AI를 능숙하게 쓰는 구성원이 한두 명 생겼는데도 조직의 일하는 방식은 그대로인 경우가 많습니다. 좋은 프롬프트와 멋진 결과물이 개인의 노하우에 머물면, 담당자가 바뀌는 순간 성과도 함께 사라지기 때문이에요.

OpenAI는 9월 1일 공개한 사례에서 Basis, Clay, Exa Labs가 AI 에이전트를 온보딩, 고객 관리, 개발자 연동 업무에 넣은 방식을 소개했습니다. 공통점은 단순히 AI 사용량을 늘린 것이 아니라, 일을 시작하는 조건부터 완료 기준과 검토 지점까지 하나의 반복 가능한 흐름으로 만들었다는 점입니다.

Basis는 두 시간 걸리던 신입 온보딩을 약 30분으로 줄였습니다. 담당자가 과정을 한 번 시연한 뒤, 실행 조건·필요 자료·사용 도구·완료 기준을 담은 재사용 가능한 스킬로 정리했어요. 반복 질문이나 예외가 생기면 다음 기수 전에 스킬을 고쳐, 경험이 곧 조직의 매뉴얼이 되도록 했습니다.

Clay는 고객 정보가 CRM, 이메일, 메신저, 통화 기록에 흩어지는 문제를 ‘고객별 지속 작업공간’으로 풀었습니다. 에이전트가 밤사이 원자료를 확인하고 맥락을 갱신하면, 조정 역할의 에이전트가 다음 날 우선 행동을 제안합니다. 중요한 점은 추천 옆에 근거를 남겨 사람이 실행 전에 원자료를 확인할 수 있게 한 것입니다.

Exa Labs는 연동 기회를 찾는 데서 그치지 않고 자료 수집, 코드 변경 제안, 테스트, 주간 보고까지 이어지는 흐름을 만들었습니다. 다만 실제 배포와 대외 약속은 사람이 결정합니다. AI에게 더 많은 일을 맡길수록 권한, 테스트, 근거, 중단 지점을 함께 설계해야 한다는 뜻이에요.

OpenAI는 시작 방법으로 가치 있는 반복 업무 하나를 고르고, 담당자·성과 지표·기준선·안전 조건을 먼저 적으라고 제안합니다. 이어 에이전트의 직무기술서에 시작 신호, 필요한 맥락과 도구, 허용 권한, 제출할 증거, 사람에게 넘길 지점을 명시합니다. ‘몇 번 사용했는가’보다 처리 시간, 품질, 비용, 예외 건수, 검토 부담이 실제 성과를 더 잘 보여줍니다.

AX 강사의 시선

수업에서도 프롬프트 한 줄을 평가하는 데서 한 걸음 더 나아가면 좋겠습니다. 교육생에게 반복 업무를 고르게 한 뒤 ‘트리거→자료→AI 작업→검증→사람의 승인→완료 기록’ 순서로 설계하게 해보세요. 같은 과제를 두 번 실행하고, 두 번째에는 첫 실행의 오류와 예외를 반영해 개선하도록 하면 AI 활용이 개인 감각에서 운영 역량으로 바뀌는 과정을 체감할 수 있습니다.

결국 AX의 핵심은 AI를 한 번 잘 쓰는 것이 아니라, 좋은 실행을 다시 재현하고 팀이 함께 고칠 수 있게 만드는 데 있습니다. 여러분의 업무 중 매주 반복되지만 아직 특정인의 기억과 손길에 의존하는 일은 무엇인가요?

출처

How AI-native companies turn workflows into operating capability — OpenAI, 2026-09-01