JYP Garden Internal

AI FOMO를 극복하는 답은 자기 자리에서 자기 문제를 푸는 데 있습니다

Properties1
tagslinkedin, ai-ax, jyp-garden, source

8 min read

AI FOMO를 극복하는 답은 자기 자리에서 자기 문제를 푸는 데 있습니다 — Claude Bloom

Key Insight

AI 도입의 성패는 새 모델 추격보다 도메인 담당자가 자기 문제를 보안·문서·검증 루프와 함께 실행 환경으로 바꾸는 설계에 달려 있다.

출처: LinkedIn / Claude Bloom
수집 계정: Claude Bloom
원문: https://kr.linkedin.com/posts/claudebloom_claudebloom-%ED%81%B4%EB%A1%9C%EB%93%9C%EB%B8%94%EB%A3%B8-%EC%97%B0%EC%84%B8%EB%8C%80mba-activity-7473502325228216320-e1Yb
유효일: 2026-06-19
Raw: 2026-06-19-linkedin-claude-bloom-7473502325228216320.md

핵심 Takeaway

  • 삼성전자 LSI 사례는 사내 가이드 문서 + RAG + LiteLLM 프록시 + Claude Code 조합으로 도메인 특화 에이전트를 만든 예시다.
  • 광진구청 사례는 도메인 담당자가 법령 API와 MCP를 직접 엮어 문서 편집 업무를 8분 자동화한 사례로, AX는 현업의 문제 정의에서 시작된다는 점을 보여준다.
  • 전사 AI 도입과 매출 개선은 별개이므로, 실험 시간 확보만으로는 부족하고 목표 상태·역할 재설계·검증 지표가 함께 있어야 한다.
  • 토큰 투입량 자체보다 무엇을 만들지 아는 의도, 도메인 문맥, 공개/배포 판단이 더 중요한 경쟁력이라는 메시지를 준다.

원문 요지

  • Claude Bloom 열 번째 밋업에서 대기업·공공기관·스타트업·1인 빌더 사례를 묶어 AI FOMO의 실제 해법을 설명했다.
  • 삼성전자 LSI는 내부 코드/문서 보안 경계를 지키면서 자체 Claude Code 환경을 만들었고, 일반 모델이 모르는 RTL 업무를 사내 문서 RAG로 보완했다.
  • 광진구청은 국가법령정보센터 API와 법령 MCP를 연결해 공공 문서 업무를 자동화했고, 현업 도메인 지식이 AI 전문성보다 강력할 수 있음을 강조했다.
  • 회사 차원의 AI 활용은 실험 자체보다 사업 목표와 조직 설계에 연결될 때 성과가 나며, 1인 빌더의 경우에는 의도 있는 토큰 사용과 빠른 공개가 유효하다는 관찰을 덧붙였다.

관심사 매칭 근거

  • 점수: 9/10
  • 매칭 키워드: Claude Code, LiteLLM, RAG, MCP, AX, AI FOMO, 도메인 지식, 업무 자동화
  • 왜 수집했는가: JYP Labs의 AI Native 전환, 현업형 AX 교육, secure-by-design AI work OS, agentic execution 사례로 바로 재사용 가능하다.

JYP Labs 운영체계 시사점

스킬화

  • 스킬 후보: 도메인 담당자용 사내 Claude Code 도입 진단 루프
  • 입력: 현업 업무 1개, 내부 문서/가이드, 보안 경계, 승인권자, 자동화 목표 시간.
  • 단계: 문제 선택 → 내부 문서 구조화 → 모델/프록시 경계 설정 → MCP/API 연결 → 샘플 업무 자동화 → 정확도/시간 비교 → 승인 경계 문서화.
  • 검증: 자동화 전후 시간, 할루시네이션 빈도, 외부 반출 위험, 사람 검토 필요 구간.

강의화

  • 모듈 후보: AI FOMO를 이기는 법: 도메인 지식 + Claude Code + 검증 루프
  • 청중: 기업 실무자, 공공기관 담당자, AX 컨설팅 고객.
  • 3포인트: 도메인 담당자가 강한 이유 / 사내 문서와 보안 프록시의 역할 / AI 활용과 사업 성과 사이의 간극.

자동화

  • Trigger: 부서별 “반복 문서/코드 업무 1개 자동화” 요청 접수.
  • Input: 업무 샘플, 내부 가이드 문서, 접근 가능한 API/MCP, 보안 정책.
  • Output: 업무별 AI 실행환경 설계안, 시범 자동화 결과, 검증 체크리스트, 승인 경계 문서.
  • Approval boundary: 외부 발송, 배포, 법령 해석 확정, 고객 제출, 권한 부여는 사람 승인 필요.

운영체계 업데이트

  • Input Layer: 도구 뉴스가 아니라 현업 문제·반복 업무를 수집 단위로 삼아야 한다.
  • Execution Layer: 범용 챗봇 대신 역할별 실행환경(예: 법령 MCP, RTL 문서 RAG, 사내 Claude Code 프록시)을 설계하는 방식으로 고도화한다.
  • Knowledge Layer: 내부 가이드 문서를 OMW/문서 저장소에서 재사용 가능한 실행 문맥으로 관리하는 원칙을 강화한다.
  • Verification Layer: “AI 잘 씀”이 아니라 시간 절감·정확도·보안·매출/업무성과 연결 여부를 검증 기준으로 둔다.

주의점

  • 행사 요약 성격의 단일 게시글이므로, 각 사례의 세부 수치와 실제 운영 범위는 1차 자료 재확인 필요.
  • 사내 Claude Code/LiteLLM 구조는 조직 보안·인프라 여건에 따라 구현 난도가 달라질 수 있다.
  • 토큰 맥싱 사례는 실행 의도가 있을 때만 의미가 있으며, 무제한 구독 권장으로 일반화하면 위험하다.

연결되는 노트

확인 필요

  • Bright Data MCP LinkedIn 구조화 도구가 현재 Hermes tool registry에 노출되지 않아 public LinkedIn JSON-LD fallback으로 수집했다.
  • 삼성전자 LSI, 광진구청, 스페이스Y, 클라이원트, K-skill, ABLD 사례의 원 발표 자료/2차 출처는 별도 확인 필요.

그래프 뷰

백링크