효과적인 인간-에이전트 팀 구성하기

AI와 함께 일한다는 것은 한때 한 사람이 채팅 창 하나를 열어놓고 대화하는 것을 의미했습니다. 그러나 AI가 코딩, 리서치, 금융 분석 같은 복잡하고 장시간이 소요되는 작업도 처리할 수 있을 만큼 발전하면서, 터미널과 IDE부터 스프레드시트와 프레젠테이션 도구에 이르기까지 AI를 활용하는 방식도 다양해졌습니다. 그럼에도 불구하고 AI와의 작업은 여전히 '싱글플레이어' 경험에 머물러 있었습니다. 한 명의 사람이 하나의 에이전트와 짝을 이뤄 각자의 과제를 처리하는 방식이었죠.

하지만 Claude Tag 같은 도구의 등장으로 이 구도가 바뀌고 있습니다. 이제 사람과 에이전트가 같은 작업 공간에서 함께 협업하며 팀의 공동 목표를 향해 나아갈 수 있게 됐습니다. 업무 방식이 멀티플레이어 게임과 점점 닮아가는 셈입니다. 사람으로 구성된 팀이 전략을 세우면 Claude가 실행을 담당하는 구조입니다.

이 변화는 새로운 협업 방식을 요구합니다. Anthropic에서는 지난 수개월간 인간-에이전트 팀이 잘 작동하는 데 필요한 기술을 직접 테스트해왔습니다. 이 글에서는 멀티플레이어 에이전트가 무엇인지, 그리고 이를 구축하는 과정에서 얻은 교훈을 공유합니다.

멀티플레이어 에이전트란 무엇인가?

'멀티플레이어 에이전트'는 여러 사람과 동시에 협업하는 AI 모델을 가리키는 표현입니다. 일반적인 에이전트처럼 고유한 메모리와 스킬을 갖추고 있지만, 몇 가지 면에서 확연히 다릅니다. 멀티플레이어 에이전트는 독자적인 자격 증명(credentials)을 가지며, 실제 업무가 이루어지는 공간에 상주합니다. Anthropic에서는 Slack 같은 팀 협업 도구가 바로 그 공간입니다.

다음은 Slack에서 인간-에이전트 팀이 함께 데이터셋을 분석하는 모습입니다.

에이전트가 팀 채널에서 생산적으로 활동하려면 다음과 같은 구체적인 역량이 필요합니다.

• 지속적인 메모리, 목표를 기억하고 그에 맞게 실행 방향을 조율할 수 있어야 합니다
• 특정 사람에게 종속되지 않는 자격 증명, 안전하고 예측 가능한 범위 안에서 독립적으로 동작할 수 있어야 합니다
• 지속적이고 광범위한 정보 접근, 조직이 어떻게 운영되는지 파악하고, 팀의 목표를 위해 실제 행동으로 옮길 수 있어야 합니다

이러한 역량은 에이전트가 다인원 팀에서 제 역할을 하기 위한 기술적 토대입니다. 하지만 인간-에이전트 팀이 성과를 내려면 기술적 토대만으로는 부족합니다. 팀만의 협업 방식과 공유된 규범도 함께 갖춰야 합니다.

교훈 1: 공개적으로 일하고, 에이전트에게 충분한 맥락을 제공하라

Anthropic의 팀들은 정보를 선제적이고 개방적으로 공유합니다. 특히 에이전트가 팀의 일원으로 참여할 때는 더욱 그렇습니다. 에이전트는 팀이 검색 가능한 텍스트, 즉 Slack 메시지, 코드, 문서, 회의록 등을 통해서만 맥락을 쌓을 수 있기 때문입니다. 개인 메시지, 복도에서 나눈 대화, 접근이 제한된 문서는 에이전트에게 아무런 맥락도 전달하지 못합니다. 에이전트에게는 기록되지 않고 접근할 수 없는 정보는 존재하지 않는 것이나 마찬가지입니다.

