3장. 제품 형태와 기능 선택

학습 목표

• 채팅, 프로젝트(지식 공간), 커스텀 어시스턴트, 커넥터, 에이전트 기능, 심층 조사, 예약 작업, API의 차이를 비유로 설명한다.
• 지속 기간, 공유 범위, 외부 자료, 행동 여부, 제품 내장 필요성으로 작업에 맞는 형태를 고른다.
• 현재 대화, 저장된 지침, 기억 기능, 프로젝트 지침이 각각 어디에 적용되는지 구분한다.
• 커넥터가 사용자 권한을 따른다는 점과 읽기·쓰기 권한의 차이, 에이전트에 승인 지점이 필요한 이유를 설명한다.
• 제품 이름이 바뀌어도 형태의 성질로 판단하고, 기능표가 아니라 실제 업무로 비교한다.

들어가며

회계 사무소의 남 실장은 직원들이 AI를 쓰는 모습을 보다가 이상한 점을 발견했습니다. 한 직원은 매일 아침 같은 업무 규칙 문서를 새 대화에 붙여 넣고 있었고, 다른 직원은 거래처에서 받은 자료를 매주 내려받아 다시 올리고 있었습니다. 또 다른 직원은 웹사이트 열 곳을 돌며 정보를 모으는 일을 직접 하면서, AI에게는 그 결과를 요약만 시키고 있었습니다. 세 사람 모두 같은 채팅 화면 하나로 모든 일을 하고 있었습니다.

세 직원의 일은 서로 모양이 달랐습니다. 첫째는 같은 규칙으로 반복하는 일이고, 둘째는 바깥 시스템의 최신 자료가 필요한 일이며, 셋째는 여러 단계를 오가며 행동해야 하는 일입니다. AI 제품에는 이런 모양에 맞춘 형태가 따로 있습니다. 형태를 잘못 고르면 매일 같은 일을 반복하거나, 낡은 자료로 답을 받거나, 필요 이상으로 무거운 도구를 쓰게 됩니다.

이 장은 형태를 고르는 기준부터 시작합니다. 이어서 채팅, 기억 기능, 프로젝트, 커스텀 어시스턴트, 커넥터, 에이전트 기능, 심층 조사, 예약 작업, API를 차례로 보고, 깊이 읽기에서는 정해진 절차와 열린 문제를 가르는 법, 회사 문서로 답하게 하려면 모델을 다시 학습시켜야 하는지를 판단하는 법을 다룹니다. AI 활용 역량 가운데 위임(Delegation)에 해당하는 장입니다.

핵심 개념

형태를 고르는 다섯 가지 질문

AI 제품은 이름이 자주 바뀌지만 형태는 몇 가지로 정리됩니다. 형태를 고를 때는 다음 다섯 가지를 묻습니다.

1. 얼마나 오래 이어지는 일인가? 한 번으로 끝나는가, 몇 주 동안 같은 자료와 규칙으로 반복되는가.
2. 누구와 함께 쓰는가? 혼자인가, 팀인가, 조직 전체인가.
3. 바깥 자료가 필요한가? 사내 드라이브, 메일, 메신저의 최신 자료를 봐야 하는가, 웹을 넓게 조사해야 하는가.
4. 행동까지 하는가? 답만 받으면 되는가, 웹을 돌아다니고 양식을 채우고 메일을 보내야 하는가. 사람이 없을 때 정해진 시간에 돌아야 하는가.
5. 우리 제품이나 시스템 안에 넣어야 하는가? 사람이 화면에서 쓰는 것으로 충분한가, 프로그램이 자동으로 대량 호출해야 하는가.

표는 출발점일 뿐이며, 형태는 서로 배타적이지 않습니다. 한 업무가 여러 질문에 걸치면 형태를 함께 씁니다. 예를 들어 제안서 작업이라면 작성 규칙은 프로젝트에 넣고, 고객사 최신 자료는 커넥터로 찾고, 매주 진행 요약은 예약 작업으로 받습니다. 결합할 때는 행동이 일어나는 지점마다 승인과 검토를 둡니다.

채팅: 전화 상담 한 통

채팅은 질문하고 답을 받는 가장 기본적인 형태입니다. 전화 상담 한 통처럼 그 자리에서 시작해 그 자리에서 끝나는 일에 맞습니다. 아이디어 내기, 짧은 초안, 문장 다듬기, 일회성 질문이 대표적입니다. 대부분의 채팅 제품은 파일 첨부, 웹 검색, 이미지 이해 같은 도구를 대화 안에서 쓸 수 있게 합니다.

