AIGC가 지능형 콘텐츠 생성의 시대를 열었다면, AI 에이전트는 AIGC의 역량을 진정으로 제품화할 수 있는 기회를 제공합니다.
AI 에이전트는 보다 실질적인 다목적 직원과 마찬가지로 인간처럼 환경을 관찰하고 의사 결정을 내리고 자동으로 조치를 취할 수 있는 원시적인 형태의 AI 로봇으로 묘사되어 왔습니다.
빌 게이츠는 "AI 에이전트를 제어하는 것이 진정한 성취입니다. 그 시점에서는 더 이상 온라인에서 직접 정보를 검색할 필요가 없게 될 것입니다."라고 말했습니다. AI 분야의 권위 있는 전문가들도 AI 에이전트의 미래에 대해 큰 기대를 걸고 있습니다. Microsoft CEO 사티아 나델라는 AI 에이전트가 사용자의 요구를 이해하고 능동적으로 서비스를 제공할 수 있는 인간과 컴퓨터의 주요 상호 작용 방식이 될 것이라고 예측했습니다. 우 엔다 교수도 미래 업무 환경에서는 인간과 AI 에이전트가 더욱 긴밀하게 협업하여 효율적인 업무 방식을 형성하고 효율성을 향상시킬 것이라고 예측했습니다.
AI 에이전트는 단순한 기술의 산물이 아니라 미래의 생활과 업무 방식의 핵심이 될 것입니다.
웹3.0과 블록체인이 처음 논의되던 시기로 돌아가면, "파괴적"이라는 단어가 이 기술의 잠재력을 설명하는 데 자주 사용되곤 했습니다. 지난 몇 년을 돌이켜보면, Web3는 ERC-20과 영지식 증명으로 시작하여 DeFi, DePIN, GameFi 등 다른 영역과의 통합으로 발전해 왔습니다.
두 가지 핫한 디지털 기술인 Web3와 AI를 결합하면 1+1 & 2 효과를 낼 수 있을까요? 자금 규모가 점점 더 커지고 있는 Web3 AI 프로젝트가 업계에 새로운 사용 사례 패러다임을 제시하고 새로운 실제 수요를 창출할 수 있을까요?
AI 에이전트: 인간을 위한 이상적인 지능형 비서
AI 에이전트의 상상력은 정확히 어디까지일까요? "큰 언어 모델은 뱀만 만들 수 있지만, AI 에이전트는 영광의 왕을 통째로 만들 수 있다"는 높은 점수를 받은 답변이 인터넷에 떠돌고 있습니다. 과장된 것 같지만 결코 과장이 아닙니다.
중국에서는 보통 '지능체'로 번역되는 에이전트. 이 개념은 '인공지능의 아버지'로 불리는 민스키가 1986년 저서 <사고하는 사회>에서 제안한 것으로, 그는 한 사회의 일부 개인이 협상을 통해 문제 해결에 도달할 수 있으며 이러한 개인이 에이전트라고 주장했습니다. 에이전트는 Microsoft의 편집 도우미인 Clippy부터 Google 문서의 자동 제안 기능에 이르기까지 수년 동안 인간과 컴퓨터 간의 상호작용의 초석이 되어 왔습니다. 이러한 초기 형태의 에이전트는 개인화된 상호작용의 가능성을 보여주었지만 더 복잡한 작업을 처리하는 능력에는 여전히 한계가 있었습니다. 대규모 언어 모델(LLM)이 등장하고 나서야 에이전트의 진정한 잠재력이 실현되었습니다.
올해 5월, AI 분야의 권위 있는 학자인 어니스트 응 교수는 미국에서 열린 세쿼이아 AI 행사에서 AI 에이전트에 대한 강연을 통해 자신의 팀이 수행한 일련의 실험을 보여주었습니다.
AI 분야에서 에이전트가 활용된 것은 이번이 처음입니다. 왼쪽;">AI가 몇 가지 코드를 작성하고 실행하도록 하여 다양한 LLM과 워크플로우의 결과를 비교합니다. 결과는 다음과 같습니다.
진짜. 대부분의 사람들은 ChatGPT와 같은 LLM을 일반적인 방식으로 사용합니다. 프롬프트에 입력하면 큰 모델이 자동으로 재작성 삭제 오류를 인식하고 수정하지 않고 즉시 답을 생성합니다.
