AI 서재
책으로 읽는 AI서재
한 권을 고르고, 목차에서 차례대로 읽을 수 있게 정리했습니다.
PDF 다운로드 책
다국어로 읽는 대학생 교양 인공지능
한국어 원문과 외국어 번역을 함께 실은 유학생용 교재입니다. 각 책 소개 페이지에서 PDF를 받을 수 있습니다.
[AI서재] 2장 에이전트 작업 흐름이 바꾸는 일터
클로드 코드 완전정복
2장 에이전트 작업 흐름이 바꾸는 일터
김경진 변호사
도입
금요일 오후 4시, 마케팅 팀장 이수진 씨는 모니터 앞에서 한숨을 쉽니다. 경쟁사 5곳의 가격 정책이 바뀌었다는 소식이 슬랙에 올라왔고, CEO는 월요일 아침 회의 전까지 경쟁 분석 보고서를 요청했습니다. 예전이라면 각 경쟁사 웹사이트를 하나하나 열어 가격표를 복사하고, 엑셀에 옮기고, 파워포인트에 차트를 그리는 데 주말 절반을 써야 했을 겁니다.
그런데 이수진 씨는 노트북을 열고 클로드 코드에 한 문장을 입력합니다. "우리 회사 브랜드 가이드라인에 맞춰 경쟁사 5곳의 최신 가격 정책을 분석하고, PDF 보고서를 만들어줘." 15분 뒤, 회사 로고와 색상이 반영된 12쪽짜리 보고서가 화면에 나타납니다.
이것이 에이전트 작업 흐름(Agentic Workflow)의 모습입니다. 사람이 각 단계를 수동으로 연결하는 대신, AI 에이전트가 스스로 판단하고, 도구를 선택하고, 오류를 수정하면서 결과물을 완성합니다.
80억 달러에서 500억 달러로: 에이전트형 AI 시장의 폭발적 성장
숫자부터 확인하겠습니다. 에이전트형 AI 시장 규모는 2025년 기준 약 80억 달러(한화 약 11조 원)로 추산됩니다. 업계 전망에 따르면 2030년까지 400억~500억 달러(한화 약 55조~69조 원) 규모로 성장할 것으로 예측됩니다. 작은 도약이 아닙니다. 하나의 산업이 눈앞에서 만들어지고 있는 것입니다.
이 수치가 단지 전망치에 불과하다고 생각할 수 있습니다. 하지만 현장의 움직임은 이미 시작되었습니다. 세계 기업의 약 25%가 에이전트 시험 운영 프로젝트를 가동하고 있으며, 2027년에는 그 비율이 50%에 이를 것으로 전망됩니다. 주요 기업 두 곳 중 한 곳이 에이전트 작업 흐름을 운영하게 된다는 뜻입니다.
이에 따라 큰 예산 투입, 새로운 보안 요구 사항, 그리고 이 시스템을 구축할 줄 아는 인재에 대한 수요가 동시에 폭증하고 있습니다.
기업의 25%가 이미 도입한 에이전트 시험 운영
에이전트 시험 운영(Agentic Pilot)이란 기업이 본격 도입에 앞서 소규모로 실험하는 에이전트 작업 흐름 프로젝트를 말합니다. 전사적으로 배포하기 전에, 특정 부서나 업무에 먼저 적용해 보는 것입니다. 마케팅 팀에서 경쟁사 모니터링을 자동화해 보거나, 영업 팀에서 잠재 고객 목록 생성을 에이전트에게 맡겨 보는 식입니다.
이 파일럿 단계에서 기업들이 공통으로 발견하는 사실이 있습니다. 에이전트 작업 흐름은 구축 과정에서 스스로 문제를 해결합니다. 기존 자동화 도구로 워크플로우를 만들 때는, 예외 상황 하나하나를 개발자가 미리 예측하고 처리 로직을 넣어야 했습니다.
에이전트 작업 흐름에서는 에이전트가 실행 도중 오류를 만나면 원인을 분석하고, 접근 방식을 바꾸고, 도구를 수정한 뒤 계속 진행합니다. 이 자가 치유(스스로 고치기) 능력이 구축 단계의 생산성을 극적으로 끌어올립니다.
전통적 자동화의 천장과 에이전틱 전환의 동력
n8n이나 Zapier 같은 자동화 도구로 워크플로우를 만들어 본 경험이 있다면, 그 과정을 잘 알고 있을 겁니다. 각 단계를 설계하고, 노드를 연결하고, 예외 상황을 직접 처리합니다. 잘 돌아갑니다. 예상하지 못한 입력이 들어오기 전까지는요. 전통적 워크플로우는 예상 밖의 상황을 만나면 멈춥니다.
누군가가 로그를 열어 어디에서 어떤 오류가 발생했는지 확인하고, 수동으로 고쳐야 합니다. 그것이 유지보수이고, 시간이고, 비용입니다.
