AI 에이전트에게 책 세 권을 읽혀도, 일은 저절로 정리되지 않았다

AI 에이전트에게 좋은 원칙을 알려주고, 생산성 도구를 연결하고, 메모를 잔뜩 쌓아도 같은 문제가 반복될 때가 있다. 지난번에 왜 그렇게 결정했는지 에이전트는 모르고, 오늘의 우선순위는 알림이 가장 큰 일에 끌려가며, 실패한 작업은 반성문 대신 새 프롬프트로 덮인다. 기억이 없는 문제와 통제되지 않는 문제를 동시에 풀지 않으면, 에이전트는 똑똑한 자동완성에 머문다.

나도 처음에는 더 좋은 모델이나 더 많은 연결이 답이라고 생각했다. 하지만 3 Pillars를 P-LAYER에 매핑하는 작업을 거치며 방향을 바꿨다. 원칙은 어디에 저장할지, 병목은 어디에서 찾을지, 반복되는 반응은 어떻게 기록할지를 먼저 정해야 했다. 도구를 늘리는 일보다 도구가 어떤 판단을 할 수 있고, 어떤 판단은 사람에게 남겨야 하는지를 설계하는 일이 먼저였다.

외부 정보: Dalio와 Goldratt는 서로 다른 문제를 같은 방향으로 밀어붙인다

외부 정보(하베스터 수집): Ray Dalio의 공식 Principles 자료는 목표를 세우고, 문제를 찾고, 근본 원인을 진단하고, 계획을 설계한 뒤 끝까지 실행하는 5단계 과정을 제시한다. 같은 자료에는 “Pain + Reflection = Progress”라는 문장과, 원칙을 도구와 프로토콜에 심어 데이터와 판단의 논리를 추적할 수 있게 하자는 설명도 있다.

Goldratt Research Labs가 설명하는 Theory of Constraints도 비슷하게 “전체 성능은 시스템의 제약, 즉 병목에 제한된다”고 본다. 그래서 제약을 식별하고, 낭비하지 않게 활용하고, 나머지를 제약에 종속시키고, 필요하면 제약을 확장한 뒤, 병목이 바뀌면 다시 처음으로 돌아가는 다섯 단계를 제안한다.

Goldratt의 제약 이론 다섯 집중 단계 도표
제약을 식별하고 활용한 뒤 전체를 맞추고 다시 관찰하는 순환. 이미지 출처: Goldratt Research Labs, Introduction to Theory of Constraints.

둘의 공통점은 “좋은 생각을 많이 갖자”가 아니다. 현실을 보고, 반복되는 실패를 진단하고, 그 진단을 다음 행동의 규칙으로 바꾸자는 것이다. 이 관점을 AI에 적용하면 에이전트의 역할도 달라진다. 에이전트가 나 대신 원칙을 결정하는 것이 아니라, 원칙 후보와 병목을 드러내고 사람이 승인할 수 있게 만드는 쪽이다.

상호작용: 세 기둥을 세 기능이 아니라 세 권한으로 번역했다

상호작용(에이전트-드루 대화·작업): 2026년 8월 16일 작업 산출물에는 3 Pillars와 P-LAYER의 매핑이 이렇게 기록되어 있다. Dalio의 원칙·결정은 P0 규칙 레이어와 P6 사고 기록으로, Goldratt의 제약·자원은 P2~P5의 진단·파이프라인으로, Greene의 사람·본성은 P1 정체성으로 연결한다.

여기서 중요한 것은 레이어의 이름이 아니다. 각 기둥에 서로 다른 쓰기 권한과 수명을 부여한 점이다. 규칙은 오래 남아야 하지만 함부로 바뀌면 안 된다. 병목 정보는 계속 갱신되어야 하지만 전체 시스템을 대표하지는 않는다. 반응 패턴은 나를 설명하는 자료이지, 나를 대신해 결론을 내리는 명령문이 아니다.

첫 번째 장치: P0에는 답이 아니라 ‘승인받은 원칙’만 남긴다

작업 중 가장 경계한 것은 에이전트가 실패를 이유로 규칙까지 바꾸는 상황이었다. 예를 들어 “이번 글의 반응이 약했으니 앞으로는 자극적인 제목만 쓴다”는 판단은 빠르지만 원칙이 아니다. 한 번의 결과를 시스템 전체의 규칙으로 승격했기 때문이다.

