에이전트가 푼 일은 자동화 자산으로 굳혀야 한다

제일 먼저 든 생각

AI 에이전트를 업무에 붙일 때 자주 놓치는 비용이 있다. 한 번 해결한 문제를 다음에도 또 “생각”하게 만든다는 비용이다. 사람이라면 반복되는 문제를 절차서, 매크로, 체크리스트로 굳힌다. 그런데 에이전트 시스템은 매번 LLM 추론을 새로 돌리고, 토큰을 쓰고, 비슷하지만 조금 다른 경로를 다시 탐색하게 만들기 쉽다.

이 논문은 그 낭비를 “progressive crystallization”이라는 말로 다룬다. 에이전트의 탐색을 영구 실행 방식으로 보지 않고, 검증된 행동 패턴을 발견하는 단계로 본 뒤, 반복적으로 성공한 경로를 더 싸고 빠르고 안정적인 결정적 워크플로(deterministic workflow)로 바꾸자는 제안이다.

에이전트의 장점은 모든 일을 계속 추론하는 데 있지 않고, 반복 가능한 일을 자동화 자산으로 남기는 데 있다.

에이전트 탐색은 영구 운영 방식이 아니다

논문은 IT 운영(AIOps) 맥락에서 출발한다. 장애나 네트워크 이슈를 처리하는 에이전트가 매번 전체 추론을 수행하면, 이미 해결한 문제도 계속 비용 센터로 남는다. 저자는 실행 방식을 세 단계로 나눈다. 완전히 에이전트가 오케스트레이션하는 단계, 에이전트와 결정적 절차가 섞인 하이브리드 단계, 그리고 검증된 절차가 토큰 없이 실행되는 결정적 워크플로 단계다.

이 구분은 Deciflow식 업무 자동화에도 바로 들어온다. 처음에는 에이전트가 넓게 탐색해야 한다. 문서 위치를 찾고, 예외를 묻고, 사용자의 의도를 확인해야 하니까. 하지만 같은 요청이 반복되면 이야기가 달라진다. 그때도 계속 “AI가 알아서 해줘”로 남기면 자동화가 아니라 반복 추론을 구독하는 상태가 된다.

마음에 남긴 문장

에이전트 탐색을 발견 과정으로 보고, 검증된 행동을 점진적으로 결정적·무토큰 워크플로로 굳히면, 에이전트 시스템은 시간이 갈수록 더 싸고 빠르고 안전해질 수 있다.

By treating agent exploration as discovery and progressively crystallizing proven behavior into deterministic, zero-token workflows, an agentic system can become cheaper, faster, and safer over time without human rewriting.

이 문장은 에이전트 운영의 목표를 바꾼다. “얼마나 자율적으로 처리했는가”보다 “무엇을 반복 가능한 절차로 남겼는가”를 봐야 한다. 에이전트가 멋지게 한 번 해결한 사건보다, 그 해결 경로가 다음 달에는 버튼 하나나 예약 작업으로 바뀌는지가 더 중요하다.

45%라는 숫자보다 중요한 것

논문에는 패턴이 굳어지면서 결정적 워크플로가 0에서 약 45%까지 늘고, 에이전트 오케스트레이션 실행은 약 4분의 1 수준으로 줄었다는 문장이 나온다. 이 숫자는 흥미롭지만, 그대로 모든 조직에 기대값으로 옮기면 안 된다. 도메인, 장애 유형, 승인 규칙, 데이터 품질에 따라 달라질 수 있다.

다만 방향은 분명하다. 운영 자동화의 성숙도는 “에이전트 호출 수”가 아니라 “반복 패턴이 얼마나 절차화되었는가”로 볼 수 있다. AI 에이전트가 많아질수록 오히려 결정적 자동화 목록도 같이 늘어야 한다.

Deciflow 업무에 붙인다면

실무에서는 다음 세 가지 상태 라벨만 붙여도 시작할 수 있다.

• 탐색형: 에이전트가 자료를 찾고, 사람에게 질문하고, 예외를 넓게 확인해야 하는 업무
• 혼합형: 일부 단계는 자동화됐지만 승인, 판단, 예외 처리는 사람이 보는 업무
• 결정형: 입력 조건과 검증 기준이 충분히 안정되어 스크립트·워크플로·예약 실행으로 옮길 수 있는 업무

예를 들어 주간 보고서 초안 생성은 처음엔 탐색형일 수 있다. 하지만 데이터 소스, 필터, 문장 구조, 검토자가 반복적으로 같아진다면 혼합형을 거쳐 결정형으로 옮겨야 한다. 이때 에이전트는 사라지는 것이 아니라, 새 예외와 새 패턴을 발견하는 쪽으로 역할이 바뀐다.

조심해서 읽을 부분

논문은 생산 환경의 운영 자동화 사례를 다루지만, 세부 맥락과 평가 조건을 그대로 외부 조직에 일반화하기는 어렵다. 특히 “사람이 다시 쓰지 않아도 된다”는 표현은 매력적이지만, 실제 업무에서는 승격 기준, 롤백, 권한, 감사 로그가 반드시 붙어야 한다. 이 조건에서 보여준 것은 반복 검증된 에이전트 행동을 결정적 절차로 전환할 수 있다는 방향성이다.

다음 작은 실험

최근 한 달 동안 AI로 처리한 반복 업무를 10개만 적고, 각 항목에 탐색형·혼합형·결정형 라벨을 붙여본다. 결정형으로 옮길 수 있는데도 매번 프롬프트를 새로 쓰는 일이 있다면, 그게 다음 자동화 후보가 된다. 에이전트 도입의 성과는 “AI가 대신 생각했다”가 아니라 “다음번에는 생각하지 않아도 되게 만들었다”에 가까워야 한다.

원문 정보

• 제목: Progressive Crystallization: Turning Agent Exploration into Deterministic, Lower-Cost Workflows in Production
• 저자: Arun Malik
• 연도/게시일: 2026
• 게재/출처: arXiv
• arXiv: 2607.07052v1
• PDF: https://arxiv.org/pdf/2607.07052

원문 논문: Progressive Crystallization: Turning Agent Exploration into Deterministic, Lower-Cost Workflows in Production