AI 에이전트, 조직의 조정 실패를 드러내다

AI는 조직의 기존 조정 능력을 대체하는 것이 아니라 증폭한다는 것이 핵심 논지다. 코드 생산 비용이 낮아지면서 소프트웨어 전달의 병목은 코드 작성에서 의사결정, 검증, 조정으로 이동했다. 이는 '인간은 만능이 아니다(The Mythical Man-Month)'에서 늦은 프로젝트에 인원을 더하면 더 늦어진다는 프레드 브룩스의 법칙과 유사하다. 조정되지 않은 조직에 AI 에이전트를 추가하면 문제가 악화된다.

산출량 환상

최근 AI 에이전트는 대량의 코드를 생성할 수 있다. Moonshot AI의 Kimi K2.5는 최대 100개의 하위 에이전트를 오케스트레이션하며, Cursor와 Anthropic은 C 컴파일러나 Linux 커널 같은 복잡한 소프트웨어를 구축하는 병렬 에이전트 팀을 시연했다. 하지만 저렴한 코드가 정확하고 작동하는 소프트웨어를 의미하지는 않는다. 산출물은 풍부하지만 검증이 부족하면, 검증되지 않은 코드의 양이 증가하여 리뷰 대기열을 압도하고 기술 부채를 누적시킨다.

AI 에이전트에 적용된 브룩스의 법칙

기사는 AI 에이전트 무리에 브룩스의 세 가지 핵심 제약 조건을 적용한다.

• 분할: Google Research는 명확히 분할된 작업에서 3~4개의 에이전트가 성능을 향상시키지만, 작업이 명확히 나누어지지 않으면 성능이 크게 저하된다고 발견했다. 분할이 Poor한 에이전트 무리는 간섭과 중복으로 고통받는다.
• 소통: 에이전트 수가 증가하면 통신 링크는 제곱으로 증가한다. 하위 에이전트를 관리하는 리드 에이전트 같은 계층적 구조가 도움이 되지만, 많은 독립적 행위자 간 의도를 정렬하는 근본적인 문제를 해결하지는 못한다.
• 훈련: 에이전트는 명확한 지침과 컨텍스트가 필요하다. 조직의 목표가 모호하면, 에이전트는 그 모호성을 대규모로 실행하여 오류를 수정하기보다 증폭시킨다.

노력에서 가치로의 전환

핵심 통찰은 AI가 노력의 비용은 낮추지만 가치의 비용은 낮추지 않는다는 점이다. 가치는 명확한 의도, 엄격한 검증, 효과적인 조정을 필요로 한다.

• 검증 병목: 코드 생성 속도는 증가했지만, 해당 코드를 리뷰하고 검증하는 시간은 비례적으로 감소하지 않았다는 데이터가 인용된다. 이는 '검증 부채'를 만든다.
• 조직 증폭: AI는 조직 건강도의 곱셈기 역할을 한다. 명확한 목표를 가진 잘 조정된 팀은 지수적 성장을 보지만, 목표가 불분명한 혼란스러운 팀은 지수적 혼란을 겪는다.
• '가짜 애자일' 함정: 많은 조직이 애자일 가치를 수용하지 않고 의식만 채택했던 것처럼, 기업들은 필요한 거버넌스, 소유권, 검증 프로세스를 수립하지 않고 AI 에이전트를 도입할 위험이 있다.

전략적 권장 사항

AI 에이전트의 이점을 얻으려면 세 가지 영역에 집중해야 한다.

1. 산출물이 아닌 가치에 초점: 성공을 코드 라인 수나 배포된 에이전트 수가 아닌 비즈니스 결과와 검증된 기능으로 측정한다.
2. 공유 의도에 투자: 에이전트를 확장하기 전에 목표와 제약 조건에 대한 명확하고 문서화된 공유 이해를 확보한다. 모호성은 대규모에서 비용이 크다.
3. 검증 역량 확장: 코드 생성 속도의 증가에 맞춰 테스트, 리뷰, 검증 역량을 동등하게 증가시킨다. AI 출력 검증에 특화된 새로운 도구 또는 인력이 필요할 수 있다.

결론적으로, 늦거나 혼란스러운 프로젝트에 AI 에이전트를 더 추가하면 더 늦고 더 혼란스러워질 뿐이다. 해결책은 더 많은 에이전트가 아니라 더 나은 조정, 더 명확한 의도, 그리고 견고한 검증 프로세스에 있다.