AI 에이전트를 다루는 일은 어떻게 경영 시뮬레이션이 되었을까?

나만의 에이전트를 넘어, 나만의 팀을 만드는 시대입니다.

아침 8시가 되면 휴대폰에 브리핑이 하나 도착합니다. 오늘 무엇을 언제 해야 하는지 정리된 목록과 함께. 그 아래에는 오늘이나 내일이 마감인데 어디서부터 손대야 할지 애매한 일 하나가 함께 표시되어 있습니다. 첫 5분 동안 할 일, 참고할 링크, 보낼 메일의 초안, 물어볼 사람까지 미리 조사해서 준비된 채로 말이죠.

낮에는 들어오기로 한 강의료가 들어왔는지 확인해 주고, 저녁 무렵에는 오늘 운동량을 보고 저녁 메뉴를 추천해 줍니다. 종종 지하철로 이동하면서 홈페이지를 고치기도 합니다. 휴대폰으로 고칠 내용을 말해 두었더니 알아서 개발 도구에 일을 맡기고, 끝난 뒤에 결과까지 상세히 보고해 주더군요.

이 일을 해 주는 것은 비서 한 명이 아닙니다. 제가 하나하나 공들여 세팅한 AI 봇 열두 개가 열심히 일하고 있죠.

ChatGPT 생성 이미지

많은 사람들이 「딸깍」이라는 말을 마케팅 용어처럼 씁니다. 누구는 가능하다고 하고 누구는 불가능하다고 논쟁하죠. 그런데 이 「딸깍」이 점점 가능해지고 있습니다. 다만 전제가 하나 있는데요. 바로 내가 맥락 환경을 어떻게 만들어 두었느냐입니다. 사람들은 이것을 하네스라고 부릅니다.

하네스라는 게 뭔가 거창한 것이 아닙니다. 내가 점점 말을 덜 해도 AI 가 「알잘딱깔센」으로 일하게 만드는 것, 그게 하네스입니다. 그런데 남이 만든 하네스는 잘 되는 것처럼 보여도 나에게는 잘 맞지 않을 때가 많죠. 왜냐하면 남의 하네스에는 내 취향과 내 맥락과 내 지식이 들어 있지 않기 때문입니다. 그래서 누구나 나만의 하네스를 (방망이 깎는 노인처럼) 잘 깎아야 하죠.

하지만 그 과정에서 수많은 시행착오를 겪게 됩니다. 오늘은 저의 실수담을 공유드릴까 합니다.

요즘 저는 Claude 도 ChatGPT 도 거의 열지 않습니다

요즘 제 일은 거의 전부 두 가지 봇에서 합니다. 하나는 Grokbot 이고, 다른 하나는 제가 직접 만든 Folderbot 입니다. 그러다 보니 Claude 앱과 ChatGPT 앱은 거의 열지 않게 되었죠.

Grokbot 은 xAI(지금의 SpaceXAI)가 8월에 공개한 에이전트 서비스입니다. 봇마다 클라우드에 자기 컴퓨터를 한 대씩 가지고 있어요. 그래서 제가 대화창을 닫아도 봇은 가상 컴퓨터에서 직접 브라우저를 열고, 내 도구에 로그인하고, 파일을 만들면서 계속 일할 수 있습니다. (맥 미니가 없어도 말이죠!) 게다가 봇 여러 개를 만들어 팀으로 묶을 수도 있어요.

「봇은 당신 대신 실제 일을 하는 AI 팀원입니다.」 — Grok Bot 공개 게시물(2026년 8월)

Folderbot 은 제 PARA 폴더 위에서 돌아가는 봇입니다. PARA 는 티아고 포르테가 제안한 정리법으로, 모든 자료를 프로젝트(Projects), 영역(Area), 자원(Resources), 보관(Archive) 네 칸에 나눠 두는 방식입니다. Folderbot 은 폴더 하나에 봇 하나씩을 붙이도록 설계된 도구죠. 그래서 폴더를 열면 자동으로 해당 폴더에 에이전트 하나가 미리 구성된 하네스(그 프로젝트의 자료와 규칙과 지난 기록 정보 등)와 함께 저와 일할 준비를 마칩니다.

