AI Agent를 단순 chatbot이 아니라 목표 달성을 위해 추론·RAG·tool·memory를 조합하는 system으로 정의하고, 이를 product에 적용하는 관점을 설명한다. 기술을 앞세우기보다 사용자가 반복하며 힘들어하는 문제부터 찾아야 한다는 원칙과, 사내 hackathon 구현 사례를 함께 다룬다.
핵심 포인트- Agent는 환경을 관찰하고 목표를 위해 행동을 선택·재판단하는 loop이며, 문제를 분해하는 reasoning·외부 지식 RAG·function calling tool·장기 memory를 결합해 LLM 단독으로 불가능한 workflow를 자율 처리
- model 선택·prompt chaining·vector DB·tool·memory를 service마다 재구현하지 않도록 공통 Agent platform이 제공하고, Agent를 전면에 드러내기보다 기존 업무 흐름 안에서 요청 전에 필요한 일을 처리하는 experience에 집중
- Smart AI My Note는 연말 성과 정리·동료 feedback 작성의 pain point를 겨냥해 Jira ticket과 Wiki 문서에서 성과 근거를 모으고 평가자·피평가자별 초안을 생성
- 사내 ID로 Jira issue를 수집해 epic·OKR 관계로 clustering하고 누락 값·불규칙 날짜를 전처리하며 권한 있는 data만 사용, 생성 결과는 사용자가 검토·수정하도록 자동화와 평가 책임의 경계를 명확히 둠
왜 읽나AI Agent를 실제 product로 만들려는 팀에게, 기술 조합보다 pain point 발굴과 사람의 검토를 포함한 workflow 설계가 핵심임을 보여주는 사례.