[AI 에이전트 기초 연재 | 제2회] AI 에이전트와 자동화, 무엇이 다를까?

AI 에이전트와 자동화, 무엇이 다를까?

반복되는 일은 자동화하고, 판단이 필요한 일은 AI 에이전트에게 맡기다

매일 반복하는 일을 언제까지 직접 해야 할까?

아침에 출근하면 가장 먼저 하는 일이 있다. 이메일을 확인하고, 오늘의 일정을 살펴보고, 어제 처리하지 못한 업무를 정리하는 일이다. 회의가 있는 날에는 회의자료를 준비하고, 회의가 끝나면 회의록을 작성한다. 주말이 가까워지면 한 주 동안 처리한 업무를 정리해 보고서를 만든다. 하루하루 하는 일은 다르지만 자세히 살펴보면 비슷한 일이 반복되고 있다는 사실을 알게 된다.

교사도 마찬가지다. 수업자료를 준비하고, 학습지를 만들고, 학생들의 과제를 확인한다. 대학생은 강의자료를 정리하고, 과제 일정을 확인하고, 시험에 대비해 학습 내용을 요약한다. 상담사나 연구자, 행정전문가 역시 자료를 찾고, 분석하고, 정해진 형식으로 문서를 작성하는 일을 반복한다.

우리는 이러한 일을 당연하게 생각한다. 해야 할 일이기 때문에 매일 같은 과정을 되풀이한다. 그런데 한번 생각해 보자.

매일 반복되는 일이라면 굳이 사람이 매번 처음부터 다시 해야 할까?

나는 생성형 인공지능을 사용하면서 이 질문을 자주 하게 되었다. 챗GPT에게 보고서를 작성해 달라고 요청하면 제법 훌륭한 초안을 만들어 준다. 제미나이에게 자료를 요약해 달라고 하면 핵심 내용을 정리해 준다. 문제는 그다음이었다. 결과물을 복사해서 문서에 붙여넣고, 서식을 수정하고, 파일을 저장해야 했다. 다음 주가 되면 같은 일을 다시 해야 했다.

인공지능을 사용했는데도 왜 나는 여전히 반복적인 일을 하고 있을까? 이 문제를 해결하기 위해 알아야 할 개념이 바로 자동화와 AI 에이전트다.

 

자동화는 정해진 일을 반복하고, 에이전트는 상황에 맞춰 일을 처리한다

자동화라는 말을 들으면 어렵게 느껴질 수 있다. 하지만 우리는 이미 일상에서 자동화를 사용하고 있다. 매일 아침 정해진 시간에 울리는 알람, 일정에 맞춰 발송되는 예약 문자, 매월 자동으로 납부되는 공과금이 대표적인 예다. 이들의 공통점은 무엇일까? 사람이 미리 정해 놓은 조건에 따라 특정한 작업이 실행된다는 것이다. 업무에서도 마찬가지다. 매주 금요일 오후 5시에 보고서 양식을 담당자에게 이메일로 보내도록 설정했다면, 시스템은 정해진 시간에 같은 작업을 반복한다. 이것이 자동화다.

그렇다면 AI 에이전트는 무엇이 다를까? AI 에이전트는 단순히 정해진 동작을 반복하는 것을 넘어, 주어진 목표를 달성하기 위해 자료를 찾고 내용을 분석하며 필요한 작업을 단계적으로 수행하도록 구성할 수 있다.

예를 들어 매주 금요일에 주간업무보고서를 작성해야 한다고 생각해 보자.일반적인 자동화는 금요일 오후 5시가 되면 보고서 작성 안내를 보내거나 미리 지정된 파일을 전달한다. 반면 AI 에이전트는 연결된 업무 폴더에서 이번 주 자료를 찾아 분석하고, 완료된 업무와 진행 중인 업무를 구분한 후 보고서 초안을 작성할 수 있다. 자료가 부족하면 추가 정보를 요청하고, 완성된 보고서를 검토하도록 사용자에게 알릴 수도 있다.