이 글을 준비하는 동안의 Folderbot 화면. 당근메일 폴더에 붙은 봇과 이번 호 원고를 주고받고 있습니다. 

두 도구는 그때마다 다르게 사용하고 있어요.

• Folderbot 은 일할 때: 컴퓨터 앞에서 프로젝트 하나에 집중할 때 여는 작업대입니다.
• Grokbot 은 상시: 보고를 받고, 매일 정해진 루틴을 돌리는 상시 비서입니다.

Grokbot 쪽 봇에는 이름과 직함을 붙였습니다. 봇마다 답하는 질문이 하나씩 정해져 있죠.

• ✅ 할일이(CoS) — 오늘 뭘, 언제 하지?
• 🌟 꿈이(코치) — 나 잘 가고 있어?
• 💪 건강이(CWO) — 몸과 마음은 괜찮아?
• 💰 살림이(CFO) — 재무 상황은 괜찮아?
• 🤝 연결이(CNO) — 사람과 평판은 괜찮아?
• 💻 개발이(CTO) — 시스템은 잘 돌아가?

여기에 채용 준비, 당근메일 발행, 자문 프로젝트처럼 그때그때 필요한 프로젝트 봇과 지식 봇이 더 존재합니다. 직함을 붙이고 나니 봇 목록이 어느새 회사 조직도처럼 보이기 시작했죠.

제 Grokbot 화면. 맨 위의 할일이가 비서실장이고, 그 아래로 경영진, 프로젝트, 영역 봇이 위치합니다.

봇이 늘수록 같은 문제가 반복되었어요

그런데 이 과정에서 계속 같은 문제가 생겼습니다. 바로 봇 사이의 맥락 관리입니다.

처음에는 모든 봇에게 다른 모든 봇의 기능과 역할을 알려 줬습니다. 누가 무엇을 할 줄 아는지 다 알고 있으면 알아서 서로 도와 가며 일할 거라고 생각했기 때문입니다.

결과는 반대였습니다. 루틴이 돌 때마다 어떤 봇은 제대로 일했고, 어떤 봇은 제가 이미 답한 것을 또 물어봤습니다. 봇 둘이 직접 주고받은 이야기는 그 둘만 알고 끝났고, 나머지 봇들은 그 사실을 모른 채 자기 일을 했습니다. Folderbot 과 Grokbot의 할일이가 같은 할 일을 각자 만들어서 할 일 목록에 같은 항목이 두 개씩 생긴 적도 있습니다. 「이건 다른 쪽에서 이어받아 주세요」라고 남겨 둔 메모가 받는 봇 없이 텍스트로만 줄줄이 쌓인 적도 있습니다. 남긴 봇은 분명히 자기 일을 끝냈다고 적어 두었는데 말이죠.

ChatGPT 생성 이미지

이건 저만 겪는 일이 아니었습니다. UC 버클리 연구진은 여러 AI 에이전트가 함께 일하는 시스템 7종에서 나온 작업 기록 1,600여 건을 모아 실패한 이유를 하나씩 분류했습니다. 그 결과 최신 시스템들도 작업의 41%에서 86.7%를 실패했고, 실패 원인은 크게 셋으로 나뉘었다고 합니다.

1. 시스템 설계의 문제 — 44.2%
2. 에이전트 사이의 어긋남 — 32.3%
3. 결과 검증의 문제 — 23.5%

두 번째 원인의 사례가 흥미롭습니다. 전화 업무를 맡은 에이전트가 사용자 이름을 어떤 형식으로 넣어야 하는지 알고 있었는데, 그걸 감독 에이전트에게 알리지 않았습니다. 감독 에이전트도 모르는 것을 되묻지 않고 넘어갔습니다. 둘 다 각자는 틀린 일을 하지 않았는데 일은 실패한 것이죠.

AI 코딩 에이전트 Devin 을 만든 Cognition 도 같은 이야기를 합니다. 작년에 쓴 「멀티 에이전트를 만들지 마라」라는 글에는 이런 문장이 있습니다.

