AI Agent 생성 및 관리

이 항목은 Control Room에서 AI Agent를 생성하고 관리하는 방법에 대해 설명합니다. AI Agent의 실행, 이동, 체크인, 보기, 편집, 복사, 삭제 등 여러 가지 작업을 수행할 수 있으며, 편집 및 삭제에는 특정 권한이 필요합니다.

Control Room에서 AI Agent를 생성하는 방법:

프로시저

  1. Control Room에 로그인하고 자동화 > 새로 만들기 또는 ‘+\' 아이콘으로 이동하여 AI 에이전트를 선택합니다.
  2. 이름과 설명을 입력하고 생성 및 편집을 클릭하여 템플릿 개요를 표시합니다. 예시로 청구 세부 정보 AI 에이전트를 만들어 봅시다.
  3. 에이전트의 프롬프트 정의: 에이전트 프롬프트 생성(클라우드 전용 기능) 화면이 나타나고 프롬프트를 입력하라는 안내를 받게 됩니다.

    AI Agent를 만들기 위한 첫 번째 단계는 임무를 부여하는 것입니다. 에이전트의 목적을 자연스러운 언어로 명확하고 자세하게 설명한 최초 화면 프롬프트를 제공합니다. 이 프롬프트는 전체 에이전트의 로직이 구축되는 기반입니다.

    예를 들어, 예시의 청구 세부 정보 에이전트를 생성하기 위해 사용자는 다음과 같이 간결하면서도 유익한 메시지로 시작할 수 있습니다.

    Your job is to retrieve claim details:
*  Retrieve policy and police report details.
*  If any information is missing, ask a human for assistance.

    이 최초 입력은 핵심 요구 사항을 제공하며, AI Agent Studio가 이를 사용하여 더 상세하고 구조화된 프롬프트를 생성할 수 있습니다. AI Agent Studio는 유연하게 설계되었습니다. 모든 세부 정보를 미리 제공할 필요는 없습니다. 그러나 더 많은 컨텍스트를 제공할수록 AI Agent Studio는 사용자가 다듬을 수 있는 더 나은 시작 템플릿을 생성할 수 있습니다.

    시스템은 이 최초 입력을 확장하여 포괄적인 프롬프트를 생성합니다(아래 예시 참조).

    주: 생성된 역할/목표/행동 계획 텍스트는 사용 중인 모델에 따라 약간 다릅니다. 귀하의 상황과 예시가 완전히 같지는 않더라도 구조와 의도는 비슷할 것입니다.

    예시 출력:

    역할: 귀하는 도난 재산 청구를 전문으로 하는 보험 청구 처리자로서, 자동화 도구와 필요시 인적 지원을 활용하여 청구, 보험 증권, 경찰 보고서의 세부 정보를 조회하고 검증하는 데 전문성을 보유하고 있습니다.

    목표:제공된 청구 ID를 사용하여 도난 재산 청구에 필요한 모든 세부 정보를 검색하고 검증하며, 어떤 출력 값도 null이 되지 않도록 보장하고, 작업을 완료하기 위해 필요한 경우 사람와 협의하는 것입니다.

    AI Agent- 청구 세부 정보
  4. 모델 연결 선택: 모델 탭으로 이동하여 선택을 클릭하면 사용 가능한 모델 연결 목록에서 선택할 수 있습니다. 모델 연결에 대한 자세한 내용은 모델 연결 항목을 참조하십시오.
    이러한 모델 연결은 자동화 관리자가 만들고 사용자 정의 역할로 사용자에게 할당합니다. Automation Anywhere 제공 모델 또는 BYOL(Bring Your Own License) 방식으로 생성된 모델 연결만 허용됩니다. 현재 AI Agent를 통한 사용자 정의 모델 정의는 지원되지 않습니다.
    주:

    AI 에이전트는 GPT-4o 및 GPT-4.1(표준형) 모델을 사용하는 OpenAI 및 Azure OpenAI 모델 연결을 지원합니다.

    모델을 선택할 때는 가장 최신 버전(예: GPT-4o 2024년 11월 이후 버전)을 선택하여 최신 안정성 및 성능 개선 사항을 활용하도록 하십시오.

  5. 에이전트 변수 정의: 입력 및 출력 탭으로 이동합니다. 여기서 에이전트에게 어떤 정보를 입력 변수로 찾아야 하는지, 출력 변수로 무엇을 제공해야 하는지 알려주어야 합니다. 이 변수들은 LLM이 맥락을 이해하고 도구와 상호작용하는 데 사용됩니다. 핵심은 풍부하고 설명적인 언어를 제공하는 것입니다. 설명이 자세할수록 LLM이 그 목적을 이해하고 목표를 달성하는 데 더 효과적으로 작동합니다.

    • 입력 변수:

      • 이름: claim_id

      • 설명: 세부 정보를 검색할 청구 ID

    • 출력 변수:

      • 이름: claim_details

      • 설명: 정책 및 경찰 보고서 정보를 비롯한 청구의 최종 세부 정보.

  6. 최종 사용자 표시 정의: 이 단계에서는 AI Agent 실행이 사용자에게 어떻게 표시되는지 구성할 수 있습니다. 목표는 사용자가 Co-pilot 인터페이스에서 볼 수 있는 태스크에 대해 명확하고 의미 있는 제목을 제공하는 것입니다. 최종 사용자 표시 탭으로 이동합니다. 에이전트 요청 제목에서 태스크의 제목을 입력합니다. 이 제목은 필수 항목이며 AI Agent가 Co-pilot에서 실행될 때 표시됩니다. 예를 들어, 청구 세부 정보 에이전트의 경우 제목은 청구 세부 정보 요청으로 설정할 수 있습니다. 이것은 사용자가 에이전트가 어떤 작업을 수행하는지 한눈에 이해할 수 있도록 합니다.
  7. 도구 추가 및 구성:

    도구 탭에서 에이전트가 태스크를 수행할 수 있도록 필요한 자동화를 추가합니다. 이 예시에서는 청구 조회, 경찰 보고서, 데이터 추적기, 그리고 정책 프로세스 자동화를 도구로 추가하게 됩니다.

