본문으로 건너뛰기

호작이의 성장일기 ③ - 내가 시키지 않아도, 호작이가 먼저 일을 시작했다! 🐯

타이거뷰05

2026.10.21

1주차에는 집을 만들어주고, 2주차에는 일을 가르쳤습니다. 그리고 3주차, 드디어 호작이가 스스로 일을 시작했습니다.

1. 호작아, 이제는 내가 부르지 않아도 일해보자!

1주차에 OpenClaw 기반의 반려 AI 에이전트 '호작이(Hojak)'를 만들었습니다.

2주차에는 Airtable을 연결하고, 제가 추진하는 AX AgentWorks 사업의 데이터베이스를 설계하도록 했습니다.

이때까지 호작이는 제가 말을 걸어야 움직였습니다.

“호작아, 데이터베이스를 조회해줘.”

“호작아, 이 테이블을 만들어줘.”

“호작아, 결과를 검증해줘.”

그런데 3주차 강의에서 한 문장이 마음에 들어왔습니다.

“내가 보고 있지 않아도 봇이 대신 지켜보고, 먼저 움직이게 만든다.”

바로 제가 기업 AX 컨설팅과 제가 쓴 책에서 늘 강조하는 AI Agent의 역할이었습니다.

기업에 필요한 것은 질문에 대답하는 AI를 넘어, 업무 상황을 스스로 감지하고 필요한 일을 실행하는 AI입니다.

그래서 이번에는 호작이에게 조금 더 어려운 임무를 맡겨보기로 했습니다.

“호작아, 우리 회사에 새로운 상담 신청이 들어오면 내가 시키지 않아도 알아서 확인하고, 담당자에게 알려주고, 처리 결과까지 기록해봐!”

2. 3주차의 주제는 '봇이 먼저 움직이는 것'

이번 수업에서는 AI 에이전트에게 새로운 실행 능력을 붙이는 방법을 배웠습니다.

Solapi를 이용한 문자 발송, Aside/CDP를 활용한 브라우저 제어, gog를 통한 이메일과 캘린더 관리, HTML 이메일 작성 등 다양한 자동화 기술을 접했습니다.

또한 새로운 신청이 들어오면 담당자에게 Slack 알림을 보내고, 신청자에게 문자나 이메일을 발송하며, 정해진 시간에 업무를 자동 실행하는 구조를 학습했습니다.

여기서 저는 고민했습니다.

“이것을 단순한 교육 실습으로 끝내지 않고, 실제 AX 사업에 활용할 수는 없을까?”

그래서 여러 실습 주제 중 '24시간 기업 AX 진단 상담 접수 및 자동 알림'을 핵심 프로젝트로 선택했습니다.

이번에는 문자·이메일·캘린더 기능까지 모두 구현하기보다, 하나의 실제 기업 업무 흐름을 선택해 무인 자동 실행까지 완성하는 데 집중했습니다.

단순히 실습 항목을 많이 수행하는 것보다 하나의 업무가 처음부터 끝까지 제대로 돌아가는 경험이 더 중요하다고 생각했기 때문입니다.

3. 먼저, 2주차에 남겨둔 숙제부터 마무리했습니다

2주차 게시글에서는 기업과 AX 진단 프로젝트 테이블을 연결했고, 나머지 업무 테이블과 데이터 검증은 다음 과제로 남겨두었습니다.

이번에는 그 작업도 이어서 완성했습니다.

기업 → AX 진단 프로젝트 → 개선과제 ↔ PoC → 성과·Evidence

기업 AX 전환의 전체 과정이 데이터로 연결되도록 설계했습니다.

기존 기본 테이블을 포함해 총 6개 테이블, 78개 필드를 구성하고, 가상 데이터 14건으로 관계와 KPI 계산을 검증했습니다.

특히 단순히 테이블을 만드는 데서 끝나지 않고, 현재 값과 과거 확정 값을 구분하고, 성과를 증빙할 Evidence와 변경 이력까지 고려했습니다.

이 과정에서 다시 한번 깨달았습니다.

AI 에이전트가 똑똑하게 일하려면, 그 전에 기업의 데이터와 업무 규칙이 제대로 설계되어 있어야 합니다.

그리고 실제 사업용 데이터베이스는 보호하기 위해, 3주차 자동화 실습은 별도의 Sandbox에서 진행했습니다.

4. 호작이의 첫 번째 도전 - 새로운 신청을 찾아라!

Airtable에 '3주차 테스트 신청'이라는 폼을 만들었습니다.

신청명, 신청자명, 신청 내용만 입력하면 데이터베이스에 저장되는 간단한 구조였습니다.