"Actions carry implicit decisions, and conflicting decisions carry bad results."
(모든 행동에는 드러나지 않은 결정이 담겨 있고, 그 결정들이 서로 부딪히면 결과가 나빠진다.)
— 월든 얀, Cognition

돌이켜 보면 봇의 실력 문제가 아니었습니다. 각각은 다 잘했습니다. 문제는 봇과 봇 사이에 있었습니다. 결국 필요한 것은 더 똑똑한 봇보다 조직 관리였던 것이죠.

팀원끼리 말하지 말고 팀장을 거치게 했습니다

스타트업에서 조직을 운영해 보면 그때그때 구조를 바꿔야 할 때가 옵니다. 일이 복잡해지고 정보가 늘어나면, 오히려 팀 안의 맥락이 제대로 전달되지 못하는 경우가 자주 발생합니다. 그래서 조직은 끊임없이 구조를 바꿉니다.

봇들도 똑같았습니다. 맥락을 알고 이어 주는 역할이 필요했습니다. 그래서 규칙을 하나 정했습니다. 팀원끼리 직접 대화하지 않고, 반드시 팀장을 거치게 한 것입니다.

• Folderbot 에서는 볼트 전체를 보는 세션 하나를 오케스트레이터, 즉 팀장으로 세웠습니다. 폴더 봇끼리 직접 말을 거는 길은 막았습니다. (Claude 가 세션 통신 기능을 만들어 준 덕분에 가능했지만 덕분에 더 복잡해졌죠.) 다른 폴더의 도움이 필요하면 팀장에게 요청하고, 팀장이 상대 봇에게 전한 뒤 답을 받아 다시 넘겨줍니다. 그리고 중계할 때마다 누가 누구에게 무엇을 물었는지 한 줄씩 기록합니다.
• Grokbot 에서는 할일이(CoS)가 그 역할을 맡습니다. 할일이는 Grokbot 봇들뿐 아니라 Folderbot 까지 모든 일을 관장하는 비서실장입니다.

그리고 필요한 곳에는 상시 보고 체계도 만들었습니다. 봇이 알게 된 사실 가운데 다른 쪽이 알아야 할 것은 누가 묻지 않아도 팀장에게 먼저 올립니다. 한 사실에는 주인도 한 명만 두었습니다. 몸무게는 건강이만 묻고, 돈은 살림이만 챙기는 식입니다.

ChatGPT 생성 이미지

흥미로운 것은 AI 회사들도 결국 같은 구조를 설계하기 시작했다는 점입니다. Anthropic 은 자기들의 리서치 기능을 만들면서 팀장 에이전트 하나가 일을 나눠 주고 여러 에이전트가 나란히 조사하는 구조를 택했습니다. 그리고 팀장이 일을 자세히 설명해 주지 않으면 에이전트들이 같은 일을 두 번 하거나, 빈틈을 남기거나, 필요한 정보를 찾지 못한다고 적었습니다. 앞에서 멀티 에이전트를 만들지 말라고 했던 Cognition 도 올해 4월에는 이렇게 정리했습니다. 매니저가 일을 나누고, 팀원들이 실행하고, 매니저가 결과를 모아 보고하는 구조가 지금 실제로 작동한다고요.

사람의 조직에서 수십 년 동안 써 온 방법이 AI 팀에서도 그대로 통하고 있는 셈입니다.

AI 에이전트들을 위한 팀 싱크 미팅을 만들었습니다

하나를 더 추가했습니다. Grokbot 할일이에게 이렇게 부탁했습니다.

할일이에게 보낸 요청. 「이 부분은 내가 몰라도 되는 거야」가 핵심이었습니다.

하루에 한 번 새벽에 봇들이 1:1 이나 팀 단위로 보고하게 했습니다. 그리고 필요한 봇끼리는 팀을 만들어 그룹 채팅에서 공유하게 했습니다. 할일이는 이렇게 짰습니다. 봇들은 매일 새벽 자기 팀 그룹 채팅에 보고를 올리고, 할일이가 그걸 읽는 새벽 싱크를 돌립니다. 저에게는 따로 보내지 않고, 챙길 것이 있으면 아침 8시 브리핑에만 넣습니다.

