
핵심 내용 요약
- 삼성SDS AI 연구팀 - 삼성SDS AI 연구팀은 강화학습, 생성형 AI, Agent, 선행 기술을 연구하는 4개의 랩으로 구성되어 상호보완적인 연구를 통해 기업 환경에 실제 적용 가능한 AI 솔루션을 개발하고 있습니다.
- 기업 환경에 최적화된 AI 솔루션 개발 - 삼성SDS는 40년간의 기업 디지털 전환 노하우를 바탕으로, 기존 레거시 시스템과 AI 기술을 효과적으로 통합하는 솔루션을 제공합니다. 최적의 기술로 최고의 효과를 추구하는 실용적 접근이 차별점이에요.
- 생성형 AI를 넘어 Agentic AI로의 진화 - 앞으로 AI의 미래는 Agentic AI입니다. Agentic AI는 문제 해결을 위해 스스로 계획을 세우고 실행하는 자율적 인공지능으로, 이태희 연구팀장은 생성형 AI가 정보를 만들어내는 '두뇌'라면, Agent AI는 행동을 수행하는 '주체'라고 설명합니다.
삼성SDS 연구소에서 AI 연구팀을 이끌고 계신 이태희 연구팀장님을 만났습니다. UCLA에서 컴퓨터 비전 연구로 박사학위를 받으신 후 구글에서 사진 검색 프로젝트를 이끈 이태희 상무님은 현재 삼성SDS 연구소에서 Agentic AI와 하이퍼 오토메이션 기술 개발을 주도하고 있는데요. 최근 이태희 연구팀장님께서는 REAL 2024를 비롯한 여러 외부 행사에서 "생성형 AI를 넘어서는 Agentic AI의 패러다임"을 제시하시기도 했습니다. 지금부터 연구팀장님께서 말하는 삼성SDS AI 연구팀이 만들어나갈 미래를 소개합니다.
"저에게 컴퓨터는 문제를 푸는 놀이였습니다"
지금의 자리에 오시기까지 어떤 경험과 여정을 거치셨나요?
계속해서 도전을 해왔던 것이 제 삶의 가장 큰 원동력이었습니다. 카이스트에서 전산학 전공으로 학부를 마친 후 미국으로 유학을 결정했고, UCSB에서 석사를 UCLA에서 박사 과정을 마쳤습니다. 어린
시절부터 컴퓨터는 늘 제게 놀이 같았어요. 문제를 푸는 것이 재미있었죠. 컴퓨터에 대한 관심을 바탕으로 계속해서 도전을 이어 나갔습니다. 유학을 할 때는 이러한 도전이 '컴퓨터 비전' 연구 분야로 이어졌어요.
제가 UCLA에서 연구하던 2007-2012년은 물체 인식 기술이 기존 컴퓨터 비전 방식에서 딥러닝으로 전환되고 있던 변곡점이었는데요. 이 시기 컴퓨터 기술 패러다임이 변화하는 것을 직접 경험하며 연구에
참여했고, 그 결과 모바일 폰에서 동작하는 물체 인식 데모를 학회에서 발표하였습니다. 마침, 구글 관계자가 이를 보고 인턴 기회를 제안해 주셨고 이후 구글 엔지니어로 합류하게 되었습니다. 구글에서는 주로 사진 검색 기능을 개발했었는데 이 기능이 제품에 적용되어 전 세계 사용자들이 활용하는 과정을 지켜볼 수 있었습니다.

"최고의 기술 vs 최적의 기술"
구글에서의 경험 중 현재까지도 영향을 주는 가장 큰 배움은 무엇인가요?
가장 큰 배움은 기술적 우수성과 실제 적용 가능성 사이의 균형을 찾는 법입니다. 연구실과 실제 현실은 차이가 있습니다. 연구실에서 탁월한 성능을 보이는 AI 모델이 실제 서비스에 적용될 때는
다양한 현실적 제약에 부딪히게 되는데요. 구글에서 이러한 간극을 인식하고, 또 좁히는 방법을 배웠습니다. 이미지 인식 기술을 실제 사용자 제품에 녹여내는 과정에서 기술적으로 좋은 기술이 꼭 사용자와 기업에도
좋은 기술이 아닐 수 있음을 배웠어요. 이론적으로 가능한 최고의 기술이 아닌, 현재 문제를 해결할 수 있는 최적의 기술을 선택하는 안목이 생긴 것이죠.
