AI 업무 자동화 강의 정리: 프롬프트·플로우·코딩 기반 에이전트 3가지 유형 비교

핵심 메시지

• 자동화 대상을 고르는 기준은 반복성, 규칙성, 형식성이다. 창의적 사고가 필요한 업무는 완전 자동화가 아니라 자료 정리나 초안 생성 같은 보조 수준으로만 가능하다.
• AI 에이전트는 목표, 환경, 감지, 판단, 행동이라는 다섯 요소로 구성되며, 정해진 절차가 아니라 목표를 향해 스스로 계획을 세운다는 점이 핵심이다.
• 전통적인 RPA가 규칙 기반이라 프로세스가 바뀌면 스크립트를 고쳐야 하는 반면, AI 에이전트는 목표만 주면 계획을 만들고 사전에 정의하지 않은 예외에도 대응한다.
• 개발 형태에 따라 에이전트는 프롬프트 기반, 플로우 기반, 코딩 기반 세 유형으로 나뉘며 난이도와 적합한 담당자가 각각 다르다.
• 프롬프트 기반 에이전트를 만들 때는 역할·맥락·명령·형식·어조라는 다섯 가지 구성 요소를 모두 채우는 것이 실습의 기본 조건이다.

쉽게 이해하기

생성형 AI 활용 과정의 다섯 번째이자 마지막 회차로, 앞선 회차에서 배운 프롬프트 엔지니어링과 콘텐츠 제작, 정보 검색, 데이터 분석을 모아 업무 자동화로 잇는 강의다. 강의는 글로벌 진출을 시작한 에듀테크 스타트업의 운영팀 사례를 축으로 삼는다. 나라와 언어별로 안내 이메일을 번역하고 작성하고 발송하고 응답까지 관리하는 일을 전부 사람이 하다 보니 시간이 오래 걸리고 실수가 잦았다는 상황이다. 이 반복 업무를 AI와 자동화 도구로 이을 수 있느냐가 강의 전체의 질문이다.

업무 자동화는 사람이 반복해서 하는 일을 도구나 AI가 대신 처리하는 것으로 정의된다. 회의록은 수작업 요약 대신 대화형 AI가 요점을 뽑아 요약본을 만들고, 메일 회신은 복사·붙여넣기 대신 프롬프트 기반으로 초안을 생성하며, 자료 정리는 분류 기준에 따라 자동으로 걸러 정렬하고 요약까지 붙이는 식이다. 자동화가 가능한 업무의 조건은 반복성, 규칙성, 형식성 세 가지다. 매일 회신이나 뉴스 요약 같은 반복 업무, 양식 채우기나 문서 분류 같은 규칙 기반 업무는 자동화에 잘 맞지만, 전략 수립이나 제안서 작성 같은 창의적 업무는 완전 자동화가 어렵고 보조 수준에 머문다. 자동화의 기본 흐름은 업무 입력, AI 분석, 결과 생성, 저장 또는 전송의 네 단계이며 이 사이를 잇는 것이 프롬프트다.

강의는 이어서 AI 에이전트를 정의한다. 목표를 달성하기 위해 주변 환경을 감지하고 판단해서 스스로 행동하는 시스템이라는 것이다. 구성 요소는 다섯 가지다. 달성하려는 목표, 상호작용하는 외부 환경, 환경에서 정보를 모으는 감지, 모은 정보로 전략을 세우는 판단, 그리고 실제 작업을 수행하는 행동이다. 동작 흐름도 목표 수립, 환경 감지, 판단과 계획 수립, 행동 수행, 결과 평가와 반복의 다섯 단계로 돈다. 강의는 문의를 분류해 답변하는 상담 에이전트, 긴 문서를 요약하는 에이전트, 조건에 따라 메일을 처리하는 에이전트, 주간 보고서를 만드는 반복 업무 에이전트를 사례로 든다.

전통적인 자동화와 AI 에이전트의 차이는 일곱 가지 항목으로 비교된다. RPA 같은 전통 방식은 고정된 규칙으로 작동하고 순차적 흐름과 조건문이 중심이며, 구조화된 반복 업무에 맞고, 프로세스가 바뀌면 스크립트를 고쳐야 해서 유연성이 낮다. 예외도 미리 정의한 것만 처리할 수 있고 업무 흐름은 사람이 설계해야 한다. 반면 AI 에이전트는 목표 기반으로 자율 동작하고, 비정형이며 추론이 필요한 업무에 강하며, 언어 모델을 바탕으로 자연어를 이해해 유연하게 대응한다. 상황에 맞춰 예외를 처리하고, 목표만 설정하면 계획을 스스로 만든다는 점이 가장 큰 차이다.

