# AI 에이전트의 활용 사례 세 가지: 개인 업무, 기업 운영, 개발 실험 > 2026-09-07 · How I AI · 큐레이션 김태우 > https://challengekim.com/insights/ai-에이전트의-활용-사례-세-가지-개인-업무-기업-운영-개발-실험 > 원문: https://www.lennysnewsletter.com/p/how-i-ai-gpt-6-astra-is-a-banger ## 핵심 요약 - 클레어는 유지 관리가 어려워진 OpenClaw 환경을 Grok Bot으로 옮겼다. 계정 연결과 운영 편의성이 결정적이었지만, 정기 작업은 직접 설정해야 했다. - Stripe의 사내 에이전트 Kai는 주간 사용자 1만 명 이상을 지원한다. 담당자인 샤라드 크리슈나무르티는 모델 선택보다 접근 권한, 도구 정책, 기존 데이터 인프라를 핵심 과제로 설명했다. - 클레어는 GPT-6 Astra로 오래 막혀 있던 기능 개발, 화면 조작, 브라우저 품질 검증, 하드웨어 실험을 진행했다. 성과는 개별 작업에서 관찰한 결과이며, 긴 작업에는 비용도 따른다. ## 개인 에이전트의 이전과 운영 클레어는 여섯 개의 Gmail 계정과 여러 Slack·Linear 작업 공간을 연결할 수 있다는 점을 Grok Bot의 장점으로 꼽았다. 그는 봇마다 이름, 역할, 담당 범위를 정해 받은편지함 관리, 가족 일정, 풀 리퀘스트 검토, 고객 지원 등을 맡긴다. 기존에는 Tailscale과 Mac Mini 원격 접속을 활용해 OpenClaw 환경을 운영했지만, 유지 관리가 점차 어려워졌다고 설명했다. 이전할 때는 기존 에이전트를 중단하기 전에 Lifeguard로 각 에이전트의 정체성, 예약 작업, 게이트웨이 설정을 담은 비밀정보 제외 보관본을 만들었다. 이후 해당 폴더를 Grok Bot에 올려 역할과 맥락을 이어갔다. 다만 OpenClaw의 주기적 실행 기능과 달리 Grok Bot은 반복 작업을 별도로 설정하지 않으면 사용자의 메시지를 기다린다. 클레어는 설정 화면에서 실행 일정을 확인할 수 있는 점과 직접 일정을 만들어야 하는 부담을 함께 언급했다. ## 승인 지점이 있는 자동화 클레어의 고객 지원 봇 Holly Helpdesk는 환불 업무를 처리하지만, 승인 없이 환불을 실행하지는 못한다. 환불이 필요하면 클레어가 실제 Stripe 요청을 여는 버튼을 받아 내용을 확인하고 승인한다. 클레어에 따르면 이 봇은 도입 후 일주일 안에 자발적인 별 다섯 개 평가를 받기 시작했다. 이는 고객 반응에 관한 사례이지, 모든 지원 업무를 무인으로 처리할 수 있다는 증거는 아니다. SOC 2 관련 업무를 맡은 Lockdown은 통제 대시보드를 확인하고 새 취약점을 조사한 뒤, 수정안을 담은 풀 리퀘스트를 열어 클레어에게 알린다. 변경 사항의 검토와 승인은 클레어가 맡는다. 가족용 봇 TradBot은 아침 식탁에 놓을 인쇄물을 만들고 정보를 Kindle에도 보내도록 구성했다. 클레어가 원하는 것은 봇과 대화하는 시간을 늘리는 것이 아니라 가족이 필요한 정보를 일상에서 바로 접하는 것이다. 클레어는 Grok Bot의 문장이 지나치게 짧고 끊어지는 경향도 지적했다. 그가 보낸 이메일을 바탕으로 문체 자료를 만들게 한 뒤 부담이 작은 발신 업무에 활용했다. ## Stripe의 Kai: 팀별 설정과 접근 통제 Stripe 엔지니어링 매니저 샤라드 크리슈나무르티에 따르면, 자신과 동료 한 명은 약 2주 만에 사내 에이전트 Kai의 첫 작동 버전을 만들었다. 현재 Kai의 주간 사용자는 직원 1만 명 이상이고 도입률은 86%이며, 운영 인원은 10명 미만이다. 