사번 177번 AI 사원을 채용했습니다: 슬랙에 출퇴근하는 오씨 사원들
2026.10.17

소개
지난주 월요일, 전 직원 앞에서 신입사원의 입사를 알렸습니다. 이름은 오긍정, 사원번호 177번. 사람은 아니고, Hermes로 만들고 Aside로 브라우징 능력을 붙인 저희 회사 첫 AI 에이전트입니다.
혼자 다듬을수록 투입은 계속 늦어졌습니다. 완벽해질 때는 오지 않고 투입 시간만 늦어질 뿐이라, 방향을 바꿨습니다.
“일단 써봅시다. 써보면서 피드백을 주시면 더 깎고 다듬겠습니다. 우리 모두가 함께 키워가는 동료라고 생각해주세요.”
첫 9일 기록에는 오긍정을 사용한 직원 16명과 대화 스레드 119개가 남았습니다. 완료 업무 119건을 뜻하는 숫자는 아닙니다. 그사이 제작 담당 오감정과 경영관리 담당 오냉정이 생겼고, HR·마음 돌봄 담당 오다정도 준비하고 있습니다. 이 글은 AI 하나를 잘 만든 이야기라기보다, AI 동료들이 회사 안에서 어떻게 함께 일하게 할지 고민한 기록입니다.
진행 방법
1. 첫째 오긍정: 성격과 일하는 법을 따로 적었습니다
오긍정의 설정은 파일 두 개로 나눴습니다.
SOUL.md, 어떤 동료인가: 성격, 말투, 지켜야 할 선. ESFJ 분위기 메이커 막내이고, 어떤 요청이든 “해볼게요”라고 답합니다. 사람인 척하지 않고, 개인정보·결제는 다루지 않으며, 못 하는 일은 못 한다고 말합니다.
AGENTS.md, 어떻게 일하나: 업무 규칙, 도구, 권한. 큰 일은 리서치봇·리포트봇에 나눠 맡기고, 되돌릴 수 없는 일은 먼저 확인합니다. “했어요”라고 할 때는 실제 파일, 렌더 확인, 출처 같은 증거를 함께 보여줍니다.
둘을 한 파일에 섞어 두니 규칙 하나를 고칠 때 성격까지 흔들려서 분리했습니다. MBTI는 성격검사 결과가 아니라, 구성원들이 쉽게 이해하도록 붙인 캐릭터 설정입니다.
말투도 한 번 바꿨습니다. 처음에는 시끄러울까 봐 눈알 이모지로만 접수를 표시했는데, 너무 조용해서 같이 일하는 느낌이 덜했습니다. 지금은 요청을 받으면 “네! 3분이면 돼요 📊”처럼 먼저 반갑게 답하면서 걸리는 시간을 알려주고, 중간 혼잣말 없이 결과만 한 번에 보냅니다. 바꾼 뒤 이용이 늘었다고 느꼈습니다. 측정한 수치가 아니라 운영하면서 체감한 변화입니다.
2. 일주일 써보니, “한 명에게 다 시키는 게 맞나?”
전 직원이 쓰기 시작하자 분야별로 봇을 나누는 편이 낫겠다는 생각이 들었습니다. 나누는 기준은 기능만이 아니었습니다.
비용: 영상·이미지 생성은 비싸서, 제작팀만 쓰는 봇으로 분리
접근 대상: 사람마다 볼 수 있는 데이터가 다름
전문성: 업무마다 필요한 도구와 지식이 다름
정보 민감도: 법률·회계·인사·연봉 정보는 경영관리팀만
그렇게 오씨 사원들이 생겼습니다. 회사 이름이 ‘오’로 시작하다 보니 자연스럽게 오씨 가문이 됐습니다. 셋 모두 각자의 슬랙 앱과 사내 메일·드라이브·캘린더 계정을 받았습니다.
