1. 기존 AX의 한계
개인 업무는 빨라져도 조직의 목표 달성은 빨라지지 않았습니다.
생성형 AI로 보고서 작성이나 자료 정리 시간을 줄여도, 조직의 방향과 완료 기준이 불명확하면 리더 확인과 수정이 반복됩니다. 기준이 다른 상태에서의 자동화는 잘못된 방향으로 더 빨리 움직이게 할 위험이 있습니다.
더 큰 병목은 ‘작업 속도’보다 ‘협업 대기 시간’입니다
다음 행동을 위해 리더의 답변, 다른 팀의 자료, 회의 참석자의 기억을 기다리는 시간이 누적됩니다. 정보가 사람의 머리, DM, 회의, 여러 문서에 흩어져 있으면 담당자 부재만으로 업무가 멈출 수 있습니다.
도구 중심 AX는 조직의 학습을 남기지 못합니다
개인이 만든 프롬프트나 자동화가 조직의 판단 기준, 예외 사례, 실패와 개선 내용을 축적하지 못하면 담당자가 바뀔 때 다시 시작해야 합니다. AI 사용량이 늘어도 이것이 조직 성과에 어떻게 기여했는지 설명하기 어렵습니다.
AI는 조직의 암묵지를 스스로 알 수 없습니다
AI가 조직에 우선순위, 좋은 결과물의 기준, 승인 범위, 최신 현황을 알기 위해서는 이를 명시적으로 기록하고 연결해야 합니다. 기록되지 않고 접근할 수 없는 맥락은 AI에게 존재하지 않는 정보와 같습니다.
2. AX 정의 및 방향과 목표
AX 정의
조직의 성장과 목표 달성을 막는 문제를 AI 도구로 해결한다
문제 정의
기존의 질문이 “어떤 업무를 자동화할 것인가?”였다면, 앞으로는 다음 두 질문에서 출발합니다.
모든 구성원이 조직의 방향과 일하는 방법의 기준에 맞춰 판단하고 업무하고 있는가?
모든 구성원이 필요한 맥락과 다음 행동을 다른 구성원의 응답이나 의사결정에 대한 기다림 없이 얻을 수 있는가?
AX의 방향
모든 구성원이 창업자 또는 리더가 제시한 조직의 방향·기준으로 같은 방법으로 일하게 합니다.
모든 구성원이 조직의 방향·기준을 따르는 다음 행동을 기다림 없이 즉시 수행하게 합니다.
이에 따라 추진 순서를 다음과 같이 전환합니다.
조직 명료도 → 컨텍스트 엔진 → Agent → 업무 자동화
출처 입력
조직 명료도: 목적, 우선순위, 완료 기준, 의사결정·승인 권한을 명확히 합니다.
컨텍스트 엔진: 조직 기준과 최신 사실, 결정, 업무 현황, 피드백을 축적·연결합니다.
Agent: 조직 기준과 현재 사실을 바탕으로 답변과 다음 행동의 초안을 제안합니다.
업무 자동화: 반복 검증을 통과한 과제부터 실제 workflow로 구현합니다.
AX 프로젝트 목표
담당자가 바뀌거나 부재하더라도, 같은 맥락과 기준으로 일할 수 있는 조직의 지식 기반을 구축합니다.
목표 | 프로젝트 종료 시 확인할 결과 |
공통 기준 명료화 | 조직 공통 Runbook 검토·승인 |
개인 업무 맥락 구조화 | 대상 구성원별 개인 Runbook 검토·승인 |
최신 정보 연결 | 합의한 협업 도구의 수집·갱신·조회 확인 |
근거 기반 AI 활용 | 실제 업무 질문 100개 기준 의미 정확도 85% 이상, 검증 대상 답변의 출처 표시 100% |
실제 사용성 검증 | 5명 이상 테스트, 정보 탐색 시간 3분 이내 목표 및 착수 시 실측 대비 개선 |
후속 AX 준비 | 주요 과제 Top 5, 상위 3개 후보, 과제별 챔피언·책임자 확정 |
AI는 판단을 대신하는 최종 승인자가 아니라, 구성원이 같은 정보 위에서 더 빠르게 판단하도록 돕는 도구로 운영합니다.
