Paul Jialiang Wu agentic-portfolio 中文 Español 한국어 日本語✉️ 무료 리스트
← 포트폴리오로 돌아가기

AI-NATIVE 시리즈 · 목적지, 도구상자가 아니다, 3부작 중 1화 · 원칙 1

에이전트형 소프트웨어는 도구가 아니라 선택지를 준다: 사무실을 다시 설계하며 배운 Max-Calling, Min-Cost의 원리

작성: Paul Jialiang Wu · futuremake.io · 2026-10-26 · 소요 시간 20분

Cover: Agentic software hands you options, not tools. Three cards: who it is for (builders and founders designing products where AI does the work), what you leave with (the brief to options to choice loop, and a live playground to break), the one finding (of 40 overdue to-dos, counted one by one, 11 were decisions or write-ups the loop can move and 29 needed hands, not options).
목적지, 도구상자가 아니다 — 3부작 중 1화: 원칙 1.

1분 요약

이 글의 성격 제품 설계자와 창업자를 위한 에세이이자 플레이그라운드다. 도구만 제공하는 소프트웨어와, 선택지를 제시하는 소프트웨어의 차이를 다룬다. 실제로 창업팀 사무실을 하나의 루프 중심으로 재구성한 경험이 토대다. 사람이 목적지를 작성하면, 기계가 한계를 넘는 옵션을 모두 걸러내고, 남은 것들을 평가해 서로 다른 세 가지를 보여준다. 마지막 선택은 사람이 한다.

왜 중요한가 선택은 직접 작성하는 것보다 훨씬 적은 노력이 든다. 그리고 '취향'만큼은 위임할 수 없는 유일한 일이다. 한 창업팀의 보드에 마감이 지난 할 일 40개가 쌓여 있었다. 하나씩 세어보니, 그중 11개는 이 설계로 옮길 수 있는 결정이나 문서화 작업이었고, 29개는 실제 손이 필요한 일이었다. 이 글은 그 4분의 1에 해당하는 일, 즉 주장할 수 있는 정직한 범위, 그리고 그 밑에 깔린 첫 번째 원칙—소명은 극대화하고, 그 외 모든 비용은 최소화하라—에 관한 설계다.

읽고 나서 바로 실천할 수 있는 것. 이번 주 실제 결정을 하나 골라 브리프를 써본다(목표, 반드시 지켜야 할 하드 리밋 두 가지, 좋은 예시 하나, 나쁜 예시 하나). 그리고 Destination Playground에서 기계의 첫 번째 제안과 내 선택이 달라질 때까지 직접 돌려보고, 기계가 제시하는 가중치 추천을 읽어본다.

Destination, Not Toolbox — 시리즈 줄기

▶ 실제로 돌아가는 모습 보기: 라이브 데모 열기 공개 · 로그인 불필요

  1. 에이전트형 소프트웨어는 도구가 아니라 선택지를 건넨다 이번 화
  2. OEC 루프는 모든 규모에서 반복된다 2화
  3. 진리, 사랑, 아름다움: 하나의 시스템 3화

핵심 질문: 소프트웨어가 단순한 도구함이 아니라 에이전트형이 되려면 무엇이 달라져야 하며, 그렇게 만들 때 드는 비용은 무엇인가?

이 글에서는 시스템이 출시된 뒤 스스로 개선을 이어가는 방법은 다루지 않는다. 그 내용은 2부, OEC 루프: 모든 규모에서에서 설명한다. 세 가지 덕목이 어떻게 하나로 작동하는지는 3부.

이 에세이의 주제: 에이전트형 소프트웨어와, 그것을 만드는 데 드는 비용

이 글은 에이전트형 소프트웨어, 즉 사람이 목적지를 정하면 대신 실행해주는 소프트웨어에 관한 에세이다. AI가 대부분의 일을 맡는 제품을 설계하는 개발자와 창업자, 그리고 강력한 도구를 샀지만 결국 방치한 경험이 있는 모든 이를 위해 썼다. 브라우저와 40분 정도면 충분하다.

이 에세이는 실제 경험에서 출발한다. 2026년 10월, 나는 창업팀의 오피스를 완전히 다시 설계했다. 자체 파일 드라이브, 실시간 문서, 채팅, 테이블, AI 팀원까지—all-in-one 파일 하나에서 코드로 돌렸다. 6주 동안은 그저 훌륭한 도구함이었다. 리빌드 당일 아침, 팀의 할 일 보드를 직접 세어봤다. 51개 중 4개만 끝났고, 40개가 마감일을 넘겼다. 첫 번째로 떠오른 결론은 명확했다. 병목은 도구가 아니라 '결정'이었다. 그래서 이 시리즈가 반복해서 요구하는 대로, 내 결론을 직접 검증했다. 연체된 각 항목의 제목과 완료 기준을 읽어보니, 4개는 결정(가격 책정, 채널 선정, 첫 출시 항목 선택, 지출 한도 설정), 7개는 문서화(계획, 비교, 목록, 스크립트)였다. 나머지 29개는 실제로 손발이 필요한 일(전화, 방문, 사진, 확인)이었다. 이 분류는 내 판단에 따른 것이고, 더 엄격한 기준을 적용하면 두세 개쯤 달라질 수 있다. 어쨌든 결론은 '병목'이 아니라 전체의 4분의 1로 줄었다. 이 글은 바로 그 4분의 1, 즉 누군가가 오후 한나절만 투자해 10초 만에 답할 수 있는 짧은 목록으로 바꿔주지 않아 미뤄진 일에 관한 이야기다.

