AI직원은 일을 시킨다고 성장하지 않는다. 성장하려면 실패를 기록하고, 검증하고, 절차를 고치는 루프가 필요하다.
AI직원이라는 말을 쓰기 시작하면 쉽게 착각하는 지점이 있다. 일을 많이 시키면 점점 일을 잘하게 될 것 같다는 기대다.
사람 직원은 일을 하면서 배운다. 같은 실수를 반복하면 지적을 받고, 다음에는 다르게 해본다. 자기만의 노하우도 쌓인다. 그런데 AI직원은 그냥 대화창에 일을 시킨다고 자동으로 성장하지 않는다. 어제 실패한 것을 오늘 기억하지 못할 수도 있고, 같은 지시를 받아도 맥락에 따라 다른 결과를 낼 수 있다.
그래서 AI직원에게 필요한 것은 더 긴 프롬프트가 아니다. 성장할 수 있는 루프다.
이 단위가 에이전트 시대의 업무 단위가 된다.
실행은 빠르지만, 성장은 자동이 아니다
AI에게 어떤 일을 맡겼다고 해보자. 링크를 요약하고, 보고서를 정리하고, 코드를 고치고, 고객 응대 문안을 만든다. 처음에는 빠르다. 사람보다 훨씬 빠르게 초안을 만든다.
문제는 그 다음이다.
결과가 틀렸을 때 무엇이 남는가? 실패 이유가 기록되는가? 다음에는 같은 실수를 피하게 되는가? 잘 된 방식은 스킬이나 템플릿으로 승격되는가? 아니면 그저 “이번 답변은 별로네” 하고 다시 프롬프트를 고쳐 쓰는가?
대부분의 AI 활용은 여기서 멈춘다. 실행은 있는데 회고가 없다. 결과는 있는데 개선 로그가 없다. 일을 시켰지만 직원은 성장하지 않는다.
AI직원을 정말 직원처럼 쓰려면 업무가 끝난 뒤 반드시 남아야 할 것이 있다.
- 어떤 입력에서 시작했는가
- 어떤 판단을 했는가
- 어디서 실패했는가
- 무엇을 검증했는가
- 다음에는 어떤 절차를 바꿀 것인가
- 반복되는 부분은 스킬, 스크립트, 워크플로우 중 어디로 내릴 것인가
이 질문이 없으면 AI직원은 매번 새로 똑똑한 척하는 외주 인력에 가깝다.
최근 에이전트 흐름이 말하는 것
최근 에이전트 연구와 실험 흐름을 보면 이름은 다르지만 공통 메시지는 비슷하다. 여러 에이전트가 탐색하고 비교하는 구조, 가설과 탐색 경로를 트리처럼 관리하는 구조, 결과를 비판자와 검색으로 다시 검증하는 구조, 스킬 문서를 반복 개선하는 구조가 모두 같은 방향을 가리킨다.
한 번 잘 물어보는 프롬프트보다, 실행 후 실패를 보고 다음 절차를 고치는 루프가 중요하다는 것이다.
사업 현장에서는 이 원칙을 이렇게 말할 수 있다.
AI직원은 한 번의 답변으로 성장하지 않는다. 실행 결과를 검증하고, 실패를 회고하고, 스킬과 워크플로우를 고칠 때 성장한다.
반복업무 칼럼 다음에 와야 할 질문
이전 칼럼 “반복업무는 AI가 아니라 워크플로우가 해야 한다”는 작업 배분의 원칙이었다.
반복되는 일은 AI에게 매번 시키지 말고, 규칙과 스크립트와 워크플로우로 내려야 한다. AI는 예외, 맥락, 설계, 판단에 집중해야 한다. 이것이 첫 번째 원칙이다.
이번 칼럼은 그 다음 질문을 다룬다.
에이전트가 실행한 뒤, 어떻게 더 나아지는가?
반복업무 칼럼이 “무엇을 AI에게 맡기지 말아야 하는가”를 말했다면, 이번 칼럼은 “AI에게 맡긴 일이 어떻게 개선 자산으로 남아야 하는가”를 말한다.
이 구조가 있어야 AI직원이 진짜로 성장한다.
AI직원 성장 루프의 5단계
1. 프롬프트
프롬프트는 단순 요청이 아니라 업무 지시서여야 한다. 목적, 대상, 출력 형식, 금지할 것, 검증 기준이 들어가야 한다.
2. 실행
AI는 실행한다. 요약하고, 비교하고, 초안을 만들고, 코드를 수정한다. 하지만 실행 결과를 바로 신뢰하면 안 된다. 실행은 초안이다.
3. 실패 기록
실패는 버려지는 결과가 아니라 가장 좋은 학습 재료다.
- 요약이 너무 일반적이었다
- 제목과 한 줄 요약이 중복됐다
- 공개하면 안 되는 정보가 들어갔다
- 사용자가 원한 작업과 다른 방향으로 처리했다
- 반복 가능한 일을 또 AI 판단으로 처리했다
이런 실패가 남아야 한다. 그래야 다음에 절차가 바뀐다.
4. 회고
회고는 감상이 아니라 분류다.
원인이 분류되면 개선 방향도 달라진다. 모델을 바꿀 문제가 있고, 프롬프트를 바꿀 문제가 있고, 아예 스크립트로 내려야 할 문제가 있다.
5. 스킬 개선
좋은 답변을 한 번 만드는 것으로 끝내면 안 된다. 다음에는 더 싸고, 빠르고, 안정적으로 처리되게 만들어야 한다.
- 반복 지시는 스킬로 저장한다.
- 형식 검사는 체크리스트나 스크립트로 만든다.
- 공개 전 금지 표현은 검증 룰로 분리한다.
- 자주 발생하는 작업은 워크플로우로 만든다.
- 평가 질문은 작은 평가셋으로 남긴다.
이때부터 AI직원은 단순 실행자가 아니라 운영 시스템의 일부가 된다.
루프가 없으면 AI를 많이 쓸수록 피곤해진다
루프가 없으면 AI직원은 성장하지 않는다.
일은 많이 하는데 품질은 들쭉날쭉하다. 사용자는 계속 같은 지적을 반복한다. 결과물은 쌓이지만 재사용되지 않는다. 실패는 대화창 안에서 사라지고, 다음 작업은 다시 처음부터 시작한다.
이 구조에서는 AI를 많이 쓸수록 피곤해진다. 사람은 AI 결과를 검수하고, 고치고, 다시 설명하는 관리자가 된다.
반대로 루프가 있으면 다르다.
이렇게 바뀌면 AI 사용량이 많아질수록 시스템이 좋아진다.
누리의 결론
AI직원은 일을 시킨다고 성장하지 않는다. 성장하려면 루프가 필요하다.
프롬프트를 주고, 실행하고, 실패를 기록하고, 회고하고, 스킬과 워크플로우를 고쳐야 한다. 이 과정이 반복될 때 AI직원은 단순 도구에서 운영 자산으로 바뀐다.
앞으로의 경쟁력은 “어떤 AI를 쓰느냐”만으로 결정되지 않는다. 더 중요한 질문은 이것이다.
우리 회사의 AI직원은 실패를 먹고 자라는 구조를 가지고 있는가?
그 구조가 있다면 AI는 매번 새로 시작하지 않는다. 일할수록 조직의 절차가 정리되고, 지식이 남고, 다음 실행이 좋아진다.
AI직원의 성장은 모델 안에서만 일어나지 않는다. 검증 가능한 루프 안에서 일어난다.