내 업무를 AI로 자동화하고 싶다면, 이것부터 먼저 해결해야 합니다

📬 Weekly AI Sadari 22호

안녕하세요, AI 전도사 문단열입니다.

지난주 강의 첫날, 저는 수강생들에게 질문을 먼저 던졌습니다.

"에이전트가 뭐라고 생각하세요?"

비서라는 분, 자동화 도구라는 분, AI 챗봇이라는 분, 업무 보조 시스템이라는 분. 30명이 30개의 답을 했습니다.

같은 단어를 쓰는데 전혀 다른 걸 상상하고 있었어요. 이 혼란이 바로 에이전트 실패의 진짜 출발점입니다.

이번 호에서는 이 혼란을 정리하겠습니다. 자동화와 지능화가 뭔지, AI 에이전트 생태계가 지금 어디로 가고 있는지, 그리고 내 워크플로우를 AI로 돌리려면 어디서부터 시작해야 하는지까지요.

📚 오늘의 모든 학습자료(슬라이드, 팟캐스트, 퀴즈 등)는 레터 하단에 링크로 준비해두었습니다.

연결은 됐는데, 왜 아무것도 안 될까요?

지난주 국토교통부에서 에이전트 마스터 과정 강의를 진행했습니다.

이틀 과정이었는데, 첫날 수강생들이 저마다 만들고 싶은 에이전트를 워크플로우로 그려왔어요. 공문 자동 분류 봇, 현장 안전 점검 보고서 봇, 예산 집행 추적 봇. 정말 다양했습니다.

그런데 그걸 보면서 저는 한 가지를 확인했어요.

사람마다 에이전트의 정의가 달랐습니다. 어떤 분은 "파일을 자동으로 정리해주는 것"이라고 했고, 어떤 분은 "내가 말하면 알아서 판단해서 결과물을 내는 것"이라고 했습니다. 같은 단어인데 범위와 기대치가 완전히 달랐어요.

그래서 저는 먼저 개념부터 정리했습니다.

에이전트란 무엇인가

챗GPT를 생각해보세요.

내가 무언가를 입력하면, 거대한 함수 하나를 돌려서 답 하나를 내놓습니다. 한 번 묻고 한 번 답하는 구조예요. 이건 에이전트가 아닙니다.

에이전트는 간단합니다.

두 번 이상 연속으로 일하면, 전부 에이전트입니다.

A를 수행하고 → 그 결과를 바탕으로 B를 수행하고 → B 결과로 C를 수행하는 것. 그게 에이전트예요. 웹 검색해서 결과를 정리해주는 것도 에이전트, MCP로 노션에 자동 저장하는 것도 에이전트, 슬랙 메시지를 분석해서 일정을 캘린더에 등록하는 것도 에이전트입니다.

그러면 에이전트를 만들 때 뭐가 필요할까요?

여기서 제가 가장 중요하게 다루는 개념이 나옵니다.

자동화와 지능화, 이 둘을 구분하지 못하면 에이전트는 반드시 실패합니다

제가 강의에서 늘 하는 말이 있습니다.

"연결은 쉽고, 지능화가 어렵습니다."

자동화는 연결하는 것입니다.

클로드와 구글 드라이브를 연결한다. 클로드와 슬랙을 연결한다. 노션과 캘린더를 연결한다. 이런 연결은 클릭 몇 번이면 됩니다. 유튜브 찾으면 다 나와요. 강의 안 들어도 됩니다.

지능화는 그 연결 안에 판단 기준을 심는 것입니다.

연결만 해서는 얘가 아무것도 못 해요. 얘한테 기준을 줘야 합니다. 색을 어떻게 변환할지, 보고서 형식은 어때야 할지, 어떤 항목이 우선순위인지, 충돌이 생기면 어떻게 처리할지. 이 기준을 하나하나 설계해서 집어넣는 게 지능화예요.

식당으로 비유하면 이렇습니다.

재료를 받아서 다음 단계로 넘기는 흐름이 자동화라면, 셰프가 레시피를 보고 판단하면서 요리하는 것이 지능화입니다. 재료 흐름은 누가 설계해도 비슷해요. 하지만 레시피는 셰프마다 다릅니다.

그래서 자동화는 유튜브로 채울 수 있어요. 지능화는 어디 가서 못 채웁니다.

