에이전트 워크플로우

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

<출판사로부터 제공받아 읽고 쓴 개인적인 리뷰입니다>

과거의 노동 시장에서 높은 대가를 받았던 덕목은 '주어진 문제를 얼마나 빠르고 정확하게 풀 수 있는가'였습니다. 그러나 이젠 생성형 AI와 에이전트 시스템이 더 빠르게 기획서 초안을 잡고, 투자 리스크를 분석합니다.

AI 시대의 노동은 인간을 지루하고 반복적인 실무의 굴레에서 해방시키고 가치를 판단하고 방향을 설정하는 고차원적 의사결정자가 되어야 합니다.

그렇다면 AI를 어떻게 써야 할지 고민이 되는데요. 기존 AI 활용법이 질문 하나를 던지고 빠르게 번의 대답을 얻는 프롬프트였다면 에이전트 워크플로우는 AI가 문제 해결을 위해 스스로 연속적인 작업 과정을 수행하는 방식입니다.

단일 프롬프트 환경에서는 AI가 한 번에 완성된 답을 내려다보니 거짓 정보를 만들어내는 환각이나 완성도 저하가 자주 발생했습니다.

에이전트 워크플로우는 AI가 인간처럼 ① 목표에 맞는 세부 계획 수립, ② 필요한 도구 검색 및 정보 수집, ③ 초안 작성 후 스스로의 오류 검토), ④ 결과물 수정·보완의 루프를 반복합니다.

AI를 단순히 빠르게 답을 출력하는 검색기로 쓰는 데서 벗어나 스스로 생각하고 교정하며 완성도 높은 과업을 끝까지 완수하는 능동적 동료이자 업무 프로세스로 다루어야 한다는 시대적 변화가 담겨 있는데요. AI가 스스로 실행하고, 인간의 피드백을 받아 계속 수정·보완하는 구조에서는 결과물의 품질이 점진적으로 정교해집니다.

사용하는 AI에 출근시간을 걸어보는 것도 흥미로웠습니다. 예약 작업을 이용해서 특정 시간에 한번 실행하거나 매일 반복되는 업무를 설정하는 것입니다. AI에 주로 맡길 일과 사람이 남을 지점을 구분해서 어떤 것을 해야 할지에 대해서 쓰여있는 것도 도움이 되었어요.

AI가 알아서 일을 시작하고 움직이되 사람의 피드백을 받아서 더 나아진 상태를 만드는 시스템과 나만의 AI 이사회를 만드는 것이 도움이 되었습니다. 나만의 AI 이사회를 구축함으로써 혼자 해결하기 힘들었던 복잡한 의사결정과 과업을 다각도로 검토하고 실행할 수 있을 것 같아요.