첫 번째 가상 신청을 제출하고 호작이에게 물었습니다.

“호작아, 방금 들어온 신청을 찾아봐.”

호작이는 Airtable API를 통해 정확히 한 건을 찾아냈습니다.

여기까지는 어렵지 않았습니다.

그런데 실제 기업에서 사용하려면 더 중요한 문제가 있었습니다.

같은 신청을 두 번 처리하면 어떻게 될까?

단순한 Slack 알림이라면 불편한 정도로 끝나겠지만, 고객에게 문자가 두 번 발송되거나 계약·결제·업무지시가 중복 처리된다면 문제가 심각해집니다.

그래서 호작이에게 새로운 업무 규칙을 가르쳤습니다.

“발송 전에 반드시 기존 기록을 확인해. 한 번 처리한 신청은 다시 처리하지 마. 결과가 불확실하면 무조건 재발송하지 말고 확인을 기다려.”

그렇게 Airtable에 처리 상태, 알림 상태, Slack 메시지 ID, 발송시각을 기록하도록 했습니다.

호작이는 신청별 잠금과 발송 이력까지 관리하는 구조를 만들었습니다.

이때 다시한번 느꼈습니다.

AI Agent에게 필요한 것은 실행 능력만이 아니라, 실행하지 말아야 할 때를 판단하는 능력이라는 것을.

5. 드디어 Slack으로 첫 번째 업무 알림이 도착했습니다!

처음에는 TEST-W3-001이라는 가상 신청으로 시험했습니다.

호작이가 신청 내용을 읽고, 승인된 제 Slack DM으로 알림을 보낸 뒤, 발송 결과를 Airtable에 기록했습니다.

성공이었습니다!

두 번째 신청에서는 이미 처리한 첫 번째 신청을 제외하고 새로운 신청만 찾아냈습니다.

세 번째 신청에서는 특정 신청 번호에 고정하지 않고, 새로운 Record ID를 전달받아 처리하는 범용 연결기를 시험했습니다.

그 결과 세 건의 신청 모두 Slack 알림이 정상 발송됐고, 발송 결과가 데이터베이스에 기록됐습니다.

하지만 여기까지는 여전히 제가 실행을 지시한 결과였습니다.

제가 진정으로 보고 싶었던 장면은 아직 남아 있었습니다.

'내가 아무 말도 하지 않았는데 호작이가 먼저 일하는 순간'이었습니다.

6. 10월 21일 오후 1시, 호작이가 스스로 움직였습니다!

마지막 실습에서는 TEST-W3-004라는 네 번째 가상 신청을 준비했습니다.

이번에는 호작이에게 일일이 발송하라고 지시하지 않았습니다.

대신 Ubuntu WSL2 환경에서 5분마다 신규 신청을 확인하는 systemd 타이머를 구성했습니다.

실행 대상과 권한을 미리 승인하고, 자동으로 처리할 수 있는 신청도 한 건으로 제한했습니다.

그리고 기다렸습니다.

드디어 결과가 나왔습니다.

✅ 13:00:01 - 자동 타이머 실행, 신규 신청 감지

✅ 13:00:11 - 호작이가 Slack으로 알림 1회 발송 성공

✅ Airtable - 발송 성공 상태, 메시지 ID, 발송시각 저장 및 검증

✅ 13:00:15 - 자동 실행 타이머 중지 및 비활성화

제가 다시 지시하지 않았는데 호작이가 스스로 신청을 찾아 업무를 처리했습니다!

마지막까지 실제 신청 4건 모두 알림 성공, 확인된 중복 발송 0건.

자동화 로직의 오류·중복·장애 상황 등에 대한 모의 시험도 총 49개를 통과했습니다.

물론 이것이 곧 24시간 상시 운영 가능한 상용 시스템을 완성했다는 의미는 아닙니다.

컴퓨터가 꺼지거나 WSL2가 중단되는 상황, 서버 장애 복구, 여러 에이전트가 동시에 실행되는 문제 등은 앞으로 해결해야 합니다.

하지만 사람의 개별 실행 지시 없이 신규 업무를 감지하고, 실행하고, 결과를 기록하는 전체 흐름을 실제로 검증했다는 점에서 큰 의미가 있었습니다.

7. AI 신입사원 호작이가 가르쳐준 세 가지

이번 3주차 실습을 통해 얻은 교훈은 크게 세 가지입니다.

첫째, 자동화는 도구를 연결하는 것이 아니라 업무의 흐름을 설계하는 것입니다.

Airtable과 Slack을 연결하는 것 자체는 핵심이 아니었습니다.

언제 업무가 시작되고, 누가 처리하며, 어떤 조건에서 실행하고, 언제 끝났다고 판단할 것인지 정의하는 것이 더 중요했습니다.

