서종훈’s Post
20h
오늘 제가 해고한 팀원들입니다. 잘가! 엠마(리서치), 폴(데이터), 미쉘(PD), 매튜(FE), 제이콥(BE). 물론 사람은 아니고, AI로 만든 에이전트들입니다 🤭 (요즘 이미지 생성 퀄이…수준급입니다…) 최근에 이런 영상이나 글이 자주 보였습니다. “AI 직원 50명을 밤새 일 시켰다” “에이전트들이 서로 회의하고 학습하면서 발전한다” 솔직히 꽤 솔깃했습니다. AI 직원들이 알아서 회의하고, 서로 피드백하고, 밤새 작업하고, 아침에 결과물을 가져다준다? 생각만 해도 너무 멋지고, 편하잖아요. 그래서 저도 Hermes Agent를 가지고 비슷하게 실험해봤습니다. 각 에이전트에게 페르소나를 주고, 역할을 나누고, Telegram과 Slack에 연결하고, 서로 대화하게 만들고, 정기 리포트도 맡겨봤습니다. 처음에는 꽤 재밌었습니다. 진짜 작은 AI 조직을 만든 느낌이 들었습니다. “이제 나는 AI 팀을 관리하는 CEO인가?” 싶은 순간도 있었고요. 심지어는, “역시..COO역할인 메인 에이전트에게 권한 위임을 잘해야겠군…” 하는 경영관 까지 생길 정도였습니다 ㅎㅎ 그런데 몇 시간을 세팅하며(깍으며) 굴려보니 좀 이상했습니다. 특히 메신저 위에서 돌려보면 생각보다 제약이 많았습니다. 단순한 기대는, “A 봇이 B 봇을 멘션했으니 B가 보겠지” 라고 생각하기 쉽습니다. 그런데 실제로는 구조적으로 그렇지 못합니다. Telegram에서는 봇이 다른 봇의 메시지를 제대로 받지 못하는 경우가 있고, Slack도 채널, 스레드, 멘션, 이벤트 구독 설정에 따라 반응 범위가 달라집니다. 그러다 보니 AI 직원들이 자연스럽게 회의하는 그림을 만들려다가, 정작 저는 라우팅, 게이트웨이, 토큰, 권한, 채널 설정, 멘션 조건 같은 것들을 계속 손보고 있었습니다. 어느 순간, “내가 지금 뭐하고 있는거지? 이게 정말 효율적인가? 그냥 역할 놀이를 하고 있는 건가?” 제가 원한 건 슬랙에서 AI 직원들이 서로 핑퐁 하며 회의하는 모습을 지켜 보는게 아니었습니다. AI가 일하는 모습을 마치 내가 진짜 신이 된 마냥 지켜 보는 것은 흥미롭게 재미있기는 하지만. 궁긍적으로 원하는 바는. 일이 더 빨리 끝나고, 결과물이 더 좋아지고, 실수가 줄어드는 것. 그래서 다시 찾아봤습니다. Reddit에서 실제로 써본 사람들 반응도 보고, AutoGen, MetaGPT, CAMEL, Mixture-of-Agents, Self-Refine, Reflexion 같은 논문과 프레임워크 문서도 다시 봤습니다. Anthropic, OpenAI, LangChain, Microsoft의 에이전트 설계 문서도 같이 봤고요. 한참 씨름한 뒤에 지금은 생각이 완전히 바뀌었습니다. 굳이 “AI 직원”을 여러 명 키울 필요는 없을 것 같습니다. 오히려 기본은 하나가 맞는 것 같습니다. 중앙에 강한 메인 에이전트 하나. 그 에이전트가 내 선호, 맥락, 기준, 장기 기억을 들고 있고, 필요할 때만 임시 워커를 여러 개 만들어 쓰는 방식. 리서치가 필요하면 research worker를 몇 개 병렬로 돌리고, 반론이 필요하면 critic worker를 잠깐 붙이고, 코드 리뷰가 필요하면 reviewer worker를 부르고, 최종 판단과 보고는 다시 메인 에이전트가 책임지는 구조. 이쪽이 훨씬 단순했습니다. 디버깅하기도 쉽고, 기억도 덜 꼬이고, 누가 최종 책임자인지도 명확했습니다. 논문들을 봐도 multi-agent가 효과를 내는 지점은 “페르소나”가 아니었습니다. 효과가 나는 건 보통 이런 경우였습니다. 컨텍스트를 나눠야 할 때. 여러 자료를 병렬로 읽어야 할 때. 독립적인 검토나 반론이 필요할 때. 권한이나 도구를 분리해야 할 때. 명확한 작업 절차와 넘겨줄 산출물이 있을 때. 반대로 같은 모델에 이름만 여러 개 붙이고 “너는 리서처야”, “너는 PM이야”, “너는 리뷰어야”라고 해두면 생각보다 비용만 늘어납니다. 토큰도 더 쓰고, 응답도 느려지고, 메모리도 분산되고, 운영할 것도 많아집니다. 무엇보다 보기에는 그럴듯한데, 실제 효율이 꼭 올라가지는 않았습니다. 