AI 에이전트, 다른 회사 사람들은 어떻게 만들고 어디에 쓸까? 현업자 5인의 실전 사례

"나도 만들고 싶은데, 뭘 만들어야 하지?"

요즘 AI 에이전트 이야기, 어디서나 들려오죠. 뉴스레터마다, 유튜브마다, 링크드인마다 넘쳐납니다. 그런데 막상 "그래서 내가 만들어야겠다"고 마음먹으면 바로 벽에 부딪혀요.

뭘 만들어야 할지 모르겠는 거예요.

저도 처음엔 그랬습니다. AI 에이전트라는 단어는 화려한데, 정작 내 업무에 어떻게 적용할지는 감이 안 잡히는 거죠. 그런 분들한테 제일 좋은 방법이 하나 있어요. 이미 잘 만들어 쓰고 있는 사람의 사례를 먼저 보는 겁니다.

최근 B2B 매출 조직 커뮤니티 리캐치의 오프라인 모임에서 현업자 5명이 직접 만들고 쓰는 AI 에이전트를 공유하는 자리가 열렸습니다. 저녁 10시 반까지 이어졌다고 하는데요. 오늘은 그 사례들과 핵심 노하우를 정리해드릴게요.

AI 에이전트가 뭔지, 딱 한 줄로 설명하면

챗봇이 "대화 중심"이라면, 에이전트는 "목표 달성 중심"입니다.

제가 일일이 지시하지 않아도, 정해진 기준에 따라 스스로 판단하고 움직이는 거예요. 계획을 세우고, 도구를 쓰고, 여러 단계를 거쳐 결과를 내는 자율적인 AI 시스템이라고 보면 됩니다.

2026년 현재 업계 전문가들은 이 해부터 실제 기업 환경에서 10개 이상의 에이전트가 협업하는 시스템이 보편화될 것이라고 전망합니다. 실제로 국내외 기업의 75%가 AI 에이전트 투자에 착수했다는 분석도 나오고 있어요. 더 이상 대기업만의 이야기가 아닙니다.

사례 1. PR 소재를 자동으로 발굴하는 'PR 첩첩 곰'

리캐치 마케팅 팀에서 운영 중인 에이전트예요. 매주 정해진 시간에 슬랙 채널들을 자동으로 읽어서 PR에 쓸 수 있는 소재를 찾아내고, 채점해서 노션과 슬랙으로 리포트를 보내줍니다.

작동 방식이 이렇습니다. 주요 슬랙 채널의 지난 7일치 메시지를 자동으로 읽고, 내용을 투자 활동, 경영 활동, 생산 활동으로 분류해요. 그리고 각각 상(10점), 중(5점), 하(2점) 기준으로 채점해서 5점 이상 소재만 뽑아 정리합니다.

만든 분이 가장 신경 쓴 부분이 채점 기준 설계였다고 해요. 보도자료 관련 서적의 우선순위 점수 체계를 참고해서 기준을 프롬프트에 녹여 넣었습니다. 덕분에 에이전트가 매번 일관된 기준으로 소재를 평가하고 걸러낼 수 있게 됐어요.

핵심은 이거예요. 판단 기준이 없는 에이전트는 그냥 목록 뽑기 기계입니다. 채점 기준을 명확히 설계하는 게 전부예요.

사례 2. AI 이미지 일관성 문제를 해결한 '매직 프롬프트 스튜디오'

AI로 이미지를 생성할 때 가장 큰 문제가 뭔지 아시나요? 매번 결과물이 달라진다는 겁니다. 같은 회사 콘텐츠인데 이미지마다 느낌이 다르면 브랜드가 흔들리죠.

이 에이전트는 그 문제를 해결합니다. "회사에서 회의하는 모습"처럼 원하는 장면을 짧게 입력하면, 에이전트가 실사 모드 또는 3D 아이콘 모드 중 원하는 스타일에 맞는 전문가 수준의 이미지 생성 프롬프트를 자동으로 만들어줘요. 그걸 복사해서 챗GPT나 이미지 생성 도구에 붙여 넣으면 끝입니다.

만든 분이 GPT, 클로드, 제미나이를 교차로 테스트하며 검증했고, 회사 보안 정책에 맞게 로그인 기능과 이미지 to 이미지 기능은 뺐다고 해요. 결과적으로 디자인 가이드라인을 따로 만들고 이미지 검수 논의를 별도로 해야 했던 과정이 사라졌습니다.