여기서 중요한 차이가 나타난다. 자동화가 '언제, 무엇을 실행할 것인가'에 초점을 맞춘다면, AI 에이전트는 '어떤 목표를 위해 무엇을 해야 하는가'에 초점을 맞춘다. 물론 모든 자동화가 단순한 것은 아니고, 모든 에이전트가 복잡한 판단을 수행하는 것도 아니다. 자동화에도 조건에 따른 분기와 여러 단계의 처리가 가능하다. AI 에이전트 역시 사람이 설정한 권한과 도구의 범위 안에서 움직인다. 하지만 처음 배우는 입장에서는 이렇게 구분하면 이해하기 쉽다.

자동화는 반복되는 일을 정해진 규칙대로 실행하는 것이고, AI 에이전트는 목표에 맞춰 여러 작업을 수행하는 디지털 업무요원이다. 그리고 이 둘을 결합하면 훨씬 유용한 업무환경을 만들 수 있다.

 

자동화가 에이전트를 깨우면 어떤 일이 일어날까?

AI 에이전트와 자동화는 서로 경쟁하는 기술이 아니다. 함께 사용할 때 더 큰 효과를 낸다. 나는 자동화를 알람시계에, AI 에이전트를 업무를 수행하는 직원에 비유하고 싶다. 알람시계는 정해진 시간에 사람을 깨운다. 하지만 알람시계가 아침 식사를 준비하거나 출근 준비를 대신하지는 않는다. 업무 자동화도 비슷하다. 정해진 시간이 되거나 특정한 사건이 발생했을 때 작업을 시작하도록 만든다. 그때 AI 에이전트가 실제 업무를 수행하도록 연결할 수 있다.

예를 들어 회사의 업무자료 폴더에 새로운 회의록이 저장되었다고 생각해 보자. 자동화 시스템은 새 파일이 등록되었다는 사실을 감지한다. 그리고 AI 에이전트에게 회의록 정리 작업을 요청한다. 에이전트는 회의록을 읽고 주요 안건과 결정사항을 분석한다. 담당자별 후속 업무를 정리하고, 기존 회의결과 보고서 양식에 맞춰 문서를 작성한다.

작성된 문서는 지정된 폴더에 저장되고, 담당자에게 검토 요청 알림이 전달된다. 담당자가 내용을 확인하고 승인하면 최종 문서를 관계자에게 이메일로 보내거나 후속 일정을 캘린더에 등록할 수 있다. 이러한 작업을 사람이 일일이 지시하지 않아도 정해진 조건에 따라 시작하도록 만들 수 있다. 여기서 자동화는 작업을 시작하는 역할을 하고, AI 에이전트는 자료를 이해하고 문서를 작성하는 역할을 한다.

사람은 최종 결과물을 검토하고 승인한다. 이것이 내가 생각하는 효율적인 AI 업무 방식이다.

 

직장인, 교사, 대학생은 어떻게 활용할 수 있을까?

그렇다면 실제 생활에서는 어떤 일을 맡길 수 있을까? 가장 먼저 생각할 것은 자신이 자주 반복하는 일이다.

직장인이라면 매주 작성하는 업무보고서를 떠올려 보자. 월요일부터 금요일까지 작성한 업무자료를 지정된 폴더에 저장한다. 금요일 오후가 되면 자동화 시스템이 AI 에이전트를 실행한다. 에이전트는 자료를 읽고 이번 주 주요 업무와 성과, 미완료 업무, 다음 주 계획을 정리한다. 보고서 초안이 완성되면 담당자에게 검토를 요청한다. 이렇게 구성하면 보고서를 작성하기 위해 매번 자료를 다시 찾고 내용을 정리하는 시간을 줄일 수 있다.