문서나 Slack 채널마다 에이전트에게 공개할 정보를 일일이 결정하는 대신, 저희는 Slack 워크스페이스 전체와 회의 녹취록, 문서 라이브러리에 일관되게 적용되는 명확한 보안 경계를 설정해 사용합니다. 보안 경계 안에서는 사람이든 AI든 모든 팀원에게 맥락이 자유롭게 흐릅니다. 이 방식은 에이전트와 사람이 접근할 수 있는 정보를 늘려줄 뿐만 아니라, 무엇을 누구와 공유할 수 있는지에 대한 혼란도 줄여줍니다. 항목별 공개 여부를 사람이 직접 판단하는 방식은 사람과 에이전트 모두에게 부담입니다. 이 채널을 공개로 해야 할까, 비공개로 해야 할까? 이 문서를 저 사람과 공유해도 될까? 이 에이전트가 저 스레드를 볼 수 있어야 할까? 워크스페이스 단위의 명확한 보안 경계를 몇 가지만 설정해두면, 일상적인 판단 피로를 크게 줄일 수 있습니다.

높은 수준의 투명성은 분명한 보상을 가져옵니다. 예를 들어, 팀 회의 결과를 읽을 수 있는 에이전트는 이미 우선순위에서 제외된 과제나 프로젝트를 다시 제안하지 않습니다. 자신이 속한 팀 이외의 제품 스펙에도 접근할 수 있는 에이전트는 다른 팀에서 효과적이었던 패턴을 추천할 수 있습니다. 또한 에이전트는 사람보다 훨씬 빠르게 방대한 텍스트를 읽을 수 있기 때문에, 사람이 그냥 지나쳤을 관련 정보를 꾸준히 찾아서 알려줍니다. 빠르게 움직이는 업계에서 정보를 파악하고 팀 간 조율을 유지하는 데 있어 저희는 에이전트에 크게 의존하고 있습니다.

Anthropic에서 공개적으로 일한다는 것은 구체적으로 다음과 같은 모습입니다.

• 회사 차원에서 보안 경계를 몇 가지로 정하고, 각 경계에 맞는 워크스페이스와 문서 공유 설정을 구성합니다
• 조직 내 새로운 커뮤니케이션 채널은 기본적으로 공개로 설정하고, 모든 의사결정이 채널, 문서, 회의록에 반드시 남도록 합니다
• 에이전트가 팀 문서의 주요 독자가 된 만큼, 에이전트가 쉽게 찾아볼 수 있도록 산출물과 회의록을 작성합니다
• AI가 맡은 업무를 수행하는 데 필요한 도구와 정보에 제대로 접근할 수 있도록 보장합니다

정보를 기본적으로 내부 공개로 설정하는 것은 문화적 변화를 요구할 수 있습니다. 그러나 충분한 맥락을 갖춘 인간-에이전트 팀과 그렇지 않은 팀의 차이는 무시하기엔 너무 뚜렷합니다.

물론 민감한 대화는 한 사람과 AI 사이에서 비공개로 이루어져야 할 때도 있습니다. 그런 경우에는 Claude Tag에서 @Claude에게 다이렉트 메시지를 보내거나, 기존의 Claude.ai 및 Claude Cowork 애플리케이션을 활용할 수 있습니다. 이 도구들은 개인 MCP 커넥터를 통해 Claude가 개인 정보에 접근할 수 있도록 하며, 대화 내용과 에이전트와 공유한 정보는 비공개로 유지됩니다.

교훈 2: 모든 사람과 에이전트에게 적합한 도구와 명확한 역할을 부여하라

인간-에이전트 팀은 하나의 팀 명단, 하나의 산출물 세트, 하나의 작업 공간을 공유합니다. 에이전트는 고유한 자격 증명, 스킬, 도구 접근 권한을 가집니다. 에이전트마다 맡는 역할도 다릅니다. 예를 들어, 한 에이전트가 프로젝트의 데이터 분석을 담당한다면, 다른 에이전트는 디자인 기준을 수립하고 준수 여부를 관리하며, 또 다른 에이전트는 리서치 종합을 맡는 식입니다.

프로젝트가 시작될 때, 사람들은 에이전트들과 대화하며 각자의 역할을 어떻게 나눌지, 사람과 에이전트가 어떻게 협업할지를 함께 정합니다.

