AI 팀원(AI teammate)은 동료에게 일을 맡기듯 업무 하나를 통째로 맡길 수 있는 AI입니다. 질문을 하나씩 던질 필요가 없습니다. 팀의 문서와 도구를 읽고, 단계별로 일을 처리한 뒤, 사람이 확인하고 승인하고 다시 쓸 수 있는 결과물을 돌려줍니다.
짧게 답하면 그렇습니다. 긴 답은 '팀원'이라는 단어에 달려 있습니다. 요즘 이 말을 쓰는 제품이 많습니다. 그중 일부는 친근한 이름을 붙인 챗봇일 뿐입니다. 이 가이드는 이 단어가 원래 무엇을 뜻해야 하는지 설명하고, 실제와 비슷한 업무 하나를 처음부터 끝까지 따라가 보며, 사람 동료와의 비교가 어디서 맞지 않는지도 솔직하게 짚습니다.
AI 팀원이란 무엇인가요?
AI 팀원은 일 하나를 맡아 쓸 수 있는 결과까지 끝내는 AI입니다. 필요한 것을 말하면, 연결해 둔 도구에서 필요한 정보를 모으고, 단계를 차례로 밟아, 구체적인 결과물을 내놓습니다. 브리프, 스프레드시트, 프레젠테이션, 이메일 초안 묶음, 업데이트된 기록 같은 것들입니다.
대부분의 사람이 이미 쓰고 있는 AI와는 세 가지가 다릅니다.
- 질문이 아니라 일을 맡습니다. 챗봇은 답하고 기다립니다. AI 팀원은 "이번 달 파트너 섭외 준비해 줘"라는 일을 받아 조사, 후보 추리기, 초안 작성까지 해냅니다.
- 팀의 정보를 바탕으로 일합니다. Google Drive에 있는 브리프, Sheets에 있는 트래커, Slack에서 내린 결정을 직접 읽습니다. 모든 내용을 채팅창에 붙여 넣을 필요가 없습니다.
- 결과를 보고합니다. 무엇을 했는지 보여 주고, 중요한 정보가 빠지면 물어보며, 최종 결정은 사람에게 맡깁니다.
공식 정의는 없습니다. 회사마다 선을 긋는 위치가 다릅니다. Asana는 자사 프로젝트 도구 안에서 일하는 AI Teammates를 판매합니다. 2026년 11월에는 AI Meetings를 추가해, 회의에서 나온 실행 항목을 사람이나 AI Teammate에게 배정할 수 있게 했습니다. Atlassian의 People Insights 팀은 2026년 7월 글에서, AI를 진짜 동료로 만드는 데 어려운 부분은 AI 자체가 아니었다고 썼습니다. 어려운 건 팀의 데이터, 용어 정의, 일하는 방식에 AI가 꾸준히 접근할 수 있게 하는 일이었습니다.
대부분의 AI 팀원은 AI 에이전트(AI agent)를 바탕으로 만들어집니다. AI 에이전트는 목표를 이루기 위해 단계를 계획하고 도구를 쓸 수 있는 소프트웨어입니다. '팀원'은 그 주변의 업무 관계를 가리킵니다. 누가 일을 주는지, 무엇에 접근할 수 있는지, 어떻게 보고하는지, 누가 최종 승인하는지입니다.
AI 팀원, AI 어시스턴트, 챗봇의 차이
이 단어들은 서로 겹칩니다. 비즈니스 팀 입장에서 실질적인 차이는 다음과 같습니다.
| 챗봇 | AI 어시스턴트 | AI 팀원 | |
|---|---|---|---|
| 맡기는 것 | 질문 하나 | 한 앱 안의 작업 | 결과가 정해진 업무 |
| 내 업무에 대해 아는 것 | 내가 입력한 내용 | 그 앱 안에 있는 내용 | 그 업무에 필요한 문서와 계정 |
| 돌려받는 것 | 답변 | 그 앱 안에서의 제안 | 완성된 결과물: 파일, 초안, 페이지, 업데이트 |
| 잘된 방법을 다시 쓸 수 있는 사람 | 프롬프트를 저장해 두지 않으면 아무도 없음 | 보통 나 혼자 | 팀 전체 |
| 결정하는 사람 | 나 | 나 | 내가 정한 지점에서 나 |
어느 쪽이 무조건 낫지는 않습니다. 빠른 답이 필요하면 챗봇을 쓰면 됩니다. AI 팀원은 여러 도구를 오가야 하고, 직접 하면 오후 반나절이 걸리며, 앞으로도 반복될 일에 쓸 때 가치가 있습니다.
