ClickUp에서 AI 의사 결정 에이전트를 구축하여 더 현명한 캠페인 의사 결정을 내린 방법

저는 ClickUp에서 수많은 기존 워크플로우와 자동화 기능을 사용해 왔습니다. 이러한 기능들은 작업을 A에서 B로 이동하거나, 상태를 업데이트하거나, 소유자를 지정하는 데는 훌륭합니다. 하지만 어느 순간, 저는 중요한 사실을 깨달았습니다. 그 어떤 자동화 기능도 실제로 제 캠페인을 고려하고 있지 않았다는 것입니다.

저는 실행력과 지능을 결합할 수 있는 시스템이 필요했습니다. 그리고 그 해답을 자산 라이브러리 관리자라고 부르는 AI 의사결정 에이전트에서 찾았습니다.

이 글에서는 ClickUp 내( ClickUp Super Agents를 사용하여) 이 AI 의사결정 에이전트를 구축한 과정과, 이것이 제 비즈니스에 왜 필요했는지 자세히 설명해 드리겠습니다.

소개: 공인 ClickUp Consultant이자 비즈니스 프로세스 관리자

공인 ClickUp Consultant이자 5년 이상의 경력을 보유한 비즈니스 프로세스 매니저로서, 저는 체계적인 시스템과 실행력을 바탕으로 에이전시와 스타트업의 성장을 지원해 왔습니다. 40개 이상의 기업을 위해 운영 프레임워크를 구축하고 관리했으며, 115개 이상의 팀을 대상으로 변화 관리를 주도했고, 다중 클라이언트 환경에서 제공 속도와 일관성을 개선하면서 최대 16.4배의 운영 성장을 이끌어냈습니다.

왜 단순한 자동화만으로는 제 캠페인에 충분하지 않았을까요?

제 자산들은 여러 위치에 흩어져 있었고, 캠페인 작업들은 서로 다른 리스트에 있었으며, 각 자산이 다음에 어디로 이동해야 할지는 여전히 제가 직접 결정해야 했습니다. 새로운 캠페인, 지역, 채널이 생길 때마다 수동으로 결정해야 할 일이 늘어났고, 이로 인해 중복, 기회 상실, 가시성 부족의 위험도 커졌습니다.

그때 저는 다른 질문을 던졌습니다:

워크플로우를 만드는 일을 그만두고, 대신 저를 대신해 의사결정을 내릴 수 있는 지능형 시스템을 ClickUp에서 구축한다면 어떨까요?

🦾 ClickUp 슈퍼 에이전트가 처음이신가요?

ClickUp 슈퍼 에이전트는 작업 공간 내에서 작동하는 AI 기반 에이전트로, 작업, 데이터 및 활동을 분석하고 해당 맥락에 따라 조치를 취합니다. 작업 우선순위 지정, 프로젝트 상태 업데이트, 자산 전달 등 특정 역할을 부여하면, 에이전트는 실시간 작업 공간 정보를 바탕으로 작동합니다.

이 제품의 차별점은 무엇일까요?

기본적인 자동화 기능과 달리, 슈퍼 에이전트는 단순히 규칙을 따르기만 하는 것이 아닙니다. 슈퍼 에이전트는 다음과 같은 기능을 수행합니다:

• 작업, 문서, 댓글 전반에 걸친 맥락을 파악하세요
• 단순히 트리거를 실행하는 것이 아니라 의사결정을 내리세요
• 워크플로우의 변화에 따라 유연하게 적용하세요

이를 단순한 '이 경우 저렇게' 식의 자동화 기능이 아니라, 시스템에 통합된 AI 팀원으로 생각해보세요.

사고방식의 전환: 워크플로우에서 지능형 시스템으로

ClickUp에서 AI 에이전트를 구축하기 전에, 한 단계 물러나 시스템을 정의합니다.

단순한 자동화가 아닙니다. 바로 시스템입니다.

제게 있어 이는 다음 세 가지 질문으로 요약됩니다:

저는 AI 의사결정 에이전트가 캠페인 의사결정에 따르는 정신적 부담을 덜어주기를 원했습니다.

제 '자산 라이브러리 관리자'의 경우, 다음과 같이 구현되었습니다.

1. 목적: 이 AI 의사결정 에이전트는 어떤 문제를 해결하려고 하는가?

저는 비디오, 이미지, 카피 등 모든 캠페인 자산을 한곳에 모아두고 싶었습니다:

다시 말해, ClickUp 내에서 에이전트가 자산 배포 결정을 전담하도록 하여 누락되는 일이 없도록 하고 싶었습니다.

2. 시스템 기능: 현재 설정이 AI 의사 결정을 지원할 수 있나요?

