생성형 인공지능(AI) 시장의 경쟁 축이 자연스러운 답변 제공에서 실제 업무를 수행하는 ‘AI 에이전트’로 이동하는 중이다. 다만, 현재는 실행형 AI 단계로 이동하는 과도기로, 한계를 인식한 이용자들의 관심이 개인 AI 비서로 넘어가면서 국내에서도 이를 상용화하려는 움직임이 포착된다.

17일 IT업계에 따르면 최근 카페24는 오픈클로(OpenClaw)와 헤르메스 에이전트(Hermes Agent) 기반 가상 프라이빗 서버(VPS) 서비스를 선보이며 관련 시장 대응에 나섰다. 이는 기업 플랫폼 안에서 동작하는 대부분의 AI 에이전트가 플랫폼 정책에 영향을 받는다는 한계에 봉착하면서 특정 플랫폼에 종속되지 않고 사용자가 설치하고 운영하는 ‘개인 운영형 AI 에이전트’에 대한 관심이 높아진 데 따른 것이다.

이같은 흐름은 최근 빠르게 성장 중인 오픈소스 AI 에이전트 플랫폼에서 찾아볼 수 있다. 특히 오픈클로와 헤르메스 에이전트는 깃허브에서 합산 수십만 개 이상의 스타를 기록하며 빠르게 주목받고 있는 대표 사례로 꼽힌다.

오픈클로는 ‘연결형 AI 에이전트’ 흐름을 대표하며 슬랙, 텔레그램, 디스코드, 왓츠앱 같은 메신저 채널에 이어 브라우저 자동화와 작업 흐름 기능까지 하나의 운영 체계처럼 연결한다. 새로운 앱을 따로 배우기보다 평소 사용하던 메신저 안에서 “회의 내용 정리해줘”, “이 링크 요약해줘”, “내일 일정 등록해줘” 같은 요청을 바로 수행하는 방식이다.

반면 헤르메스 에이전트는 ‘학습형 AI 에이전트’ 흐름에 가깝다. 헤르메스는 사용자의 반복 작업을 기억하고, 그 과정을 하나의 ‘스킬(skill)’ 형태로 축적하는 구조를 강조한다. 단순히 대화 내용을 저장하는 수준이 아니라, 사용자의 업무 흐름 자체를 점점 학습한다.

예를 들어 특정 보고서를 정리하는 방식이나, 콘텐츠 초안을 만드는 패턴, 반복적인 업무 흐름 등을 기억해 이후 유사한 작업에 재활용하는 식이다. 최근에는 장기 작업 유지와 자동 재시작, 여러 보조 에이전트 동시 실행 기능까지 빠르게 확대되고 있다.

오픈클로와 헤르메스 에이전트에 대한 관심이 높아지면서 해외에서는 이들 프레임워크를 실제로 운영할 수 있도록 돕는 서비스들도 빠르게 등장하고 있다. 카페24도 이러한 흐름에 맞춰 AI 에이전트 접근성을 낮추고 상용화 채비에 들어갔다.

카페24 측은 “AI 에이전트 수요가 점점 다양해지면서 연결 중심의 에이전트를 원하는 사용자와, 장기 기억과 반복 업무 자동화를 원하는 사용자가 동시에 늘어나고 있다”며 “사용 목적과 숙련도에 따라 선택할 수 있도록 두 가지 방향의 서비스를 함께 구성했다”고 말했다.

이러한 노력에도 생각보다 무거운 실행 환경을 요구한다는 점이 AI 에이전트의 문제점으로 꼽힌다. AI 에이전트는 단순 챗봇과 다르게 메신저를 실시간으로 받아야 하고, 예약된 자동화 작업을 정해진 시간에 수행해야 하며, 세션이 종료돼도 작업 상태와 기억을 유지해야 한다. 브라우저 자동화나 여러 에이전트 동시 실행을 위해서는 서로 분리된 격리 실행 환경과 안정적인 컴퓨팅 자원도 필요한 상황이다.

이로 인해 업계에서는 AI 에이전트를 단순 기능이 아니라 ‘계속 켜져 있는 소프트웨어’에 가깝게 보기 시작했지만, 많은 사용자들이 AI 자체보다 서버 환경 구축 단계에서 어려움을 마주한다.

카페24는 이런 진입장벽을 줄이기 위해 웹 기반 온보딩 방식을 도입했다. 사용자는 서버 신청 후 AI 모델 API 키와 메신저 토큰을 입력하고 메신저에서 연결 승인만 하면 바로 에이전트를 실행할 수 있도록 구성했다. 누구나 클릭 몇 번만으로 AI 에이전트를 구축할 수 있도록 3단계로 압축한 것이 특징이다.

관련기사

과도기를 거치면서 업계에서는 모든 사용자가 처음부터 복잡한 자율형 AI 에이전트를 구축할 필요는 없다고 보는 시각이 우세하다. 예를 들어 메신저 기반 자동화나 간단한 업무 연결부터 시작하고 싶다면 연결 중심의 에이전트가 적합할 수 있는 반면 장기 기억과 반복 업무 자동화, 개인 비서 형태의 활용을 원한다면 학습형 에이전트 흐름이 더 맞을 수 있기 때문이다.

이에 업계에서는 앞으로 AI 경쟁의 중심 역시 단순히 “누가 더 똑똑한 모델을 만드는가”보다 사용자의 일상 속에서 얼마나 자연스럽게 함께 일할 수 있는가로 이동할 가능성이 크다고 보고 있다.