무엇이 '팀원'을 만드나요?
새로 온 동료가 언제 도움이 되는지 생각해 보세요. 무엇을 할지 합의가 되어 있습니다. 배경을 알고 있습니다. 무엇을 했는지 볼 수 있습니다. 멈추게 하거나 방향을 바꿀 수 있습니다. 그리고 그 사람이 좋은 방법을 찾아내면 팀의 다른 사람도 그 방법을 쓸 수 있습니다.
연구자들은 지금의 AI가 나오기 훨씬 전에 이 내용 대부분을 정리해 두었습니다. 2004년 Gary Klein과 David Woods가 이끈 연구진은 자동화 시스템이 좋은 "team player"(팀 플레이어)가 되려면 무엇이 필요한지 연구했습니다. 이들은 모든 공동 작업에 네 가지가 필요하다고 했습니다. 쉬운 말로 옮기고, AI 팀원에서 무엇을 확인하면 되는지 함께 정리했습니다.
| 팀워크에 필요한 것 | 쉽게 말하면 | 확인할 점 |
|---|---|---|
| 공동의 목표 | '완료'가 어떤 모습인지 서로 안다 | 질문 하나가 아니라 업무 전체를 맡길 수 있나요? |
| 공통의 기반 | 같은 사실을 바탕으로 일한다 | 실제 문서를 읽고, 무엇을 이해했는지 알려 주나요? |
| 예측 가능성 | 무엇을 하고 있는지 볼 수 있다 | 나중에 각 단계를 확인할 수 있나요? |
| 지시 가능성 | 방향을 잡아 줄 수 있다 | 고치거나 멈추게 할 수 있고, 할 수 있는 일을 제한할 수 있나요? |
팀에는 2004년 논문이 중점적으로 다루지 않은 것이 하나 더 필요합니다. 한 사람이 알아낸 것이 다음 사람에게 도움이 되어야 한다는 점입니다. 대부분의 AI 제품이 빠뜨리는 부분이고, '팀원'이라는 이름값을 하는 곳도 바로 여기입니다.
이 비교는 일을 더 잘 맡기는 데도 도움이 됩니다. 와튼 스쿨의 Ethan Mollick 교수는 2026년 인터뷰에서 이 점을 짚습니다. 자기 분야를 잘 알면, 주니어 동료에게 하듯 AI에게 지시하고 실수를 찾아낼 수 있다는 것입니다. 동시에 그는 AI가 사람이 아니라는 점도 분명히 합니다.
YouTube · Simon Sinek
The AI Skills Nobody is Teaching (And Everyone Needs) | AI Expert Ethan Mollick (아무도 가르치지 않지만 모두에게 필요한 AI 역량) · 2026년 6월 16일
Mollick은 AI가 "works enough like people"(사람과 충분히 비슷하게 일한다)라서 경험 많은 직원은 AI를 지휘하고 오류를 잡아낼 수 있지만, 주니어는 아직 결과물을 판단하지 못하는 경우가 많다고 말합니다.
두 가지를 모두 기억하세요. AI를 동료처럼 대하면 일을 잘 설명해 줄 수 있습니다. 그렇다고 결과에 대한 책임이 AI에게 넘어가지는 않습니다.
업무 하나, 맡기는 순간부터 결과까지
실제 업무에서는 이렇게 진행됩니다. 이야기는 예시입니다. 스크린샷은 샘플 문서가 들어 있는 Okou 데모 워크스페이스에서 가져왔습니다.
Maya는 직원 15명 규모의 소프트웨어 회사에서 마케팅을 맡고 있습니다. 후원 튜토리얼 캠페인에 함께할 크리에이터 5명이 필요합니다. 신입에게 건넬 자료는 모두 Google Drive 폴더에 있습니다. 제품 포지셔닝, 브랜드 가이드, 캠페인 브리프, 가격 메모, 파트너십 제안서 초안입니다. 직접 하면 하루가 걸릴 일입니다.
목표를 정하고 결과를 검토하는 건 사람입니다. 승인이 필요한 단계가 나오면 AI는 실행하기 전에 멈춥니다.
