AI 에이전트 업무 전환기: 클로드 코드 18개 에이전트와 하네스 엔지니어링 실전 사례

핵심 메시지

• 업무용은 클로드 코드, 일상용은 오픈클로로 나눈 2층 구조의 에이전트 시스템을 맥미니에서 24시간 돌리고 텔레그램으로 지시한다.
• 중요한 것은 어떤 도구를 쓰느냐가 아니라, 일이 처리되는 방식을 문서·스크립트·양식으로 미리 규율하는 '하네스 엔지니어링'이다.
• 업무 목적별로 쪼갠 18개 프로젝트를 '자비스'라는 라우터 에이전트가 받아 적절한 곳으로 분배한다.
• 에이전트는 만들고 끝이 아니라 검증·개선 루프를 돌려야 하며, 평가 기준을 주고 스스로 반복 개선하게 하는 '오토 리서치'가 특히 효과적이었다.
• 화자는 지식 노동의 핵심이 실행에서 설계로 옮겨가고 있으며, 이는 모든 직장인이 피할 수 없는 변화라고 결론짓는다.

쉽게 이해하기

영상의 화자는 지난 한 달 동안 자신의 업무를 최대한 AI 에이전트로 옮기는 실험을 했고, 그 과정을 도구 소개가 아닌 구체적인 사례로 공개한다. 시스템은 크게 업무용과 일상용 두 층으로 나뉜다. 업무 비서는 클로드 코드가, 일상 비서는 오픈클로가 맡고 있으며, 두 환경 모두 사무실의 맥미니에 설치해 24시간 켜둔 채 운영한다. 그 덕분에 텔레그램으로 언제든 일을 시킬 수 있고, 정해둔 시간에는 에이전트가 먼저 필요한 정보를 정리해 알려준다.

화자가 반복해서 강조하는 개념은 '하네스 엔지니어링'이다. 최근 모델은 매우 똑똑해졌지만 길들여지지 않은 말처럼 엉뚱한 방향으로 가기도 하는데, 안장을 씌우듯 의도에 맞게 움직이도록 미리 규율해두는 작업이 하네스라는 설명이다. 과거 프롬프트만으로 모델을 통제하던 방식과 달리, 지금은 규정 문서와 참고 파일, 코드 스크립트, 양식 파일까지 동원해 훨씬 촘촘하게 규율한다. 그는 이 작업만 잘하면 디지털 기반의 지식 노동 대부분이 에이전트로 전환 가능하다고 본다.

실제 구성은 업무 목적별로 쪼갠 18개 프로젝트다. 가운데에는 '자비스'라고 이름 붙인 비서실장 에이전트가 있어, 지시를 받으면 알맞은 프로젝트를 찾아 미리 정해둔 절차대로 처리한다. 하위에는 고객사 정보를 넣으면 맞춤형 실습 시나리오를 만들어주는 교육 설계 그룹, 스타일 가이드 안에서 자율적으로 강의 슬라이드를 만들어 구글 드라이브까지 올려주는 슬라이드 제작 그룹, 블로그 작성과 영상 편집을 시험 중인 콘텐츠 그룹, 메일에서 강의 문의를 골라 노션 데이터베이스를 갱신하는 영업 그룹 등이 있다. 세금계산서 발행이나 웹 크롤링처럼 세부 업무도 에이전트에 맡기고 있다.

일상 비서인 오픈클로는 반대로 하네스를 느슨하게 잡는다. 폴더 구조를 크게 잡지 않고 컴퓨터를 사람처럼 직접 조작하게 해, 떠오르는 대로 시켜볼 수 있다는 점이 장점이다. 캘린더 등록과 아침 일정 브리핑, 카카오톡 '나에게 보내기'에 쌓인 링크를 하루 두 번 긁어 구글 시트에 정리하는 일이 대표적이다. 열차 좌석 조회는 웹이 막혀 있어 쓰지 않는 구형 안드로이드 폰을 맥미니에 연결하고 화면을 제어하는 방식으로 구현했는데, 화자는 이를 보며 자동화의 성역이 무너진 느낌이라고 말한다.

운영에서 얻은 교훈도 정리한다. 에이전트를 설계하는 프롬프트를 아예 재사용 가능한 메타 스킬로 만들어두고, 만든 뒤에는 신입 교육하듯 피드백을 주며 검증·개선 루프를 돌린다. 여기서 한 걸음 더 나간 것이 평가 기준을 알려주고 그 기준을 맞출 때까지 스스로 실험을 반복하게 하는 '오토 리서치'인데, 슬라이드 제작 에이전트에 적용했더니 열 번째 실험 결과물이 눈에 띄게 좋아졌다고 한다. 다만 판단할 거리가 늘어 더 지치고, API나 웹사이트 구조가 바뀌면 파이프라인이 깨져 유지보수가 또 하나의 일이 된다는 점도 함께 짚는다.

주요 인사이트

• 도구 선택보다 '일이 처리되는 방식'을 얼마나 구체적으로 정의해두었는지가 결과를 가른다. 정밀함이 필요한 업무에는 규율을 촘촘히 걸 수 있는 환경을, 가볍게 시도해볼 일에는 느슨한 환경을 쓰는 식의 분리가 유효했다.
• 여러 에이전트를 쓰는 순간 창구를 하나로 모으는 라우터가 필요해진다. 폴더를 오가는 번거로움과 메신저 연동 문제를 '자비스'라는 분배 담당 에이전트가 한꺼번에 해결했다.
• 회사가 API를 열어주지 않아도, 사람처럼 화면을 조작하는 에이전트는 우회로를 만든다. 카카오톡 아카이빙과 열차 좌석 조회가 그 사례다.
• AI가 스스로 채점하고 고치게 하려면 평가 기준을 세우는 일이 먼저다. 화자는 예쁜 슬라이드처럼 기준이 없어 보이는 일도 지표화가 가능하다는 것을 깨달으면서 자기 일을 더 깊이 이해하게 됐다고 말한다.
• 무엇이 가능한지만 알면 나머지는 에이전트가 메운다. 깃허브 저장소 링크나 참고 자료를 건네고 '이렇게 하고 싶다'고 말하는 벤치마킹만으로도 상당한 수준의 결과에 도달했다.

자주 묻는 질문

관련 AI 소식