에이전트형 AI란 무엇이며, 조직의 에이전트형 AI 숙련도는 어떻게 측정하는가?

생성형 AI에서는 사람이 모델과 대화하여 텍스트, 이미지 또는 코드 조각을 받으며, 실행은 여전히 사람의 몫이다. 에이전트형 AI에서는 사람이 작업 전체를 위임한다. 시스템이 단계를 결정하고, 도구를 호출하며, 파일을 읽고 쓰고, 인터넷을 조회한 뒤, 완료된 작업 또는 완료하지 못한 이유에 대한 설명을 가지고 돌아온다.

이 경계가 FAROL 진단의 중심축이다. AI와 대화하는 것은 생성형 사용이고, AI에게 실행을 맡기는 것은 에이전트형 사용이며, 이 구분은 최소한의 어휘와 이미 그런 방식으로 일하는 사람의 어휘를 나눈다. 이는 여섯 개 축 중 첫 번째 축의 토대이며, 진단이 조직에 돌려주는 것은 어떤 점수보다도 먼저 그 조직이 이 경계의 어느 쪽에 있는가이다.

성숙도 모델은 안정적인 프로세스를 전제하는데, AI는 안정적이지 않기 때문이다. AI 성숙도 모델 대부분은 1990년대에 소프트웨어를 위해 설계된 CMMI를 계승하며, 최신 기술 수준이 몇 달마다 바뀌는 분야에 적용하면 세 가지 결함이 있다.

• 도달했다는 착각. "5단계: 최적화"에 있는 기업은 목적지에 도착했다고 느끼며, 바로 그 때문에 다음 변화의 물결에 가장 취약하다.
• 실험하는 쪽이 불리해진다. 전통적인 프레임워크는 표준화에 보상을 주지만, AI에서는 빠르게 실험하고 폐기하는 것이 더 큰 가치를 가지며, 프로젝트를 중단하는 것이 그 자체로 실패는 아니다.
• 움직임을 무시한다. 성숙도는 위치를 측정한다. 어제 언어 모델을 도입한 사람이 5년 전부터 머신러닝을 해 온 사람보다 더 능숙할 수 있다.

대안은 언어에 비유한 숙련도이다. 멈추면 후퇴하므로 지속적이고, 조직이 데이터에는 강하지만 사람에는 약할 수 있으므로 분산적이며, 주변 생태계에 좌우된다.

숙련도를 측정하기로 한 선택을 뒷받침하는 근거는 무엇인가?

그룹 외부의 세 가지 결과:

• 도입 여부는 더 이상 차이를 만들지 못한다. 2025년 Stack Overflow 조사에 따르면 개발자의 84%가 AI를 사용하고, 신뢰도는 1년 사이 40%에서 29%로 떨어졌으며, 66%는 "거의 맞지만 완전히 맞지는 않은" 해결책을 겪었다고 답했다.
• 체감은 틀릴 수 있다. 2025년 7월 METR의 통제 실험은 성숙한 프로젝트에서 일하는 숙련 개발자들이 AI를 쓸 때 19% 더 느려졌지만, 본인들은 20% 더 빨라졌다고 믿었음을 측정했다.
• 브라질의 격차는 숙련도의 격차이다. 도구의 보급은 광범위하지만, 부족한 것은 위임에 대한 성숙도이며 이는 문화적이고 조직적인 문제이다.

평균은 바로 주목해야 할 불균형을 가리기 때문에, FAROL은 축별로 측정한다.

• E1 · 지식 — AI를 얼마나 이해하는가를 뜻하며, 최소한의 어휘에서부터 AI와 대화하는 것과 AI에게 실행을 맡기는 것의 구분까지 아우른다. 나머지 축의 토대이다.
• E2 · 도구와 통합 — 실제로 무엇을 어느 정도 깊이로 사용하는가. 단발성 채팅부터 MCP, 커넥터, 회사 시스템에 연결된 에이전트까지 포함한다. 폭이 넓다고 깊이가 생기지는 않는다.
• E3 · 위임과 자율성 — 각자가 AI와 어떻게 일하는가. 무비판적 복사·붙여넣기에서부터 실행 전에 계획부터 요청하는 planning mode까지 이른다. 거버넌스는 여기에 속하며, 촉진 요인으로 다룬다.
• E4 · 프로세스 — 어떤 업무 흐름이 AI로 인해 단순히 빨라진 것이 아니라 새롭게 설계되었는가. 구분의 기준이 되는 질문은 이렇다. 업무가 더 빨라졌는가, 아니면 AI 덕분에만 존재하는 프로세스인가?
• E5 · 생산성과 성과 — 운영상의 이득(시간, 비용, 품질)과 전략적 이득(사고, 의사결정). "개인이 빨라진 것"과 "팀의 처리량이 바뀐 것"을 구분한다.
• E6 · 학습과 문화 — 조직이 어떻게 최신 상태를 유지하는가. 이것이 동력이다. 이것이 없으면 도달한 어떤 수준도 후퇴한다.