  1. 에이전트가 반복된 실패와 원인 후보를 제안한다.
  2. 나는 사실, 해석, 장기적인 부작용을 검토한다.
  3. 필요하다고 판단한 경우에만 원칙을 승인한다.
  4. 승인된 문장만 P0에 적용하고, 변경 이유와 날짜를 남긴다.

이 네 단계는 번거로운 결재선이 아니다. 에이전트가 자기 행동을 정당화하기 위해 규칙을 다시 쓰는 것을 막는 최소한의 안전장치다. P0는 에이전트의 메모장이 아니라 커널에 가깝다. 제안은 자동화할 수 있지만, 규칙의 승격은 자동화하지 않는다.

두 번째 장치: P6에는 실패의 감정이 아니라 다음 판단에 쓸 구조를 남긴다

실패를 기록한다고 해서 “아쉬웠다”로 끝내면 다음 작업에 재사용되지 않는다. 내가 P6 사고 기록에 넣으려는 단위는 다음과 같다.

Pain: 어디에서 실제로 막혔나?
Fact: 그때 확인된 사실은 무엇인가?
Pattern: 비슷한 실패가 언제 반복됐나?
Reflection: 내가 놓친 가정은 무엇인가?
Candidate rule: 다음번에 제안할 원칙은 무엇인가?
Decision: 적용 / 보류 / 폐기 중 무엇인가?

이 기록은 에이전트에게 “나를 이해해”라고 요구하는 감성 데이터가 아니다. 다음 대화에서 같은 설명을 처음부터 반복하지 않기 위한 판단 자료다. 다만 P6의 기록이 곧 P0의 규칙이 되지는 않는다. 반성이 원칙 후보를 만들 수는 있어도, 승인 절차를 건너뛸 수는 없다.

세 번째 장치: Goldratt식 병목 탐색으로 도구 추가를 멈춘다

AI 작업이 느릴 때 우리는 모델, 플러그인, 자동화 서비스를 먼저 찾는다. 그러나 실제 병목은 입력을 정리하지 못하는 데 있을 수도 있고, 승인할 사람이 한 명뿐인 데 있을 수도 있고, 결과를 다시 꺼내볼 저장소가 없는 데 있을 수도 있다. 이때 도구를 하나 더 붙이면 병목 앞에 대기열만 길어진다.

  1. 식별: 이번 주 작업이 가장 오래 멈춘 지점을 하나만 고른다.
  2. 활용: 새 도구 없이 현재 자원으로 그 지점의 낭비를 먼저 줄인다.
  3. 종속: 다른 자동화와 우선순위를 병목의 처리 속도에 맞춘다.
  4. 확장: 그래도 부족할 때만 새 도구나 용량을 추가한다.
  5. 반복: 병목이 풀렸다면 성공을 선언하지 말고 다음 병목을 다시 찾는다.

이 순서를 워크플로에 넣으면 “무엇을 더 사야 하나?”가 “어디에서 전체 흐름이 막히나?”로 바뀐다. 내가 세 기둥을 P-LAYER에 연결한 핵심 이유도 여기에 있다. Dalio가 무엇을 기준으로 결정할지 붙잡고, Goldratt가 어디에 자원을 몰아줄지 좁혀주면, AI는 그 사이에서 관찰·분류·제안·검증을 수행할 수 있다.

실제로 도입하는 30분 워크플로

거대한 agent framework를 새로 설치할 필요는 없다. 지금 쓰는 대화형 AI와 메모 도구만으로도 첫 실험을 할 수 있다. 최근에 반복된 실패 하나를 고르고 다음 순서로 진행한다.