사람과 에이전트의 역할이 명확해지면, 에이전트가 직접 다른 에이전트를 구성해 특정 작업이 적합한 메모리와 접근 권한을 가진 에이전트에게 배정되도록 할 수 있습니다. 이때 각 에이전트는 맡은 업무를 수행하는 데 필요한 모든 도구를 갖춰야 합니다. 데이터 분석을 담당하는 에이전트라면 BigQuery 접근이 필요할 수 있고, QA를 담당하는 에이전트라면 Playwright MCP에 접근할 수 있어야 합니다.

명확하게 정의된 역할과 책임은 인간-에이전트 팀이 성과를 낼 수 있는 기반이 됩니다. 사람들은 에이전트와 같은 스레드에서 함께 작업하되, 사람만이 맡을 수 있는 역할을 담당합니다. 이를 통해 전체 작업이 유기적으로 맞물리고, 가장 중요한 의사결정에 사람의 판단이 반드시 개입됩니다. 역할이 불명확하면 팀원들이 각자 개인 AI를 따로 운용하게 되고, 이는 작업 중복과 팀 맥락 분열로 이어집니다. 지표 추적이 대표적인 사례입니다. 멀티플레이어 에이전트가 한 번 작업하면 모든 팀원이 같은 수치를 공유할 수 있습니다.

Anthropic에서 인간-에이전트 팀의 역할을 명확히 정의한다는 것은 구체적으로 다음과 같습니다.

• 합의된 업무 분장: 팀의 사람과 에이전트가 누가 무엇을 담당할지 함께 결정합니다
• 사람과 에이전트가 같은 공유 스레드에서 작업함으로써, 누구든 이전 작업을 이어받아 진행할 수 있습니다
• 사람과 에이전트 모두 각자의 역할을 수행하는 데 필요한 도구에 접근할 수 있도록 합니다
• 각 에이전트의 역할과 담당 범위를 문서로 정의합니다

Anthropic의 한 엔지니어링 팀은 사람과 에이전트의 역할을 체계화하기 위해 팀 명단 작성을 시작했습니다. 업무 방향을 잡고 실행하는 것이 훨씬 쉽고 구체적으로 느껴졌기 때문입니다. 초기에 효과가 두드러진 점들은 다음과 같습니다.

• 역할을 구체적으로 정의하면, 개별 과제든 팀 전체의 업무든 어떤 작업의 책임이 어디에 있는지 사람들이 쉽게 파악할 수 있습니다
• 스킬 파일(skill files)을 작성해 특정 에이전트의 역할을 정의해두면 전문화가 용이해지고, 회사 내 누구든 동일한 유형의 에이전트를 빠르게 구성할 수 있습니다
• 프로젝트가 복잡해질수록 새로운 담당 영역에 집중할 에이전트를 추가합니다. 예를 들어, 새로운 소프트웨어 릴리스 관리를 위해 릴리스 매니저 에이전트를 추가했습니다.

이런 방식을 통해, 에이전트 수가 늘어나더라도 사람들이 인간-에이전트 팀 전체를 머릿속에서 일관되게 파악할 수 있습니다.

교훈 3: 북극성을 세워 에이전트를 더 능동적으로 만들어라

Anthropic의 일부 에이전트는 주어진 과제를 처리하는 데 그치지만, 가장 중요한 에이전트들은 새로운 프로젝트와 업무 흐름을 선제적으로 제안합니다. 이런 일은 주로 에이전트에게 풍부한 맥락과 명확한 역할을 부여한 팀이 또 하나의 나침반, 즉 북극성(north star)을 추가할 때 나타납니다.

북극성은 팀이 어떤 과제와 업무 흐름에 집중해야 하는지를 판단하는 기준이 되는 야심차고 포괄적인 목표입니다. Anthropic에서 북극성은 항상 사람이 설정하며, 회사의 미션과 비즈니스 목표에 뿌리를 둡니다.

북극성이 글로 명확하게 정리되면, 사람들이 팀의 에이전트들과 이를 공유합니다. 그리고 중요한 단계로, 이 장기 목표 달성을 위해 새로운 업무 흐름을 선제적으로 제안할 에이전트를 지정합니다. (모든 에이전트가 이런 제안을 효과적으로 할 수 있는 스킬과 신뢰를 갖추고 있지는 않습니다.)

