AX 인사이트 뉴스레터 — 2026년 5월 16일
대상: 전체 구성원 여러분
이번 호 주제: CAIO 워크샵 핵심 메시지 — AI 시대, 우리가 잃어버려서는 안 되는 한 가지
안녕하세요, 여러분.
어제 중간리더 워크샵에서 CAIO분의 강연이 있었습니다. 구성원 모두가 들으면 좋을 내용이라 핵심을 정리해 공유합니다.
카파시의 한 마디, 온톨로지 기반 AX, 오픈클로와 에르메스 에이전트, 하네스 엔지니어링까지 — 키워드는 많았지만 결국 하나의 질문으로 수렴됩니다.
“AI가 점점 더 많은 일을 대신할 때, 우리는 무엇을 해야 하는가?“
1부 | “생각은 위임해도, 이해는 위임하지 마라”
카파시가 남긴 단 하나의 문장
OpenAI 공동창업자이자 Tesla 전 AI 책임자인 앤드레이 카파시는 최근 이런 말을 남겼습니다.
“Thinking은 아웃소싱할 수 있다. 그러나 Understanding은 아웃소싱할 수 없다.”
얼핏 비슷해 보이지만 전혀 다른 개념입니다.
| 개념 | 의미 | AI 위임 여부 |
|---|---|---|
| Thinking (처리·분석) | 정보를 받아 단계적으로 결론에 도달하는 것 | ✅ AI가 잘함 |
| Understanding (이해) | 정보가 내 머릿속에서 기존 지식과 연결되며 “아, 이거구나”로 바뀌는 것 | ❌ 내가 직접 해야 함 |
카파시는 이렇게 덧붙입니다.
“나는 여전히 시스템의 일부다. 무엇을 만들지, 왜 할 가치가 있는지, 에이전트를 어떻게 지휘할지 — 이건 내가 병목이다.”
우리 모두에게 의미하는 것: AI가 초안을 쓰고, 분석을 하고, 코드를 짜도 — “이게 맞는 방향인가, 이 결과가 신뢰할 수 있는가”를 판단하는 것은 여전히 우리의 몫입니다. AI를 많이 쓸수록 자기 분야에 대한 이해가 오히려 더 중요해집니다.
2부 | 온톨로지 기반 AX — “AI에게 우리 회사 언어를 가르친다”
AI 도입이 기대만큼 안 되는 이유
많은 기업이 AI를 도입했지만 효과가 절반에 그치는 이유 중 하나, AI가 우리 회사의 맥락을 모르기 때문입니다.
“고객”이라는 단어 하나도 팀마다 다르게 씁니다. “제품”, “완료”, “승인”의 정의가 부서마다 다릅니다. AI는 그 차이를 알 수 없습니다.
온톨로지(Ontology) 는 이 문제를 풉니다. 우리 조직 안에서 쓰는 개념·용어·관계·규칙을 구조화해서 AI가 정확하게 이해하도록 만드는 것입니다. 쉽게 말하면 “우리 회사 사전”을 AI가 읽을 수 있는 형태로 만드는 것입니다.
도입 효과 (실제 사례)
- 참여자 87.5%가 생산성 향상 체감 (A사)
- 하루 1시간 이상 시간 절약을 보고한 직원 31.3% (A사)
- 프로세스 검토 시간 90% 단축 (글로벌 제조사 Kärcher)
핵심은 “AI 도구를 깔았다”가 아니라, AI가 우리 업무 언어를 이해하도록 구조를 먼저 만들었다는 것입니다.
3부 | 오픈클로와 에르메스 — “AI를 도구가 아닌 팀원으로”
에이전트란 무엇인가
요즘 AI는 단순히 질문에 답하는 것을 넘어, 스스로 계획하고 도구를 사용해 일을 끝까지 처리하는 에이전트로 진화하고 있습니다. 이 흐름에서 주목받는 두 프레임워크가 워크샵에서 소개됐습니다.
오픈클로(OpenClaw) — “AI를 팀원처럼 운영”
- 에이전트에게 성격·역할·비즈니스 규칙을 부여해 팀원처럼 운영
- Slack 채널에서 실제 팀원과 동일하게 소통·협업
- 여러 에이전트가 동시에 각자 역할을 맡아 병렬로 작업
- “AI에게 시키는” 구조가 아닌, “AI가 역할을 맡는” 구조
에르메스(Hermes) — “AI가 일하면서 스스로 성장”
- 문제를 해결하면 그 방법을 자동으로 스킬로 저장
- 비슷한 상황이 오면 이전 경험을 활용해 더 잘 해결
- 24시간 운영되며 리서치·브리핑·반복 업무를 자동화
- 오래 쓸수록 품질이 높아지는 복리 효과
두 에이전트 한눈에 비교
| 오픈클로 | 에르메스 | |
|---|---|---|
| 핵심 철학 | 팀원·협업 중심 | 자율 성장·학습 중심 |
| 강점 | Slack 연동, 다채널 팀 운영 | 스킬 자동 축적, 장기 운영 |
| 적합한 용도 | 팀 워크플로우 자동화 | 반복 리서치·브리핑 자동화 |
4부 | 하네스 엔지니어링 — “AI가 스스로 문제를 고치는 구조”
같은 AI, 다른 결과 — 차이는 ‘하네스’
같은 AI 도구를 써도 누군가는 매번 긴 설명을 입력하고, 누군가는 한 마디면 원하는 결과가 나옵니다. 이 차이를 만드는 것이 하네스 엔지니어링입니다.
하네스란, AI가 작동하는 방식 자체를 설계하는 것입니다.
- 지침: AI가 미리 알아야 할 규칙·맥락을 사전에 정의
- 스킬: 반복되는 절차를 저장해 언제든 꺼내 쓰는 구조
- 훅(Hook): 특정 상황이 발생하면 자동으로 실행되는 행동
핵심: 스스로 개선하는 AI
하네스 엔지니어링의 가장 중요한 특징은 자기 개선입니다.
AI가 같은 실수를 반복하면 그것은 AI의 문제가 아니라 하네스 설계의 문제입니다. 실수가 발생하면 그 실수가 다시는 반복되지 않도록 지침·스킬·훅을 업데이트합니다. 시스템이 작동하면서 스스로 더 나아지는 구조입니다.
“같은 문제를 세 번 반복하면, 그건 AI의 문제가 아니라 하네스 설계의 문제다.”
정리 | 오늘 가져갈 세 가지
1. 이해는 내가 해야 한다 (카파시)
AI가 분석하고 결론을 내더라도, “이게 맞는가”를 판단하는 것은 여전히 나의 몫입니다.
2. AI 도입의 성패는 ‘구조’가 결정한다 (온톨로지·하네스)
도구보다 먼저, 우리 업무의 맥락과 규칙을 정의하는 것이 중요합니다.
3. 잘 설계된 AI는 시간이 갈수록 더 좋아진다 (에이전트·하네스)
처음 세팅이 잘 되면 쓸수록 품질이 높아집니다. 6월 플랫폼 출시가 그 시작점이 될 것입니다.
궁금한 점이나 공유하고 싶은 경험이 있으시면 편하게 연락 주세요.
감사합니다.