이러한 경험은 삼성SDS에서 기업용 AI 솔루션을 개발할 때도 도움을 주고 있습니다. 구글에서는 주로 B2C 제품을 개발했지만, 삼성SDS에서 개발하고 있는 제품은 기업 환경에서 쓰이는 B2B 서비스로
안정성, 보안, 기존 시스템과의 호환성 등 고려해야 할 요소가 많고 복잡하기 때문에 이러한 차이를 인지하는 것이 더 중요한 것 같아요. 이렇게 기술과 삶이 만나는 환경 속에서 기술을 위한 기술이
아닌, 실질적인 비즈니스 가치를 창출하는 AI를 개발하기 위해 노력하고 있습니다.
단순히 최고의 기술이 아니라, 최적의 기술을 개발하고 계시군요! 최적의 기술을 공급하기 위해 여러 고민과 의사결정이 필요할 것 같은데요. 연구소를 이끄는 과정에서 연구팀장님께서 가진 의사결정 원칙이 있다면 무엇인가요?
AI 기술이 폭발적으로 발전하는 환경에서 모든 분야를 다 연구할 수는 없습니다. 따라서 우리가 가진 역량과 자원으로 최대의 효과를 낼 수 있는 영역을 찾는 것이 중요해요. 우선순위를 정하는
것이죠. 특히 GPT나 생성형 AI와 같은 혁신적 기술이 등장할 때마다 연구 우선순위를 재조정해야 하는 순간들이 많았습니다.
구체적으로 제가 삼성SDS에 합류한 이후인 2022년 말, ChatGPT 붐이 일어나기 전에 한 연구원이 "내년에 생성형 AI에 집중해야 할 것 같습니다."라고 제안했던 일화가 있는데요. 생성형
AI는 많은 투자가 필요한 만큼 연구의 우선순위를 설정하는데 여러 고민이 있었지만, 연구소에서는 이러한 변화를 피부로 먼저 감지했던 것 같아요.
실제로 그 말이 나온 11월 이후로 1년 동안 달력을 넘길 새도 없이 정신없는 시간을 보냈습니다. 달력이 그대로인 채로 1년 반이 지나 갔거든요. (웃음) 그만큼 생성형 AI 기술이 등장한 후 SDS 내 모든
연구소, 개발팀, 사업팀이 한 몸으로 뭉쳐 빠르게 변화에 적응했습니다. 그 결과, 현재 삼성SDS의 생성형 AI 플랫폼 FabriX가 탄생했어요.
삼성SDS FabriX란?
삼성SDS의 생성형 AI 플랫폼인 FabriX는 기업 내부, 외부의 지식과 ERP, SCM, MES, CRM과 같은 기업 내 다양한 시스템을 생성형 AI와 연결해 업무 자동화와 생산성을 혁신하는 기업용 생성형 AI 솔루션이에요.

이처럼 연구의 우선순위를 정할 때는 연구원들의 아이디어를 경청하는 것이 중요합니다. 돌이켜 보면 연구원들이 제안하는 방향성이 놀라울 정도로 정확한 때가 많았기 때문이에요.
일례로 올해 초에는 이러한 의사결정을 위해 메타에서 발표한 "Byte Latent Transformer" 관련 연구를 검토했어요. 이 기술력의 파급력을 사전에 진단하기 위해 연구원들과 함께 한 달 반 동안 집중적인 실험을
진행한 것이죠. 그 결과 해당 기술이 현재는 아직 미성숙 단계라는 결론을 도출했고, 분석 결과를 바탕으로 앞으로의 연구 우선순위와 방향성을 정리했습니다. 이런 과정을 통해 최소한의 투자로 기술의 가능성과 한계를
명확히 파악할 수 있었고, 실제로 몇 개월이 지난 지금까지도 그 판단이 유효한 것으로 확인되고 있어요.
