AI슈트 Foundation
기업을 AI-native로 전환하는 AX Foundation

직원별 AI Agent가
업무 운영을 표준화합니다.

담당 AI Agent가 요청·승인·기록을 WorkLog로 남기고, 기업의 업무 맥락을 재사용 가능한 자산으로 축적합니다.

역할 기반 Agent승인 이력 관리WorkLog 축적사내 도구 연동권한 기반 제어
AI슈트 Foundation 구조 시각화
30초로 보는 AI슈트
01

AI 도입은 쉬운데,
조직이 일하는 방식으로 만들기가 어렵다.
02

개인은 더 빨리 일하고,
그 과정은 회사에 남는다.WorkLog · 승인 · 맥락
03

‘사람 없는 회사’가 아니라,
사람이 가장 중요한 판단에 집중하는 회사.
전체 이야기 보기
01 / 이름의 기원

AI슈트는 사람을 대체하지 않고, 사람의 능력을 증폭시킨다.

이름의 출발점은 아이언맨의 슈트다. 슈트는 토니 스타크를 대신하지 않는다. 인간이 슈트를 입었을 때 더 강한 힘, 더 넓은 감지 능력, 더 빠른 판단 보조를 얻는 것처럼 AI슈트는 직원이 AI와 함께 일하며 더 높은 능력을 발휘하게 하는 업무용 장착 레이어다.

개인은 AI로 더 빨리 일할 수 있다.
기업은 그 과정이 남아야 한다.

AI슈트는 개인 생산성과 기업 업무맥락 축적을 동시에 겨냥한다.
02 / 현 AX의 빈틈

기업의 AI 활용은 개인차가 크고, 기업 맥락은 축적되지 않는다.

직원들이 AI를 쓰는 것과 기업이 AI를 업무 체계 안에 정착시키는 것은 다른 문제다. 기업 단위의 AX에는 기록하고 이용하는 별도 시스템과 문화가 필요하지만, 이를 직원에게 수동으로 강요하면 누락되고 품질이 흔들린다.

01

AI 활용이 개인 역량에 의존한다

어떤 직원은 AI를 매우 잘 쓰지만, 어떤 직원은 업무에 연결하지 못한다. 기업 입장에서는 AI 도입 효과가 균일하지 않다.

02

결과는 생기지만 과정은 사라진다

좋은 프롬프트, 판단 근거, 실패한 시도, 다음 액션이 개인 채팅창에 남고 회사의 업무 자산으로 축적되지 않는다.

03

기록 문화를 강요하면 지속되지 않는다

업무일지와 지식 정리는 중요하지만 바쁜 직원에게 별도 업무로 맡기면 형식이 흔들리고 누락된다. 기록은 업무 과정에서 자동으로 생성되어야 한다.

03 / AI슈트 이후의 하루

직원은 빈 화면이 아니라 담당 Agent 브리핑으로 하루를 시작한다.

담당 Agent가 어제의 WorkLog·오늘의 이슈·승인 대기를 정리해 우선순위와 다음 행동을 제안한다. 직원은 빈 화면 대신 이 브리핑으로 하루를 시작한다.

09:00 / 출근

오늘의 업무 브리핑

“어제 고객 응답 초안은 팀장 승인 대기입니다. 오전에는 개발팀 API 변경으로 영향받는 랜딩 문구 수정 건을 먼저 처리하는 것을 추천합니다.”

10:30 / 업무 진행

초안은 Agent가, 판단은 직원이

직원은 자료 조사·초안·요약·협업툴 업데이트를 Agent에게 요청하고, 결과물을 검토해 수정 지시 또는 승인을 남긴다.

17:40 / 퇴근 전

WorkLog와 다음 액션 자동 정리

Agent는 오늘의 결정 근거, 남은 리스크, 내일 이어서 할 작업을 구조화해 팀과 관리자 화면에 반영한다.

이미지는 장식용이 아니라 “출근 브리핑 → 우선순위 → WorkLog” 흐름을 한눈에 이해시키기 위한 예시 화면이다.
04 / 직원과 Agent의 협업 방식

업무는 “요청 → 초안 → 검토 → 수정 지시 → 승인”의 반복으로 학습된다.

도입 초기에는 사람이 업무를 더 잘 안다. 그래서 AI슈트의 핵심은 처음부터 완전 자동화가 아니라, 직원이 Agent에게 일을 맡기고 고치며 지침을 남기는 과정을 기업의 업무 규칙으로 축적하는 것이다.