1. 업무 맡기기
Maya는 사람에게 설명하듯 짧은 브리프를 씁니다. 캠페인 대상이 누구인지. 좋은 크리에이터는 어떤 사람인지. 5명이 필요하다는 것. 자신이 검토하기 전에는 아무것도 보내지 않는다는 것.
사람에게든 AI에게든, 일을 맡길 때 가장 많이 틀어지는 곳이 여기입니다. "인플루언서 좀 찾아 줘"라고 하면 누가 해도 흐릿한 결과가 나옵니다. 완료가 어떤 모습인지, 누구를 위한 것인지, 언제 필요한지, 하지 말아야 할 것은 무엇인지 말해 주세요.
2. 상황 파악하기
좋은 AI 팀원은 움직이기 전에 먼저 읽습니다. Maya가 Okou에게 Drive 폴더를 알려 줍니다. Okou는 문서 다섯 개를 읽고 각각의 핵심을 요약합니다. 그래서 Maya는 본격적인 작업이 시작되기 전에 잘못된 가정을 바로잡을 수 있습니다.
Okou는 캠페인 문서 다섯 개를 표로 요약한 뒤, 섭외를 시작하기 전에 질문 하나를 합니다. 이미지를 클릭하면 원본 크기로 볼 수 있습니다. 샘플 문서가 들어 있는 데모 워크스페이스입니다.
중요한 건 이 표의 마지막 줄입니다. 파트너십 제안이 "a sponsored tutorial; fee, scope, and usage rights still need agreement"(후원 튜토리얼이며, 비용, 범위, 사용 권한은 아직 합의가 필요함)라고 적혀 있습니다. 이 한 줄이 이메일에 쓸 내용을 바꿉니다. 비용을 언급한 이메일은 아무리 잘 써도 틀린 이메일입니다. '팀의 맥락을 활용한다'는 말은 실제로 이런 뜻입니다. 문서에 있는 사실이 다음에 무엇을 할지 정합니다. Okou가 추측하는 대신 질문으로 마무리하는 이유도 여기에 있습니다.
알아 두면 좋은 한계가 하나 있습니다. Okou에서 채팅은 각자 기록을 따로 가집니다. 새 채팅은 이전 채팅을 지정하지 않는 한 처음부터 시작합니다. 다른 대화의 내용이 몰래 끌려 들어오는 일은 없습니다. (공유 맥락을 최신 상태로 유지하는 방법은 팀 협업을 위한 AI 에이전트 맥락 관리에서 더 자세히 다룹니다.)
3. 보이는 곳에서 일하기
이제 본격적인 작업입니다. 후보를 찾고, 브리프 기준으로 점수를 매기고, 트래커를 만들고, 한 사람씩 맞춤 이메일을 씁니다. Okou가 진행하는 동안 각 단계가 채팅에 표시됩니다. 작업은 클라우드에서 돌아가기 때문에 Maya가 노트북을 닫아도 계속 진행됩니다.
Maya가 지켜볼 필요는 없습니다. 오히려 지켜보지 않는 편이 낫습니다.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (AI 에이전트 워크플로의 다음 단계, AI Fund의 Andrew Ng) · 2024년 3월 26일
Ng는 에이전트의 작업을 옆에서 계속 지켜보는 것을, 업무를 맡겨 놓고 5분 뒤에 확인하러 오는 신임 관리자에 비유합니다.
2024년 그 강연 이후 도구는 많이 바뀌었습니다. 조언은 그대로입니다. 뭔가 이상해 보이면 Maya는 작업이 진행되는 중에도 실행을 멈추거나 수정 사항을 보낼 수 있습니다 ("skip anyone who already works with a competitor"(이미 경쟁사와 일하는 사람은 제외해 줘)). Okou는 처음부터 다시 시작하지 않고 그 내용을 반영합니다.
4. 멈추고 묻기
AI가 정했다는 이유만으로 일어나서는 안 되는 일이 있습니다. 모르는 사람에게 이메일 보내기, 돈 쓰기, 고객 기록 바꾸기, 게시하기 같은 것들입니다. 믿을 수 있는 AI 팀원은 누군가 허용하지 않는 한 이런 일을 할 수 없습니다.
Maya는 Okou에게 Gmail 초안 저장은 허용했지만 발송은 허용하지 않았습니다. 업무에 아직 허용되지 않은 작업이 필요하면 실행이 멈춥니다. 사람이 무엇을 요청하는지 정확히 보고, 허용할지 말지, 그리고 얼마 동안 허용할지 결정합니다. (자세한 내용은 Okou 권한 가이드에 있습니다.)
