Agent-native Company

AI SaaS가 아니라 AI 노동을 팔아라

기존 SaaS는 업무를 없애지 않고 화면 안으로 옮겼다. AI Agent가 도구를 넘어 완료된 노동을 팔기 위해 필요한 완전성, 예외 처리, 현장형 제품개발을 살펴본다.

에이전트보다 대시보드를 먼저 만들어라

AI 에이전트를 만들겠다는 팀은 대개 행동부터 설계한다. 고객에게 메일을 보내고, 늦은 업무를 독촉하고, 보고서를 만들고, 다음 조치를 스스로 결정하게 하려 한다. 순서가 거꾸로다. 에이전트가 무엇을 해야 하는지 정하기 전에, 지금 무슨 일이 벌어지고 있는지 볼 수 있어야 한다. 고객이 어디에서 멈췄는지, 어떤 일이 늦었는지, 누가 마지막으로 행동했는지 모르는 상태에서 자동화를

AI의 진짜 비용은 토큰이 아니라 확신에 찬 오답이다

회사가 AI 도입 비용을 계산할 때 가장 먼저 보는 숫자는 토큰 사용량이다. 모델별 단가를 비교하고, 월 예산을 정하고, 비싼 호출을 싼 모델로 옮긴다. 모두 필요한 일이다. 하지만 더 비싼 비용은 청구서에 찍히지 않는다. 틀린 판단이 그럴듯한 문서가 되어 조직 안을 이동하는 비용이다. AI가 만든 문서는 빠르다. 목차가 있고, 표가 있고,

에이전트가 많아질수록 회사에는 기억층이 필요하다

에이전트가 회사 안으로 들어오면 많은 사람은 실행 속도부터 본다. 세일즈 agent가 리드를 찾고, 코딩 agent가 PR을 만들고, 고객지원 agent가 답변하고, 프로젝트 매니저 agent가 이슈를 정리한다. 멋진 그림이다. 하지만 실행층만 늘리면 회사는 더 똑똑해지는 것이 아니라 더 시끄러워질 수 있다. 에이전트가 많아질수록 회사에는 더 강한 기억층이 필요하다. 실행층은 기억층 없이는 오래

AI-native agency는 도구 사용이 아니라 delivery system이다

AI-native agency라는 말은 쉽게 오해된다. 많은 사람은 그 말을 “AI 도구를 많이 쓰는 대행사”로 듣는다. 직원들이 ChatGPT를 잘 쓰고, 콘텐츠 초안을 빨리 만들고, 리서치를 빠르게 돌리고, 리포트 작성 시간을 줄이는 모습이다. 그건 시작점일 수는 있다. 하지만 그것만으로는 agency의 구조가 바뀌지 않는다. AI-native agency의 핵심은 tool adoption이 아니라

고마진은 AI가 아니라 좁은 오퍼에서 나온다

AI-native agency 이야기를 들으면 사람들은 먼저 도구를 묻는다. 어떤 모델을 쓰나. 어떤 자동화 툴을 붙였나. 리서치, 글쓰기, 리포트, CRM 업데이트를 어디까지 agent에게 맡겼나. 물론 중요하다. 하지만 고마진 작은 팀을 만드는 첫 조건은 도구가 아니다. 첫 조건은 좁은 오퍼다. 2명이 연매출 수백만 달러를 만들었다는 식의 사례를 볼 때 숫자부터 믿으면

사업

이름 없는 문제는 팔리지 않는다

문제명은 카피가 아니라 조직 안에서 예산과 책임자를 만드는 언어다. 기술 부채, 알림 피로, 다크 패턴, 제로 트러스트, 섀도 AI 사례로 보는 문제명 설계법.

AI

AI 시대의 MVP는 fake가 아니라 thin real이다

AI 시대 MVP를 가짜 데모가 아니라 작고 실제로 작동하는 thin real 검증 단위로 설계해야 한다는 글입니다.

AI

에이전트가 잘 돌수록 병목은 더 깊은 곳으로 간다

AI 에이전트 workflow가 좋아질수록 병목이 실행에서 문제정의, 검증, 조직 의사결정으로 이동한다는 글입니다.

AI

AI 시대의 병목은 코드가 아니라 spec이다

AI 시대 개발 병목이 코드 작성보다 좋은 spec, 판단 기준, acceptance test 설계로 이동한다는 글입니다.

AI

AX 전환은 설득이 아니라 이주다

AX 전환을 설득 캠페인이 아니라 기존 업무에서 새 작업 방식으로 옮겨가는 이주 문제로 해석한 글입니다.

AI

회사는 이제 에이전트를 위해 설계되어야 한다

AI 에이전트를 도입하려는 조직이 업무 구조, 권한, 기록, 검증 루프를 어떻게 다시 설계해야 하는지 정리한 글입니다.