그는 이 규모가 소수 인력의 개발 속도만으로 가능했던 것이 아니라 기존 사내 인프라와 코딩 에이전트의 지원에 기반한다고 설명했다. Kai의 ‘프로젝트’는 단순한 폴더가 아니라 팀이나 업무별 설정 묶음이다. 해당 업무를 잘 아는 소수의 직원이 기본 모델, 사용 가능한 도구, 사람의 검토가 필요한 행동을 정하면 다른 직원에게 같은 설정이 적용된다. 예를 들어 인사 업무 프로젝트는 별도의 보안 백엔드에서 실행하고 도구 접근을 엄격히 제한해 민감한 직원 정보가 공개 문서로 흘러가지 않도록 설계했다. ## 인프라와 스킬의 관리 Stripe는 AI 에이전트 도입 전부터 단계별 분석 카탈로그, Trino 쿼리 엔진, 신뢰할 수 있는 지표 체계를 구축해 왔다. 샤라드는 이 기반 덕분에 에이전트가 대규모 데이터 질의를 수행할 수 있다고 설명했다. 동시에 에이전트의 예측하기 어려운 동작이 핵심 시스템에 과도한 부하를 주어 운영 환경을 거의 중단시킬 뻔한 사례도 밝혔다. 대응에는 프롬프트 수정뿐 아니라 에이전트별 식별, 우선순위 신호, 부하 제한, 추가 수요를 견디는 쿼리 계층이 필요했다. Kai에서는 직원이 성공적으로 마친 대화를 재사용 가능한 ‘스킬’, 즉 특정 업무의 실행 지침으로 바꿀 수 있다. Stripe에는 약 2,000개의 스킬이 있고, 그중 약 50개가 회사 전반에서 매일 쓰인다. Kai가 요청에 맞는 스킬을 고르지만, 스킬이 늘수록 관련 없는 정보가 검색 결과의 질을 떨어뜨릴 수 있다. Stripe는 사용 기록을 살펴 널리 쓰이는 스킬과 소수 팀에 중요한 스킬을 구분하고, 오래 쓰이지 않은 스킬은 통합하거나 정리한다. ## Astra로 수행한 개발과 화면 작업 클레어는 ChatPRD의 제품 정보 기능을 6개월 동안 완성하지 못했다고 밝혔다. 이전 모델들이 시스템 구조를 잘못 판단했지만, 그의 설명에 따르면 Astra는 첫 시도에서 작업의 약 90%를 마쳤고 몇 차례 후속 요청으로 완성했다. Adio의 노드 기반 작업 흐름에서는 화면을 조작해 노드를 추가하고 연결을 고친 뒤 맞춤형 잠재고객 응답 이메일을 만들었다. 품질 검증에서는 Astra가 한 브랜치를 1시간 45분 동안 살피며 동시 실행에 따른 오류 가능성과 데이터 전송 중 예외 상황을 점검했다. 콘솔을 확인하고 앱을 의도적으로 새로고침하며 문제를 찾았다는 설명이다. 클레어는 이처럼 오래 반복해야 하는 검증을 유용한 활용처로 봤다. ## 하드웨어·개인용 소프트웨어와 비용 클레어에 따르면 Astra는 공개 API가 없는 Divoom Mini 2의 픽셀 처리 방식을 분석하고 실시간 전송용 명령줄 도구를 만들어, 디스플레이에 에피소드 정보와 이미지를 보낼 수 있게 했다. Blender에서는 한 번의 요청으로 작동하는 옷 입히기 게임을 만들었고, 가족용 앱에는 아이들이 도서관과 연못을 돌아다니며 감정을 확인하는 3D 공간을 구현했다. 기존 디자인 작업 흐름을 살펴 Flora와 Figma에서 썸네일을 제작한 사례도 소개했다. 이 사례들은 클레어가 직접 수행한 작업의 결과다. 원문에 제시된 Astra 가격은 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러다. 따라서 긴 화면 조작이나 품질 검증 작업에서는 특히 출력량에 따른 비용을 고려해야 한다. 세 에피소드는 에이전트의 능력만큼 운영 조건이 결과를 좌우한다는 점을 보여준다. 클레어의 개인 업무에는 역할 구분과 승인 절차가, Stripe의 전사 활용에는 권한 관리와 기존 인프라가, Astra 실험에는 작업별 성과와 비용 판단이 각각 중요했다. --- 원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.lennysnewsletter.com/p/how-i-ai-gpt-6-astra-is-a-banger)