Agentic AI란? 씨더스 AX 역량강화 교육으로 보는 업무자동화와 AI 에이전트

 

 

Agentic AI란?
씨더스 AX 역량강화 교육으로 보는 업무자동화와 AI 에이전트

 

 

생성형 AI를 넘어, 실제 업무와 AIBREEDER·AIFARMER까지 연결하는 AX

 

생성형 AI가 질문에 답하고 문서를 만드는 단계를 넘어, 이제는 여러 데이터와 도구를 스스로 선택해 업무 흐름을 이어가는 Agentic AI가 주목받고 있습니다.

 

씨더스는 이런 변화에 맞춰 전사 구성원이 AI 에이전트를 실제 업무에 활용할 수 있도록 AX 역량강화 교육을 이어가고 있습니다.

 

이번 교육의 핵심은 단순히 새로운 AI 도구를 배우는 데 있지 않았습니다.

 

견적서·분석보고서·연구계획서처럼 반복되는 업무를 어떻게 자동화할지, 그리고 사람이 판단해야 할 영역과 AI가 맡을 영역을 어떻게 연결할지를 함께 살펴봤습니다.

 

씨더스 구성원들이 Agentic AI 와 업무자동화의 실제 적용 방법을 함께 살펴보는 AX 교육 현장

 

 

 

 

  

Agentic AI란? 왜 기업의 AX에서 중요할까

Agentic AI는 단순히 텍스트를 생성하는 AI보다 한 단계 더 나아갑니다.

 

목표를 이해하고, 필요한 도구를 선택하고, 데이터를 조회하고, 다음 작업을 이어가며 하나의 업무 흐름을 수행하는 AI를 지향합니다.

 

기업의 AX(AI Transformation)에서 중요한 이유도 여기에 있습니다.

 

회사가 AI를 도입하는 것과 구성원이 매일 실제 업무에서 사용하는 것은 다릅니다.

 

이번 교육에서는 조직의 ‘채택(adoption)’과 개인의 ‘수용(acceptance)’을 구분하고, 기술이 업무 방식으로 정착하려면 사용 편의성·유용성·이해 가능성이 함께 필요하다는 점을 짚었습니다.

자료 : 씨더스 AX 특강 「실행 (Implementation) 」 발췌

 

 

 

생성형 AI에서 Agentic AI로, ‘답변’보다 ‘실행’을 연결하다

기존 생성형 AI가 “이 문서를 써줘”라는 요청에 결과물을 만들어 주는 데 강점이 있다면, Agentic AI는 그 다음 단계까지 바라봅니다.

 

필요한 데이터를 찾고, 정해진 규칙을 확인하고, 다른 기능을 호출하고, 결과를 다시 검토하는 연속적인 업무가 하나의 에이전트 흐름으로 연결되는 것입니다.

 

그래서 씨더스의 AX 교육도 거대한 자동화 시스템부터 시작하기보다, 반복되는 문서 정리·자료 조회·초안 생성처럼 구조가 분명한 업무를 작은 모듈로 나누는 데 초점을 맞췄습니다.

 

사람이 검토해야 할 지점은 남기고, 반복 가능한 부분부터 AI와 연결하는 방식입니다.

 

 

 

API·Skill·MCP, AI 에이전트가 일하기 위한 연결 구조

Agentic AI가 실제 업무를 수행하려면 “무엇을 할 수 있는지”를 AI가 이해할 수 있어야 합니다.

 

교육에서는 하나의 업무 능력을 API·Skill·MCP라는 서로 다른 연결 방식으로 확장하는 구조를 살펴봤습니다.

 

API는 시스템과 시스템을 연결하는 호출 규격, Skill은 특정 업무를 수행하기 위한 실행 지식과 절차, MCP(Model Context Protocol)는 AI가 사용할 수 있는 도구를 발견하고 호출하도록 연결하는 표준으로 이해할 수 있습니다.

 

중요한 것은 기술 이름보다 각각의 기능이 명확하게 설명되고 재사용될 수 있도록 만드는 것입니다.

 

 

자료 : 씨더스 AX 특강 「실행 (Implementation) 」 발췌

 

 

 

 

 

씨더스가 전사 AX 교육을 진행하는 이유

씨더스는 생물정보분석, 디지털육종, 스마트팜, 연구기획처럼 전문지식이 필요한 업무가 많습니다.

 

따라서 단순 반복 업무만 자동화하는 것으로는 충분하지 않습니다.

 

데이터를 찾고 해석하고, 연구자의 판단을 보조하며, 여러 분석 단계를 이어주는 AI 에이전트가 필요합니다.

 

 

 

 

AIBREEDER와 AIFARMER, Agentic AI가 연결될 다음 무대

씨더스의 AIBREEDER는 Genotype·Phenotype·Environment 데이터를 연결해 육종 목표 설정, 후보 자원 탐색, 부모조합 검토, MAS·GS 기반 선발, 교배 후대 시뮬레이션 등 육종 의사결정을 지원하는 디지털육종 플랫폼으로 개발되고 있습니다.

 

Agentic AI 관점에서는 여러 분석 기능을 각각 실행하는 데서 더 나아가, 연구자의 질문에 따라 필요한 데이터와 모델을 순차적으로 연결하는 방향으로 확장할 수 있습니다.

 

 

 

 

AIFARMER도 같은 흐름에 있습니다.

 

스마트팜의 환경·센서·생육·과실 품질 데이터를 읽고, 상태 진단에서 처방과 작업지시, 이후 검증까지 이어지는 것이 핵심입니다.

 

AI 에이전트가 센서 확인, 데이터 오류 검토, 부족 정보 보완, 생육·품질 예측, 처방 엔진을 연결한다면 “데이터를 보여주는 플랫폼”에서 “다음 행동을 제안하는 플랫폼”으로 발전할 수 있습니다.

 

 

결국 씨더스가 지향하는 방향은 단순히 더 많은 데이터를 분석하는 데 있지 않습니다.

 

데이터와 AI가 실제 육종과 재배 현장의 의사결정으로 이어질 수 있도록 연결하는 것입니다.

 

씨더스는 앞으로도 AIBREEDER와 AIFARMER를 중심으로 Agentic AI의 활용 가능성을 넓혀가며, 데이터 분석에서 한 걸음 더 나아가 실제 현장의 판단과 실행을 지원하는 기술로 발전시켜 나가겠습니다.

 

 

---

 

 

DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.