당신이 자는 동안, 노션 에이전트는 일하고 있습니다

📌 오늘의 인사이드

 슬랙 알림이 울릴 때마다 확인하고, 회의가 끝나면 노트를 정리하고, 좋은 아티클을 발견하면 하나씩 DB에 옮겨 적고. AI 시대라는데, 내 하루는 여전히 반복 업무로 빼곡합니다. 그런데 2주 전, 노션 커스텀 에이전트가 릴리즈된 이후, '에이전트 세팅했더니 아침 브리핑이 자동으로 와 있더라'는 이야기가 빠르게 퍼지고 있어요.

 그만큼 지금 이 시점이 중요하다고 생각해요. 대부분이 아직 출발선에 서 있는 지금, 먼저 세팅한 사람이 앞서갈 거에요. HBR은 95%의 조직이 AI 투자 대비 측정 가능한 성과를 내지 못하고 있다고 보도했어요. 즉, AI를 '질문 도구'로 쓰는 단계에서 '시키는 도구'로 전환하기 아주 쉬워진 만큼, 우리가 앞서나가기 가장 적합한 타이밍에 들어왔다고 봅니다.

 노션 에이전트는 ’물어보면 답하는 AI’가 아니라 ’알아서 실행하는 AI 비서’에요. 트리거 한 번 걸어두면 매일 아침 브리핑을 만들고, 슬랙 링크를 DB에 정리하고, 회의록에서 액션 아이템을 추출하는 일까지 척척 해내죠. 하지만 자칫하면 겉보기에만 번듯하고 알맹이가 없어 실제 업무를 진전시키지 못하는 저품질 결과물, 즉 '워크슬롭(Work-slop)'만 잔뜩 쌓일 수 있어요.

 그래서 이번 뉴스레터에서는 노션 커스텀 에이전트가 구체적으로 어떤 일을 할 수 있는지 알아보고, 이런 워크슬롭을 완벽히 차단하며, 진짜 성과를 만들어내는 검증 루틴 기반의 에이전트 세팅법을 알아봐요.

당신이 아직 손으로 하고 있는 일, 에이전트는 이미 끝냈습니다

에이전트는 이미 일하고 있습니다 — 뭘, 어떻게?

 이미 움직이고 있는 조직은 확실한 성과를 보고 있어요. McKinsey 2025 보고서에 따르면, 에이전트 AI를 파일럿에서 실전으로 전환한 기업은 반복 업무 시간을 40% 이상 단축했대요. 핵심은 챗봇과 에이전트의 구조적 차이에 있어요. 챗봇은 매번 새 대화를 시작하는 1회성 질의응답이지만, 에이전트는 트리거 → 자율 실행 → 결과 저장까지 워크스페이스 전체를 컨텍스트로 삼아 스스로 수행합니다.

노션 에이전트는 트리거를 기반으로 AI를 자동으로 시킬 수 있어요. Make나 Zapier 같은 별도 서비스를 이용하지 않고도 자동화에 AI를 넣을 수 있는 거죠. (출처: 노션 공식 유튜브)

 노션 에이전트의 구조는 세 가지 축으로 이루어져 있는데요, 첫째, 지침(Instructions)은 에이전트의 역할, 톤, 참고할 데이터베이스를 정의해요. "너는 매일 아침 브리핑을 만드는 봇이야. 요약은 3줄 이내로, 추측 표현은 쓰지 마." 같은 식으로 역할을 정해주고, 할 일을 명시하는 거죠. 둘째, 트리거(Triggers)는 에이전트가 언제 실행될 지를 결정해요. '매일 오전 8시', 'DB에 새 페이지가 생성되면', '슬랙에 메시지가 올라오면' 등 이벤트 기반으로 작동할 수 있게 만드는 거에요.

 마지막으로 가장 중요한 셋째는 인테그레이션(Integrations)인데, 바로 에이전트의 활동 범위를 결정하는 거죠. 중요한 건, 노션 내부 데이터(DB, 페이지, 워크스페이스)만으로도 에이전트가 충분히 작동한다는 사실이에요. 사내 정보만 검색해야 할 때 매우 유용하게 쓰이겠죠? 거기다가 슬랙, 캘린더, 메일, 웹 검색 같은 외부 서비스를 붙이면 활동 범위가 넓어지는 구조예요.

 에이전트를 세팅하면 코드 한 줄 없이도 ’슬랙에서 링크가 공유되면 → 내용을 요약해서 → DB에 자동 등록하는’ 파이프라인이 완성됩니다. 노션이 말했듯 한 사람이 세팅하는 것만으로, 모두가 자동화의 효율을 느낄 수 있어요. 매번 같은 질문을 AI에게 반복하는 것보다 커스텀 에이전트를 써서 알아서 답변하게 만드는게 훨씬 효율적이죠. "그때 세팅해둘걸" 하는 사람과 "그때 해놓길 잘했다" 하는 사람 — 그 차이는 지금 시작하느냐, 안 하느냐에서 갈립니다.

