Beyond the Chatbot: The Rise of Agentic AIand the Future of Scientific Discovery

최근 AI 시스템은 모델 단독 활용을 넘어, 도구 호출과 단계적 실행을 포함하는 구조로 확장되고 있습니다. 지하수 관리, 오염 추적, 지질 모델링처럼 여러 분석 도구를 조합해야 하는 문제에서 이러한 접근이 주목받고 있습니다.

이번 발표에서는 이 흐름을 Agentic AI라는 관점에서 정리하고, 지구과학 분야에서의 적용 가능성을 논의했습니다.

LLM은 자연어 처리 능력이 뛰어나지만, 실시간 데이터 접근이나 수치 계산에는 한계가 있습니다. RAG(Retrieval-Augmented Generation)와 외부 도구 연계가 이를 보완하는 핵심 기술입니다.

발표에서는 지하수/지질 도메인에 특화된 RAG 시스템과, GIS·수치 모델링 소프트웨어와의 도구 연계 구조를 소개했습니다.

Tool-Orchestrating Agent는 사용자의 복잡한 요청을 이해하고, 필요한 도구들을 순차적 또는 병렬적으로 호출하며, 결과를 종합하여 최종 답변을 제공합니다. 이는 단순한 Q&A 챗봇과는 근본적으로 다른 접근입니다.

예를 들어, '이 지역의 지하수 오염 위험도를 평가해줘'라는 요청에 대해, 에이전트는 지질 데이터 조회, 수리지질 모델링, 오염원 분석, 위험도 산정 도구를 순차적으로 활용하여 종합적인 평가 보고서를 생성할 수 있습니다.

시연에서는 자연어로 지하수 분석을 요청하면, AI 에이전트가 분석 도구들을 순차적으로 호출하여 결과를 도출하는 과정을 보여주었습니다.

데이터 수집, 분석, 시각화를 담당하는 에이전트들이 협력하여 워크플로우를 자동 처리하는 다중 에이전트 협업 구조를 중심으로 시연을 진행했습니다.

현재 플랫폼은 지하수 관리를 중심으로 개발되었으며, 향후 지질학·환경공학 등 다른 분석 과제로도 적용 범위를 검토할 계획입니다.

AI는 전문가의 분석 역량을 보조하고 확장하는 도구로서 가능성을 갖고 있으며, 이를 구체적으로 검토한 자리였습니다.