반면 AI 에이전트의 워크플로우는 다음과 같습니다.
먼저, LLM이 글의 개요를 작성하고 필요한 경우 인터넷에서 콘텐츠를 검색하여 조사 및 분석한 다음 초안을 출력하고 초안을 읽고 어떻게 최적화할지 고민합니다. 그런 다음 초안을 읽고 최적화하는 방법을 고민하는 등 여러 번 반복하여 결국에는 엄격한 논리와 가장 낮은 오류율을 가진 고품질의 기사를 출력합니다.
AI 에이전트와 LLM의 차이점은 LLM과 사람 간의 상호 작용이 프롬프트에 기반한다는 점입니다. 반면 AI 에이전트는 목표만 설정하면 되고, 그 목표에 따라 독립적으로 생각하고 행동할 수 있습니다. 주어진 과제에 따라 계획의 각 단계를 세부적으로 세분화하고, 외부의 피드백과 자신의 생각을 바탕으로 목표를 달성하기 위한 프롬프트를 스스로 만들어냅니다.
따라서 OpenAI는 AI 에이전트를 두뇌 역할을 하는 LLM에 의해 구동되며 자율적으로 지각을 이해하고 계획하고 기억하며 복잡한 작업을 자동화하는 도구를 사용하는 시스템으로 정의합니다.
인공지능이 사용하는 도구에서 도구를 사용할 수 있는 주체로 변화하면 AI 에이전트가 됩니다. 이것이 바로 AI 에이전트가 인간에게 가장 바람직한 지능형 비서가 될 수 있는 이유입니다. 예를 들어, AI 에이전트는 사용자의 온라인 상호작용 기록을 바탕으로 사용자의 관심사, 선호도, 일상 습관을 이해하고 기억하며, 사용자의 의도를 인식하고 선제적으로 제안하고 여러 앱과 조율하여 작업을 완료할 수 있습니다.
게이츠의 비전처럼, 미래에는 더 이상 작업마다 다른 앱으로 전환할 필요 없이 컴퓨터와 휴대폰에 평소 사용하는 언어로 하고 싶은 일을 말하면 사용자가 공유하고자 하는 데이터를 기반으로 AI 에이전트가 개인화된 답변을 제공하게 될 것입니다.
1인 유니콘 기업이 현실이 되고 있습니다
AI 에이전트는 또한 기업이 지능적인 인간과 컴퓨터 간의 협업을 구축하는 데 도움을 줄 수 있습니다. 점점 더 많은 비즈니스 활동이 AI에 의해 수행되고, 인간은 비전, 전략 및 중요한 경로 결정에만 집중하면 됩니다.
OpenAI의 CEO인 샘 알트먼은 한 인터뷰에서 With AI, 우리는 곧 단일 유니콘의 시대에 진입할 것입니다라고 언급한 바 있습니다. , 즉 한 사람이 설립하여 10억 달러의 가치를 인정받은 기업입니다.
공상처럼 들리지만 AI 에이전트의 도움으로 현실이 되고 있습니다.
기술 스타트업을 시작한다고 가정해 봅시다. 기존 방식대로라면 당연히 소프트웨어 엔지니어, 제품 관리자, 디자이너, 마케터, 영업 및 재무 담당자를 고용해야 하는데, 각자의 역할은 다르지만 모두 제가 조율해야 합니다.
그렇다면 AI 에이전트를 사용하면 사람을 고용할 필요조차 없을 수도 있습니다.
소프트웨어 엔지니어 대신 올해 폭발적인 인기를 끌며 모든 프론트엔드 및 백엔드 작업을 수행하는 AI 소프트웨어 엔지니어인 Devin을 사용할 것입니다.
코그니션 랩스에서 개발한 Devin은 "세계 최초의 AI 소프트웨어 엔지니어"라고 홍보하고 있습니다. 전체 소프트웨어 개발 작업을 독립적으로 완료하고, 문제를 독립적으로 분석하고, 의사 결정을 내리고, 코드를 작성하고, 오류를 수정하는 등 모든 작업을 자율적으로 수행할 수 있습니다. Devin은 불과 6개월 만에 1억 9,600만 달러의 투자를 유치했으며, Founders Fund, Khosla Ventures 및 기타 유명 벤처 캐피탈 회사를 비롯한 투자자들로부터 수십억 달러로 기업 가치가 급격히 상승했습니다.