권한 요청에는 도구, 정확한 작업, 접근 허용 기간이 표시됩니다. 사람이 확인하기 전에는 아무 일도 일어나지 않습니다.
실용적인 팁 하나. 어떤 단계를 항상 사람이 맡아야 한다면, 그 작업은 아예 허용하지 마세요. 초안 작성은 허용하고, 발송은 사람 몫으로 남겨 두세요. 이 주제는 The AI Pause Debate Is Back. Your Business Needs the Final Say (AI 일시 중지 논쟁이 다시 돌아왔다. 최종 결정권은 비즈니스에 있어야 한다)에서 더 자세히 다뤘습니다.
5. 결과 돌려주기
업무는 채팅 텍스트 덩어리가 아니라 Maya가 바로 쓸 수 있는 결과물로 끝납니다. 크리에이터 5명과 각자가 적합한 이유를 정리한 트래커. 그리고 Gmail 초안으로 저장된 한 사람 한 사람을 위한 맞춤 이메일입니다.
이메일은 초안으로 돌아옵니다. 사람이 보내기 전에는 아무것도 발송되지 않습니다. 예시 데이터입니다.
Maya는 첫 문장 하나를 고쳐 쓰고, 팬층의 연령대가 너무 어린 크리에이터 한 명을 빼고, 네 통을 보냅니다. 그게 이 업무에서 Maya가 맡을 몫이고, 그래야 맞습니다.
6. 다시 쓸 수 있게 만들기
'팀원'이라는 이름값을 하는 곳이 바로 여기입니다. 다음 달, Maya의 동료 Dev가 다른 출시를 위해 같은 일을 해야 합니다. Maya의 작업을 다시 쓸 방법이 없다면, Dev는 처음부터 시작해 모든 것을 다시 배워야 합니다.
대신 Maya는 Okou에게 이 업무를 워크플로(workflow)로 저장해 달라고 합니다. 워크플로는 저장해 둔 레시피입니다. 무엇을 읽을지, 어떤 단계를 따를지, 결과가 어떤 모습이어야 하는지, 그리고 규칙("drafts only, never name a fee before terms are agreed"(초안만 작성하고, 조건이 합의되기 전에는 절대 비용을 언급하지 않는다))이 담깁니다. 팬층 연령대에 관한 Maya의 메모는 저절로 저장되지 않습니다. Maya가 직접 추가합니다. 수정 사항은 누군가 글로 적어 둘 때 비로소 팀의 규칙이 되기 때문입니다.
Dev가 이 워크플로를 실행하면 Maya가 아니라 Dev 자신의 Gmail과 Dev 자신의 권한이 쓰입니다. 워크플로를 공유하면 누군가의 받은편지함이나 로그인이 아니라 방법을 공유하게 됩니다. 그리고 워크플로는 스스로 실행되지 않습니다. 팀이 매달 따로 요청하지 않아도 돌아가게 하고 싶다면 자동화(automation)를 추가합니다. 일정, 지정된 담당자, 결과를 보낼 곳을 정하는 것입니다.
비교가 맞지 않는 지점
AI를 팀원이라고 부르면 기대가 생깁니다. 그중 일부는 틀린 기대입니다. 기억해 둘 다섯 가지입니다.
- 결과에 대한 책임은 AI에게 없습니다. 책임은 사람에게 있습니다. "AI가 한 거예요"라는 말로는 고객도, 클라이언트도, 상사도 납득시킬 수 없습니다.
- 지금까지 한 말을 전부 기억하지는 않습니다. 채팅 안의 내용, 파일, 그리고 저장해 둔 지침만 압니다.
- 팀원을 공유한다고 계정까지 공유하는 건 아닙니다. 동료들은 같은 AI 팀원과 워크플로를 쓰면서도 각자의 로그인, 채팅, 권한을 따로 유지할 수 있습니다.
- 수정 사항을 저장하지 않으면 배우지 않습니다. 오늘 업무를 고친다고 다음 달 업무가 고쳐지지는 않습니다. 워크플로를 업데이트해야 합니다.
