AI 에이전트에게 복잡한 금융 업무를 하나부터 열까지 모두 맡기는 것이 항상 좋은 방법일까요?
기업의 신용분석처럼 KYC, 재무정보 분석, 신용위험 평가, 컴플라이언스 확인 등 여러 작업을 동시에 수행해야 하는 업무라면 하나의 에이전트가 모든 역할을 담당하도록 설계하는 데 한계가 있을 수 있습니다.
이때 활용할 수 있는 대표적인 구조가 Orchestrator-Workers 패턴입니다.
Orchestrator-Workers는 하나의 Orchestrator가 전체 업무를 분석하고 필요한 작업을 여러 개로 나눈 뒤, 각 분야를 담당하는 전문 Worker Agent에게 전달하는 방식입니다. Worker는 자신에게 주어진 하나의 업무에 집중하고, 처리 결과를 Orchestrator에게 전달합니다. 이후 Orchestrator가 각각의 결과를 종합해 최종 결과를 만들어냅니다.
이 글에서는 Orchestrator-Workers 패턴이 어떤 구조로 동작하는지 살펴보고, 금융 업무 중 하나인 기업 신용분석 사례를 통해 실제 업무가 어떻게 분리되고 연결되는지 알아보겠습니다.
Orchestrator-Workers 패턴이란?
Orchestrator-Workers 패턴은 전체 업무를 관리하는 Orchestrator와 특정 업무를 전문적으로 수행하는 여러 Worker로 구성된 AI 에이전트 아키텍처입니다.
핵심은 역할을 분리하는 데 있습니다.
Orchestrator는 사용자의 높은 수준의 요청을 전달받아 전체 업무를 파악합니다. 그리고 필요한 작업을 세부적으로 나누고 각각의 작업에 적합한 Worker를 지정합니다.
Worker는 전체 업무를 모두 이해하거나 처리하려고 하지 않습니다. 자신에게 전달된 하나의 구체적인 작업을 수행하고, 그 결과를 Orchestrator에게 반환합니다.
전체적인 흐름은 다음과 같습니다.
사용자 요청 → Orchestrator → 업무 분해 → 전문 Worker 실행 → 결과 취합 → 최종 결과
즉, 하나의 AI 에이전트가 모든 일을 처리하는 방식이 아니라 각 에이전트가 자신의 역할에 집중하도록 업무를 나누는 구조입니다.
Orchestrator는 전체 업무를 조율한다
Orchestrator는 아키텍처의 중심에서 전체 작업을 관리합니다.
사용자가 전달한 요청을 단순히 Worker에게 그대로 전달하는 것이 아니라, 먼저 어떤 작업이 필요한지를 판단합니다.
Orchestrator의 주요 역할은 다음과 같습니다.
- 높은 수준의 업무 요청 수신
- 전체 업무를 세부 작업으로 분해
- 각 작업에 적합한 Worker 선정
- Worker에게 작업 전달
- 각 Worker의 결과 수집
- 여러 결과를 종합
- 최종 결과 생성 및 전달
여기서 중요한 점은 Orchestrator가 모든 작업을 직접 수행하지 않는다는 것입니다.
Orchestrator는 전체적인 전략과 조율을 담당하고, 실제 작업은 전문 Worker에게 맡기는 역할을 합니다.
쉽게 비유하면 프로젝트 전체를 관리하는 담당자와 각각의 전문 업무를 수행하는 전문가가 함께 일하는 구조라고 볼 수 있습니다.
Worker는 하나의 업무에 집중한다
Worker는 특정 분야의 업무를 담당하는 전문 에이전트입니다.
Orchestrator가 복잡한 업무를 여러 작업으로 나누면 Worker는 그중 자신에게 할당된 작업만 수행합니다.
예를 들어 기업의 신용분석 업무라면 KYC, 재무분석, 신용위험, 컴플라이언스 등으로 업무를 나눌 수 있습니다.
각 Worker는 자신의 역할에 필요한 작업을 수행하고 결과를 구조화해 Orchestrator에게 반환합니다.
이때 Worker가 전체 업무의 모든 내용을 알 필요는 없습니다.
예를 들어 Financial Agent에게 기업의 전체 신용분석을 맡기는 것이 아니라, 재무제표 정보를 추출하고 재무 관련 분석을 수행하는 작업만 전달하는 것입니다.
이처럼 역할과 범위를 명확하게 구분하면 각 Worker가 자신의 전문 영역에 집중할 수 있습니다.
기업 신용분석에 적용하는 Orchestrator-Workers 구조
Orchestrator-Workers 패턴을 실제 업무에 적용해보겠습니다.
사용자가 다음과 같은 요청을 했다고 가정해보겠습니다.
"Company X에 대한 전체 신용분석을 제공해줘."
이 요청을 하나의 에이전트가 모두 처리하는 대신 Orchestrator가 필요한 업무를 여러 개로 분리합니다.