교사라면 매주 반복되는 수업 준비에 활용할 수 있다. 예를 들어 매주 목요일에 다음 주 수업자료를 준비한다고 생각해 보자. 교사가 교육과정과 수업계획서를 지정된 폴더에 넣으면, 에이전트가 학습목표에 맞는 수업자료와 활동지, 확인문제를 작성하도록 구성할 수 있다. 교사는 만들어진 자료를 검토하면서 학생들의 학습 수준과 교실 상황에 맞게 수정한다. 특히 여러 학급을 담당하거나 반복적으로 학습자료를 제작하는 교사라면 이러한 방식이 유용할 수 있다.

대학생에게도 활용할 방법이 있다. 강의가 끝날 때마다 강의자료를 과목별 폴더에 저장한다. 새로운 자료가 등록되면 에이전트가 핵심 개념을 정리하고 복습문제를 작성하도록 만들 수 있다. 시험 기간에는 그동안 축적된 자료를 바탕으로 과목별 요약집을 만들도록 지시할 수도 있다.

물론 AI가 만든 요약문에 오류가 없는지 원문과 비교해야 한다. 학습의 목적은 정답을 얻는 데만 있는 것이 아니라 내용을 이해하는 데 있기 때문이다.

상담사나 연구자, 행정전문가라면 조금 다른 방식으로 접근할 수 있다. 상담사는 비식별 처리된 기록을 정해진 양식으로 정리하는 작업에, 연구자는 새로운 문헌의 분류와 요약에, 행정전문가는 반복되는 공문서와 업무보고서 초안 작성에 활용할 수 있다. 이처럼 AI 에이전트와 자동화는 특정 직업만을 위한 기술이 아니다.

반복되는 업무가 있는 곳이라면 어디에서든 적용할 가능성이 있다.

 

자동화는 어떻게 시작할 수 있을까?

여기까지 읽었다면 이런 생각이 들 수 있다. "좋은 것은 알겠는데, 프로그래밍을 모르는 나도 만들 수 있을까?" 충분히 시도해 볼 수 있다. 과거에는 자동화 프로그램을 만들려면 직접 코드를 작성해야 하는 경우가 많았다. 하지만 최근에는 복잡한 프로그래밍을 하지 않고도 여러 서비스를 연결할 수 있는 도구가 등장했다.

대표적인 것이 메이크(Make), 엔에잇엔(n8n), 마이크로소프트 파워 오토메이트(Power Automate)다. 메이크는 여러 인터넷 서비스를 연결해 작업 흐름을 만드는 자동화 플랫폼이다. 예를 들어 구글 드라이브에 파일이 등록되면 AI가 내용을 요약하고, 그 결과를 이메일로 보내도록 구성할 수 있다.

엔에잇엔은 자동화 흐름을 직접 설계하고 AI 기능을 결합할 수 있는 도구다. 자체 서버에 설치해 운영하는 방식도 지원하므로 업무환경에 맞춰 유연하게 구성할 수 있다.

파워 오토메이트는 엑셀, 아웃룩, 원드라이브, 팀즈와 같은 마이크로소프트 업무환경을 사용하는 조직에서 활용하기 좋은 자동화 도구다.

여기서 꼭 알아두어야 할 개념이 있다. 트리거(Trigger)는 자동화 작업을 시작하게 만드는 조건이나 사건이다. 매일 오전 9시가 되거나, 새로운 이메일이 도착하거나, 특정 폴더에 파일이 추가되는 것이 트리거가 될 수 있다. 액션(Action)은 트리거가 발생했을 때 실행하는 작업이다. 파일을 읽고, AI에게 내용을 분석하게 하고, 결과를 저장하거나 이메일을 보내는 일이 액션이다.

워크플로(Workflow)는 이러한 트리거와 액션을 연결해 만든 전체 업무 흐름이다.

쉽게 말하면 트리거는 일을 시작하는 신호이고, 액션은 실제 수행하는 동작이며, 워크플로는 그 모든 과정의 순서다.