이렇게 저는 항상 저희 팀원들 개개인이 가진 아이디어를 충분히 들어본 후 그리고 가능하다면 이를 작은 규모의 실험을 통해서라도 검증해본 후 의사결정을 하려고 노력해요. 이게 제가 가진
의사결정 원칙인 것 같아요.

"삼성SDS AI 연구팀은 각자 전문성으로 상호보완적 연구를 합니다"
연구팀장님께서 속한 삼성SDS AI 연구팀은 어떤 랩들로 구성되어 있나요?
삼성SDS AI 연구팀은 총 네 개의 랩으로 구성되어 있습니다. 강화 학습을 연구하는 강화학습 랩, 생성형 AI 모델을 연구하는 Gen.AI Core 랩, 차세대 RAG와 같은 선행 기술 연구를 중심으로 하는 AI 선행연구 랩, 그리고 Agentic AI를 연구하는 Autonomous Intelligence 랩입니다. 이 랩들은 각자의 전문성을 바탕으로 상호보완적으로 연구를 진행하고 있어요.
예를 들어, 강화학습 랩과 Autonomous Intelligence랩의 협업을 들 수 있는데요. 강화학습은 Agent가 성능을 높이는 데 중요한 기술이고, Agent는 강화학습의 효과를 확인할 수 있는 좋은
실험 환경이기 때문에 밀접한 협업이 가능합니다. 강화학습 랩을 이끄는 권영대 랩장님은 NeurIPS(Neural Information Processing Systems, 신경정보처리시스템학회)에 논문을 3년
연속 발표할 정도로 연구 성과가 뛰어나신데, 강화학습을 위한 다중 최적화를 다룬
“Pomo: Policy optimization with multiple optima for reinforcement learning(2022)” 연구가 학계에서 큰 주목을 받기도 했어요. 지금 권영대 랩장님께서는 GUI를 활용하는 Agent인 GUI Using Agent 연구를 진행하고 있습니다.

강화학습(Reinforcement Learning)이란?
강화학습은 Agent가 환경과 상호작용하며 보상을 최대화하는 방향으로 행동 정책을 학습하는 머신러닝 방법론입니다. Agent는 행동을 선택하고, 환경은 새로운 상태와 보상을 제공하는 순환 구조로 되어 있습니다. 최근에는 멀티 Agent 강화학습(MARL)과 메타 강화학습이 주목받고 있어요. 삼성SDS는 세계 최고 권위의 인공지능 학회인 ‘NeurIPS’에서 '강화학습을 활용한 조합 최적화' 기술에 관한 연구 논문 등재 및 심사위원단 특별상(Jury Prize) 수상 등 학계에서 인정받는 연구 성과를 만들고 있어요.
또 Autonomous Intelligence 랩은 최근 ‘소프트웨어 엔지니어링 Agent’에 집중하고 있어요. 삼성SDS는 소프트웨어를 개발하고 운영하는 것이 기업의 본질이라고 할 수 있는데, 이 분야에서 개발자의 생산성을 향상시킬 수 있는 자동화 Agent 연구가 활발히 진행되고 있어요. 개발자들의 소프트웨어 개발을 돕기 위해 코딩을 잘하는 모델을 만들거나, 테스트를 자동으로 생성하는 것 그리고 나아가 개발된 코드로부터 개발 문서를 자동으로 생성하는 기술도 개발하고 있습니다.
"Agentic AI는 행동하는 인공지능입니다"
삼성SDS AI 연구팀에서 가장 주목하고 있는 핵심 기술은 무엇인가요?
Agentic AI입니다. 삼성SDS AI 연구팀에서는 단순한 생성형 AI를 넘어서 Agentic AI가 어떻게 기업의 하이퍼 오토메이션을 가능하게 할지에 대한 기술을 연구하고 실제 사업에 적용하는 데 집중하고 있어요.
Agentic AI란?
