이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
AI는 단순한 보조 도구가 아니라 워크 그래프의 맥락을 이해하고 인간과 협업하여 실제 결과물을 만들어내는 팀원 역할을 수행해야 합니다. Managed Agents를 통해 개발 복잡성을 줄이고 고품질의 자율적 업무 수행이 가능해졌습니다.
배경
대부분의 기업용 AI가 단발성 실험에 그치고 있는 상황에서, 실제 업무를 완수하는 에이전트 중심 기업으로의 전환이 요구되고 있습니다.
대상 독자
AI 에이전트를 실무 워크플로에 도입하고자 하는 개발자, 제품 관리자 및 기업 리더
의미 / 영향
이 영상은 AI 에이전트가 단순한 개인 비서를 넘어 조직의 핵심 워크플로를 수행하는 팀원으로 진화하고 있음을 보여줍니다. Claude Managed Agents와 같은 인프라의 발전으로 복잡한 에이전트 시스템 구축의 진입장벽이 낮아졌습니다. 기업들은 이제 고립된 AI 실험에서 벗어나 실제 업무 완수를 위한 에이전트 오케스트레이션 전략을 수립해야 합니다.
챕터별 상세
00:25
에이전트 중심 기업의 비전
Asana는 인간과 AI 에이전트가 협력하여 복잡한 다단계 작업을 완수하는 '에이전트 중심 기업(Agentic Enterprise)'을 지향한다. 기존 AI가 개인의 작업을 돕는 싱글 플레이어 모드였다면, 미래의 AI는 시스템 내의 행위자로서 공유된 기업 메모리를 기반으로 협업해야 한다. 이를 위해 AI 에이전트는 조직의 목표, 프로젝트, 작업 간의 관계를 담은 워크 그래프 맥락을 필수적으로 확보해야 한다.
03:45
Asana AI Teammates의 핵심 아키텍처
Asana는 17년 이상 구축해온 워크 그래프 데이터 모델을 AI 에이전트의 행동 시스템으로 활용한다. 에이전트는 인간 팀원과 동일하게 RBAC(역할 기반 액세스 제어)와 보안 가이드라인을 준수하며 시스템 내에서 활동한다. 워크 그래프는 누가, 무엇을, 언제, 왜 하는지에 대한 깊은 맥락을 제공하여 에이전트가 정확한 의사결정을 내릴 수 있도록 지원한다.
04:50
Claude Managed Agents 도입의 이점
Asana는 Anthropic의 Managed Agents 기능을 활용하여 에이전트 루프 구축 및 코드 실행 샌드박스 관리의 복잡성을 해결했다. Managed Agents는 자체적인 검증 루프와 평가기(Grader)를 내장하고 있어, 결과물이 만족될 때까지 반복 작업을 수행하며 품질을 보장한다. 이를 통해 프로토타이핑 비용을 절감하고 여러 에이전트가 병렬로 독립적인 작업을 수행하는 멀티플레이어 환경을 구현했다.
Managed Agents는 LLM 플랫폼이 에이전트의 실행 흐름과 도구 사용을 직접 관리해주는 서비스이다.
10:40
실전 데모: 마케팅 캠페인 및 랜딩 페이지 제작
마케팅 담당자가 Asana 내에서 캠페인 브리프와 랜딩 페이지 프로토타입 제작 작업을 AI Teammate에게 할당하는 과정을 시연했다. 에이전트는 과거 프로젝트 데이터를 참조하여 브리프를 작성하고, HTML 코드를 생성하여 실제 웹사이트 목업을 즉시 만들어냈다. 사용자가 댓글로 디자인 수정을 요청하면 에이전트가 이를 즉각 반영하고, 수정된 내용은 에이전트의 메모리에 저장되어 향후 작업에 일관되게 적용된다.
13:45
AI 에이전트의 협업 및 관리 방식
AI 에이전트는 단순한 챗봇이 아니라 Asana의 작업(Task) 내에서 인간과 상호작용하며 모든 과정이 감사(Audit) 가능하다. 에이전트의 메모리는 조직 내 다른 팀원들도 공유하고 활용할 수 있어 지식의 단절을 방지한다. 관리자는 에이전트의 메모리를 삭제하거나 수정할 수 있는 권한을 가지며, 이를 통해 에이전트의 행동을 지속적으로 최적화하고 통제할 수 있다.
15:55
미래 전망 및 Q&A
향후 Asana는 수백 명 규모의 리소스 관리 및 용량 계획과 같은 더 복잡한 다단계 워크플로로 에이전트의 역할을 확장할 계획이다. Anthropic과의 파트너십을 통해 팀 패턴과 에이전트 기술로부터 더 빠르게 학습하고 선제적으로 업무를 제안하는 기능을 강화할 예정이다. Q&A 세션에서는 에이전트의 출력 품질을 검증하기 위한 루브릭(Rubric) 설계와 서드파티 도구 통합 방식에 대해 논의했다.
실무 Takeaway
- AI 에이전트가 실질적인 업무를 수행하려면 기업의 목표와 작업 관계가 정의된 워크 그래프 맥락을 주입해야 한다.
- Managed Agents 기능을 활용하면 에이전트 루프와 샌드박스 구축에 드는 엔지니어링 리소스를 줄이고 품질 검증에 집중할 수 있다.
- AI 에이전트를 인간과 동일한 협업 툴(Asana 등) 내에서 활동하게 함으로써 모든 작업 과정을 투명하게 관리하고 감사할 수 있다.
- 에이전트의 메모리를 공유 가능하게 설계하면 담당자가 퇴사하더라도 조직 내 지식과 맥락이 유지되는 효과를 얻을 수 있다.
언급된 리소스
API DocsClaude Managed Agents
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 05. 09.수집 2026. 05. 09.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.