그래서 지금은 이렇게 정리했습니다. AI 에이전트는 “가상의 직원”이라기보다 필요할 때 생성되는 작업 단위에 가까워야 한다. 상시 직원처럼 이름과 캐릭터를 부여하는 건 채널, 권한, 장기 기억, 반복 업무 경계가 명확할 때만 의미가 있다. 그 외에는 그냥 메인 에이전트를 잘 키우는 게 낫다. 메인 에이전트가 내 기준을 알고, 필요한 도구를 쓰고, 필요하면 분신을 여러 개 돌리고, 다시 본인이 검수해서 결과를 주는 것. 그래서 오늘부로 제 AI 팀원들은 대부분 해고했습니다. 아닌가? 프리랜서로 전환이 맞겠네요 😆 필요할 때만 부르고, 일 끝나면 퇴근시키는 방식으로요. AI 조직을 만드는 게 목표가 아니라, 일이 잘 굴러가게 만드는 게 목표니까요. 다만 조금 걱정되는 건 있습니다… 나중에 저 AI들이 실제 바디를 얻고 “저희를 왜 해고하셨죠?” 하면서 찾아오면 어떡하죠 ☠️ 🔫 그때는… 성과 기준표를 보여주면 이해해주겠죠…?
- !No alternative text description for this image
- !No alternative text description for this image
- !No alternative text description for this image
- !No alternative text description for this image
- !No alternative text description for this image
18h
요새 hermes가 인기라고 해서 한 번 해보고 싶었는데, claude main agent 하나(?)만 잘 키워야겠군요. 경험 공유 감사합니다 👍
3 Reactions
8h
좋은 인사이트 공유해주셔서 감사합니다. 개인적으로 ai agent들을 만들어서 여러가지로 테스트 중인데, 저도 에이전트들끼리는 텔레그램으로 소통이 안된다는 걸 최근에 깨달았어요. 워크플로우 구조를 잘 만드는게 가장 중요한 것 같습니다.
3 Reactions
9h
팀안에 메인 리더가 없으면 프로젝트가 어렵다는 점에서 인간스러운 운영이 들어가긴 하네요
2 Reactions
AI-driven infrastructure as the foundation of business competitiveness and scalable moat
7h
경험이 묻어나오는 포스트네요! 써본 사람망 공감할 수 있는! 저도 요즘은 역할놀이 보다는 문서화 및 하나의 서브에이전트가 문서를 제대로 이해해서 완수 또는 태스크 문서 철저화에 더 포커싱 하고 있습니다.^^
3 Reactions
12h
목적이나 방향이 명확해야 하기도 하지만 아젝은 그 목표를 위해 코웍할 수 있는 단계까지는 결국 사람이 계속 컨트롤 해야 하기 때문에 AI팀원들만으로는 버거울 수 있을거 같습니다.
2 Reactions
8h
페르소나 여러 개로 역할 놀이 하다가 라우팅·권한·채널 설정만 계속 만지고 있었다는 부분에서 빵 터졌어요 ㅎㅎ 저도 Hermes로 직접 서비스 만들다 보면 “AI 팀을 굴린다”는 그림보다, 결국 일이 빨리 끝나고 결과물이 좋아지는 게 목적이더라고요. 강한 메인 하나에 필요할 때만 워커를 붙인다는 결론, 비개발자 입장에서도 훨씬 단순하고 책임 소재가 명확하네요! 좋은 인사이트 감사합니다~!
2 Reactions
10h
경험 공유 감사합니다!
2 Reactions
12h
직접 구축하고 해본 사람만 느낄 수 있는 경험담이라고 생각합니다..! 저도 여러 시도를 해보니, 하나의 에이전트를 고도화하는게 실제 업무에서는 더 도움이 되었습니다. 제가 멀티 에이전트를 잘못 활용하고 있나 고민하던 찰나에 만난 글이라 너무 공감했습니다! 앞으로도 많은 글 올려주세요 :)
2 Reactions
6h
저도 느끼고 있던건데 말로 아주 잘 풀어 써주신 것 같아 잘 읽었습니다. 저는 그럼에도 불구하고 누군가는 정말 훌륭하고 효율적으로 활용하고 있지 않을까 하는 FOMO가 와서, 계속 여러 실험과 테스트를 해보고 이것저것 찾아보게 되네요 ㅠㅠ
2 Reactions
To view or add a comment, sign in
961 followers