데빈은 아직 공개되지 않았지만, 최근 웹2.0 업계에서 폭발적인 인기를 끌고 있는 또 다른 제품인 커서의 잠재력을 엿볼 수 있습니다. 거의 모든 작업을 대신 수행하여 간단한 아이디어를 단 몇 분 만에 기능적인 코드로 바꿔주며, 사용자는 그저 '편안히 앉아서 즐기기만 하면' 됩니다. 프로그래밍 경험이 전혀 없는 8세 어린이가 실제로 Cursor를 사용하여 코드 작업을 하고 웹사이트를 구축했다는 보고도 있습니다.
제품 관리자나 재무 담당자를 대신한다면 문서 정리와 분석을 모두 처리해주는 Hebbia를 선택할 것입니다.
온프레미스 문서 검색에 중점을 둔 Glean과 달리, Hebbia Matrix는 여러 AI 모델을 통해 사용자가 데이터와 문서를 효율적으로 추출, 구조화, 분석하여 비즈니스 생산성을 높일 수 있도록 도와주는 엔터프라이즈급 AI 에이전트 플랫폼입니다. 놀랍게도 Matrix는 한 번에 수백만 개의 문서를 처리할 수 있습니다.
헤비아는 7월에 a16z가 주도하고 Google Ventures, Peter Thiel 및 기타 저명한 투자자들이 참여한 1억 3천만 달러 규모의 시리즈 B를 마감했습니다.
소셜 미디어 운영 및 디자이너 대신 콘텐츠 생성을 대신해주는 Jasper AI를 선택하겠습니다.
Jasper AI는 크리에이터, 마케터 및 비즈니스가 콘텐츠 생성 프로세스를 간소화하고 생산성과 창작 효율성을 높일 수 있도록 설계된 AI 에이전트 작성 도우미로, 블로그 게시물, 소셜 미디어 게시물, 광고 문구, 제품 설명 등 사용자가 요청한 스타일을 기반으로 다양한 유형의 콘텐츠를 생성할 수 있습니다. 또한 Jasper AI는 사용자 설명을 기반으로 이미지를 생성하여 텍스트 콘텐츠에 대한 시각적 보조 자료를 제공합니다.
Jasper AI는 1억 2,500만 달러의 투자를 받았으며 2022년에 15억 달러의 기업 가치를 달성할 것으로 예상됩니다. 통계에 따르면 Jasper AI는 사용자가 5억 개 이상의 단어를 생성하는 데 도움을 주어 가장 널리 사용되는 AI 글쓰기 도구 중 하나가 되었습니다.
비서 대신 멀티온을 선택해 일상 업무를 관리하고, 일정을 정리하고, 미리 알림을 설정하고, 출장 계획, 호텔 예약 자동화, 온라인 자동차 예약을 자동화하는 데 도움을 받고 싶어요.
멀티온은 온라인 쇼핑, 약속 예약, 기타 개인 작업 등 모든 디지털 환경에서 자율적으로 작업을 수행할 수 있도록 도와주는 자동화된 웹 태스킹 AI 에이전트로, 사용자의 효율성을 향상시키거나 일상을 간소화하여 생산성을 높일 수 있도록 도와줍니다.
연구자 대신 NVIDIA의 CEO가 매일 사용하는 Perplexity를 꼽고 싶습니다.
Perplexity는 사용자가 무엇을 묻는지 이해하고, 질문을 세분화한 다음 콘텐츠를 검색하고 통합하여 사용자에게 명확한 답변을 제공하는 보고서를 생성합니다.
학생과 연구자는 정보 검색 과정을 간소화하고 글쓰기 효율성을 높이기 위해, 마케터는 마케팅 전략을 뒷받침하는 신뢰할 수 있는 데이터를 얻기 위해 등 다양한 사용자 그룹에서 Perplexity를 사용할 수 있습니다.
위 내용은 상상에 불과하며, 이러한 AI 에이전트의 실제 기능은 아직 모든 산업 분야의 최고 전문가를 대체하기에는 충분하지 않습니다. 로제닉 AI의 공동 창업자 리보지에(Li Bojie)는 현재 LLM의 능력은 전문가 수준과는 거리가 먼 초급 단계에 불과하며, 이 단계의 AI 에이전트는 더 빨리 일하지만 신뢰성이 떨어지는 직원과 비슷하다고 말했습니다.