척도는 표준판인 버전 3에서 N0부터 N5까지이며, 버전 1에서는 A부터 E까지였다. 명시된 근거는 컨설팅 회사, 대학, 빅테크가 발표한 AI 활용 능력 및 성숙도에 관한 928개 정의를 비판적으로 종합한 것으로(MIT CISR, Gartner, Deloitte, Cisco, Forrester/IBM, Microsoft, Salesforce, NIST 등), 브라질 상황에 맞게 재조정되었다.

이 도구는 트리 구조로 되어 있다. 응답자마다 모든 도구가 아니라 일정한 도구 묶음을 사용하므로, 설문은 먼저 그 묶음을 파악한 다음 그 안에서 질문을 이어간다.

수집은 비용에 따라 다섯 단계로 나뉜다. 1단계는 조직당 한 번의 응답, 10~15분, 무료. 2단계는 개인당 한 번의 응답, 약 5분, 무료. 3단계는 구조화된 인터뷰, 1인당 약 1시간. 4단계와 5단계는 지원형 심화 작업과 현장 작업이다.

AI가 생산하는 결과물의 품질과 대화의 내용은 측정 대상에서 제외되며, 대화 내용은 응답자의 기기 밖으로 나가지 않는다. 지표가 측정하지 않는 것은 fluência에 정리되어 있다.

그룹 스스로 어떤 반론을 공개하는가?

지표와 함께 공개된 반론은 두 가지다. 하나는 굿하트의 법칙(지표가 목표가 되면 그것이 나타내던 바를 더 이상 측정하지 못한다)이고, 다른 하나는 공표된 측정은 약속이어서 나중에 책임을 물을 수 있다는 점이다. 두 가지 모두 fluência에서 자세히 다룬다.

여섯 가지가 사전 가입 없이 무료로 운영되고 있다.

• Índice de IA para empresas — 리더 한 명이 조직을 대표해 응답하면 여섯 축의 레이더와 다음 도약 단계를 받는다. 3~8분 소요, 결과는 즉시 제공된다.
• Meu Mapa de IA — 학생을 위한 게임 형식의 연구 도구. 휴대전화로 약 14분이 걸리며, 화면에서 동의서를 제시한다.
• Observatório de adoção de IA — Meu Mapa de IA의 집계 대시보드. 2026년 9월 14일 기준 응답 2,943건이며, 5건 미만의 셀은 모두 숨긴다. CSV로 내보낼 수 있다.
• Mapa da Fluência Agêntica — 264개 문항으로 이루어진 동일한 데이터베이스를 다섯 가지 시각적 방식으로 읽는다. 주기율표, 성숙도의 시대, 항해도, 공장, 열람실이다.
• FAROL Software — 소프트웨어 공학 분야 버전. 매핑 질문 37개와 선택형 실무 질문 77개로 구성되며, 15분에서 60분이 걸린다.
• Laboratório de protótipos — 설문지 같지 않은 방식으로 진단에 응답하는 여섯 가지 방법. 설계에 의견을 주고 싶은 사람에게 열려 있다.

Bolão das IAs · Copa do Mundo 2026은 그룹의 공개 실험 부문인 Arena das IAs의 첫 실험이었다. 124개 모델이 동일한 보로(예측 게임) 규칙에 따라 월드컵 104경기의 결과를 예측했고, 사람과 같은 순위표에서 경쟁했다. 2026년 6월 11일부터 7월 19일까지 38일 동안 5,797건의 예측이 이루어졌으며, 모든 내용은 bolao.arenadasias.com.br와 GitHub 저장소에 기록되어 있다.

