이 글은 특정 신제품 나열이 아니라, “자동화를 만드는 일”에서 “일을 위임하는 일”로 무게가 옮겨 가는 이야기를 풀어 둔 노트입니다.
Agent Theater는 직원 여러 명처럼 보이게 박스를 늘렸지만 실제로는 같은 모델을 여러 번 호출하는 연출을 가리키는 말입니다. 암묵지는 말로 잘 안 적히는 숙련자의 판단 감각입니다.
1. 자동화 만드는 시대에서, 일 위임하는 시대로
핵심은 도구 이름이 아닙니다. 사람이 하던 일을 AI에게 넘기는 방식이 바뀌고 있습니다. ChatGPT·Claude·Agent 이야기가 쏟아져도, 먼저 볼 것은 “무엇을 위임할지”입니다.
지금은 자동화를 만드는 시대에서, 일을 위임하는 시대로 넘어가는 중입니다. ChatGPT·Claude·Agent 이야기가 쏟아지지만 핵심은 도구 이름이 아닙니다. 사람이 하던 일을 AI에게 넘기는 방식이 바뀌고 있습니다.
2. 진입장벽이 무너졌다
예전엔 API·webhook·서버·workflow를 손으로 이어야 했습니다. 지금은 자연어와 앱 연결만으로도 상당 부분이 됩니다. “이거 해줘”가 출발점이 된 이유를 이렇게 이해하시면 됩니다.
예전엔 API, webhook, 서버, workflow를 손으로 이어야 했습니다. 지금은 자연어와 앱 연결만으로도 상당 부분이 됩니다. “이거 해줘”가 출발점이 됐습니다.
3. ChatGPT 하나로 어디까지
Gmail·Calendar·Drive·GitHub 같은 업무 컨텍스트를 붙이면 읽고 판단하고 행동까지 이어집니다. 복잡한 오케스트레이션 없이도 트리거에서 행동까지 한 자리에서 돌아가는 경우가 많습니다.
Gmail, Calendar, Drive, GitHub 같은 업무 컨텍스트를 붙이면 읽고 판단하고 행동까지 이어집니다. 트리거에서 행동까지 한 자리에서 돌아갑니다.
4. 그런데 왜 복잡하게 만들까
어느새 Agent·Multi-Agent·Orchestration 자체가 목표가 됩니다. 박스를 늘리고 역할을 붙이면 일이 끝난 것처럼 보이지만 그게 성능은 아닙니다.
어느새 Agent, Multi-Agent, Orchestration 자체가 목표가 됩니다. 박스를 늘리고 역할을 붙이면 일이 끝난 것처럼 보입니다. 그런데 그게 성능은 아닙니다.
5. Agent 수 ≠ 지능
역할 라벨이 전문성을 만들지 않습니다. 대화가 길다고 검증이 끝난 것도 아니고 복잡하다고 성능이 따라오지도 않습니다. 숫자를 늘리기 전에 “왜 나눠야 하는지”를 적으세요.
Agent 수와 지능은 같지 않습니다. 역할 라벨이 전문성을 만들지 않습니다. 대화가 길다고 검증이 끝난 것도 아닙니다. 복잡하다고 성능이 따라오지도 않습니다.
6. Agent Theater
Researcher·Critic·Reviewer·Judge를 세워도 실제로는 같은 LLM을 여러 번 호출하는 경우입니다. Becker 등의 연구는 멀티에이전트 토론이 길어질수록 원래 문제에서 벗어나는 현상(problem drift)을 보고 생성형 설정에서는 그 비율이 76~89%까지 올라간다고 합니다.
Researcher, Critic, Reviewer, Judge를 세워도 실제로는 같은 LLM을 여러 번 호출하는 경우다. 직원 다섯 명처럼 보이지만 클릭해 보면 GPT 다섯 번일 수 있습니다.
Becker 등의 연구는 멀티에이전트 토론이 길어질수록 원래 문제에서 벗어나는 현상(problem drift)을 봅니다. 생성형 설정에서는 그 비율이 76~89%까지 올라갑니다. 진전이 없거나, 피드백이 약하거나, 목표가 흐려질 때 특히 그렇다.
손이 가는 순간은 박스를 추가하기 전에 “새 정보가 들어오는지, 도구가 다른지, 실패 패턴이 독립적인지, 바깥에서 검증할 수 있는지” 네 칸을 체크할 때입니다.
7. Agent가 의미 있을 때
Ku 등의 연구는 암묵적 전제를 드러낼 때 대립을 억지로 고정하기보다 서로 다듬는 쪽이 도움이 된다고 봅니다. Cemri 등은 멀티에이전트 실패가 설계·조율·검증에서 자주 나고 역할 라벨이 전문성은 아니라고 짚습니다.
새 정보가 들어오거나, 쓰는 도구가 다르거나, 실패 패턴이 독립적이거나, 바깥에서 검증할 수 있을 때 의미가 생긴다. 이 네 가지가 하나도 없으면 Agent를 빼는 쪽을 먼저 생각해 봅니다.
Ku 등의 연구는 암묵적 전제를 드러낼 때, 대립 관점을 억지로 고정하기보다 에이전트가 서로 다듬는 쪽이 도움이 된다고 봅니다. Cemri 등은 멀티에이전트 실패가 설계·조율·검증에서 자주 나고 역할 라벨이 전문성은 아니라고 짚습니다.