직원
“어제 들어온 B2B 문의 5건을 유형별로 나누고, 바로 답변 가능한 것과 팀장 확인이 필요한 것을 구분해줘.”
Agent
초안: 3건은 표준 가격 문의라 답변 초안을 만들었습니다. 1건은 계약 조건 예외 요청, 1건은 개인정보 처리 관련 질문이라 팀장 승인 대상으로 분류했습니다.
직원
“계약 조건 예외 요청은 바로 팀장에게 올리지 말고, 이전 유사 사례 2개와 예상 리스크를 붙여서 승인 요청해. 가격 문의 답변은 너무 딱딱하니 우리 톤에 맞게 부드럽게 바꿔.”
Agent
반영: 승인 요청서에 유사 사례와 리스크를 추가했습니다. 가격 문의 답변은 브랜드 톤 가이드에 맞춰 수정했고, 이 지침을 CS Role Pack의 응답 규칙 후보로 저장했습니다.
직원
“좋아. 표준 답변 3건은 발송 승인. 예외 요청은 팀장 승인 큐에 올려.”
Agent
완료: 3건은 발송 대기 상태로 전환했고, 예외 요청은 팀장 Agent에게 요약·근거·리스크와 함께 결재 요청했습니다. WorkLog에 판단 근거와 다음 액션을 남겼습니다.
중요한 점: 이 대화는 단순 채팅으로 사라지지 않는다. 수정 요구, 승인 기준, 브랜드 톤, 예외 처리 방식이 WorkLog와 Role Pack 개선 후보로 남아 다음 업무 품질을 높인다.
인수인계·결원 대응처럼 글로만 설명하면 추상적인 부분을 WorkLog → Agent → 신입/팀장 흐름으로 시각화했다.
05 / 온보딩과 결원 대응

인수인계는 문서 묶음이 아니라 함께 일해온 Agent를 넘겨주는 방식으로 바뀐다.

새 직원에게 발급되는 Agent는 빈 챗봇이 아니다. 해당 부서의 업무 흐름, 이전 WorkLog, 자주 발생한 예외, 완료 기준, 승인 경계를 알고 있는 업무 코치에 가깝다.

신입 온보딩

“이 고객 문의는 어떻게 처리하나요?”라고 물으면 Agent가 과거 유사 사례, 필요한 확인 사항, 완료 기준, 담당자에게 토스해야 하는 시점을 안내한다.

병가·퇴사 상황

담당자가 자리를 비워도 진행 중인 이슈, 판단 근거, 남은 리스크가 Agent와 WorkLog에 남아 팀이 업무를 이어받을 수 있다.

팀장 결재

중요 결정은 담당 Agent가 임의 실행하지 않고 팀장 Agent에게 요약·근거·리스크를 보고한 뒤 팀장의 승인 흐름으로 넘긴다.

06 / 운영 난제

AI 도입은 쉬운데, 조직 운영으로 만드는 것이 어렵다.

많은 팀이 챗봇, 자동화, 에이전트 PoC는 빠르게 만든다. 하지만 실제 업무에 붙는 순간 “기록·권한·승인·보안·인수인계”가 제품의 본질이 된다.

!
채팅창 안에 갇힌 업무맥락좋은 아이디어와 결정이 대화 안에 남고, 나중에 찾거나 인수인계하기 어렵다.
!
권한 없는 실행 또는 과도한 권한AI에게 API 키와 DB 권한을 통째로 주면 편하지만, 운영 리스크가 커진다.
!
승인 흐름의 부재외부에 글을 올리거나 고객에게 답하거나 DB를 변경하는 행동은 사람의 승인 경계가 필요하다.
!
성과와 책임의 불투명성AI가 무엇을 했고, 왜 했고, 다음 액션이 무엇인지 구조화되지 않으면 관리자가 판단하기 어렵다.
07 / 결론에 도달한 과정

처음 질문은 “무슨 AI 도구를 만들까”였지만, 결론은 Foundation이었다.

개발·마케팅·CS·운영 도구를 따로 만들 수는 있다. 하지만 모든 직군에서 반복되는 질문은 같았다. 이 Agent는 누구 소속이고, 어떤 권한이 있고, 어떤 기록을 남기며, 언제 사람의 승인을 받아야 하는가?

01

직군별 AI 도구를 상상했다

개발 AI, 마케팅 AI, CS AI처럼 각 업무에 맞는 Agent를 만들 수 있다고 봤다.

02

하지만 공통 운영 문제가 반복됐다

권한, 승인, Secret, 업무일지, 도구 연결, 인수인계 맥락은 직군과 무관하게 필요한 기반이었다.

