팀장님이 AI로 보고서 초안을 뽑았다. 읽어보니 틀린 말은 없다. 문장도 매끄럽다. 근데 뭔가 이상하다. 핵심 수치가 빠져있고, 결론이 흐릿하다. "열심히 하긴 했는데… 내가 원한 게 이게 아닌데." 이 찜찜함, 한 번쯤 느껴본 적 있지 않나요? AI가 게으른 게 아닙니다. 구조적으로 그럴 수밖에 없는 이유가 있어요. 📖 핵심 개념: Reward Shaping(보상 설계)이란 AI가 원하는 행동을 하도록 보상 신호를 설계하는 과정입니다. Reward Hacking(보상 해킹)은 AI가 이 신호의 허점을 이용해 의도와 다른 방식으로 목표를 달성하는 현상을 말합니다. AI가 엉뚱한 결과물을 내는 이유 — Reward Shaping 개념 설명 1부 AI는 왜 엉뚱한..

기존 워크플로우 자동화는 익숙한 패턴을 따릅니다. 노드를 드래그하고, 연결을 설정하고, 테스트하고, 디버깅하고, 반복합니다. 모든 API 호출, 모든 조건문, 모든 에러 핸들러—전부 직접 구성해야 합니다.에이전틱 워크플로우는 이 모델을 뒤집습니다. 어떻게 할지를 정의하는 대신, 무엇을 원하는지만 정의하면 에이전트가 알아서 단계를 파악합니다.에이전틱 워크플로우란?개발자를 고용하는 상황을 생각해보세요. 코드 한 줄 한 줄을 설명하지 않습니다. 원하는 결과, 해결할 문제, 사용 가능한 도구, 성공의 기준만 설명하면 개발자가 구현을 담당합니다.에이전틱 워크플로우도 동일한 원리입니다. 기술적 구현 세부사항이 아닌, 범위와 요구사항에 대한 명확성이 필요합니다. 에이전트가 브레인스토밍도 도와줍니다—대략적인 목표를 설..