AI 에이전트로 팀 관리와 제품 검증 설계하기
2026.10.15
팀 관리와 제품 검증 업무를 AI 에이전트에게 어떻게 맡길지 Codex와 설계했어요. OKR·우선순위·주간 성과를 연결하고 대시보드 시안 5개를 만들면서, 제가 하던 분석과 판단 준비를 AI에 맡길 방안을 찾았습니다.
2026년 10월 12일부터 15일까지 진행한 기획 기록이에요. 운영 시스템의 자동화나 시간 절감은 아직 검증 전입니다.
먼저 전체 흐름을 보면
팀 관리와 제품 검증을 위해 같은 업무 기록을 모으고, 분석과 실행을 AI에게 맡기는 구조를 설계했어요. 흐름은 이렇습니다.
기존에는 제가 Linear·브리핑·미팅에서 정보를 모아 병목을 찾고, 우연히 발견한 문제를 제품 아이디어로 검토했어요.
먼저 OKR로 목표를 정하고 OST로 우선순위를 고르며, 블루시트로 예상·실제 성과와 투입을 비교하도록 업무 방식을 정리했습니다.
여기에 회사 곳곳의 기록을 연결하면 AI가 병목과 반복 업무를 찾고, 해결안이나 제품 검증 실험을 준비하도록 맡길 수 있어요.
저는 방향을 정하고 빠진 맥락을 채우며, 중요한 판단과 승인·피드백에 집중하려고 합니다. 아래의 도입 후 흐름은 앞으로 구현할 계획이에요.

기존 방식과 도입 후 계획의 비교입니다. AI가 분석과 실행을 맡고 사람의 판단과 피드백이 다시 업무 기록으로 돌아오도록 설계했어요.
제가 가장 잘해야 하는 일부터 골랐어요
제가 AI의 도움을 가장 크게 받고 싶은 일은 팀의 목표를 정하고, 진행 상황을 살펴 병목을 해결하고, 그 과정에서 제품 기회를 찾아 검증하는 일이에요. 지피터스를 운영하는 지니파이 대표 김태현으로서 제가 책임지는 일이기도 합니다.
지금까지는 Linear의 이니셔티브와 프로젝트, 일간 브리핑과 미팅을 보며 상황을 파악했어요. 일이 잘 안 되는 지점을 찾아 돕고, 그 와중에 제품으로 만들 만한 문제가 보이면 검증해 보려 했습니다.
그런데 제가 모은 정보는 늘 일부였어요. 슬랙에서 지나간 대화, 고객과 나눈 카톡, 회의에서만 공유된 맥락까지 모두 기억하기는 어려웠습니다. 제품 아이디어를 발견하는 일도 제가 우연히 어떤 장면을 보느냐에 많이 기대고 있었고요.
이번에는 이 업무를 AI 에이전트(AI agent)와 나누려면 어떤 구조가 필요한지부터 생각해 봤어요. 먼저 사람이 목표와 우선순위를 더 잘 관리할 수 있는 안을 만들었습니다.
OKR·OST·블루시트에 역할을 나눴어요
OKR은 무엇을 달성할지, OST는 어떤 문제와 해결안을 선택할지, 블루시트는 실행 후 어떤 성과가 났는지를 확인하는 데 쓰기로 했어요.
OKR에는 회사의 목표와 달성 여부를 알려줄 지표, 목표값을 적어요. 핵심 결과물도 연결하되, 결과물을 만들었다는 사실과 지표가 개선됐다는 사실은 구분하기로 했습니다.
우선순위를 고를 때는 OST(Opportunity Solution Tree)를 가져왔어요. 목표에 기여할 기회와 문제를 펼쳐 놓고, 각각을 해결할 방법을 비교하는 구조입니다. 프로젝트를 제안할 때 어떤 문제를 해결하려는지 다시 쓰게 하는 점이 특히 필요했어요. Product Talk의 OST 설명

목표를 정하고, 할 일을 고르고, 실제 결과를 확인한 뒤 다시 선택하는 관계입니다. 프로젝트를 목표에 연결했다는 사실만으로 기여가 증명되는 것은 아니에요.
우리 회사 OKR을 예로 들면
우리 AX·제품팀은 사내 핵심 업무를 계속 쓰이는 AI 워크플로로 바꿔 사업 성과에 기여하고, 그 경험을 기업 교육의 차별화 근거로 삼으려 해요. 아래는 2026년 10월 15일 팀 OKR 문서에 있는 목표와 지표를 가져온 예시입니다.