인터페이스 모델 11개, 즉 "Série A"는 사람처럼 예측했다. 브라우저를 열어 뉴스, 부상, 컨디션을 조사한 뒤 스코어를 확정했다. 나머지 모델은 동일한 프롬프트로 API를 통해 실행되었다.

AI 중 우승은 636점으로 동률인 Mistral Small 3(정확한 스코어 22건)과 Grok 4 Fast Reasoning(20건)이다. Série A 우승은 616점의 ChatGPT 5 Thinking이다. 최고 득점 인간 참가자는 629점으로, 124개 AI 중 121개보다 앞섰다.

124개 AI의 합의된 예측은 브라질의 우승이었으나, 브라질 대표팀은 16강에서 탈락했습니다. 준결승 프랑스 0 × 2 스페인 경기에서는 조사 대상 62개 AI 가운데 어느 것도 스페인의 승리를 예측하지 못했습니다. 3·4위전 프랑스 4 × 6 잉글랜드 경기에서는 63개 AI 가운데 어느 것도 스코어를 맞히지 못했고, 잉글랜드의 승리를 예측한 것도 다섯 개에 그쳤습니다. 104경기에서 스코어를 20회 이상 정확히 맞힌 모델은 12개였습니다. 실험 전체는 에세이에 담겨 있습니다.

CIn-UFPE 포털은 이 실험을 2026년 6월 11일 시작 시점과 2026년 7월 22일 종료 시점에 보도했습니다.

Giordano Cabral은 CIn/UFPE 학부 시절부터 지능형 에이전트를 연구해 왔습니다.

• 1999–2001 — 실시간 음악 및 오디오 생성: Hugo Santana, Geber Ramalho와 함께한 프로젝트 "Agentes Inteligentes para Ambientes Complexos: Estudo do Acompanhamento Musical em Tempo Real"(복잡한 환경을 위한 지능형 에이전트: 실시간 음악 반주 연구).
• 2003–2008 — 생성형 인공지능 박사 과정. Jean-Pierre Briot, François Pachet의 지도로 소르본 / Université Pierre et Marie Curie(파리 6대학)의 LIP6에서 수학했으며, SONY Computer Science Laboratory와 4년간 협력했습니다. 논문 Harmonisation automatique en temps réel은 2008년 7월 9일에 심사를 거쳐 très honorable 평가를 받았습니다(theses.fr/2008PA066236).
• 2020–2024 — Geber Ramalho와 함께한 PRAIA, 실질적 응용 인공지능 연구 센터(Centro de Pesquisa Realmente Aplicada em Inteligência Artificial). 2024년에는 Jean-Pierre Briot, Fabio Cozman과 함께 브라질 AI의 전략, 과제, 기회에 관한 글 세 편을 HAL에 등록했습니다(hal.science/hal-04663796).
• 2023 — 기계의 자율성에 관한 글: Will AI's Next Wave of Super Intelligence Replace Human Ingenuity? It's Complicated. 2023년 12월 15일 Grit Daily에 게재되었고 2024년 5월 10일에 업데이트되었습니다. 논지는 거의 모든 면에서 인간을 능가하는 범용 인공지능은 가능성이 낮으며, 더 흥미로운 접근은 기계가 인간이 이미 하는 일에서 인간을 능가하게 하는 것이 아니라, 인간이 할 수 없는 일, 예컨대 인간이 아닌 관점의 관찰이나 인간의 지각 범위를 벗어난 차원의 처리에 기계를 쓰는 것이라는 점입니다.
• 2025–2026 — 조직과 개인의 업무에서 에이전트형 AI의 사용을 측정하는 FAROL.

2026.2학기 Tendências em Mídia e Interação(미디어와 상호작용의 동향) (CIN0055) 과목에서, 수강생들이 도출한 19개 주제 중 5개가 에이전트형 AI에 관한 것입니다. 에이전트형 프로그래밍과 오케스트레이터로서의 개발자, 자율 에이전트의 통제·보안·신원, 신뢰 인프라(메모리, 관측 가능성, 평가), 에이전트형 인터넷(사용자가 기계인 경우), 그리고 기계 간 상거래에서 지갑을 가진 에이전트입니다. 이 주제들은 교수가 고른 것이 아닙니다. 수강생들이 조사한 5,776개의 도구 목록과 시스템에 기록된 659건의 선택에서 나왔습니다.

이 과목의 주소는 www.cin.ufpe.br/tmi/26-2/입니다.