우리는 지난 몇 년 동안 ChatGPT로 대표되는 거대언언모델(LLM)의 충격을 생생하게 목격했습니다. 질문을 던지면 마치 사람처럼 유창한 문장으로 답하고, 복잡한 코드를 짜주며, 심지어 시를 쓰는 모습은 인공지능이 단순한 계산기를 넘어 지적인 동반자가 될 수 있음을 시사했습니다. 하지만 LLM을 사용하며 누구나 한 번쯤 느껴본 갈증이 있습니다. 바로 "말은 잘하는데, 왜 직접 해 주지는 못할까?"라는 의문입니다.

이제 인공지능의 패러다임은 단순히 텍스트를 생성하는 단계를 넘어, 사용자의 명령에 따라 실제 소프트웨어를 조작하고 업무를 수행하는 단계로 진화하고 있습니다. 그 중심에 바로 거대행동모델(Large Action Model), 즉 LAM의 등장이 있습니다. 오늘은 LLM을 넘어 우리가 마주하게 될 새로운 시대, 행동하는 AI인 LAM에 대해 심도 있게 살펴보겠습니다.

1. LLM의 한계와 새로운 돌파구로서의 LAM

LLM은 방대한 양의 데이터를 학습하여 다음에 올 단어를 확률적으로 예측하는 데 탁월한 능력을 갖추고 있습니다. 이를 통해 우리는 고도의 언어 이해와 생성 능력을 경험하게 되었습니다. 그러나 LLM은 근본적으로 텍스트 기반의 모델입니다. 즉, 지식은 풍부하지만 외부 환경과 상호작용하여 물리적 혹은 디지털적인 '행동'을 취하는 능력은 제한적이었습니다. 예를 들어, "내일 제주도 날씨에 맞는 여행 일정을 짜줘"라는 요청에는 완벽하게 답할 수 있지만, "그 일정에 맞춰 항공권과 숙소를 예약해줘"라는 요청에는 직접 결제 버튼을 누를 수 없습니다.

이러한 한계를 극복하기 위해 등장한 것이 바로 LAM입니다. LLM이 '생각하고 말하는 뇌'의 역할을 한다면, LAM은 '손과 발'의 역할을 수행합니다. LAM은 단순히 언어를 이해하는 것에 그치지 않고, 컴퓨터 인터페이스(UI)를 이해하고 클릭, 스크롤, 타이핑과 같은 사용자의 동작을 모방하거나 실행할 수 있는 능력을 갖추고 있습니다. 이는 인공지능이 단순한 상담원을 넘어 실질적인 업무 대행자로 변모함을 의미합니다.

2. LLM과 LAM의 결정적 차이: 추론에서 실행으로

LLM과 LAM을 구분하는 가장 큰 기준은 '에이전트(Agent)로서의 능력'입니다. LLM은 정보의 요약, 번역, 창작 등 인지적인 작업에 특화되어 있습니다. 반면 LAM은 디지털 환경 내에서의 워크플로우를 이해하고 실행하는 데 초점을 맞춥니다.

구체적인 비교를 통해 살펴보겠습니다. 사용자가 "지난달 지출 내역을 정리해서 보고서로 만들어줘"라고 명령했을 때, LLM은 지출 내역 데이터를 텍스트로 입력받아 이를 분석하고 요약된 문장을 생성하는 데 그칩니다. 하지만 LAM 기반의 AI는 사용자의 이메일에서 영수증을 찾아 읽고, 은행 앱에 접속하여 거래 내역을 확인한 뒤, 엑셀 프로그램을 실행하여 표를 작성하고, 최종적으로 완성된 파일을 슬랙(Slack)으로 전송하는 일련의 과정을 스스로 수행합니다.

이 과정에서 LAM은 화면상의 버튼 위치, 입력창의 의미, 메뉴의 구조 등 UI 요소를 인식하는 능력이 필수적입니다. 즉, LL지능(Intelligence)을 넘어 실행력(Actionability)이 핵심인 모델이라고 할 수 있습니다.