예를 들어, '제품 온보딩을 더 효과적으로 만든다'는 북극성을 가진 내부 도구 팀에서, 에이전트가 온보딩 플로우의 오류 메시지 문구 수정을 자발적으로 제안한 사례가 있었습니다. 이 변경 사항은 다음 주 온보딩 성공률을 실제로 끌어올렸습니다.

Anthropic에서 북극성을 설정한다는 것은 구체적으로 다음과 같습니다.

• 사람들이 함께 논의하고 토론하며, 회사의 미션과 비즈니스 목표에 기반한 인간-에이전트 팀의 야심찬 북극성 목표를 문서로 작성합니다
• 북극성을 팀의 에이전트들과 공유하고, 새로운 업무 흐름을 선제적으로 제안할 수 있는 에이전트를 명시적으로 지정합니다
• 사람의 집중력이 필요한 시간을 캘린더에 확보해두고, 회의는 가장 중요한 업무에 집중되도록 운영합니다

명확한 북극성은 에이전트에게 일관된 방향을 제시하고, 팀의 업무를 능동적으로 지원할 수 있는 의미 있는 기회를 만들어줍니다.

교훈 4: 신뢰는 시간을 두고 쌓아가라

Anthropic의 팀들은 에이전트가 보여준 신뢰도에 비례해 자율성을 부여하고, 이를 단계적으로 확장합니다. 실제로 어떤 엔지니어들은 에이전트에게 버그 500건을 독립적으로 처리하도록 맡기기도 했지만, 처음부터 그랬던 것은 아닙니다.

새로운 동료가 팀에 합류하면 그 사람의 역량을 파악하고 효과적인 협업 방식을 만들어가는 데 시간이 걸립니다. 업무를 가장 잘 처리하는 방법에 담긴 암묵적인 노하우를 공유하는 데도 여러 번의 피드백 주기가 필요합니다. 에이전트도 마찬가지입니다. 다양한 과제를 직접 맡겨보면서 에이전트가 무엇을 잘하는지, 목표를 어떻게 명확히 전달해야 하는지, 어떤 스킬 파일이 필요한지, 원하는 결과를 끌어내는 프롬프트는 무엇인지를 파악해야 합니다. 모델이 변경되고 향상될 때마다 과제를 다시 테스트하는 것도 중요합니다. 프롬프트를 다시 다듬어야 할 수도 있고, 예전에 유용했던 가드레일이 더 발전한 모델의 창의적인 해결책을 오히려 제약할 수도 있습니다.

주목할 점은, 가장 효과적으로 장기 운용되는 에이전트들은 사람이 검토하기 전에 자체적으로 결과물을 검증하는 다양한 방법을 갖추고 있다는 것입니다. 코드에는 테스트가 있지만, 대부분의 다른 작업도 마찬가지로 검증이 가능합니다. 예를 들어, 기술 문서에는 평가 기준표와 스타일 가이드를 적용할 수 있습니다. 사람이 기준을 정하고 에이전트에게 맡기는 모든 작업에 검증 과정을 갖춰두면, 품질이 높게 유지되고 처음 의도에서 벗어나지 않습니다. 또한 사람 팀과 마찬가지로, 한 에이전트가 과제를 수행하고 다른 에이전트가 그 결과를 검토하는 구조가 효과적인 경우가 많습니다. 이를 흔히 '실행자-검증자(Doer-Verifier)' 에이전트 구조라고 부릅니다.

Anthropic에서 에이전트와의 신뢰를 시간을 두고 쌓아간다는 것은 구체적으로 다음과 같습니다.

• 초기에는 에이전트의 결과물을 직접 검토해 품질을 확인하고, 피드백을 제공하며, 과제 검증 체크리스트를 만듭니다
• 에이전트에게 '검증자' 에이전트를 활용해 과제의 일부로 자체 결과물을 검토하도록 지시합니다
• 주기에 반성의 시간을 포함시켜, 에이전트가 자신의 실수를 스스로 검토하고 점차 개선해나가도록 합니다
• 각 에이전트가 자율적으로 처리할 수 있는 과제 유형을 추적하고, 반복적인 성공이 쌓이면 과제 유형별로 담당 범위를 확장합니다

