불과 몇 년 전만 해도 AI와 협업한다는 것은 채팅창을 앞에 두고 홀로 주고받는 단독 작업에 가까웠다. 사용자가 질문을 던지면 AI가 답하고, 다시 되묻는 '한 사람이 하나의 도구를 쓰는' 구조였다.
하지만 앤트로픽은 이제 이러한 방식이 과거의 유물이 되었다고 선언한다. 24일 공식 블로그를 통해 공개한 '효과적인 인간-에이전트 팀 구축하기'라는 글을 통해서다. 최근 AI가 코딩, 리서치, 재무 분석처럼 복잡하고 정교한 업무까지 수행하면서 협업 패러다임이 바뀌고 있다. 이제 일하는 방식은 '싱글 플레이어'에서 '멀티 플레이어' 시대로 진화한다. 인간 한 명이 에이전트 하나를 일방적으로 부리는 구도는 끝났다. 앞으로는 인간이 전략을 수립하면, 다수의 AI 에이전트가 실행을 나누어 맡는 하나의 '완전한 팀'이 구축된다.
이번 글은 앤트로픽이 수개월 동안 사내에서 직접 실험하며 얻은 결과를 네 가지 교훈으로 정리한 보고서다. 흥미로운 점은 이 교훈들이 결코 새로운 개념이 아니라는 것이다. 명확한 목표 설정, 분명한 역할 분담, 철저한 문서화, 공유된 품질 기준 등은 인간 조직이 수십 년간 고수해 온 '좋은 팀의 습관'과 정확히 일치한다. 다만 고도화된 AI 에이전트가 팀원으로 합류하면서, 이 기본적인 규칙들을 철저히 준수하는 일이 그 어느 때보다 중요해졌을 뿐이다.
호출하는 '도구'에서 늘 상주하는 '동료'로
'AI와 한 팀으로 일한다'는 것은 구체적으로 어떤 모습일까. 앤트로픽은 '멀티 플레이어 에이전트'라 정의한다. 말 그대로 개인이 아닌 조직 전체와 동시에 협업하는 AI다.
흔히 쓰는 챗봇과는 명확한 차이가 있다. 기술적으로는 자기만의 기억과 스킬을 갖췄다는 점에서 비슷해 보일 수 있다. 하지만 결정적인 차이는 '일하는 공간'과 '자격'에 있다. 멀티 플레이어 에이전트는 특정 개인에게 종속되지 않은 자체 권한(Credentials)을 부여받는다. 그리고 무엇보다 실제 업무가 이뤄지는 공간에 상주한다. 앤트로픽의 경우 무대는 '슬랙(Slack)' 같은 협업 툴이다. 사용자가 부를 때만 잠시 켜지는 일회성 도구가 아니라, 팀 채널에 상주하는 동료에 가깝다.
AI 에이전트가 조직의 일원으로 제 몫을 다하기 위해서는 사람의 '입사 조건'과 같은 세 가지 자격 요건이 필수적이다.
첫째는 팀 목표를 기억하고 실행을 조율하는 '지속 기억'이다. 둘째는 안전하고 예측 가능한 범위 안에서만 움직이도록 통제하는 '사람과 분리된 권한'이다. 에이전트가 인간 계정을 빌려 쓰지 않기 때문에, 수행할 수 있는 업무 한계가 명확히 규정된다. 셋째는 조직 운영 방식을 학습하고 목표에 맞춰 업무를 처리하는 '폭넓은 정보 접근권'이다.
이 세 가지 인프라가 갖춰져야 에이전트는 비로소 팀에 합류할 수 있다. 그러나 합류와 성과는 별개 영역이다. 이는 어디까지나 기술적인 토대일 뿐이다. 인간과 에이전트가 결합한 팀이 실제로 성과를 내기 위해서는 결국 인간의 변화가 선행되어야 한다. 새로운 협업 방식과 팀원 모두가 준수해야 할 명확한 규범이 필요하다. 앤트로픽이 사내 실험을 통해 네 가지 교훈을 도출했다.
