[AI 에이전트 기초 연재 | 제1회] AI에게 질문하던 시대에서, 일을 맡기는 시대로

AI 에이전트 기초 연재 | 제1회

AI에게 질문하던 시대에서, 일을 맡기는 시대로

생성형 인공지능을 넘어 AI 에이전트로 일하는 방식을 바꾸다

 

매번 똑같은 일을 반복해야 할까?

지금까지 나는 챗GPT나 제미나이와 같은 생성형 인공지능을 사용하면서 많은 도움을 받았다. 궁금한 것이 있으면 질문했고, 필요한 자료가 있으면 찾아달라고 했으며, 문서를 작성해야 할 때는 초안을 만들어 달라고 요청했다. 예전 같으면 몇 시간씩 걸렸을 일도 몇 분 만에 해결할 수 있었다. 인공지능이 가져온 변화는 분명 놀라웠다.

그런데 어느 순간부터 이상한 생각이 들기 시작했다.

 

왜 나는 매번 똑같은 일을 반복하고 있을까?

어제 작성했던 보고서와 비슷한 보고서를 오늘도 만들어야 했다. 지난주에 사용했던 문서 양식을 이번 주에도 다시 불러와야 했다. 인공지능에게 같은 설명을 반복하고, 결과물을 복사해서 워드나 아래한글에 붙여넣고, 표를 수정하고, 글꼴과 문단을 정리했다. 완성된 파일은 다시 이름을 붙여 원하는 폴더에 저장해야 했다.

인공지능은 분명 일을 빠르게 해주었다. 하지만 마지막까지 일을 처리하는 사람은 여전히 나였다.

생각해 보면 참 단순하고 무식한 방법이었다. 물론 이전보다 일하는 시간은 크게 줄었다. 하지만 반복되는 작업은 여전히 남아 있었다. 인공지능이 작성한 내용을 사람이 옮기고, 수정하고, 저장하는 과정을 매번 되풀이하고 있었던 것이다.

문득 이런 생각이 들었다.

"인공지능이 글을 작성할 수 있다면, 내가 원하는 폴더에서 자료를 찾아 읽고, 문서를 작성하고, 완성된 파일을 저장하는 일까지 할 수는 없을까?"

이 질문이 내가 AI 에이전트에 관심을 갖게 된 이유 중 하나였다.

 

인공지능에게 손과 발이 생긴다면

기존의 생성형 인공지능은 주로 질문에 답하고 결과물을 만들어 주는 역할을 했다. 물론 최근에는 챗GPT나 제미나이도 파일을 분석하고 문서를 생성하며 외부 서비스와 연결하는 기능을 제공한다. 하지만 일반적인 대화 방식으로 사용할 때는 여전히 사람이 결과물을 옮기고 후속 작업을 처리하는 경우가 많다.

예를 들어 직장인이 매주 월요일 업무보고서를 작성한다고 생각해 보자.

먼저 지난주 업무자료를 찾아야 한다. 여러 폴더에 흩어진 문서를 열어 필요한 내용을 확인한다. 생성형 인공지능에게 자료를 제공하고 보고서를 작성해 달라고 요청한다. 결과가 나오면 복사해서 회사에서 사용하는 보고서 양식에 붙여넣는다. 표를 수정하고 문장을 다듬은 후 파일을 저장한다. 마지막으로 상사에게 메일을 보낸다.

인공지능이 보고서의 내용을 작성해 주었지만 나머지 과정은 사람이 처리한 것이다.

그런데 AI 에이전트를 사용하면 일하는 방식이 달라질 수 있다.

"지난주 업무자료를 확인해서 주간보고서를 작성하고, 회사 양식에 맞춰 완성본 폴더에 저장해 줘. 작성이 끝나면 나에게 검토를 요청해."

이렇게 지시하면 에이전트는 연결된 작업공간에서 필요한 자료를 찾고, 내용을 분석하고, 정해진 양식에 맞춰 보고서를 작성할 수 있다. 완성된 문서는 지정된 폴더에 저장하고, 사용자에게 검토를 요청하도록 구성할 수도 있다.