이렇게 해서 제품의 중심이 완전히 바뀌었다. 예전에는 도구가 중심이었다. 이제는 하나의 루프가 중심이다. 사람이 목적지를 정하면, 기계가 모든 제한을 지키는 몇 가지 대안을 제시하고, 사람은 그중에서 선택한다. 예전에는 '기능'이었던 파일, 채팅, 테이블, 기록, 관리자 콘솔 등은 이제 이 루프가 필요할 때 불러 쓸 수 있는 애드온이 되었다.

이 모든 것의 바탕에는 내가 이 시리즈에서 첫 번째 원칙이라 부르는 개념이 있다. 나는 이것을 max-calling, min-cost: 내가 해야만 하는 일(오직 내가 할 수 있고, 내가 존재하는 이유가 되는 임팩트)을 극대화하려면, 시간, 주의력, 에너지, 공간, 기계 지능 등 그 밖의 모든 비용을 최소화해야 한다. 창업팀에서 소명이란 곧 판단이다. 글을 쓰고, 정리하고, 찾아보는 일은 모두 비용이고, 이 루프는 그 부담을 기계가 대신 진다.

이 글은 3부 중 첫 번째다. 2부 OEC 루프의 모든 규모 적용에서는 시스템이 출시된 뒤에도 어떻게 스스로 개선을 이어가는지 다룬다. 3부 진리, 사랑, 아름다움은 하나의 제어 시스템이다에서는 이 모든 작업을 하나로 묶는 힘이 무엇인지, 그리고 세 가지 원칙이 어떻게 한 시스템 안에서 작동하는지 설명한다.

이 시리즈를 관통하는 이미지는 '요리의 단계'다. 혼자 요리할 수도, 가족을 위해 차릴 수도, 레스토랑이나 패스트푸드 체인, 혹은 국가급 식품 공급망을 책임질 수도 있다. 주방의 기술은 어디서나 같지만, 단계가 올라갈수록 '누가 무엇을 결정하는가'가 달라진다.

요리 단계누가 요리를 결정하는가이에 대응하는 소프트웨어
혼자 요리할 때내가 직접 결정하고, 내가 직접 요리한다내가 직접 다루는 도구
가족을 위해 요리할 때상대가 뭘 원하는지 짐작한다SaaS 제품: 사람들이 써주길 바라는 기능
레스토랑에서손님이 주문하고, 주방이 요리한다에이전트형 소프트웨어: 사용자가 목적지를 명확히 제시한다
체인점에서레시피가 문서로 남고, 검증된다브리프와 게이트가 코드로 구현됨
공급망 전체에서수백만 건의 주문이 메뉴를 결정한다팀의 취향을 기록하고 학습하는 레저

좋은 레스토랑의 손님은 주방에 들어가지 않는다. 손님은 이렇게 주문한다. "생선이 들어간 요리, 30달러 이하, 땅콩은 빼고, 지난번에 먹었던 것과 비슷하지만 그때처럼 짜지 않은 걸로." 이 문장이 바로 브리프다. 이 에세이의 나머지는, 그 브리프를 받아 실제로 선택지를 내놓는 주방(시스템)을 어떻게 만드는지에 대한 설계서다.

계속 읽기 전에.이 글을 다 읽고 나면, 당신과 함께 의사결정을 내리는 동료 한 명에게 브리프를 직접 가르치게 된다. 그 사람이 실제로 미뤄둔 결정을 예시로 삼는다. 2분 만에 설명해야 한다고 생각하며 읽어라. 한 메타분석에서 39 여러 연구를 종합한 결과, '가르칠 준비를 하고 공부한 뒤 실제로 가르치는 경우'의 효과 크기는 g = 0.48 (특정 하위 집단 결과)로 나타났고, 그런 기대 없이 가르친 경우에는 유의미한 효과가 없었다(g = −0.02) (Kobayashi (2024), Educational Psychology Review (ERIC EJ1414484)).

활동 1 · 주방에 들어가지 않고 친구의 저녁 주문받기

자리에서 일어나 근처 사람을 찾아 웨이터 역할을 해보라. 상대가 손님이고, 당신이 주방이다. 손님은 레시피나 조리법을 말할 수 없다. 오직 어디에 도달하고 싶은지만 말할 수 있다.

이제 읽기 전에, 손님이 말해야 할 내용을 적어보라. 주방이 그 정보를 바탕으로 손님이 기꺼이 고를 만한 세 가지 요리를 내놓을 수 있어야 한다. 무엇이 절대적인 규칙(하드 리밋)이고, 무엇이 선호(프리퍼런스)이며, 무엇이 예시인가?

