AI 에이전트를 데모 단계에서 일상적인 사용 단계로 전환하는 것은 모델보다는 예외 사례, 누락된 데이터, 신뢰와 더 관련이 있습니다. Alberto Arrighi는 현재 Asana의 일부인 StackAI에서 고객 성공을 이끌고 있으며, Max Poff는 코드 작성과 은행, 사모펀드 회사, 에이전시, 방위산업체 내에서 에이전트를 배포하는 업무를 병행하는 현장 배치 엔지니어 중 한 명입니다. 이들은 에이전트를 프로토타입에서 실제 운영 단계로 전환하는 데 필요한 다섯 가지 실행 방법을 공유했습니다. 그 방법은 다음과 같습니다. 번거롭고 중요한 워크플로부터 시작하기, 사용자 테스트를 실제 빌드로 간주하기, 팀 전체가 의존하는 데이터를 연결하기, 학습 루프 구축하기, 첫날부터 보안을 고려한 설계하기.
가장 어려운 부분은 작동하는 데모와 사용자가 일상 업무에서 에이전트를 신뢰하는 순간 사이의 간극입니다. "가장 어려운 부분은 데모와 사용자가 일상적인 업무에서 에이전트를 진정으로 신뢰하게 되는 시점 사이에 발생하는 예외 사례를 처리하는 것입니다."라고 Max는 말합니다.
데모는 깨끗한 인풋과 한 사람의 가정에 기반해 실행됩니다. 실제 운영 환경에서는 복잡한 문서, 누락된 권한, 그리고 프로젝트를 후원한 사람과 다른 방식으로 일하는 동료들이 있습니다.
가장 좋은 첫 번째 에이전트는 필수적이지만 속도가 느린 업무를 맡습니다. Max는 유럽의 대형 은행의 리스크 및 규정 준수 팀에 대해 설명했습니다. 비즈니스 변경 제안이 접수될 때마다 리스크 관리자는 방대한 리스크 관리 대장을 대조하여 새로운 리스크를 파악한 다음, 통제 수단 대장을 참조하여 완화 조치를 할당했습니다.
이제 팀은 사용자 지정 Slack 봇에 제안서를 게시합니다. StackAI 워크플로는 전체 리스크 평가, 플래그가 지정된 리스크 및 매핑된 통제 수단을 포함한 서식이 지정된 Excel 통합 문서를 반환합니다. "예전에는 오후 내내 걸리던 작업이 이제는 약 10~15분이면 완료됩니다."라고 Max는 말합니다.
두 가지 요소가 도입을 성공적으로 이끌었습니다. 첫째, 에이전트가 사람들이 이미 사용하던 툴 내에서 사람들을 만났다는 점입니다. 둘째, 결과물이 사람들이 이미 사용하던 형식으로 제공되었다는 점입니다.
UAT(사용자 수용 테스트)는 데모가 제품이 되는 단계입니다. Max는 사모펀드 회사의 경영 지원 팀과 협력하여 SAP Concur에서 경비 코드 부여를 자동화했습니다. "이를 위한 데모를 매우 빠르게 만들 수 있습니다."라고 그는 말했습니다. "하지만 베타 테스터에게 선보인 후부터 본격적인 작업이 시작되었습니다."
StackAI는 모든 배포에 대해 체계적인 UAT 단계를 실행하여 에이전트가 실패하는 케이스를 파악합니다. 각 수정 사항은 실제 사용 환경에서 워크플로의 복원력을 높여줍니다. 타임라인에서 이 단계를 계획하세요. 이는 프로젝트가 지연되고 있다는 신호가 아닙니다.
한 명의 이해관계자와 함께 구축된 에이전트는 해당 이해관계자의 세계만 봅니다. 알베르토의 팀은 북유럽 최대 규모의 미디어 및 마케팅 에이전시 중 한 곳을 위해 미디어 플래너 에이전트를 구축했습니다. 고객 브리프를 받으면 채널, 예산 할당 및 롤아웃 계획을 추천합니다.
주요 이해관계자에게는 괜찮아 보였습니다. 팀 전체가 이를 테스트했을 때, 에이전트가 접근할 수 없는 중요한 데이터 세트를 지적했습니다. "데모를 구축하는 것은 쉽습니다. 실제 테스터에게 공개했을 때 시스템 권한이 누락되었거나 논리가 잘못된 것을 발견하게 됩니다."라고 Alberto는 말했습니다. 해결 방법은 더 많은 툴을 연결하고 툴 간의 사일로를 허무는 것이었습니다.
이는 더 광범위한 변화를 반영합니다. 1년 전만 해도 대부분의 사용 사례에서 에이전트는 단일 지식 베이스에 연결되었습니다. 오늘날에는 여러 소스에서 정보를 가져오고, 이벤트에 따라 트리거되며, 여러 툴에 걸쳐 조치를 취하는 오케스트레이션 시스템이 사용되고 있습니다.