- 한 가지 일은 아주 잘하면서 비슷한 다른 일은 틀릴 수 있습니다. GPT-4를 사용한 BCG 컨설턴트 758명을 대상으로 한 2023년 연구에서, AI는 대부분의 과제에서 컨설턴트를 더 빠르고 더 잘하게 만들었지만, 똑같이 쉬워 보이던 한 과제에서는 오히려 성과를 떨어뜨렸습니다. 지금의 모델은 2023년보다 훨씬 강력하니, 이 수치를 현재 상황으로 읽지는 마세요. 그래도 교훈은 여전히 유효합니다. 밖에서 봐서는 AI가 어디에 약한지 알 수 없습니다. 그 일을 잘 아는 사람이 확인해야 합니다.
새로운 위험: 자신도 모르게 AI에 동의하는 것
더 조용한 문제가 있습니다. Anthropic의 연구원 Alex Tamkin이 10월에 이에 관해 글을 올렸습니다.
X · Alex Tamkin (@AlexTamkin) · 2026년 10월 27일
"When experts delegate work to an agent, do they still make the key decisions?" (전문가가 에이전트에게 일을 맡길 때도 핵심 결정은 여전히 그들이 내릴까?)
그 게시물의 바탕이 된 연구는 전문 데이터 분석가 50명에게 AI 에이전트와 함께 현실적인 분석 과제를 수행하게 했습니다. 핵심 결정마다, 합리적인 두 선택지 중 에이전트가 어느 쪽을 주장할지는 동전 던지기로 정했습니다. 분석가들은 이 사실을 몰랐습니다. 우연이라면 50%였을 텐데, 분석가들은 86%의 경우 에이전트 쪽을 택했습니다. 나중에는 절반 넘는 사람이 최종 권고안이 에이전트보다 자기 생각에 더 가깝게 느껴진다고 답했습니다.
연구 하나, 과제 한 종류, 전문가 집단 하나에 대한 결과입니다. 하지만 사람에게서도 예상할 수 있는 모습과 일치합니다. 발품을 다 판, 자신감 있는 동료에게 반대하기는 어렵습니다. Maya에게 주는 교훈은 간단합니다. AI의 논리를 읽기 전에 중요한 결정부터 내리세요. Maya는 초안이 돌아오기 전에 이미 "no fee until terms are agreed"(조건이 합의되기 전에는 비용 언급 없음)를 정해 두었습니다. 그래서 Maya는 자기 규칙에 맞춰 초안을 확인했지, 초안에 맞춰 규칙을 바꾸지 않았습니다.
Microsoft의 2026 Work Trend Index를 보면 사람들도 이를 감지하고 있습니다. 10개국에서 업무에 AI를 쓰는 2만 명을 대상으로 한 설문(2026년 2월~4월)에서, 86%가 AI 결과물을 출발점으로 삼고 "stay responsible for the thinking"(생각에 대한 책임은 자신이 진다)라고 답했습니다. 이제 더 중요해진 역량 목록에서는 AI 결과물 검토(50%)와 비판적 사고(46%)가 맨 위를 차지했습니다. 다만 이는 사람들이 그렇게 말한다는 것이지, 늘 그렇게 행동한다는 뜻은 아닙니다. 위 연구는 그 간극을 다시 일깨워 줍니다.
'AI 팀원으로 채용을 대신한다'는 홍보
AI 팀원을 채용을 건너뛰는 방법으로 파는 경우도 보게 될 것입니다.
X · Vasco Calais Pedro (@justvasco) · 2026년 10월 7일
"We built Spinnable with 21 AI teammates and ONLY 5 humans" (AI 팀원 21명과 사람 단 5명으로 Spinnable을 만들었다)
Pedro는 Spinnable의 창업자이고 이 글은 출시 홍보 게시물이니, 마케팅으로 읽어야 합니다. 그래도 이 아이디어가 어떻게 팔리고 있는지는 잘 보여 줍니다. AI 팀원을 인원수처럼 세는 방식입니다.
이렇게 세는 방식에는 문제가 있습니다. 여전히 누군가는 목표를 정하고, 정보를 최신으로 유지하고, 결과를 확인하고, 방법을 언제 바꿀지 결정해야 합니다. 사람 5명이 AI 팀원 21명과 일한다는 건, 실제로는 사람 5명이 맡겨 둔 많은 일을 관리한다는 뜻입니다. 아주 좋은 거래일 수 있습니다. 하지만 동료 26명은 아닙니다.