채팅의 한계는 맥락이 기본적으로 그 대화 안에 머문다는 점입니다. 기억 기능이 일부를 다음 대화로 잇기도 하지만, 중요한 규칙과 자료가 자동으로 이어진다는 보장은 없습니다. 같은 규칙과 자료가 매번 필요한 일을 채팅으로만 하면 매번 붙여 넣어야 하고, 사람마다 내용이 달라 결과가 들쭉날쭉해집니다.

기록에 남기고 싶지 않은 대화를 위해 여러 제품이 임시 채팅을 제공합니다. OpenAI는 임시 채팅이 대화 기록에 나타나지 않고, 메모리를 만들거나 바꾸지 않으며, 모델 개선에 쓰이지 않지만, 안전 목적으로 최대 30일 보관될 수 있다고 안내합니다. 임시 채팅을 저장하면 일반 대화로 바뀌어 계정의 설정을 따릅니다.

현재 대화, 저장된 지침, 기억 기능, 프로젝트 지침

"지난번에 알려 줬으니 알고 있겠지"라는 기대는 자주 어긋납니다. 모델이 무엇을 기억하는지는 제품이 어떤 정보를 컨텍스트에 넣어 주는지에 달려 있기 때문입니다. 구분해야 할 층은 네 가지입니다.

OpenAI는 맞춤 지침을 사용자가 직접 주는 안내로, 기억을 여러 대화와 출처에서 제품이 골라 쌓는 정보로 구분합니다. 대화를 지워도 따로 저장된 기억은 남을 수 있으니 둘 다 확인해야 하고, 프로젝트 지침은 그 프로젝트 안에서만 적용되며 맞춤 지침보다 우선한다고 안내합니다.

중요한 작업에서는 필요한 조건을 기억에 맡기지 말고 지시나 프로젝트 지침에 명시하세요.

프로젝트(지식 공간): 팀 공용 서랍

프로젝트는 관련 대화, 파일, 지침을 한곳에 모은 작업 공간입니다. 제품마다 이름은 다르지만 이 책에서는 지식 공간이라고도 부릅니다. OpenAI는 프로젝트를 주간 조사나 콘텐츠 초안처럼 반복되는 일에 다시 쓰라고 권합니다. Anthropic의 Claude 프로젝트도 프로젝트마다 지식 베이스(올린 문서들)와 지침을 둘 수 있습니다.

프로젝트가 맞는 일은 세 가지 성질을 가집니다. 같은 자료를 반복해서 쓰고, 같은 규칙을 지켜야 하고, 몇 주 이상 이어집니다.

공유할 때는 경계를 생각해야 합니다.

• 보이는 범위: OpenAI는 공유 프로젝트의 모든 구성원이 올린 파일을 보고 내려받을 수 있다고 안내합니다. 일부 사람만 봐야 할 자료는 처음부터 공유 공간에 올리지 않는 것이 원칙입니다.
• 수정 권한: Anthropic은 팀·기업 플랜에서 프로젝트를 '보기 가능'과 '편집 가능'으로 나눠 공유할 수 있다고 설명합니다. 지침과 자료를 누가 고칠 수 있는지 정해 두세요.
• 기억의 범위: OpenAI는 공유 프로젝트가 자동으로 '프로젝트 전용 기억'을 쓰며 구성원 개인의 기억이나 프로젝트 밖 맥락에 접근하지 않는다고 설명합니다.

자료가 많아지면 제품이 모든 문서를 한꺼번에 컨텍스트에 넣지 않고 관련 부분만 찾아 넣는 방식으로 바뀌기도 합니다. Anthropic은 유료 플랜에서 프로젝트 지식이 컨텍스트 한도에 가까워지면 검색 방식(RAG 모드)으로 전환해 용량을 늘린다고 안내합니다. RAG(검색 증강 생성)는 질문과 관련된 문서 조각만 찾아 모델에 넣어 주는 방식입니다. 이 방식에서는 '찾아낸 부분'만 읽으므로 찾지 못한 부분은 답에 반영되지 않을 수 있습니다. 그래서 프로젝트의 품질은 모델보다 올려 둔 자료에 더 크게 좌우됩니다. 구판과 폐기된 판본은 지우고, 자료마다 갱신 책임자를 정하고, 문서 첫머리에 적용 대상과 시행일을 적어 두세요. 원본이 자주 바뀌는 자료라면 사본 대신 커넥터로 원본을 연결합니다.