대부분의 사람들은 똑같은 네 가지 요소를 만들어낸다. 목표(예: "저녁, 생선이 들어간 것"), 절대 어길 수 없는 하드 리밋(예: "땅콩 금지", "30달러 이하"), 서로 맞바꿀 수 있는 선호(예: "저렴함이 빠른 것보다 더 중요하다"), 그리고 좋은 예시(예: "지난번처럼")와 나쁜 예시(예: "그때처럼 짜지 않은 것"). 이 네 가지가 브리프의 기본 구조다. 여기서 빠진 것을 눈여겨보라: 손님은 결코 요리 방법을 지시하지 않는다. 이 선이 도구와 에이전트의 차이다.

브리프란, '어디로 갈지'만 말하고 '어떻게 갈지'는 말하지 않는 것이다.

한 문장으로 정리하면, 에이전트형 소프트웨어란 사람이 목적지를 정하면, 그에 맞는 실현 가능한 여러 선택지를 제시하고, 사람이 그중에서 고르게 하는 시스템이다.

내가 다시 설계한 오피스에서 브리프는 2분이면 쓸 수 있는 작은 파일이다. 한 문장으로 목표를 적고, 어떤 항목을 더 중시할지(가중치 포함), 하드 리밋 (절대 어길 수 없는 조건), 좋은 예시, 반드시 피해야 할 예시, 그리고 몇 개의 옵션을 보여줄지까지 담는다. 실제로 백업 공급업체를 고를 때 쓴 브리프의 예시는 다음과 같다:

goal: Pick a second supplier we can switch to within one season.
objective:   [minimize unit_cost ×2, maximize rating, minimize lead_days]
hard limits: [moq ≤ 500, lead_days ≤ 45, ships_to_us = yes]
options: 3

이 방식은 새로운 것이 아니다. 어디서 왔는지 밝히는 것도 중요하다. 항공기 브래킷이나 자동차 부품을 설계하는 엔지니어들은 이미 수년 전부터 'generative design'이라는 이름으로 이 구조를 써왔다. Autodesk는 이를 이렇게 설명한다. "Generative design automates the exploration of design options by defining objectives, constraints, and a design space, then employing algorithms to generate a multitude of solutions within those parameters."(번역: 생성적 설계는 목표, 제약 조건, 설계 공간을 정의하고, 그 범위 내에서 다양한 해법을 알고리즘으로 생성하여 설계 옵션 탐색을 자동화한다.)" (Autodesk (2025), What is Generative Design, autodesk.com (Wayback snapshot 2025-12-20; live page returns 403 to scripted fetches)) Autodesk의 공식 도움말에서는 입력값을 'design criteria'라고 부른다. "Design criteria are objectives and manufacturing constraints that are required to define the design goals for the solver."(번역: 설계 기준이란, 솔버가 설계 목표를 정의할 때 필요한 목표와 제조 제약 조건이다.)" (Autodesk, Fusion Generative Design help: Design criteria) 엔지니어는 부품을 직접 그리지 않는다. 목표와 하중, 반드시 남겨야 할 영역과 피해야 할 영역만 명확히 적는다. 그러면 솔버가 다양한 형태를 제안하고, 엔지니어는 그중에서 선택한다. 이번 리빌드는 이 구조를 사무 환경에 그대로 이식했다. 여기에 CAD에는 없는 단 하나를 더했다. 바로 사람이 무엇을, 왜 골랐는지에 대한 기록이다.

브리프의 네 가지 요소는 역할이 다르다. 하드 리밋은 통과 여부를 결정하는 문지기이고, 선호는 순위를 매긴다. 예시는 방향을 잡아준다. 이 셋을 뒤섞으면 엉뚱한 선택지가 나온다. 예를 들어 '저렴함'을 하드 리밋에 넣으면 가장 싼 공급자만 남고, '미국 배송 가능'을 선호에 넣으면 배송이 안 되는 멋진 공급자가 추천된다.

A table with five jobs: a document (toolbox gives a blank page; agentic gives N gated drafts; the human picks one), a sourcing call (a grid to sort versus the feasible top three), a meeting (a recorder versus minutes with every section), a team thread (read everything versus three options posted, reply 2), the admin (click settings versus one YAML file applied, edit the file).
도구함과 에이전트형 시스템 모두 다섯 가지 일을 처리한다. 하지만 인간이 직접 해야 하는 일은, 결국 인간만이 할 수 있는 한 가지로 줄어든다.

게이트, 최종 후보 목록, 그리고 왜 세 가지 옵션인가

브리프가 입력되면, 기계는 네 단계를 거친다. 먼저 후보를 만든다. 예를 들어, 모델에게 서로 다른 전략의 초안을 요청하거나, 팀 테이블의 행을 불러오거나, 누군가 붙여넣은 옵션을 쓴다. 각 후보를 평가한다. 그리고서로 다른 전략, 팀 테이블의 행, 붙여넣은 옵션 등 다양한 방식으로 후보를 만든다. 각 후보를 평가한 뒤게이트를 통과시킨다. 하드 리밋을 어기는 후보는 탈락시키고, 그 이유를 기록한다. 측정되지 않은 값이 있으면 무조건 탈락이다. 이 과정을 모두 거친 후에야 남은 후보들만 순위를 매긴다.