3. LAM이 가져올 산업의 변화와 미래 시나리오

LAM의 확산은 단순한 기술 발전을 넘어 업무 방식의 근본적인 혁신을 예고합니다. 가장 큰 영향을 받을 분야는 고객 서비스, 이커머스, 그리고 기업용 소프트웨어(SaaS) 시장입니다.

첫째, 개인 비서 서비스의 완성입니다. 현재의 AI 비서는 일정 안내나 알람 설정 정도에 머물러 있지만, LAM이 탑재된 AI는 사용자의 취향을 반영하여 식당을 예약하고, 캘린더의 빈 시간을 확인해 미팅을 잡으며, 필요 시 관련 자료까지 미리 준비해두는 진정한 의미의 '자율형 에이전트'가 될 것입니다.

둘째, 기업 업무 자동화(RPA)의 지능화입니다. 기존의 RPA는 정해진 규칙에 따라 움직이는 단순 반복 작업에 국한되었습니다. 하지만 LAM은 예외 상황이 발생하더라도 스스로 판단하여 대응할 수 있습니다. 예를 들어, 물류 시스템에서 예상치 못한 재고 부족이 발생했을 때, LAM은 스스로 대체 공급업체를 검색하고 견적을 요청하는 단계까지 나아갈 수 있습니다. 이는 업무 효율성을 기존 대비 수십 배 이상 끌어올릴 수 있는 잠재력을 가지고 있습니다.

4. 인공지능 에이전트 시대의 도래와 준비

우리는 이제 AI를 어떻게 활용하느냐를 넘어, AI에게 어떤 권한을 부여할 것인가를 고민해야 하는 시점에 와 있습니다. LAM의 등장은 'AI 에이전트'라는 새로운 생태계를 구축할 것입니다. 이는 인간이 소프트웨어를 배우고 조작하는 수고를 덜어주는 대신, AI가 수행할 작업의 목표와 가이드라인을 설정하는 능력이 더욱 중요해짐을 뜻합니다.

물론 도전 과제도 존재합니다. AI가 사용자의 계정에 접속하여 직접 행동을 취하게 되는 만큼, 보안과 개인정보 보호, 그리고 잘못된 실행에 대한 책임 소재 문제는 매우 민식한 이슈입니다. 따라서 LAM의 발전은 강력한 인증 기술 및 에이전트 제어 기술(Guardrails)의 발전과 반드시 병행되어야 합니다.

결론

LLM이 인공지능에게 '언어'라는 날개를 달아주었다면, LAM은 인공지능에게 '실행력'이라는 엔진을 달아주고 있습니다. 텍스트를 생성하던 시대에서 행동을 수행하는 시대로의 전환은 우리가 기술과 상호작용하는 방식 자체를 완전히 바꿀 것입니다. 이제 인공지능은 더 이상 화면 속의 대화 상대가 아니라, 우리와 함께 업무를 수행하고 일상을 관리하는 실질적인 파트너로서 자리매김할 것입니다.

실천 팁

  1. 에이전틱 워크플로우(Agentic Workflow)에 주목하세요: 단순히 질문을 던지는 것에 그치지 말고, AI가 단계별로 문제를 해결하도록 구조화된 프롬프트를 작성하는 연습을 하세요. '결과물 생성'에서 '단계적 수행 지시'로 사고를 전환해야 합니다.

  2. 자동화 도구와의 결합을 탐색하세요: Zapier나 Make와 같이 다양한 앱을 연결해주는 자동화 툴을 공부해보세요. 향후 LAM 기술이 이러한 툴들과 결합할 때 여러분의 업무 생산성은 폭발적으로 증가할 것입니다.

  3. 데이터 구조화 능력을 키우세요: AI가 행동하기 위해서는 입력되는 데이터가 명확하고 구조적이어야 합니다. 문서나 정보를 정리할 때 AI가 쉽게 파악할 수 있도록 일관된 형식을 유지하는 습관을 들이는 것이 좋습니다.