그리고 나중에 여러분이 에이전트를 잘 만드는 사람이 됐을 때, 그 실력을 증명할 수 있는 건 자동화가 아니라 지능화입니다.

지금 AI 에이전트 생태계가 어디로 가고 있는지 알아야 합니다

많은 분들이 Zapier나 Make 같은 자동화 도구를 배우셨을 거예요.

솔직히 말씀드리겠습니다. 저도 작년까지 그걸 가르쳤고, 저희 회사에서도 썼습니다. 그런데 지금은 전부 끊었어요.

왜냐하면 지형이 바뀌었기 때문입니다.

3년 전에는 프롬프트 엔지니어링 시대였습니다. 질문을 잘 쓰면 답이 좋아지는 것. 그게 전부였어요.

작년에는 컨텍스트 엔지니어링 시대로 넘어왔습니다. AI한테 맥락을 잘 먹이는 것. 내가 누구인지, 어떤 상황인지, 어떤 기준으로 일해야 하는지를 파일로 만들어서 집어넣는 것.

그리고 올해 초부터는 하네스 엔지니어링 시대입니다. 연결과 맥락과 지능을 전부 묶어서 통제하는 것. 프롬프트 엔지니어링과 컨텍스트 엔지니어링이 모두 그 안에 들어갑니다.

여기에 MCP라는 기술이 등장했어요.

클로드가 먼저 선점한 기술인데, 외부 서비스와 연결하는 파이프를 표준화한 겁니다. 구글 드라이브, 노션, 슬랙, 캘린더, 피그마, 어도비. 현재 4,000개 넘는 서비스가 연결됩니다. 올해 안에 8,000개까지 간다고 합니다.

구글도 이걸 수용했습니다. 그러니까 이제 클로드와 구글 에코시스템이 같은 방식으로 연결됩니다.

그리고 바이브 코딩이 중간을 다 삼켜버렸어요. 예전에는 Zapier 같은 도구가 필요했던 이유가, 서비스와 서비스를 연결하는 중간 파이프가 필요했기 때문이었습니다. 그런데 이제 클로드한테 말로 시키면 직접 코딩해서 연결해버립니다. 중간이 필요 없어졌어요.

지금 Make나 Zapier를 배우시면, 제가 단언하겠습니다. 상투 잡는 겁니다.

📋 이번 주 액션 아이템

이번 주는 딱 세 가지만 해보세요.

☑️ 월요일 (10분): 내가 반복하는 업무 3가지를 적어보세요. 그리고 각각 "판단 없이 흘려도 되는 것" vs "내가 기준을 갖고 판단해야 하는 것"으로 나눠보세요. 이게 자동화와 지능화의 구분입니다.

☑️ 화요일 (15분): 클로드를 열고, 그 업무 중 하나에 이 세 가지를 써서 프롬프트를 만들어 보세요. "너는 누구 / 나는 누구 / 목표는 뭐". 이 세 가지만 있어도 결과가 완전히 달라집니다.

☑️ 수요일 (10분): 내가 원하는 에이전트의 흐름을 종이에 그려보세요. 연결보다 이게 먼저입니다. 어디서 자동으로 흘릴지, 어디서 AI가 판단해야 할지, 흐름을 먼저 그릴 수 있어야 연결이 의미가 있어요.

"어떻게 하면 스타일이 힙해지니"

강의에서 수강생들과 실시간으로 실험을 해봤습니다.

AI한테 막연하게 물으면 막연한 답이 옵니다. 당연하죠. 그런데 대부분의 사람들이 AI가 별로라고 느낄 때는, 사실 질문이 별로인 경우가 대부분이에요.

같은 AI, 같은 질문인데 딱 하나만 바꿨더니 결과가 완전히 달라졌습니다.

3단계 실험

1단계: 바보 프롬프트

어떻게 하면 스타일이 힙해지니?

결과는 예상대로였습니다. "잘 맞춰 입으세요, 트렌드를 따라가세요." 누구나 할 수 있는 말이에요.

2단계: 페르소나 지정

너는 대한민국 최고의 패션 디자이너였던 세계적 명장 앙드레 김이야. 어떻게 하면 스타일이 힙해지니?

