에이전트 워크플로우

에이전트 워크플로우 - 같은 AI로 다른 성과를 내는 단 하나의 변수
로사장(김다솔) 지음 / 필름(Feelm) / 2026년 9월

'이 리뷰는 컬처블룸을 통해 출판사에서 도서를 제공 받아, 직접 읽고 작성한 리뷰입니다.'

성과를 내는 AI 에이전트 만들기

AI 시대가 개막되면서 AI 패권을 장악하기 위한 경쟁이 격화되고 있다.

메타 가 출시한 뮤즈 는 AI로 일상의 일을 처리할 수 있도록 하면서,

AI 에이전트 서비스 의 대중화를 열고 있다.

AI를 이용해 프롬프트 에 대한 단순 정보를 제공하는 것에서부터,

실제 업무 처리에 AI를 활용하는 방향으로 변화하고 있다.

AI 에이전트 를 효과적으로 활용할 수 있어야 AI 시대를 잘 살아갈 수 있다.

AI 에이전트 에 대해 알아보기 위해 "에이전트 워크플로우"를 선택한다.

1장 AI를 쓸수록 일이 늘어나는 사람 에서는

에이전트 는 나를 대신해 목표를 이해하고, 임무를 수행하며, 스스로 움직이는 존재이다.

에이전트 AI는 사람이 목표를 주면 필요한 자료를 찾고, 해야 할 일을 여러 단계로 나눈 뒤,

연결된 도구를 사용해 실제 행동까지 수행한다.

에이전트 시대에 배워야 할 것은 AI와 함께 일하는 법이다.

싱크 코드, SYNC CODE는 AI가 나의 맥락을 알고,

같은 목적을 향해 움직이며, 실제 업무의 흐름 안에서 일하고,

오늘의 피드백을 다음 일에 반영하는 동기화를 가능하게 만든다.

경험을 AI가 읽을 수 있는 맥락으로 만든는 STORY,

일을 왜 하는지 밝히고 사람과 AI의 목적과 역할을 정하는 WHY,

실제 업무의 병목에 맞춰 AI를 배치하는 NATIVE,

결과와 피드백 을 다음 업무에 축적해 반복할수록 나아지게 만드는 CYCLE이다.

2장 AI는 자료가 아니라 STORY로 일한다 에서는

AI가 읽고, 구분하고, 판단할 수 있는 형태로 스토리 를 건네는 일이 중요하다.

고객과 주고받은 이메일, 프로젝트 기획안, 직원들에게 전달한 피드백,

순간적으로 떠오른 음서 메모 등의 기록이 쌓이자 AI의 답이 달라지기 시작한다.

컨텍스트 란 AI가 답을 만들고 판단하는 순간 작업 공간 안에 들어와 있는 모든 정보이다.

AI가 필요한 정보를 우선순위에 따라 꺼내 쓰게 하려면, 꺼내 쓸 수 있는 스토리 가 쌓여 있어야 한다.

기록의 기준은 AI가 내용을 읽고, 필요한 부분을 읽고, 다른 기록과 연결할 수 있는가이다.

마크다운, .md 파일 은 문서 구조를 간단한 기호로 표시하는 텍스트 파일 이다.

디자인 요소가 적고 문서의 구조가 명확해 AI가 내용을 읽고 나누어 활용하기 좋다.

과거의 기록이 새로운 기록과 연결되는 순간, 그동안 보이지 않던 패턴 과 판단 기준이 나타난다.

기록의 복리를 얻으려면 기록이 계속 쌓여야 하고, 필요할 때 다시 꺼내 쓸 수 있어야 한다.

STORY BANK에는 세 개의 층과 하나의 안내 데스크 가 필요하다.

1층 RAW는 가공하지 않은 원본을 보관한다.

2층에는 원본에서 반복되는 패턴 과 중요한 판단을 뽑아 정리한다.

3층에는 현재 진행 중인 업무에 반드시 필요한 정보만 올려놓는다.

STORY BANK의 입구에는 안내서가 필요하다.

READ FIRST.md는 다른 자료를 보기 전에 가장 먼저 읽어야 하는 파일 이다.

READ FIRST에는 우선순위와 오래된 정보보다 먼저 적용해야 할 기준을 적는다.

커넥터 는 AI와 외부 업무 도구를 이어주는 연결 통로이다.

AI가 커넥터 를 통해 여러 곳에 훝어진 STORY를 찾아 하나의 업무 맥락으로 연결한다.