    도구 이름 목적 입력 변수 출력 변수
    청구 조회 청구 세부 정보를 제공합니다. INPUT_id: 청구 ID claim_id: 청구 ID, policy_id: 정책 ID, stolen_property_item: 도난당한 물품, claimed_replacement_cost: 청구 물품의 대체 비용, location_of_incident: 사건 발생 장소, police_report_id: 경찰 보고서 ID, date_of_incident: 사건 발생 날짜, claim_status: 청구 상태, claimant_name: 청구인 이름, receipt: 청구 물품의 영수증
    경찰 보고서 경찰 보고서 세부 정보를 가져옵니다. INPUT_id: 경찰 보고서 ID police_report_id: 경찰 보고서 ID, report_date: 보고 날짜, officer_name: 경찰관 이름, officer_badge_number: 배지 번호, incident_type: 사건 유형, description: 입력 설명, incident_location: 사건 위치, suspect_name: 용의자 이름, arrest_made: 체포 여부, reporting_station: 신고 경찰서
    데이터 추적기 항상 이 도구를 호출하여 지금까지 받았거나 받지 않은 데이터를 추적합니다 data_received_or_missing_so_far:: JSON 형식으로 받은 데이터 또는 누락된 데이터(또는 null 값이 있는 데이터)에 대한 세부 정보 data_received_or_missing_so_far_response: JSON 형식으로 지금까지 받은 데이터 또는 누락된 데이터
    정책 프로세스 정책의 세부 정보를 가져옵니다 INPUT_id: 정책 ID policy_id: 정책 ID, policy_number: 정책 번호, policy_type: 정책 유형, issue_date: 정책이 발급된 날짜, expiration_date: 만료 날짜, status: 정책 상태, premium_amount: 보험료 금액, payment_frequency: 납입 빈도, insured_name: 피보험자 이름, insured_address: 피보험자 주소, insured_phone: 피보험자 전화번호, insured_email: 피보험자 이메일, coverage_type: 보장 유형, policyholder_id: 보험 가입자 ID, coverage_amount: 보장 금액, agent_id: 보험 에이전트 ID, deductible_amount: 공제 금액, was_successful: 조회에서 데이터를 찾은 경우 True, 그렇지 않으면 False.

    도구 구성에 대한 자세한 내용은 AI Agent의 도구 설정 구성 항목을 참조하십시오.

  8. 실행 계획 정의: 실행 계획 섹션은 입력한 프롬프트와 추가한 도구를 기반으로 시스템이 자동 생성합니다. 에이전트가 따르는 논리적 흐름을 간략하게 보여줍니다.
    • 청구 세부 정보 가져오기: claim_id를 사용하여 청구 조회 도구를 호출합니다.
    • 경찰 보고서 가져오기: 경찰 보고서 도구를 호출합니다.
    • 데이터 추적: 데이터 추적기 도구를 호출합니다.
    • 정책 세부 정보 가져오기: 정책 프로세스를 호출합니다.
    • 청구 세부 정보가 불완전한 경우, 사람 개입을 사용하여 도움을 요청합니다.
  9. 테스트 및 조정: 모든 구성을 완료하면 실행을 클릭해 에이전트를 테스트하고, 예상대로 작동하는지 확인하십시오. 청구 ID를 입력해 에이전트와 대화를 시뮬레이션하고, 에이전트가 청구 세부 정보, 경찰 보고서, 보험 정보 등을 올바르게 조회하는지 확인할 수 있습니다. 변수 설명과 도구 프롬프트를 필요에 따라 다듬어 에이전트의 성능과 정확도를 향상시키십시오.

다음 단계

AI Agent를 생성하고 구성한 후, 이를 비즈니스 프로세스에 임베드하여 엔드 투 엔드 자동화에 인텔리전스를 도입할 수 있습니다. 프로세스에 AI Agent를 추가하는 방법에 대한 자세한 내용은 프로세스 자동화에 AI Agent 추가를 참조하십시오. 다음 다이어그램에는 에이전트 생성부터 공개 환경에서의 실행까지 이어지는 일반적인 워크플로가 나와 있습니다.

AI Agent 워크플로

AI Agent를 개발 환경에서 공개 환경으로 이동하는 과정에는 여러 주요 단계와 사용자 역할이 포함됩니다.

생성 및 테스트
전문 개발자 또는 자동화 관리자는 AI Agent를 만들고 테스트합니다.
프로세스에서 구성
전문 개발자는 더 큰 프로세스 내에서 AI Agent를 구성합니다.
체크인
프로세스를 리포지토리에 체크인하여 사용할 수 있도록 합니다.
공개 실행
그런 다음 프로세스는 공용 워크스페이스에서 실행할 수 있으며, Automation Co-Pilot을 통해 호출할 수 있습니다.
주:

필요한 Automation Co-Pilot 비즈니스 유저 라이선스를 가진 비즈니스 유저는 프로세스를 실행하고 AI Agent와 상호작용할 수 있습니다. 다이어그램은 또한 각 사용자 역할이 이러한 태스크를 수행하기 위해 필요한 구체적인 권한을 보여줍니다. 역할 및 권한에 대한 자세한 내용은 역할 및 권한 항목을 참조하십시오.