AI 에이전트에게 업무를 맡기면 초기엔 프롬프트를 아무리 다듬어도 결과물이 들쭉날쭉하다. 문제는 모델 성능이 아니라 에이전트가 일하는 환경 자체인 경우가 많다. 폴더 구조와 SOP가 정비되지 않으면 에이전트는 매번 맥락을 새로 파악해야 하고, 산출물 양식도 매번 달라진다. 폴더 구조를 조직도랑 맞추면 뭐가 달라지나 에이전트를 투입하고 일주일 뒤, 분석 역량은 나쁘지 않았지만 결과물이 아무 폴더에나 저장됐고 지시할 때마다 산출물 양식이 달랐다. 폴더 구조를 실제 조직도와 동일하게 구성했다. 지휘부, 비서진, 각 팀으로 큰 줄기를 잡고 그 아래에 매뉴얼, 도구, 데이터, 결과물 폴더를 고정했다. 뼈대가 잡히자 비서실장이 세일즈 팀에 업무를 위임할 때마다 구구절절 설명하는 수고가 사라졌다. 각 팀 폴더에 이미 어떻게 일해야 하는지 정의된 가이드라인이 있기 때문이다. 세일즈 현황 검토를 맡겼더니 겉만 번지르르한 리포트가 나왔다. 현장 용어와 판단 기준이 없었다. 팀 대화 기록과 내부 문서를 읽히고 조직만의 표준 생성 방식을 직접 설계하게 했다. 데이터 학습이 아니라 일하는 법 자체를 명문화하는 작업이었다. SOP를 어떻게 쓰느냐에 따라 결과물이 갈린다 세일즈 에이전트가 초안을 가져오면 피드백을 주고받았다. 지표 계산 로직을 수정하고, 숫자 나열 대신 안건 중심의 메시지로 다듬었다. 어떤 데이터 테이블을 참조하고 어떤 관점으로 해석할지 명확해지자 퀄리티가 일정하게 유지됐다. 이제 명령어 한 줄이면 변화율 체크와 특이점 추출까지 사람 없이 돌아간다. 사람은 매뉴얼이 허술해도 눈치껏 모면한다. 기계는 적힌 대로만 움직인다. 매일 아침 비서실장이 보내주는 통합 브리핑으로 하루가 시작된다. 핵심만 뽑으면 폴더 구조를 조직도 기반으로 맞추니까 매번 설명 없이도 에이전트가 맥락을 찾아간다 프롬프트 다듬는 것보다 도메인 지식과 일하는 방식을 SOP로 써두는 게 퀄리티 차이를 만든다 참조 테이블과 해석 관점이 명시되면 결과물이 일정해진다 관련 글 4개의 오픈소스를 이 조합으로 결정하기까지 — 시스템 아키텍처 결정의 체계적 접근 OpenAI 가이드로 살펴본 에이전트 설계의 실무적 해법 — 에이전트의 모듈화와 워크플로우 제어 원문: https://www.linkedin.com/posts/leekh929_ai-%EB%B9%84%EC%84%9C%EC%8B%A4%EC%9E%A5%EC%9D%84-%EB%A7%8C%EB%93%A4%EC%97%88%EB%8B%A4%EB%8A%94-%EA%B8%80%EC%9D%84-%EC%93%B4-%EC%A7%80-%EC%9D%BC%EC%A3%BC%EC%9D%BC%EC%9D%B4-%EB%90%90%EC%8A%B5%EB%8B%88%EB%8B%A4-%EB%B9%84%EC%84%9C%EC%8B%A4%EC%9E%A5%EC%9D%84-%EB%A7%8C%EB%93%A4%EA%B3%A0-activity-7438587163157590016-je7Q?utm_source=share&utm_medium=member_android&rcm=ACoAAAGPfasB-djMifTErXTP5V7RQzL6YbO5POo