우리가 AI 에이전트로부터 ‘킬러 시나리오’를 발견하기 어려운 이유는, 그것이 단일 기능(Feature)이 아니라 데이터가 쌓이면서 자연스럽게 도출되는 ‘창발적 맥락(Emergent Context)‘이기 때문이다. 에이전트에게 “무엇을 해줘”라고 묻기 전에, 에이전트가 “무엇이 일어나고 있는지”를 알게 하는 것이 우선이다.
에이전트가 사내 모든 메시지를 읽고, 회의록을 학습하며, 직원들의 역할과 할 일을 정확히 파악하게 될 때, 비로소 ‘할 일 추천’이나 ‘병목 구간 알림’ 같은 진짜 유용한 시나리오가 작동하기 시작한다. 유용성은 발굴하는 것이 아니라, 충분한 데이터 위에서 저절로 드러나는 것이다.
근거
원문에서는 헤르메스를 하루 종일 사용해봐도 유용한 시나리오 발굴이 어렵다고 토로하면서도, 결론적으로 슬랙 메시지, 회의록, 노션 DB, ERP를 연동했을 때 비로소 에이전트가 똑똑해지고 업무를 맡길 수 있게 된다고 설명한다.
“모든 직원들이 하는 일들을 정확히 알고 있어야 하고, 각 직원들이 어떤 역할인지 헤르메스에게 학습시켜 매일 크론잡으로 할일 혹은 병목 등을 에이전트가 슬랙에서 노티하게 해야 한다.”
연결된 생각
- 20260612-ai-native-is-data-connectivity — 데이터 연결이 지능의 전제 조건임
- 20260612-ai-native-company — 이러한 구조를 갖춘 기업의 형태
출처
- 📎 클리핑: 20260623-josh-kims-post