목표: 사내 핵심 업무를 계속 쓰이는 AI 워크플로로 바꿔 사업 성과에 직접 기여하고, 그 과정에서 전원의 AI 활용 수준을 끌어올려 기업 교육의 차별화 근거로 삼는다.
핵심 지표 예시: 콘텐츠 결과물 1건당 사람 시간을 10월 실측 기준선 대비 절반 이하로 줄이면서, 월 32건의 제작·배포를 유지한다.
보조 지표 예시: 평가 루프가 도는 핵심 업무 Agentic Workflow 10건. 판단을 이유와 함께 기록하고, 그 기록으로 고친 흔적이 있어야 한다.
여기서 절반 이하·월 32건·10건은 달성 실적이 아닌 목표예요. 콘텐츠 제작·배포는 검증 결과물 8건을 4개 매체의 콘텐츠 32건으로 만드는 업무입니다. 워크플로 개수와 함께 실제 사람 시간과 사업 성과를 보려는 구성이에요.
Zynga 블루시트에서 가져온 것은 성과와 투입의 비교예요
주간 진행 상황은 『Life at the Speed of Play』에서 읽은 Zynga의 블루시트를 참고했습니다. 각 프로젝트가 이번 주에 기대한 성과, 실제 성과, 투입한 인원·시간·비용을 함께 보려는 거예요. 여러 주 이어지는 프로젝트도 주마다 기록을 남겨 예상과 실제를 비교하도록 했습니다.

출처: 『Life at the Speed of Play』 5장, 109쪽의 Zynga 블루시트 예시. 이미지 속 DAU·매출·개발 일수는 책에 실린 예시이며 우리 회사 수치가 아닙니다.
업무를 완료했다는 표시 옆에 그 업무가 만든 변화를 함께 보는 방식이 필요했어요. 우리 팀에서도 주간 성과와 투입을 비교하고 배운 점을 기록하려고 합니다.
좋은 해결책이 떠올라도 문제를 다시 적게 했어요
OST에서 가져오고 싶었던 습관은 해결책을 떠올린 뒤에도 그 일이 어떤 문제를 푸는지 다시 묻는 것이었어요. 직관적으로 좋아 보이는 일을 계속 추가하다 보면 당장 회사 성과에 더 기여할 일을 놓칠 수 있으니까요.
가령 새 콘텐츠를 만들자는 아이디어가 나오면, 콘텐츠 부족이 실제 문제인지부터 확인하는 식이에요. 고객이 우리를 모르기 때문인지, 알고도 문의하지 않는지에 따라 해야 할 일이 달라집니다. 이건 운영 방식을 설명하기 위한 예시예요.
다만 우리 팀의 최종 업무 선택에는 해결안의 비용과 속도도 함께 보도록 했어요. 영향이 가장 큰 문제라도 해결에 오래 걸릴 수 있고, 영향이 조금 작아도 간단한 수정으로 곧바로 성과를 낼 일이 있기 때문입니다. OST 원형을 그대로 옮기기보다 우리 팀의 선택 방식에 맞춰 조정했습니다.
선택한 업무는 블루시트에서 다시 확인해요. 처음 기대한 효과와 실제 결과가 다르면, 다음 주에도 계속할지 바꿀지 판단할 근거가 남습니다.
Notion으로 옮기다가 구성이 너무 복잡해졌어요
처음에는 Linear에서 하던 업무 관리를 Notion으로 옮기며 목표·문제·솔루션·주간 성과를 연결했어요. 예시 페이지를 만들고 검토하는 과정에서 관리 구조 자체가 복잡해졌습니다.

Notion에 구성한 실행 허브의 일부입니다. 주간 업무와 실적은 구조를 살펴보기 위한 설명용 데이터예요.
실행 허브를 구성해 보니 DB가 여러 개라 전체 상황이 한눈에 들어오지 않았어요. 입력하고 수정하는 방식의 자유도도 높아서 팀원들이 같은 방식으로 업데이트하려면 훈련이 꽤 필요했습니다.
대안으로 Asana와 Fibery도 검토했어요. 사용 방식이 분명하게 정해져 있고 UI가 단순하고 직관적인 Linear만큼 제게 쓰기 편한 도구는 찾지 못했습니다.
그래서 현재 잡은 방향은 Linear로 업무를 관리하고, 부족한 성과 화면을 별도 웹 대시보드로 만드는 거예요. 프로젝트별 예상 성과와 실제 성과 등은 Linear 프로젝트의 Description에 정해진 형식으로 적고, 대시보드에서 읽어 시각화하려고 합니다.
