챕터별 상세
AI 에이전트와 워크플로우의 정의 및 차이
많은 SaaS 기업들이 AI 에이전트를 도입한다고 말하지만 실제로는 AI 워크플로우를 구축하는 경우가 많다. 워크플로우는 결과가 정해진 결정론적 시스템인 반면, AI 에이전트는 스스로 판단하고 행동하는 자율적 시스템이다. Lightspeed는 이 두 개념의 차이를 명확히 인지하고 적재적소에 배치하는 교육 과정을 거쳤다.
Crawl-Walk-Run 전략과 실전 에이전트 'Alex'
Lightspeed는 'Crawl-Walk-Run' 전략을 통해 AI 에이전트를 단계적으로 도입했다. 현재 주력으로 운영 중인 에이전트 'Alex'는 영업 기회를 놓친(Closed-loss) 고객을 조사하고 아웃리치를 수행하여 담당자에게 전달하는 역할을 한다. 수백 명의 영업 사원과 복잡한 기술 스택 사이에서 에이전트가 조화롭게 작동하도록 설계했다.
도메인 지식의 통합과 에이전트 설계
에이전트가 기업의 방식대로 작동하게 하려면 영업, 마케팅, 보안, 법무 등 각 분야의 도메인 전문가(SME)와 긴밀히 협업해야 한다. 상위 성과를 내는 영업 사원들을 인터뷰하여 그들의 작업 방식과 전략을 파악하고 이를 에이전트의 프로세스 맵에 반영했다. 이 과정에서 도출된 프로세스 맵은 에이전트 구축의 '단일 진실 공급원(Source of Truth)' 역할을 했다.
보안, 거버넌스 및 Human-in-the-loop
고객과 직접 소통하는 에이전트의 특성상 보안과 데이터 거버넌스는 최우선 순위이다. Relevance AI의 'Human-in-the-loop' 승인 기능을 활용하여 에이전트가 생성한 조사 보고서와 이메일을 사람이 직접 검토한 후 발송하도록 설정했다. 시스템이 충분히 안정화되고 신뢰가 쌓인 후에야 자동화 수준을 높이는 방식을 택했다.
성과 측정과 미래 전망
AI 에이전트의 성공은 전통적인 마케팅 지표뿐만 아니라 '노동 생산성(Labor Productivity)' 지표를 통해 측정한다. 에이전트 Alex의 성공 사례를 바탕으로 조사 기능을 분리하여 영업팀에 제공하거나 다른 부서로 파일럿 프로젝트를 확장하고 있다. 미래에는 배경에서 끊임없이 작동하며 인간의 고부가가치 업무를 돕는 '앰비언트 에이전트(Ambient Agents)'가 보편화될 것으로 전망한다.
용어 해설
- 결정론적 워크플로우(Deterministic Workflow)
- — 입력에 대해 항상 정해진 순서와 결과가 도출되는 자동화 방식이다. AI 에이전트와 달리 자율적인 판단 없이 사전에 정의된 로직에 따라 작동하며, 예측 가능성이 높다는 장점이 있다.
- 인간 참여형 시스템(Human-in-the-Loop)
- — AI 시스템의 의사결정 과정에 인간이 개입하여 검토하고 승인하는 구조이다. 특히 고객 대응이나 보안이 중요한 기업 환경에서 AI의 오류를 방지하고 신뢰도를 높이는 핵심 장치로 활용된다.
- 크롤-워크-런 전략(Crawl-Walk-Run)
- — 새로운 기술을 도입할 때 아주 작은 단계부터 시작하여 점진적으로 규모와 복잡도를 키워나가는 방법론이다. 초기 리스크를 최소화하면서 학습을 통해 시스템을 최적화하는 데 효과적이다.
- 앰비언트 에이전트(Ambient Agent)
- — 사용자가 명시적으로 명령하지 않아도 배경에서 지속적으로 작동하며 필요한 정보를 수집하거나 작업을 수행하는 AI 에이전트이다. 인간의 개입을 최소화하면서 업무 흐름을 보조하는 미래형 에이전트 모델이다.
언급된 리소스
DemoRelevance AI
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 01. 21.수집 2026. 02. 21.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.