"만들어줘" 한 마디로 시작하는 첫 에이전트 3종

 에이전트라고 하면 개발자만 쓸 수 있을 것 같지만 노션 에이전트는 위에서 봤다시피, 코드 한 줄 없이, 이름을 짓고 → 지침을 쓰고 → 트리거를 걸면 끝입니다. 그러니 노션 AI에게 내가 원하는 기능을 가볍게 던져보세요. 예를 들어 ‘매일 아침 브리핑을 만들어주는 에이전트 만들어줘’라고 말하는 거죠. 그럼 이름, 지침, 트리거까지 AI가 알아서 세팅해줍니다. 원하는 동작을 자연어로 설명하는 것만으로도 에이전트가 완성돼요. 세부 지침이나 트리거 조건은 직접 다듬을 수 있지만, 출발점은 놀라울 정도로 간단합니다.

맨처음 에이전트 만드는 것도 AI가 기본을 만들기 때문에 간단한 건 쉽게 만들 수 있어요. 그 뒤에 내가 원하는대로 조금씩 뜯어 고치면 되는 거죠!

 이렇게 만든 에이전트가 실제로 뭘 하느냐고요? "매일 아침 브리핑 만들어줘"라는 말에서 생긴 커스텀 에이전트라면, 출근 전에 슬랙이나 메일로 오늘 해야할 일, 긴급한 일, 전체 프로젝트 진행도 등 오늘 확인해야 할 사항을 한눈에 보기 좋게 정리해서 보내줄 거예요. 메일이 번거롭다면 노션에 보고서 페이지를 만들게 할 수도 있죠. 아침에 DB를 뒤적이며 "오늘 뭐부터 하지?" 고민하는 시간이 사라지는 거예요.

 슬랙에 공유된 링크를 나중에 확인하려 했는데, 놓친 경험이 많다면 “슬랙에 공유된 링크 정리해줘"라고 말해보세요. 팀원이 채널에 링크를 공유하는 순간, 에이전트가 해당 콘텐츠의 제목·한 줄 요약·태그·출처를 자동으로 채워서 레퍼런스 DB에 등록합니다. 슬랙 알림으로 ’등록 완료’를 받아볼 수도 있고, 노션 DB에 들어가 보면 이미 깔끔하게 정리돼 있죠. 어디서 봤는지 잊어서 허비하는 시간이 사라지고, 공유만으로 레퍼런스가 쌓이는 구조가 됩니다.

 1시간짜리 회의가 끝나고, 각자 뭘하기로 했는지 떠오르지 않아 회의록 전문을 다시 뒤적이곤 하죠. "회의록 요약해줘"라고 세팅하면 회의가 끝난 뒤 에이전트가 핵심 결정사항과 액션 아이템을 담당자별로 정리해 줍니다. 결과물은 노션 회의록 페이지에 자동으로 채워지고, 액션 아이템은 태스크 DB에 바로 등록되니 별도로 옮겨 적을 필요가 없어요. 슬랙으로 요약본을 보내게 할 수도 있고요.

 AI가 실행의 퀄리티를 끌어올려 주는 만큼, 결과물 사이의 격차는 점점 좁아지고 있어요. '잘' 만드는 건 이제 AI가 도와주니까요. 그래서 앞으로 차이를 만드는 건 실행 속도보다 '무엇을 만들지' 구상하고, 그걸 어떤 구조로 구축할지 설계하는, 기획의 감각이 아닐까 싶어요. 에이전트에게 일을 시키는 것도, 따지고 보면 결국 ‘내가 원하는 결과물의 그림을 얼마나 선명하게 그릴 수 있느냐’에서 출발하니까요.

에이전트가 만든 결과물, 그냥 믿어도 될까?

 여기까지 읽고 바로 세팅하고 싶어졌다면, 에이전트의 결과물을 믿을 수 있게 만드는 게 중요해요. HBR이 작년 9월에 소개한 ‘AI 워크슬롭(Workslop)’이라는 개념을 아시나요? 겉보기엔 그럴듯하지만 내용이 비어 있거나 거짓말이 뒤섞인, ‘할루시네이션’ 가득한 AI 산출물이 꽤 많아요. 이런 산출물은 검수 시간을 늘리고, 검증 없이 쓰면 같은 실수를 계속 반복하다 결국 내 신뢰를 깎아먹게 되겠죠.

 앞에서도 말했다시피 MIT 미디어랩 보고서는 95%의 조직이 AI 투자 대비 측정 가능한 ROI를 내지 못하고 있다고 밝혔어요. Stanford × BetterUp 공동 연구는 한 발 더 나아가, 저품질 AI 산출물을 받은 동료가 그 문서를 읽는 데 평균 2배의 시간을 쓰고, 결국 처음부터 다시 작성하게 된다는 사실을 확인했죠. 즉, 에이전트가 아무리 편리해도, 검증 루틴이 없으면 워크슬롭 생산기가 되는 셈입니다.