커스텀 어시스턴트: 매뉴얼을 숙지한 전담 직원

커스텀 어시스턴트는 지침과 참고 자료, 때로는 도구를 묶어 여러 사람이 같은 방식으로 도움을 받게 만든 형태입니다. 사내 복리후생 안내 도우미, 브랜드 문체 교정 도우미 같은 것이 예입니다.

OpenAI는 프로젝트와 비교해 이렇게 설명합니다. 커스텀 어시스턴트는 전문가가 정리한 고정된 지식을 조직 전체에 퍼뜨리는 데 맞고, 공유 프로젝트는 구성원이 자료와 대화를 함께 쌓아 가는 협업에 맞습니다. 한쪽은 완성된 매뉴얼을 배포하는 일이고, 다른 쪽은 함께 쓰는 작업장입니다.

커스텀 어시스턴트를 만들 때는 역할 설명만으로 끝내지 말고 네 부분을 따로 설계합니다. 반복해서 지킬 지침, 참고할 자료, 쓸 수 있는 도구, 그리고 하지 않을 일(예: 개인 상황에 맞춘 법률 판단은 담당자에게 넘긴다)입니다. 자료를 넣었다고 모든 내용을 완벽히 숙지하는 것은 아니므로, 대표 질문으로 시험해 보고 출시해야 합니다.

커넥터: 내 출입증으로만 들어간다

커넥터는 AI를 드라이브, 메일, 메신저, 일정 같은 외부 서비스에 연결해 대화 중에 정보를 찾고, 경우에 따라 행동까지 하게 하는 기능입니다. 제품에 따라 '앱'이나 '연결 앱'이라고도 부릅니다. 많은 제품의 커넥터는 MCP(Model Context Protocol) 라는 공개 표준 위에서 만들어집니다. MCP 공식 문서는 MCP를 AI 응용 프로그램을 외부 시스템에 연결하는 오픈소스 표준으로 소개하며, 전자기기를 표준 방식으로 잇는 USB-C 단자에 비유합니다. 한 번 만든 연결을 여러 AI 제품에서 쓸 수 있다는 것이 표준의 장점입니다.

커넥터의 가장 중요한 성질은 권한 상속입니다. Anthropic은 커넥터가 사용자 각자의 권한을 이어받으므로, 원본 시스템에서 그 사람이 접근할 수 없는 파일이나 기록은 커넥터로도 닿을 수 없다고 설명합니다. OpenAI도 기업용 워크스페이스의 연결 앱이 조직의 기존 권한 설정을 존중한다고 안내합니다. 앱에 따라 사용자마다 계정을 연결하기도 하고, 관리자가 설정한 연결을 쓰기도 합니다. 커넥터는 없는 권한을 만들어 주지 않습니다. 사원증으로 들어갈 수 있는 층에만 들어가는 것과 같습니다.

이 비유에는 덧붙일 것이 두 가지 있습니다.

• 누구의 출입증인가: Anthropic은 공용 자격 증명 하나로 만든 커넥터는 그 자격 증명이 허용하는 모든 것에 닿을 수 있다고 설명합니다. 권한이 넓은 공용 계정으로 연결하면 개인별 권한 구분이 무너집니다.
• 읽기와 쓰기는 다른 권한: 문서를 검색하고 읽는 것과, 메일을 보내거나 일정을 바꾸거나 파일을 지우는 것은 위험의 크기가 다릅니다. Anthropic은 팀·기업 플랜 관리자가 커넥터의 도구마다 '항상 허용', '승인 필요', '차단'을 정할 수 있고, 이런 제한은 원본 시스템이 허락하는 것보다 넓은 권한을 주지 않는다고 설명합니다.

최신 자료가 필요할 때 매주 사본을 내려받아 올리는 것보다, 권한 있는 원본을 연결하는 편이 정확하고 안전합니다. 다만 Anthropic의 안내처럼 신뢰할 수 있고 업무에 필요한 서비스만 연결하세요.