교훈 ① 공개적으로 일하라
AI 에이전트에게 '사적인 대화'나 '암묵적 합의'는 존재하지 않는다. 에이전트는 조직이 검색 가능하도록 남겨둔 텍스트, 즉 슬랙 메시지·소스 코드·공유 문서·회의록 데이터만을 바탕으로 맥락을 이해한다. 개인적인 다이렉트 메시지(DM)나 탕비실에서 나눈 잡담, 접근 권한이 막힌 문서는 에이전트에게 맥락을 주지 못한다. 기록되지 않고 접근할 수 없다면, 에이전트에게 그 정보는 없는 것과 같다.
이 때문에 앤트로픽은 개별 문서나 채널마다 일일이 공개 여부를 설정하지 않는다. 대신 슬랙 워크스페이스 전체나 문서 라이브러리 단위로 몇 개의 명확한 '보안 경계'를 굵직하게 설정한다. 지정된 경계 안에서는 사람과 AI 모두에게 모든 맥락이 흐른다. 건건이 "이 채널은 공개해야 하나", "이 문서를 공유해도 되나"를 고민하는 것은 사람과 AI 모두에게 결정 피로를 유발하기 때문이다. 경계를 단순화하면 이러한 비효율이 사라진다.
정보 투명성의 효과는 확실하다. 회의에서 취소된 내용을 파악한 에이전트는 이미 폐기된 과제를 다시 제안하지 않는다. 다른 팀의 제품 사양까지 학습한 에이전트는 이미 검증된 성공 패턴을 먼저 추천하기도 한다. 특히 에이전트는 인간보다 압도적으로 빠른 속도로 방대한 텍스트를 읽어내므로, 실무자가 놓친 연관 작업까지 수시로 짚어내는 해결사 역할을 해낸다.
물론 민감한 대화까지 전면에 공개하라는 의미는 아니다. 보안이 필요한 경우라면 언제든 클로드(@Claude)에게 DM을 보내거나 기존 서비스(Claude.ai, Claude Cowork)를 활용하면 된다. 정보를 공유하는 것을 조직의 '기본값(Default)'으로 바꾸는 일은 일터의 문화적 변화를 요구한다. 하지만 모든 맥락을 쥐고 움직이는 에이전트 팀과 그렇지 못한 팀의 생산성 격차는 무시할 수 없을 만큼 벌어질 것이다.
교훈 ② 역할을 확실하게 정해라
협업의 성패를 가르는 핵심은 기술이 아니라 '누가 무엇을 맡는가'에 있다. 인간과 에이전트가 결합한 팀은 명단, 산출물, 작업 공간을 완전히 공유한다. 이때 에이전트들은 저마다 고유한 권한, 스킬, 도구 접근권을 가지며 각기 다른 역할을 수행한다. 한 에이전트가 데이터 분석을 전담하면, 다른 에이전트는 디자인 표준을 검수하고, 또 다른 에이전트는 리서치 자료를 종합하는 식이다.
프로젝트가 시작되면 팀원들은 먼저 에이전트와 소통하며 구체적인 역할과 협업 프로세스를 정립한다. 역할이 확정되면 한 에이전트가 다른 에이전트를 호출해, 적절한 기억과 접근 권한을 가진 적임자에게 특정 작업을 넘긴다. 여기서 중요한 점은 업무 수행에 필요한 도구를 완벽히 쥐여주는 것이다. 데이터 분석 에이전트에게는 '빅쿼리(BigQuery)' 접근 권한을, QA 에이전트에게는 '플레이라이트(Playwright) MCP'를 확실히 부여해야 제 성능을 낸다.
역할 분담이 흐릿하면 구성원들이 각자 개인 AI를 따로 굴리게 되면서 작업이 중복되고 팀 맥락이 쪼개진다. 대표적인 사례가 데이터 지표 추적이다. 멀티 플레이어 에이전트 하나가 이 업무를 전담하면 온 팀원이 같은 숫자를 바라볼 수 있다. 인간은 에이전트와 같은 스레드에서 협업하되, 오직 인간만이 내릴 수 있는 영역인 '최종 판단과 전략적 의사결정'에 집중하면 된다.