순위 매기기는 두 단계다. 먼저 각 목표를 남은 후보들끼리 0에서 1로 정규화하고, 가중치를 곱해 하나의 점수로 합친다. 그 다음, 기계가Pareto 옵션을 표시한다. Pareto 옵션이란, 다른 후보 중 어느 것도 모든 목표에서 같거나 더 뛰어나면서 적어도 한 목표에서 더 나은 것이 없을 때를 말한다. 경제학에서 이 개념을 브리태니커는 이렇게 정의한다. "if and only if there is no alternative state that would make some people better off without making anyone worse off" (번역: 어떤 대안 상태도 누군가를 더 좋게 만들면서 아무도 더 나쁘게 만들지 않는 경우에만)" (Encyclopaedia Britannica, Pareto optimality) Pareto 옵션은 실제로 상충관계가 있는 진짜 트레이드오프다. 이들을 먼저 보여주면, 제시되는 모든 옵션이 실제로 서로 다른 선택임을 보장한다. 아래에서 설명할 '유사 옵션 건너뛰기' 규칙이 이 차이를 유지한다.

다만 Pareto가 실제로 선택지를 얼마나 좁히는지는 솔직하게 따져봐야 한다. 목표가 세 개만 되어도, 남은 후보 대부분이 Pareto에 해당한다. 아래 플레이그라운드 예시에서는 6개 중 5개 공급자가 그렇다. 즉, Pareto만으로는 충분히 다양한 옵션을 보장하지 못한다. 진짜 차별화는 '유사 옵션 건너뛰기' 규칙에서 나온다. 이미 제시된 것과 너무 비슷한 후보는 제외한다. 사무실에서는 초안에 이 규칙을 적용하고, 플레이그라운드의 공급자들은 이미 모두 구별되어 있어 따로 적용하지 않는다.

그 다음은최종 후보 목록이다. 소수의 옵션만 남긴다. Pareto 옵션을 우선으로, 그 다음은 점수 순, 그리고 유사한 것은 건너뛴다. 왜 소수만 남기는가? 유명한 잼 실험에 따르면, 소비자는 "when offered a limited array of 6 choices rather than a more extensive array of 24 or 30 choices" (번역: 24개나 30개보다 6개로 제한된 선택지를 제시받을 때)" (Iyengar & Lepper (2000), When choice is demotivating: Can one desire too much of a good thing?, JPSP 79(6), 995-1006) 더 많이 구매했다. 하지만 이후의 메타분석(63 조건, N=5,036)에서는 이렇게 보고한다. "we found a mean effect size of virtually zero but considerable variance between studies (번역: 평균 효과 크기는 사실상 0에 가까웠으나, 연구 간 분산은 상당했다)" (Scheibehenne, Greifeneder & Todd (2010), Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload, J Consumer Research 37, 409-425). 그러니 솔직히 말해, 긴 선택지 목록이 항상 문제를 일으키는 것은 아니다. 더 정확히는, 많은 옵션을 비교하는 데는 주의력이 실제로 소모되고, 이 비용은 어떤 사람에게 어떤 상황에서는 확실히 부담이 된다. 서로 다른 옵션 몇 개만 추려 보여주면 읽는 부담이 훨씬 줄어든다. Herbert Simon이 '충분히 괜찮은 선택'을 가리켜 satisficing(만족화)라 불렀다 (Simon (1956), Rational choice and the structure of the environment, Psychological Review 63, 129-138); 그의 생각을 요약하면 "people tend to make decisions by satisficing (a combination of sufficing and satisfying) rather than optimizing (Simon, 1956) (번역: 사람들은 최적화를 추구하기보다는, 충분히 만족스러운 선에서 결정을 내리는 경향이 있다)" (Simon (1956), Psychological Review 63, as summarised by BehavioralEconomics.com, Satisficing). 그래서 이 쇼트리스트는 안목 있는 만족화자를 위해 설계된다.

A cycle of six boxes joined by arrows, clockwise from the top: 1 brief (goal, limits, good, bad; the human, orange), 2 generate (different strategies), 3 gate (no evidence counts as fail), 4 rank (three, not thirty), 5 choose (reply 2 because; the human, orange), 6 ledger (suggests, never edits), back to 1. The centre says: you own 1 and 5; the machine owns the rest, and never draws arrow 5.
이 여섯 단계는 하나의 순환 고리로 이어진다. 사람이 브리프를 쓰고 선택을 내리면, 기계가 그 사이 모든 과정을 처리하고, 그 기록이 다음 브리프에 반영된다.