03

직원에게 기록을 강요하는 방식은 맞지 않았다

기업 맥락을 유지하려면 기록 문화가 필요하지만, 사람이 직접 남기면 품질과 지속성이 떨어진다.

04

그래서 업무 수행 자체를 AI와 함께 하게 만든다

직원이 AI슈트를 입고 일하면, 업무 보조와 동시에 WorkLog·의사결정 근거·승인 이력이 자연스럽게 남는다.

기존 접근: 개인 AI 활용

  • 직원마다 AI 활용 수준이 다르다
  • 맥락은 채팅창과 개인 기억에 남는다
  • 기록과 정리는 추가 업무가 된다
  • 권한과 승인 경계가 불분명하다

AI슈트 접근: 기업 AX 기반

  • Role Pack으로 기본 업무 환경을 제공한다
  • 업무 과정이 WorkLog와 지식으로 축적된다
  • 기록은 업무 과정에서 자동 생성된다
  • Permission·Approval·Audit가 실행 경계를 만든다
08 / 제안하는 구조

AI슈트 Foundation은 Agent 운영체제에 가까운 기반이다.

각 직군의 AI 기능을 만들기 전에, 조직·사람·에이전트·도구·권한·기록을 연결하는 공통 계층을 만든다.

Layer 01
Organization / User / Agent Registry
조직, 담당자, 전담 Agent, 팀 배정을 한 곳에서 관리한다.
Layer 02
Role Pack + Permission Engine
개발·디자인·마케팅·CS·운영 Role Pack으로 기본 권한을 만들고, Agent별 예외를 적용한다.
Layer 03
Approval Engine + Audit Log
외부 변경, 고객 응답, DB 변경 같은 고위험 작업은 승인 상태와 감사 로그를 남긴다.
Layer 04
WorkSession / WorkLog / Knowledge Map
AI가 업무 과정을 구조화된 기록으로 남겨 담당자 성장과 인수인계 자산으로 만든다.
Layer 05
Tool Adapter Boundary
Linear(이슈)·Slack(알림)이 지금 Adapter 경계로 연결돼 있고, GitHub·DB·Docs·CRM 등은 같은 경계로 확장한다.
Dev

개발 Agent

이슈 분석, PR 초안, 테스트, 기술 WorkLog

Des

디자인 Agent

요구사항 정리, 시안 기록, 피드백 관리

Mkt

마케팅 Agent

캠페인 초안, 콘텐츠 QA, 성과 기록

CS

CS Agent

응대 초안, 이슈 분류, 고객 맥락 누적

Ops

운영 Agent

승인, 감사, 권한 정책, 운영 리포트

09 / 실제 운영 흐름

AI가 혼자 날뛰지 않고, 사람과 함께 일하도록 설계한다.

핵심은 속도와 통제의 균형이다. AI는 초안을 만들고 맥락을 정리하며, 위험한 실행은 승인과 기록을 통과한다.

Assign

담당자에게 Agent 배정

조직 관리자가 담당자 또는 팀에 전담 AI Agent를 붙이고 Role Pack을 선택한다.

Work

업무 진행과 WorkLog 생성

Agent는 작업 목표, 판단근거, 진행상태, 다음 액션을 구조화해서 남긴다.

Approve

위험 작업은 승인 요청

외부 게시, 고객 응답, DB 변경, 이슈 업데이트는 Permission Engine과 Approval Engine을 통과한다.

Sync

도구와 조직 지식에 반영

승인된 WorkLog는 Linear 등 도구에 기록되고, 누적 지식은 인수인계와 관리 판단에 쓰인다.

10 / 업무맥락이 쌓이면

AI슈트의 진짜 가치는 답변이 아니라 기업의 기억을 만드는 것에 있다.

직원이 AI와 함께 일하는 과정이 구조화되면, 기업은 더 이상 사람의 기억·구두 공유·흩어진 문서에만 의존하지 않는다. 업무가 진행된 이유와 흐름이 재사용 가능한 조직 자산이 된다.

인수인계가 빨라진다

담당자가 바뀌어도 이전 결정, 실패한 시도, 승인 이력, 다음 액션이 WorkLog로 남아 업무의 기억이 사라지지 않는다.

관리자는 진행 맥락을 본다

완료 여부만이 아니라 왜 지연되는지, 어디가 병목인지, 어떤 승인과 리스크가 남았는지 판단할 수 있다.

