실습 노트
AI 네이티브 업무의 핵심은 에이전트가 아니라 반복 가능한 운영 구조
OpenAI가 소개한 Basis·Clay·Exa 사례를 바탕으로 에이전트 업무를 반복 가능한 절차로 바꾸는 조건을 정리합니다.
에이전트를 업무에 붙일 때 먼저 정할 것은 모델 이름이 아니라 일이 끝났다고 판단할 기준입니다. OpenAI가 소개한 AI 네이티브 기업 사례는 온보딩, 영업 계정 관리, 개발자 통합 업무를 에이전트에게 맡기면서 공통으로 맥락·도구·권한·검수 지점을 구조화했습니다.
한 번의 시연을 반복 가능한 절차로
Basis는 사람이 한 번 보여준 온보딩 절차를 회사 전용 skill로 묶습니다. 시작 조건, 필요한 자료, 사용할 도구, 완료 상태가 분명해지면 다음 입사자에게 같은 흐름을 적용할 수 있습니다. 예외가 생기면 HR이 skill을 고쳐 다음 실행에 반영합니다.
실무에서 재사용 가능한 자동화는 다음 다섯 항목으로 시작합니다.
- 시작 조건
- 읽어도 되는 자료와 계정
- 수행할 도구와 순서
- 결과를 남길 위치
- 사람이 다시 판단할 지점
“온보딩을 자동화한다”보다 이 다섯 항목을 문서로 고정하는 편이 구현과 검수에 유리합니다.
흩어진 정보를 계정별 맥락으로
Clay 사례에서는 CRM, 이메일, Slack, 통화, 문서에 흩어진 영업 계정 정보를 계정별 작업 공간에 모읍니다. 하위 에이전트가 자료를 갱신하고, 조정 에이전트가 다음 행동 후보를 정리합니다. 추천 근거가 원문 가까이에 남아 있어 담당자가 판단 전에 다시 읽을 수 있다는 점이 중요합니다.
이 구조는 장기 업무에 특히 맞습니다. 매일 바뀌는 기록을 다시 모으는 비용을 줄이되, 최종 행동은 사람이 근거와 함께 결정할 수 있기 때문입니다. 단순 요약보다 맥락 저장 → 주기적 갱신 → 다음 행동 제안의 흐름이 핵심입니다.
신호를 테스트된 결과물로
Exa는 개발자 생태계에서 통합 기회를 찾고, 관련 자료를 모으고, 코드를 작성하고, 테스트를 실행한 뒤 사람 검토를 거치는 흐름을 Codex에 연결했다고 설명합니다. 에이전트가 아이디어를 말하는 데서 멈추지 않고 테스트 가능한 변경안까지 운반하는 방식입니다.
다만 외부에 공개하거나 관계를 바꾸는 결정은 여전히 사람의 책임으로 둡니다. 자동화 범위는 권한과 검수 기준이 분명한 곳부터 넓혀야 합니다.
적용 순서
- 반복되며 결과를 측정할 수 있는 업무 하나를 고릅니다.
- 담당자, 기준선, 목표 지표와 예외 조건을 적습니다.
- 에이전트의 입력·도구·권한·완료 조건을 정의합니다.
- 결과물과 근거를 사람이 확인하는 지점을 둡니다.
- 예외와 검수 결과를 다음 실행의 절차에 반영합니다.
OpenAI의 사례는 에이전트 도입을 “사람을 대신하는 챗봇”보다 맥락과 도구를 가진 반복 업무 시스템으로 설명합니다. 처음부터 많은 업무를 연결하기보다, 한 가지 업무의 완료 기준과 검수 흐름을 선명하게 만드는 것이 출발점입니다.