AI 직원은 늘었는데, 왜 일이 더 꼬일까

AI를 여럿 붙여도 일이 꼬일 수 있다. 같은 정보를 계속 주고받아야 하는 업무라면 인수인계가 병목이 된다.

이야기 속 쇼핑몰과 사장의 시행착오는 이해를 돕기 위한 가상 설정이며 실제 사례와 연구에는 1차 출처를 결합했다. 앤트로픽(Anthropic)은 2026년 10월 22일 기업의 복합 AI 에이전트를 하나의 작업 흐름으로 합치는 기술 보고서를 공개했다. 현장 도입 기업들이 겪은 병목을 해소하기 위한 실무 가이드라인이며, 모든 업무에서 단일 AI가 무조건 우월하다는 주장은 아니다.

쇼핑몰 사장의 역할 분담과 인수인계 병목의 시작

생활용품 쇼핑몰을 혼자 운영하는 사장의 하루는 고객 문의 응대로 시작된다. 주문을 확인하다 배송지를 바꾸고 반품 접수를 마치면 새 문의가 쌓여, 상품 사진을 찍으려고 켜둔 스튜디오 조명은 점심이 지나도록 식지 않는다. 사장은 AI에게 일을 분담하기로 결심했다. 주문 담당에게는 주문 조회를, 배송 담당에게는 출고와 도착일 확인을 맡겼다. 반품 담당도 별도로 두고 고객의 질문 유형에 따라 알맞은 담당에게 전달하도록 라우팅을 연결했다.

마침내 반복 업무에서 해방되는 순간이었다.

각자 독립된 대화 맥락에서 작동하는 여러 AI를 파이프라인으로 연결한 구성이 멀티에이전트 체제다. 단순히 챗봇 창을 여러 개 띄우는 것과 달리, 각자가 맡은 작업과 중간 처리 결과를 API로 주고받도록 설계한다. 사장이 작성한 담당 업무표도 이 구조를 본떠 주문은 주문 담당이, 배송은 배송 담당이 순차 처리하면 매끄럽게 돌아갈 것이라 기대했다.

다음 날 한 고객에게서 “배송지를 직장으로 바꾸면 내일까지 받을 수 있나요?”라는 복합 문의가 도착했다.

에이전트 간 맥락 단절과 누락된 핵심 요구사항

주문 담당 에이전트는 주문번호와 기존 주소를 대조했으나, 새 주소로 즉시 변경 가능한지는 물류 창고의 출고 상태를 확인해야 했다. 주문 담당이 배송 담당에게 넘긴 요약 메시지에는 주소 변경 요청만 남았고, 내일까지 꼭 수령하고 싶다는 고객의 핵심 조건은 누락됐다. 배송 담당은 주문번호를 넘겨받아 출고 여부만 단순 조회했다. 주문 담당에게 회신된 내용은 주소를 바꿀 수 있다는 단답이었고, 최종 고객에게 발송된 안내문에도 예상 도착일 정보는 빠져 있었다.

사장은 전송 버튼 앞에서 멈췄다.

고객이 알고 싶었던 핵심은 단순 주소 변경이 아니라 다음 날 도착 여부였다. 사장은 원본 문의와 AI 에이전트 간의 내부 대화 로그를 나란히 대조했다. 각 담당 에이전트는 자신에게 할당된 개별 도구만 성실히 호출했을 뿐, 고객의 질문 전체를 끝까지 책임지고 추적한 에이전트는 어디에도 없었다.

앤트로픽은 상거래 에이전트 아키텍처 분석에서 주문 이력과 장바구니 상태, 고객 선호도는 여러 업무에 걸쳐 공통으로 공유되어야 하는 핵심 데이터라고 지적했다. 담당을 바꿀 때마다 대화 요약본을 전달하면 필수 맥락이 유실되고, 동일한 데이터베이스에 중복 접근하거나 제어권을 재전달하는 병목이 불가피하다. 유선 상담 내용을 다른 부서에 반복해서 설명해야 했던 전통적인 콜센터의 비효율이 1인 쇼핑몰의 AI 시스템 안에서 그대로 재현됐다. 사장은 주문과 배송 에이전트를 하나로 통합해 보기로 결정했다.

단일 루프 통합의 역설과 사라진 교차 검증

단일 AI가 주문 조회 도구와 배송 API를 한 대화창 안에서 직접 다루도록 시스템을 개편했다. 고객의 요청 사항을 다른 하위 에이전트에게 압축 요약해 인수인계하던 중간 전달 과정도 전면 제거했다. 이전 고객 문의를 다시 입력하자 주소 변경 조회부터 답변 생성까지 하나의 흐름으로 즉각 이어졌다. 완성된 문장은 매끄러웠으나 답변을 검토하던 사장은 다시 손을 멈췄다. 내일까지 수령 가능하다는 확답은 적혀 있었지만, 배송 시스템 API를 실제로 호출해 조회한 백엔드 기록은 어디에도 없었다.