화면을 검토하려고 블루시트, 경영 현황, 팀 업무, 회의 진행, 목표 연결을 보여주는 시안 5개도 만들었어요. 이 화면들은 가상 데이터를 넣은 시안입니다. Linear 연동과 실제 운영은 앞으로 구현할 부분이에요.
목표와 업무 기록을 연결하니 AI에게 맡길 일이 보였어요
회사 목표와 지표, 문제, 프로젝트, 주간 성과가 연결되면 AI가 업무 맥락을 분석할 기준이 생겨요. 기획안을 만들면서 AI가 제 업무를 어디까지 맡을 수 있을지도 조사하게 했어요.
지금은 슬랙 대화와 회의록을 읽어도 어떤 목표와 관련된 이야기인지 제가 머릿속에서 연결해야 해요. 기록을 해당 목표·문제·프로젝트에 연결해 두면 AI도 같은 기준으로 최근 변화와 결정 이유를 찾아볼 수 있습니다.
물론 회사의 모든 대화를 억지로 한 분류에 넣으려는 건 아니에요. 원문과 날짜를 남기고, 어느 업무에 관련되는지 연결하며, 아직 연결이 불분명한 것은 그대로 표시하는 방식으로 생각하고 있습니다.
기록이 충분히 모이면 AI가 여러 프로젝트의 정량 지표와 대화 맥락을 함께 검토하도록 맡길 수 있겠더라고요. 제가 미팅으로 현황을 다시 모으기 전에 분석 결과와 확인할 질문을 받아보는 운영을 만들고 싶어졌어요.
AI는 병목과 해결안을 준비하고 저는 검토해요
팀 관리에서 AI가 맡을 일은 지표 변화와 업무 기록을 대조해 병목 후보를 찾고, 근거와 해결안을 준비하는 거예요. 저는 빠진 맥락을 채우고 우선순위와 실행 여부를 결정하는 역할로 나눴습니다.
예를 들어 문의는 늘었는데 다음 단계로 넘어가지 않는 상황을 생각해 봤어요. AI가 문의 기록, 응답 시간, 일정 대기, 담당자의 메모를 함께 보고 어디를 더 확인해야 하는지 정리하는 겁니다. 아직은 설계 예시예요.
보고에는 무엇이 달라졌는지, 병목이라고 보는 근거가 무엇인지, 다른 설명은 없는지, 어떤 대응이 가능한지가 들어가야 해요. 정보가 부족하면 누구에게 무엇을 물어야 할지도 포함하고요.
그 결과를 제가 리뷰하고 조정해 승인하면, AI가 허용된 범위의 작업을 실행하고 결과를 다시 확인하는 흐름입니다. 이렇게 만들면 현황 파악과 분석에 쓰던 제 시간을 줄일 수 있겠다고 봤어요. 실제로 줄었는지는 구축 후 검수·수정 시간까지 포함해 확인할 계획입니다.
같은 업무 맥락에서 제품 기회도 찾을 수 있겠더라고요
제품 기회 발굴도 실제 업무를 모아 분석한다는 점에서 팀 관리와 닮아 있었어요. 팀 관리에서는 목표 달성을 막는 지점을 찾고, 제품 탐색에서는 여러 사람이 반복해서 겪는 업무와 불편을 찾는 겁니다.
우리 사업을 진행하면서 생기는 데이터도 함께 보려고 해요. 여러 애널리틱스 결과, 기업교육 ERP의 내부 데이터, 기업 교육 담당자와 나눈 대화, 이메일과 카톡, 강사·코치와의 대화, 강의와 코칭 현장의 기록이 대상입니다.
지금은 아예 수집하지 않거나 한곳에서 함께 보지 못하는 자료도 있어요. 업무 관리 구조를 만든 뒤 이런 자료를 관련 고객·업무·프로젝트와 연결하고 싶습니다. AI가 읽을 수 있는 범위와 기록 사용 조건도 그때 함께 정해야 하고요.
자료가 모이면 AI에게 같은 일이 얼마나 반복되는지, 지금 어떤 방식으로 해결하는지, 어디서 수정과 지원이 계속 필요한지 분석하도록 맡길 수 있어요. 제가 우연히 마주친 문제에 더해, 더 넓은 기록에서 제품 후보를 찾으려는 계획입니다.
아이디어 다음의 분석과 실험도 AI에게 맡기려 해요
제품 후보가 나오면 AI가 린 캔버스로 사업 가정을 정리하고, 위험한 가설을 골라 최소 실험을 준비하도록 설계했어요. 아이디어 목록을 만든 뒤 멈추지 않고 검증까지 이어가려는 거예요.
