에이전트 워크플로우 - 같은 AI로 다른 성과를 내는 단 하나의 변수

오픈AI '아스트라'가 촉발한 새로운 패러다임

 

이제 AI를 잘 쓰는 사람이 아니라

AI에게 일을 맡기는 사람이 살아남는다

 

AI 베스트셀러 《프롬프트 텔링》 저자의 신작 《에이전트 워크플로우》

★★★★★ 힉스필드(Higgsfield) 아시아 지사장, 현대자동차 그룹장 추천!

 

생성형 AI의 시대가 또 한 번 바뀌고 있다. 지금까지의 AI는 질문에 답하고 필요한 정보를 찾아주는 도구에 가까웠다. 하지만 기술이 빠르게 발전함에 따라 이제 AI는 일을 맡기면 스스로 자료를 찾고, 업무를 수행하고, 결과를 검토하며, 여러 단계의 작업을 연속적으로 처리하는 ‘에이전트’로 진화하고 있다. 즉, 이제 얼마나 똑똑한 AI를 사용하느냐가 아니라, AI에 얼마나 많은 일을 맡기느냐가 중요한 시대가 시작된 것이다.

 

특히 AGI(범용인공지능)의 등장은 이러한 변화를 더 가속하고 있다. AI의 활용 영역은 개발자와 전문 직군을 넘어, 사무직을 대체할 수 있을 정도로 빠르게 확장되고 있다. 자료 조사와 문서 작성은 물론 분석, 기획, 보고서 작성 등 지금까지 사람이 직접 처리해 온 업무를 AI가 수행하는 것은 기본이고, 사람보다 빠르고 높은 수준으로 업무를 완수하는 시대가 현실이 우리 눈앞에 다가온 것이다. 그리고 그에 따라 이제 우리가 살아가는 데 필요한 능력도 달라질 수밖에 없다.

 

AI 베스트셀러 《프롬프트 텔링》의 저자 로사장은 신작 《에이전트 워크플로우》에서 바로 이 변화에 주목한다. 전작이 AI와 효과적으로 대화하기 위해 자신의 생각과 맥락을 전달하는 ‘프롬프트’의 중요성을 이야기했다면, 이번 책은 그다음 단계인 ‘동기화(SYNC)’를 통해 AI에게 일을 맡기는 방법을 제시한다.

 

지금까지 AI를 활용하기 위해서는 원하는 것을 직접 설명하고, 결과를 확인한 뒤 다시 지시하고 수정하는 과정을 반복해야 했다. 하지만 이제 AI는 단순한 툴을 넘어 스스로 업무를 수행할 수 있는 존재로 발전하고 했기에, 이제는 툴이 아니라, 동기화에 주목해야 한다. 프롬프트를 백 번 넘게 입력하기보다, 한 번 에이전트를 설정해 두면 AI가 나의 사고방식과 업무, 판단 기준과 노하우를 이해하고, 그에 맞춰 최적의 결과를 위해 일하기 때문이다

 

《에이전트 워크플로우》는 이 과정을 ‘SYNC’와 ‘CODE’라는 구체적인 개념과 시스템으로 풀어낸다. 어떤 AI 툴을 선택하고 어떤 프롬프트를 입력할 것인지에 머무르지 않고, 나의 일하는 방식을 어떻게 AI에 연결할 것인지, 어떤 업무를 AI에게 맡길 것인지, 그리고 AI와 함께 어떻게 새로운 업무 시스템을 구축할 것인지까지 단계적으로 설명한다. 여기에 다양한 실제 예제를 더해, 새로운 툴에 익숙하지 않은 이들에게는 특히 실질적인 해법이 되어줄 것이다.

 

결국 AGI 시대의 경쟁력은 AI의 지능 자체에 있지 않다. 같은 AI를 누구나 사용할 수 있게 된 만큼, 이제는 그 AI를 자신의 업무에 얼마나 깊이 연결하고 얼마나 많은 일을 맡길 수 있느냐가 새로운 변화를 만들 것이다. 《에이전트 워크플로우》는 AI를 사용하는 데서 한발 더 나아가 AI에게 일을 맡기는 방식을 구체적으로 제시하며, 가장 혁신이 필요한 이들에게 다가오는 격차를 선점하게 해줄 가장 최적의 솔루션이 되어줄 것이다.

[목 차]

프롤로그

 

CHAPTER 1. AI를 쓸수록 일이 늘어나는 사람

CHAPTER 2. AI는 자료가 아니라 STORY로 일한다

CHAPTER 3. WHY, 시킨 대로 했는데도 AI가 실패하는 이유

CHAPTER 4. NATIVE, 좋은 AI보다, 우리에게 맞는 AI

CHAPTER 5. CYCLE, 일이 스스로 굴러가게 하는 것

CHAPTER 6. SYNC, AI와 나를 동기화하는 법

CHAPTER 7. THINK, AI가 대신할 수 없는 마지막 일

 

에필로그

[본 문]

예전에는 아이디어 하나를 실제 결과물로 만드는 데 몇 시간이 걸렸다면 이제는 시작하는 데 몇 분이면 충분했습니다. 드디어 제 머릿속 속도를 현실이 따라오는 것 같았습니다. 그런데 문제가 생겼습니다. AI가 너무 빨리 발전하는 것이었습니다. _7쪽