에이전트 기능: 심부름을 맡긴 비서

에이전트 기능은 AI가 목표를 받아 여러 단계를 스스로 계획하고, 웹사이트와 앱을 오가며 정보를 모으고, 양식을 채우거나 문서를 만드는 등 행동까지 하는 형태입니다. OpenAI는 ChatGPT에서 빠른 대화용 Chat과 별도로, 더 길고 여러 단계로 이루어진 작업과 완성된 결과물을 위한 에이전트인 Work를 안내하며, 사용자가 진행 상황을 보고 방향을 바꾸고 중요한 행동을 승인할 수 있다고 설명합니다.

에이전트에게 일을 맡길 때는 사람에게 심부름을 맡길 때처럼 세 가지를 정합니다.

1. 목표와 끝: 무엇을 만들면 끝인지(비교표, 초안, 예약 요청 직전까지 등).
2. 허용 범위: 어느 사이트와 앱을 쓰고, 어떤 행동은 하지 않는지(구매, 회원 가입, 외부 발송 금지 등).
3. 승인 지점: 되돌리기 어려운 행동 앞에서 멈추고 사람의 확인을 받을 곳.

심층 조사: 여러 출처를 비교한 보고서

심층 조사(deep research) 는 복잡한 질문을 받아 조사 계획을 세우고, 여러 출처를 찾아 읽고, 인용이 달린 보고서로 정리하는 기능입니다. OpenAI는 ChatGPT의 심층 조사가 조사 계획을 먼저 보여 주어 사용자가 고칠 수 있게 하고, 진행 중에도 방향과 출처를 조정할 수 있으며, 인용이나 출처 링크가 달린 구조화된 보고서를 돌려준다고 설명합니다. 또 여러 출처를 종합해야 하는 깊은 질문에 쓰고, 빠른 확인이나 짧은 대화에는 일반 채팅이 더 빠를 수 있다고 안내합니다.

심층 조사도 여러 단계를 스스로 밟지만, 외부에 변경을 가하는 행동형 에이전트와 달리 읽기 중심입니다. OpenAI는 심층 조사가 연결된 앱의 읽기 기능만 쓰고 쓰기 기능은 쓰지 않으며, 앱 연결이 원래의 권한을 넘어서지 않는다고 밝힙니다. 인용이 많다고 검증이 끝난 것은 아닙니다. 보고서의 핵심 주장 몇 개는 원문을 열어 확인하세요.

예약 작업: 알람을 맞춘 반복 업무

예약 작업은 정해진 시간이나 조건에 맞춰 같은 일을 반복 실행하는 기능입니다. OpenAI는 ChatGPT가 한 번 또는 반복해서 작업을 실행하고, 변화를 감시하며, 지원되는 앱의 사건(새 메일이나 메신저 메시지 등)에 반응해 실행할 수 있다고 안내합니다. 승인이 필요한 행동을 만나면 작업이 멈춰 사용자의 검토를 기다릴 수 있다는 점도 적어 둡니다.

예약 작업에서 착각하기 쉬운 것은 정해진 시간에 실행된다는 것과 올바르게 판단한다는 것은 다르다는 점입니다. 요약은 제시간에 오지만 내용은 여전히 확인해야 합니다. 예약 작업을 걸 때는 실행 시점, 자료의 기준 시점, 결과가 이상할 때 볼 사람, 끝낼 시점을 함께 정하세요. 사람이 없을 때 돌아가므로 권한은 좁게 줍니다. OpenAI는 공유한 작업 링크로 다른 사람이 지시 내용을 모두 읽을 수 있으므로 작업 제목과 지시에 민감한 개인정보를 넣지 말라고 안내합니다.

API: 직접 조립하는 부품

API(Application Programming Interface) 는 프로그램이 AI 모델을 직접 호출하는 통로입니다. 사람이 화면에서 쓰는 제품과 달리, 우리 회사의 앱이나 사내 시스템이 모델에게 요청을 보내고 결과를 받아 씁니다. 자사 앱 안에 요약 기능을 넣거나, 하루 수만 건의 문의를 자동 분류하거나, 동작을 세밀하게 제어해야 할 때 씁니다.

비개발자 관리자가 API 도입 논의에서 알아 둘 것은 네 가지입니다.

