AI 에이전트 직원이라는 개념을 이해했다면, 다음 단계는 실제로 '채용'하는 것이다. 어떤 역할이 필요한지 정의하고, 어떤 도구에 그 역할을 맡기고, 어떻게 지시서를 작성하는지 — 이 과정을 구체적으로 풀어본다.
업무 감사부터 시작한다
에이전트를 만들기 전에 먼저 해야 할 일이 있다. 자신의 업무를 전부 나열하고, 어떤 것이 자동화 가능한지 분류하는 작업이다. 이것을 업무 감사(Task Audit)라고 부른다.
분류 기준은 간단하다. 반복성이 높고, 판단이 적고, 입출력이 명확한 업무가 에이전트에게 적합하다. 반대로 맥락 의존도가 높거나, 감성적 판단이 필요하거나, 매번 상황이 달라지는 업무는 사람의 영역이다.
업무 | 반복성 | 판단 필요도 | 자동화 적합도 |
|---|---|---|---|
블로그 레퍼런스 조사 | 높음 | 낮음 | ★★★★★ |
블로그 초안 작성 | 높음 | 중간 | ★★★★☆ |
이메일 분류 및 요약 | 높음 | 낮음 | ★★★★★ |
디자인 시안 작업 | 중간 | 높음 | ★★☆☆☆ |
클라이언트 미팅 | 낮음 | 높음 | ★☆☆☆☆ |
SNS 콘텐츠 기획 | 중간 | 중간 | ★★★☆☆ |
역할별 에이전트 매핑 — 프리아이브 실전 사례
프리아이브에서 실제로 운영 중인 AI 에이전트 직원들을 소개한다. 각 에이전트는 명확한 역할과 도구, 그리고 '직무기술서'에 해당하는 스킬 문서를 가지고 있다.
리서처 — n8n + Perplexity
블로그 주제가 확정되면 리서처 에이전트가 가동된다. n8n 워크플로우가 Perplexity API를 호출해서 관련 레퍼런스 5개를 수집하고, 제목·URL·요약·키워드를 구조화해서 Google Sheets에 기록한다. 사람이 하면 주제당 30분, 에이전트는 2분이면 끝난다.
블로그 라이터 — Claude MCP 스킬
리서치가 완료되면 블로그 라이터가 초안을 작성한다. 이 에이전트의 직무기술서(스킬 문서)에는 프리아이브의 블로그 정체성, 글쓰기 톤, SEO 규칙, HTML 포맷, 이미지 프롬프트 생성 규칙까지 모두 정의되어 있다. 단순히 "글 써줘"가 아니라, 수십 가지 규칙을 매번 자동으로 적용하는 것이다.
이미지 디렉터 — n8n + Vertex AI Imagen
블로그 초안이 나오면 이미지 프롬프트를 기반으로 본문 이미지와 썸네일을 자동 생성한다. Vertex AI의 Imagen 모델을 n8n 워크플로우로 호출하고, 생성된 이미지를 Cloudflare R2에 업로드한다.
메일 비서 — n8n + Gmail API
수신된 이메일을 자동 분류하고 요약해서 Telegram으로 알림을 보낸다. 긴급도 분류, 카테고리 태깅, 핵심 내용 요약까지 에이전트가 처리하고, 사람은 요약만 읽고 대응 여부를 판단하면 된다.
직무기술서 작성법 — 스킬 문서의 구조
AI 에이전트의 성능은 직무기술서, 즉 스킬 문서의 품질에 달려 있다. 잘 작성된 스킬 문서는 다음 요소를 포함한다.
역할 정의 — 이 에이전트가 누구이고 무엇을 하는지 한 문장으로 정의
워크플로우 — 단계별 작업 절차를 순서대로 기술. "1단계: 스프레드시트에서 데이터 읽기 → 2단계: SEO 키워드 분석 → 3단계: 초안 작성" 식으로 구체적으로
사용 도구 — 어떤 MCP 도구, API, 외부 서비스를 사용하는지 명시
출력 포맷 — 결과물의 형태를 정확히 지정. HTML 태그 규칙, 문자 수 제한, 파일 저장 경로 등
제약 조건 — 하지 말아야 할 것, 예외 처리 방법, 에러 시 대응 방안
직접 스킬 문서를 수십 개 작성하면서 느낀 점은, 처음에는 과하다 싶을 정도로 구체적으로 써야 한다는 것이다. "좋은 글을 써줘"는 실패하고, "3,000~4,000자, ~하다 체, h2 3개 이상, blockquote로 필자 의견 2~3개 삽입, 참고 자료 링크는 target=_blank"처럼 수치와 규칙으로 지정해야 일관된 결과가 나온다. 사람에게는 '센스'를 기대할 수 있지만, 에이전트에게는 '규칙'으로 대신해야 한다.
오케스트레이터의 역할
에이전트가 여러 명이면 이들을 조율하는 구조도 필요하다. 프리아이브의 경우 Claude(Cowork)가 오케스트레이터 역할을 한다. 주제 기획 → 리서치 트리거 → 초안 작성 → 이미지 생성 → CMS 업로드라는 파이프라인을 하나의 대화 흐름 안에서 순차적으로 실행한다.
PM이 업무를 정의하고 AI 에이전트 능력 단위로 재분류하는 접근도 같은 맥락이다. 핵심은 업무를 인간의 시선이 아니라 에이전트가 소화할 수 있는 단위로 쪼개는 것이다.
이 시장에 뛰어들면서 느낀 점은, 에이전트 자체보다 '에이전트 간 연결'이 진짜 경쟁력이라는 것이다. 리서처가 수집한 데이터를 라이터가 읽고, 라이터가 만든 프롬프트를 이미지 디렉터가 실행하는 — 이 연결이 매끄러울수록 전체 파이프라인의 품질이 올라간다. 도구 하나하나의 성능보다 파이프라인 설계가 더 중요하다.
시리즈 안내
이 글은 AI 에이전트 직원 시리즈의 두 번째 편이다. 이번 편에서는 역할 정의부터 업무 위임까지 실전 설계를 다뤘다. 다음 편에서는 에이전트의 품질 관리, 한계, 그리고 사람이 반드시 해야 할 일을 다룬다.