기업들이 에이전틱 전환을 서두르는 배경이 여기에 있습니다. 전통적 자동화가 도달할 수 있는 천장에 부딪힌 것입니다. 단순 반복 업무는 자동화로 해결했지만, 판단이 필요한 업무, 맥락에 따라 경로가 달라지는 업무, 예외가 빈번한 업무 앞에서는 기존 도구가 한계를 드러냅니다. 에이전트 작업 흐름은 그 한계 너머에서 작동합니다.
대형 언어 모델(LLM)이 추론하고, 판단하고, 여러 단계의 작업을 일관되게 수행할 수 있는 수준에 도달했기 때문입니다.
여기에 MCP(Model Context Protocol) 같은 표준화된 도구 연결 프로토콜, Vercel이나 Modal 같은 배포 인프라, 그리고 클로드 코드 같은 개발자가 아닌 사람용 에이전트 도구가 등장하면서, 에이전트 작업 흐름을 구축하는 데 필요한 기술 장벽이 빠르게 낮아지고 있습니다.
열차 궤도 비유: 수작업 건설에서 건설 크루 위임으로
에이전트 작업 흐름의 가치를 이해하는 데 도움이 되는 비유가 있습니다.
전통적 자동화는 열차 궤도를 손으로 깔아가는 것과 같습니다. 레일 하나, 분기점 하나, 연결부 하나를 전부 직접 설치합니다. 에이전트 작업 흐름은 건설 크루에게 "여기서 저기까지 궤도를 깔아줘"라고 말하는 것에 가깝습니다. 건설 크루가 작업 도중 암반을 만나면 알아서 우회로를 찾습니다. 결과적으로 더 나은 궤도가, 더 빨리, 더 적은 실수로 완성됩니다.
에이전트가 구축 과정에서 사람이 미처 떠올리지 못한 예외 상황을 처리해 주기 때문입니다.
배포 전에는 이 궤도를 철저하게 시험합니다. 무게가 다른 열차, 길이가 다른 열차, 바퀴 규격이 다른 열차를 번갈아 달려 봅니다. 다양한 종류의 열차가 문제 없이 달릴 수 있다는 확신이 들어야 비로소 궤도를 운행에 투입합니다. 이것이 에이전트 작업 흐름의 구축-검증-배포 사이클입니다.
자가 치유와 배포의 경계: 에이전트를 배포하는 것이 아니라 코드를 배포한다
에이전트 작업 흐름에 대한 온라인 담론에는 과장이 섞여 있습니다. "한번 만들면 영원히 스스로 고쳐가며 돌아간다"는 식의 이야기입니다. 이 말은 절반만 맞습니다. 어떤 맥락에서 실행되느냐에 따라 달라지기 때문입니다.
클로드 코드 안에서 직접 워크플로우를 실행하면, 에이전트가 곁에 있습니다. 작업 도중 오류가 발생하면 에이전트가 즉시 감지하고, 접근 방식을 수정하고, 도구 코드를 고친 뒤 이어서 진행합니다. 자가 치유가 실시간으로 일어납니다.
그러나 워크플로우를 예약 실행으로 전환하거나, 웹훅(웹훅) 트리거에 연결하여 자동으로 돌아가게 만들면 상황이 달라집니다. 이때 배포되는 것은 워크플로우(W)와 도구(T)의 코드이지, 에이전트(A) 자체가 아닙니다. WAT 프레임워크에서 W와 T만 클라우드로 올라가고, A는 남겨집니다. 에이전트 없이 실행되는 코드는 전통적 자동화와 비슷하게 같은 입력이면 같은 결과가 나오는 방식으로 동작합니다.
이것이 약점처럼 들릴 수 있지만, 오히려 강점입니다. 예측 가능하고, 반복 가능하며, 결과가 일정한 자동화야말로 운영 환경에서 가장 신뢰할 수 있는 형태이기 때문입니다. 에이전트 작업 흐름의 진짜 이점은 "배포 후 영원히 자가 치유되는 것"이 아니라, "구축 과정에서 훨씬 빠르고 정교하게 만들 수 있다는 것"에 있습니다.
건설 크루가 궤도를 깔아준 뒤, 그 궤도 자체는 견고하고 예측 가능한 레일 위에서 열차를 달리게 합니다.
이수진 씨의 경쟁 분석 보고서는 월요일 아침 회의 테이블 위에 올라갔습니다. CEO는 보고서의 차트를 넘기며 "이걸 혼자 다 했어요?"라고 물었습니다. 이수진 씨는 고개를 끄덕이면서도, 머릿속으로는 다른 질문을 굴리고 있었습니다. 보고서를 만든 이 에이전트, 우리 회사의 다른 부서에서도 쓸 수 있지 않을까. 그리고 이 기술을 가르쳐달라고 하는 사람이 나타나면, 거기에도 사업 기회가 있지 않을까.
[그림 2-01: 에이전트형 AI 시장 규모 성장 추이. 2025년 약 80억 달러에서 2030년 400억~500억 달러로 성장하는 곡선을 보여주는 그래프.]
이 책이 잠시라도 당신 곁에 머물렀다면, 다음 이야기가 세상에 나올 수 있도록 후원해 주세요.
(자발적 후원 부탁 구좌 : 농협 302-1096-0948-81 예금주 : 김경진)