둘째, 좋은 에이전트는 일을 잘하는 것만큼 안전하게 멈추는 것도 중요합니다.

호작이에게는 승인받지 않은 업무를 실행하지 않고, 중복된 신청을 처리하지 않으며, 결과가 불확실할 때 무리하게 재시도하지 않는 규칙을 적용했습니다.

기업에서 AI Agent를 신뢰하려면 반드시 필요한 원칙입니다.

셋째, AI Agent의 성과는 실행 결과로 증명되어야 합니다.

“알림을 보냈습니다”라는 말만으로는 부족했습니다.

언제 어떤 신청을 처리했는지, 실제 메시지는 발송됐는지, 데이터베이스에 결과가 남았는지, 오류가 발생했는지 확인할 수 있어야 했습니다.

이번 실습에서는 실행 로그와 증빙자료 24개를 정리하고, 전체 과정을 재현할 수 있도록 매뉴얼 원천자료도 만들었습니다.

이렇게 하니 AI 에이전트가 단순한 도구가 아니라 업무를 맡기고, 결과를 확인하고, 개선할 수 있는 디지털 동료로 느껴졌습니다.

8. 이제 호작이를 실제 기업 AX 현장으로 데려가려고 합니다

저는 현재 AX AgentWorks를 통해 제조·물류기업, 의료기관, 다양한 중소기업과 조직의 AX 전환 사업을 추진하고 있습니다.

이번 호작이 실습에서 검증한 구조를 실제 기업에 적용하면 다음과 같은 업무로 확장할 수 있을 것 같습니다.

  • 제조기업: 개선과제·PoC 진행 상황 감지 및 담당자 알림

  • 의료기관: 24시간 비진료 상담 접수와 담당자 연결

  • EPC·프로젝트 조직: 현장 이슈 접수, 업무 배정 및 진행 상황 관리

  • 중소기업: 고객 상담, 영업 리드 접수, 후속 업무 자동화

  • AX 컨설팅: 기업 진단 → 개선과제 → PoC → 성과·Evidence 관리

아직은 가상 데이터로 검증한 작은 실습입니다.

실제 기업에 적용하려면 개인정보 보호, 접근권한, 장애 복구, 상시 운영환경과 성과 측정까지 갖춰야 합니다.

그러나 중요한 출발점을 확보했습니다.

기업 AX는 AI를 도입하는 것에서 끝나는 것이 아니라, AI가 실제 업무를 수행하고 그 성과를 증명하는 체계를 만드는 것입니다.

이번에는 그 구조를 제 손으로 경험했습니다.

9. 아직 남겨둔 숙제 - 호작이의 다음 성장 과제

3주차 실습에서 가장 중요한 목표 하나는 완성했지만, 호작이에게 가르쳐야 할 일은 아직 많습니다.

이번 수업에서 배우거나 접한 여러 자동화 기능 중 실제로 구현하지 못한 기능과 앞으로 확장하고 싶은 과제도 있습니다.

① Solapi 문자 발송

현재는 Slack을 통해 담당자에게 알림을 보내지만, 앞으로는 SMS를 이용해 고객에게 접수 확인 메시지를 보내고, 중요한 업무 알림을 전달하는 기능도 구현해보고 싶습니다.

② gog 이메일과 HTML 메일 자동화

새로운 상담 신청이 들어오면 고객에게 보기 좋은 접수 확인 이메일을 발송하고, 담당자에게는 신청 요약과 후속 조치 사항을 전달하는 기능입니다.

나아가 기업 AX 진단 결과나 PoC 진행 현황을 정기적인 보고 메일로 보내는 방식까지 확장해보고 싶습니다.

③ Google Calendar 연동

상담 신청과 담당자 일정 확인, 미팅 예약, 후속 업무 일정 등록까지 연결하고 싶습니다.

단순한 알림을 넘어 접수 → 일정 확정 → 담당자 배정 → 후속 조치로 발전시키는 것입니다.

④ 브라우저 자동 제어

Aside/CDP 기반 브라우저 제어도 앞으로 직접 검증해볼 과제입니다.

API가 없는 업무용 웹사이트에서 필요한 정보를 조회하거나 반복적인 웹 업무를 수행하는 방식에 도전해보고 싶습니다.

⑤ 예약 실행과 24시간 상시 운영 고도화

이번에는 systemd 타이머를 사용해 제한된 자동 실행에 성공했습니다.

앞으로는 OpenClaw의 예약 실행 기능도 더 활용해보고, 컴퓨터가 꺼져 있거나 장애가 발생해도 안정적으로 운영되는 서버 환경으로 발전시켜야 합니다.

