약을 제공해야 합니다.결국 사람이 결정을 내리고, AI 에이전트의 역할은 동의를 제공하는 것입니다.
성공 지표: 워크플로를 가속화하고 생산성을 높이는 데 도움이 되었나요?AI 에이전트가 잘못되거나 부정확하거나 부정확한 정보를 제공하여 더 많은 작업이 발생하는 장애 상태도 있습니다.이전 워크플로를 AI 지원 워크플로와 비교할 수 있을지도 모릅니다.

위의 모든 것은 우리의 것입니다 비전.이제 어떻게 실행할지 계획할 차례입니다. 계획.

요구 사항 식별

기능적인 AI 에이전트를 구축하려면 다음이 필요합니다.

데이터 소스 (예: 업계 이벤트 목록, 의류 소매업체 API, 이미지 데이터베이스).
핵심 AI 모델 및 기법 (예: 요약을 위한 NLP, 복장 인식을 위한 컴퓨터 비전).
인프라스트럭처 정보를 수집, 처리 및 사용자에게 제공합니다.

이 작업을 더 쉽게 하기 위해 몇 가지 오픈 소스 도구를 사용할 것입니다.

Dify.ai — 제너레이티브 AI 애플리케이션 구축을 위한 로우코드 플랫폼입니다.
딥시크 R1 — 가벼운 오픈 소스 LLM 모델입니다.당면한 작업에 비해 너무 무리할 수도 있겠지만, 우리는 멋진 새 장난감을 가지고 놀고 싶습니다.또한 GMI Cloud는 현재 DeepSeek-R1을 호스팅하고 있습니다. 그래서 우리만의 개밥도 만들고 있어요!

예상되는 문제 및 합병증

모든 AI 프로젝트에는 저마다의 장애물이 있습니다.우리 프로젝트의 주요 과제는 다음과 같습니다.

데이터 가용성: 일부 정보는 페이월 뒤에 있거나 고급 스크래핑 기술이 필요할 수 있습니다.
기술적 타당성: 컨벤션 어시스턴트는 비교적 간단하지만 의상 검색 어시스턴트에는 복잡한 AI와 검색 알고리즘이 포함됩니다.
정확성 및 성능: 정확한 이벤트 ROI 추정 또는 정확한 복장 매치를 보장하려면 시간이 지남에 따라 상당한 개선이 필요합니다.
기존 AI 모델의 한계: 사전 학습된 모델이 사용 사례에 효과적이려면 미세 조정이나 추가 데이터가 필요할 수 있습니다.
견고한 인프라: 아마도 이 프로젝트를 위해 기본적인 개선 작업을 할 것입니다. 하지만 에이전트를 지속적으로 개선하려면 좋은 인프라가 핵심입니다.

AI 에이전트 빌더는 이러한 문제를 예측함으로써 타당성 및 개발 전략에 대해 정보에 입각한 결정을 내릴 수 있습니다.

‍

2부: MVP 구축 — 프로세스

이벤트 리서치 AI 어시스턴트의 MVP를 구축하는 데 사용하는 단계를 문서화할 2부도 기대해주세요!

‍