한눈에 보는 Agentic Lab
에이전트·RAG·하네스를 직접 빌드·운영하는 역량 확보 (Lv3 빌드~Lv4 거버넌스).
사내 지식 RAG·도구(MCP) 연동·검증 루프·HITL 게이트를 설계해 실제 운영까지 도달.
엔지니어·전략팀·도구 빌더. 교육에서 컨설팅으로 잇는 다리.
- 도구·환경 셋업(Lite)
- 온톨로지맵·개인 RAG 구축
- 에이전트·멀티에이전트 빌드(Build)
- 검증 루프·거버넌스 설계
- 도입·운영 동행(Coaching)
“AI를 쓴다”를 넘어 “AI 시스템을 만든다”로 갈 사람
국내 교육 시장은 ‘AI 활용’과 ‘개발자 RAG’에 몰려 있습니다. 그 사이 — 비개발 기획자가 자기 워크플로를 에이전트로 만들고, 팀이 통제된 자동화를 운영하는 — 중간층이 비어 있습니다. 그 자리를 채웁니다.
RAG·멀티에이전트를 직접 빌드
LangGraph·MCP(Model Context Protocol, 모델-도구 연결 표준)로 에이전트를 아키텍처부터 설계하고 운영하려는 개발자.
코딩 최소로 내 업무 에이전트
개발 전공이 아니어도 자기 도메인 워크플로를 에이전트·자동화로 직접 만들고 싶은 기획자·PM.
통제된 자동화를 조직에 정착
전사 AI 도입을 ‘AI 정책 문서’가 아니라 실제 운영 가능한 하네스·거버넌스로 구축하려는 5~15명 팀.
Lite로 체험하고, Build로 만들고, Coaching으로 운영합니다
같은 어휘(위임·지시·분별·책임)를 공유하되, 대상의 깊이에 맞춰 코딩 난도와 기간을 분기합니다. Lite는 미끼, Build는 주력, Coaching은 도입 동행입니다.
나만의 업무 에이전트
- 프롬프트 품질 기초 + 컨텍스트 엔지니어링
- 노코드 워크플로(커스텀 GPT·n8n)로 반복 업무 자동화
- 핸즈온 — 내 업무 1개를 에이전트로
- HITL(인간 개입, Human-in-the-Loop) 게이트 기초
Agentic 스택 직접 구축
- 대규모 언어모델(LLM)·임베딩·RAG 아키텍처
- 지식베이스 구축 + 벡터 검색
- 도구 호출(MCP) + 멀티에이전트 오케스트레이션
- 검증 루프·HITL 게이트·환각(할루시네이션) 탐지
- Capstone — 내 도메인 RAG 에이전트 엔드투엔드
AI 거버넌스 PM 심화
- 통제된 자동화 플랫폼 설계(Sillok형 — 등록·제안·드리프트 감사)
- 프롬프트팩 lifecycle·거버넌스(승인·버전·telemetry)
- 조직 도입 정책 — HITL 노드·위험·감사·책임
- 월간 워크숍 + 온라인 코칭 + 구현 동행
섹션 · 모듈 · 세부내용 · 결과물로 보는 상세 흐름
위 3단(Lite·Build·Coaching) 안에서 실제로 거치는 빌드 체인입니다. SKT AI Agent·Skill 파일럿, 삼성 구매 CPSM Agentic, 전사 Cowork 빌드 교재를 기준으로 구성했습니다. 핵심 원칙은 “자동화하기 전에 해체한다(Decompose before Automate)”입니다.
기준 — SKT AI Agent·Skill 파일럿 · 삼성 구매 CPSM Agentic 과정 · 전사 Cowork 빌드 교재. 결과물(FAL = Fully Active Learning)은 듣는 것이 아니라 그 자리에서 직접 빌드해 손에 남기는 산출물입니다.
Lv3 빌드와 Lv4 거버넌스, 국내에서 비어 있던 두 단계
경쟁 과정은 대부분 Lv1 활용·Lv2 워크플로에 머뭅니다. Agentic Lab은 “직접 빌드(Lv3)”와 “조직 운영(Lv4)”을 채웁니다.