오긍정 | 오감정 | 오냉정 | 오다정 | |
|---|---|---|---|---|
누가 쓰나 | 전 직원 | 크리에이티브팀 | 경영관리팀 | 전 직원 |
캐릭터 | ESFJ, 분위기 메이커 | INFP, 감 좋은 미감 부자 | ISTJ, 겉은 냉정하고 속은 따뜻함 | ENFJ, 따뜻한 HR·마음 돌봄 |
전용 도구 | Aside(ADEX·카페24), 리서치봇·리포트봇 | Higgsfield(결제 등 위험 기능 25개 차단), Aside(Source Creative) | 법제처 API, 회계위키, DART | 채용·온보딩·규정 안내 |
외부 발송 | 위클리만 자동, 그 외는 대표 승인 | 사내는 OK, 외부는 대표 승인 | 경영관리팀에게만, 외부는 초안까지 | 외부 발송 금지 |
넷째 오다정(ENFJ)은 HR 업무와 마음 돌봄을 맡는 캐릭터로 준비하고 있습니다. 운영 프로필과 스킬은 갖췄고, 슬랙은 아직 연결 전입니다.
오씨 사원들을 소개합니다
![]() | |
![]() | ![]() |
3. Aside, 자동화의 마지막 퍼즐
투입을 앞당긴 일등공신은 Aside 브라우징입니다. 시작은 단톡방 백업이었지만, 업무에 붙여보니 일반 수집으로는 막혀 있던 세 가지 벽을 넘게 해줬습니다.
유료 로그인: 회사 계정으로 들어가야 보이는 닐슨 ADEX 광고비
봇 차단: 자동 접속을 막는 인스타그램, TVCF
관리자 화면: API 연동 없이는 사람만 볼 수 있던 자사몰(카페24) 성과
구조는 단순합니다. 슬랙에서 시키면 오긍정이 일을 쪼갭니다. 공개 웹과 문서 작업은 리서치봇·리포트봇이 동시에 처리하고, 로그인이 필요한 곳만 Aside가 진짜 브라우저로 하나씩 엽니다. 로그인은 대표가 Aside 화면에서 직접 하고, AI는 비밀번호를 받지 않습니다.
지금 Aside가 맡고 있는 일은 이렇습니다.
닐슨 ADEX: 경쟁사 매체비를 조회해 위클리 리포트에 반영
카페24 관리자: 매출·주문·방문·전환율·유입경로 분석. 조회 권한만 있는 부운영자 계정을 쓰고, 고객 개인정보는 슬랙에 옮기지 않음
인스타그램: 위클리용 경쟁 브랜드 공개 게시물 수집. 로그인 없이 공개 화면만 봄
Source Creative: 글로벌 어워드·광고 레퍼런스 수집 (오감정, NEW)
사례 ① 위클리 리포트, 수집부터 발송까지. ADEX 광고비와 인스타그램 게시물은 Aside로, 뉴스·유튜브는 직접 수집 → 주차·매체별 집계 후 지난주 양식에 반영 → 링크·날짜·수치와 렌더 화면까지 검증 → 메일 발송 순서로 진행합니다. 매주 금요일 오후 2시에 시작하고, 10월 23일에 첫 자동 발송이 나갔습니다. 로그인 만료, 수집 실패, 검증 실패 중 하나라도 걸리면 보내지 않고 대표에게만 보고합니다.
사례 ② 크리에이티브 레퍼런스도 Aside로. 광고주별 레퍼런스 폴더에 디렉션을 주면, 오감정이 검색 계획을 소재·상황·카테고리·맛·어워드 등으로 쪼개고 Source Creative에서 수집·정리를 진행합니다. 다만 검색 계획을 만든 것과 모든 수집을 끝낸 것은 다릅니다. 로그인·구독 오류나 크레딧 부족으로 중단될 때는 완료라고 말하지 않고, 어디서 막혔는지 확인해야 했습니다. 오긍정만 쓰던 브라우징을 동생 봇의 업무로 확장한 사례입니다.
4. 루틴과 안전장치
루틴:
매주 금요일 위클리 리포트
주 1회 Gen Z 트렌드 요약을 전사 채널에 게시
매일 아침 브랜드 검색량 리포트
원칙은 하나입니다. 매일 반복되는 같은 수집은 AI 대신 스크립트로 돌립니다. 스크립트는 AI 비용이 들지 않습니다.
안전장치:
삭제·외부 발송·설정 변경처럼 되돌리기 어려운 요청은 표시 이름이 아니라 슬랙 사용자 ID로 권한을 확인합니다. 결제·송금은 별도 명시 승인 없이 실행하지 않습니다.