8. 병목은 툴이 아니다
자동화하려면 먼저 그 업무를 알아야 합니다. 이해하고 구조화한 뒤에야 도구를 붙일 자리가 생깁니다. 도구 부족보다 업무 설명이 비어 있는 경우가 더 많습니다.
자동화하려면 먼저 그 업무를 알아야 합니다. 이해하고 구조화한 뒤에야 도구를 붙일 자리가 생긴다.
9. 오래 했다고 설명할 수 있는 건 아니다
“그냥 보면 알아요”는 사람에게는 강점이지만 자동화에는 막힌 문입니다. 숙련도와 구조화 능력은 다릅니다. 위임하려면 문장으로 꺼내야 합니다.
숙련도와 구조화 능력은 다릅니다. “그냥 보면 알아요”는 사람에게는 강점이지만 자동화에는 막힌 문입니다.
10. 좋은 자동화 설계자는 좋은 인수인계자
신입에게 일을 정확히 넘겨줄 수 있다면 AI에게도 상당 부분 넘길 수 있습니다. 인수인계에 쓴 문장이 그대로 위임 문장이 됩니다.
신입에게 일을 정확히 넘겨줄 수 있다면, AI에게도 상당 부분 넘길 수 있습니다. 인수인계에 쓴 문장이 그대로 위임 문장이 됩니다.
11. AI를 신입처럼 생각해 보자
입력·순서·판단 기준·예외·완료 기준·보고 시점. 이 여섯이 비어 있으면 위임이 흔들립니다. 신입에게 물어보듯 AI에게도 같은 칸을 채워 주세요.
입력은 뭔지, 순서는 뭔지, 판단 기준은 뭔지, 예외는 뭔지, 완료 기준은 뭔지, 언제 보고하는지. 이 여섯이 비어 있으면 위임이 흔들린다.
12. 문제는 암묵지다
모든 판단이 SOP로 정리되진 않습니다. 숙련자의 감각과 예외 처리 감각은 실제로 중요합니다. 그게 머릿속에만 있으면 자동화는 거기서 멈춥니다.
모든 판단이 SOP로 정리되진 않습니다. 숙련자의 감각과 경험, 예외 처리 감각은 실제로 중요합니다. 그게 머릿속에만 있으면 자동화는 거기서 멈춘다.
13. 암묵지를 AI로 꺼내기
AI가 인터뷰하듯 묻고 사례를 비교하고 “왜 그렇게 판단했나요?”를 반복하면 판단 기준이 밖으로 나옵니다. 감각이 문장으로 바뀌는 과정입니다.
AI가 인터뷰하듯 묻고 사례를 비교하고 “왜 그렇게 판단했나요?”를 반복하면 판단 기준이 밖으로 나옵니다. 감각이 문장으로 바뀌는 과정입니다.
14. 업무 모델링 6단계
Trigger → Input → Judgment → Action → Verification → Human. 무엇이 시작을 치고 무엇을 넣고 어디서 판단하고 무엇을 실행하고 어떻게 확인하고 언제 사람이 개입하는지. 이 여섯 칸만 채워도 설계가 달라집니다.
Trigger → Input → Judgment → Action → Verification → Human. 무엇이 시작을 치고 무엇을 넣고 어디서 판단하고 무엇을 실행하고 어떻게 확인하고 언제 사람이 개입하는지. 이 여섯 칸만 채워도 설계가 달라진다.
15. 전부 자동화할 필요는 없다
반복 업무는 자동화하고 설명 가능한 판단은 위임하고 남는 암묵지는 사람이 붙잡으면 됩니다. Human-in-the-loop는 실패한 자동화가 아니라 설계의 일부입니다.
반복 업무는 자동화하고 설명 가능한 판단은 위임하고 남는 암묵지는 사람이 붙잡으면 됩니다. Human-in-the-loop는 실패한 자동화가 아니라, 설계의 일부다.
16. 가장 단순한 도구부터
ChatGPT나 Claude로 되면 거기서 끝냅니다. 필요할 때만 workflow·runtime·custom agent로 확장합니다. 오른쪽이 더 고급이라는 뜻은 아닙니다.
ChatGPT나 Claude로 되면 거기서 끝냅니다. 필요할 때만 workflow, runtime, custom agent로 확장합니다. 오른쪽이 더 고급이라는 뜻은 아닙니다.
17. 업무 하나 뜯어보자
“자동화하고 싶은 일”보다 “더 이상 직접 하고 싶지 않은 일”을 먼저 고르세요. 그 한 줄을 Trigger부터 Human까지 채워 보면 Agent 이야기가 갑자기 작아집니다.
“자동화하고 싶은 일”보다 “더 이상 직접 하고 싶지 않은 일”을 먼저 고릅니다. 그 한 줄을 Trigger부터 Human까지 채워 보면 Agent 이야기가 갑자기 작아진다.
18. 시작은 Agent가 아니다
좋은 자동화의 시작은 Agent가 아닙니다. 사람 머릿속 일을 꺼내고 구조화하는 일입니다. 박스는 그다음입니다.
좋은 자동화의 시작은 Agent가 아닙니다. 사람 머릿속 일을 꺼내고 구조화하는 일입니다.
뭘 하면 되나요. “더 이상 직접 하고 싶지 않은 일” 하나를 고르세요. Trigger→Input→Judgment→Action→Verification→Human 여섯 칸을 한 장에 적어 보세요. ChatGPT나 Claude로 되면 거기서 끝냅니다. Agent 박스는 그다음에 붙여도 됩니다.