AI 의사 결정 에이전트의 성능은 이를 운영하는 시스템의 성능에 따라 결정됩니다. 따라서 작업, 문서, 관계, 캠페인 데이터가 모두 한곳에 모여 있는 환경에서 구축하는 것이 합리적입니다. 에이전트가 하나의 연결된 디지털 작업 공간에서 전체적인 상황(자산, 위치, 상태, 이력)을 파악할 수 있다면, 그 결정은 추측이 아닌 현실에 기반을 두게 됩니다.

저에게 있어 ClickUp의 통합 AI 작업 공간이 바로 그런 공간입니다.

ClickUp을 사용하면, 운영의 일부만 파악하는 개별 AI 도구들을 조각조각 이어 붙이는 대신, 팀이 실제로 수행하는 모든 작업 위에 통합된 하나의 지능형 레이어를 구축할 수 있습니다. 그 결과, 에이전트의 메모리와 작업 공간이 함께 성장함에 따라 더 스마트한 추천을 받을 수 있고 , 맥락 전환이 필요 없으며 , 시간이 지날수록 의사 결정의 질이 지속적으로 향상됩니다.

저는 자산 라이브러리 관리자가 다음을 수행할 수 있도록 ClickUp 설정을 구성했습니다:

리스트, 사용자 지정 필드, 관계 설정이 탄탄하지 않았다면 에이전트가 작동이 멈추거나 혼란을 초래했을 것입니다. 그래서 저는 시스템 설계를 에이전트 자체의 일부로 간주했습니다.

3. 에이전트의 역할: 단순한 전달자가 아닌 운영자

마지막으로, 에이전트의 역할을 정의했습니다.

대부분의 시스템은 다음과 같이 설계되어 있습니다: X가 발생하면 → Y를 수행합니다

이것이 바로 우리가 말하는 '간편한 자동화'입니다.

제가 원했던 것은 좀 다른 것이었습니다. 상황을 평가하고 이를 바탕으로 마치 사람처럼 의사결정을 내릴 수 있는 /AI 의사결정 에이전트였습니다.

'내 자산 라이브러리 관리자'의 역할은 다음과 같습니다:

이 세 가지 요소가 명확해지자 나머지 모든 것이 훨씬 수월해졌습니다. 저는 더 이상 단순히 영리한 자동화 시스템을 구축하는 것이 아니었습니다. 저는 '비욘드 슈퍼 에이전트(Beyond Super Agent)'라고 부르는 것을 구축하고 있었습니다. 이는 목적을 이해하고, 유능한 시스템 내에서 작동하며, 명확하게 정의된 역할을 가진 에이전트입니다.

AI 의사 결정 에이전트의 신뢰성을 높이기 위해 프롬프트를 구성한 방법: 5가지 핵심 원칙

시스템 준비가 완료되자, 저는 대부분의 사람들이 가장 먼저 뛰어드는 부분인 프롬프트 작업으로 넘어갔습니다.

하지만 긴 설명 한 번에 다 다루기보다는, 이를 다섯 가지 명확한 구성 요소로 나누었습니다. 덕분에 AI 의사 결정 에이전트를 더 쉽게 제어하고, 테스트하며, 개선할 수 있게 되었습니다.

다음은 제 에이전트가 내리는 결정의 품질을 좌우하는 AI 프롬프트의 핵심 요소들입니다:

1. 역할 정의: 이 에이전트는 누구를 대신하는 것인가?

저는 에이전트에게 무엇을 해야 하는지 지시하는 것뿐만 아니라, 어떤 존재가 되어야 하는지도 알려줍니다.

📌 자산 라이브러리 관리자를 위해, 다음과 같은 역할을 수행하도록 요청했습니다:

“다수의 클라이언트를 관리하는 경험 많은 에이전시 소유자이자 운영 설계자.”

이 한 줄이 모든 것을 바꿉니다. 이제 에이전트가 응답할 때, 다음과 같은 관점을 바탕으로 응답합니다:

2. 배경 및 범위: 어떤 공간에서 운영되나요?

다음으로, 상황과 범위를 가능한 한 명확하게 정의합니다:

이를 통해 에이전트는 방 벽의 위치를 파악하므로, 제 작업 공간의 잘못된 구역으로 헤매지 않게 됩니다.

3. 의사 결정 논리: 언제, 어떻게 결정해야 할까요?

그런 다음 의사 결정 논리를 구체적으로 설명합니다. 에이전트에게 무엇을 해야 하는지 지시하는 대신, 에이전트가 어떻게 생각해야 하는지를 정의했습니다.

자세히 설명하면 다음과 같습니다:

이렇게 하면 에이전트는 단순히 아이디어를 생성하는 데 그치지 않습니다. 언제 조치를 취해야 하는지와 올바른 의사결정이 어떤 모습인지 파악할 수 있습니다.