Agentic AI는 단순히 정보를 생성하는 것을 넘어 목표 지향적으로 행동하고 의사결정하는 AI 시스템입니다. Agentic AI는 ReAct(Reasoning and Acting), Tree of Thoughts(ToT), Chain of Thought(CoT) 같은 추론 기법을 활용하여 문제를 분석하고, 계획을 수립하며, 행동을 실행하고, 결과를 평가하는 일련의 과정을 자율적으로 수행합니다. 생성형 AI가 대량으로 학습한 지식을 바탕으로 사용자의 지시에 따라 콘텐츠를 생성하는 ‘창조적 도구’라면, Agentic AI(에이전틱 AI)는 목표 달성을 위해 스스로 계획을 세우고, 실행하며, 상황을 판단하여 문제를 해결하는 ‘자율적 문제 해결사’입니다.
생성형 AI(Generative AI)와 에이전틱 AI(Agentic AI)는 무엇이 다른가요?
생성형 AI는 텍스트, 이미지 등을 '만드는' 데 집중하는 AI입니다. 반면 Agentic AI는 만드는 데 그치지 않고 실제로 '행동'을 수행해서 문제를 해결하는 데 집중합니다.
쉽게 비유하자면, 생성형 AI가 정보를 만들어내는 두뇌라면, Agentic AI는 두뇌를 포함해서 행동하는 팔과 다리를 가진 주체입니다. 즉 Agentic AI는 무엇을 해야 할지 계획을 세우고, 실제로 그
계획을 수행하며, 결과를 판단해 사용자에게 돌려주는 전체적인 행동을 담당하는 AI예요.
기존의 자동화 기술인 RPA(Robotic Process Automation)와
비교해보면 차이점이 더 명확합니다. RPA는 미리 정의된 반복적인 작업을 자동화하는 데 초점이 맞춰져 있어요. 그에 비해 Agentic AI는 미리 정의되지 않은 작업이라도 목표가 주어지면 자율적으로 실행
계획을 세우고 수행할 수 있습니다. RPA에 생성형 AI의 능력이 더해져서 한층 고도화된 형태라고 볼 수 있죠.
최근에는 특히 MCP(Model Context Protocol)와 같은 기술이 발전하면서 Agentic AI의 가능성이 한층 확대되고 있습니다. Agentic AI가 잘 동작하기 위해서는 여러 시스템,
데이터베이스, 그리고 때로는 다른 Agent들과도 소통할 수 있는 채널이 필요한데, MCP와 같은 표준 프로토콜이 이러한 소통을 가능하게 해주기 때문이에요.
Agentic AI가 기업 환경에서 어떤 변화를 가져올 것으로 예상하시나요?
Agentic AI가 본격적으로 도입되면 단순한 업무 자동화를 넘어 복잡하고 종합적인 업무 프로세스에서 임직원과 AI가 협업하는 형태로 발전할 것입니다. 기존에는 직원이 처음부터 끝까지 직접
수행하던 작업을 Agent가 자율적으로 처리하고, 임직원은 더 고차원적인 피드백이나 가이드를 제공하는 방식으로 역할이 변화할 거예요.
삼성SDS에서는 이미 여러 Agentic AI 사례를 개발하고 있는데, 그중 대표적인 것이 아까 말씀드린 소프트웨어 개발 Agent입니다. 이 Agent는 코드를 작성하거나 테스트를 생성하는 것뿐
아니라, 개발 문서 작성까지 지원해요. 실제로 삼성SDS 내부에서는 소프트웨어 개발 과정에서 발생할 수 있는 휴먼 에러를 감소시키고 개발 속도와 품질을 높이는 데 이 Agent가 활용되고
있습니다.
또 다른 사례로는 시계열 데이터 분석 Agent가 있습니다. 이 Agent는 IT 시스템 운영 중에 발생하는 로그 데이터를 분석해 시스템 장애를 예측하거나 진단합니다. 시계열 데이터를 활용한
Agent 기술은 금융 회사의 리스크 분석이나 물류 분야의 배송 도착 시간 예측 등에도 적용할 수 있어, 다양한 산업 영역으로 확장되고 있어요.