1. 과금이 따로입니다. OpenAI는 채팅 제품의 구독에 포함된 사용량과 달리 API 사용은 API의 가격 규칙을 따른다고 안내합니다. 구독을 샀다고 API가 공짜가 되지 않습니다(5장).
2. 급하지 않은 대량 작업은 더 싸게 할 수 있습니다. OpenAI는 즉시 응답이 필요 없는 작업을 위한 Batch API가 동기식 호출보다 50% 저렴하고 24시간 안에 끝난다고 안내하고, Anthropic도 일괄 처리 요청에 50% 할인을 적용합니다.
3. 개발과 운영 부담이 따릅니다. 오류 처리, 비용 감시, 모델이 바뀔 때의 재점검이 필요합니다.
4. 정확성과 보안이 저절로 생기지 않습니다. 검증 절차와 데이터 정책은 그대로 필요합니다.

한두 사람의 반복 업무를 위해 API부터 찾는 것은 필요 이상으로 무거운 선택인 경우가 많습니다. 사람이 화면에서 처리할 수 있는 양이라면 프로젝트나 커스텀 어시스턴트로 먼저 해 보세요.

깊이 읽기

워크플로와 에이전트: 정해진 길과 열린 길

Anthropic은 AI를 쓰는 시스템을 두 가지로 나눕니다. 워크플로는 모델과 도구가 미리 정해 둔 경로를 따라 움직이는 시스템이고, 에이전트는 모델이 스스로 과정과 도구 사용을 정하는 시스템입니다. 기차는 정해진 선로를 달리고, 택시는 목적지만 듣고 길을 고르는 것과 같습니다.

Anthropic의 조언은 분명합니다. 가능한 가장 단순한 해법을 찾고, 필요할 때만 복잡도를 높이라는 것입니다. 잘 정의되어 예측 가능성이 중요한 일은 워크플로가 맞고, 몇 단계가 필요할지 미리 알 수 없는 열린 문제에는 에이전트가 맞습니다. 에이전트는 더 나은 결과를 위해 시간과 비용을 쓰며, 자율성이 큰 만큼 비용이 늘고 오류가 단계마다 쌓일 위험이 있습니다. 그래서 격리된 환경에서 충분히 시험하고, 사람이 확인할 지점과 반복 횟수 상한 같은 멈춤 조건을 두라고 권합니다.

매달 같은 순서로 처리하는 일이라면, "에이전트를 도입하자"는 제안보다 정해진 단계를 따르는 자동화가 더 싸고 안정적입니다.

사내 문서로 답하게 하려면 모델을 다시 학습시켜야 할까

"우리 회사 규정을 아는 AI를 만들려면 규정으로 모델을 다시 학습시켜야 한다"는 제안을 자주 듣습니다. 모델을 추가 자료로 다시 학습시키는 것을 미세 조정(fine-tuning) 이라고 합니다. OpenAI는 정확도를 높이는 방향을 두 축으로 설명합니다. 모델이 학습하지 않은 지식, 낡은 지식, 회사 고유의 지식이 문제라면 맥락을 최적화하는 쪽, 곧 필요한 자료를 찾아 넣어 주는 검색 증강 생성(RAG) 이 맞습니다. 형식이 일관되지 않거나 어조와 스타일이 맞지 않는 등 모델의 행동을 일관되게 만드는 것이 문제라면 미세 조정을 검토합니다. 그리고 출발점은 언제나 프롬프트 개선이며, 그때 만든 평가 세트를 기준선으로 삼으라고 합니다.

사내 규정 질의응답은 대개 첫째 경우입니다. 규정은 개정되고, 답에는 근거 조항을 보여 줘야 합니다. 다시 학습시킨 모델은 개정될 때마다 다시 학습시켜야 하고, 어느 조항을 근거로 답했는지 보여 주기 어렵습니다. 반면 프로젝트나 커스텀 어시스턴트에 최신 규정을 넣거나 커넥터로 원본을 연결하면, 문서만 바꾸면 되고 인용으로 근거를 보여 줄 수 있습니다. 비싼 선택을 하기 전에 "지식이 문제인가, 행동이 문제인가"를 먼저 물으세요.

실무 장면

소담리빙 출시팀의 두 달짜리 작업 설계

인테리어 소품 회사 '소담리빙'의 이 팀장은 신제품 출시를 맡았다. 두 달 동안 마케팅 3명, 상품기획 2명이 함께 일한다. 이 팀장은 AI를 어떻게 쓸지 다섯 가지 질문으로 정리했다.