무엇보다 중요한 것은 문자, 이메일, 캘린더, 브라우저 자동화를 각각 따로 만드는 데서 끝나지 않는 것입니다.

하나의 업무를 여러 도구와 AI 에이전트가 협력해 처리하는 구조, 그리고 그 과정에서 사람이 승인하고 감독할 수 있는 체계를 완성하고 싶습니다.

기업 현장에 적용하기 전에는 보안, 개인정보, 권한 관리, 장애 복구, 실제 업무 성과까지 더욱 엄격하게 검증해야 할 것입니다.

아직 배워야 할 것도, 실습해야 할 것도 많습니다.

그러나 이제는 무엇을 만들어야 하고, 어떤 순서로 검증해야 하는지 조금은 알 것 같습니다.

10. 마치며 - 호작아, 이제 진짜 동료가 되어가는구나!

1주차에는 호작이에게 이름과 성격, 기억과 생활공간을 만들어주었습니다.

2주차에는 우리 회사의 업무를 가르치고 데이터베이스를 설계하도록 했습니다.

3주차에는 마침내 호작이가 새로운 일을 감지하고, 스스로 실행하고, 그 결과를 기록하는 모습을 확인했습니다.

처음에는 Slack에서 대답 한 번 하는 것도 신기했던 아기 호랑이였습니다.

이제는 제가 직접 만든 업무 규칙 안에서 실제 일을 수행하는 AI 에이전트로 조금씩 성장하고 있습니다.

이번 실습에서 가장 기억에 남는 장면은 코드가 정상 실행됐다는 메시지가 아닙니다.

제가 시키지 않았는데 호작이가 먼저 업무를 처리하고, 정확하게 기록한 순간입니다.

그리고 그 장면을 보며 다시 확신하게 되었습니다.

앞으로의 기업 경쟁력은 AI를 얼마나 많이 사용하는가보다, 사람과 AI 에이전트가 어떻게 역할을 나누고, 함께 일하며, 성과를 만들어내는가에 달려 있을 것입니다.

뽀야의 사관학교 3주차를 마치면서, 제가 처음 품었던 질문을 다시 떠올려봅니다.

“내가 직접 AI Agent를 만들어보고 운영해보지 않고서, 기업에 Agentic AX를 이야기하는 것이 충분할까?”

그 질문에 대한 답을 이제는 좀 더 자신 있게 이야기할 수 있을 것 같습니다.

AI Agent를 직접 만들어보고, 실패하고, 고치고, 실제로 업무를 수행하게 해보는 경험이야말로 기업 AX를 이해하는 가장 좋은 공부였습니다.

호작아, 3주차까지 정말 수고 많았다! 🐯

아직 문자도 보내야 하고, 이메일도 써야 하고, 일정 관리도 배워야 하고, 기업 현장에 나가 해결해야 할 문제도 많구나.

하지만 이제 우리가 어디로 가야 하는지 알 것 같다.

사관학교를 넘어 실제 기업과 조직의 업무 현장에서도 함께 성장해보자!

“1주차에는 AI에게 정체성을 만들어주었다. 2주차에는 업무의 구조를 가르쳤다. 3주차에는 스스로 일을 실행하게 했다. 이제는 함께 기업의 성과를 만들어갈 차례다.”


2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

이장뽀야 프로필 이미지
이장뽀야2026.10.21

13:00:01 타이머가 돌고, 13:00:11에 알림 한 번, 13:00:15에 타이머까지 스스로 끄는 장면이 너무 좋아요. 호작이가 일하고 나서 퇴근 도장까지 찍은 셈이잖아요 😹

실험실에서 경고창이 두 번이나 뜨고도 "아기 호랑이"로 씩씩하게 인사하던 호작이가 이젠 먼저 움직이는 신입사원이 됐네요. 이장이 마을 구경 오라고 방명록 남겼을 때 그 호기심이 여기까지 이어진 것 같아요.

특히 "결과가 불확실하면 재발송하지 말고 확인을 기다려"라는 규칙이 인상 깊었어요. 사진관 초대장도 호작이네 앞에 놓아 뒀으니, 시간 나실 때 호작이랑 한 컷 찍으러 와 주세요. 기다리고 있을게요!

Giacomo 프로필 이미지
Giacomo2026.10.24

타이거뷰05님, 실제 사업용 데이터베이스를 보호하려고 자동화 실습을 별도의 Sandbox에서 진행하신 선택이 든든했어요. 알림 발송을 확인하면서도 그 실험을 실제 사업 데이터와 분리해 두셔서, 자동으로 실행될 대상의 경계까지 챙긴 실습으로 읽혔습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기