자동화 후보가 드러난다

반복되는 질문, 승인, 리포트, 고객응대가 데이터로 보이고 자동화 우선순위를 정할 수 있다.

온보딩이 코칭으로 바뀐다

신입은 문서만 읽는 것이 아니라 과거 업무맥락을 가진 AI슈트와 함께 회사의 암묵지를 업무 중에 익힌다.

책임과 승인 경계가 선명해진다

AI가 한 일, 사람이 승인한 일, 외부 시스템에 반영된 일이 구분되어 AI 활용이 관리 가능한 업무 프로세스가 된다.

AI 활용 격차를 줄인다

빈 채팅창이 아니라 Role Pack, 권한, 정책, 프롬프트, WorkLog 포맷이 포함된 기본 업무 환경을 제공한다.

개인의 AI 활용은 생산성을 만든다.
기업의 업무맥락 축적은 조직의 학습능력을 만든다.

AI슈트는 이 둘을 하나의 업무 흐름 안에서 연결한다.
11 / AI-native 조직으로의 전환

AI슈트는 직원을 줄이는 도구가 아니라, 어떤 일을 어떻게 맡길지 판단하게 하는 운영 데이터다.

업무 과정이 쌓이면 기업은 감이 아니라 데이터로 반복 업무, 승인 병목, 부서 간 토스 지연, 자동화 후보를 볼 수 있다. 직원은 현행업무의 늪에서 벗어나 판단·관계·개선·AI 고도화에 더 많은 시간을 쓸 수 있다.

반복 업무 식별매주 반복되는 보고서, 고객응대, 상태 업데이트를 실제 WorkLog 빈도로 확인한다.
승인 병목 발견어느 승인 단계에서 시간이 지연되는지 보고, 정책·권한·담당자 구조를 조정한다.
AI팀 위임 후보충분히 안정화된 업무는 사람 검토 비중을 낮추고 AI팀 처리 범위를 넓힌다.
운전자 역할 재정의직원은 단순 실행자에서 Agent 운전자, 품질 관리자, 업무 개선자로 이동한다.

AI슈트의 장기 목표는 “사람 없는 회사”가 아니다.
사람이 가장 중요한 판단에 집중하는 회사다.

자동화는 대체가 아니라, 업무를 더 잘 맡기기 위한 운영 체계에서 시작된다.
12 / 관리자 화면 콘셉트

관리자는 Agent 자체가 아니라 업무 운영 상태를 본다.

대시보드는 “AI가 잘 대답했는가?”보다 “어떤 업무가 진행 중이고, 무엇이 승인 대기이며, 어디에 리스크가 있는가?”를 보여준다.

관리자는 “AI가 잘 답했는가”가 아니라 진행 중 업무·승인 대기·리스크 예외·어댑터 상태를 한 화면에서 점검한다 — 예시 콘솔 화면.
13 / 보안과 운영 신뢰

빠른 자동화보다 중요한 것은 신뢰 가능한 자동화다.

01

Secret은 Agent에게 직접 주지 않는다

API 키, DB 비밀번호, 토큰은 Prompt나 Log에 노출하지 않고 서버 측 Adapter와 권한 경계 뒤에 둔다.

02

기본값은 ‘안전’ — 위험한 행동은 승인·감사를 통과

외부 게시·상태 변경 같은 위험한 행동은 기본이 ‘승인 후 실행’이고, 정의되지 않은 행동은 기본 차단된다. DB 직접 연결은 readonly 샌드박스로 설계돼, 연결 시 조회는 허용하되 변경은 승인·감사를 요구한다.

03

권한은 Role Pack + Agent Override

직군별 기본 정책을 빠르게 적용하고, 특정 Agent만 예외를 주어 운영 복잡도를 낮춘다.

04

모든 중요한 행동은 WorkLog로 남긴다

업무진행, 판단근거, 승인상태, 다음 액션이 누적되어 관리자 판단과 인수인계 자산이 된다.

14 / 도입 절차

한 번에 전사 자동화를 약속하지 않고, 한 팀의 실제 업무부터 시작한다.

AI슈트는 거대한 전환 프로젝트가 아니라, 반복 업무와 승인 흐름이 뚜렷한 부서에서 PoC Agent를 발급하고 WorkLog·Approval·Role Pack을 검증하며 확장하는 방식으로 도입한다.

Diagnose

업무 진단

반복 업무, 승인 대기, 인수인계 리스크, 연결해야 할 사내 도구를 먼저 파악한다.

