5월 14일로 2차 프로젝트가 끝났다!!
열심히 열심히 2주동안 프로젝트하고 하나가 딱 끝나니까 맥이 풀려버렸다.
그럴줄 알고 끝나고 다음날에 AI 컨퍼런스에 참석하기로 계획해 두었다.😊
오랜만에 북적북적 사람들 많은 곳에 가서 컨퍼런스 들으면 기분 전환도 되고~ 이쪽 분야에서 내로라하는 분들의 세미나를 들으면 좋은 정보도 많이 얻고 인사이트도 얻을 수 있을 것 같아 설렘을 안고 다녀왔다.
사실 약간 늦게 참석 후기를 작성하지만.. 그래도 기록을 위해 완성해서 남겨본다.
AI TECH 2025
이번에 다녀온 AI Tech 2025는 정말 "실무자 관점"이라는 말이 딱 들어맞는 행사였다.
회사 관계자를 위한 자리였고, 나는 운 좋게 참석할 수 있게 되어 가게 된 것이기 때문에 회사 운영진이나 실무자의 입장에서 AI를 현재 어떻게 바라보는지, 어떻게 활용하는 것이 좋은지에 대한 인사이트에 대해 여러 방면으로, 여러 분야 별로 발표를 들을 수 있었다.
이 행사는 단순한 기술 자랑이나 연구 성과 발표의 자리가 아니라, AI를 실제 조직 내에서 어떻게 활용하고, 어떻게 운영해야 하는지에 대한 현실적인 고민들이 오갔다. 회사 실무자나 운영진 관점에서 AI를 어떻게 바라보고 전략적으로 도입해야 하는지, 다양한 분야의 발표를 통해 접할 수 있었다.
GPT를 도입했다고 끝이 아니라, “이제부터가 진짜 시작이다!” 라는 메시지가 곳곳에서 느껴졌고, 이건 나처럼 현업 진입을 준비 중인 백엔드 개발자 준비생에게도 꽤 의미 있게 다가왔다.
키노트 - AI는 물리 세계로 확장 중
오전 키노트에서는 서울대 장병탁 교수님이 AI 기술의 발전 단계를 개괄해주셨는데, 특히 인상 깊었던건 AI가 더 이상 디지털 정보 공간에만 머무르지 않고, 물리 환경과 상호작용하는 시스템으로 진화하고 있다는 점이었다.
그저 파인튜닝된 모델을 서비스에 적용하는 수준이 아니라, 강화학습 기반의 행동형 AI와 Embodied Learning을 통해 '환경 적응형 에이전트'로 진화하고 있는 흐름을 알 수 있었다.
아래 그림은 센서와 물리적 몸체를 통해 환경과 상호작용하며 학습하고 적응하는 Embodied AI의 개념을 시각적으로 보여준다.
A2A 시대의 도래 - 협력하는 에이전트들
특히 이번 컨퍼런스에서 가장 많이 들은 단어는 A2A(Agent-to-Agent)이었다.
여러 에이전트가 서로 정보를 주고받고 협력하며 더 복잡한 작업을 처리하는 방식이다.
여러 발표자들이 공통적으로 말했던 건, 이제는 단일 LLM 모델이 아닌 다양한 역할을 가진 에이전트들이 서로 협업하는 구조로 나아가고 있다는 것이였다.
A2A는 단순한 API 호출이나 메시지 큐의 개념이 아니라, 에이전트 간의 목적 지향적 대화와 데이터 전달을 위한 통신 규약이라고 할 수 있다. 예를 들어, 문서 요약을 하는 에이전트가 보고서를 분석하고, 그 결과를 다시 일정 정리 에이전트에 전달해 자동으로 회의 일정을 추천하는 식이다.
이런 시스템은 단순히 모델만 잘 만든다고 되는 것이 아니라, 데이터 권한, 문서 기반 RAG, 멀티 에이전트 간 워크플로우까지 다 고려해야한다.