사용자가 내용을 확인하고 승인하면 이메일로 전달하거나 일정에 등록하는 후속 작업까지 이어갈 수 있다.

여기서 중요한 변화가 일어난다.

이전에는 인공지능이 결과물을 만들고 사람이 일을 마무리했다면, 이제는 인공지능이 일련의 작업을 수행하고 사람이 검토하고 승인하는 방식으로 바뀌는 것이다.

나는 이것이 AI 에이전트가 가져오는 가장 큰 변화라고 생각한다.

 

직장인에게는 업무요원, 교사에게는 보조교사

AI 에이전트를 어렵게 생각할 필요는 없다. 자신이 반복해서 수행하는 일을 대신 처리하도록 만든 디지털 업무요원이라고 생각하면 이해하기 쉽다.

직장인에게는 업무를 보조하는 요원이 될 수 있다. 매일 들어오는 자료를 정리하고, 회의록을 분석하고, 업무보고서를 작성하며, 일정과 마감일을 확인하는 일을 맡길 수 있다. 특히 매주 또는 매월 같은 양식으로 작성하는 보고서라면 효과가 크다.

교사에게는 보조교사와 같은 역할을 할 수 있다. 수업자료를 정리하고, 학습목표에 맞는 활동지를 만들고, 평가문항의 초안을 작성할 수 있다. 학년과 교과, 학생 수준에 맞춰 자료를 구분하는 일도 가능하다. 교사는 에이전트가 준비한 자료를 검토하고 학생들의 실제 학습 상황에 맞게 수정하면 된다.

대학생에게는 학습과 연구를 돕는 조교가 될 수 있다. 강의자료를 정리하고, 여러 문헌을 비교하고, 과제에 필요한 자료를 분류하거나 발표자료의 초안을 만드는 일을 맡길 수 있다. 매주 수업자료를 넣으면 핵심 개념과 복습문제를 정리하도록 구성할 수도 있다. 다만 인공지능이 작성한 내용을 그대로 제출하는 것이 아니라, 출처를 확인하고 자신의 생각을 더하는 과정은 학생의 몫이다.

상담사, 연구자, 행정전문가와 같은 전문직 종사자에게도 활용할 여지는 많다. 상담사는 개인정보를 제거한 자료를 바탕으로 상담기록 양식을 정리할 수 있고, 연구자는 문헌을 분류하거나 연구자료를 요약할 수 있다. 행정전문가는 관련 규정과 기존 문서를 비교하고 공문서 초안을 작성하는 일을 맡길 수 있다. 이때 전문적인 판단과 책임까지 인공지능에 넘기는 것은 아니다. 에이전트는 자료를 준비하고 정리하는 역할을 하고, 최종 판단은 전문가가 내려야 한다.

에이전트를 잘 활용한다는 것은 사람을 대신해 모든 것을 결정하게 만드는 것이 아니라, 사람이 꼭 해야 할 일에 더 집중하도록 만드는 것이다.

 

AI 에이전트에게 일할 공간을 만들어 주자

그렇다면 AI 에이전트는 어디에서 일을 할까? 사람이 사무실에서 일하듯 에이전트에게도 작업공간이 필요하다. 가장 쉽게 시작하는 방법은 컴퓨터에 전용 폴더를 만드는 것이다. 나는 처음 시작하는 사람이라면 복잡한 시스템을 구축하기보다 세 개의 폴더부터 만들어 보라고 권하고 싶다.

자료 폴더에는 에이전트가 참고해야 할 문서를 넣는다. 기존 보고서, 회의록, 수업자료, 업무규정, 문서 양식 등이 여기에 해당한다.

작업 폴더에는 에이전트가 자료를 분석하고 초안을 만들면서 사용하는 파일을 보관한다. 작업 중인 문서와 임시 결과물을 구분하는 공간이다.