도구가 있어도 일관성은 없습니다. 일관성은 설계에서 나옵니다.

사례 3. 블로그 콘텐츠를 자동 진단하는 'AI GEO Scan'

GEO(Generative Engine Optimization, 생성형 AI 검색 최적화)라는 개념이 있어요. SEO가 구글 같은 일반 검색에 최적화된 것이라면, GEO는 챗GPT나 퍼플렉시티 같은 AI 검색 도구에 내 콘텐츠가 잘 노출되도록 최적화하는 개념입니다.

이 에이전트는 GEO에 맞는 블로그 글을 자동 생성하고, 발행된 글을 진단해서 개선이 필요한 시점을 이메일로 알려줍니다.

마케터들이 블로그 글을 발행하고 나면 업데이트를 잘 안 한다는 현실적인 고충을 반영한 에이전트예요. 자동으로 진단하고 알림을 주니까 놓치지 않을 수 있죠.

이 사례에서 배울 점이 하나 있어요. 에이전트는 만들고 끝이 아닙니다. 발행 후 관리까지 설계에 포함해야 진짜 자동화예요.

사례 4. 브랜드 톤앤매너를 스스로 학습하는 마케터 에이전트 동료

B2B SaaS 기업 포트원이 운영 중인 에이전트입니다. 주제, 타깃, 키워드, 목적, 고객 인지 단계 같은 정보를 입력하면 기존 블로그와 헬프센터 콘텐츠를 참고해서 그에 맞는 블로그 초안을 작성해줘요.

이 에이전트의 특징이 인상적인데요. 톤앤매너를 직접 지시하는 게 아니라, 기존 블로그 콘텐츠 전체를 학습시켜서 AI가 스스로 포트원의 말투를 추론하게 만들었다는 점이에요. 단순히 "이 파일 참고해라"가 아니라, "각 섹션을 출력하기 전에 항상 읽는다"는 규칙을 명시해서 수정 과정에서도 일관성이 유지되게 했습니다.

게다가 개인 도구가 아니라 조직 플러그인으로 공유해서, 팀 전체가 동일한 버전의 에이전트를 쓰고 업데이트가 생기면 모두에게 자동으로 반영되는 구조예요.

혼자 쓰는 에이전트는 개인 효율이고, 팀이 함께 쓰는 에이전트는 조직 경쟁력입니다.

사례 5. CRM 데이터로 만든 영업 시뮬레이션 게임 '세일즈 미연시'

이건 솔직히 처음 들었을 때 좀 놀랐어요.

미연시는 선택지에 따라 이야기가 달라지는 비주얼 노벨 장르인데요. 이 에이전트는 실제 CRM 데이터를 바탕으로 B2B 영업 과정을 게임처럼 체험할 수 있게 만든 시뮬레이션입니다. 세일즈 팀원을 선택하면 각자의 루트로 이야기가 진행되고, 선택지에 따라 잠재 고객의 호감도가 달라져요. 호감도 10을 달성하면 계약 성사, 5점 이하면 실주입니다.

만든 방법도 흥미롭습니다. 팀원 사진과 특징, CRM에서 꺼낸 실제 딜 흐름을 재료로 준비하고, 클로드 코드에게 "미연시 게임 만들어줘"라고 요청해서 단일 HTML 파일로 만들었어요. 이후 "이 장면 대사 더 영업스럽게", "호감도 올라가는 연출 추가해줘" 같은 요청으로 수정해 완성했습니다.

핵심 노하우가 두 가지였는데요. 첫째, 장르 문법을 명확히 지정하는 것. "일본 미연시 게임 스타일로, 대화창 아래 캐릭터 전신 일러스트가 나오고, 선택지에 따라 호감도가 올라가는 구조"처럼 구체적으로 설명했더니 분위기가 살았다고 해요. 둘째, 실제 CRM 데이터의 딜 단계와 팀이 실제로 했던 접근 방식을 선택지에 녹여 넣어 리얼함을 높인 것이었습니다.

AI는 재료가 구체적일수록 결과물도 구체적입니다. 실제 데이터가 최고의 프롬프트예요.