Microsoft의 2026년 보고서는 모든 팀이 답해야 할 질문을 던집니다. 에이전트의 작업은 누가 검토하는지, 에이전트가 실행하는 워크플로는 누가 바꿀 수 있는지, 좋은 결과 하나를 어떻게 모두와 공유하는지입니다. Okou에서는 이 질문들의 답이 자리 잡을 곳이 있습니다. 업무를 시작한 사람이 돌아온 결과를 확인합니다. 팀의 방법은 누군가 공유 워크플로를 수정할 때 바뀝니다. 반복 업무는 지정된 담당자가 있는 자동화로 실행됩니다.
AI 팀원은 어떤 일을 맡을 수 있나요?
간단한 기준이 있습니다. 명확한 브리프와 적절한 도구 접근 권한을 주고 유능한 신입에게 맡길 수 있는 일이라면, AI 팀원도 아마 1차 작업은 할 수 있습니다.
- 창업자와 운영 담당자: 비즈니스 도구, 고객 피드백, 숫자에서 뽑아낸 주간 브리프. 링크, 걸림돌, 담당자까지 함께 정리합니다.
- 마케팅: 다음 단계 제안이 담긴 캠페인 성과 요약, 또는 섭외 초안이 포함된 파트너 조사.
- 영업: 지난 이메일, 통화 메모, CRM을 바탕으로 한 미팅 브리프, 그리고 후속 메일 초안과 사람이 승인하는 CRM 업데이트.
- 고객 성공: 고객의 문제와 이력 요약, 그리고 계정 담당자가 확인할 답장 초안.
- 비서실장(Chief of staff): 여러 채널에서 모은 경영진용 업데이트 하나.
- 컨설턴트와 에이전시: 클라이언트 템플릿에 맞춰 전달하는 클라이언트 리서치 자료.
이 일들에는 세 가지 공통점이 있습니다. 여러 도구를 오갑니다. 구체적인 결과물로 끝납니다. 그리고 사람이 결과를 빠르게 확인할 수 있습니다. 더 많은 아이디어는 실제 업무를 위한 AI 에이전트 사례 20가지를 참고하세요.
얼마나 맡겨야 할까요?
언제 실행할지 정하기 전에, AI가 무엇을 해도 되는지부터 정하세요. 초안부터 시작하고, 업무상 필요할 때만 접근 범위를 넓히세요.
작업 범위부터 정하세요. 일정은 두 방식 중 어느 쪽이든 시작할 수 있지만, 권한을 더해 주지는 않습니다.
- 검토용 초안. AI가 준비합니다. 사람이 보내거나, 올리거나, 게시합니다. 고객이 보게 될 모든 것은 여기서 시작하세요.
- 승인 후 실행. AI가 업무를 하고, 허용되지 않은 작업은 사람을 기다립니다. 예산 변경이나 CRM 업데이트에 적합합니다.
- 일정 추가. 자동화가 지정된 담당자와 함께 저장된 워크플로를 시작합니다. 작업 범위와 승인 한도는 그대로 유지됩니다. 월요일 아침 팀 업데이트가 첫 자동화로 좋습니다.
초안에 여전히 손볼 곳이 많다면, 더 많은 작업을 허용하기 전에 브리프부터 고치세요. 일정 설정은 별개의 결정입니다.
진짜 AI 팀원인지 알아보는 방법
이 이름표는 누구나 붙일 수 있습니다. 데모나 체험판을 써 볼 때 이렇게 물어보세요.
- 공동의 목표: 업무 전체를 맡기고 완성된 결과물을 받을 수 있나요?
- 공통의 기반: 우리 팀의 실제 문서를 읽고, 무엇을 이해했고 무엇이 빠졌는지 알려 주나요?
- 예측 가능성: 각 단계를 보고 나중에 확인할 수 있나요?
- 지시 가능성: 작업 도중에 고치거나 멈추게 할 수 있나요? 한 작업(초안 저장)은 허용하고 다른 작업(발송)은 막을 수 있나요?
- 재사용: 동료가 내 로그인을 빌리지 않고 자기 계정으로, 잘된 방법을 그대로 실행할 수 있나요?
대부분의 답이 '아니요'라면, 그건 유능한 어시스턴트입니다. 그것만으로 충분할 수도 있습니다. 다만 팀원은 아닙니다.
Okou가 들어맞는 곳
Okou는 이런 방식으로 일을 맡기도록 만들어진 AI 팀원입니다. Okou 문서는 이를 세 단계로 설명합니다. 필요한 것을 설명하면, Okou가 맥락을 모으고 일을 하며, 사람은 결과를 검토하고 그 위에 더 쌓아 갑니다.