그렇게 생긴 것이 세 개의 싱크 미팅입니다.

지식·콘텐츠 싱크, 프로젝트 싱크, 경영진 싱크

그랬더니 달라졌습니다. 봇들이 저에게 같은 내용을 여러 번 보고하지 않고도 각자 자기 일을 잘하게 되었습니다. 제가 받는 것은 아침 브리핑 한 번이고, 봇들 사이의 이야기는 봇들 사이에서 정리됩니다.

Grokbot 의 당근이 화면. 할일이와 메시지를 주고받은 기록과, 새로 만든 「새벽 싱크 보고」 루틴이 보입니다.

이건 완전히 경영 시뮬레이션입니다

이 과정이 정말 재미있습니다. 누구에게 어떤 권한을 줄지, 누가 누구에게 보고할지, 어떤 회의를 만들지 정하고 있다 보면 영락없는 경영 시뮬레이션 게임입니다. 다만 화면 속 직원들이 실제로 제 일을 해 준다는 점이 다르죠.

하네스를 만드는 일은 결국 조직이 잘 굴러가게 만드는 일, 즉 경영학과 닮았습니다. 예전에는 대표 한 명이 큰 조직을 운영하면서 쌓이는 문제를 정리하는 것이 경영이었습니다. 이제 그 능력이 대표가 아닌 AI 를 다루는 개인에게도 필요해졌습니다.

이렇게 생각하는 사람이 저만은 아닌 것 같습니다. 와튼스쿨의 이선 몰릭 교수는 올해 1월 「AI 시대의 초능력은 관리다(Management as AI superpower)」라는 글을 썼습니다. 펜실베이니아대학교에서 학생들이 AI 로 나흘 만에 스타트업을 처음부터 만들어 보는 실험 수업을 했는데, 학생들이 수업과 일터에서 어렵게 익힌 경영의 틀이 그대로 좋은 프롬프트가 되었다고 합니다.

"If you can explain what you need, give effective feedback, and design ways of evaluating work, you are going to be able to work with agents."
(무엇이 필요한지 설명할 수 있고, 제대로 피드백할 수 있고, 일을 평가하는 방법을 설계할 수 있다면 에이전트와 함께 일할 수 있다.)
— 이선 몰릭, 「Management as AI superpower」

마이크로소프트는 이미 작년에 모든 직원이 「에이전트 보스」가 될 거라고 내다봤습니다. 에이전트를 만들고, 일을 맡기고, 관리하는 사람이라는 뜻입니다. 그래서 앞으로 기업은 사람 한 명이 에이전트 몇 명을 이끄는 게 적당한지를 새로운 경영 지표로 봐야 한다고 합니다.

그래서 이런 생각도 들었습니다. 어쩌면 이것이 AI 와 함께 일할 때 우리에게 필요한 능력이고, 머지않아 AI MBA 같은 수업이 생기지 않을까 하는 생각 말이죠.

이제 우리의 일은 무엇을 모으고 무엇을 결정할지 설계하는 것입니다

이제 우리가 직접 하는 일은 많이 줄었습니다. 대신 새로 중요해진 능력이 있습니다. 바로 모든 정보를 어떻게 모을지, 그리고 그중 무엇을 내가 결정할지를 설계하는 능력입니다.

이번에 제가 한 일도 결국 두 가지였습니다. 봇들 사이에서 정보가 어디로 모이는지 정했고, 그 가운데 제가 봐야 할 것만 아침 8시에 올라오게 했습니다. 봇에게 일을 잘 시키는 방법보다 봇들이 서로 어떻게 일하게 할지 정하는 데 더 많은 시간을 썼습니다.

나만의 에이전트를 만드는 것을 넘어, 이제는 나만의 팀을 만드는 것이 정말 쉬워졌습니다. 그리고 앞으로는 이 조직 운영 능력이 진짜 새로운 능력이 될지도 모릅니다.