그러나 이러한 AI 에이전트는 각자의 전문성을 바탕으로 다양한 시나리오에서 기존 사용자의 효율성과 편의성을 개선하는 데 도움을 주고 있습니다.
기술 기업뿐만 아니라 모든 산업에서 AI 에이전트의 혜택을 누릴 수 있습니다. 교육 분야에서는 AI 에이전트가 학생의 학습 진도, 관심사, 능력에 따라 개인 맞춤형 학습 자료와 과외를 제공하고, 금융 분야에서는 AI 에이전트가 사용자의 개인 재무 관리, 투자 조언, 주식 동향 예측까지 도와주고, 헬스케어 분야에서는 AI 에이전트가 의사의 질병 진단과 치료 계획 수립을 돕고, 이커머스 분야에서는 AI. 이커머스 분야에서는 자연어 처리 및 머신러닝 기술을 통해 사용자 문의에 자동으로 답변하고 주문 문제 및 반품 요청을 처리하여 고객 서비스 효율성을 향상시키는 지능형 고객 서비스로도 활용될 수 있습니다.
멀티 에이전트: AI 에이전트의 다음 단계
이전 섹션에서 유니콘 기업의 비전에 대해 설명할 때, 단일 AI 에이전트는 복잡한 업무를 처리하는 데 한계가 있어 실질적인 요구 사항을 충족하기 어렵습니다. 여러 AI 에이전트를 사용하는 경우, 이기종 LLM을 기반으로 하는 AI 에이전트로 인해 집단적 의사결정이 어렵고 그 능력에 한계가 있기 때문에 사람이 독립적인 AI 에이전트 사이에서 서로 다른 애플리케이션 시나리오를 제공하는 AI 에이전트의 작업을 조정하는 디스패처 역할을 해야 합니다. 이것이 멀티 에이전트 프레임워크의 등장으로 이어졌습니다.
복잡한 문제는 종종 여러 출처의 지식과 기술을 통합해야 하는데, 이는 단일 AI 에이전트로는 처리하기 어려운 문제입니다. 멀티 에이전트 시스템은 서로 다른 역량을 가진 AI 에이전트를 유기적으로 결합하여 AI 에이전트의 강점을 활용하고 서로의 약점을 보완하여 복잡한 문제를 보다 효과적으로 해결할 수 있도록 지원합니다.
이는 리더가 업무를 할당하고, 각기 다른 역량을 가진 사람들이 서로 다른 업무를 담당하며, 각 프로세스의 결과가 다음 프로세스로 전달되어 궁극적으로 최종 업무로 이어지는 실제 워크플로 또는 조직 구조와 매우 유사합니다.
실현 측면에서 보면 하위 레벨의 AI 에이전트는 각자의 업무를 수행하고 상위 레벨의 AI 에이전트는 업무를 할당하고 완료를 모니터링합니다.
멀티 에이전트는 또한 인간의 의사결정 과정을 시뮬레이션할 수 있으며, 문제가 있을 때 다른 사람들과 상의하는 것처럼 여러 AI 에이전트가 집단적인 의사결정 행동을 시뮬레이션하여 더 나은 정보를 제공할 수 있습니다. 예를 들어, Microsoft에서 개발한 AutoGen은 다음과 같은 기능을 수행합니다.
기본 대화 기능을 갖춘 다양한 역할을 가진 AI 에이전트를 만들어 수신 메시지에 대한 응답을 생성할 수 있습니다. 이러한 AI 에이전트는 기본적인 대화 기능을 갖추고 있으며 수신된 메시지에 따라 응답을 생성할 수 있습니다.
그룹챗을 통해 관리자 역할을 가진 AI 상담원이 다른 AI 상담원의 채팅, 화자 순서, 종료 등을 관리하는 그룹 채팅 환경을 만들 수 있습니다.
그룹챗을 통해 여러 AI 상담원이 참여하는 그룹 채팅 환경을 만들 수 있습니다.
이를 하나의 유니콘 기업의 비전에 적용하면 멀티 에이전트 아키텍처로 여러 가지 역할을 만들 수 있습니다. 프로젝트 매니저, 프로그래머, 슈퍼바이저 등 다양한 역할을 만들 수 있습니다. 우리가 달성하고자 하는 것을 그들에게 알려주고, 그들이 원하는 대로 하게 하고, 우리는 그냥 들어주고, 문제가 있거나 그들이 뭔가 잘못하고 있다고 생각되면 우리가 만족할 때까지 그것을 바꾸게 할 것입니다.