결과가 바뀌었습니다. 드라마틱한 실루엣, 화이트의 과감한 활용, 아티스틱한 디테일. 전혀 다른 수준의 답이 나왔어요.

3단계: 더 좁히기

너는 대한민국 최고의 한복 디자이너로서 세계적인 패션쇼에 늘 초대되는 30년 경력의 전문가야. 어떻게 하면 힙한 스타일을 가지게 될까?

또 달라졌습니다. 자신의 뿌리를 이해하고 비틀 줄 아는 것, 선과 여백의 미학, 소재의 반전. 앞의 두 답과는 완전히 다른 언어가 나왔어요.

왜 이렇게 달라질까요?

AI는 기본적으로 토큰을 아끼려고 합니다. 간을 봐요. 막연하게 물어보면 막연하게 대답해도 된다고 판단해요.

그런데 전문가를 지정하는 순간, AI가 그 사람의 데이터만 골라서 집중적으로 읽기 시작합니다. 앙드레 김 관련 인터뷰, 한복 디자이너의 철학, 패션 평론. 그 사람이 했을 법한 말들만 골라서 답합니다.

좁히면 좁힐수록, 구체적이면 구체적일수록 결과가 달라집니다.

AI가 아직인 게 아니고, 질문이 아직인 겁니다.

🔧 실전 프롬프트 — 복사해서 바로 쓰세요

너는 [전문 분야 + 경력/권위 수준]을 가진 전문가야. 나는 [내 역할/직책]이고, 현재 [구체적 상황과 맥락]이야. 목표는 [명확한 목표]이고, 기한은 [기한]이야. [원하는 결과물]을 [형식과 분량]으로 작성해줘.

예시

너는 기업 HRD 분야에서 15년 이상 경력을 가진 교육 설계 전문가야. 나는 300인 규모 제조업 회사의 교육 담당자이고, 현재 신입사원 온보딩 프로그램을 새로 설계해야 하는 상황이야. 목표는 입사 후 3개월 안에 현업 투입이 가능하도록 만드는 것이고, 예산은 1인당 50만원 이내야. 온보딩 커리큘럼 초안을 8주 기준 주차별 표 형식으로 작성해줘.

혼자 이해해도, 팀이 다른 언어를 쓰면 흐지부지됩니다

이번 호에서 다룬 것처럼, 자동화와 지능화의 차이를 이해하는 것. 에이전트가 뭔지 같은 언어로 정의하는 것. 이게 먼저입니다.

그런데 이걸 혼자만 알면 소용이 없어요.

팀원 한 명이 혼자 공부해서 돌아가도, 나머지 팀원들이 다른 언어를 쓰고 있으면 그 사람이 만든 에이전트를 아무도 안 씁니다. 결국 흐지부지돼요. 저는 이런 경우를 너무 많이 봤습니다.

이런 팀이라면, 함께 배우는 게 맞습니다

특히 이런 분들께 말씀드립니다.

✅ AI 도입해야 한다는 건 알겠는데, 팀 전체가 어디서 시작해야 할지 모르는 팀

✅ 팀원마다 AI 활용 수준이 너무 달라서 기준을 같이 맞추고 싶은 팀

✅ 소규모라도 괜찮으니, 우리 업무 맥락에 맞게 실전으로 배우고 싶은 팀

✅ 에이전트, 자동화, MCP 같은 개념이 뭔지 명확하게 정리하고 싶은 팀

저희는 팀 단위, 소규모 단체 출강 교육을 진행하고 있습니다.

이론 먼저가 아닙니다. 우리 팀 업무 맥락 안에서 실제로 써볼 수 있도록 설계합니다. 에이전트의 개념 정리부터 워크플로우 설계, PE7 실습, KB 구축까지. 하루 이틀 만에 팀 전체가 같은 언어를 갖게 됩니다.

인원수, 직군, 업무 환경에 관계없이 문의 주시면 함께 방향을 잡아드립니다.

📧 오늘의 학습 자료

아래 링크에 오늘의 학습자료들을 담아뒀어요!

출퇴근시간에 10분만 투자해서 복습해보세요. 매주 쌓이면 당신의 자산이 됩니다.

💌 구독하세요

매주 월요일 아침 8시, 당신의 뇌가 가장 편한 방식으로 최신 AI 인사이트를 전해드립니다.