대화를 지식으로 바꾸기: Slack이 인간-에이전트 팀을 만드는 방법

슬랙 CPO Jaime DeLanghe는 2017년부터 업무 대화를 조직 지식으로 바꾸는 문제를 다뤄왔으며, AI 에이전트가 공개 채널의 대화·결정·진행 상황을 해석하면서 그동안 활용하기 어려웠던 업무 맥락을 실제 작업에 사용할 수 있게 됐다고 봄 Claude 기반 에이전트가 초안 작성·요약·모니터링·준비를 맡고, 사람이 검토·결정·수정한 뒤 다음 작업을 다시 넘기는 순환형 핸드오프가 인간-에이전트 협업의 기본 리듬임 각 에이전트에는 명확한 목표와 역할을 부여하고, 반복적이고 정형화된 업무는 범용 에이전트에 맡기며, 구성원이 용도를 이해하지 못하는 에이전트는 정리할 필요가 있음 민감하지 않은 업무는 공개 채널을 기본값으로 삼아 사람과 에이전트가 같은 맥락을 공유하고, 실제 민감 정보는 의도적으로 분리하며 초안과 미완성 질문까지 공개하려면 심리적 안전이 필요함 메시지 수나 토큰 사용량 같은 활동 지표는 실제 가치를 입증하지 못하므로 결과를 중심으로 판단하고, 작은 공동 실험과 재사용 가능한 사례 공유를 통해 새로운 업무 방식을 조직 안에 확산하는 접근을 권장함 Slack CPO Jaime DeLanghe가 말하는 인간-에이전트 협업 이 글은 Slack 최고제품책임자(CPO) Jaime DeLanghe와의 대화를 바탕으로, Slack에서 인간과 AI 에이전트가 함께 일하는 방식을 어떻게 운영하고 있는지 정리한 내용임 DeLanghe는 2017년 Slack에 합류해 검색과 머신러닝을 담당했으며, 초기부터 업무 중 발생하는 대화를 조직 지식으로 전환하는 문제를 다뤄왔음 그녀가 오래전부터 강조해온 방식은 대화·결정·진행 상황을 누구나 읽고 검색할 수 있는 채널에 남기는 것이며, AI 에이전트가 등장하면서 이 축적된 맥락을 활용하는 일이 가능해짐 최근 글 The Work is the Conversation에서도 업무 자체를 둘러싼 대화가 에이전트에게 필요한 맥락이며, 흩어진 지식을 생산성으로 바꾸는 기반이라고 봄 업무 대화를 조직 지식으로 전환 Slack은 업무 과정에서 생긴 대화가 조직 지식으로 누적되기를 오래전부터 기대했지만, 실제로는 많은 정보가 그대로 쌓일 뿐 사람들이 같은 내용을 반복해서 설명해야 했음 사람이 방대한 대화 기록을 직접 해석하기는 어려웠지만, 이제는 에이전트가 그 작업을 맡을 수 있음 대화 기록을 지식 기반으로 활용하는 방법 공개 채널을 기본값으로 사용해 에이전트가 결정과 진행 상황에 접근할 수 있...