어떤 AI를 쓰느냐보다 중요한 것은, 내 STORY가 어디에 쌓여 있고,

AI가 어디까지 접근할 수 있는가이다.

3장 WHY, 시킨 대로 했는데도 AI가 실패하는 이유 에서는

AI는 실제로 전달한 목표를 따라 움직인다.

목표가 비어 있다면 일반적으로 좋아 보이는 기준을 스스로 채우고,

특정 숫자만 목표로 주면 그 숫자를 높이는 가장 직접적인 방법을 찾는다.

인간은 AI가 수많은 선택 앞에서 다시 돌아올 수 있는 하나의 목적지를 정해줘야 한다.

업무의 WHY는 이 일을 통해 누구의 무엇을 바꾸려는지 정의하는 문장이다.

WHAT은 결과물의 이름이다. HOW는 결과물을 만드는 방법이다.

업무의 WHY는 결과물을 통해 만들어야 할 변화이다.

결과물을 접한 사람이 무엇을 이해하고, 결정하고, 행동하게 만들 것인지,

원하는 변화가 실제로 일어났는지 확인할 기준을 정하기,

성과를 높이기 위해서도 포기해서는 안되는 기준을 정한다.

멀티에이전트 는 하나의 업무를 여러 AI가 서로 다른 역할로 나누어 수행하는 구조다.

사람을 움직이는 조직은 WHY HOW WHAT의 순서로 생각한다.

먼저 무엇을 믿고 어떤 변화를 만들고 싶은지 정한 뒤, 그 목적을 실현할 방법과

결과물을 선택한다.

큰 WHY를 실제로 실행하기 위해 내가 어떤 일을 반복하고 있는지 살펴본다.

찾은 업무마다 작은 WHY를 붙인다.

AI가 무엇을 하지 않아도 되는지 알려준다.

좋은 WHY는 무엇을 버려도 되는지 결정할 수 있는 문장이다.

마지막으로 역할을 실제 사용 환경에서 분리한다.

Architect, Builder, Critic 채팅방을 만들어 책임을 나눈다.

프로젝트 기능은 특정 업무를 위한 AI 전용 작업실을 만드는 것이다.

Architect, Builder, Critic 순으로 결과를 직접 옮겨보면서

어디에서 문제가 생기는지 보는 편이 좋다.

흐름이 어느 정도 안정되면, 역할끼리 작업을 넘겨받도록 연결할 수 있다.

멀티에이전트 는 서로 다른 역할을 가진 여러 AI가 하나의 WHY 아래

각자의 일을 나누어 처리하는 구조이다.

멀티에이전트 는 각 역할이 무엇을 책임지고, 어떤 기준으로 다음 단계에

넘길지가 분명한가가 중요하다.

사람은 모든 결과물을 만드는 방향과 기준이 끝까지 지켜지는지 확인하는 자리로 이동한다.

4장 NATIVE, 좋은 AI보다, 우리에게 맞는 AI 에서는

반복되는 횟수, 그 일에 관여하는 사람의 수, 한 번에 들어가는 시간이 커질수록

업무를 바꿨을 때 조직 전체에 미치는 임팩트 도 커진다.

NATIVE에서 먼저 찾아야 하는 것은 조직에 미치는 임팩트 가 크면서,

AI가 잘할 수 있는 일이다.

NATIVE는 우리 조직에서 AI가 가장 큰 효과를 낼 자리를 찾는 과정이다.

AI 네이티브 는 사람과 AI가 함께 일한다는 전제로 업무 흐름과 역할을

다시 설계하는 조직이다.

NATIVE는 내 일과 삶의 어느 자리에 AI를 넣었을 때 가장 크게 달라지는가를 보는 것이다.

타임박싱 으로 일주일만 기록하면 어떤 일을 반복하고 있고,

어디에서 시간이 계속 빠져나가는지 선명하게 보이기 시작한다.

기록의 목적은 무엇을 덜 해야 하는지 알아내기 위해서이다.

일주일이 끝나면 비슷한 업무끼리 묶고, AI에게 각각 몇 시간과

몇 퍼센트 를 사용했는지 계산하게 한다.

업무의 크기를 본다.

무엇부터 AX하면 가장 큰 효과가 날지 물어본다.

임팩트 가 크다고 전부 AI에게 넘길 수 있는 것은 아니다.