첫째, 출시 준비는 두 달 동안 이어지고 다섯 명이 같은 자료(제품 사양서, 브랜드 가이드)를 반복해서 쓴다. 그래서 공유 프로젝트를 만들고 브랜드 가이드의 핵심 규칙을 프로젝트 지침에 넣었다. 처음에는 브랜드 가이드를 각자의 맞춤 지침에 넣자는 의견도 있었지만, 맞춤 지침은 개인의 다른 대화에도 영향을 주고 팀원마다 내용이 달라지며, 공유 프로젝트에서는 구성원 개인의 맞춤 지침이 쓰이지 않아 버렸다. 아직 확정되지 않은 원가표는 상품기획 2명만 봐야 하므로 프로젝트에 올리지 않았다. 공유 프로젝트에 올린 파일은 구성원 누구나 열어 보고 내려받을 수 있다.

둘째, 매일 바뀌는 재고와 판매 수치는 사내 드라이브의 스프레드시트에 있다. 매번 내려받아 올리는 대신, 각자 자기 계정으로 드라이브 커넥터를 연결해 대화 중에 최신 파일을 찾아보게 했다. 마케팅팀은 원가 폴더 권한이 없으므로 커넥터로도 그 폴더를 볼 수 없다. 이 팀장은 관리자에게 요청해 커넥터의 도구 가운데 파일 검색과 읽기는 허용하고, 스프레드시트를 수정하는 도구는 승인 필요로 두었다. AI가 분석하다가 원본 수치를 바꾸는 일을 막기 위해서다.

셋째, 경쟁사 신제품 가격을 여러 쇼핑몰에서 비교하는 일은 에이전트 기능에 맡겼다. 대신 "구매나 회원 가입은 하지 말고, 비교표를 만든 뒤 멈춰라"라고 범위와 끝을 분명히 했다.

넷째, 매주 월요일 아침 업계 소식 요약은 예약 작업으로 걸었다. 이 팀장은 처음 몇 주 결과를 직접 확인한 뒤에야 팀 전체에 공유했다.

API는 쓰지 않았다. 고객용 앱에 기능을 넣는 일이 아니었고, 다섯 명이 화면에서 처리할 수 있는 양이었기 때문이다. 형태를 고르는 기준은 '가장 강력한 기능'이 아니라 '일의 모양에 맞는 기능'이었다.

별다리이벤트의 공급업체 조사

행사 대행사 '별다리이벤트'의 조 대리는 다음 달 기업 워크숍에 쓸 음향 장비 대여 업체를 찾아야 한다. 조건은 세 가지다. 수도권 업체일 것, 무선 마이크 20대 이상을 보유할 것, 행사 당일 기술자를 보내 줄 것. 팀장은 금요일까지 후보 다섯 곳의 비교표와, 그중 세 곳에 보낼 견적 요청 메일 초안을 원한다.

조 대리는 일을 세 덩어리로 나눴다.

1. 후보 찾기와 비교: 여러 업체 홈페이지와 후기를 비교해야 하고, 각 정보의 출처를 팀장이 확인할 수 있어야 한다. 일반 채팅의 검색으로는 출처가 몇 개뿐이라 부족하다고 보고, 심층 조사를 썼다. 조사 계획이 나오자 '수도권'과 '기술자 파견' 조건이 빠진 것을 보고 계획을 고친 뒤 시작했다.
2. 보유 장비 확인: 홈페이지마다 장비 목록 위치가 달라 직접 페이지를 오가야 했다. 이 부분은 에이전트 기능에 맡기되, 문의 양식 제출이나 회원 가입은 하지 말라고 범위를 정했다.
3. 견적 요청 메일: 에이전트에게 메일 발송까지 맡기면 빠르겠지만, 외부로 나가는 메일은 회사 이름으로 나가는 약속이다. 조 대리는 메일 커넥터의 '발송'을 승인 필요로 둔 상태에서 초안만 만들게 하고, 직접 읽고 고친 뒤 보냈다.

한 업체는 보고서에 '기술자 파견 가능'으로 적혀 있었지만, 인용된 출처는 3년 전 행사 후기였다. 조 대리는 이 업체를 '확인 필요'로 표시하고 견적 요청 메일에 그 질문을 넣었다. 모든 것을 에이전트에 맡기는 방법은 외부 발송까지 이어져 위험했고, 모두 손으로 하면 금요일까지 끝낼 수 없었다. 읽기와 비교는 맡기고 외부 행동은 사람이 승인하는 경계가 핵심이었다.

