핵심 요약

호출하는 도구에서 늘 상주하는 동료로

앤트로픽이 정의하는 "멀티 플레이어 에이전트"는 개인이 아닌 조직 전체와 동시에 협업하는 AI다. 기존 챗봇과 기술적으로는 비슷해 보이지만, 결정적 차이는 '일하는 공간'과 '자격'에 있다. 멀티 플레이어 에이전트는 특정 개인에게 종속되지 않은 자체 권한(Credentials)을 부여받고, 실제 업무가 이뤄지는 공간 — 앤트로픽의 경우 슬랙(Slack) — 에 상주한다. 사용자가 부를 때만 잠시 켜지는 도구가 아니라, 팀 채널에 항상 있는 동료에 가깝다.

이 에이전트가 조직의 일원이 되려면 세 가지 '입사 조건'이 필수적이다. 첫째, 팀 목표를 기억하고 실행을 조율하는 지속 기억(Memory). 둘째, 인간 계정을 빌려 쓰지 않고 안전한 범위 안에서만 움직이도록 통제하는 독립 권한(Credentials). 셋째, 조직 운영 방식을 학습하고 목표에 맞춰 업무를 처리하는 폭넓은 정보 접근권. 이 세 가지가 갖춰져야 에이전트는 팀에 합류할 수 있다.

교훈 ① 공개적으로 일하라 — 기록 없으면 맥락도 없다

AI 에이전트에게 '사적인 대화'나 '암묵적 합의'는 존재하지 않는다. 에이전트는 조직이 검색 가능하도록 남겨둔 텍스트 — 슬랙 메시지, 소스 코드, 공유 문서, 회의록 — 만을 바탕으로 맥락을 이해한다. 탕비실 잡담, 개인적 DM, 접근 권한이 막힌 문서는 에이전트에게 없는 정보와 같다.

이 때문에 앤트로픽은 개별 문서마다 공개 여부를 설정하지 않는다. 대신 워크스페이스 전체나 문서 라이브러리 단위로 몇 개의 명확한 보안 경계를 굵직하게 설정한다. 경계 안에서는 사람과 AI 모두에게 모든 맥락이 흐른다. 건건이 공개 여부를 고민하는 것은 사람과 AI 모두에게 결정 피로를 유발하기 때문이다.

Deming이 1982년 *Out of the Crisis*에서 "부서 간 장벽을 허물라(Drive out barriers between departments)"라고 정리한 원칙은 에이전트 시대에 더 날카로워진다. 부서 간 벽이 높은 조직은 에이전트에게 맥락을 줄 수 없다. 정보가 멈추는 곳, 에이전트도 멈춘다.

교훈 ② 역할을 명확히 나눠라 — 사람은 판단하고, AI는 실행한다

협업의 성패를 가르는 핵심은 기술이 아니라 '누가 무엇을 맡는가'에 있다. 앤트로픽에서는 인간과 에이전트가 결합한 팀이 명단, 산출물, 작업 공간을 완전히 공유한다. 각 에이전트는 고유한 권한, 스킬, 도구 접근권을 가지며, 데이터 분석을 전담하면 다른 에이전트는 디자인 표준을 검수하고, 또 다른 에이전트는 리서치 자료를 종합하는 식이다.

업무에 필요한 도구를 확실히 쥐여주는 것이 핵심이다. 데이터 분석 에이전트에게는 BigQuery 접근 권한을, QA 에이전트에게는 Playwright MCP를 부여해야 제 성능을 낸다. 역할 분담이 흐릿하면 구성원들이 각자 개인 AI를 따로 굴리면서 작업이 중복되고 팀 맥락이 쪼개진다. 앤트로픽의 한 엔지니어링 팀은 스킬 파일 형태로 역할을 사전에 정의한 '로스터(명단)'를 구축했고, 최근 '릴리스 매니저 에이전트'를 신규 영입하기도 했다.