목표는 자동화율을 최대한 높이는 것이 아니라,

사람의 시간이 가장 가치 있게 쓰여야 하는 곳을 남기는 것이다.

AI를 고를 때, 이 일을 얼마나 잘하는가, 얼마나 자주 돌려야 하는가,

한 번 돌릴 때 비용과 사용량은 어느 정도인가,

결과가 틀렸을 때 얼마나 큰 문제가 생기는가를 같이 본다.

중요한 작업에는 무거운 AI를 쓰고 반복 작업에는 더 가벼운

구조를 쓰는 편이 효율적이다.

업무와 어떤 AI가 가장 잘 맞느냐가 중요하다.

NATIVE는 우리 회사의 일자리에 맞춰 AI를 채용하는 과정에 가깝다.

5장 CYCLE, 일이 스스로 굴러가게 하는 것 에서는

트리거 는 자동으로 다음 일을 시작하게 만드는 시작 조건이다.

반복되는 스스로 돌아가게 두되 중요한 순간에는 사람이 판단하고 책임져야 한다.

한 번 개입했다면, 그 판단이 그 자리에서 사라져서는 안 된다.

에이전트 는 맡은 역할 안에서 일이 생기면 움직이고,

앞의 결과를 이어받아 다음 업무를 처리하며,

사람이 매 순간 말을 걸지 않아도 하나의 흐름을 계속 이어갈 수 있어야 한다.

STORY에 쌓아둔 경험은 실제 판단에 쓰이고, WHY는 그 판단의 방향을 잡는다.

NATIVE에서 사람과 AI의 역할이 하나의 업무 흐름 안에서 이어지고,

그 결과와 피드백 은 다시 다음 업무로 넘어간다.

CYCLE 안에서 STORY, WHY, NATIVE가 계속 움직이기 시작한다.

AI가 실행의 상당 부분을 가져갈수록 사람은 어디에 남아야 하는지,

무엇을 판단해야 하는지가 더 중요해진다.

AI가 잘하는 일은 이미 정해진 기준 안에서 빠르게 실행하는 일이다.

휴먼인더루프 방식은 사람의 판단을 의도적으로 남겨두는 방식이다.

사람은 예외와 책임, 방향이 걸린 순간에만 들어가고,

나머지는 AI가 계속 움직이게 하는 것이 핵심이다.

같은 피드백 을 반복하고 있다면, 기준이 되어야 한다.

새롭게 알게 된 것이 있다면 기준을 추가하고, 더 이상 맞지 않는 지침은 빼고,

서로 충돌하는 내용은 정리할 수 있다.

사람의 역할은 새로운 판단을 내리고, 판단을 AI의 기준에 남겨

다음에는 조금 더 나은 상테에서 출발하게 만든다.

AI가 일을 시작하도록 만드는 조건을 트리거 라고 부른다.

시간, 사건, 앞선 업무의 완료만 알아도 실무에서는 충분하다.

앞의 결과가 다음 업무의 재료가 되는 곳을 찾아본다.

사람이 중간에서 자료를 받아 다음 사람에게 넘겨주고 있는 지점을 찾는다.

각 에이전트 가 무엇을 만들어 다음 에이전트 에게 넘기느냐가 중요하다.

각 단계의 인수인계 지점마다 Critic을 붙인다.

기준을 통과하면 다음 에이전트 에게 넘기고, 부족하면 다음으로 넘어가기 전에

그 단계에서 다시 수정한다.

각각 따로 잘하던 AI들이 한 팀 처럼 일하기 시작하면,

어디부터는 반드시 사람이 들어가야 하는 문제가 생긴다.

AI가 알아서 움직일 구간과 사람이 반드시 판단할 구간을 함께 설계하는 것이 더 중요하다.

책임과 판단이 필요한 자리를 미리 정해 두는 것이다.

같은 피드백 을 두 번 하고 있다면, 그 내용은 매뉴얼 에 있어야 한다.

피드백 이 다음 CYCLE에서도 살아남는 구조가 중요하다.

업무가 끝날 때마다 사람이 새롭게 내린 판단도 함께 남는다.

SYNC, 동기화는 일을 함께 할수록 나의 방식과 조직의 방식에 더 가까워지고,

서로 다른 사람들의 맥락과 기준까지 하나의 시스템 안에서 맞춰야 한다.

AI를 잘 쓰는 팀 은 사람과 AI가 각자 잘하는 일을 맡고,

그 결과가 끊기지 않도록 연결하는 일이다.

