AI 에이전트가 지식 노동을 재편하는 방식: 자율성, 효율성, 범위
How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope
최전선 AI 시스템은 대화형 어시스턴트에서 작업을 종단 간(end to end) 실행하는 자율 에이전트(agent)로 전환함으로써 지능과 실용성 사이의 격차를 메우고 있다. Perplexity의 Search와 Computer 제품의 프로덕션 데이터를 사용하여, AI 에이전트가 지식 노동(knowledge work)을 가속하고 재편하는 방식을 분석함으로써 이러한 전환을 연구한다. 세 가지 핵심 실증 결과가 도출된다. 첫째, 거의 동일한 초기 쿼리 쌍을 가진 세션을 두 제품 모두로 시도한 동일 기본 과제에 대한 자연 실험으로 사용하면, Computer는 사용자 세션당 26분의 자율 작업을 수행하는 반면 Search는 33초에 그친다. Computer는 Search 사용자가 그렇지 않았다면 수동으로 조율하고 구현했을 과제 분해와 실행을 자동화한다. 그 결과 Computer는 후속 쿼리 분포를 검증과 확장과 같은 고차원 작업 쪽으로 이동시킨다. 자율성은 실행 품질도 높이며, Computer의 쿼리당 불만족률은 Search보다 55% 낮다. 둘째, 자율성 우위로 인해 Computer는 매칭된 과제에서 완료 시간을 269분에서 36분으로 줄이며, Search만 갖춘 인간과 비교할 때 추정 시간과 비용을 각각 87%와 94% 낮춘다. 셋째, Computer는 사용자가 시도하는 작업의 범위를 바꾼다. Computer 쿼리는 더 자주 직업 경계를 넘어서며, 고차원 인지를 요구하고, 더 넓은 전문 지식을 활용하며, 상호 의존적인 하위 과제를 단일 쿼리로 묶는 복합 과제 형태를 띠며, 동일 사용자들의 Search 사용에서는 본질적으로 부재하는 작업 활동을 가능하게 한다. 종합하면, 증거는 AI 에이전트가 워크플로를 가속하고, 산출 품질을 향상하며, 비용을 절감하고, 자동화된 작업의 폭과 깊이를 확장함을 보여준다.