지금까지는 사람과 AI 둘뿐이었다
처음 AI를 사용할 때 구조는 단순하다.
사람 ↓ AI ↓ 답변
조금 발전하면 에이전트에게 실제 작업을 맡긴다.
사람 ↓ 에이전트 ↓ 파일 · 브라우저 · 터미널
그런데 실제 회사 업무는 이것보다 훨씬 복잡하다.
실제 회사에서는 정보가 흩어져 있다
업무에 필요한 정보는 한곳에 모여 있지 않다.
- Gmail / Outlook (이메일)
- Slack / Teams (메신저)
- Google Drive / SharePoint (문서)
- GitHub / Jira / Linear (프로젝트·이슈)
- Notion (사내 위키)
- 사내 ERP / 데이터베이스
여러 곳에 나뉘어 있고, 사람마다 접근할 수 있는 권한과 정보의 범위도 다르다.
AI가 회사에서 실제 일을 하려면 단순히 모델이 똑똑한 것으로는 부족하다. 필요한 정보와 필요한 도구에 안전하게 접근할 방법이 있어야 한다.
그래서 협업 도구가 필요하다
예를 들어 이런 요청을 생각해보자.
"지난주 프로젝트 진행 상황을 정리하고 지연된 업무를 찾아 담당자별로 알려줘."
AI가 이 일을 하려면:
- Slack에서 대화를 찾고,
- Drive에서 계획서를 읽고,
- 프로젝트 관리 도구에서 현재 상태를 확인하고,
- 필요하면 담당자에게 전달할 결과를 만들어야 한다.
하나의 챗봇 창에서 질문 한 번으로 끝나는 일이 아니다.
협업의 구성 요소
| 구성 요소 | 역할 |
|---|---|
| 사람 (Human) | 목표를 설정하고 최종 책임을 진다 |
| AI 모델 | 자료를 해석하고 판단과 분석을 보조한다 |
| Connector / App | AI를 실제 업무 서비스에 연결한다 |
| MCP (Model Context Protocol) | AI와 외부 도구가 연결되는 공통 표준을 제공한다 |
| Skill | 업무를 어떻게 수행해야 하는지 절차와 규칙을 알려준다 |
| 승인 (Human-in-the-loop) | AI가 중요한 행동을 하기 전에 사람이 확인하고 검증한다 |
중요한 변화
AI 활용의 핵심 질문도 바뀐다.
- 개인 활용: "어떤 AI 모델이 가장 똑똑한가?"
- 조직 협업: "어떤 AI가 어떤 정보에 안전하게 접근하고, 무엇을 할 수 있는가?"