STORY는 AI가 함께 일하기 위해 알아야 할 과거의 맥락과 기억이다.

WHY는 AI가 어디를 향해 움직여야 하는지를 정하는 목적과 판단 기준이다.

NATIVE는 우리 조직의 일과 사람에 맞게 AI의 역할과 업무 구조를 다시 설계하는 일이다.

CYCLE은 AI가 알아서 일을 시작하고 이어서 움직이되, 사람의 피드백 을 받아

다음번에는 더 나아진 상태로 다시 돌아가는 사이클 이다.

6장 SYNC, AI와 나를 동기화하는 법 에서는

SYNC, 동기화는 사람과 AI의 움직임이 맞아가기 시작하는 상태다.

AI는 일을 줄여주는 데서 끝나지 않는다.

움직일 수 있는 반경을 조금 더 바깥으로 밀어낸다.

컴포트 존 에서는 하던 일을 더 잘하고,

스트레치 존 에서는 못 하던 일을 더 해보고,

비욘드 존 에서는 할 수 없다고 생각했던 일까지 해보게 된다.

반복 업무에서 되찾은 시간이 쌓이면, 쓸 수 있는 시간과 집중력의 총량이 달라진다.

컴포트 존 의 생산성 레버리지 는 지금 하던 일을 빨리 끝나는 데서 그치지 않는다.

작은 레버리지 가 여러 개 쌓이면 어느 순간 내 일정 안에 이전에는 없던

빈공간이 생기기 시작한다.

스트레치 존 은 내가 이미 가지고 있던 능력이 닿을 수 있는 거리를 넓히는 것에 가깝다.

AI가 만들어준 빈칸을 다시 익숙한 업무로 모두 채우지 않는 것이 중요하다.

진짜 다른 변화는 선택할 수 있는 세상의 크기이다.

비욘드 존 에서는 아이디어 가 현실의 선택지로 들어오기 시작한다.

바이브 코딩 의 변화는 자신이 가지고 있던 생각이 세상에서

통하는지 시험해볼 수 있게 됐다는 것이 중요하다.

누구나 개발자가 되는 시대라기보다, 누구나 자신의 아이디어 를

현실에서 시험할 수 있는 시대이다.

AI와 동기화할수록 내 세상이 넓어진다.

상상할 수 있는 것과 실제로 해볼 수 있는 것 사이의 거리가,

믿을 수 없을 만큼 가까워지고 있다.

AI와 점점 더 완벽하게 동기화되어가는 세상에서,

사람이 가져야 하는 역할은 무엇일까.

7장 THINK, AI가 대신할 수 없는 마지막 일 에서는

생각이라는 것도 계속 사용해야 강해지고, 사용하지 않으면 약해진다.

AI의 편리함에 익숙해지면 나중에는 스스로 생각을 시작하는 것 자체가

어려워질 수도 있다.

AI 시대에 우리가 경계해야 하는 것은 AI를 사용하지 않는 것이 아니라,

생각하는 능력까지 외주화하는 것이다.

싱크 존 은 생각만을 위한 공간이다.

AI에도 디지털 디톡스 의 시간이 필요하다.

AI를 열 수 있는 환경에서는, 내가 끝까지 생각해보기 전에

너무 쉽게 답을 받어버리기 때문이다.

AI와 잘 싱크 하기 위해서는 AI와 잠시 싱크하지 않는 시간도 필요하다.

직접 경험 해봤기 때문에 자동화할 수 있다.

AI는 과정을 생략해줄 수 있지만, 그 과정을 거치며 쌓이는

경험까지 내 안에 다운로드 해주지는 않는다.

중요한 것은 무엇을 빠르게 만들고, 무엇은 일부러 천천히

통과할지를 구분하는 일이다.

AI와 아무리 좋은 대화를 해도 채팅창 안에 그대로 두면 결국 또 잊어버린다.

대화에서 나온 주요 인사이트 를 정리해서 노션 싱크 존에 저장한다.

싱크 존 은 내가 무엇에 관심을 가졌고, 무엇을 고민했는지를

조금씩 모아두는 곳이다.

LLM Wiki는 LLM이 기록을 계속 읽고 정리하면서 서로 연결된

나만의 지식 위키 를 만들어가는 방식이라고 볼 수 있다.

온시디언 은 서로 연결되는 메모장인데, 각각의 노트 를

링크로 이어서 그 관계를 시각적으로 볼 수 있다.