만약 Agentic AI 도입을 원하는 기업이라면 무엇을 준비해야 할까요?
효과적인 Agentic AI 도입을 위해서는 무엇보다 데이터 환경을 잘 구축하는 것이 중요합니다. 인간에게 업무 환경과 공간이 중요하듯이, Agent에게는 데이터 환경이 굉장히 중요한 요소거든요. 따라서 기업 내에 있는 데이터를 Agent들이 효율적이고 안전하게 활용할 수 있도록 관리되는 플랫폼이 필요합니다. 이를 통해 Agent가 기업의 데이터에 접근하고 활용할 수 있는 체계를 마련해야 해요.
"기업 환경에서의 AI 도입을 위한 솔루션을 제공합니다"
일반 개인이 AI를 쓰는 것과 기업이 AI를 쓰는 것은 다를 것 같은데요. 주로 어떤 차이가 있나요?
많은 기업들이 AI를 도입할 때 직면하는 가장 큰 어려움은 기존의 레거시 시스템과 새로운 AI 기술을 어떻게 효과적으로 통합할 것인가 하는 문제입니다. 수년, 수십 년 동안 발전해온 기업 시스템의 바탕
위에 AI를 도입하려면 단순히 최신 기술을 적용하는 것만으로는 부족해요.
삼성SDS는 이 문제를 해결하기 위해 40여 년간 쌓아온 기업 디지털 전환의 노하우를 활용하고 있습니다. AI 도입이 일회성 프로젝트로 그치지 않고 지속적으로 가치를 창출할 수 있도록 실제 업무로
이어지는 연결고리를 촘촘히 만드는 것이 중요한데, 이것이 바로 삼성SDS의 강점이라고 할 수 있습니다.
기업의 하이퍼 오토메이션을 위해 삼성SDS는 크게 3가지 솔루션을 제공하고 있습니다. 첫째, FabriX는 Agent 개발도구인 Agent Studio를 통해 손쉽게 Agent를
만들고 공유할 수 있는 생성형 AI 플랫폼입니다. Brity Copilot은 개인화된 AI Agent로, 사용자의 데이터를 활용해 맞춤형 지원을 제공합니다. 마지막으로, Brity
Automation은 개별 업무가 아닌 IT 및 비즈니스 전체 프로세스를 자동화하는 워크플로우를 제공하고 있어요.
특히 FabriX는 기존 레거시 시스템과 새로운 생성형 AI 기술 사이의 간극을 메우는 플랫폼 역할을 하며, AI 연구팀은 해당 사업팀과 기획 단계부터 함께 제품을 개발했어요.
삼성SDS AI 연구팀의 목표는 단순한 챗봇과 AI Copilot을 넘어 Autonomous Agent, 즉 자율적으로 선택하고 움직이는 Agentic AI를 수단으로 기업의 문제를 해결하는
것입니다. 사용자의 개입을 최소화하면서도 AI가 스스로 판단하고 행동할 수 있는 단계로 나아가는 것이죠.
"지속적인 성장을 위해 문제 정의에 집중해야 합니다"
AI가 빠르게 자리 잡아가는 현재 기술 환경에서 지속적으로 성장하기 위해 기업과 연구자들에게 필요한 역량은 무엇일까요?
저는 현재 기업과 연구자가 가장 집중해야 하는 것은 '어떤 문제를 풀어야 하는가'라는 질문을 가지는 것이라고 생각합니다. 기업 입장에서는 지금 우리가 집중해서 풀어야 할 문제가 무엇인지, 그리고
그 문제가 앞으로도 계속 풀어야 할 문제인지 고민하는 것이 중요합니다.