활동 2 · 당신의 주방 패스 그리기

종이에 네모 두 개를 그린다. 하나는 다이닝룸(사람), 하나는 주방(기계)이다. 브리프가 들어가고, 세 개의 접시가 나오는 흐름을 그린다. 그 사이에 패스, 즉 셰프가 모든 접시를 내보내기 전에 점검하는 카운터를 그린다.

패스 위에는 어떤 경우에 접시가 되돌아가는지 적는다. 그리고 오직 손님만이 그릴 수 있는 화살표, 즉 '선택'을 동그라미로 표시한다.

패스가 바로 게이트다. 오피스에서는 모든 하드 리밋을 순위 매기기 전에 점검하는 코드 몇 줄이 이 역할을 한다. 동그라미 친 화살표가 바로 '선택'이고, 리빌드에는 한 가지 원칙이 있다. 어떤 도구, 버튼, 에이전트도 그 화살표를 대신 그릴 수 없다. AI 동료는 자기 계정으로 옵션을 제안할 수 있지만, 선택 자체를 대신하는 도구는 일부러 만들지 않았다.

리빌드가 바꾼 것과, 끝내 바꾸지 않은 것

오피스는 처음에 각 기능(계정, 파일, 채팅, 테이블, 음성)마다 별도의 패키지와, 이 모든 것을 아는 652줄짜리 커맨드 파일로 구성된 툴박스였다. 리빌드는 이것을 핵심 루프만 남긴 최소 코어와 8개의 애드온으로 분리했다. 코어에는 오직 루프만 남았다. 즉, 브리프, 후보, 게이트, 랭킹, 선택, 그리고 레저다. 표준 라이브러리만 사용하고, 입출력도 없으며, 코드 라인 수도 정해진 예산을 넘지 않는다. 이 중 하나라도 어기면 테스트가 빌드를 막는다. SaaS 제품에서 '기능'이라 부르는 것은 모두 애드온이 되었고, 각 애드온은 자신이 대체하는 SaaS 기능을 매니페스트에 명시한다. 예를 들어 드라이브와 문서, 메신저, 스프레드시트형 베이스, 회의록, 관리자 콘솔, 그리고 옵션 생성·측정·전달용 새 애드온 세 개가 있다.

이제 선택은 팀이 이미 일하는 공간에서 바로 이루어진다. 옵션들은 팀 채팅방에 번호가 매겨진 메시지로 올라오고, 선택은 "2번, 이번 시즌엔 리드타임이 더 중요하니까"라고 답하는 식이다. 기계는 옵션 번호가 언급된 첫 번째 사람의 답만 읽고, 자기 메시지나 "5분 늦음" 같은 잡담은 무시한다. 이 마지막 규칙은 외부 리뷰어가 제안한 것으로, 첫 버전이 "5분 늦음"을 5번 선택으로 오해하는 버그를 잡아냈다.

리빌드는 또 한 가지를 끝내 거부했다. 이 거부 자체가 min-cost의 교훈이기도 하다. 나는 모든 이름을 옛 이름에서 새 이름으로 바꿔달라는 요청을 받았다. 대부분은 코드와 문서라 바꿨다. 하지만 일부 옛 이름은 단순한 명칭이 아니라, 살아 있는 데이터의 '정체성'이었다. 오피스의 스토리지 볼륨, 서버 폴더, 백업은 옛 이름을 키로 삼는다. 이것들을 바꿨다면 네 명의 오피스가 빈 상태로 떴을 것이다. 가장 저렴하면서도 올바른 방법은, 사람이 읽는 모든 정체성은 새 이름으로 바꾸고, 데이터가 의존하는 정체성은 그대로 두며, 무엇이 무엇인지 문서로 남기는 것이었다. 옛 커맨드와 설정도 여전히 별칭으로 쓸 수 있다. 누구도 바꿀 필요가 없었다.

활동 3 · 실제 브리프 하나 써보기

일주일 넘게 내 책상 위에서 멈춰 있던 결정을 하나 고른다. 여섯 줄로 그 결정의 브리프를 쓴다: 목표 한 줄, 가중치가 있는 목표 항목 두 개, 각각 이유를 적은 하드 리밋 두 개, 좋은 예시 하나, 나쁜 예시 하나, 그리고 보여줄 옵션의 개수.

쓴 내용을 소리 내어 읽는다. 만약 어느 줄이라도 기계에게 '어떻게' 일을 하라고 지시하는 내용이 있다면, 그 줄은 지운다.

각 하드 리밋에 이유를 붙이는 것은 생각보다 훨씬 중요하다. 예를 들어 "납기일 최대 45일, 이유: 시즌이 11월에 시작함"이라고 적으면, 동료가 나중에 전체 결정을 두고 논쟁하지 않고도 그 리밋만 따로 문제 삼을 수 있다. 오피스의 브리프 파서는 브리프의 모든 문제를 한 번에 알려주고, 실행 전에 평이한 언어로 브리프를 다시 읽어주어, 사람이 기계가 목적지를 제대로 이해했는지 직접 확인할 수 있게 한다.

max-calling, min-cost: 이 설계를 관통하는 원칙

이 원칙을 명확하게 풀어 쓴다.소명을 극대화하라. 그리고 어떤 비용을 0에 가깝게 줄일지는 소명이 직접 결정하게 하라.소명이란 오직 내가 아니면 할 수 없는 일이다. 비용이란 그 일을 하면서 소모되는 모든 것—시간, 주의력, 에너지, 공간, 질량, 그리고 이제는 기계 지능(설계, 기획, 추론, 학습, 추론 실행)까지—을 모두 포함한다.

