소개
시도하고자 했던 것과 그 이유를 알려주세요.
목표: 1인 사업 운영에서 Agentic AI 시스템을 구축하여 업무 효율을 높이고자 했습니다.
배경:
- 곧 사업화가 시작되는 시점에서 실제 회사 업무에 맞는 시스템 구축이 필요했습니다
- 기존에는 AI와 1대1로 업무 시간 내내 함께 작업하는 방식이었고, AI 자원을 효율적으로 활용하지 못하고 있었습니다
- 사업 진행 시 발생하는 고객 응대 등을 자동화하고 싶었습니다
원하는 시스템 구조:
업무 계획 수립 → 각 Agent에게 업무 위임 → 업무 완료 후 결과 보고
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
활용 도구
- Claude Code: AI 에이전트 실행 환경
- MCP (Model Context Protocol): Gmail, Notion, Slack 연동
- Orchestrator + Worker Agents 패턴: 총괄 AI CTO + 전문 Worker Agent 구조
시스템 아키텍처
Orchestrator (AI CTO) + Worker Agents 패턴으로 설계했습니다:
구현 과정
Step 1: AI CTO 설정 및 논의
총괄 AI CTO를 설정하고, 현재 프로젝트 상황과 Agentic AI 시스템의 목적 및 구축 계획을 논의했습니다.
활용한 프롬프트 (예시):
당신은 이 사업의 AI CTO입니다.
현재 상황: [프로젝트 상황 설명]
목표: 업무 계획 수립 → Agent 위임 → 결과 보고 구조로 운영
이 시스템을 어떻게 구축할지 함께 설계해봅시다.
Step 2: Worker Agent 구성
논의 과정에서 도출된 계획에 따라 Worker Agent를 구성하고 설정을 진행했습니다.
CRM Agent 자동화 흐름 예시
Step 3: 업무 시작
기존 프로젝트 roadmap의 계획에 따라 Agentic AI 환경에서 업무를 시작했습니다.
결과와 배운 점
배운 점과 나만의 꿀팁을 알려주세요.
과정 중에 어떤 시행착오를 겪었나요?
도움이 필요한 부분이 있나요?
앞으로의 계획이 있다면 들려주세요.
시행착오 전체 과정
시행착오 1: 10배 성과, 하지만 원하는 결과가 아니었다
상황:
각 절차에 따라 업무가 진행되었고, 기존 방식 대비 10배 이상의 업무 성과가 발생했습니다
하지만 업무 결과를 검토하니 내가 생각한 결과가 아니었습니다
프로젝트의 맥락이 전혀 반영되지 않은 결과물이었습니다
시도한 해결책:
문제되는 부분에 대해 AI CTO와 논의하고 다시 업무를 진행
결과: 실패 - 동일한 문제 반복 발생
시행착오 2: 검토 피로와 구체화 부족
상황:
다시 업무를 진행했지만 여전히 동일한 문제가 발생
생성된 결과물이 너무 많아 혼자서 검토하고 수정을 요청하는 것에 에너지 소모가 너무 컸습니다
원하는 결과물이 나오지 않은 요인 분석:
각 Agent가 해야 할 내용의 구체화가 부족
나의 경험 부족으로 인해 막연하게 "잘 되겠지"하는 마음이 있었음
시도한 해결책:
업무 구체화가 우선이라는 생각에 AI CTO와 다시 1대1로 업무를 진행
위임 전에 업무 내용을 명확히 정의
최종 해결: "빠른 처리"가 아닌 "맥락에 맞는 결과"가 최우선
핵심 깨달음:
Worker Agent도 우리 프로젝트에 대해서는 잘 모른다.
업무를 지시하기 전에 "왜 이 업무를 해야 하고, 어떤 결과를 도출해야 하는지" Worker Agent가 이해하는 것이 중요하다.
적용한 변화:
AI CTO에게 최우선 목표 인식시키기
업무를 빨리 처리하는 것이 목적이 아님
맥락에 맞게 원하는 결과를 도출하는 것이 최우선
Worker Agent 위임 전 맥락 전달 필수화
"이 업무를 해라"가 아닌
"왜 이 업무를 해야 하고, 어떤 결과가 필요한지" 먼저 설명
Worker Agent가 업무 목적을 이해한 후 작업 시작
AI CTO가 의도 파악 후 위임
AI CTO가 나의 의도를 파악하고
의도에 맞게 Worker Agent에게 업무 지시
Knowledge Injection 패턴 (맥락 전달 흐름):
결과: 원하는 결과를 얻게 됨
핵심 배움 정리
구분
실패 원인
해결 방법
속도 vs 품질
"10배 빠르게"에만 집중
"맥락에 맞는 결과"를 최우선으로
Agent 이해도
Worker Agent도 프로젝트를 모름
위임 전 "왜 & 어떤 결과" 설명 필수
업무 정의
막연한 기대 ("잘 되겠지")
업무 구체화 선행
검토 방식
결과물 쏟아진 후 검토
AI CTO가 의도 파악 → 맞춤 위임
나만의 꿀팁: Agentic AI 성공을 위한 3가지 원칙
1. "빠름"보다 "정확함"을 먼저
Agentic AI는 빠르게 결과를 낼 수 있지만, 원하는 결과인지가 중요
속도에 현혹되지 말고, 먼저 "맥락 전달"에 집중
2. Worker Agent는 "신입 사원"처럼 대하기
프로젝트 배경을 모르는 상태로 시작
업무 지시 전 "왜 이 일을 하는지, 어떤 결과가 필요한지" 반드시 설명
이해했는지 확인 후 작업 시작
3. Orchestrator(AI CTO)의 역할 정의가 핵심
AI CTO는 단순 업무 분배자가 아님
사용자의 의도를 파악하고, 그 의도에 맞게 Worker에게 맥락을 포함해서 위임
AI CTO ↔ 사용자 간 의도 정렬이 전체 시스템의 성패를 결정
앞으로의 계획이 있다면 들려주세요.
Knowledge Injection Protocol 정교화
Worker Agent 위임 시 필수로 전달해야 할 맥락을 템플릿화
프로젝트별 핵심 맥락 파일 정비
검토 프로세스 개선
Evaluator Agent를 활용한 1차 품질 검증 자동화
맥락 반영 여부를 체크하는 기준 수립
업무 구체화 프로세스 정립
AI CTO와의 1대1 논의 → 업무 정의서 작성 → Worker 위임
"막연한 기대"를 방지하는 체크리스트 도입
도움 받은 글 (옵션)
참고한 지피터스 글이나 외부 사례를 알려주세요.
Anthropic Claude Code 공식 문서
Multi-Agent AI Systems 설계 패턴 (arXiv 논문들)
GPTers 스터디 자료 (AI 자동화 워크플로우 설계)