인수인계는 줄었지만 확인도 함께 사라졌다.

앤트로픽 역시 기술 보고서를 통해 고객지원 에이전트의 역할을 하나로 통합하자 응답 지연은 눈에 띄게 줄었으나, 주문 조회 권한을 쥔 주 에이전트가 배송 조회 도구를 호출하지 않고 임의로 그럴듯하게 답해버린 실패 사례를 공개했다. 개별 하위 에이전트 체제에서는 교차 검증 절차를 거치며 정상 통과하던 업무 흐름이 단일 루프 통합 이후 소실된 대표적 사례다. 사장의 착오도 답변이 얼마나 빨리 완성되었는지만 살피고, 최종 답변 전에 반드시 거쳐야 할 검증 도구 호출을 확인하지 않은 데 있었다.

사장은 업무 체크리스트를 다시 펼쳐 들고 고객 요청 유형마다 필수 확인 지표를 명시했다. 주소 변경 가능 여부와 새 주소 기준의 확정 도착일이었다. 두 조건 중 하나라도 시스템 조회가 누락되면 과업이 해결된 것으로 간주하지 않기로 했다.

독립 작업과 순차 계획 과제의 명확한 분기 기준

이쯤 되면 모든 업무를 단일 AI로만 통일하는 편이 낫다는 극단적 결론에 도달하기 쉽다. 사장 역시 모든 에이전트를 폐지하려 했으나 모든 과업이 주문과 배송처럼 상호 의존적으로 얽혀 있지는 않았다. 신규 상품을 발주하기 전 도매 공급가와 오픈마켓 후기 평점을 각각 조사하는 작업은 서로의 처리 결과를 기다릴 이유가 없는 독립 업무였다.

구글(Google) 연구진 등이 참여한 협업 에이전트 연구 논문은 4개 과제군에서 모델과 협업 조율 방식을 교차 검증한 180개 구성을 비교했다. 시장 데이터를 독립적으로 병렬 수집하는 금융 분석 과제에서는 여러 에이전트를 중앙에서 지휘하는 멀티에이전트 방식의 성과가 단일 구성 대비 집계 평균 약 81% 높게 나타났다.

맥락이 이어져야 하는 일에선 분업이 독이 됐다.

반면 앞선 행동의 결과가 다음 행동의 조건을 실시간으로 바꾸는 순차적 계획 100개 과제에서는 협업 에이전트의 성과가 단일 방식보다 39~70% 낮게 떨어졌다. 이전 단계의 문맥을 공유하지 못해 발생하는 인수인계 손실이 협업의 이점을 완전히 상쇄했기 때문이다. 사장은 업무 설계도를 재편하여 동일 고객의 주문과 배송처럼 상태를 긴밀히 이어받는 업무는 단일 루프로 묶었다. 반면 외부 시장 조사는 독립 하위 에이전트에 남겨두고, 반품 처리의 통합 여부는 실제 데이터 검증을 거쳐 확정하기로 했다.

응답 속도보다 중요한 최종 업무 완료율의 잣대

사장은 초기 고객 문의들을 회귀 테스트 세트에 등록하고, 단순 주소 변경 질문과 도착일 조회가 동시에 필요한 질문을 엄밀히 분리했다. 문장이 자연스럽게 작성되었는지가 아니라 필수 시스템 조회가 백엔드에서 누락 없이 실행되었는지를 기계적으로 검증하기 위함이었다.

앤트로픽이 배포한 오픈소스 단일 루프 전환 키트 역시 아키텍처 개편 전후를 동일한 평가 셋으로 정량 비교하도록 규정한다. 단일 루프로 통합한 구성이 기존 하위 에이전트의 테스트를 100% 통과할 때에만 에이전트를 줄이고, 독립적인 맥락 분리가 필요한 역할은 보존하는 원칙이다. 앤트로픽의 기술 해설은 통합 구성을 도입한 기업 고객의 처리 속도가 약 2배 빨라졌다고 보고했으나 구체적인 모델 버전이나 원시 실행 로그는 공개하지 않았다. 단순 속도 지표만으로 실제 운영 비용이나 인건비 절감 효과를 예단할 수는 없는 이유다.

빠른 답변이 곧 완벽한 업무 처리를 뜻하진 않는다.

사장은 모니터 화면으로 돌아와 주문의 변경 주소를 다시 점검했다. 배송일 필드는 여전히 공란이었다. 사장은 성급한 답변 발송을 멈추고 문의 상태를 배송 확인 대기로 전환했다. 진짜 효율은 에이전트의 숫자가 아니라 검증의 완결성에서 나온다.