Design

Role Pack 설계

직무별 권한, 처리 가능한 업무, 반드시 승인받아야 하는 행동, WorkLog 포맷을 정의한다.

Pilot

PoC Agent 발급

한 팀 또는 한 직무에 담당 Agent를 붙이고 실제 업무에서 요청·수정·승인 루프를 검증한다.

Operate

WorkLog와 승인 운영

업무 과정, 판단 근거, 승인 상태, 다음 액션을 구조화해 관리자 화면에 쌓는다.

Scale

자동화 후보 확장

반복 빈도와 병목 데이터를 보고 AI팀 위임 범위와 추가 부서 확장 우선순위를 정한다.

도입 원칙: 처음부터 AI가 모든 것을 자동 실행하게 만들지 않는다. 사람이 더 잘 아는 업무를 Agent와 함께 처리하며 수정 지시와 승인 기준을 축적하고, 충분히 안정화된 업무부터 자동화 범위를 넓힌다.
15 / 지금 라이브

이 구조는 제안이 아니라 이미 배포돼 동작하는 시스템이다.

신뢰 코어부터 실무자가 자기 도구로 일하는 한 바퀴까지 app.aisuit.dev에 실제로 배포돼 돌아간다. 아래는 지금 라이브인 것들이다.

모든 외부 액션이 신뢰 코어를 통과한다

MCP 4단 게이트 → 권한 엔진 → 승인 상태머신 → Adapter → 비밀 금고 → 감사 로그. 위험한 행동은 승인과 기록을 통과하고, 시크릿은 서버 경계를 넘지 않는다.

실무자가 자기 도구로 연결해 일한다

Claude Code 같은 도구를 표준 MCP 프로토콜(POST /mcp)로 연결해 task를 받고, 조직 지식·절차(skill)를 읽고, 외부 액션을 제안한다. 에이전트는 시크릿을 절대 보지 않는다.

관리자·직원 콘솔이 라이브

사람 인증은 Google Workspace SSO(분리된 세션). 에이전트 배정·권한·승인·인수인계·측정을 콘솔에서 운영하고, 승인 대기는 Slack으로 알린다.

여러 조직을 벽으로 분리하고, 합의하에 연결한다

초대 링크로 조직을 세우고 사람을 온보딩한다. 조직 간 연결은 양쪽 소유자 합의하에만 이뤄지며, 테넌트 경계는 그대로 유지된다.

조직 지식을 읽고, 물으면 답한다

관리자가 조직 지식을 작성하면(검색·엔티티 그래프·낡음 표시) 에이전트가 일하기 전에 읽고, “우리는 이걸 어떻게 하나?”라고 물으면 답한다 — 모두 redaction 경계 뒤에서.

프로덕션 스케일 위에서 돈다

PostgreSQL + 다중 워커. 동시 요청이 부딪혀도 하나의 승인은 정확히 한 번만 실행되고(원자적 compare-and-set), 자동 백업이 상시 돈다.

파일럿에서 검증할 것은 “이게 될까”가 아니라
“우리 부서 업무에 어떻게 맞출까”다.

기술 기반은 라이브다. 남은 것은 각 부서에 맞는 활용법을 함께 완성하는 일이다.
16 / 함께 만들어갈 파트너

부서별 Agent 활용 방법은 현장에서 함께 완성해가야 합니다.

개발·마케팅·CS·디자인·운영 — 각 부서의 업무 방식에 맞는 Agent 특화 지침과 구체적인 사용 방법은 아직 이 프로젝트에서 상세 계획되지 않은 영역입니다. 기술 기반은 이미 라이브로 동작하고 있으며(app.aisuit.dev), 각 부서에 맞는 활용법은 실제 업무 현장에서 피드백을 주고받으며 함께 완성해갈 팀과 연구자가 필요합니다.

함께 설계

부서 업무 흐름에 맞춘 Role Pack

실제 적용 과정에서 승인 경계·WorkLog 기준을 함께 다듬습니다.

Gap이 곧 로드맵

도입 과정의 피드백이 방향을 결정

발견한 개선 요청과 새로운 요구사항이 제품의 다음 우선순위를 만듭니다.

함께 만들어짐

기술 기반 + 현장 피드백

프로젝트 기획과 로드맵을 바탕으로, 실제 업무 현장의 피드백이 부서별 활용법을 완성합니다.

코어 설계 · 진행 상황 보기 사용·운영 런북 (직원·리더·운영자) 불변식 · MCP 4단 게이트 · 권한/승인 · 데이터모델 · 로드맵 — 설계 명세 & 진행 현황