Anthropic의 한 엔지니어링 리더는 쌓인 백로그가 많은 팀을 새로 맡게 됐습니다. 상황을 파악하기 위해 몇 명의 사람과 몇 개의 에이전트를 불러 백로그를 함께 정리하고 우선순위를 정했습니다. 첫 번째 에이전트 그룹은 백로그의 모든 항목을 읽고, 담당자가 있는지 확인한 후 담당자가 없는 항목에 복잡도 점수를 매겼습니다. 두 번째 에이전트 그룹은 목록에서 중간 및 낮은 복잡도 항목을 골라 코드 변경을 만들었습니다. 초반에 사람들은 에이전트의 모든 결정을 검토하고 사람의 판단이 필요한 것들을 표시했습니다. 그런 다음 에이전트들에게 그런 결정은 직접 사람에게 알리도록 훈련시켜, 어려운 트레이드오프가 있는 결정에는 항상 사람이 개입하도록 했습니다.

매주 이 리더와 팀은 에이전트들에게 '교훈과 실수' 항목을 포함한 주간 보고서를 작성하도록 요청했습니다. 에이전트들이 실수를 기록하고 반복하지 않도록 하기 위해서였습니다. 시간이 지나면서 리더는 점점 복잡한 코드 변경을 에이전트에게 맡길 수 있게 됐고, 에이전트의 일상적인 작업을 직접 안내하는 시간도 줄어들었습니다.

에이전트들이 어느 정도 독립적으로 움직일 수 있게 되자, 리더는 사람의 주의를 귀한 자원으로 여기도록 에이전트들을 코칭했습니다. 질문은 한 번에 모아서 처리하고, 사람이 빠르게 상황을 파악할 수 있도록 핵심 맥락을 반복해 전달하며, 각 사람이 한꺼번에 확인해야 할 항목 수를 최소화하도록 했습니다.

에이전트가 소통을 잘할 수 있도록 돕는 것은 에이전트가 지속적으로 유용하고 효과적으로 기능하게 하는 데 중요합니다. 어떤 팀은 가장 중요한 소통만을 모아 사람 팀원들에게 전달하는 역할만을 전담하는 에이전트를 두기도 합니다. 또 어떤 팀은 에이전트가 하루에 처리할 수 있는 작업량에 가드레일을 설정해 사람들이 업무에 의미 있게 참여할 수 있도록 합니다. 이러한 가드레일은 사람들이 중요한 역량을 유지하게 해주고, 사람의 검토가 필요한 항목 수를 감당할 수 있는 수준으로 유지시켜줍니다.

스스로에게 던져볼 질문들

인간-에이전트 팀의 토대를 마련할 때 다음 질문들을 점검해보세요.

1. 에이전트와 사람이 필요로 하는 모든 정보와 접근 권한이 공개되어 있고 누구나 검색할 수 있는 상태인가요?
2. 팀의 구성원 명단(사람과 에이전트)을 작성하고, 각 구성원이 무엇을 담당하는지 설명할 수 있나요?
3. 팀의 모든 사람과 에이전트가 각자의 역할을 수행하는 데 필요한 도구를 갖추고 있나요?
4. 사람과 에이전트가 주요 결과물을 검증할 수 있는 평가 기준표나 테스트가 있나요?
5. 팀 전체가 참고할 수 있는 명확한 북극성이 있나요?

앞으로 나아가며

이 원칙들 중 새로운 것은 없습니다. 적어도 사람에게는 그렇습니다. 명확한 북극성, 분명한 역할 분담, 탄탄한 문서화, 공유된 품질 기준, 실수에서 배울 수 있는 환경은 수십 년간 강조되어 온 건강한 팀 운영의 기본입니다. 에이전트는 이 원칙들을 건너뛸 때의 대가를 더욱 크게 만들 뿐입니다.

에이전트에서 가장 큰 성과를 얻고 있는 팀들은, 이 기본 원칙들을 가장 의식적으로 실천하는 팀들입니다.

감사의 말

이 글은 Anthropic 교육팀의 Kristen Swanson이 작성했습니다. 이 글에 기여해준 Matt Bell, Erik Olesund, Hasnain Lakhani, Shale Craig, Nolan Caudill, Mike Schiraldi, Aleks Todorova, Molly Vorweck에게 감사를 전합니다.

Claude Code의 에이전트 팀 기능을 활용하거나 Claude Tag를 사용해 멀티플레이어 에이전트 구축을 시작해보세요.