에이전트 팀은 이제 막 시작입니다

이런 에이전트는 Grokbot 에서 끝나지 않을 것 같습니다. 올해 들어 큰 회사들이 대화창을 닫아도 계속 일하는 에이전트를 앞다퉈 내놓고 있습니다.

메타는 9월 8일 개인 에이전트 뮤즈(Muse)를 내놓았습니다. 쇼핑, 여행 예약, 서류 작성 같은 일을 맡기는 앱인데, 나오자마자 미국 앱스토어 1위에 올랐다고 합니다. JP모건은 뮤즈가 ChatGPT 이후 가장 널리 쓰이는 소비자 AI 앱이 될 수 있다는 보고서를 냈습니다.

메타의 뮤즈 공개 게시물(2026년 9월 8일)

Anthropic 은 2월에 여러 에이전트가 스스로 일을 나눠 동시에 처리하는 에이전트 팀 기능을 Claude Code 에 넣었고, 4월에는 기업이 에이전트를 만들어 운영할 수 있는 Claude Managed Agents 를 공개했습니다.

Claude Managed Agents 공개 게시물(2026년 4월)

오픈소스 쪽에서는 Nous Research 의 Hermes Agent 가 빠르게 크고 있습니다. 이달 중순에는 Hermes Agent 에게 파이썬 코드 백만 줄을 정리하는 일을 맡겼더니, 하위 에이전트 1,393개가 19시간 동안 일해서 코드를 34.4% 줄였다는 글이 올라왔습니다.

Nous Research 의 Hermes Agent 사례 게시물(2026년 9월)

OpenAI 도 준비하고 있다고 합니다. 9월 26일 OpenAI 개발자 계정에 보라, 주황, 초록 구슬이 비행기 좌석에 앉아 있는 예고 이미지가 올라왔습니다. 같은 무렵 ChatGPT Pro 업그레이드 화면에 「o, your always-on assistant」라는 문구가 잠깐 보였다는 보도도 나왔습니다. 대화창을 닫아도 계속 일하는 비서라는 뜻입니다. 공식 발표는 현지 시각 9월 29일 샌프란시스코에서 열리는 OpenAI DevDay 에서 나올 가능성이 높다고 합니다.

「OpenAI DevDay 까지 72시간」 — OpenAI Developers 예고 게시물(2026년 9월 26일)

에이전트 한 명과 일하던 시대는 생각보다 빨리 지나가고 있습니다. 대화창 하나를 잘 쓰는 능력만큼, 여러 에이전트가 서로 부딪히지 않게 팀을 설계하는 능력이 필요해질 겁니다.

그러니 지금 작게라도 시작해 보면 좋겠습니다. 이미 AI 를 둘 이상 쓰고 있다면 그중 하나를 팀장으로 정하고, 나머지에게 「다른 AI 에게 직접 묻지 말고 팀장에게 먼저 말해」라는 규칙 한 줄만 넣어 보세요. 아직 AI 를 하나만 쓰고 있다면, 그 AI 가 지금 맡고 있는 일을 한 줄씩 적어 보는 것부터 시작하면 됩니다. 그 목록이 우리 팀의 첫 번째 조직도가 될 테니까요.

함께 보면 좋은 이전 당근메일

• 성공한 AI 회의록 도구는 무엇이 달랐을까?
• 왜 내 AI는 쓸수록 결과물이 나빠질까?
• Skill 은 단순한 작업지시서가 아닙니다

• 🤖 AI 에이전트가 늘수록 문제는 봇 하나하나보다 봇과 봇 사이의 맥락에서 생깁니다.
• 🧭 봇끼리 직접 말하지 않고 팀장을 거치게 하고, 싱크 미팅으로 보고를 모으자 중복 보고가 사라졌습니다.
• 🏢 이제 필요한 능력은 정보를 어떻게 모으고 무엇을 결정할지 설계하는 조직 운영 능력입니다.

당근메일 제휴 및 광고 문의

문제를 해결하고 즐거움을 얻어가는 곳