KYC Agent
첫 번째 Worker는 KYC 관련 업무를 담당합니다.
KYC Agent는 다음과 같은 작업을 수행합니다.
- 신원 확인
- 소유 구조 확인
- 실소유자 확인
즉, 분석 대상 기업이 누구에 의해 소유되고 있는지와 관련된 정보를 확인합니다.
Financial Agent
두 번째 Worker는 재무 관련 업무를 담당합니다.
Financial Agent는 다음과 같은 작업을 수행합니다.
- 재무제표 정보 추출
- 커버리지 비율 계산
- 재무 추세 분석
재무 관련 데이터를 별도의 전문 Agent가 담당하도록 분리하는 것입니다.
Credit Risk Agent
세 번째 Worker는 신용위험 분석을 담당합니다.
주요 작업은 다음과 같습니다.
- 부도확률 점수 산정
- 신용 관련 지표 분석
- 시나리오 분석
신용위험과 관련된 분석을 별도의 Agent가 집중적으로 수행합니다.
Compliance Agent
네 번째 Worker는 컴플라이언스 관련 업무를 담당합니다.
예를 들어 다음과 같은 작업을 수행합니다.
- 제재 목록 확인
- 규제 관련 위험 신호 확인
- 부정적 뉴스 검색
이렇게 각각의 Agent가 서로 다른 업무를 담당합니다.
여러 Worker의 결과를 Orchestrator가 종합한다
각 Worker가 자신의 업무를 수행하면 Orchestrator는 결과를 전달받습니다.
전체 과정은 다음과 같이 정리할 수 있습니다.
1단계. 사용자가 Company X의 전체 신용분석을 요청합니다.
2단계. Orchestrator가 전체 업무를 분석합니다.
3단계. Orchestrator가 업무를 KYC, 재무, 신용위험, 컴플라이언스로 분리합니다.
4단계. 각각의 전문 Worker에게 해당 업무를 전달합니다.
5단계. 각 Worker가 담당 업무를 수행합니다.
6단계. Worker가 분석 결과를 Orchestrator에게 반환합니다.
7단계. Orchestrator가 네 가지 결과를 종합합니다.
8단계. 최종 신용분석 결과를 사용자에게 제공합니다.
구조로 표현하면 다음과 같습니다.
사용자 요청
│
▼
┌──────────────┐
│ Orchestrator │
└──────┬───────┘
│
┌─────────────┼─────────────┐
│ │ │
▼ ▼ ▼
KYC Agent Financial Agent Credit Risk Agent
│ │ │
└─────────────┼─────────────┘
│
▼
Compliance Agent
│
▼
결과 수집 및 종합
│
▼
최종 신용분석
이 구조에서 핵심은 각 Worker가 자신의 업무를 수행하고, Orchestrator가 각각의 결과를 하나의 최종 결과로 연결한다는 점입니다.
Orchestrator-Workers 패턴의 주요 특징
1. Worker 간 역할을 명확하게 분리할 수 있다
하나의 Agent가 모든 업무를 담당하는 대신 각 Worker에게 명확한 역할을 부여할 수 있습니다.
KYC는 KYC Agent가 담당하고, 재무분석은 Financial Agent가 담당하는 식입니다.
이렇게 역할을 분리하면 각 Agent가 자신의 업무에 집중할 수 있습니다.
2. Worker를 독립적으로 변경할 수 있다
Worker가 서로 분리되어 있기 때문에 특정 Worker를 업데이트하거나 교체하기에도 유리합니다.
예를 들어 신용위험 분석을 담당하는 Credit Risk Agent에 변경이 필요하다면 해당 Worker를 중심으로 수정할 수 있습니다.
다른 Worker까지 함께 변경할 필요가 없다는 것이 특징입니다.
3. 여러 Worker를 병렬로 실행할 수 있다
각 업무가 서로 독립적으로 실행될 수 있다면 여러 Worker를 동시에 실행할 수 있습니다.
예를 들어 KYC, 재무분석, 신용위험, 컴플라이언스 분석을 각각 독립적으로 수행할 수 있다면 모든 작업이 순서대로 끝날 때까지 기다리는 대신 병렬적으로 처리할 수 있습니다.
따라서 복잡한 업무를 여러 단계로 순차 처리하는 구조보다 전체 작업 시간을 줄이는 데 도움이 될 수 있습니다.
4. 문제 발생 지점을 파악하기 쉽다
복잡한 AI 시스템에서는 결과가 잘못됐을 때 어디에서 문제가 발생했는지 확인하는 것이 중요합니다.
하나의 Agent가 모든 업무를 처리한다면 문제가 발생한 영역을 찾기 어려울 수 있습니다.
반면 Worker가 역할별로 분리되어 있다면 특정 업무에서 문제가 발생했을 때 해당 Worker를 중심으로 확인할 수 있습니다.
예를 들어 재무분석 결과에 문제가 있다면 Financial Agent를 우선적으로 확인할 수 있습니다.
