자동화 루틴을 늘릴 때마다, 사실 필요한 건 새 에이전트가 아니었다

요즘 자동화 루틴을 세 개 돌리고 있습니다. SNS 배포용 하나, 영상 재활용용 하나, 데일리 영상 생성용 하나. 각자 다른 목적으로 따로 만들었고, 각자 잘 작동합니다.

그런데 최근 AI 뉴스레터 Every가 공개한 이야기를 보고 제 구조를 다시 생각하게 됐습니다. Every는 원래 직원마다 자기만의 에이전트를 만들어 쓰는 문화였다고 합니다. 성장 담당자가 만든 '그로스 에이전트', 누군가 만든 또 다른 봇들이 슬랙을 채웠습니다. 처음엔 다들 신나게 썼지만 시간이 지나자 문제가 드러났습니다. 누가 어떤 봇을 만들었는지 기억이 안 나고, 유지보수가 안 되니 하나씩 죽어갔습니다. 결국 회사는 전체가 함께 쓰는 '하나의 공유 에이전트'로 전환했습니다.

이유는 단순합니다. 개인 에이전트는 새로 만들 때마다 처음부터 다시 시작합니다. 공유 에이전트는 회사의 워크플로를 누적해서 학습하고, 모두가 쓸 때마다 조금씩 더 똑똑해집니다.

저도 똑같은 갈림길에 서 있었다는 걸 깨달았습니다. 새로운 할 일이 생길 때마다 '루틴을 하나 더 만들자'는 생각이 먼저 들었는데, 사실 필요한 건 기존 루틴이 더 많은 맥락을 기억하고 더 많은 일을 맡게 만드는 쪽이었을 수도 있습니다. 에이전트 개수를 늘리는 건 쉬운 해결책처럼 보이지만, 결국 어떤 에이전트가 뭘 하는지 기억하는 비용, 하나씩 점검하는 비용만 쌓입니다.

이제는 새 자동화가 필요할 때 '에이전트를 하나 더 만들까'보다 '지금 있는 에이전트가 이 일까지 맡을 수 있을까'를 먼저 물어보려고 합니다.