🔎 한림원은 왜 복잡한 업무를 12개 AI 에이전트로 나눴을까? [비즈니스.ai]

이달의 뉴스레터에는

AI를 실제 업무에 적용할 때, 좋은 모델만 있으면 충분할까요?

아쉽게도 현실은 조금 다릅니다. 조직마다 업무 절차와 내부 규정, 다루는 데이터가 모두 다르기 때문이죠. 여기에 산업 현장으로 눈을 돌리면 작업 환경부터 장비, 데이터 형태까지 차이는 더 커집니다. 결국 AI를 현업에 제대로 활용하려면, 해당 산업과 업무의 흐름을 먼저 이해하고 그 맥락에 맞게 AI의 역할과 데이터, 운영 방식을 설계하는 것이 중요합니다.

이번 뉴스레터에서는 연구 업무부터 농업, 제조 현장까지 서로 다른 현장에서 AI를 어떻게 설계하고 적용했는지 살펴보겠습니다.

프로젝트 사례

복잡한 업무, AI 에이전트 하나로 충분할까? 🤔

현업의 복잡한 업무를 AI 에이전트 하나가 모두 처리해준다면 편리하겠지만, 실제로는 어떨까요? 카네기멜런대(CMU) 연구진은 AI 에이전트의 작동 환경을 두 가지로 나눠 성능을 비교했습니다. 

실험 결과, 대부분의 모델이 범용 환경에서 평균 10~30%의 성능 저하를 보였습니다. 

범용 에이전트가 무조건 성능이 낮다는 의미는 아닙니다. 다만 처리해야 할 업무가 많아질수록, AI가 고려해야 할 정보와 도구가 늘어나서 오류가 발생할 가능성이 높아집니다. 그렇다면 복잡한 현업에서는 AI 에이전트를 어떻게 설계해야 할까요?

한림원은 연구 업무를 12개 에이전트로 나눴습니다

한국과학기술한림원은 연구 자동화를 위해 실제 업무의 진행 순서와 판단 과정을 먼저 분석했습니다. 이후 업무를 데이터 수집·이슈 분석·문서 작성·법령 검토의 4개 영역으로 구조화하고, 총 12개의 AI 에이전트를 구축했습니다.

구축에는 크라우드웍스의 Alpy Agent Studio를 활용했는데요. 에이전트별 필요한 정보와 도구를 설정하고, 여러 에이전트를 업무 흐름에 맞게 연결할 수 있습니다. 접근 권한과 사용량, 비용 등의 운영·관리도 한 곳에서 할 수 있죠.

  Agent Studio 대시보드 화면  

이 프로젝트의 핵심은 복잡한 연구 업무를 AI 에이전트와 사람이 협업할 수 있는 구조로 설계했다는 점입니다. 에이전트가 반복적이고 복잡한 업무를 처리하면, 담당자는 그 결과를 검토·수정해 최종 의사결정에 활용하는 방식입니다.

한림원의 복잡한 업무, 어떻게 설계했는지 더 자세히 알고싶다면?

현장스케치

피지컬 AI 데이터, 센서 동기화가 중요한 이유📡

지난 12일 국립농업과학원 농업공학부가 주최한 전문가 초청 세미나에 크라우드웍스 양수열 CAIO가 연사로 참석했습니다.

피지컬 AI 학습 데이터를 수집할 때는 Camera, LiDAR, IMU 등 여러 센서를 동시에 사용합니다. 문제는 같은 현장을 기록해도 센서마다 시간과 공간 정보가 맞지 않을 수 있다는 점입니다. 서로 다른 시점과 위치의 데이터를 하나의 장면으로 연결하면, AI가 실제 상황을 잘못 학습할 수도 있는데요.

농업 연구 현장에서도 비슷한 문제가 있었습니다. 크라우드웍스는 피지컬 AI 데이터를 구축하며 쌓은 경험을 토대로, 정형화된 전처리부터 시간·공간 매칭, 데이터 무결성 감시까지 단계별 문제 진단과 대응 방안을 공유했습니다.

까다로운 피지컬 AI 데이터, 어떻게 구축해야 할까요? 

크라우드웍스 NEWS

제조 AI, 숙련공의 노하우를 데이터로 🏭  

크라우드웍스가 M.​AX 전문기업에 선정됐습니다.  M.​AX는 산업통상자원부가 추진하는 제조업 AI 전환 정책으로, 크라우드웍스는 제조 현장에 맞춘 데이터 설계·공급 기술과 피지컬 AI 데이터 플랫폼 역량을 인정받았습니다. 

