Name: [현장 스케치] 인포그랩 Dexter, 퀀텀점프클럽 '정점' 라이브 출연 후기!
Start: 2026-09-11

안녕하세요. 대한민국 DevOps 액셀러레이터 인포그랩입니다. 👋

2026년 9월 11일 금요일 저녁, 인포그랩 총괄 기술이사 Dexter가 퀀텀점프클럽(QJC)의 유튜브 라이브 팟캐스트 '정점(頂點)'에 출연했습니다. 방송 제목은 '실화) 조직에 이렇게 AI 도입하면 망합니다.' 판교 QJC 사무실에서 약 2시간 생방송으로 진행했는데요.

제목은 도발적이었지만, 내용은 'AI 네이티브 조직은 실제로 어떻게 일하는가'에 가까웠습니다. 이날 라이브는 발표 자료 대신 인포그랩의 실제 운영 화면을 그대로 공유하며 진행했습니다.

🎬 저녁 7시 30분, 방송 시작 30분 전

'말로 설명하지 않고 화면으로 보여 준다'가 이날의 원칙이었던 만큼, 준비도 어떤 화면을 꺼낼지 정하는 일부터 시작됐습니다. Dexter는 에이전트 조직도와 보안 그라운드 룰, SRE 에이전트 리포트, 릴리즈 게이트, n8n 거버넌스, 영상 도구까지 이날 보여 줄 화면을 미리 열어 뒀는데요. 회선과 마이크, 큐 전환 버튼까지 점검을 마친 뒤, 저녁 8시 정각에 라이브가 시작됐습니다.

🎙️ "정자동에서 AI를 깎다 온 사람"

진행은 퀀텀점프클럽 정상록 대표가 맡았습니다. Dexter는 오프닝에서 자신을 "정자동에서 AI를 깎다 온" 사람이라고 소개했는데요. 'AI를 깎는다'는 이날 방송을 관통한 키워드였고, 방송 중 채팅창에도 "AI를 깎는다는 게 어떤 의미인가요?"라는 질문이 올라왔습니다.

인포그랩을 비개발자에게 소개해 달라는 첫 질문에, Dexter는 소프트웨어를 개발하거나 운영하는 조직이 일을 더 수월하게 하도록 자동화를 만들고, AI로 레버리지를 만들고, 방법론을 특화하고, 필요한 도구를 맞춤형으로 도입하거나 만들어 주는 회사라고 답했습니다. 일반 외주 용역과 다른 점도 함께 짚었는데요. 소프트웨어를 운영하는 조직을 스스로 잘 운영할 수 있어야 고객사에도 그런 서비스를 할 수 있다는 점이었습니다. 작년까지 AI 활용이 코드 블록을 추천받거나 채팅으로 묻는 수준이었다면 지금은 에이전트가 직접 개발을 주도하는 단계까지 왔다는 설명과 함께 화면 공유가 시작됐습니다

1️⃣ 사람이 아니라 에이전트를 '채용'하는 조직도

첫 화면은 인프라·프로젝트·서비스·멤버 상태와 회사 일정이 한눈에 보이는 실시간 현황판이었습니다. 과거에는 이런 것을 시스템으로 구축했다면 지금은 AI가 필요에 따라 화면을 조립해 낸다는 설명이었는데요. Dexter는 이를 AI로 회사를 운영하는 첫 번째 단계라고 불렀습니다. 이어진 조직도는 구성원이 사람이 아니라 에이전트였습니다. 과거에는 사람을 채용했다면 지금은 AI 에이전트를 채용하는 개념이라는 것. 온보딩하고, 일할 수 있게 만들고, 평가하고, 못하면 잘하도록 만드는 과정이 같습니다.