에이전트는 학습한 내용을 기억할 때 더 유용해집니다. StackAI 에이전트는 고객 조직의 사용자 간에 공유 메모리 파일을 유지합니다. 사람들이 에이전트를 사용하고 피드백을 제공하면 해당 메모리가 업데이트되고 에이전트는 이를 향후 실행에 로드합니다.
Alberto는 두 번째 루프, 즉 결과를 원래 지식 베이스에 다시 기록하는 것을 언급했습니다. "이러한 지속적인 기록 루프는 당사의 엔터프라이즈 배포에 있어 엄청난 가치 동인입니다."라고 그는 말했습니다. 시간이 지남에 따라 모든 실행이 조직이 알고 있는 지식에 추가됩니다.
규제 산업에서는 에이전트가 실행되는 곳이 에이전트가 수행하는 일만큼이나 중요합니다. 최고의 금융 기관들은 점점 더 에이전트가 공유 SaaS 인프라가 아닌 자체 프라이빗 클라우드 또는 온-프레미스에서 실행되기를 요구하고 있습니다. StackAI는 에어 갭 환경에서 운영되는 방위산업체도 지원합니다.
"방위, 금융, 헤지 펀드의 경우 데이터 경계 보안은 타협할 수 없는 사안입니다."라고 Max는 말합니다. 에이전트가 민감한 데이터에 접근하고 더 중요한 조치를 취하게 되면 거버넌스, 관찰 가능성, 보안이 필수적입니다.
이제 모델이 정형 데이터를 잘 처리합니다. "제가 처음 시작했을 때, 흔히 듣던 조언은 '워크플로가 복잡하고 엉망인 Excel 스프레드시트에 의존한다면 AI가 적합한 해결책이 아닐 것'이라는 것이었습니다."라고 Max는 말합니다. 오늘날 그가 구축하는 많은 에이전트가 복잡하고 서식이 지정된 Excel 통합 문서를 생성합니다.
또한 에이전트는 백그라운드에서 실행되어 사람들이 단순히 질문하는 동안 데이터 계층을 유지할 수 있습니다. Max는 이것이 정적 BI 대시보드에 부담을 준다고 생각합니다. "대시보드는 사용자가 보고 싶어 할 것이라고 누군가가 추측한 내용을 정적인 스냅샷으로 보여줍니다."
위의 모든 실무는 한 가지로 귀결됩니다. 바로 맥락, 조직적 지식... 누가 언제까지 무엇을 어떻게, 왜 하는지 파악하는 것입니다. 에이전트는 업무의 이면에 있는 데이터, 의사 결정, 소유자를 파악할 수 있을 때 데모 단계에서 일상적인 사용 단계로 전환됩니다. 바로 이것이 Asana Work Graph®에 담겨 있는 내용입니다. StackAI는 시스템 간 실행 기능을 추가하므로 에이전트는 비즈니스가 실행되는 여러 툴에서 작업을 수행할 수 있습니다. 이 두 가지를 함께 사용하면 워크플로를 채팅 창에서 시작하지 않아도 됩니다. Asana에서 작업을 배정하면 StackAI 에이전트가 처음부터 끝까지 실행되도록 트리거할 수 있으며, 그 과정에서 사람들이 작업을 승인하고 인계할 수 있습니다. "에이전트 기능을 기업 업무 그래프에 직접 연결하면 완전히 새로운 운영 수준을 열 수 있습니다."라고 Alberto는 말합니다.
나만의 AI 에이전트 워크플로를 데모에서 일상적인 사용으로 전환할 준비가 되셨나요? StackAI by Asana가 기업이 비즈니스를 운영하는 시스템 전반에 걸쳐 에이전트를 구축, 테스트 및 배포할 수 있도록 어떻게 지원하는지 알아보세요.
Alberto Arrighi는 현재 Asana의 일부인 StackAI에서 고객 성공을 이끌고 있습니다. AI 전략가와 현장 배치 엔지니어로 구성된 그의 팀은 기업 고객과 협력하여 에이전트에게 가장 가치 있는 워크플로를 찾고 이를 프로덕션 배포를 위한 사양과 요구 사항으로 전환합니다. 그는 AI 전략가로 StackAI에서 경력을 시작했습니다.
Max Poff는 현재 Asana의 일부인 StackAI의 현장 배치 엔지니어입니다. 그는 코드 작성과 은행의 리스크 및 컴플라이언스 팀, 사모펀드의 운영 팀을 포함한 엔터프라이즈 고객사와 함께 에이전트를 배포하는 업무를 병행하며, 여기서 얻은 지식을 제품에 반영합니다.