우선 고객과 문제, 현재 대안, 구매자, 비용, 고객 확보 경로를 정리합니다. 범용 AI가 좋아져도 남을 제품 가치가 있는지, 고객을 반복해서 확보할 경로가 있는지도 따져보게 했어요. 둘 다 근거가 없으면 제품 개발 투자를 보류합니다. 교육 고객이 있다는 사실만으로 소프트웨어를 구매할 거라고 가정하지는 않았어요.
그다음 PBN(Proven-Better-New)으로 이미 작동하는 기반, 개선하려는 부분, 새로 시험할 가설을 구분해요. 새 요소를 한꺼번에 바꾸지 않고 무엇을 검증하는 실험인지 분명하게 하려는 용도입니다. Mark Pincus의 PBN 설명
AI는 이 분석을 바탕으로 실험 계획과 파일럿을 만들고, 정해진 범위에서 실험을 수행한 뒤 결과를 분석하는 역할까지 맡도록 설계했어요. 사람은 중요한 단계에서 평가하고 승인합니다. 고객의 실제 사용과 구매가 확인돼야 다음 투자 판단으로 넘어갑니다.
사람의 참여는 방향과 예외 판단에 집중하려고 해요
제가 원하는 운영은 사람이 방향과 실행 범위를 정하면 AI가 분석과 실행을 이어가고, 중요한 판단이 필요할 때 사람에게 돌아오는 방식이에요. 단계마다 모든 작업을 다시 지시하면 관리 부담이 줄기 어렵습니다.
팀 관리에서는 목표·우선순위·자원 배분을 제가 결정해요. 제품 검증에서는 고객군·가설·실험 범위·성공 기준을 정하고요. AI가 놓친 맥락을 보완하고 결과를 표본으로 검토하며 피드백을 남기는 일도 제 역할입니다.
반복되는 수집·분석·계획·구현·결과 확인은 AI에게 최대한 맡기려 해요. 예산을 늘리거나 고객에게 새 약속을 하거나 사업 방향을 바꾸는 경우에는 다시 사람이 판단하도록 했습니다.
앞으로 모델이 더 좋아지면 중간 확인을 줄이고 위임 범위를 넓힐 여지도 있어요. 다만 모델이 좋아졌다는 이유만으로 맡기기보다, 같은 업무에서 결과의 품질을 유지하면서 사람이 검토하고 고치는 시간이 줄었는지 확인하려고 합니다.
비슷한 설계를 시작한다면 이 요청부터 해볼 수 있어요
처음부터 회사 전체의 자동화를 요청하기보다, 목표 하나와 관련 업무 기록을 주고 사람이 판단해야 할 지점까지 함께 설계하게 하면 시작할 수 있어요. 이번 논의를 다시 시작한다면 저는 이렇게 요청하겠습니다.
우리 회사의 목표와 지표, 진행 중인 프로젝트, 최근 업무 기록을 바탕으로 팀 운영 방식을 설계해줘. OKR로 성과 기준을 정하고, OST로 문제와 해결안을 비교하고, 블루시트로 예상·실제 성과와 투입을 확인하고 싶어. AI가 수행할 수집·분석·병목 확인·해결안 준비와 사람이 판단할 부분을 나눠줘. 같은 기록에서 반복 업무를 찾아 제품 후보로 만들고, 린 캔버스·PBN·최소 실험으로 이어지는 흐름도 제안해줘. 확인된 사실과 가설, 지금 만든 것과 앞으로 구현할 것을 구분해줘.
이번에는 업무 관리 구조와 예시, 화면 시안, AI와 사람의 분업 계획까지 만들었어요. 다음에는 실제 데이터를 연결하고 운영하면서 확인하려고 합니다.
제가 어떤 기반을 먼저 만들어야 하는지는 구체적이 됐습니다. 목표와 실제 업무를 연결해 기록하면, 제가 일부 정보와 우연한 발견에 기대서 하던 분석을 AI에게 더 넓게 맡길 수 있겠더라고요. 실제 운영에서 병목과 제품 기회를 더 잘 찾는지 확인하려고 해요.
지피터스의 다른 사내 AX 사례는 지피터스는 사내 AX를 어떻게 할까에 모아 두었어요.
우리 회사에도 이런 자동화를 도입하고 싶다면
회사 업무에 맞춘 AI 교육을 함께 설계해요.




관리자의 실제 고민이 담겨있어 곱씹어 읽게 되었습니다.
*메모메모!!: OKR > OST > 블루시트 > PBN
기업 대표님 또는 PM들에게 꼭 추천해주고 싶네요! - 언젠가 성지가 될 것 같아서 일빠로 댓글 남깁니다. ㅎㅎ