실제로 앤트로픽의 한 엔지니어링 팀은 인간과 에이전트의 역할을 명문화하기 위해 업무 '로스터(명단)'를 구축했다. 스킬 파일 형태로 역할을 사전에 정의해두면 전문화가 쉬워질 뿐 아니라, 사내 구성원 누구나 필요한 유형의 에이전트를 신속하게 복제해 현장에 투입할 수 있다. 프로젝트 규모가 커지면 새로운 영역을 담당할 에이전트를 추가하면 그만이다. 이 팀은 최근 신규 소프트웨어 배포 과정을 전담할 '릴리스 매니저 에이전트'를 신규 영입하기도 했다.
교훈 ③ 목표(북극성)를 명확하게 설정하라
시키는 일만 처리하는 에이전트와, 새로운 업무를 먼저 제안하는 주도적인 에이전트를 가르는 결정적 차이는 '명확한 방향성'에 있다. 앤트로픽 사내에서 중추적인 역할을 하는 에이전트들은 할당된 과제를 완수하는 수준에 머무르지 않고, 한 발 앞서 새로운 프로젝트와 업무 프로세스를 제안한다. 이러한 주도성은 풍부한 맥락과 선명한 역할 분담을 갖춘 팀이 마지막 한 가지 요소를 더 얹었을 때 발현된다. 바로 흔들리지 않는 가치 지향점, '북극성(North Star)'이다.
북극성이란 진행 중인 과제가 올바른 방향인지 팀원들이 판단하도록 돕는 야심 찬 거시적 목표다. 앤트로픽에서 이 북극성을 수립하는 주체는 언제나 인간이며, 이는 기업의 미션과 비즈니스 목표에 뿌리를 둔다. 북극성이 텍스트로 명문화되면 인간 팀원은 이를 에이전트들과 공유한다. 이후 어떤 에이전트에게 새로운 업무 흐름을 주도적으로 제안할 권한을 부여할지 인간이 최종 결정한다. 팀 내 모든 에이전트가 그만한 스킬과 신뢰도를 갖추고 있지는 않기 때문이다.
실제 사례도 존재한다. 사내 도구를 개발하는 앤트로픽의 한 팀은 '제품 온보딩 프로세스를 더 유용하게 개선하자'는 북극성을 세웠다. 그러자 팀에 소속된 한 에이전트가 온보딩 과정에서 발생하는 오류 메시지 문구를 직접 수정하겠다고 먼저 제안했다. 이 작은 변화는 주간 온보딩 성공률을 실제로 끌어올리는 성과로 이어졌다. 이처럼 명확하게 정의된 북극성은 에이전트에게 일관된 행동 지침을 제공하며, 팀 생산성에 능동적으로 기여할 실질적인 기회를 열어준다.
교훈 ④ 자율성은 '신뢰'만큼 넓혀라
처음부터 에이전트에게 버그 500건을 통째로 맡겼던 것은 아니다. 앤트로픽 사내 팀들은 에이전트가 검증한 신뢰성의 크기만큼만 자율성을 부여하고, 이후 신중하게 업무 범위를 넓혀나간다. 엔지니어들이 에이전트에게 500건의 버그를 독립적으로 처리하도록 일임한 성공 사례가 존재하지만, 시작은 단계적이었다.
신입 동료가 팀에 합류하면 역량을 가늠하고 손발을 맞추는 데 시간이 걸리듯 에이전트도 마찬가지다. 다양한 작업을 부여해보며 에이전트의 수행 능력을 파악하고, 목표를 어떻게 설명해야 하는지, 어떤 스킬 파일과 프롬프트가 원하는 결과물을 도출하는지 학습하는 적응기가 필수적이다. 특히 거대언어모델(LLM)이 업데이트될 때마다 기존 작업을 재시험해보는 과정도 중요하다. 과거에는 에이전트의 탈선을 막아주던 안전 울타리가, 고도화된 최신 모델에게는 오히려 창의적인 문제 해결을 가로막는 족쇄가 될 수 있기 때문이다.
