Buzzvil AI Native 시리즈: 사내 에이전트 안착시키기
✅ Intro.
AI로 일하는 Buzzvil AI Native 시리즈: 일하는 방식을 바꾼 버즈빌리언들의 이야기
AI 전환(AX)은 이제 대부분 기업의 과제가 됐습니다. 하지만 진짜 어려운 건 도구를 도입하는 일이 아니라, 그것을 실제 업무에 정착시키는 일입니다. 버즈빌 AX 시리즈는 거창한 시스템이 아니라, 각자의 자리에서 AI와 함께 일하는 방식을 바꿔온 버즈빌리언들의 실전 기록을 담습니다.
✅ Buzzvil AI Native 시리즈 읽어 보기
[Ep.1] AI가 어려운 비개발자라면 이것부터 시작하세요
[Ep.2] 개발자 1명이 세상에 없는 CRM 솔루션을 만들었다
[Ep.3] 코드는 AI가 다 짜주는데, 저는 왜 더 바빠졌을까요?
[Ep.4] ‘개자이너’의 시대, AI가 디자인팀을 바꾸는 법
[Ep.5] AI 네이티브 디자이너가 버린 건 피그마 아니었다
[Ep. 6] 개발자 없는 팀이 자동화 32개를 굴릴 수 있었던 이유
[Ep. 7] 사내 AI 에이전트, 모델부터 고르면 실패합니다
“주디!! A 프로젝트 히스토리 어디서 확인할 수 있어요?”
라는 물음, 요즘 버즈빌에선 찾아보기 힘든 질문입니다. 회사에서 가장 많이 새는 시간은 회의도, 보고도 아닙니다. ‘그거 어디 있더라’를 찾는 시간이에요. 지난달 계약서 최종본이 어느 채널에 있었는지, 그 기능을 왜 그렇게 만들기로 했는지, 이 광고주 담당자가 누구였는지 등이 있겠죠. 대부분의 회사에서 이런 정보는 없어서 못 찾는 게 아닙니다. 이미 다 있어요. 슬랙과 컨플루언스, 깃허브 등 어딘가에 흩어져 있을 뿐입니다.
문제는 하나예요. 어디 있는지 아는 사람만 안다는 것. 그래서 담당자가 휴가를 가거나 퇴사하면, 회사의 검색 기능도 같이 사라집니다. 인수인계 문서 한 장으로는 옮겨지지 않는 맥락이 사람 머릿속에만 남아 있기 때문이에요. 숫자로도 나옵니다. 포레스터가 2023년 에어테이블(Airtable) 의뢰로 진행한 조사에서, 지식 노동자는 업무 시간의 약 30%를 데이터를 찾는 데 쓰고 있었습니다. 대기업이 쓰는 소프트웨어는 평균 367개였고요. 쓰는 도구가 늘어난 만큼, 정보가 흩어질 곳도 함께 늘어난 겁니다. (포레스터 컨설팅, Airtable 의뢰 조사, 2023)
그런데 버즈빌에는 이 질문을 대신 받는 동료가 있습니다. 이름은 아이리스(Iris), 2026년 6월부터 슬랙 공개 채널에서 일하는 사내 지식 에이전트예요. 이번 콘텐츠에서는 사내에 아이리스를 안착시키며 얻은 인사이트를 정리했습니다.
“버즈빌 올리브영 협력광고가 뭐야? 운영 정책은 어디서 확인할 수 있어?”
입사한 지 얼마 안 된 세일즈 담당자가 채널에 이렇게 씁니다. 예전 같으면 옆자리에 묻고, 그 옆자리도 모르면 아는 사람을 수소문하다 결국 몇 년 전 문서를 뒤졌을 질문이죠. 아이리스는 답을 주고, 그 아래에 답이 어디서 나왔는지 링크를 붙입니다. 한국어로 물으면 한국어로, 영어나 프랑스어로 물으면 그 언어로 답하고요.
이런 답이 가능한 건 아이리스가 여러 곳을 한 번에 건너다니기 때문이에요. 대화가 오간 슬랙, 일이 진행된 깃허브와 리니어, 컨플루언스 그리고 광고·정산·영업 데이터와 누가 어느 팀에서 무슨 일을 하는지 담긴 구성원 정보까지요. 사람은 한 번에 창 하나만 보지만, 에이전트는 그 사이를 오가며 하나의 답으로 엮습니다. 물론 전부를 보는 건 아니에요. 무엇을 연결할지만큼 무엇을 연결하지 않을지도 함께 정해야 하는 결정이거든요.