노션 의 싱크 존 이 순간순간 떠오른 생각을 저장하는 생각 금고라면,

LLM Wiki는 쌓인 수많은 기록 사이의 연결을 다시 찾아주는 지도에 가깝다.

AI 이사회 라는 개념은 여러 개의 에이전트 를 만들고 각각 다른 관점과 역할을 부여한다.

여러 관점의 날카로운 질문과 피드백 을 통과하면서 조금씩 불필요한 부분이 깎이고,

더 뾰족한 아이디어 로 발전된다.

새로운 경험과 맥락, 일하는 방식을 AI와 맞춰가는 과정이 SYNC다.

THINK는 AI의 힘은 적극적으로 빌리되, 그 힘을 어디에 쓸지는

내가 정하는 것이다.

한 사람의 생각이 현실이 되기 위해 필요한 사람과 자본의 규모가

이전과는 비교할 수 없을 만큼 작아지고 있다.

같은 AI를 모두가 사용할 수 있게 될수록 결국 차이를 만드는 것은

그 안에 무엇을 넣느냐이다.

평생 쌓아온 경험을 가지고 새로운 일을 시작해도 좋고,

이제 막 떠오른 아이디어 를 가지고 새로운 곳으로 날아가도 좋다.

완벽한 항로를 알고 출발하는 사람은 없다.

날아가면서 방향을 수정하고, 때로는 돌아가고, 새로운 목적지를 발견할 수도 있다.

STORY에서는 경험과 맥락을 AI가 읽을 수 있게 만들고,

WHY에서는 무엇을 위해 일하는지와 판단의 기준을 정한다.

NATIVE에서는 사람과 AI가 어떤 일을 맡는 것이 가장 효율적인지 배치한다.

싱크 존 이 생각을 저장하는 공간이고, LLM Wiki 가 생각들을 연결하는 공간이라면

AI 이사회는 그 생각을 더 날카롭게 벼리는 공간이다.

AI는 더 이상 전문가들의 영역이 아니다.

AI 기술은 빠르게 대중화 되고 있으며, AI를 활용할 수 있어야

경쟁력을 빠르게 향상시킬 수 있다.

AI라는 거대한 흐름을 따라지 못하면 시대에 뒤쳐지고,

경쟁력을 잃을 수밖에 없는 시간이 다가오고 있다.

AI 기술의 방향은 AI 에이전트 중심으로 움직이고 있다.

AI 에이전트 를 효과적으로 이용할 수 있다는 것은

AI 시대의 경쟁력을 확보한다는 것과 다르지 않다.

AI 에이전트 시대에서 경쟁력을 확보하기 위해서는

AI와 함께 일하는 법을 배우는 것이다.

AI 시대가 요구하는 능력은 AI를 적극적으로 업무에 활용하는 것이다.

싱크, SYNC는 AI와 함께 일하는 기술이다.

AI를 원하는 대로 사용할 수 있게 하는 것이다.

"에이전트 워크플로우"는 AI를 효과적으로 활용하는 싱크 기술을 제안한다.

기록, 방향, 구조, 진화를 통해 AI와 동기화 되면서 AI와 함께 일할 수 있게 한다.

나의 조직의 경험, 결정과 실패를 AI가 이용할 수 있도록 하고,

업무 목적과 KPI, 판단 기준과 금지선을 파악하여 AI가 우선순위를 판단하며,

조직의 병목과 업무 흐름에서 가장 필요한 지점에 AI를 배치하도록 하고,

실행 결과와 피드백 을 업무에 반영하는 자동화 사이클 을 만들도록 한다.

"에이전트 워크플로우"는 AI 에이전트 를 효과적으로 운영하면서,

AI를 적재적소에 활용해, 업무 부담을 줄일 수 있도록 한다.

AI 에이전트 의 중요성이 부각되고 있지만, AI 에이전트 를 정확하게 이해하고,

어떤 방식으로 활용해야 할지를 모르는 사람이 많다.

싱크 코드 는 AI를 업무에 활용하는 시스템 을 구축 방법을 제시하면서,

조직에 적합한 AI 에이전트 를 구축할 수 있도록 돕는다.

필름 과 컬처블룸 서평단에서 "에이전트 워크플로우"를 증정해주셨다.

감사드린다.

#에이전트워크플로우 #필름 #서평 #로사장 #김다솔

#컬처블룸 #컬처블룸서평단