Andrew Ng가 2024년 Snowflake BUILD 키노트에서 제시한 에이전트 디자인 패턴 네 가지 — Reflection, Tool Use, Planning, Multi-Agent Collaboration — 중에서도 'Multi-Agent Collaboration'이 앤트로픽의 실천과 정확히 겹친다. 주목할 만한 학술적 수렴이다. 다만 Ng가 설계 단계의 패턴을 제시했다면, 앤트로픽은 수개월간의 사내 운영 경험을 통해 그 패턴이 작동하기 위한 조직 조건을 추가로 밝혀낸 셈이다.

교훈 ③ 북극성을 제시하라 — "왜 하는가"를 알려야 주도성이 나온다

시키는 일만 처리하는 에이전트와, 새로운 업무를 먼저 제안하는 주도적인 에이전트를 가르는 차이는 '명확한 방향성'에 있다. 앤트로픽 사내에서 중추적인 역할을 하는 에이전트들은 할당된 과제를 완수하는 수준에 머물지 않고, 한 발 앞서 새로운 프로젝트와 업무 프로세스를 제안한다.

이 주도성은 '북극성(North Star)'에서 나온다. 진행 중인 과제가 올바른 방향인지 판단하도록 돕는 거시적 목표다. 앤트로픽에서 이 북극성을 수립하는 주체는 언제나 인간이며, 기업의 미션과 비즈니스 목표에 뿌리를 둔다. 북극성이 텍스트로 명문화되면 인간 팀원이 이를 에이전트들과 공유한다.

실제 사례가 있다. 사내 도구를 개발하는 팀이 '제품 온보딩 프로세스를 더 유용하게 개선하자'는 북극성을 세웠더니, 한 에이전트가 온보딩 과정의 오류 메시지 문구를 직접 수정하겠다고 먼저 제안했다. 이 작은 변화가 주간 온보딩 성공률을 실제로 끌어올렸다. "이 일 해."라고 하면 시킨 일만 하지만, "우리 목표는 고객 온보딩 성공률을 높이는 것이다."라고 알려주면 에이전트가 스스로 개선 아이디어를 제안한다.

교훈 ④ 자율성은 신뢰만큼 넓혀라 — 검증 장치가 없는 자율성은 사고다

처음부터 에이전트에게 500건의 버그를 통째로 맡긴 것이 아니다. 앤트로픽 사내 팀들은 에이전트가 검증한 신뢰성의 크기만큼만 자율성을 부여하고, 이후 신중하게 업무 범위를 넓혀나간다. 시작은 단계적이다.

장기적으로 뛰어난 성과를 낸 에이전트들은 인간의 검수를 거치기 전, 결과물을 검증할 다중 장치를 갖추고 있었다. 소스 코드에는 자동화 테스트를 물리고, 기술 문서에는 평가 기준(Rubric)과 스타일 가이드를 적용한다. 한 에이전트에게 실무를 맡기고 다른 에이전트에게 교차 검수하게 만드는 '실행자-검증자(Doer-Verifier)' 구조가 자주 쓰인다.

앤트로픽의 2026년 2월 연구 "Measuring AI Agent Autonomy in Practice"는 이와 맞물리는 데이터를 제공한다. Claude Code 사용자 750세션 경과 시점에 전면 자동 승인(full auto-approve) 비율이 40%를 넘지만, 신규 사용자는 20%에 불과하다. 신뢰는 경험이 쌓일수록 올라가지만, 그 신뢰가 검증 장치 없이 주어지는 것은 아니다. 점진적 위임이 작동하는 이유는 검증 가능한 틀이 먼저 깔려 있기 때문이다.

반대편 시선 — 에이전트 신뢰의 한계

앤트로픽의 보고서는 사내 실험의 긍정적 결과를 중심으로 서술되어 있다. 그러나 에이전트의 신뢰성에 대한 비판적 시선도 분명히 존재한다. Gary Marcus는 일관되게 에이전트의 자율적 신뢰성에 의문을 제기해왔다. 환각, 무한 루프, 오프트랙, API 비용 누적 — 자율성이 높아질수록 실패의 폭도 넓어진다는 지적이다. 2025년 Fortune이 보도한 사례에서는 자율형 AI 코딩 도구가 코드 프리즈 상황에서 실 서비스용 데이터베이스를 삭제하기도 했다.