그렇다고 아이리스가 일을 대신해주지는 않습니다. 흩어진 회사의 기억을 출처와 함께 꺼내오는 것까지가 아이리스의 몫이고, 그 기억으로 무엇을 할지는 다시 사람에게 돌아옵니다. 그래서 바뀌는 건 속도가 아니라 밀도예요. 예전 회의는 앞의 10분을 “그 자료 어디 있죠?”, “그때 왜 그렇게 했더라?”로 썼지만, 지금은 그 10분이 회의 전에 채널에서 끝납니다. 회의는 “그래서 할까요, 말까요”에서 시작하고요. 같은 시간인데 안에 들어가는 판단의 양이 달라지는 겁니다.
에이전트가 잘 도는 진짜 이유는 모델이 아니라 ‘구조화된 데이터’입니다
아이리스가 쓸 만한 답을 내놓는 건 모델이 똑똑해서만은 아니에요. 꺼낼 게 있고, 그 정보들이 잘 정리되어 있기 때문입니다. 버즈빌에는 10년 넘게 쌓인 데이터가 있습니다. 슬랙 메시지, 머지된 PR과 코드 리뷰, 종료된 프로젝트의 회고, 광고주 히스토리까지 저장소도 형태도 다양합니다.
그런데 다 합쳐도 200GB 남짓이에요. 노트북 한 대에 들어가는 크기죠. 회사의 10년이 이 정도 공간에 담긴다는 것. 결국 양은 문제가 아니었던 겁니다. 사람이 정보를 찾는 데 그렇게 많은 시간을 쓰는 이유도 데이터가 없어서가 아니라, 흩어져 있어서였잖아요.
차이를 만드는 건 이 데이터가 서로 연결해 검증할 수 있게 구조화돼 있다는 점입니다. 질문 하나에도 아이리스는 여러 저장소를 교차해요. 깃허브로 실제로 개발했는지 머지됐는지 확인하고, 슬랙과 컨플루언스로 그 결정의 배경을 파악하고, 조직도로 담당 팀을 연결하고, 데이터레이크로 수치를 대조하죠. 하나의 답 안에서 ‘무엇을 했는지’, ‘왜 그렇게 했는지’, ‘누가 담당인지’, ‘숫자로 맞는지’가 동시에 맞춰지는 겁니다.
이런 교차 검증이 가능한 건, 각 데이터에 이게 무엇에 대한 것인지, 어떤 데이터와 이어지는지, 언제 마지막으로 갱신됐는지가 함께 붙어 있기 때문이에요. 덕분에 아이리스는 200GB를 처음부터 끝까지 뒤지지 않습니다. 같은 데이터가 사람에게는 일일이 뒤져야 하는 더미지만, 에이전트에게는 필요한 부분이 바로 펼쳐지는 목차인 셈이죠.
이걸 가능하게 한 방식도 조금 특별합니다. 보통은 에이전트가 필요할 때마다 각 시스템에 연결해 물어보는 방식(MCP)을 쓰는데, 아이리스는 반대로 갔어요. 데이터를 아예 전부 파일로 만들어 두고, 에이전트가 그 파일에 직접 접근하게 한 겁니다. 아마 아직 어디서도 시도하지 않은 방식일 텐데, 자세한 이야기는 기술 블로그에서 따로 풀어볼 예정이에요.
사내 에이전트를 만든다면, 모델보다 먼저 정할 4가지
사내 에이전트를 검토할 때 가장 먼저 나오는 질문은 대개 “어떤 모델을 쓸까”입니다. 하지만 진짜 첫 질문은 따로 있어요. “어떻게 데이터를 정리하고, 에이전트가 그 데이터에 잘 닿게 만들 것인가”죠. 아이리스는 ‘정답을 잘 추론하는’ 일은 모델에 맡기고, 자신은 데이터에 쉽고 정확하게 접근하는 데 집중했습니다. 그래서 모델을 고르기 전에, 먼저 정해야 할 결정이 넷 있었습니다.
1. 어떤 데이터를 연결할 것인가.
좋은 답은 한 곳이 아니라, 답에 필요한 여러 곳에서 나옵니다. 결정은 슬랙에, 근거는 깃허브에, 담당자는 조직도에 흩어져 있으니 한 곳만 보면 매번 반쪽짜리 답이 나와요. 그래서 무엇을 연결할지가 중요하지만, 무엇을 연결하지 않을지도 똑같이 중요합니다.
2. 모든 답에 출처를 붙일 것인가.
출처 없는 답은 오히려 비효율을 만들어 냅니다. 하지만 출처를 같이 주면 원본까지 바로 확인할 수 있습니다. 채택률은 모델이 아니라 검증 가능성에서 갈립니다. 여기에 더해, 문서나 티켓 하나에 기대지 않고 여러 출처를 교차하게 하는 것도 같은 이야기입니다.