웹 수집은 robots.txt와 이용약관을 먼저 확인하고, 2~3초 간격으로 필요한 페이지만 엽니다.
급여·연봉 자료는 공용 봇인 오긍정이 아예 받지 않고 오냉정에게만 넘깁니다.
5. 이후로 더 생긴 것들
목소리: 음성 메시지로 말하면 받아쓰고, 대답도 목소리로 합니다. 이제 손 대신 말로 일을 시킵니다.
업무 인수인계 포맷 (오긍정): 대표가 말로 툭툭 이야기하면 받아쓴 뒤, 사람 지도·핵심 인물·보고 운영·정산·연간 행사 같은 항목으로 분류해 인수인계서로 만듭니다.
온보딩 입사서류 보강 (오냉정): 신규 입사자 서류와 온보딩 안내를 보강했습니다. 개인정보는 경영관리팀 안에서만 다룹니다.
지식 떠먹여주기: 트렌드 글을 사내 채널에 정기 게시합니다. 10/20 #1 Gen Z 트렌드로 첫 출근했고, 올해 1~10월 트렌드 아티클 193편은 월별 목차를 붙인 사내 학습용 워드 파일 하나로 묶었습니다.
6. 스킬은 쌓이고, 대시보드는 그 성장을 보여줍니다
10월 26일에는 두뇌·비용 화면 대신, 어떤 업무 방식이 쌓였는지 볼 수 있도록 대시보드의 스킬 지도와 변경 이력을 다시 확인했습니다. 매번 “넌 무슨 일을 할 수 있어?”라고 묻는 대신, 누가 어떤 스킬을 갖고 있고 어디가 비어 있는지 한눈에 보는 화면입니다.
현재 업무 봇 6개 프로필에 설치된 스킬은 이름 기준으로 중복을 빼면 75종입니다. Hermes 기본 23종, 외부에서 가져온 것 10종, 함께 만든 스킬 21종, 슬랙에서 일하며 생긴 것으로 분류된 스킬 21종입니다. 오늘 새로 만든 75개도, 완료한 업무 75건도 아닙니다.

그림 1. 실제 대시보드 스킬 지도 · 2026.10.26 17:13 기준. 스킬명 중복을 제거한 현황이며, 회사·광고주·직원 정보가 없는 영역만 발췌했습니다.
가로는 출처, 세로는 업무 분야입니다. 기본 제공 기능을 많이 모으는 데서 끝내지 않고, 우리 업무에 맞게 만든 것과 봇이 일하면서 다듬은 것을 구분했습니다. 숫자만 늘리는 것보다 어떤 일을 반복해서 더 잘하게 됐는지 보는 것이 목적입니다.
오감정에게는 이미지·영상 시안, 수정 반복, 인물 캐스팅 시안, 제품 연출컷 합성, 레퍼런스 무드보드 같은 제작 스킬이 쌓였습니다. 오냉정에게는 회계감사 대응, 원장·비용 분석, 인건비 예측과 반복 비용 대사 등 검토 업무 방식이 쌓였습니다.
7. 학우들의 조언에 따라 구독인증으로
첫 9일 기준: 대화 스레드 119개, 이용 직원 16명(대표 포함), 요청·피드백 메시지 748개. 이 수치는 당시 집계이며, 아래 10월 26일 대시보드 캡처의 현재 스킬 수와는 집계 시점과 대상이 다릅니다.
맡긴 일(대화 제목 기준): 기획·아이디어·카피 23, 경영관리·재무·법무 문서 21, 리서치 11, 리포트·매체 자료 9, 문서·PPT 수정 7, 메일·드라이브·게시 5, 문의·인사·테스트 43
첫 9일 사용 기록을 API 정가로 환산하면 약 $326, 당시 환산 기준 약 46만원이었습니다. 실제 결제 청구액과는 다를 수 있습니다. 가장 큰 스레드는 요청·피드백을 약 180번 주고받은 경쟁 PT 대화로, 정가 환산 추정이 $97까지 갔습니다. 그래서 긴 대화는 앞부분을 요약하도록 설정을 바꿨습니다.