화면의 Agent Registry에는 Mantis·Nelper·Faceta 같은 제품별 전담 에이전트부터 인프라·문서·CX·QA 담당까지 등록돼 있었습니다. nelper 에이전트를 열자 '맡는 일'과 '내 담당 아님'이 나란히 적혀 있었는데요. n8n 워크플로 운영과 오류·비용·크리덴셜 감사는 맡지만, 네트워크 문의는 nimbus에게, 서버 접근 권한은 telp에게 넘기라고 돼 있었습니다. 사람 팀에서 R&R을 정하듯 에이전트에게도 경계를 그어 준 셈이죠. 기반은 오픈소스 프레임워크 Hermes Agent이고, 맥미니 한 대에 올리는 일반적인 방식과 달리 Kubernetes 클러스터를 비롯한 여러 대의 머신에 나눠 돌립니다. 이날 기준 이름을 가진 대표 에이전트는 20여 개, 그중에는 다른 에이전트가 정상적으로 일할 수 있는 상태인지 점검하고 업그레이드하는 에이전트도 있었습니다.

2️⃣ 자율 에이전트를 기업에서 쓰려면, 보안이 먼저입니다

왜 Hermes인가. Dexter는 개발을 도와주는 도구로 남을 것인가, 혼자서도 일할 수 있게 만들 것인가라는 갈림길을 얘기했습니다. Hermes나 OpenClaw 같은 도구는 후자 쪽으로 자유도를 크게 열어 줬는데, 문제는 그 자유도가 곧 보안 이슈라는 점이고 그래서 웬만한 기업은 도입하지 못합니다.

인포그랩의 선택은 보안을 이겨 내기 위한 노력을 먼저 하는 것이었습니다. 에이전트가 쓰는 모든 프롬프트와 산출물을 모니터링하고, LLM으로 나가는 프롬프트를 저장해 감리할 수 있게 하고, 보안 키를 유출하는 에이전트를 탐색해 실시간으로 알리고 마스킹합니다. 화면의 '그라운드 룰' 대시보드가 그 장치였는데요. 감사 기록에는 룰 이름과 해시만 남고 원문 시크릿은 담기지 않으며, 위반 알림은 30분마다 상주 채널로 보고됩니다.

Dexter는 이 지점을 솔직하게 정리했습니다. 사전에 보안 사고를 완전히 막을 수는 없지만, 문제가 생겼을 때 즉시 해소할 수 있는 장치를 갖춰 두고 운영한다는 것입니다. 패턴이 있는 개인정보와 달리 영업 비밀은 판단해 내기가 어렵기 때문에 정기적으로 모니터링하고 캡처해 확인하는 장치가 있어야 감리가 되고, 이렇게 쌓인 기록은 보안 담당자에게 제시할 증적이 됩니다.

3️⃣ SRE 에이전트의 하루: 관측하고, 판단하고, 보고합니다

서버에 문제가 생기면 SRE 에이전트에게 메시지가 갑니다. 에이전트는 직접 처리할지, 사람에게 에스컬레이션할지 판단하고 결과를 정리해 하루에 한 번 보고하는데요. 화면의 일일 리포트에는 관측한 인시던트 68건, 발생 중인 알림 34건과 상위 항목, MTTR 같은 메트릭, 전일 대비 변화가 적혀 있었습니다. 조치 모드는 실제 변경 없이 판단만 하는 'dry-run'이었고, 승인 대기 카드가 1건 올라와 있었고요.

리포트의 링크를 따라가면 발생 중인 알림, 인시던트 그룹, 승인 대기(HITL), SLO 위반 여부, 오늘 쓸 수 있는 예산이 카드로 정리된 대시보드가 나옵니다. 핵심은 판단의 위치입니다. 혼자 처리할 수 있으면 조용히 처리하고 증적을 남기고, 사람에게 알려야 하면 "뭐 할래, 어떻게 할래"라는 선택지를 알림으로 보냅니다. Dexter는 매출을 담당하는 에이전트든 다른 업무든 같은 구조로 만들 수 있다고 덧붙였습니다.