프롬프트로 단건 업무 보조
반복 업무를 재사용 워크플로로
도메인 데이터를 연결한 에이전트·RAG를 직접 구축, 멀티에이전트·HITL 게이트 설계
전사 AI 도입 정책(HITL·위험·감사·책임)을 정의하고 거버넌스를 운영
한국형 LLMOS를 슬라이드가 아니라 매일 운영합니다
“에이전트를 만들어 봤다”가 아니라, 80개 이상의 프롬프트팩과 3-소스 검색(repo + 지식볼트 약 1.5만 노트)을 갖춘 운영 하네스(Sillok)를 실제로 돌립니다 — 국내에서 차용 불가능한 1차 자산입니다.
교육이 아니라 실제 도입까지 — 컨설팅 동행
Coaching은 강의가 아니라 실제 시스템 구축입니다. 고객 현장에 들어가 RAG·도구 도입·거버넌스를 함께 세웁니다.
영업체계 고도화 · RAG/Jira 도입
Sillok — 사내 운영 하네스
듣는 교육이 아니라, 그날 손으로 만드는 Fully Active Learning
강의는 20% 이하로 줄이고, 80% 이상을 직접 쓰고(Write)·토론하고(Discuss)·투표하며(Vote) 만드는 데 씁니다. 거기에 AI 빨간펜이 전원에게 1:1 피드백을 더합니다. (능동학습 효과크기 d=0.47 · Freeman et al., PNAS 2014)
Fully Active Learning
강의 ≤20%, 팀활동·인출·실습 ≥80%. 능동학습이 수동 강의보다 성취·전이가 높다는 메타분석에 기반합니다.
전원 1:1 동시 피드백
강사 한 명은 50명 중 10~15명만 봐줄 수 있습니다. AI 빨간펜이 참가자 전원에게 동시에 구조화된 피드백을 줍니다.
Write → Discuss → Vote
전원이 먼저 쓰고 AI가 1~2분 내 클러스터링·랭킹 → 발표 잘하는 몇 명이 아니라 모두가 참여하는 토론.
내 업무가 곧 실습 과제
가상 사례가 아닌 참가자 본인 업무를 분해·재설계합니다. 종료 시 내일 실행할 Action 1건이 손에 남습니다.
출처: 삼성전자 PMC 65명 실증(2026-03) · 신한EZ·LG·삼성 현장 워크숍 회고. 효과는 차수·집단에 따라 달라질 수 있습니다.
직접 만들어 본 분들의 이야기입니다
아래는 실제 빌드 워크숍 회고에서 발췌한 참가자의 말입니다. 개인 식별 정보는 빼고 프로그램 단위로 표기했습니다.
AI 에이전트 적용이 불가능한 일이 아닐 것이라는 영감을 얻었습니다.
스스로 생각한 것과 AI가 도출한 것을 바로 비교할 수 있어 좋았고, 같은 조 동료들의 생각도 엿볼 수 있었습니다.
에이전트 제작 과정도 궁금해졌습니다. 기회가 된다면 또 참석하고 싶습니다.
AI를 부탁대로만 쓰며 답답함을 느꼈는데, 직관적인 답을 계속 주셔서 더 구체적으로 해볼 수 있겠다 싶었습니다.
수동으로 하던 일들을 개선할 수 있겠고, 시간을 버는 것 같고 아이디어가 팡팡 퍼집니다.
4시간 만에 15명 전원이 본인 업무용 에이전트 명세와 임원 보고서를 완성했습니다. 진짜 성과는 아이디어가 아니라 자기 일을 워크플로·Pain Point·위임 가능한 판단 경계로 다시 보기 시작한 것입니다.
후기는 실제 빌드 워크숍·1:1 코칭 기록에서 발췌했습니다. ‘현장 평가’는 운영팀 회고 기준이며, 성과는 차수·집단에 따라 달라질 수 있습니다.
먼저 Lite로 체험하고, 필요하면 Coaching으로
비개발 기획자의 첫 에이전트부터 전략팀의 거버넌스 하네스까지 — 단계를 골라 시작하세요.