ChatGPT를 활용하는 것에서, 업무에 필요한 AI를 구성하는 것으로 : 식품기업 현업 담당자를 위한 AI Agent 교육 사례

ChatGPT는 질문에 답하는 것뿐 아니라 자료를 검색하고, 파일을 읽고, 보고서를 작성하기도 합니다. 이러한 기능을 편리하게 사용하면서도 그 안에서 어떤 일이 일어나는지는 굳이 생각하지 않을 수 있습니다.

그런데 AI를 자신의 업무에 맞게 활용하려면, 한 번쯤 그 안쪽을 들여다볼 필요가 있습니다. 어떻게 이런 일을 하는지 이해하면, 서비스가 제공하는 기능을 사용하는 데서 나아가 내가 필요한 일을 수행하도록 AI를 구성하는 방법도 생각해볼 수 있기 때문입니다.

이매진팩토리는 한 식품기업의 현업 담당자들과 함께, AI의 구성 원리를 이해하고 직접 Agent를 구성해보는 교육을 진행했습니다. ChatGPT를 웹에서 사용하는 똑똑한 챗봇으로만 바라보던 시각에서 벗어나, 업무에 필요한 기능과 판단 기준을 연결하는 방법을 경험하도록 구성했습니다.

편리하게 쓰던 AI를 나누어 이해하기

교육은 평소 사용하던 AI에 대한 질문에서 출발했습니다. 입력을 받아 답변하는 모델이 어떻게 최신 자료를 검색할 수 있을까요? 같은 모델이 어떻게 자료 조사 담당자와 보고서 작성자처럼 서로 다른 역할을 수행할까요?

이를 이해하기 위해 모델, 지침, 도구, 협업 구조를 나누어 살펴봤습니다. 모델은 입력을 해석하고 응답을 생성하며, 지침은 역할과 업무 수행 기준을 정합니다. 도구는 검색이나 데이터 조회처럼 외부의 기능을 사용할 수 있게 하고, 협업 구조는 각 역할의 작업 순서와 결과 전달 방식을 연결합니다.

실습에서는 완성된 서비스 화면 대신 모델을 직접 호출하는 것부터 시작했습니다. 여기에 역할과 판단 기준을 설정하고, 검색 도구를 하나씩 연결하면서 결과가 어떻게 달라지는지 확인했습니다.

식품 트렌드 분석을 예로 들어 어떤 관점에서 무엇을 알아볼지 지침을 만들고, 최신 자료를 활용하도록 검색 기능을 추가했습니다. 구성 요소의 이름을 익히는 데 그치지 않고, 각각이 실제 작업에서 어떤 역할을 하는지 확인한 것입니다.

구성 요소를 연결해 하나의 일을 수행하게 하기

이어서 목차를 작성하는 Agent, 자료를 조사하는 Agent, 글을 작성하는 Agent를 구성했습니다. 목차에 맞춰 자료를 조사하고, 글쓰기 Agent에는 목차와 조사 결과를 함께 전달하도록 연결했습니다. 최종 결과는 Word 문서로 저장해 직접 열어봤습니다.

이 실습에서 중요한 것은 Agent를 여러 개 만들었다는 사실보다, 하나의 일을 어떻게 나누고 다시 연결할지 직접 정해봤다는 점입니다.

실제 업무에서도 자료를 모으는 일, 내용을 검토하는 일, 보고서로 정리하는 일은 서로 이어집니다. 각 단계에는 필요한 정보와 판단 기준이 있고, 앞 단계의 결과가 다음 단계에 전달돼야 합니다. Agent의 협업 구조를 구성하면서 이러한 관계를 구체적으로 살펴볼 수 있도록 했습니다.

직접 실습해야 알 수 있는 것들

구성 원리를 설명하는 것과 직접 구성해보는 것은 다릅니다. 요소를 바꿨을 때 동작과 결과가 어떻게 달라지는지 확인해야, 자신의 목적에 맞게 응용할 수 있기 때문입니다.

실습에서도 검색 도구를 연결했다고 모든 문제가 해결되지는 않았습니다. 검색한 자료가 필요한 시기에 해당하는지 확인해야 했고, 조사 범위가 넓어 검색이 과도하게 이루어지는 모습도 살펴봤습니다. 분석 결과가 일반적인 이야기에 머물면 질문의 범위와 지침을 다시 검토했습니다.

이렇게 직접 연결하고 결과를 비교해보면, AI의 답변이 아쉬울 때 무엇을 바꿔볼 수 있는지 구분할 수 있습니다. 모델을 바꿔볼지, 업무 지침을 구체화할지, 필요한 자료를 가져오는 도구를 연결할지 생각할 수 있게 되는 것입니다.

이는 이미 제공되는 기능을 능숙하게 사용하는 것과 함께, 필요한 요소를 조합해 새로운 쓰임을 구상하는 데 필요한 경험입니다.

공통 실습에서 각자의 Agent 구상으로

공통 실습 이후에는 교육생 각자가 만들고 싶은 Agent를 구상하도록 했습니다. 무엇을 만들 것인지, 왜 필요한지, 누가 사용할 것인지를 정하고, AI와 질문과 답변을 주고받으며 필요한 기능과 개발 계획을 구체화하는 방식입니다.

함께 만든 예제를 그대로 반복하는 것이 아니라, 이해한 구조를 자기 목적에 맞게 다시 구성해보도록 한 것입니다.

예를 들어 자료 조사에 사용하는 도구를 업무 데이터를 조회하는 기능으로 바꾸고, 분석 지침에 실제 업무의 판단 기준을 담으면 다른 일을 수행하는 Agent를 구상할 수 있습니다. 어떤 요소를 연결할 수 있는지 이해할수록, 자신의 업무에서 적용해볼 지점도 구체적으로 찾을 수 있습니다.

이 과정에서는 개인 Agent 제작을 위한 플레이북을 제공해 목적 정의, AI와의 문답, 개발 계획 검토, 구현과 검증으로 이어지는 방법을 안내했습니다.

업무를 아는 사람의 AI 활용 범위 넓히기

현업 담당자의 AI 학습이 이미 만들어진 서비스를 사용하는 방법에 머물 필요는 없습니다. 작동 원리를 이해하고 필요한 요소를 직접 조합해보면, 이전에는 떠올리지 못했던 활용 방법도 생각해볼 수 있습니다.

업무를 잘 아는 사람은 어떤 일을 맡기고 싶은지, 어떤 자료가 필요한지, 어떤 기준으로 판단해야 하는지를 구체적으로 설명할 수 있습니다. 여기에 AI의 구성 원리를 이해하는 경험이 더해지면, 그 업무 지식을 Agent의 지침과 도구, 작업 흐름으로 연결해볼 수 있습니다.

이번 교육은 AI를 주어진 형태로 사용하는 데서, 자신의 목적에 맞게 구성하는 것으로 활용의 범위를 넓히는 과정이었습니다. 이매진팩토리는 이러한 원리 이해와 실습, 업무 적용 구상을 연결해 현업 담당자가 새로운 문제 해결 방법을 직접 탐색할 수 있도록 교육을 진행했습니다.