인프런 커뮤니티 질문&답변
작성한 질문수
워크플로우와 에이전트 비교 및 앞으로의 방향성에 대한 질문드립니다!
작성
·
8
0
안녕하십니까 강사님! 덕분에 강의 너무 유익하게 잘 들었습니다!
강의 들으면서 궁금했던 점을 질문 드립니다.
1. 워크플로우와 에이전트 혹은 커스텀 도구 등 선택 기준에 대하여는 명확한 기준이 있다기보다는 성능 비교를 통해 정확도, 토큰 사용량, 시간 등 이러한 지표들을 테스트 해가며 적절한 에이전트 혹은 워크플로우로 구축하면 될까요? 아니면 사용하는 호출 모델을 이해하여 그 모델에 맡게 최적화를 해야할까요? 이러한 부분들이 강의 들으면서 궁금했습니다!
2. 학사 졸업생 및 신입으로 프롬포트 엔지니어링 등 이러한 분야로 취업 준비를 한다면 기업들이 원하는 인재상은 어떤지도 궁금합니다! RAG기술을 어느정도 이해하고 구축하며 또 추가적으로 도움될 기술이 있는지 궁긍합니다.
수준 높은 강의를 듣게 되어 영광입니다. 앞으로도 강사님의 강의 많이 참고하겠습니다.
감사합니다!!
답변 2
0
안녕하세요, 좋은 질문 감사합니다. 답변을 드려보자면
말씀하신 것처럼 에이전트와 워크플로우는 테스트를 통해 서비스에 가장 적합한 유형을 선택하시는 것이 좋습니다. 언젠가 엄청 대단한 모델이 출시된다면 가능해질 수도 있지만 모든 걸 다 해결해 줄 수 있는 통합 솔루션은 사실상 없고, 저는 그런 모델이 나와도 task를 나눠서 단계별로 처리하는게 성능 측면에서는 훨씬 유리하다고 생각합니다.
모델의 동작 원리를 이해하는 것은 엔지니어로서의 역량에는 도움이 되겠지만, AI를 활용하는 측면에 있어서는 크게 도움이 되지 않는다고 생각합니다. AI를 업무에 사용하는 것은 사실상 이메일이나 전화, 문자 등과 같이 인풋과 아웃풋이 정해져있는 툴로 보시는게 더 합리적이라고 생각합니다.
다만 엔지니어링 측면에서 모델의 동작 원리를 이해하고 호출한다면 훨씬 더 효과는 있을거라고 생각합니다.
커리어 관련해서는 조언을 드리기 조심스러운데요, 개인적으로는 프롬프트 엔지니어링으로 커리어는 별로라고 생각합니다. ChatGPT가 처음 나오고 모델이 사람들이 원하는대로 동작하지 않다보니, 다양한 프롬프트 엔지니어링 기법들이 나왔는데요, 해당 기법들은 LLM에게 더 자세한 Context를 전달하는 다양한 방법일 뿐, LLM을 활용하는 정답지는 아닙니다. 그리고 모델의 성능이 점점 좋아지면서, 사실 프롬프트는 점점 대충 작성해도 충분히 원하는 결과를 얻을 수 있는 상황이 될거라고 생각합니다.
만약 AI를 활용해서 어떤 서비스를 운영하고 싶으시다면, 어쩌면 1번에서 드린 답변과 반대되게 모델의 동작 원리를 이해하시는 것이 더 좋을 수도 있을 것 같습니다. 모델의 동작 원리를 이해하고, 어떻게 활용하면 더 좋을지 판단이 가능해진다면, 아마도 더 좋은 퀄리티의 서비스를 개발하고 운영하실 수 있을 것 같습니다.
또 궁금하신 점이 있으면 질문으로 올려주세요!
0
안녕하세요, 인프런 AI 인턴입니다. Jh P님.
강의를 통해 AI 에이전트 개발에 대한 이해도를 높였으며, 향후 적용과 관련한 구체적인 질문을 해주셨군요. 질문에 대해 다음과 같이 답변 드리겠습니다.
1. 워크플로우와 에이전트 설정 기준
워크플로우와 에이전트, 또는 커스텀 도구 선택 시 성능 비교를 통해 적절한 방법을 선택하는 것은 중요합니다. 선택 기준은 다음과 같습니다:
성능 지표 설정: 정확도, 토큰 사용량, 처리 시간 등 주요 지표를 선정하고 각 접근 방식에서 어떤 요소가 중요한지를 판단합니다. 예를 들어, 응답 속도가 중요하다면 처리 시간을 우선으로 고려할 수 있습니다.
모델 이해 및 최적화: 사용하는 LLM이나 프레임워크에 대한 깊은 이해는 필수적입니다. 각 모델이 강점을 발휘할 수 있는 환경과 제약 사항을 살펴보고, 그에 맞게 사용하는 것이 필요합니다. 예를 들어, 특정 작업에서 GPT-3 등의 LLM이 더 적합할 수 있는 이유를 기술적 특성에서 파악할 수 있습니다.
적응성 및 확장성: 장기적으로 프로젝트가 어떻게 확장될지 고려하여 선택합니다. 커스텀 도구의 추가가 용이한 구조라면, 초기에는 단순히 워크플로우로 시작하되 확장이 필요할 때 에이전트를 구축하는 방법도 고려할 수 있습니다.
2. 인재상과 추가적인 기술
프롬프트 엔지니어링 분야에서 신입으로 취업을 준비할 때, 기업이 원하는 인재상과 필요 기술은 다음과 같습니다:
기본기와 포트폴리오: RAG나 LLM에 대한 이해와 실제 구현 경험이 중요합니다. 프로젝트 기반의 포트폴리오를 통해 자신이 수행한 작업과 성취를 보여주는 것이 좋습니다.
커뮤니케이션 능력: 기술적 소통과 명확한 문서화를 할 수 있는 능력도 기업에서 중요하게 평가합니다. 팀 내에서 협업하며 아이디어를 효과적으로 전달할 수 있는 능력은 필수적입니다.
추가 기술: Python과 같은 프로그래밍 언어 외에도 데이터 처리(Data Wrangling), API 통합, 자동화 도구 활용 능력이 유리하게 작용할 수 있습니다. 또한, 클라우드 서비스(AWS, GCP 등)에 대한 기본 이해도 필요합니다.
AWS Sagemaker나 Azure ML 같은 클라우드 머신러닝 서비스를 활용한 ML모델 관리 및 배포 경험은 큰 장점이 될 수 있습니다.
이와 관련한 유사 질문 및 자세한 답변은 다음 글을 통해 추가적으로 확인해 보실 수 있습니다: AI 에이전트와 워크플로우 선택 기준
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.