실제로는 Maya의 이야기에서 본 몇 가지 습관으로 정리됩니다. Okou는 업무에 필요한 이메일, 문서, 기록을 읽고, 사실을 출처와 대조해 확인합니다. Okou는 다음 사람에게 맞는 형식을 고릅니다. 빠른 업데이트에는 짧은 메시지를, 검토가 필요한 세부 내용에는 문서를, 여럿이 함께 결정을 짚어 봐야 할 때는 프레젠테이션을 씁니다. 그리고 잘된 방법이 생기면 팀은 그것을 워크플로로 저장하고, 모두가 각자의 접근 권한으로 실행할 수 있습니다. Okou는 웹 앱에서 쓰거나, Slack에서 @Okou를 멘션해 부를 수 있습니다.
가장 공정한 테스트는 평소 오후 반나절을 쓰던 실제 업무 하나를 맡겨 보는 것입니다. '검토용 초안' 단계로 두고, 돌아온 결과를 꼼꼼히 살펴보세요. 팀 전체에서는 이것이 어떻게 이어지는지 AI 팀 협업은 인계 지점에서 무너진다에서 읽어 보세요.
자주 묻는 질문
AI 팀원은 무슨 일을 하나요?
잠재 고객 조사, 주간 보고서 작성, 섭외 메일 초안처럼 원래 손으로 했을 업무를 맡아, 연결된 도구를 써서 끝까지 처리합니다. 단계를 보여 주고, 허용된 일만 하며, 사람이 확인할 수 있는 완성된 결과물을 돌려줍니다.
AI 팀원과 AI 에이전트는 같은 건가요?
대체로 그렇습니다. 'AI 에이전트'는 기술입니다. 목표를 이루기 위해 단계를 계획하고 도구를 쓰는 소프트웨어입니다. 'AI 팀원'은 팀이 그 기술과 함께 일하는 방식입니다. 누가 일을 주는지, 무엇에 접근할 수 있는지, 어떻게 보고하는지, 누가 결과를 승인하는지, 그리고 잘된 방법을 다른 사람도 다시 쓸 수 있는지입니다. 대부분의 AI 팀원은 에이전트입니다. 하지만 모든 에이전트가 팀원처럼 일하지는 않습니다.
AI 동료(AI coworker)와 AI 팀원은 같은 건가요?
실제로는 같습니다. AI 동료, 가상 동료, 디지털 동료, AI 팀원은 모두 사람과 함께 일하는 AI를 가리키는 마케팅 용어입니다. 어느 것도 공식 정의는 없습니다. 제품은 실제로 하는 일로 판단하세요. 실제 업무를 끝내는지, 팀의 정보를 쓰는지, 작업을 보고 방향을 잡을 수 있게 하는지, 결정권을 사람에게 남겨 두는지입니다.
AI 팀원이 직원을 대체하게 될까요?
AI 팀원은 업무를 맡을 뿐, 책임을 맡지는 않습니다. 조사, 초안 작성, 정보 취합은 할 수 있습니다. 하지만 목표를 정하고, 접근 권한을 주고, 결과를 확인하고, 결과에 책임지는 사람은 여전히 필요합니다. 대부분의 작은 팀은 지금 있는 사람들로 더 많은 일을 해내기 위해 AI 팀원을 씁니다.
AI 팀원에게 도구 접근 권한을 안전하게 주려면 어떻게 해야 하나요?
업무에 필요한 것만 주세요. 관련된 도구만 연결하세요. 모든 것을 허용하지 말고 특정 작업만 허용하세요. 예를 들어 이메일 초안 저장은 허용하되 발송은 허용하지 않는 식입니다. 데이터를 바꾸거나 돈을 쓰는 작업에는 시간 제한을 두세요. 새로운 업무는 모두 초안 전용 모드로 시작하세요.
AI 팀원에게 처음 맡기기 좋은 일은 무엇인가요?
반복되고, 여러 단계가 있고, 확인하기 쉬운 일을 고르세요. 주간 팀 업데이트, 신규 리드 점수 매기기, 짧은 섭외 명단을 위한 조사와 이메일 초안 모두 잘 맞습니다. '검토용 초안' 단계로 두고, 결과를 직접 했을 때와 비교한 뒤, 일정을 걸기 전에 워크플로로 저장하세요.