완성본 폴더에는 검토가 끝난 최종 결과물을 저장한다. 날짜나 업무명에 따라 파일 이름을 정하도록 지시하면 나중에 찾기도 편리하다.

예를 들어 컴퓨터에 'AI업무'라는 폴더를 만들고 그 안에 '01_자료', '02_작업', '03_완성본'이라는 세 개의 하위 폴더를 만들어 보자. 물론 폴더만 만든다고 에이전트가 자동으로 접근할 수 있는 것은 아니다. 에이전트가 해당 폴더를 읽고 파일을 저장할 수 있도록 적절한 도구와 접근 권한을 연결해야 한다. 이렇게 작업공간을 마련하면 매번 자료를 대화창에 복사해 넣는 대신, 에이전트가 허용된 폴더 안에서 필요한 문서를 찾아 작업하도록 구성할 수 있다.

이제 사람은 자료를 준비하고 업무를 지시한다. 에이전트는 자료를 찾아 분석하고 문서를 만든다. 사람은 결과물을 검토하고 승인한다. 단순한 변화처럼 보이지만 실제 업무에서는 상당한 차이를 만들어 낼 수 있다.

 

한 번 가르쳐 주고, 반복해서 일하게 하자

작업공간을 만들었다면 다음으로 필요한 것은 일하는 방법을 알려주는 일이다.

신입 직원에게 업무를 맡길 때를 생각해 보자. 단순히 "보고서를 작성하세요"라고 말하는 것보다 어떤 자료를 참고하고, 어떤 형식을 사용하며, 언제까지 누구에게 보고해야 하는지를 알려주는 편이 좋다.

AI 에이전트도 마찬가지다. 이때 알아두면 좋은 몇 가지 용어가 있다.

프롬프트(Prompt)는 인공지능에게 입력하는 질문이나 요청이다. "지난주 회의 내용을 요약해 줘"라는 문장도 프롬프트다.

지시문(Instructions)은 인공지능이 어떤 역할을 하고 어떤 규칙에 따라 일해야 하는지 설명하는 내용이다. 예를 들어 "보고서는 공공기관 문서체로 작성하고, 확인되지 않은 사실은 임의로 만들지 말며, 최종 저장 전에 반드시 검토를 요청하라"는 것이 지시문이다.

스킬(Skill)은 특정 업무를 수행하는 방법과 절차를 재사용할 수 있도록 정리한 것이다. 보고서 작성 스킬을 만들어 두면 자료 확인부터 문서 구성, 검토 요청까지 정해진 절차를 반복해서 활용할 수 있다. 클로드의 스킬이 대표적인 예다.

챗GPT의 맞춤형 GPT(GPTs)에서는 지침과 지식 파일, 기능을 조합해 특정 업무에 맞는 AI를 구성할 수 있다. 제미나이의 젬(Gems)도 비슷하게 역할과 지시를 설정하는 기능이다. 다만 이러한 맞춤 설정 기능이 모두 동일한 방식의 에이전트 자동화를 제공하는 것은 아니다.

도구(Tool)는 인공지능이 실제 행동을 할 수 있도록 연결해 주는 기능이다. 파일을 읽거나 저장하고, 인터넷에서 검색하고, 이메일을 보내거나 캘린더에 일정을 등록하는 기능이 여기에 해당한다.

MCP(Model Context Protocol)는 인공지능 애플리케이션이 외부 데이터와 도구에 연결할 수 있도록 돕는 표준 규약이다. 쉽게 말해 서로 다른 도구와 서비스를 인공지능이 활용할 수 있도록 연결하는 공통 접속 방식이라고 이해하면 된다.

플러그인과 확장 프로그램은 기존 프로그램에 새로운 기능을 추가하는 수단이다. 크롬 확장 프로그램처럼 브라우저에 기능을 더할 수도 있고, 캔바나 구글 캘린더 같은 서비스와 연동해 작업 범위를 넓힐 수도 있다. 다만 확장 프로그램을 설치하는 것과 AI 에이전트에 해당 서비스의 실행 권한을 연결하는 것은 구분해야 한다.