 

에이전트 AI는 여기서 한 걸음 더 나아갑니다. 사람이 목표를 주면 필요한 자료를 찾고, 해야 할 일을 여러 단계로 나눈 뒤, 연결된 도구를 사용해 실제 행동까지 수행합니다. 메일을 확인해 답장을 작성하고, 일정을 조정하고, 자료를 분석해 보고서를 전달하는 식입니다. AI가 대화창 안에서 답하는 존재를 넘어 업무의 과정으로 들어오기 시작한 것입니다. _33쪽

 

AI가 필요한 정보를 우선순위에 따라 꺼내 쓰게 하려면, 먼저 꺼내 쓸 수 있는 스토리가 쌓여 있어야 합니다. 기록되지 않은 회의는 검색할 수 없고, 남겨두지 않은 판단은 연결할 수 없습니다. 머릿속에서 사라진 경험은 아무리 뛰어난 AI라도 되살릴 수 없습니다. _62쪽

 

AI는 우리가 마음속으로 기대한 목적이 아니라, 실제로 전달한 목표를 따라 움직입니다. 목표가 비어 있다면 일반적으로 좋아 보이는 기준을 스스로 채우고, 특정 숫자만 목표로 주면 그 숫자를 높이는 가장 직접적인 방법을 찾습니다. _100쪽

 

예를 들어 앞으로 몇 달 동안 ‘2026 신제품 론칭’을 AI와 함께 진행한다고 해보겠습니다. 일반 채팅을 열 때마다 “우리 제품은 이렇고, 타깃 고객은 이렇고, 브랜드에서는 이런 표현을 쓰면 안 되고……”를 반복해서 설명하는 대신, 아예 ‘2026 신제품 론칭’이라는 프로젝트를 하나 만듭니다. _124쪽

 

NATIVE에서 가장 먼저 찾아야 하는 것은 조직에 미치는 임팩트가 크면서 AI가 잘할 수 있는 일입니다. 이 영역부터 바꾸면 몇 개의 AI를 무작정 도입하지 않아도 조직 전체에서 변화가 빠르게 체감됩니다. _150쪽

 

크리에이터는 저처럼 콘텐츠를 만드는 시간보다 소재를 찾고 자료를 읽고 정리하는 시간이 더 길 수 있습니다. 촬영은 두 시간이지만 촬영 전 준비가 여섯 시간이라면, 촬영을 줄일 것이 아니라 준비 여섯 시간 안에서 반복되는 일을 먼저 찾아야겠죠. _168쪽

 

저는 이 지점이 채팅형 AI와 에이전트형 AI를 가르는 꽤 중요한 경계라고 생각합니다. 에이전트는 단순히 더 똑똑한 채팅창이 아닙니다. 맡은 역할 안에서 일이 생기면 움직이고, 앞의 결과를 이어받아 다음 업무를 처리하며, 사람이 매 순간 말을 걸지 않아도 하나의 흐름을 계속 이어갈 수 있어야 합니다. _197쪽

 

오히려 AI가 그럴듯한 제안서를 순식간에 만들어 주는 시대가 될수록 이 기업을 얼마나 제대로 이해했는가가 제안서의 차이를 만듭니다. 다만 모든 자료를 제가 직접 찾아 읽고, 쓸 만한 부분을 옮겨 적고, 다음 AI에게 다시 설명할 필요까지는 없었습니다. _220쪽

 

그렇다고 가장 빠른 전투기가 가장 좋은 비행기인 것도 아닙니다. 전투기는 굉장히 빠르지만 가족여행을 갈 때마다 전투기를 탈 이유는 없습니다. 목적에 맞지 않는 성능은 오히려 낭비가 될 수 있습니다. AI도 똑같습니다. 가장 비싸고 가장 강력한 모델을 모든 업무에 붙이는 것이 답은 아닙니다. _257쪽

 

여기서 중요해지는 것이 도메인 지식(Domain Knowledge)입니다. 도메인 지식은 특정 분야에서 오랫동안 일하면서 쌓은 전문 지식입니다. _290쪽

 

하나하나 보면 사소한 일이었죠. 더 좋은 선택을 하기 위한 작은 도움이라고 생각했고, 실제로 AI는 빠르고 꽤 만족스러운 답을 줬습니다. 그러다 보니 자연스럽게 더 많은 것을 맡기게 됐습니다. 그런데 어느 순간부터 조금 다른 문제가 보이기 시작했습니다. AI에게 일을 맡기는 것을 넘어, 내가 직접 고민하고 판단해야 하는 과정까지 넘기고 있다는 느낌이 들었습니다. _317쪽

 

그래서 저는 AI를 ‘잘하는 사람들만 쓰는 기술’로 남겨두고 싶지 않습니다. 앞에서 아버지 이야기를 했던 것도 같은 이유입니다. 예순이 된 아버지가 평생 쌓아온 교육 경험을 AI와 연결해 새로운 무언가를 해볼 생각에 신이 나 있는 모습을 보면서. 이 기술이 생각보다 훨씬 많은 사람에게 새로운 가능성을 열어줄 수 있겠다고 생각했습니다. _360쪽