제조 현장의 숙련 작업자는 여러 정보를 살펴보고 상황에 따라 판단한 뒤 행동하는데요. AI가 이 과정을 학습하려면 이미지나 센서 값만 모아서는 부족합니다. 무엇을 보고 어떻게 판단했는지, 어떤 행동을 했고 그 결과는 어땠는지까지 하나의 흐름으로 연결해야 하죠.

크라우드웍스는 제조 현장 데이터를 작업 단위와 시간 순서에 맞춰 구조화하고, 숙련 작업자의 판단·행동·결과를 하나의 에피소드로 구성해 AI와 로봇의 학습 데이터로 만들고 있습니다.

제조 현장의 경험을 AI 학습 데이터로 만드는 방법이 궁금하시다면?

크라우드아카데미

사내 AI 교육, 1:1 인터뷰부터 시작한 이유 🎓 

배터리 기업 A사의 직원들은 챗GPT와 제미나이를 이미 활용하고 있었지만, 직군과 숙련도에 따라 활용 수준이 제각각이었습니다. 같은 내용의 교육으로는 이 차이를 좁히기 어려운 상황이었죠. 

크라우드웍스의 교육 전문 자회사 크라우드아카데미는 커리큘럼 설계 전, 임직원들과 1:1로 1시간씩 심층 인터뷰를 진행했습니다. 인터뷰를 바탕으로 교육 대상을 직급·직군별로 세분화하고, 현업 과제를 반영한 실습 중심(80% 이상)의 맞춤형 커리큘럼을 완성했습니다. 

이번 콘텐츠에서는 A사를 포함한 3개 기업의 실제 AI 교육 사례와 함께, 사내 AI 교육 도입 시 꼭 확인해야 할 6가지 체크리스트를 소개합니다. 

우리 조직에 맞는 AI 교육 선택법이 궁금하시다면? 

함께 볼 AI 뉴스

전 국민이 무료로 쓰는 AI 챗봇 출시 예정 🤖 

올해 안에 전 국민이 무료로 쓸 수 있는 국산 AI 챗봇이 나옵니다. 정부가 추진하는 '모두의 AI' 사업을 통해서인데요. 국산 AI 모델을 기반으로 범용 AI 챗봇과 공공 AI 에이전트를 만드는 프로젝트입니다. 

지난 28일 카카오·SK텔레콤·KT 컨소시엄이 최종 사업 수행기관으로 선정됐습니다. 

크라우드웍스는 카카오가 주관하는 컨소시엄에 참여합니다. 이 컨소시엄에는 LG유플러스, 서울대학교병원, 신한은행, 퓨리오사AI를 비롯해 다양한 분야의 기업과 기관이 함께하는데요. 카카오톡이나 전화처럼 익숙한 서비스 안에서 누구나 쉽게 AI를 쓸 수 있도록 만들 계획입니다.

크라우드웍스는 이 과정에서 데이터 구축과 품질 관리 전반을 맡아 서비스에 필요한 데이터 기반을 뒷받침합니다.

공공데이터, 챗GPT에서 바로 검색된다 🔎 

자격증 시험 일정이나 NCS(국가직무능력표준) 정보를 확인하려고 사이트를 검색하고 관련 페이지를 찾아본 경험 있으시죠? 이제 챗GPT나 Claude에 물어볼 수 있습니다.

한국산업인력공단이 8월 18일부터 'HRDKorea MCP' 서비스를 시작했는데요. MCP 서버를 연결하면 국가자격시험, 해외취업, NCS, 일학습병행 등 공단의 최신 데이터를 AI가 실시간으로 조회해 답변에 활용할 수 있습니다.

특히 정확한 종목명이나 행정용어를 몰라도, 일상적인 말로 질문하면 자격·훈련·채용 정보를 답변받을 수 있다는 점이 특징입니다. 

놓치기 쉬운 AI 이슈, 매주 받아보고 싶다면?

이번 달 뉴스레터는 어떠셨나요?

AI를 현업에 제대로 적용하려면, 
기술보다 먼저 실제 업무와 현장을 이해하는 것이 중요합니다. 

앞으로도 각 산업과 조직의 맥락에 맞게 
AI를 어떻게 설계하고 활용할지 함께 살펴보겠습니다. 😊

🌐 홈페이지 ㅣ🔗 링크드인ㅣ📝 블로그 

(주)크라우드웍스
marketing@crowdworks.ai
서울특별시 강남구 테헤란로 309 5F 0269542960