3. 컨텍스트 엔진 기반 AX의 구성과 동작 방식
구성
구성 요소 | 담는 내용 | 역할 |
공통 Runbook | 조직 역할·우선순위·협업·의사결정·완료 기준 | 구성원이 함께 따라야 할 공통 기준 |
개인 Runbook | 담당 업무·절차·판단·예외·사용 자료·AI 위임 범위 | 담당자의 암묵지를 재사용 가능한 업무 지식으로 전환 |
협업 도구 연결 | Slack, 회의록, 문서, 이슈 관리, 기존 기업정보 시스템 중 합의 대상 | 최신 업무 사실과 변경 사항 공급 |
컨텍스트 엔진 | 승인된 지식, 출처, 변경 이력, 기존 POC의 판단 규칙·실패 사례 | Agent가 참조하는 조직의 Memory 계층 |
Agent POC | 검색·질의응답·브리핑·초안 기능 | 사용자의 질문에 근거와 다음 행동의 초안 제공 |
품질·권한 체계 | 평가 세트, 출처 확인, 접근권한, 사람 검토 | 부정확한 답변과 비인가 정보 노출 방지 |
동작 방식
조직 기준·Runbook + 최신 업무 자료
↓
수집·구조화·변경 이력 관리
↓
컨텍스트 엔진
↓
MCP Agent
↓
근거가 표시된 답변·다음 행동 초안
↓
담당자 검토·실행·피드백
↓
지식과 평가 기준의 개선
MCP는 Agent가 컨텍스트 엔진의 정보와 기능을 사용하도록 연결하는 표준 인터페이스입니다.
Agent는 사용자의 요청을 받으면 다음 순서로 응답합니다.
조직 기준 확인: 목적·우선순위·완료 기준·권한을 확인합니다.
현재 사실 확인: 최신 문서, 회의, 이슈, 기업정보 등 승인된 자료를 조회합니다.
판단 및 초안 제안: 두 정보를 함께 고려해 답변이나 다음 행동의 초안을 제안합니다.
근거와 한계 표시: 출처와 기록 시점을 제시하고, 자료 부족이나 충돌이 있으면 명시합니다.
사람 검토: 평가·합불, 대외 연락, 상태 변경, 고위험 의사결정은 담당자가 최종 판단합니다.
예상 활용 예시는 최신 현안 조회, 기업 미팅 전 브리핑, 업무 절차 안내, 회의 후 액션 초안 등입니다. 구체적인 첫 사용 사례는 인터뷰에서 확인한 빈도·소요 시간·오류·사업 임팩트를 기준으로 확정합니다.
4. 컨텍스트 엔진 동작 기술
컨텍스트 엔진은 조직의 원본 자료를 단순히 한곳에 모으는 저장소가 아니라, AI가 지속적으로 읽고 구조화하며 근거와 관계를 추적할 수 있는 지식 시스템입니다. 이를 위해 다음 기술을 함께 사용합니다.
기술 | 적용 방식 | 역할 |
LLM Wiki | 회의록·문서·Runbook 등 원본은 보존하고, AI가 원본을 읽어 주제·개념·인물·의사결정 중심의 위키로 컴파일·갱신합니다. | 흩어진 조직 맥락을 사람이 읽을 수 있고 AI도 활용할 수 있는 지속 가능한 지식베이스로 전환합니다. |
Wiki Skill | 지식의 수집·흡수(Ingest), 질의·종합(Query), 모순·누락·노후 정보 점검(Lint) 절차를 AI의 표준 작업 방식으로 정의합니다. | 담당자가 달라도 동일한 규칙으로 지식을 추가·조회·관리하게 합니다. |
Graph | 사람, 조직, 프로젝트, 문서, 결정, 개념 사이의 관계를 지식 그래프로 연결합니다. | 키워드 검색만으로 찾기 어려운 연관 맥락과 의사결정의 배경을 탐색하게 합니다. |
RAG (필요시) | 사용자의 질문과 관련된 위키·원본 정보를 검색해 필요한 맥락만 Agent에 제공하고, 검색한 근거를 바탕으로 답변을 생성합니다. | 최신 조직 지식에 근거한 답변을 제공하고 출처 확인과 환각 통제를 지원합니다. |
기술은 다음과 같이 하나의 흐름으로 동작합니다.
조직 원본 자료 ↓ LLM Wiki + Wiki Skill 구조화·갱신된 위키 ↓ Graph 관계와 연관 맥락 확장 ↓ RAG 질문에 필요한 근거 검색 ↓ 출처가 표시된 Agent 답변·다음 행동 초안
즉, LLM Wiki가 조직의 기억을 만들고, Wiki Skill이 기억을 관리하며, Graph가 지식의 관계를 연결하고, 질문에 필요한 근거를 찾아 Agent의 답변에 공급합니다.
📍 하이퍼파이프 : https://hyperpipe.kr/
📝 조직 명로도 진단 : https://clarity.hyperpipe.kr/
💌 비즈니스 제안 : support@hyperpipe.kr