프롬프트가 일을 요청하는 말이라면, 지시문은 일하는 규칙이고, 스킬은 반복해서 사용하는 업무 절차다. 도구는 일을 실행하는 수단이며, MCP는 외부 도구와 연결하는 방법 중 하나다.

나는 이것을 인공지능에게 손과 발을 만들어 주는 과정이라고 표현하고 싶다. 지금까지 인공지능이 주로 생각하고 글을 작성하는 역할을 했다면, 이제는 연결된 도구를 통해 실제 업무를 수행할 수 있게 되는 것이다.

 

에이전트에게 처음 맡길 일은 무엇이 좋을까?

처음부터 복잡한 업무를 맡길 필요는 없다. 매일 또는 매주 반복하는 작은 일부터 시작하면 된다. 예를 들어 매주 회의록을 정리하는 직장인이라면 다음과 같이 지시할 수 있다.

"자료 폴더에 있는 이번 주 회의록을 확인해 줘. 주요 안건과 결정사항, 담당자별 후속 업무를 정리하고, 기존 회의결과 보고서 양식에 맞춰 작성해 줘. 작성한 문서는 완성본 폴더에 저장하고, 나에게 검토를 요청해."

교사라면 이렇게 요청할 수 있다.

"이번 주 수업자료를 확인하고 학생들이 복습할 수 있는 학습지를 만들어 줘. 핵심 개념을 쉽게 설명하고 확인문제 다섯 개를 작성해 줘. 정답과 해설은 별도 문서로 저장해 줘."

대학생이라면 다음과 같이 활용할 수 있다.

"이번 주 강의자료를 읽고 핵심 개념을 정리해 줘. 시험 준비를 위한 예상문제 열 개를 만들고, 이해하기 어려운 용어는 사례와 함께 설명해 줘. 정리한 내용은 과목별 폴더에 저장해 줘."

이러한 작업은 에이전트에 필요한 파일 접근 기능과 문서 작성 도구가 연결되어 있을 때 가능하다.

처음에는 사람이 직접 실행을 지시하지만, 익숙해지면 정해진 시간에 작업을 수행하도록 예약하거나 특정 폴더에 새 파일이 들어왔을 때 자동으로 처리하도록 구성할 수도 있다. 예를 들어 매주 금요일 오후에 주간보고서 초안을 만들거나, 지정된 폴더에 회의록이 추가되면 자동으로 요약문을 작성하는 방식이다. 중요한 것은 인공지능에게 모든 일을 맡기는 것이 아니다. 반복되는 과정은 자동화하고, 판단이 필요한 단계에서는 사람이 개입하도록 설계하는 것이다.

 

편리함보다 먼저 생각해야 할 것이 있다

AI 에이전트를 사용하면서 반드시 기억해야 할 것이 있다. 바로 개인정보와 보안이다. 에이전트가 폴더의 자료를 읽을 수 있다는 것은 편리한 일이지만, 그 안에 있는 민감한 정보까지 접근할 수 있다는 뜻이기도 하다. 특히 학교의 학생정보, 상담사의 상담기록, 회사의 고객정보, 공공기관의 내부문서는 주의해서 다뤄야 한다.

내가 권하고 싶은 방법은 처음부터 필요한 정보만 제공하는 것이다. 예를 들어 학생 이름 대신 학생번호를 사용하고, 상담자의 이름 대신 사례번호를 사용하는 방식이다. 전화번호나 주민등록번호처럼 업무에 불필요한 개인정보는 제거해야 한다. 이름을 번호로 바꾸는 것만으로 모든 개인정보 문제가 해결되는 것은 아니다. 다른 정보와 결합해 개인을 알아볼 수 있다면 여전히 보호가 필요하다. 따라서 원본과 번호의 대응표는 별도로 안전하게 관리하고, 외부 AI 서비스로 자료가 전송되는지, 어떤 권한이 부여되는지도 확인해야 한다.