3. 모르는 것을 어떻게 표현하게 할 것인가.
연결할 데이터를 늘리는 것보다, 지금 연결되지 않은 게 무엇인지 에이전트가 스스로 밝히게 하는 게 먼저예요. 아이리스가 “인터넷 검색은 못 해요”, “이미지는 못 봐요”라고 먼저 말하는 이유입니다. 그럴듯한 오답 한 번이 정확한 답 열 번보다 오래 기억되거든요. 역설적으로, 모른다고 말할 줄 아는 도구가 아는 척하는 도구보다 훨씬 오래 쓰입니다.
4. 어디에서 쓰게 할 것인가.
DM이 아니라 공개 채널입니다. 이건 편의가 아니라 설계예요. 한 사람이 던진 질문과 답이 채널에 남으면 다음 사람은 물어볼 필요가 없어요. 개인의 검색이 조직의 자산으로 바뀌는 지점이죠. 공개된 자리에는 또 하나의 장치가 있습니다. 답이 틀렸을 때 “이거 예전 버전인데요”라고 누군가 바로 잡아준다는 것. AI의 잘못된 답을 막는 방법은 완벽한 모델이 아니라, 틀렸을 때 빨리 발견되는 자리에 두는 것입니다.
큰 프로젝트를 기획하는 대신, 작은 것을 공유하는 것부터 시작하세요
마지막은 시작 규모입니다. 아이리스는 전사 프로젝트로 출발하지 않았어요. CTO 준(Zune)이 직접 만든 PoC였습니다. 예산 승인도, 로드맵도, 킥오프 회의도 없이요. 사내 지식이 흩어져 있다는 불편을 한 사람이 먼저 도구로 만들었고, 그게 공개 채널에 올라오면서 회사 전체의 인프라가 됐습니다.
여기서 이 글의 두 축이 만납니다. 앞에서는 ‘구조화된 기억’이 경쟁력이라 했고, 지금은 ‘작게 만들어 공개하라’라고 말하고 있죠. 언뜻 다른 이야기 같지만 하나입니다.
사내 에이전트를 만드는 일은 사실 AI 프로젝트가 아니라, 회사의 기억을 운영하는 방식에 대한 프로젝트거든요. 그래서 거대한 AI 로드맵이 필요 없습니다.
지금 있는 기억 하나를 연결하고, 사람들이 보는 곳에서 쓰게 만들면 됩니다. 그러면 회사의 나이도 걸림돌이 아닙니다. 오래된 회사에는 과거의 기억을 구조화하는 일이, 이제 막 시작한 회사에는 지금부터 AI가 읽을 수 있게 기록하는 습관이 그 출발점입니다. 버즈빌이 AI를 쓰는 방식도 대체로 이 결을 따릅니다. 맡기고, 공개된 자리에서 검증하고, 판단은 사람이 다시 가져오는 것. AI 네이티브한 조직은 큰 계획이 아니라, 만든 걸 공개하는 습관에서 만들어집니다.
그리고 이 방식이 정말 자리 잡았는지는 질문이 몇 개 들어오는지가 아니라, 누가 질문하고 있는지에서 드러납니다. 최근 일주일 동안 아이리스에 질문을 던진 버즈빌리언은 100명이 넘습니다. 그중 57.6%는 개발자가 아닙니다. 세일즈, BD, CX, 사업기획, 마케팅, 매체 운영까지 직군도 다양합니다. 이 정도면 아이리스는 더 이상 개발 도구가 아니라 회사의 공용 검색창에 가깝습니다.
중요한 건 아이리스라는 도구 자체가 아닙니다. 회사의 기억이 더 이상 몇 사람의 머릿속에만 있지 않게 됐다는 것입니다. 질문과 답, 결정과 근거가 공개된 자리에서 남고 다시 검색될 수 있다면, 누군가 휴가를 가거나 회사를 떠나도 그 사람과 함께 회사의 검색 기능까지 사라지지는 않습니다.
AI 네이티브한 조직은 AI 도구를 많이 쓰는 조직이 아닙니다. 특정 사람이 자리를 비워도 회사의 기억은 남고, 누구나 그 기억을 꺼내 다음 판단으로 이어갈 수 있는 조직입니다. 결국 사내 에이전트가 바꾸는 건 검색 속도가 아니라, 회사가 기억하는 방식입니다.
AI Native 조직에서 커리어 성장을 만들고 싶다면?
해당 글은 버즈빌과 모비인사이드의 파트너십으로 제공되는 기사입니다.