이 두 가지는 서로를 필요로 한다. 비용만 줄이는 팀은 싸고 방향 없는 팀이 된다. 내가 예전에 쓴 에이전트 관련 에세이에서는 시스템이 누구의 목표를 섬기는지 묻고, 이렇게 직설적으로 말한다: "Capability without that is not agency — it is a very efficient way to arrive somewhere nobody wanted."(번역: 그게 없다면 능력은 에이전트가 아니다—아무도 원하지 않는 곳에 아주 효율적으로 도달하는 방법일 뿐이다.)Capability without that is not agency — it is a very efficient way to arrive somewhere nobody wanted." (The Sheep Does Not Need the Whole Map) 반대로 소명만 좇는 팀은 결국 모든 다른 일에 번아웃된다. 이번 리빌드는 이 원칙을 네 가지 차원에 적용했다.

최소화라는 원칙에는 함정이 있다. 나는 그 위험을 피해 여러 번 글을 썼다. 예전 에세이에서 이렇게 썼다. "it searches harder than any person for the cheapest way to hit the number" (번역: 목표 수치를 맞추기 위해 어떤 인간보다 더 집요하게 가장 저렴한 방법을 찾아낸다)" (Wu, P. J., Human Dynamics in Agentic AI, part 1". 비용을 줄이는 일이 '검증 자체'의 비용을 줄이는 순간, 그때부터는 꼼수가 된다. 그래서 반드시 안전장치가 필요하다. 소명에 이르는 비용은 줄이되, 그 소명에 대해 진실을 말하는 비용만큼은 절대 줄이지 않는다. 게이트, 측정, 외부 검토는 줄여야 할 비용이 아니다. 이들은 소명의 일부다.

활동 4 · 플레이그라운드를 의도적으로 망가뜨려 보기

아래 링크를 연다. Destination Playground에서는 실제 오피스와 똑같은 게이트, 점수 산정, 파레토 규칙이 12개의 가상 공급업체에 적용된다.

첫째, 최소 주문 수량을 점점 높여 아무 공급업체도 남지 않게 만든 뒤, 그때 나오는 안내문을 읽는다. 둘째, 1번이 아닌 다른 옵션을 골라보고, 추천되는 가중치를 확인한다. 셋째, 평점만 남기고 나머지 가중치를 모두 0으로 두고, 어떤 옵션이 첫 번째로 나올지 예측해본다.

아무 옵션도 남지 않으면, 플레이그라운드는 그 이유를 모두 보여주고, 조용히 제한을 완화하지 않는다. 이 원칙은 실제 오피스에도 똑같이 적용된다. 모든 이유가 명시된 빈 쇼트리스트가 바로 정직한 답이다. 첫 번째 추천을 무시하고 다른 옵션을 고르면, 레저는 사용자가 신경 쓴 가중치를 약간 조정하라고 제안한다(×1.1 올리기, ×0.9 내리기). 하지만 실제로 적용하지 않는다. 방향은 언제나 사람이 정한다. 플레이그라운드에서 실제인 것은 알고리즘과 제안 규칙뿐이고, 공급업체는 모두 가상이다.

기계가 내 취향을 학습하고 있다는 신호는 어떻게 알 수 있을까

옵션이 제시될 때마다, 그리고 사람이 선택할 때마다, 오피스는 레저에 한 줄을 기록한다. 이 기록을 다시 읽어보면, 에이전트형 제품에서 가장 중요한 질문에 답을 준다. 바로 top-1 agreement, 즉 사람이 기계가 첫 번째로 제시한 옵션을 고른 비율이다. 10번의 결정 후에도 이 비율이 낮다면, 브리프의 목표가 팀이 실제로 원하는 것과 다르다는 뜻이고, "이유" 항목이 무엇을 바꿔야 할지 알려준다. 레저는 또한 옵션이 인간의 선택을 얼마나 오래 기다렸는지도 측정한다. 옵션이 일주일씩 대기한다면, 그건 그냥 번거로운 도구함일 뿐이다. (첫 번째 채팅 리더가 실제로 도입됐다면, 레저는 이미 이 팀이 가장 좋아하는 옵션이 '5분 늦게'임을 학습했을 것이다.)

리빌드를 배포하기 전, 나는 실제 오피스에서 AI 팀원 역할로 라이브 테스트를 돌렸다. 첫 번째 라이브 실행은 실패했다. 드라이브가 아직 없는 폴더에 옵션 페이지를 저장하려다 거부당했다. 오프라인 테스트에서는 모두 통과했는데, 테스트에 쓴 가짜 드라이브는 실제보다 관대했기 때문이다. 이 버그는 part 2에서 다룬다. 두 번째 실행은 성공했다. 실제 모델이 짧은 팀 노트 초안을 다섯 개 썼고, 하나는 하드 리밋을 어겼으며, 세 가지 뚜렷한 옵션이 돌아왔고, 선택이 기록됐다.