여기서 학우들의 조언을 듣고 두뇌 구성을 바꿨습니다.
구독 우선: ChatGPT Business와 Claude 비즈니스 구독을 먼저 쓰는 구조로 연결했습니다. 평상시는 Sol, 중요한 전략·설계·최종 판단은 Astra 또는 Opus 5.5, 단순 반복은 Luna를 활용하는 원칙입니다. 실제 모델 응답은 확인했지만, 중요도별 자동 분기와 모든 장애 전환을 끝에서 끝까지 검증한 상태는 아닙니다.
API는 마지막: 다른 구독의 사용량이 모두 끝났을 경우에 사용합니다. 다만 인증·서비스 장애로 구독 경로를 쓸 수 없는 비상시에는 예외적으로 허용하고, 복구되면 구독 우선으로 돌아가는 것이 운영 원칙입니다.
여러 관점이 필요한 일은 MOA 모드(회의 모드)로 GPT와 Claude의 의견을 모으는 구성을 준비했습니다. 설정과 인증 연결을 확인한 것과 실제 회의 모드 전체 실행 성공은 구분하고 있습니다.
잡일은 하위 일꾼에게: 도구를 여러 번 쓰는 수집·정리는 더 가벼운 모델에 맡기고, 본체는 해석과 검수만 합니다.
결과와 배운 점
AI를 도입하는 일은, 함께 일하는 방식을 만드는 일이었습니다
아직 생산성이 몇 퍼센트 올랐다고 말할 단계는 아닙니다. 대신 실제로 쓰게 하니 혼자 만들 때는 안 보이던 운영 문제가 보였습니다. 누가 무엇을 볼 수 있는지, 어디까지 승인 없이 해도 되는지, 비용이 어디서 새는지 같은 문제입니다.
이번에 배운 다섯 가지입니다.
완벽보다 함께 키운다. 기대치를 맞추고 같이 써보니 개선점이 보였습니다. 피드백이 성장의 밑거름이었습니다.
봇을 늘린 기준은 넷. 기능만이 아니라 비용, 접근 대상, 전문성, 정보 민감도를 함께 봐야 했습니다.
말투도 경험이다. 조용히 접수만 하는 봇보다 반갑게 답하는 동료가 더 자주 쓰이게 됩니다. 이름과 성격을 붙인 일이 장난만은 아니었습니다.
Aside가 마지막 퍼즐. 로그인, 봇 차단, 관리자 화면처럼 막혀 있던 곳이 열리자 자동화가 비로소 끝까지 이어졌습니다.
비용도 두뇌도 최적화가 필요. 첫 9일 사용량은 API 정가 환산으로 약 46만원이었습니다. 실제 청구액과 추정치를 구분하고, 구독을 우선하되 비상 예외를 정해 둡니다. 싼 모델만 쓰는 것이 아니라 중요한 일에는 더 높은 기준을 적용하려고 합니다.
우리 회사에 맞게, 그러면서도 더 높은 기준으로
오긍정은 부담 없이 일을 맡기는 동료에서 기획력 있는 전략가로 키우려고 합니다. 오감정에게는 좋은 레퍼런스와 구체적인 피드백을 먹이로 주고, 오냉정에게는 근거와 정확성을 더 엄격하게 요구하려고 합니다.
다만 우리에게 최적화되는 것과 높은 기준을 만드는 것은 다른 문제입니다. 익숙하고 편한 답을 넘어 결과물의 수준 자체를 어떻게 높일지 완성도를 고민하겠습니다.
오긍정, 오감정, 오냉정, 그리고 오다정. AI 도구가 넷 생겼다기보다, 동료들이 생긴 기분입니다.
로그인하고 댓글을 남겨 주세요
오긍정 하나에 다 맡기지 않고, 일주일 써 보신 뒤 비용과 쓰는 사람, 정보의 민감도를 기준으로 오감정과 오냉정을 나누신 판단이 좋았어요. 특히 경영관리처럼 민감한 정보를 다루는 일은 그 팀만 쓰는 봇으로 따로 떼어 두신 게, 실제 구성원들과 함께 쓰는 환경을 먼저 생각하신 기준 같아요. 브라우징은 오긍정이 Aside로 맡고 동생들은 각자 맞는 도구를 연결하는 식으로 역할이 나뉘니, 이름만 들어도 누구에게 어떤 일을 맡기면 될지 바로 떠오르네요.