자주 틀리는 지점

1. "기능이 강할수록 좋다." 일회성 질문에 에이전트를, 두 사람의 반복 업무에 API를 쓰면 비용과 위험만 늘어납니다. 일의 모양에 맞는 가장 가벼운 형태를 고릅니다.
2. "커넥터를 연결하면 회사 자료를 다 본다." 커넥터는 연결한 사람의 권한을 그대로 따릅니다. 거꾸로 접근 범위가 넓은 계정 하나를 여럿이 공유해 연결하면, 그 계정이 볼 수 있는 곳 전부가 열립니다. 커넥터를 무조건 위험하다고 피하면 낡은 사본이 돌아다니는 더 큰 문제가 생깁니다.
3. "프로젝트에 올리면 모델이 학습한다." 올린 자료는 그 프로젝트의 참고 맥락입니다. 업로드와 모델 학습은 다른 일이며, 학습 사용 여부는 플랜과 설정이 정합니다(4장).
4. "자료를 올려 둔 공간에서는 답이 정확하다." 자료가 있어도 모델은 틀리거나 일반 지식을 섞을 수 있고, 검색 방식에서는 찾지 못한 부분이 빠집니다. 검증은 그대로 필요합니다.
5. "기억 기능이 있으니 조건을 다시 말할 필요 없다." 기억은 제품이 고른 일부일 뿐이고 무엇이 들어갔는지 흐릿합니다. 중요한 조건은 지시나 프로젝트 지침에 명시합니다.
6. "예약해 두면 알아서 맞게 처리한다." 예약은 실행 시점을 정할 뿐 판단의 정확성을 보장하지 않습니다. 결과 확인 담당과 종료 시점을 정합니다.
7. "에이전트에게 전부 맡기면 가장 빠르다." 결제나 발송처럼 되돌리기 어려운 행동을 승인 없이 맡기는 것은 속도가 아니라 위험을 키우는 선택입니다.
8. "회사 문서로 답하게 하려면 모델을 다시 학습시켜야 한다." 지식이 문제라면 자료를 찾아 넣는 방식이 먼저입니다. 미세 조정은 행동의 일관성이 문제일 때 검토합니다.

한눈에 정리

공식 문서로 확인하기

• OpenAI — Projects in ChatGPT: 프로젝트 지침의 범위, 공유와 파일 열람, 프로젝트와 GPT의 차이.
• OpenAI — Custom GPT retirement and migration FAQ: 커스텀 GPT 종료 일정과 Plugins 이전.
• Google — About the transition from Gems to skills: Gems의 skills 전환 일정.
• Anthropic — What are projects?: 지식 베이스, 지침, 공유 권한, 검색 방식 전환.
• Anthropic — Use connectors to extend Claude's capabilities: 권한 상속, 공용 자격 증명의 위험, 도구별 허용·승인·차단.
• OpenAI — Deep research in ChatGPT / Scheduled tasks in ChatGPT: 심층 조사, 예약 작업과 승인 대기.
• Anthropic — Building effective agents: 워크플로와 에이전트, 가장 단순한 해법부터.

셀프 체크

3-1. AI 제품의 형태를 고를 때 던지는 다섯 가지 질문을 쓰라.

3-2. 공유 프로젝트와 커스텀 어시스턴트를 '지식이 고정되어 있는가, 함께 쌓여 가는가'라는 기준으로 한 줄씩 구분하라.

3-3. 에이전트에게 다음 행동을 맡기려 한다. 각각 '맡겨도 됨', '실행 전 확인', '반드시 사람 승인'으로 나누고 이유를 쓰라. 행동: 사내 위키 문서 읽기, 회의실 가예약 걸어 두기, 고객 200명에게 할인 쿠폰 발송, 협력사와 공유한 일정의 확정 처리.

3-4. 메일 커넥터의 도구를 '항상 허용', '승인 필요', '차단' 중 하나로 설정할 수 있다. '메일 검색', '답장 초안 작성', '메일 발송', '메일 영구 삭제'를 어디에 두겠는가? 이유와 함께 쓰라.

3-5. 맞춤 지침, 기억 기능, 프로젝트 지침을 '누가 정하는가'와 '어디에 적용되는가' 두 열로 구분하는 표를 만들라.

3-6. 심층 조사 기능이 일반 채팅보다 나은 경우와 오히려 불리한 경우를 하나씩 들고 이유를 쓰라.

3-7. 자기 팀의 반복 업무 하나를 골라 다섯 가지 질문에 답하고, 그 답에 근거해 형태(여럿을 결합해도 된다)와 승인 지점을 설계하라.

실습 과제