5가지 사례가 공통으로 말하는 것

사례들을 보면 분야도 다르고, 도구도 다르고, 만든 방식도 다릅니다. PR 자동화, 이미지 생성, 콘텐츠 최적화, 영업 시뮬레이션. 겉으로 보면 공통점이 없어 보여요.

그런데 한 가지 공통점이 있습니다. 에이전트가 스스로 판단할 수 있도록 기준과 맥락을 먼저 설계했다는 점이에요.

채점 기준을 프롬프트에 담고, 브랜드 톤앤매너를 학습시키고, CRM 데이터를 선택지에 녹이고, 장르 문법을 명확히 지정했습니다. 이게 없으면 에이전트는 그냥 "그럴듯한 텍스트 생성기"에 그치고 맙니다.

Gartner는 2026년까지 엔터프라이즈 앱의 40% 이상에 AI 에이전트가 포함될 것으로 전망합니다. 그리고 2028년에는 90%의 기업 앱에 AI 에이전트가 통합될 것이라는 분석도 나오고 있어요. 이제는 엑셀을 잘 다루는 것보다 AI에게 어떤 업무를 시킬지 설계하는 능력이 훨씬 중요해지고 있는 거예요.

에이전트의 품질은 결국 설계자의 사고력에서 결정됩니다.

'에이전트는 만들면 끝'이라는 착각

에이전트를 만들고 나서 "됐다!" 하고 방치하면 금방 쓸모없어집니다.

PR 첩첩 곰 사례처럼 토큰 절약을 위해 노이즈를 제거하는 개선 계획을 세우거나, GEO Scan처럼 발행 후 진단까지 설계에 포함해야 진짜 자동화가 됩니다.

AI 에이전트 도입에 실패하는 경우의 상당수는 처음부터 너무 큰 범위를 설정하거나, 성공 기준 없이 도입을 진행하기 때문입니다. 전체 업무의 80%를 처리하도록 먼저 설계하고, 나머지 20%는 사람이 검토하는 하이브리드 방식으로 시작하는 것이 현실적이에요.

처음부터 완벽한 에이전트를 만들려고 하지 마세요. 작게 시작해서, 써보고, 계속 개선하는 것이 훨씬 낫습니다.

에이전트는 런칭이 아니라 운영입니다. 만든 뒤가 더 중요해요.

앞으로 AI 에이전트는 어떻게 바뀔까요?

2026년 현재, AI 에이전트를 둘러싼 가장 중요한 화두는 두 가지입니다.

하나는 거버넌스입니다. "얼마나 많이 쓰는가"보다 "어떻게 통제하고 신뢰할 것인가"라는 질문이 전면에 등장하고 있어요. EU AI법 등 각국 규제가 구체화되면서 기업들이 알고리즘 감사, 투명성 보고, 인간 감독 체계를 갖춰야 하는 상황입니다.

다른 하나는 멀티에이전트 구조예요. 에이전트 하나가 혼자 돌아가는 시대에서, 여러 에이전트가 협력하는 구조로 진화하고 있습니다. PR 첩첩 곰이 업계 동향 스크래핑 에이전트를 추가하려는 것처럼, 단일 에이전트가 아니라 에이전트들의 팀이 만들어지는 방향으로 가고 있어요.

저장해두고 싶은 문장 하나만 남기자면 이렇습니다.

"AI 에이전트의 퀄리티는 좋은 재료와, 얼마나 명확한 역할을 주었느냐에 달려 있다."

마무리

오늘 소개한 5가지 사례는 모두 "에이전트에게 명확한 역할과 기준을 줬을 때" 작동했습니다. 기술이 먼저가 아니에요. 어떤 판단을 자동화할지, 그 판단의 기준은 무엇인지를 먼저 설계하는 사람이 결국 AI를 잘 쓰는 사람입니다.

지금 당장 거창한 것을 만들 필요는 없어요. 내 업무에서 반복되는 판단 작업 하나를 골라, 기준을 명확히 쓰고, 에이전트에게 역할을 줘보세요. PR 채점이든, 이미지 프롬프트 표준화든, 영업 시뮬레이션이든 상관없습니다. 그게 시작이에요.

바이브 코딩, AI 에이전트라는 단어에 압도되지 마세요. 가장 귀찮은 판단 하나를 에이전트에게 맡겨보는 것, 지금 시작할 수 있습니다.