JYP Garden Internal

AI Agent 를 만들 때 폴더 구조가 중요한 이유

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

8 min read

AI Agent 를 만들 때 폴더 구조가 중요한 이유 — Sanguine Kim

Key Insight

폴더 구조는 파일 정리법이 아니라 에이전트가 조직 맥락을 읽고 반복 업무를 수행하기 위한 최소 운영체계이며, 기업의 AI 경쟁력은 모델 자체보다 업무를 입력·판단·산출·승인 구조로 재설계하는 역량에서 갈린다는 주장입니다.

출처: LinkedIn / Sanguine Kim
원문: https://kr.linkedin.com/posts/sanguinekim_ai-agent-%EB%A5%BC-%EB%A7%8C%EB%93%A4-%EB%95%8C-%ED%8F%B4%EB%8D%94-%EA%B5%AC%EC%A1%B0%EA%B0%80-%EC%A4%91%EC%9A%94%ED%95%9C-%EC%9D%B4%EC%9C%A0-%EC%B2%98%EC%9D%8C%EC%97%90%EB%8A%94-%EB%8B%A8%EC%88%9C%ED%95%9C-activity-7473148934371213312-tyuE
유효일: 2026-06-17
Raw: 2026-06-19-https-www-linkedin-com-posts-sanguinekim-ai-agent-eb-a5-bc-eb-a7-8c-eb-93-a4-eb.md

핵심 Takeaway

  • 에이전트 품질은 좋은 프롬프트 한 줄보다 조직 업무를 구조화한 워크스페이스 설계에 크게 좌우됩니다.
  • context / inputs / workflow / agents / outputs / review 같은 폴더 구분은 각각 배경지식, 입력데이터, 실행흐름, 역할분리, 산출형식, 인간 승인 경계를 담당합니다.
  • 기업의 AI 도입은 “도구 사용법 교육”에서 “AI가 일할 수 있는 조직 구조 설계”로 이동하고 있으며, 이 차이가 실제 도입 격차를 만든다는 메시지입니다.

원문 요지

  • Samsung 대상 2주간 Codex 기반 AI 강의 경험을 바탕으로, 핵심은 도구 사용법보다 기존 업무 프로세스를 AI 중심으로 다시 설계하는 것이었다고 설명합니다.
  • 에이전트는 사람처럼 암묵지를 눈치로 이해하지 못하므로, 무엇을 읽고 어떤 기준으로 판단하며 어떤 산출물을 남기고 어디서 사람이 승인해야 하는지를 구조로 명시해야 합니다.
  • 예시 구조는 다음과 같습니다.
    • context/: 업무 배경, 조직 맥락, 상품/채널/지표 정의
    • inputs/: 월간 실적, 사업계획, forecast, 메모, 대시보드
    • workflow/: 기존 프로세스와 AI 중심 재설계 흐름
    • agents/: 월간 리뷰, 사업계획 갱신, 채널 성과 진단, 리스크 시나리오 분석 등 역할별 에이전트
    • outputs/: 경영진 판단용 요약, 원인 후보, 비교표, 확인 필요 질문
    • review/: 사람이 승인해야 할 가정·숫자·리스크·준법 검토 항목
  • 월간 경영성과 리뷰 같은 업무는 단순 문장 작성이 아니라 지표 연결, 계획 대비 차이 해석, 원인 후보 정리, 경영진 질문 변환까지 포함하므로 구조화된 운영체계 없이는 안정적으로 반복하기 어렵다고 봅니다.

관심사 매칭 근거

  • 점수: 9/10
  • 매칭 키워드: AI agent, AX, workflow design, operating system, human approval, folder structure
  • 왜 수집했는가: 대표님의 AI Work OS, OMW, Loop Engineering, 에이전트 운영체계 관심사와 직접 맞닿아 있으며, “프롬프트보다 하네스/구조가 중요하다”는 JYP Labs 메시지를 기업 사례 언어로 설명하는 자료이기 때문입니다.

JYP Labs 운영체계 시사점

스킬화

  • 후보: 기업 업무 에이전트 워크스페이스 설계 스킬
  • 입력: 기존 업무 프로세스 설명, 핵심 데이터 소스, 승인 필요 지점
  • 출력: context/inputs/workflow/agents/outputs/review 구조와 역할별 작업 명세
  • 검증: 산출 폴더만 만들지 말고, 각 폴더에 실제 입력 샘플·판단 기준·승인 체크리스트가 들어있는지 확인해야 합니다.

강의화

  • 모듈 후보: “프롬프트 엔지니어링 다음 단계: 폴더 구조로 설계하는 AI Work OS”
  • 핵심 포인트 3개:
    1. 폴더 구조는 저장 구조가 아니라 업무 프로세스 명세다.
    2. 에이전트는 입력·판단·산출·승인 경계가 구조로 주어질 때 반복 성능이 안정된다.
    3. 기업 AX 격차는 모델 성능보다 업무 구조화 역량에서 벌어진다.

자동화

  • Trigger: 새 업무 영역에 대해 “AI 에이전트 붙여보자”는 요구가 들어옴
  • Input: 기존 SOP, 보고서 샘플, 데이터 소스, 승인 규정
  • Output: OMW source note + 업무 구조 설계 초안 + 승인 경계표
  • Approval boundary: 외부 보고서 전송, 실제 숫자 반영, 리스크/준법 판단 자동 확정은 반드시 사람 승인 필요

운영체계 업데이트

  • Planning Layer: 프롬프트 작성 전에 업무를 폴더/역할/승인 구조로 분해하는 단계가 선행돼야 합니다.
  • Execution Layer: 단일 에이전트보다 역할별 agents/ 분리와 workflow/ 기반 실행 루프 설계가 중요합니다.
  • Verification Layer: review/를 별도 계층으로 둬 승인 지점과 검증 책임을 명시해야 합니다.
  • Knowledge Layer: OMW/Obsidian은 단순 저장소가 아니라 context/와 review/를 유지하는 조직 기억 저장소로 기능할 수 있습니다.

주의점

  • LinkedIn 포스트 단일 출처이며, Samsung 사례의 세부 산출물·성과 수치·도입 결과는 공개 본문만으로는 확인되지 않습니다.
  • 본문에서 제시된 폴더 구조는 강력한 운영 원칙이지만, 실제 적용 시 업종별 데이터 거버넌스·보안·준법 제약을 별도 반영해야 합니다.

연결되는 노트

확인 필요

  • 공개 LinkedIn 본문 기준으로 수집했으며, 강의 자료 원본·Samsung 내부 사례 상세·실제 도입 성과는 별도 확인 필요.
  • Bright Data LinkedIn structured fallback으로 본문/메타데이터를 교차 확인했으나, 외부 링크나 세미나 소개 링크의 세부 내용은 이번 ingest 범위에 포함하지 않았습니다.

그래프 뷰

백링크