같은 이야기, 다섯 갈래의 출구

당신의 역할은…이 변화가 바꾸는 결정이번 주에 실천할 한 가지
학생"agent"라는 말이 챗봇을 뜻하는지, 아니면 선택지를 제시하는 시스템을 뜻하는지다음 그룹 프로젝트에서 내릴 결정을 위한 브리프를 작성해 팀에 공유한다
엔지니어게이트가 당신 시스템의 어느 위치에 들어가야 하는지모든 하드 리밋을 랭킹 이전에 코드로 구현하고, '측정 불가'는 무조건 탈락 처리한다
창업자당신 제품의 중심이 버튼인가, 아니면 '선택'인가주요 기능 다섯 가지를 적고, 각각이 어떤 목적지를 위해 존재하는지 쓴다
임원'AI가 일을 대신한다'는 제안을 어떻게 평가할지최종 결정을 여전히 사람이 내리는 부분이 무엇인지, 그리고 그 결정이 기계와 얼마나 자주 일치하는지 확인한다
투자자에이전트형 제품이 경쟁력 있는 방어력을 갖추었는지레저를 요구한다. 시간에 따른 top-1 일치율이 곧 팀의 취향이 학습된 결과다

이 글에 담긴 진실, 사랑, 아름다움

내 시선도 하나 더 있다. 이것은 내 관점임을 밝힌다. 시편 1편은 열매 맺는 삶을 나무에 비유한다.그는 시냇가에 심은 나무와 같아서 계절마다 열매를 맺고 잎사귀도 시들지 않는다. 그가 하는 모든 일이 형통하리라." (시편 1:3). 나무는 열매를 맺으려고 애쓰지 않는다. 그저 물가에 뿌리를 내리고, 계절이 오면 자연스럽게 열매를 맺는다. 내 신앙에서는 이것이 바로 max-calling, min-cost의 본질이다. 소명에 깊이 뿌리내리고, 나머지에는 조급함 없이 살아간다. 위에서 설명한 설계 역시 이 믿음이 없어도 충분히 성립한다.

절반만 맞는 오해들

내가 이름 붙이지 않고 써온 원칙들

이 시리즈를 준비하며 예전 글들을 다시 읽다가, 내가 여러 번 적용했으면서도 이름 붙이지 않았던 세 가지 원칙을 발견했다. 각각은 max-calling, min-cost의 직접적인 귀결이다.

이제 직접 가르쳐라

당신의 teach-back. 결정을 함께 내리는 동료와 10분간 마주 앉는다. 그동안 한 주 넘게 미뤄진 결정을 하나 받아 적는다. Activity 3의 형식을 참고해, 그 결정의 브리프를 한 장에 같이 쓴다. 그리고 Destination Playground에서 기계의 첫 번째 제안과 상대방의 선택이 다를 때까지 직접 실습해 본다.

결과 별도의 메모 없이도 하드 리밋과 선호의 차이를 설명할 수 있고, 실제 결정을 하루 안에 한 가지로 고른다. 그들이 고른 옵션과 가장 중요했던 하드 리밋 하나를 이 글의 댓글로 남긴다.

왜 중요한가 — 다섯 번의 왜

문제. 어느 날 아침, 한 창업팀의 보드에 있던 51개 할 일 중 40개가 마감일을 넘겼다. 필요한 도구는 모두 갖춰진 사무실이었다. 그중 11개는 결정이나 문서화가 필요한 일이었다.

  1. 왜 그 11개가 미뤄졌는가? 출장이나 전화가 필요한 일은 하나도 없었다. 모두 누군가가 옵션을 비교하거나, 계획을 세우거나, 수치를 정리해주길 기다리고 있었다.
  2. 왜 아무도 그걸 쓰지 않았는가? 비교 문서를 직접 작성하려면 오후 한나절이 필요하다. 창업자에게 오후 한나절은 가장 귀한 자원이다.
  3. 왜 사무실은 도움이 되지 않았는가? 도구만 내줬을 뿐, 도구는 결국 사람이 직접 써야 일이 된다. 생성적 설계(generative design)는 그 대안을 보여준다. 즉, "Design criteria are objectives and manufacturing constraints that are required to define the design goals for the solver." (번역: 설계 기준이란 솔버의 설계 목표를 정의하는 데 필요한 목표와 제조 제약 조건이다.)"라고 명확히 적고, 솔버가 초안을 작성하게 맡기는 것이다(Autodesk, Fusion Generative Design help: Design criteria).
  4. 왜 아무도 그걸 만들지 않았는가? 제품의 중심이 파일, 채팅, 테이블 등 사무실 자체에 있었고, 모든 개선이 도구함을 더 편리하게 만드는 데만 쓰였다. 실제로 일을 움직이는 쪽으로는 옮겨가지 못했다.
  5. 근본 원인 설계가 일의 저장 비용만 최적화했고, 본질적 소명에 도달하는 비용은 고려하지 않았다. 해결책은 중심을 브리프와 선택으로 옮기고, 모든 도구를 루프가 활용할 수 있는 애드온으로 바꾸는 것이다.