단일 AI 에이전트와 비교하여 멀티 에이전트는 다음과 같은 이점을 제공합니다.
확장성. Strong>확장성: 각각 작업의 일부를 처리하는 AI 에이전트의 수를 늘려 대규모 문제를 처리하여 수요 증가에 따라 시스템을 확장할 수 있습니다.
병렬 처리: 병렬 처리를 자연스럽게 지원하므로 여러 AI 에이전트가 동시에 문제의 여러 부분을 작업하여 문제 해결을 가속화할 수 있습니다.
의사 결정 개선: 각자의 관점과 전문성을 갖춘 여러 AI 에이전트의 인사이트를 취합하여 의사 결정을 개선합니다.
AI 기술이 계속 발전함에 따라 멀티 에이전트 프레임워크는 더 많은 산업에서 더 큰 역할을 담당하고 모든 종류의 새로운 AI 기반 솔루션 개발을 주도할 것으로 예상됩니다.
AI 에이전트 바람, 웹에 불다3
실험실을 벗어나 AI 에이전트와 멀티 에이전트의 길로 나서다.
실험실을 벗어나 AI 에이전트와 멀티 에이전트의 앞길은 멀고도 험난합니다.
멀티 에이전트는 차치하더라도, 가장 진보된 단일 AI 에이전트도 물리적 수준에서 필요한 연산 자원과 연산 능력의 양에 명확한 상한선이 있기 때문에 무한정 확장하는 것은 불가능합니다. 매우 복잡하고 계산 집약적인 작업에 직면하면 AI 에이전트는 의심할 여지 없이 계산 병목현상에 시달리게 되고 성능이 크게 저하될 것입니다.
또한 AI 에이전트 및 다중 에이전트 시스템은 본질적으로 중앙 집중식 아키텍처 모델로 단일 장애의 위험이 높습니다. 또한, 오픈AI, 마이크로소프트, 구글 등의 폐쇄형 빅 모델에 기반한 <강력>독점적 비즈니스 모델은 독립적인 단일 에이전트 AI 에이전트 스타트업의 생존에 심각한 위협이 되고 있으며, 방대한 민간 기업 데이터를 성공적으로 활용하여 AI 에이전트를 더 스마트하고 효율적으로 만드는 것이 불가능하기 때문에 AI 에이전트 간의 <강력>민주화된 협업 환경이 절실히 요구되고 있습니다. 진정으로 가치 있는 AI 에이전트가 더 다양한 요구에 부응하고 사회에 더 큰 가치를 창출할 수 있도록 AI 에이전트 간의 민주화된 협업 환경이 절실히 필요합니다.
마지막으로, AI 에이전트는 LLM보다 산업에 더 가깝지만, 개발이 LLM에 기반하고 있으며, 현재 대형 모델 트랙은 높은 기술 문턱과 높은 자본 투자, 미성숙한 비즈니스 모델로 인해 AI 에이전트가 지속적인 업데이트와 반복을 위한 자금 확보가 어렵다는 특징이 있습니다.
멀티 에이전트 패러다임은 Web3가 AI를 지원할 수 있는 훌륭한 관점이며, 이미 많은 Web3 개발팀이 이러한 영역에 솔루션을 제공하기 위해 R&D에 투자하고 있습니다.
AI 에이전트와 멀티 에이전트 시스템은 복잡한 의사 결정과 처리 작업을 수행하기 위해 많은 양의 연산 자원이 필요한 경우가 많습니다. 웹3는 블록체인과 탈중앙화 기술을 통해 분산화된 연산 시장을 구축하여 연산 자원을 전 세계적으로 보다 공평하고 효율적으로 분배하고 활용할 수 있게 합니다. ak3도 이러한 예로 사용될 수 있습니다. 아카시, 노사나, 아에티르, IO.net 등과 같은 웹3.0 프로젝트는 AI 에이전트의 의사 결정과 추론을 위한 컴퓨팅 파워를 제공할 수 있습니다.