워크슬롭을 방지하기 위한 품질 검수 프로세스를 잘 구축해두면 ‘승인/거절’만 해도 내 업무들이 처리될 거예요.. (Recraft.ai 생성/ 편집: 넛쥐)

 워크슬롭을 막기 위해 가장 보편적으로는 3단계를 적용하라고 얘기해요. ① 목적을 잠그고, ② 출처를 강제하고, ③ 통과 기준을 숫자로 적는 것. 예를 들어 회의록 요약 에이전트라면, 이런 식으로 쓸 수 있어요.

 간단해 보여도 목적/출처/통과기준을 명시해두었기 때문에 이 세 줄을 적느냐 안 적느냐의 차이는 생각보다 클 거예요. 안 적으면 에이전트는 매번 ‘알아서’ 판단하고, 그때마다 결과물이 달라질 거거든요. 하지만 적어두면 기준이 고정되니까 산출물이 일정한 품질로 나오고, 검수하는 내 시간도 줄어듭니다.

 지침만으로 부족하다면, DB 품질 게이트를 함께 세팅해도 좋아요. '품질 상태' Status 속성을 만들고 옵션을 '초안 → 검수 중 → 승인 / 반려'로 구성합니다. 에이전트가 생성한 모든 페이지는 자동으로 '검수 중' 상태로 진입하도록 설정하고, 우리가 내용을 확인한 뒤 '승인'으로 전환하는 거죠. 이 루프가 정착되면 우리는 할루시네이션이나 워크슬롭 걱정 없이 결과물을 신뢰할 수 있게 돼요.

그런데, 가격 정책이 심상치 않아요

 여기까지 읽으셨다면 에이전트의 가능성은 충분히 느끼셨을 거예요. 다만, 한 가지 꼭 짚고 넘어가야 할 부분이 있습니다. 노션 커스텀 에이전트는 현재 무료 베타이지만, 2026년 5월 4일부터 크레딧 기반 유료 모델로 전환됩니다.

 1,000크레딧에 10달러(약 14,300원)인데, 이미 베타를 사용해본 크리에이터들 사이에서는 체감 비용이 예상보다 높다는 목소리가 나오고 있어요. 하루 1번 자동 실행되는 분석기가 4일 만에 800크레딧, 에이전트 3~4개를 16일 운영했더니 15,000크레딧, 심지어 하루 만에 18,000크레딧을 소진한 사례도 있습니다.

노션 QnA봇을 만들까 싶어서 만들고 테스트로 질문을 20~30개 정도 던졌는데 9천 크레딧 정도가 쓰이더라고요.

 공식 문서를 보면, 크레딧 소비는 에이전트가 읽는 데이터의 양, 연결된 도구 수, 작업 단계의 복잡도에 비례합니다. 쉽게 말해 에이전트가 참조하는 DB 범위가 넓을수록 비용이 올라가는 구조예요. 그런데 여기서 딜레마가 생깁니다. 노션 에이전트의 가장 큰 장점이 워크스페이스 전체를 맥락으로 삼아 내부 정보까지 끌어다 쓸 수 있다는 점인데, 크레딧을 아끼려고 DB 연동을 최소화하면 그 '맥락 속 디테일'을 꺼내는 능력도 함께 줄어듭니다. 범용 AI 챗봇과의 차별점이 희미해지는 거예요.

 그럼에도 에이전트가 업무 방식을 바꿀 기능이라는 점은 확실합니다. 가격 정책은 정식 출시 후 조정될 여지가 있고, 노션 측에서도 가격에 대한 입장을 밝히며 논의가 이어지고 있어요. 중요한 건, 5월 3일까지 비즈니스 사용자는 무료라는 점입니다. 무료 사용자도 에이전트 영역을 클릭하면 30일간 비즈니스 플랜 이용이 가능해요.

무료 사용자가, 좌측 사이드바에서 에이전트를 추가하려고 하면 이렇게 30일 무료 체험권이 떠요.

 이 기간 동안 에이전트를 충분히 테스트하면서 '이 자동화가 크레딧 값어치를 하는가'를 직접 판단해보세요. 크레딧 대시보드에서 사용량을 미리 트래킹할 수 있으니, 유료 전환 전에 적정 비용을 가늠해볼 수 있습니다. 더 자세한 사용 후기와 크레딧 정책 분석이 궁금하다면 노션 크리에이터 시리얼님의 실전 리뷰도 참고해보세요.

세팅 30분, 효과 매일 — 에이전트와 함께 쓰는 노션 실전 도구 2선

 에이전트의 구조를 이해하고 첫 세팅까지 마쳤다면, 이제 한 걸음 더 나아갈 차례겠죠? 본문에서 소개한 3종 에이전트 외에도, 실무에서 바로 써먹을 수 있는 리소스를 2가지 가져왔어요. 다른 사람들이 어떤 에이전트를 만들어 쓰고 있는지 직접 눈으로 확인하고 싶거나, 나만의 에이전트를 밑바닥부터 설계해보고 싶다면 꼭 확인해보세요.

다른 사람들은 에이전트를 어떻게 쓰고 있을까? — 커스텀 에이전트 갤러리

AI에게 뭐라고 말해야 할지 모르겠다면 — AI 프롬프트 전문가 Agent

오늘의 생산성 팁, 요약