실행 — 이번 주에 직접 해보기

  1. teach-ahead 문장을 먼저 읽는다.
  2. 웨이터 역할 놀이(Activity 1, 5분)와 주방 패스 그리기(Activity 2, 5분)를 한다.
  3. 실제 브리프를 하나 작성한다(Activity 3, 10분).
  4. Destination Playground에서 세 가지 방식으로 직접 망가뜨려 보라(활동 4, 10분).
  5. 결정을 함께 내릴 파트너 한 명에게 이 내용을 직접 설명하고, 그 결과를 기록해 남겨라.

피드백 · 제대로 작동했는지 확인하는 법

이 방법만으로는 선택한 옵션이 실제로 세상에서 좋은 결과를 냈는지까지는 알 수 없다. 선택 기록 장부는 취향(선호)을 측정할 뿐, 실제 성과는 측정하지 않는다. 따라서, 결정이 바꾸려던 실제 결과(예: 브리프 전후로 보드에 머문 일수)와 반드시 짝지어 함께 측정해야 한다.

피드포워드 · 미리 거는 트립와이어

5S 자기 점검표

S주장근거
단순함글 전체가 고등학교 3학년(12학년) 수준 이하로 읽히고, 설계 전체가 하나의 루프로 요약된다.Flesch–Kincaid 등급: 7.4 (밴드 ≤ 12), 다음 기준으로 재계산됨: node scripts/check-numbers-four-ages.mjs --series agentic-collab
견고함인용된 모든 주장은 실제 출처에서 가져왔으며, 선택 과부하(claim) 관련 주장은 교정까지 포함해 인용된다."we found a mean effect size of virtually zero but considerable variance between studies (번역: 평균 효과 크기는 사실상 0에 가까웠으나, 연구별로 편차는 컸다)" (Scheibehenne 등, 2010)
예리함Drive down the cost of reaching the calling, never the cost of telling the truth about it. (번역: 소명에 이르는 비용은 줄이되, 그 소명에 대해 진실을 밝히는 데 드는 비용은 결코 아끼지 마라.)이 원칙 · 게이트
SMART이번 주: 브리프 하나 작성, 플레이그라운드 세 가지 방식으로 깨보기, 파트너 한 명에게 직접 가르치기.운영
놀라움내가 직접 헤드라인을 세어보니 4분의 1로 줄었고, 첫 챗봇 판독기는 '5분 늦음'을 옵션 5에 투표한 것으로 집계했다.그 집계 · 그 리빌드
진실 · 사랑 · 아름다움모든 수치는 측정되고 범위가 명확하다. 사람들의 데이터와 선택은 보호받는다. 한 장 냅킨에 그릴 수 있는 단일 루프 구조.진실, 사랑, 아름다움

출처

  1. Autodesk. Generative design (archived 2025-12-20). web.archive.org
  2. Autodesk Fusion Help. Design criteria. help.autodesk.com
  3. Britannica. Pareto optimality. britannica.com
  4. Iyengar, S. S. & Lepper, M. R. (2000). When choice is demotivating. J. Pers. Soc. Psychol. 79. PubMed
  5. Scheibehenne, B., Greifeneder, R. & Todd, P. M. (2010). 선택지가 과도하게 많을 때 생기는 문제: 선택 과부하에 대한 메타분석적 고찰.J. Consumer Research 37. OpenAlex
  6. Simon, H. A. (1956). 합리적 선택과 환경의 구조.Psychological Review 63. Crossref
  7. BehavioralEconomics.com. Satisficing (Simon 요약).behavioraleconomics.com
  8. Gall, J. (1975).Systemantics, 위키피디아 인용.wikipedia.org
  9. Kobayashi, K. (2024). 가르칠 준비와 실제 가르침의 상호작용적 학습 효과.Educational Psychology Review. ERIC EJ1414484
  10. 시편 1:3bible-api.com
  11. Wu, P. J. The Sheep Does Not Need the Whole Map.agentic-portfolio
  12. Wu, P. J. Context Engineering Is a Budget.agentic-portfolio
  13. Destination Playground(이 시리즈의 실행 데모).agentic-portfolio

관련 글

Paul Jialiang Wu 작성 · agentic-portfolio · 2026-10-26. 본문의 원칙은 Paul Jialiang Wu의 것이며, 경험은 그가 창립팀과 함께 직접 구축한 셀프호스팅 오피스를 리빌드한 사례에서 비롯되었다(회사 정보는 생략, 사적 코드베이스만 설명). 구현: playbook-math: 하나의 아이디어, 네 연령대, 모든 수치는 검증된 출처 기반. 본문에 담긴 견해는 필자의 개인적 의견이며, 소속 회사와는 무관하다.