흥미로운 건 이런 A2A 개념이 이제 단순한 이론이 아니라, 실제 기업들이 이를 가능하게 하기 위한 플랫폼과 툴셋을 본격적으로 개발하고 있다는 점이다. 발표 중에 언급된 다양한 사례들을 보며 느낀 건, 이제는 단순히 “AI를 쓴다”가 중요한 게 아니라, 에이전트를 어떻게 구성하고 어떻게 협력시킬 것인가가 핵심이라는 것.
이런 구조를 실현하려면 당연히 ‘허브’가 필요하다. 그래서 등장한 개념이 바로 Agent Hub –
에이전트를 설계하는 툴킷(ADK), 배포 및 운영 인프라(Agent Engine), 그리고 에이전트를 모아 관리하는 공간(Agent Garden)까지 모두 포함된다.
AI는 이제 '운영'이 핵심이다.
발표를 들으며 느낀 건, 이제는 AI를 “잘 만든다”가 아니라 “잘 운영한다”가 훨씬 더 복잡하고 중요해졌다는 점이었다.
특히 한 발표에서는 구글이 주도하는 Agent2Agent Open Protocal(A2A)이 소개되었는데, A2A는 단순한 추상 개념이 아니라, 실제 기업들이 지금 구현 중인 AI 오케스트레이션 체계의 중심 요소였다.
이런 흐름은 개발을 공부하는 입장에서 꽤 익숙했다. 기존 백엔드 시스템이 모놀리식에서 마이크로서비스 아키텍처(MSA)로 넘어갔듯,
AI도 "단일 LLM → 다중 협력 에이전트 → A2A 기반 통신"이라는 구조적 전환이 일어나고 있다는 것.
AGI도 하나의 모델이 아닌, 수십 개의 특화된 에이전트 조합으로 구현된다는 이야기도 설득력 있게 다가왔다.
앞으로의 개발자는 단순 모델 사용자라기보다, AI 에이전트의 역할과 흐름을 설계하는 아키텍트의 시야가 요구될지도 모르겠다.
실제 사례와 철학적 고민
흥미로웠던 건 실무 적용 사례들도 함께 소개되었다는 점이다.
예를 들어, 한화생명은 보험상담 챗봇에 LLM과 RAG를 적용해 운영 중이었고, KT는 기관 문서를 학습시켜 검색 시스템을 구축하고 있었다.
“AI를 쓴다”가 아니라, “어떤 문제를 어떻게 해결했는가”가 중요하다는 걸 실감했다.
또 다른 발표에서는 ‘Agentic AI’에 대한 철학적인 관점도 인상 깊었다.
AI가 인간의 역할을 대체하거나 흐리게 할수록, 비판적 사고와 책임 있는 활용이 더 중요해진다.
왓슨과 GE의 실패 사례를 통해 “기술보다 먼저 문제 정의가 중요하다”는 교훈도 되새기게 되었다.
실무에 바로 적용 가능한 팁들
기술적인 인사이트도 많았다.
예컨대 Nota에서 소개한 모델 최적화 전략은 Structured Pruning, Filter Decomposition 등을 통해 모델의 정확도는 유지하면서도 추론 속도와 경량화를 실현하는 방법을 다루고 있었다.
이건 엣지 디바이스나 제한된 환경에서 AI를 배포하고자 할 때 실무적으로 바로 적용 가능한 팁이었다.
앞으로 AI 시스템은 다수의 특화된 에이전트가 유기적으로 협력하는 구조로 발전할 가능성이 크다.
이 과정에서 A2A 프로토콜은 이 과정에서 에이전트 간 역할 분담과 정보 흐름의 명확성을 확보하는 핵심 메커니즘으로 보였다.
이번 컨퍼런스를 통해 느낀 건, AI는 전략이라는 점이다.
기술 그 자체보다 "무엇을 위해 도입하고, 어떻게 굴릴 것인가"에 대한 고민이 필요했고, 그 부분에 대한 현직자의 인사이트를 들을 수 있는 자리였다.
리프레시도 하고, 앞으로 내가 어떤걸 해야하는지, 어떤걸 하고싶은지 다시 생각할 수 있는 좋은 계기가 된 하루였다!😊