개발 형태에 따라 에이전트는 세 유형으로 나뉜다. 첫째는 프롬프트 기반으로, 대화형 화면에서 자연어 지침만으로 설정하는 방식이다. 난이도가 가장 낮고 비개발자와 기획자에게 맞으며, 핵심 역량은 프롬프트 설계력이다. 둘째는 플로우 기반으로, 트리거와 액션을 시각적으로 이어 붙여 워크플로를 그리는 방식이다. 난이도는 중간이고 실무형 개발자와 자동화 담당자에게 맞으며, 프로세스 설계력과 자동화 논리 구성이 핵심이다. 셋째는 코딩 기반으로, 코드로 모듈과 메모리와 도구를 직접 정의한다. 난이도가 가장 높고 개발자와 연구자에게 맞으며 자율형 에이전트나 멀티 에이전트 협업에 쓰인다. 이 강의는 앞의 두 유형을 집중적으로 다룬다.

프롬프트 기반 에이전트로는 오픈AI의 GPTs, 구글 제미나이의 젬, 마이크로소프트 365의 코파일럿 에이전트가 소개된다. GPTs는 역할과 지침, 참고 파일, 웹 검색·이미지 생성·코드 실행 같은 기능, 그리고 외부 연동을 담당하는 액션스로 구성된다. 젬은 이름과 지침, 지식 파일로 만들고 구글 워크스페이스의 드라이브·문서·캘린더와 연동된다. 코파일럿 에이전트는 지침과 지식에 더해 자동 실행 조건인 트리거를 설정할 수 있고 아웃룩·팀즈 같은 도구와 이어지며 기업용 보안·관리 기능을 제공한다. 실습에서는 회의 일정 안내 메일을 자동 작성하는 에이전트와 에듀테크 뉴스레터를 요약하는 에이전트를 만드는데, 두 경우 모두 역할·맥락·명령·형식·어조 다섯 요소를 빠짐없이 넣는 것이 조건이다.

플로우 기반 도구로는 파워 오토메이트, 재피어, 메이크, n8n이 비교된다. 파워 오토메이트는 아웃룩·엑셀·팀즈 같은 마이크로소프트 365 환경과의 연동이 강해 사내 문서 승인이나 보고서 자동화에 맞고, 재피어는 6천 개가 넘는 앱을 연결할 수 있어 외부 서비스 연동에 유리하다. 메이크는 시각적 워크플로 설계와 데이터 가공·변환이 뛰어나 복잡한 멀티 앱 연동에 어울리고, n8n은 오픈소스라 자체 서버에 설치할 수 있어 보안과 비용 면에서 유리하며 내부 시스템 연동에 추천된다. 도구를 고르는 기준은 지금 쓰는 업무 도구와 얼마나 잘 붙는지, 자동화 수요가 큰 업무인지, 그리고 외부 앱 중심인지 내부 시스템 중심인지다.

마지막 실습은 새 메일이 도착하면 요약본을 팀즈로 보내는 흐름을 세 단계로 설계하는 것이다. 새 메일 수신을 트리거로 잡고, 언어 모델로 내용을 요약하고, 요약본을 팀즈 대화창으로 발송한다. 더 복잡한 설계 실습에서는 고객 정보를 스프레드시트로 관리하고, 언어 모델이 관심 분야에 맞춘 이메일 문구를 생성해 시트에 저장하고, 담당자가 검토해 승인 표시를 하면 자동으로 발송되고, 발송 성공·실패 결과가 다시 시트에 기록돼 요약 리포트까지 만들어지는 다섯 단계 흐름을 파워 오토메이트로 묶는다. 강의는 이 다섯 단계가 완전히 자동화되면 사람이 개입할 부분이 거의 남지 않는다고 정리한다.

주요 인사이트

• 자동화 대상을 고르는 기준을 반복성·규칙성·형식성 세 가지로 못 박은 것이 실용적이다. 창의적 업무를 억지로 자동화하려다 실패하는 흔한 시행착오를 앞에서 막아 준다.
• 전통 RPA와 AI 에이전트의 결정적 차이는 성능이 아니라 설계 주체다. 전자는 사람이 흐름을 그려야 하고, 후자는 목표만 주면 계획을 만든다.
• 세 가지 에이전트 유형을 난이도와 적합 담당자로 함께 제시한 덕분에, 조직에서 누가 어떤 도구를 잡아야 하는지 판단하기 쉬워진다.
• 플로우 기반 도구 선택은 기능 비교보다 환경 문제에 가깝다. 마이크로소프트 중심 조직인지, 외부 서비스를 많이 쓰는지, 내부 서버에 두어야 하는지가 답을 거의 결정한다.
• 검토 승인 단계를 흐름 중간에 남겨 둔 실습 설계는, 완전 자동화보다 사람이 확인하는 지점을 어디에 둘지가 실무에서 더 중요한 결정임을 보여준다.

자주 묻는 질문

관련 AI 소식