특히 이메일 발송, 문서 공유, 일정 변경, 파일 삭제와 같은 작업은 에이전트가 마음대로 실행하지 않도록 승인 절차를 두는 것이 좋다. 에이전트가 초안을 작성하고 사람에게 검토를 요청한다. 사람이 수정하거나 승인하면 그때 최종 문서를 저장하고 전달하는 방식이다. 나는 이 과정에서 사람이 최종 결정권자라는 사실이 중요하다고 생각한다.

인공지능에게 일을 맡길 수는 있지만, 그 일에 대한 책임까지 넘길 수는 없기 때문이다.

 

이제는 질문하는 사람에서 일을 설계하는 사람으로

생성형 인공지능을 처음 사용했을 때 우리는 좋은 질문을 만드는 방법을 배웠다. 어떻게 질문해야 원하는 답을 얻을 수 있을까? 어떤 표현을 사용해야 더 정확한 결과가 나올까? 프롬프트를 잘 작성하는 것이 중요한 능력으로 여겨졌다.

이제는 그다음 단계를 생각할 때다. 어떤 일을 인공지능에게 맡길 것인가? 그 일을 처리하려면 어떤 자료가 필요한가? 어떤 순서로 진행해야 하는가? 어디까지 자동으로 처리하고, 어느 단계에서 사람이 검토해야 하는가? 이런 질문을 할 수 있어야 한다.

AI 에이전트가 모든 문제를 해결해 주는 것은 아니다. 필요한 자료가 없거나 지시가 모호하면 잘못된 결과물을 만들 수도 있다. 외부 서비스와 연결하려면 추가 설정이나 비용이 필요할 수도 있다. 하지만 자신이 하는 일을 작은 단계로 나누고, 반복되는 과정을 정리할 수 있다면 에이전트는 충분히 유용한 업무 도구가 될 수 있다.

필요한 기능이 없다면 간단한 웹앱을 만들어 사용할 수도 있다. 웹앱은 웹브라우저에서 실행되는 프로그램이다. MCP를 통해 기존 도구를 연결하거나, 별도의 웹앱을 제작해 업무에 필요한 기능을 제공하는 방법도 있다. 코딩 경험이 많지 않더라도 AI의 도움을 받아 간단한 업무용 도구를 만드는 시도를 해볼 수 있다.

직장인은 반복되는 행정업무에서 벗어나 더 중요한 업무에 집중할 수 있다. 교사는 수업자료를 준비하는 시간을 줄이고 학생을 이해하는 데 더 많은 시간을 사용할 수 있다. 대학생은 자료를 정리하는 데 시간을 모두 쓰기보다 내용을 깊이 이해하고 자신의 생각을 발전시키는 데 집중할 수 있다. 전문가는 반복적인 문서 작업을 줄이고 전문적인 판단과 의사결정에 더 많은 시간을 투자할 수 있다.

나는 앞으로 인공지능을 잘 사용하는 사람의 기준도 달라질 것이라고 생각한다.

질문을 잘하는 사람에서, 인공지능에게 일을 맡길 줄 아는 사람으로.

결과물을 잘 만드는 사람에서, 결과물이 만들어지는 과정을 설계하는 사람으로.

이것이 AI 에이전트를 배워야 하는 이유다.

컴퓨터에 'AI업무'라는 폴더를 하나 만들고, 자료와 작업, 완성본을 구분하는 것부터 시작해 보자. 그리고 매주 반복해서 처리하는 일 하나를 떠올려 보자. 그 일이 어떤 순서로 진행되는지, 어떤 자료가 필요하고 어떤 결과물이 나와야 하는지 적어보는 것이다. 그것이 AI 에이전트와 함께 일하는 첫걸음이다.

이제 인공지능에게 무엇을 물어볼 것인지 고민하는 시간을 넘어, 어떤 일을 맡길 것인지 생각해 보자.