Written with AI assistance from the source video. The video is the authority.
31:20Chase AI
Log in to leave a comment
No posts yet
무작정 모든 업무를 자동화하지 마십시오. 의료 기관이 예약과 정산을 한꺼번에 자동화하려다 시스템 전체를 멈춘 사례가 있습니다. 자동화는 욕심을 부리면 반드시 탈이 납니다. 우선 나에게 불필요한 반복 업무가 무엇인지 확인부터 해야 합니다.
최근 2주 동안 했던 일 중 복사, 붙여넣기, 데이터 전송 업무를 따로 적으십시오. 다음 공식으로 자동화 가치를 계산합니다.
작업 빈도(F), 절감 시간(T), 설정 난이도(C)를 대입하면 어떤 업무부터 손대야 할지 명확해집니다. 이 수치가 높은 상위 3개 작업만 골라내도 주당 5시간 이상의 집중 시간을 확보할 수 있습니다. 안드레 카파시가 강조했듯, 결과값을 즉시 검증할 수 있는 정형 데이터 업무부터 시작하십시오. 인간의 주관이 개입해야 하는 영역은 그대로 두는 게 낫습니다.
자동화 시스템은 결국 예외 상황에서 판가름납니다. 데이터 오류나 인증 만료가 발생했을 때 에이전트가 어떻게 반응하는지 설계해야 합니다.
실무자는 다음 세 가지 대처법을 문서화하십시오. 첫째, API 오류가 발생하면 즉시 재시도하지 말고 대기 시간을 늘리는 지수 백오프를 적용합니다. 공식은 입니다. 둘째, 형식이 틀린 데이터는 수동 예외 대장으로 격리하십시오. 셋째, 사용 금액이 100만 원을 넘어가면 시스템이 스스로 멈추고 관리자 승인을 요구하도록 설정합니다. Make나 n8n의 에러 핸들러 기능을 활용하면 이런 안전망을 쉽게 구축할 수 있습니다.
부서마다 데이터 형식이 제각각이면 에이전트는 일을 할 수 없습니다. 2026년 4월 안드레 카파시가 제안한 3계층 메모리 구조를 사내에 적용하십시오.
파일 이름을 'YYYY-MM-DD_카테고리_내용'으로 통일하고 영문은 모두 소문자로 쓰십시오. 폴더는 원천 데이터, 편집 허브, 결과물 폴더로 나눕니다. 복잡한 데이터베이스는 필요 없습니다. 모든 문서를 마크다운(.md) 파일로 저장하십시오. 아마존 사이언스(Amazon Science) 연구에 따르면, 잘 정리된 텍스트 기반 검색 모델은 고가의 벡터 DB 성능의 94.5%를 저비용으로 구현합니다. 이렇게만 해도 의사결정 속도가 2배 빨라집니다.
자동화 파이프라인은 신뢰가 쌓여야 제 기능을 합니다. 'Function Growth' 팀은 인간의 업무와 에이전트의 업무를 2주간 병렬 가동하며 생산성을 30% 높였습니다.
검증은 단순합니다. 첫째, 하나의 작은 작업만 골라 하루에도 수십 번씩 반복 실행하며 오류를 잡으십시오. 둘째, 2주 동안 실제 사람이 하는 일과 에이전트가 만든 결과물을 대조합니다. 셋째, 한 달에 한 번 log.md 파일을 분석하여 무엇이 틀렸는지 기록하십시오. 거래처 전표 매핑 정합도가 95%를 넘어가면 그 자동화는 안심하고 실무에 배치해도 좋습니다.