4. 입력 데이터: 어떤 데이터를 신뢰하나요?

모든 의사결정은 그 기반이 되는 데이터만큼만 훌륭합니다. 그래서 저는 에이전트를 필요한 데이터 레이어에 연결합니다:

프롬프트에 다음과 같이 명확히 명시합니다: 다음에 무엇을 할지 결정할 때 사용해야 할 입력값은 다음과 같습니다.

5. 산출물: 어떤 조치와 형식을 기대하나요?

마지막으로 출력값을 정의합니다:

역할, 상황, 의사결정 논리, 입력값, 출력값이라는 이 다섯 가지 요소가 갖춰지면, 그 솔루션은 대개 제가 해결하고자 하는 실제 문제와 밀접하게 부합하게 됩니다.

🎥 직접 '슈퍼 에이전트'를 만들어 보고 싶다면, 다음의 간단한 설명 영상을 확인해 보세요:

'자산 라이브러리 관리자'라고도 불리는 내 AI 의사결정 에이전트가 ClickUp 내에서 실제로 어떻게 작동하는지 알아보세요

기반을 마련한 후, 에이전트를 ClickUp 작업 공간에 연결하여 두 가지 주요 방식으로 작동하도록 설정했습니다.

옵션 1: 자산 라이브러리에서 수동으로 트리거하기

첫 번째 방식은 간단하고 직관적입니다.

이것만으로도 수작업으로 진행하던 수많은 라우팅 일을 없앨 수 있습니다. 하지만 진정한 힘은 두 번째 모드에서 발휘됩니다.

옵션 2: 일정 기반 의사 결정

두 번째 모드에서는 시스템이 진정한 의미에서 “Beyond Super Agent”의 수준에 도달합니다.

여기서 에이전트는 자산 라이브러리의 전체 출력을 활용하여 스스로 의사 결정을 내립니다:

📌 이를 통해 다음과 같은 결정을 내릴 수 있습니다:

“이슬라마바드에서 이미 배포된 적이 있고 복구용 비디오인 이 전략적 우위 자산을 위해, 다음에는 복구 이미지나 이동성 이미지를 보내도록 합시다.”

제가 자산이 어디에 게재되었는지, 다음 단계는 무엇인지 끊임없이 확인하는 대신, 에이전트가 데이터를 분석하여 결정합니다.

제가 AI 에이전트와 협업하기 위해 ClickUp 채팅을 사용하는 이유

ClickUp에서 에이전트는 전체 작업 공간에서 작동할 수 있습니다. 리스트, 폴더 및 스페이스의 자동화(상태 변경, 새 작업 생성, 필드 업데이트에 반응)를 통해 에이전트를 실행하거나, 작업에 직접 할당하거나, 작업 댓글 및 문서에서 @멘션을 사용하거나, ClickUp 채팅에서 DM 및 @멘션을 통해 에이전트와 상호 작용할 수 있습니다.

하지만 저는 에이전트와 가장 많은 시간을 채팅에서 보냅니다. 그럴 만한 이유가 있습니다.

제 'Asset Library Manager' 채팅방에는 두 가지 목표가 있습니다:

채팅 기능을 통해 마치 동료가 대기하고 있는 것처럼 실시간 대화형 인터페이스를 이용할 수 있습니다. 이를 통해 다음과 같은 작업을 수행할 수 있습니다:

이는 단순히 요청을 제출하는 것과 상호 대화를 주고받는 것의 차이입니다.

'자산 라이브러리 관리자'와 같은 에이전트의 경우, 의사결정이 서로 연동되고 맥락이 중요한 만큼, 이러한 반복적인 대화가 바로 시스템 전체가 원활하게 작동하게 만드는 핵심입니다.

에이전트가 오류를 일으킬 때

시간이 지나면서 재미있는 사실을 발견했습니다. 제 명령어가 명확하지 않으면 에이전트가 약간 "삐져" 있는 듯한 반응을 보였죠. 시스템에 문제가 있어서가 아니라, 제 프롬프트가 성공을 위한 조건을 제대로 갖추지 못했기 때문이었습니다.

이럴 때면 저는 항상 다음의 다섯 가지 프롬프트로 돌아갑니다:

이러한 시스템이 구축되면 대회의 생산성이 비약적으로 높아집니다.

간단한 메시지 하나로 시스템의 스트레스 테스트 수행하기

이 에이전트를 사용하면서 가장 인상 깊었던 순간 중 하나는 단 하나의 채팅 명령어로 전체 스트레스 테스트를 실행해 본 것이었습니다.

📌 에이전트에게 이렇게 말했습니다:

“스트레스 테스트를 진행하고 싶습니다. 무작위 위치를 선택하여 자동으로 트리거하고, 흐름에 따라 캠페인 작업을 생성해 주세요. 흐름의 어떤 부분도 누락되지 않았는지, 작업에 중복이 없는지 확인해 주세요. 테스트를 실행하기 전에 필요한 사항이 있으면 언제든지 물어보세요.”