기존의 AI 시스템은 중앙에서 관리되는 경향이 있어 AI 에이전트의 단일 장애 지점 및 데이터 프라이버시 문제가 발생했습니다. Web3의 탈중앙화된 특성은 보다 탈중앙화된 자율적인 멀티 에이전트 시스템을 가능하게 하며, 각 AI 에이전트는 서로 다른 노드에서 독립적으로 실행되어 사용자 요청을 자율적으로 실행하고 AI 에이전트의 성능을 향상시킬 수 있게 합니다. 각 AI 에이전트는 서로 다른 노드에서 독립적으로 실행되고 사용자 요구 사항을 자율적으로 실행할 수 있어 견고성과 보안이 강화됩니다. 지분 증명, DPoS 및 기타 메커니즘을 통해 위임자와 주체에 대한 인센티브와 페널티를 설정하여 단일 AI 에이전트 또는 다중 에이전트 시스템의 민주화를 촉진할 수 있습니다.
이 점에서 GaiaNet, Theoriq, PIN AI, HajimeAI는 매우 최첨단의 시도를 하고 있습니다.
Theoriq은 에이전틱 프로토콜을 통해 웹3용 AI를 구축하는 것을 목표로 하는 웹3용 AI 프로젝트입니다. Theoriq은 '웹3용 AI'를 제공하는 프로젝트로, 에이전틱 프로토콜을 통해 웹3 디앱에 검증 가능한 모델 추론 기능을 제공하고, AI 에이전트의 호출 및 경제 시스템을 구축하여 웹3 개발과 다양한 기능 시나리오를 대중화하는 것을 목표로 합니다.
가이아넷은 중앙집중식 OpenAI GPT 스토어에 대항하여 전문가와 사용자의 지적 재산과 데이터 프라이버시를 보호하는 AI 에이전트 생성 및 배포를 위한 노드 기반 환경입니다.
가이아넷은 중앙집중식 OpenAI GPT 스토어에 대항하여 전문가와 사용자의 지적 재산과 데이터 프라이버시를 보호하는 AI 에이전트 생성 및 배포를 위한 노드 기반 환경입니다. style="text-align: left;">반면, 하지메AI는 이 두 가지를 기반으로 실제 요구사항에 맞춰 AI 에이전트 워크플로를 구축하고 의도 자체를 지능적으로 자동화하여 'AI 지능의 개인화'에 대한 PIN AI의 언급을 반영합니다.
모듈러스 랩스와 ORA 프로토콜은 각각 AI 에이전트를 위한 zkML과 opML의 알고리즘 방향에서 진전을 이루고 있습니다.
마지막으로, AI 에이전트 및 멀티 에이전트 시스템의 개발과 반복에는 상당한 자금이 필요한 경우가 많은데, Web3는 프론트엔드 모빌리티 기능을 통해 잠재적인 AI 에이전트 프로젝트가 초기 지원을 받을 수 있도록 도와줍니다.
스펙트럴과 하지메AI는 모두 온체인 AI 에이전트 자산 발행을 지원하는 제품 아이디어를 제안했습니다: IAO(초기 에이전트 오퍼링)를 통해 토큰을 발행함으로써 AI 에이전트는 투자자로부터 직접 자금을 지원받는 동시에 DAO 거버넌스의 일원이 될 수 있습니다. AI 에이전트는 IAO(초기 에이전트 오퍼링)를 통해 투자자로부터 직접 자금을 받을 수 있으며, 동시에 DAO 거버넌스의 일원이 되어 투자자들에게 프로젝트 개발에 참여하고 향후 수익을 공유할 수 있는 기회를 제공할 수 있습니다. 하지메AI의 벤치마크 DAO는 크라우드 펀딩과 토큰 인센티브를 통해 탈중앙화 AI 에이전트 스코어링과 AI 에이전트 자산 발행을 유기적으로 결합하여 Web3에 의존하는 AI 에이전트 파이낸싱과 콜드 스타트의 폐쇄 루프를 만들고자 하며, 이는 비교적 새로운 시도이기도 합니다.
AI 판도라의 상자가 열렸고, 그 안에 있는 모든 사람들이 흥분과 혼란에 빠져 있으며, 붐 속에 기회가 있는지 암초가 있는지 아무도 알지 못합니다. 오늘날 모든 산업은 더 이상 PPT 금융의 시대가 아니며, 아무리 최첨단 기술이라도 그 가치를 실현하는 유일한 방법은 현장에 착륙하는 것입니다. AI 에이전트의 미래는 긴 마라톤이 될 것이며, Web3는 어둠 속에서 경쟁에서 낙오되지 않도록 최선을 다하고 있습니다.