AI 워크플로와 에이전트, 무엇부터 쓸까: 업무 선택 기준표
모든 일을 자율 에이전트로 만들 필요는 없습니다. 입력과 결과가 정해진 일은 워크플로로, 상황에 따라 도구와 순서를 고르는 일은 제한된 에이전트로 시작하는 선택 기준을 정리했습니다.
AI 도입 계획을 세울 때 ‘에이전트’라는 말이 먼저 나오면 일이 필요 이상으로 복잡해지기 쉽습니다. 실제로는 요약, 분류, 형식 변환, 초안 작성처럼 순서를 정해 둘 수 있는 일이 많습니다. 이런 일은 누가 어떤 판단을 했는지 확인하기 쉬운 워크플로로 충분할 수 있습니다.
Anthropic의 효과적인 AI 에이전트 가이드는 미리 정한 코드 경로로 움직이는 워크플로와, 모델이 도구 사용과 과정을 동적으로 정하는 에이전트를 구분합니다. 또한 가능한 단순한 해법에서 시작하고 필요할 때 복잡도를 높이라는 관점을 제시합니다. 아래 선택표는 그 관점을 팀의 업무 선택에 맞게 바꾼 것입니다.
먼저 업무의 예측 가능성을 보세요
‘AI가 잘할까?’보다 ‘우리가 이 일을 설명할 수 있나?’를 먼저 묻는 편이 좋습니다. 새 문의를 정해진 기준으로 분류하고 표로 만드는 일은 입력과 결과를 설명하기 쉽습니다. 반면 고객 상황에 따라 자료를 찾고, 여러 시스템을 비교하고, 누군가에게 다시 물어야 하는 일은 선택지가 더 많습니다.
예측 가능하다고 해서 위험이 없다는 뜻은 아닙니다. 고객 발송, 결제, 권한 변경처럼 영향이 큰 행동은 워크플로라도 사람 승인이 필요합니다. 첫 대상은 읽기·정리·검수용 초안처럼 되돌리기 쉬운 업무가 좋습니다. 팀의 후보를 나누려면 AX 자가진단으로 반복, 예외, 승인 지점을 먼저 기록해 보세요.
워크플로와 에이전트 선택표
| 질문 | 워크플로부터 | 제한된 에이전트 검토 |
|---|---|---|
| 순서 | 단계와 도구 순서를 미리 적을 수 있다 | 사례마다 필요한 조사·도구가 다르다 |
| 결과 | 표, 초안, 분류처럼 형식이 일정하다 | 여러 후보를 비교하고 이유를 남겨야 한다 |
| 예외 | 예외를 규칙으로 분기하거나 사람에게 넘길 수 있다 | 예외의 종류를 아직 충분히 알지 못한다 |
| 권한 | 읽기 전용 또는 초안 단계로 제한된다 | 도구를 쓰되 승인·로그·되돌리기가 준비돼 있다 |
오른쪽 칸에 하나라도 답했다고 바로 에이전트가 필요한 것은 아닙니다. 먼저 정보 탐색이나 비교의 일부를 워크플로로 고정할 수 있는지 보세요. 가령 ‘고객 문의를 세 분류로 나누고, 모르면 확인 필요로 보내기’는 워크플로입니다. ‘여러 문서와 시스템에서 근거를 찾아 답변 초안을 만들되, 출처가 없으면 멈추기’는 더 넓은 판단을 요구하지만 여전히 초안 범위에서 시작할 수 있습니다.
첫 실험을 고르는 5문장
업무 하나를 고른 뒤에는 아래 문장을 채워 보세요. 빈칸이 많다면 도구를 고르기보다 업무를 더 작게 쪼개야 한다는 신호입니다. 이 문장은 개발 명세서가 아니라 팀의 첫 합의입니다.
이 업무는 ________가 들어오면 시작한다. AI는 ________ 자료만 읽는다. 결과는 ________ 형식의 초안이다. ________ 경우에는 실행하지 않고 확인자에게 넘긴다. ________가 원문과 결과를 확인하면 완료다.
이렇게 쓰면 워크플로에 필요한 조건과 에이전트가 처리해야 할 불확실성이 함께 드러납니다. 입력이 정해지지 않았거나 완료 기준이 없다면 에이전트를 늘려도 결과를 평가하기 어렵습니다. 반대로 매번 사람이 같은 위치에서 자료를 찾고 비교한다면, 그 부분만 제한된 탐색으로 실험해 볼 수 있습니다.
복잡도를 올릴 때 확인할 것
처음보다 더 많은 도구와 자율성을 주고 싶다면, 대표 사례에서 실제로 어떤 병목이 남았는지 기록하세요. 긴 지연 시간, 반복되는 수동 탐색, 여러 규칙의 충돌처럼 명확한 문제가 있을 때만 다음 단계가 설득력을 가집니다. ‘더 똑똑해 보인다’는 이유만으로 여러 에이전트를 연결하면 오류를 추적하기 어려워집니다.
에이전트를 쓴다면 도구별 권한도 업무 목적에 맞춰 좁혀야 합니다. 읽기, 초안 작성, 외부 실행을 같은 권한으로 두지 말고 사람 승인 지점을 분리하세요. 업무별로 교육과 합의가 필요하면 AX 교육 프로그램에서 팀이 같은 기준으로 연습할 수 있습니다.
선택 뒤 2주 동안 볼 지표
- 결과가 완료 기준을 통과한 비율과 사람이 고친 이유
- ‘확인 필요’로 멈춘 예외가 다음 업무 설계에 반영됐는지
- 담당자가 원문과 결과를 다시 찾는 데 든 시간
- 권한 밖의 행동이나 예상하지 못한 외부 변경이 없었는지
워크플로와 에이전트의 차이는 유행어가 아니라 책임을 어디에 둘지의 차이입니다. 설명 가능한 순서로 시작하면 품질을 고치기 쉽고, 복잡도를 올려야 할 이유도 더 분명해집니다.
자주 묻는 질문
워크플로는 너무 단순해서 AI 전환이 아닌가요? 아닙니다. 반복 업무의 입력·검수·완료를 연결해 실제로 쓸 수 있다면 충분히 AX의 시작입니다. 복잡도보다 업무의 신뢰성과 재사용성을 보세요.
에이전트가 필요한 업무는 누가 판단하나요? 실제 담당자, 결과 검수자, 시스템 권한 담당자가 함께 판단해야 합니다. 한 사람의 데모 경험만으로 외부 실행 범위를 넓히지 마세요.
출처: Anthropic, Building Effective AI Agents를 2026년 9월 20일 확인했습니다. 선택표와 실험 순서는 LeanX의 제안입니다.
자주 묻는 질문
AI 워크플로는 무엇인가요?
정해 둔 순서와 규칙에 따라 모델과 도구가 움직이도록 구성한 흐름입니다. 입력과 결과가 비교적 일정한 분류·요약·초안 작업에 적합합니다.
AI 에이전트는 언제 필요한가요?
작업마다 필요한 도구나 순서를 미리 모두 정하기 어렵고, 제한된 범위 안에서 상황 판단이 필요한 경우를 검토할 수 있습니다. 이때도 권한과 중단 조건은 미리 정해야 합니다.
처음부터 여러 에이전트를 연결해도 되나요?
권하지 않습니다. 먼저 한 업무 단위와 한 검수 기준에서 결과를 확인하세요. 복잡도는 품질 문제나 업무 병목이 확인될 때만 늘리는 편이 관리하기 쉽습니다.
우리 팀의 반복 업무를 안전한 첫 실험으로 나눠 보세요.
교육 프로그램 보기