이처럼 문제의 범위를 특정 Worker 단위로 좁힐 수 있다는 점은 시스템을 관리하는 데 중요한 특징입니다.
하나의 만능 Agent보다 전문 Agent 구조가 필요한 이유
복잡한 업무를 자동화할 때 모든 기능을 하나의 Agent에 넣으면 처음에는 단순해 보일 수 있습니다.
하지만 담당하는 업무가 늘어날수록 Agent가 처리해야 하는 역할도 많아집니다.
신용분석을 예로 들면 하나의 Agent가 다음 모든 업무를 처리해야 합니다.
- KYC
- 소유 구조 분석
- 재무제표 분석
- 재무비율 계산
- 신용위험 분석
- 시나리오 분석
- 제재 목록 확인
- 규제 관련 위험 확인
- 부정적 뉴스 검색
이처럼 서로 성격이 다른 업무를 하나의 Agent가 모두 담당하는 대신 업무별 전문 Agent를 구성하면 각각의 책임 범위를 명확하게 만들 수 있습니다.
결국 중요한 것은 Agent의 개수를 무조건 늘리는 것이 아닙니다.
복잡한 업무를 적절한 단위로 분리하고, 각 Worker가 하나의 역할을 잘 수행하도록 설계하는 것이 핵심입니다.
Orchestrator는 전략, Worker는 실행
Orchestrator-Workers 패턴을 가장 간단하게 표현하면 다음과 같습니다.
Orchestrator = 전략과 조율
Worker = 실행과 전문 업무
Orchestrator는 사용자의 요청을 받아 어떤 작업이 필요한지 판단합니다.
Worker는 Orchestrator가 지정한 작업을 수행합니다.
그리고 Orchestrator는 다시 Worker의 결과를 모아 최종 결과를 만듭니다.
따라서 이 구조는 단순히 여러 AI Agent를 사용하는 방식이 아니라, 각 Agent의 책임을 명확하게 분리하고 이를 하나의 업무 흐름으로 연결하는 아키텍처라고 볼 수 있습니다.
Orchestrator-Workers 패턴은 복잡한 업무를 하나의 AI Agent가 모두 처리하는 대신, 전체 업무를 여러 전문 영역으로 나누고 각각의 Worker가 담당하도록 설계하는 방식입니다.
Orchestrator는 전체 업무를 분석하고 세부 작업을 분배합니다. Worker는 자신에게 주어진 특정 업무를 수행하고 결과를 반환합니다. 이후 Orchestrator가 각 결과를 종합해 최종 결과를 제공합니다.
특히 기업 신용분석처럼 KYC, 재무분석, 신용위험, 컴플라이언스 등 서로 다른 영역의 결과를 함께 활용해야 하는 업무에서는 이러한 역할 분리가 효과적인 구조가 될 수 있습니다.
또한 Worker가 독립적으로 구성되기 때문에 개별 기능의 업데이트와 교체가 가능하고, 여러 작업을 병렬로 실행할 수 있으며, 문제가 발생했을 때 특정 영역을 중심으로 원인을 확인하기도 쉽습니다.
결국 Orchestrator-Workers 패턴의 핵심은 하나의 Agent가 모든 것을 처리하도록 만드는 것이 아니라 각 Agent가 하나의 일을 잘하도록 만들고, Orchestrator가 이들을 연결하는 것입니다.
복잡한 AI 업무를 설계할수록 중요한 것은 Agent 하나의 능력만이 아닙니다. 어떤 업무를 나누고, 누구에게 맡기며, 결과를 어떻게 다시 연결할 것인지에 대한 아키텍처 설계가 전체 시스템의 중요한 기준이 될 수 있습니다.
https://ai-agent-in-finance.com/training/
Mastering AI Agents in Finance: Three-Level Training Program | Hanane Dupouy
A three-level training program on AI agents in finance: Foundations (self-paced), the Architect Course (6-week program), and Production Systems (7-week program). Hand-built first, frameworks second.
ai-agent-in-finance.com
'인공지능' 카테고리의 다른 글
| MiniMax H3, 33B 영상 생성 모델 가중치 공개…텍스트·이미지·영상·오디오를 하나로 활용 (0) | 2026.08.06 |
|---|---|
| AI 코딩 에이전트가 코드만 읽어서는 부족한 이유, CodeAlmanac으로 관리하는 코드베이스 지식 (0) | 2026.08.04 |
| 프롬프트 엔지니어링부터 그래프 엔지니어링까지, AI 에이전트 설계는 어떻게 달라지는가 (0) | 2026.08.04 |
| SkillSmith, 텍스트 지식과 파라미터 기술을 결합하는 LLM 에이전트 아키텍처 (0) | 2026.08.04 |
| 기존 PostgreSQL 데이터에 그래프 검색을 더하는 pgGraph, 관계형 데이터의 그래프 탐색을 빠르게 만드는 방법 (0) | 2026.08.04 |