  1. 문제 고르기(5분): “AI가 자주 틀린다”처럼 넓은 문장 대신, “초안은 나오지만 승인 단계에서 매번 멈춘다”처럼 흐름이 끊기는 지점을 적는다.
  2. 사실과 해석 분리(5분): 관찰한 로그·결과와 내가 붙인 원인을 두 칸으로 나눈다.
  3. 병목 확인(5분): 입력, 생성, 검토, 승인, 저장 중 어디에 대기열이 생기는지 표시한다.
  4. 원칙 후보 만들기(10분): AI에게 “이 실패에서 재발 방지 규칙 후보를 세 개 제안하되, 각 규칙의 부작용과 반례도 함께 적어라”고 요청한다.
  5. 사람이 결정하기(5분): 후보를 P0에 바로 쓰지 말고 적용·보류·폐기 중 하나로 판단한다. 적용한 경우에만 다음 작업에서 확인할 지표를 정한다.
역할: 너는 내 원칙을 바꾸는 결정자가 아니라 진단 보조자다.
입력: [실패한 작업의 사실과 결과]
출력:
1) 반복되는 병목 1개
2) 사실과 가정의 구분
3) 원칙 후보 3개
4) 각 후보의 반례와 부작용
5) 다음 작업에서 확인할 최소 실험
규칙: 승인 전에는 어떤 원칙도 시스템 규칙으로 확정하지 마.

더 좋은 에이전트가 아니라, 더 나은 판단 루프를 얻는 일

이 구조를 도입한다고 에이전트가 실수하지 않는 것은 아니다. 대신 실수가 어디에서 발생했는지 남고, 같은 실패가 원칙으로 승격될 때 사람이 개입하며, 도구를 추가하기 전에 병목을 확인할 수 있다. 결과적으로 얻는 것은 자동화율이라는 숫자 하나가 아니다. 설명 가능한 결정, 다시 찾을 수 있는 회고, 한 곳에 집중된 개선이다.

나는 3 Pillars를 P-LAYER에 매핑하면서 AI를 “모든 것을 대신하는 자율 존재”로 상상하는 데서 멀어졌다. AI는 패턴을 찾고, 후보를 만들고, 흐름을 측정하는 데 강하다. 하지만 어떤 원칙을 오래 유지할지, 어떤 비용을 감수할지, 언제 규칙을 바꿀지는 사람의 결정이어야 한다. 커널은 원칙, 스케줄러는 병목, 사용자 프로필은 반복되는 나라는 구분이 있어야 에이전트가 나를 돕지 나를 덮어쓰지 않는다.

오늘 한 가지 반복 실패만 골라보자. P6 형식으로 Pain과 Reflection을 적고, Goldratt식으로 병목 하나를 표시한 뒤, P0에 들어갈 원칙 후보를 만들어라. 아직 규칙을 자동 적용하지는 말자. 일주일 동안 후보를 검증하고, 실제로 반복을 줄였을 때만 승인하자. 이 작은 루프를 직접 돌려본 경험이나, 에이전트에게 맡기지 않기로 한 판단을 댓글로 남겨주면 좋겠다. 도구를 더 붙이는 것보다 먼저, 어떤 판단을 남기고 어떤 판단을 통제할지 정하는 것이 당신의 AI 워크플로를 바꾸는 출발점이다.

근거 출처

외부 정보(하베스터 수집)

Ray Dalio의 5단계 과정, Pain + Reflection = Progress, 원칙을 도구와 프로토콜에 심는다는 설명은 Principles by Ray Dalio 공식 원칙 모음을 참고했다. 현실을 정확히 이해해야 한다는 원칙과 radical open-mindedness·transparency에 관한 설명은 Principles.com의 Embrace Reality and Deal with It을 확인했다. Theory of Constraints의 병목 개념과 Five Focusing Steps는 Goldratt Research Labs, Introduction to Theory of Constraints를 참고했다. 본문 이미지는 같은 Goldratt Research Labs 페이지에서 제공하는 도표를 사용했다.

상호작용(에이전트-드루 대화·작업)

3 Pillars와 P-LAYER의 매핑, 즉 Dalio를 P0 규칙·P6 사고 기록으로, Goldratt를 P2~P5 진단·파이프라인으로 연결한다는 내용은 2026년 8월 16일 에이전트-드루 대화·작업 산출물에 기록된 lesson/memory에서 가져왔다. P0는 승인 게이트를 통과한 원칙만 변경하고, P6는 Pain과 Reflection을 다음 판단의 재료로 삼으며, 병목은 먼저 식별한 뒤 도구를 추가한다는 워크플로는 그 상호작용을 독자가 재현할 수 있도록 정리한 적용안이다. 상호작용에서 얻은 설계 판단을 외부 통계나 성능 실험 결과인 것처럼 제시하지 않았다.