🌟 다음은 그 과정입니다:

단 한 번의 대화만으로도 15~30단계의 작업이 필요했고, 시스템을 확장할 때 어떤 부분에서 문제가 발생할 수 있을지 명확히 파악할 수 있었습니다.

결과는 어땠을까요? 제 설정은 50개 위치 정도까지는 문제없이 작동했지만, 100개 이상으로 확장하려고 하면 시스템에 부담이 생길 수 있다는 사실을 깨달았습니다. 이 통찰력은 대시보드에서 얻은 것이 아니라, 담당자와의 대화를 통해 얻은 것이었습니다.

에이전트를 보고 파트너로 활용하기

👉🏼 저는 채팅을 통해 다음과 같이 간단하지만 강력한 질문도 던집니다:

👉🏼 이 에이전트는 자산 목록, 해당 자산이 전송된 위치, 그리고 ClickUp으로 연결된 링크를 응답으로 제공합니다. 그런 다음 한 단계 더 발전시켜 보겠습니다:

“지난 24시간 동안의 요약 정보를 제공하고, 이 자산들을 다음에 배포해야 할 상위 10개 위치를 추천해 주세요. 각 추천에 대한 명확한 근거도 함께 제시해 주세요.”

현재 에이전트는 다음을 사용하고 있습니다:

…제가 다음에 정확히 어디로 가야 하는지, 그리고 왜 그래야 하는지 추천해 줍니다.

👉🏼 더 자세히 알고 싶다면 다음과 같은 추가 질문을 할 수 있습니다:

이 에이전트는 동일한 데이터와 논리를 사용하여 핵심을 짚은 답변을 제공합니다.

단 하나의 스마트 AI 의사결정 에이전트에서 확장 가능한 의사결정 엔진으로

이 시점에서 제 '자산 라이브러리 관리자'는 ClickUp 작업 공간 위에 구축된 견고한 AI 의사 결정 레이어가 되었습니다.

그 전에는 저는 항상:

이제 이 프로세스는 AI 의사 결정 에이전트가 처리합니다.

필요할 때는 여전히 제가 최종 결정을 내립니다. 하지만 더 이상 처음부터 시작하지는 않습니다. 그리고 이러한 변화는 점점 더 보편화되고 있습니다.

맥킨지 앤 컴퍼니(McKinsey & Company) 보고서에 따르면, 기업들은 의사결정이 핵심적인 역할을 하는 마케팅, 영업 팀, 전략 등의 분야에서 AI를 통해 가장 큰 가시적 효과를 거두고 있습니다.

다음 단계: ClickUp에서 나만의 AI 의사 결정 에이전트를 구축하는 방법

여러 위치, 채널 또는 클라이언트에 걸쳐 자산을 관리하고 있다면, 더 이상 스프레드시트와 수동 배분에 매달릴 필요가 없습니다.

먼저 다음 질문을 던져보세요:

그런 다음 그 답변을 바탕으로 첫 번째 에이전트를 설계해 보세요.

마지막으로 채팅 기능을 활용해 보세요. 질문을 하고, 스트레스 테스트를 실행하며, 에이전트가 시스템의 개선이 필요한 부분을 알려주도록 하세요.

이것이 바로 단순한 자동화를 넘어, ClickUp에서 여러분을 대신해 실제로 작동하는 지능형 시스템을 구축하는 방법입니다.

AI 실험에서 실제 AI 의사 결정으로

AI를 활용해 의사 결정을 자동화하고 싶다면, 제가 드리는 가장 확실한 조언은 다음과 같습니다:

더 이상 고민하지 마세요:

❌ “AI를 활용하면 이 작업을 더 빨리 처리할 수 있을까요?”

그리고 다음과 같이 생각해 보세요:

✅ “AI가 어떤 부분에서 결정을 내려야 할까요?”

대부분의 팀은 아직 초기 단계에 머물러 있습니다. 실험을 하고, tools를 테스트하며, 사소한 작업을 자동화하는 단계죠.

하지만 진정한 시너지는 이미 AI 의사 결정 에이전트를 수용할 수 있도록 구조화된 시스템에 이를 도입할 때 발휘됩니다.

다음과 같은 경우에:

이것이 바로 ClickUp 내에서 이 기능이 작동하는 이유입니다.

작업, 데이터, 맥락 등 모든 정보가 한곳에 모여 있으므로, AI 의사결정 에이전트는 실제로 무슨 일이 일어나고 있는지 파악할 수 있습니다. 그리고 더 중요한 것은, 이에 따라 조치를 취할 수 있다는 점입니다.