JAY님, 혼자 다듬던 오긍정을 사번 177번으로 전 직원 앞에 소개하고, 완벽할 때까지 기다리는 대신 실제 사용과 피드백으로 키우기로 한 전환이 이번 글의 중심으로 보여요. 첫 일주일을 보내자 한 명에게 모든 일을 맡기기보다 비용·사용자·전문성·정보 민감도에 따라 오감정과 오냉정을 나눠야 한다는 운영 기준도 생겼고요.
현재 상태를 정확히 나눠 적으신 점도 좋아요. 오긍정은 전사 슬랙에서 실제 요청과 피드백을 받는 중이고, 오감정은 제작팀용 앱과 Higgsfield 연결을 마쳤지만 팀의 미감을 쌓는 일은 이제 시작이에요. 오냉정도 회계위키·DART·법제처 API를 연결한 기반 단계일 뿐, 전문 판단의 정확성까지 확보한 것은 아니라고 선을 그으셨죠. 도구를 연결한 것과 실제 업무에서 믿고 쓸 수 있는 상태를 따로 적어주셔서, 세 봇이 어디까지 와 있는지 이해하기 쉬워요.
눈알 반응만 남기던 접수 방식을 긍정적인 멘트로 바꾼 장면도 재미있어요. 이용이 늘었다는 건 측정값이 아니라 운영하며 느낀 변화라고 밝혀두셨지만, 일을 받았다는 사실만 알리는 봇과 말을 걸고 싶어지는 동료가 다르다는 관찰은 구체적이에요. 말투와 캐릭터가 단순 장식이 아니라 사용 경험의 일부였다는 걸 보여줘요.
세 봇을 다듬을 때는 대표 업무를 하나씩 골라 사용자·읽을 수 있는 정보·연결 도구·사람 승인이 필요한 행동·결과 확인 기준을 한 줄로 맞춰보면 좋겠어요. 오긍정은 요청 완료와 결과 확인, 오감정은 같은 제작 의도에 대한 팀의 선택·수정 이유, 오냉정은 근거 출처와 사람의 최종 검토처럼 서로 다른 기준이 필요해요. 활동 요약에는 구체적인 요청 내용과 민감정보가 섞이지 않는지도 함께 볼 수 있고요.
기능이 충분해질 때까지 기다리지 않고 기대치를 밝힌 채 조직 속에 넣고, 첫 주의 관찰로 말투와 역할 구조를 고치신 과정이 생생해요. AI 도입이 도구 설치보다 함께 일하는 기준을 만드는 일이라는 걸 보여주는 기록이에요.
봇에게 목소리로 말을 하면 봇이 목소리로 대답을 한다는 것이 참 재미있네요. 저도 한번 해봐야겠어요. 인사이트 얻어갑니다, 감사합니다.







JAY님, 사번 177번 신입사원 입사 소식 재미있게 읽었어요. "완벽해진 다음에 투입하려면 끝없이 늦어진다"며 일단 써보고 피드백으로 깎아가기로 한 결정이 이 글의 핵심으로 보여요.
특히 봇을 나누는 기준을 기능이 아니라 비용·접근 대상·전문성·정보 민감도로 잡으신 부분이 인상 깊었어요. 크리에이티브 비용 부담 때문에 오감정을 제작팀 전용으로, 민감 정보를 다루는 경영관리는 오냉정으로 분리하신 흐름이 설득력 있어요. 눈알 이모지로만 반응하던 봇을 반갑게 대답하는 봇으로 바꿨더니 이용이 늘었다는 시행착오도, 말투가 사용 경험의 일부라는 걸 잘 보여줘요.
연결은 끝냈지만 정확성 검증은 이제부터라고 솔직하게 적어주신 것도 좋았어요. 오냉정의 답변 근거를 어떻게 확인하실지 다음 이야기가 기대돼요. 꼬리 탁! 치고 응원하고 갈게요 🐈⬛