여기에 AI 에이전트를 연결하면 단순한 파일 이동이나 알림 발송을 넘어, 문서 분석과 초안 작성처럼 내용에 대한 이해가 필요한 작업까지 포함할 수 있다. 다만 자동화 플랫폼을 사용한다고 모든 과정이 저절로 완성되는 것은 아니다. 각 서비스의 계정을 연결하고 접근 권한을 설정해야 하며, 일부 기능에는 유료 요금제나 API 사용료가 필요할 수 있다.

 

나만의 첫 번째 자동화를 만들어 보자

처음 자동화를 시작하는 사람에게 나는 '자료가 들어오면 요약문을 작성하는 작업'을 권하고 싶다. 복잡한 업무보다 구조가 단순하고 결과를 쉽게 확인할 수 있기 때문이다. 먼저 컴퓨터나 클라우드 저장공간에 'AI업무'라는 폴더를 만든다. 그 안에 '01_자료', '02_작업', '03_완성본'이라는 세 개의 폴더를 준비한다. 그다음 자신이 자주 사용하는 문서 하나를 자료 폴더에 넣는다. 회의록이나 수업자료, 강의자료처럼 민감한 개인정보가 없는 문서가 좋다.

이제 AI에게 다음과 같이 요청해 보자.

"자료 폴더에 있는 문서를 읽고 핵심 내용을 다섯 문단으로 요약해 줘. 중요한 결정사항이나 실천해야 할 내용이 있다면 별도로 정리하고, 완성된 문서는 날짜와 제목을 포함한 파일명으로 완성본 폴더에 저장해 줘. 원본 자료에 없는 내용은 임의로 추가하지 말고, 작업이 끝나면 결과를 알려줘."

이 지시는 에이전트가 접근할 수 있는 폴더와 파일 도구가 연결되어 있을 때 실행할 수 있다. 처음에는 사람이 직접 작업을 실행하도록 한다. 정상적으로 문서를 읽고 결과물을 저장하는지 확인한 다음, 자동화 도구를 이용해 자료 폴더에 새로운 파일이 등록되면 같은 작업을 시작하도록 설정한다. 마지막으로 결과물이 완성되었을 때 이메일이나 메신저로 알림을 보내도록 연결하면 된다. 이렇게 하면 사람이 매번 파일을 열고 인공지능에게 복사해서 붙여넣는 과정을 줄일 수 있다.

처음에는 작은 변화처럼 보일 것이다. 하지만 매일 10분씩 반복하던 작업을 줄일 수 있다면 한 달 동안 상당한 시간을 확보할 수 있다. 그 시간을 다른 업무에 사용할 수도 있고, 공부하거나 새로운 아이디어를 생각하는 데 투자할 수도 있다.

자동화의 목적은 단순히 일을 빨리 끝내는 것이 아니다.

반복되는 일에 사용하던 시간을 더 가치 있는 일에 사용할 수 있도록 만드는 것이다.

 

자동화할 일과 사람이 해야 할 일을 구분하자

AI 에이전트와 자동화를 사용하면서 주의해야 할 부분도 있다. 모든 일을 자동화하는 것이 좋은 것은 아니다. 예를 들어 회사의 중요한 계약서를 검토하거나, 학생의 평가 결과를 확정하거나, 상담 내용을 바탕으로 전문적인 판단을 내리는 일은 사람이 책임지고 확인해야 한다.

AI 에이전트가 관련 자료를 정리하고 판단에 필요한 정보를 제공할 수는 있지만, 최종 결정까지 무조건 맡기는 것은 위험하다. 특히 개인정보가 포함된 자료는 더욱 주의해야 한다. 학생의 이름과 성적, 상담자의 기록, 회사의 고객정보 등을 외부 AI 서비스에 그대로 전달해서는 안 된다. 자료를 비식별 처리하거나 조직에서 승인한 안전한 업무환경을 사용해야 한다.