앤트로픽이 이 과정에서 가장 강조하는 키워드는 '검증'이다. 장기적으로 뛰어난 성과를 낸 에이전트들은 인간의 검수를 거치기 전, 결과물을 검증할 다중 장치를 갖추고 있었다. 소스 코드에는 자동화 테스트를 물리고, 기술 문서에는 명확한 평가 기준(Rubric)과 스타일 가이드를 적용하는 식이다. 이처럼 기준을 정립하고 모든 프로세스를 검증 가능하게 설계하면, 최종 품질은 궤도를 벗어나지 않는다. 한 에이전트에게 실무를 맡기고 다른 에이전트에게 이를 교차 검수하게 만드는 '실행자-검증자(Doer-Verifier)' 구조가 자주 쓰이는 이유다.
앤트로픽의 한 엔지니어링 리더는 거대한 프로젝트 백로그(남은 과제)를 해결하기 위해 소수의 팀원과 다수의 에이전트를 조합한 태스크포스를 구성했다. 먼저 일련의 에이전트 그룹이 백로그 전체를 스캔해 담당자 유무를 확인하고, 주인이 없는 항목의 복잡도를 계산해 점수를 매겼다. 이어 다른 에이전트 그룹이 그 목록에서 중·하위 난이도의 과제를 골라 소스 코드를 직접 수정해 나갔다.
초기 단계에서 리더는 에이전트의 모든 의사결정을 전수 검토하며 인간의 판단이 개입해야 하는 화두를 분류했다. 이후에는 이러한 예외 상황을 에이전트가 판단해 리더에게 직접 에스컬레이션(보고)하도록 훈련시켰다. 정교한 트레이드오프(상충 관계)가 걸린 핵심 결정에만 인간이 개입하는 효율적인 시스템을 구축한 것이다.
아울러 이 팀은 에이전트에게 매주 '교훈과 실수(Lessons & Missteps)'를 기록한 주간 보고서를 직접 작성하게 해 동일한 실수의 반복을 막았다. 시간이 흐르며 리더는 점점 더 복잡한 과제를 에이전트에게 위임할 수 있었고, 가이드에 소모되는 시간을 획기적으로 줄였다. 에이전트가 독립적인 자율성을 확보한 뒤에는 역으로 '인간의 주의력이야말로 가장 희소한 자원'임을 주입했다. 질문을 모아서 한 번에 묶어 처리하고, 핵심 맥락을 요약해 인간 팀원의 빠른 캐치를 도우며, 한 사람이 한 번에 검토하는 항목 수를 제한하도록 에이전트의 행동 패턴을 설계한 것이다.
결국, 좋은 팀의 기본기로 돌아온다
앤트로픽은 글을 맺으며 인간-에이전트 팀을 위한 다섯 가지 자가 진단 키트를 제안한다.
| ✅ | ① 정보 투명성 · 사람과 AI 모두에게 정보가 투명하게 공유되고 검색되는가. ② 역할의 명확성 · 팀 명단에 사람·AI 칸이 따로 있고 각자 실무가 뚜렷한가. ③ 도구의 적절성 · 에이전트가 제 몫을 다할 무기(권한)를 쥐고 있는가. ④ 품질의 검증성 · 결과물을 교차 검증할 평가 기준과 테스트가 작동하는가. ⑤ 이정표의 선명성 · 모두가 한곳을 바라볼 확실한 북극성이 있는가. |
이 질문들의 종착지는 명확하다. 방향, 역할, 문서, 기준, 그리고 실수에서 배울 여유. 이미 알고 있던 오래된 조직문화의 기본기다. AI 에이전트는 판타지 같은 신기술이 아니다. 오히려 기본기를 건너뛰면 팀이 어떻게 망가지는지 보여주는 거울이다. 에이전트라는 강력한 파트너를 아군으로 삼아 최고 성과를 내는 팀은, 이 뻔한 기본기를 세상에서 가장 집요하게 지키는 팀이다.
Haao@inven.co.kr 
