교체할 수 없는 시스템을 치유하는 agentic AI

은행, 보험사, 병원, 공공기관의 핵심 업무는 여전히 1960~70년대에 뿌리를 둔 mainframe과 COBOL, FORTRAN 위에서 돌아간다.

이 시스템들은 오래된 만큼 취약하고, 의존성이 얽혀 있어 멈추거나 다시 만들 수 없다. 그래서 사람들은 버튼을 누르는 순서, 경고를 무시하는 법, 같은 값을 두 번 넣는 규칙까지 몸으로 익혀 유지해 왔다.

Amazon의 AGI Lab은 이런 현실을 그대로 본뜬 reinforcement learning(RL) gyms와 합성 웹 환경에서 에이전트를 훈련한다. 핵심은 성공한 흐름만 가르치는 게 아니라, 지연·오류 상태·재렌더링·부분 저장 같은 실패 양상까지 포함해 시스템의 "진짜 행동"을 배우게 하는 것이다.

예를 들어 복지 신청 시뮬레이션에서 에이전트가 의존자(dependent)를 하나만 추가했다는 사실을 스스로 알아차리고, 되돌아가 수정한 뒤 흐름을 이어간 사례가 나왔다. 이런 능력은 단순한 클릭 자동화가 아니라, 인터페이스 뒤에 숨은 업무 규칙과 순서를 이해하기 시작했다는 신호로 해석된다.

이 관점에서 에이전트는 기존 시스템 위에 놓이는 새로운 인터페이스 층이 된다.

• 불안정한 UI를 안정적 의미로 변환: 지연, 재시도, 부분 실패를 예측 가능한 패턴으로 다룬다.
• 시스템 간 추상화: 서로 연결되도록 설계되지 않은 업무 흐름도 하나의 에이전트가 가로지른다.
• 점진적 현대화: 전체를 갈아엎지 않고도 구성요소를 조금씩 바꿀 수 있다.
• 조직 지식 보존: 문서화되지 않은 절차와 암묵지를 에이전트가 유지한다.

결국 agentic AI는 오래된 행정·금융·의료 인프라를 대체하는 기술이 아니라, 교체 불가능한 시스템 위에서 돌아가는 새로운 API에 가깝다. 혁신은 기존 것을 버리는 데서만 오지 않으며, 부서지기 쉬운 시스템을 그대로 살려 안정적인 플랫폼으로 바꾸는 데서도 시작될 수 있다.