자동화 과정에서 이메일을 잘못된 사람에게 보내거나, 중요한 파일을 삭제하는 일이 발생할 수도 있다. 그래서 처음 자동화를 설계할 때는 사람의 승인 단계를 반드시 고려해야 한다. 자료를 읽고 요약문을 작성하는 작업은 자동으로 진행하더라도, 외부로 문서를 발송하거나 기존 파일을 삭제하는 작업은 사용자가 확인한 후 실행하도록 만드는 것이다.

이를 흔히 휴먼 인 더 루프(Human-in-the-Loop)라고 부른다. 인공지능이 작업하는 과정에 사람이 참여해 검토하고 판단하는 방식이다. 나는 AI 에이전트를 활용하는 사람에게 이 개념이 특히 중요하다고 생각한다. 인공지능은 일을 대신 수행할 수 있지만, 업무의 목적을 정하고 결과에 책임지는 사람은 여전히 사용자이기 때문이다.

 

인공지능을 사용하는 사람에서, 일하는 방식을 설계하는 사람으로

우리는 지금까지 인공지능에게 질문하는 방법을 배워왔다. 어떻게 질문해야 좋은 답변을 얻을 수 있을까? 어떤 프롬프트를 입력해야 원하는 문서를 만들 수 있을까? 이러한 능력은 여전히 중요하다. 하지만 AI 에이전트와 자동화를 사용하려면 한 가지 능력이 더 필요하다. 바로 자신이 하는 일을 이해하고 그 과정을 설계하는 능력이다.

보고서 하나를 작성하는 일에도 여러 단계가 있다. 자료를 찾고, 내용을 확인하고, 중요한 정보를 정리하고, 양식에 맞춰 문서를 만들고, 검토한 후 전달하는 과정이다. 지금까지는 사람이 이 모든 단계를 직접 처리했다. 이제는 그중 어떤 일을 자동화할 수 있는지, 어떤 일에 AI 에이전트를 활용할 수 있는지, 어느 단계에서 사람이 판단해야 하는지를 구분할 수 있어야 한다.

나는 앞으로 AI를 잘 활용하는 사람이 단순히 인공지능 프로그램을 많이 아는 사람은 아닐 것이라고 생각한다.

자신의 업무를 이해하고, 반복되는 일을 찾아내고, 인공지능과 사람이 함께 일하는 구조를 만들 수 있는 사람이 AI 시대의 경쟁력을 갖게 될 것이다.

직장인은 더 이상 매주 같은 보고서를 처음부터 작성하지 않아도 되는 업무환경을 만들 수 있다. 교사는 반복적인 자료 준비에 사용하는 시간을 줄이고 학생들에게 더 집중할 수 있다. 대학생은 자료를 정리하는 시간을 줄이고 스스로 사고하고 탐구하는 데 더 많은 시간을 사용할 수 있다.

전문가 역시 반복적인 문서 작업보다 자신의 전문성이 필요한 판단과 의사결정에 집중할 수 있다.

그 변화의 시작은 거창하지 않다. 오늘 자신이 하는 일을 한번 돌아보자. 매일 반복하는 일은 무엇인가? 매주 같은 방식으로 처리하는 업무는 무엇인가? 그중 인공지능에게 맡길 수 있는 일은 무엇인가? 이 질문에 답할 수 있다면 이미 자동화를 시작할 준비가 된 것이다.

지난 글에서 우리는 인공지능에게 일을 맡기는 AI 에이전트의 개념을 살펴보았다. 이번에는 그 에이전트가 정해진 시간이나 조건에 따라 스스로 작업을 시작하도록 만드는 자동화의 개념을 알아보았다. 이제 남은 것은 직접 해보는 일이다.

AI 에이전트가 일을 수행하는 디지털 업무요원이라면, 자동화는 그 요원이 필요한 순간에 일을 시작하도록 만드는 업무 시스템이다.

이 둘을 연결하는 순간, 인공지능은 질문에 답하는 도구를 넘어 나와 함께 일하는 업무환경의 일부가 된다.