연구자들도 마찬가지입니다. 지금 내가 집중하고 있는 문제가 효과를 얼마나 현재와 미래에 낼 수 있을지 고민해야 해요. 중요한 문제라면 대부분 나뿐만 아니라 다른 누군가도 그 문제에 도전하고 있을 가능성이
높습니다. 그런 상황에서 다른 사람들과 함께 또는 경쟁을 통해 문제를 해결해 나가는 과정을 계속해서 반복하는 것이 중요하죠. 때로는 지치고 아쉬울 때도 있지만, 역동적인 변화를 경험할 수 있다는 것은 이 시대를 사는 한 명의 엔지니어로서는 설레고 또 감사한 일이라고 생각해요.
특히 기술 트렌드를 빠르게 파악하는 능력도 중요합니다. 매일 쏟아져 나오는 논문과 기술 블로그 속에서 정말 중요한 기술이 무엇인지 찾아내는 안목이 필요해요. 그 속에서 길을 잃을 수도 있지만,
핵심을 추려내는 노력이 필요합니다. 최근에는 이런 많은 기술들을 효과적으로 정리하고 분석하는 데 Agentic AI가 도움을 주기도 하고요.
기업에서 AI 기술을 도입할 때는 그것이 일시적인 유행이 아닌 지속 가능한 경쟁력이 될 수 있도록 해야 합니다. 단순히 최신 기술을 적용하는 것이 아니라, 그 기술이 비즈니스에 어떤 가치를 창출할 수 있는지
끊임없이 검증하고 발전시켜야 해요.
AI 분야는 지금 가장 흥미로운 시대입니다. 많은 문제가 계속해서 풀리고 있고, 새로운 기술이 빠르게 등장하고 있어요. 이런 환경에서 살아남고 성장하기 위해서는 끊임없이 배우고, 도전하고, 때로는
실패를 통해 배우는 자세가 필요합니다.

"연구가 현실과 만나는 곳, 삼성SDS 연구소 AI 연구팀"
마지막으로 삼성SDS AI 연구팀에 관심을 가지고 있는 AI 연구자가 있다면, 어떤 말씀을 드리고 싶으신가요?
삼성SDS AI 연구팀의 가장 큰 강점은 연구 결과가 즉각적으로 비즈니스와 현실에 적용될 수 있는 환경이라는 점이에요.
삼성SDS AI 연구팀에서는 논문을 출판하는 것뿐만 아니라 소프트웨어를 개발하고 사업에 적용하는 전체적인 과정을 한번에 경험할 수 있습니다. 이론적인 연구와 실제 적용 사이의 간극을 직접 메우는 작업을 할 수
있다는 것이 저희 연구소의 매력이라고 생각해요.
또 개인의 문제가 아니라 기업의 문제를 해결한다는 점도 말씀드리고 싶어요. 사실 기업의 문제를 해결하는 기술은 굉장히 어렵습니다. 그런데 이 ‘어렵다’는 점이 문제를 푸는 것을 좋아하는 저와 같은
엔지니어에게는 또 하나의 매력이 될 수 있을 것 같아요. (웃음)

또한 다양한 전공을 가진 연구원들이 함께 모여 중요한 문제를 발견하고 해법을 찾는 과정이 매우 역동적입니다. 삼성SDS 연구소에서는 AI 연구팀 혼자만이 아니라 연구소의 또 다른 팀들인 클라우드
연구팀, 보안 연구팀과도 시너지를 내며 협업하고 있기 때문에 비단 AI뿐만 아니라 다양한 IT 기술을 배우고 경험할 수 있어요.
마지막으로 Agentic AI가 일반 생성형 AI와 달리 ‘문제를 정의하는 것’부터 시작하듯이 저희 연구소도 현재 정의된 문제를 해결하는 것은 물론이고, 문제를 정의하는 것부터 시작할 수 있는
분을 찾고 있습니다. 앞으로도 Agentic AI를 포함하여 계속해서 변화하는 기술 환경과 기업 환경 속에서 지속적으로 성장할 수 있는 AI 기술을 만들어갈 예정이에요.

이제 삼성SDS는 국내 최대 SI 기업에서 다양한 서비스를 제공하는 클라우드 기업으로 나아가고 있습니다. 이러한 도전을 함께하고 싶으신 분들이라면, 삼성SDS 연구소 AI 연구팀의 문은 항상 열려 있습니다.