Brookings가 2026년 4월에 발표한 "How can we best evaluate agentic AI?"에서도 "우리는 측정할 수 없는 것을 통제할 수 없다"고 경고한다. MIT Sloan Management Review 2026년 봄호는 "Agentic AI at Scale"에서 에이전트 거버넌스 격차가 구조적이라고 진단했다. 앤트로픽의 교훈이 '좋은 조직의 기본기'로 귀결되는 것은, 기술 자체로는 신뢰를 보장할 수 없다는 학계의 판단과 일치한다.

즉, 앤트로픽의 보고서는 '에이전트가 충분히 신뢰할 수 있다'는 주장이 아니라, '에이전트를 신뢰할 수 있는 조건을 조직이 만들어야 한다'는 처방전으로 읽어야 한다. 신뢰의 질은 조직의 설계에 달려 있다.

사람의 역할은 무엇인가 — '무엇을 할지'를 결정하는 영역

AI 에이전트가 대신하지 않는 영역은 목표 설정, 전략 수립, 우선순위 결정, 예외 상황 판단, 최종 승인이다. 사람은 '무엇을 할지' 결정하고, AI는 '어떻게 할지' 실행한다. 앤트로픽의 보고서가 반복적으로 강조하는 이 구분은 단순한 수필적 관찰이 아니다. 실행자-검증자 구조, 점진적 권한 위임, 북극성의 인간 수립 — 모든 교훈이 이 선 위에 구축되어 있다.

에이전트에게 매주 '교훈과 실수(Lessons & Missteps)'를 기록한 주간 보고서를 직접 작성하게 한 사례가 이를 뒷받침한다. 시간이 흐르며 리더는 더 복잡한 과제를 에이전트에게 위임할 수 있었고, 핵심 결정에만 인간이 개입하는 시스템을 구축했다. 이 시스템이 작동한 이유는, 인간의 주의력이 가장 희소한 자원이라는 사실을 조직이 먼저 인식했기 때문이다.

조직 자가 진단 — 다섯 가지 질문

앤트로픽은 글을 맺으며 인간-에이전트 팀을 위한 자가 진단 키트를 제안한다.

이 질문들의 종착지는 명확하다. 방향, 역할, 문서, 기준, 그리고 실수에서 배울 여유. 이미 알고 있던 오래된 조직문화의 기본기다.

운영자 시선 — 에이전트 도입의 70%는 설계에 있다

제품 설계가 품질과 비용의 70%를 결정한다는 '설계 70% 법칙'은 에이전트 도입에도 그대로 적용된다. 에이전트가 팀에 합류하기 전에 설계해야 할 것 — 보안 경계, 역할 로스터, 도구 접근권, 평가 기준, 북극성 — 이 조직의 준비도가 곧 에이전트의 성과 상한선이 된다. 이는 Hermes 에이전트를 운영하며 우리가 직접 확인한 사항이기도 하다. 권한 설계, 검증 루프, 인간 승인 지점을 먼저 설계하지 않으면 에이전트는 "거대한 자동완성"으로 전락한다. 기본기가 약한 조직에서 에이전트는 문제를 키우는 증폭기가 되고, 기본기가 탄탄한 조직에서는 같은 에이전트가 가장 빠른 실행자가 된다.

결국, 좋은 팀의 기본기로 돌아온다

AI 에이전트는 판타지 같은 신기술이 아니다. 오히려 기본기를 건너뛰면 팀이 어떻게 망가지는지 보여주는 거울이다. 에이전트라는 강력한 파트너를 아군으로 삼아 가장 높은 성과를 내는 팀은, 이 뻔한 기본기를 세상에서 가장 집요하게 지키는 팀이다.

앤트로픽의 네 가지 교훈 — 공개, 역할, 북극성, 신뢰 — 은 새로운 가르침이 아니라 오래된 진리의 재발견이다. 다만 이번에는 AI가 팀에 합류했고, 인간이 만들어둔 조건 없이는 그 어떤 에이전트도 성과를 낼 수 없다는 사실이 명확해졌을 뿐이다.

가장 오래, 가장 자유롭게 움직이는 에이전트 팀은, 사람의 판단이 보이는 곳에서 출발한다.