4️⃣ 'AI를 깎는다'는 건 '눈치'를 만들어 주는 일입니다

방송 초반의 질문에 대한 답은 여기서 나왔습니다. Dexter는"Hermes나 OpenClaw 같은 것들을 멀티 에이전트 형태로 해서 역할을 나누고 일을 시키는 시도를 굉장히 많이 하세요. 대부분 실패합니다"라고 말했는데요. 이유는 도구가 아니라 판단입니다. 에이전트는 어떤 절차에서 멈춰야 할지 모르고, 다음 단계를 판단할 근거를 사람처럼 눈치 있게 갖고 있지 않습니다. 그 장치를 다 만들어 주기 전까지는 일을 못 한다는 것이죠. AI를 깎는다는 건 결국 에이전트에게 눈치를 만들어 주는 일이라는 정리가 진행자와의 대화에서 나왔습니다.

채팅으로 들어온 "그런 눈치는 어떻게 알려줘야 하나요?"라는 질문에 대한 답은 구체적이었습니다. 한 번 시킨 일을 반복해서 같은 품질로 만들려면 그 일을 스킬이나 커맨드 라인 도구로 만들고, 그 뭉치를 에이전트에게 쥐여 줍니다. 인프라 에이전트라면 "이 서버 괜찮아? 메모리 괜찮아? CPU 괜찮아?"를 묻는 도구가 그 안에 들어 있는 식이죠

깎아 놓은 눈치는 에이전트 관리에도 적용돼 있었습니다. 여러 머신에 나뉘어 있는 에이전트들을 업그레이드하고 이력을 관리하고 백업·정비하는 일을 에이전트가 맡는데요. 화면에는 자동 업데이트 대상과 직접 확인이 필요한 위험군이 구분돼 있었고, 이른 아침 자동 사이클과 실패 시 자동 복구가 명시돼 있었습니다. 토큰 예산이 소진되거나 유지 관리에 실패해 '죽는' 에이전트도 적지 않고, 1차 처리는 에이전트에게 위임한 뒤 해결하지 못한 것만 사람이 개입합니다. 반복되던 일이 다른 에이전트로 한 번에 처리되면 그 에이전트는 '퇴사'합니다.

5️⃣ '딸깍'이 되기까지: 문서, 번역, 그리고 마케팅

인포그랩이 AI 네이티브 회사로 전환을 선언한 뒤의 모습은 이렇습니다. "아무도 소프트웨어 개발을 하기 위해서 코드 IDE를 열지 않습니다. 그리고 문서 작성을 하기 위해서 워드, 파워포인트를 열지 않죠." 이날 방송용 슬라이드도 에이전트에게 요청해 만든 것이었고, 고객사에 가면 고객사 로고와 컬러로 바뀝니다.

문서 번역은 에이전트끼리 이어서 합니다. 인포그랩이 한글로 제공하는 제품 공식 문서의 원문 버전이 바뀌면 웹사이트 담당 에이전트가 "번역할까요?"라고 묻고, 사람이 승인하면 번역이 돌아갑니다. 끝나면 테크니컬 라이터 역할의 다른 에이전트가 교정을 보고, 결과는 MR로 준비됩니다. 이날 화면에서는 n8n 공식 문서가 예로 열렸습니다.

마케팅의 관점 변화도 언급됐습니다. Dexter는 이를 "엔지니어링에서 마케팅"으로 가는 형태라고 표현했는데요. 과거에는 콘텐츠나 영상을 만들어 고객에게 다가갔다면, 지금은 도구를 제공하고 그 도구를 쓰는 고객이 찾아오게 한다는 관점입니다. 인포그랩은 이 방향을 EAM(Engineering as Marketing)이라고 부릅니다.

6️⃣ "배포해도 될까요?"에 답하는 에이전트, Faceta

만드는 속도가 빨라진 만큼 어려워진 질문이 있습니다. 개발 에이전트가 잘 만들고 테스트도 통과했는데, "이걸 실제로 출시해도 돼?"에 누가 답할 것인가. 이 준비 상태를 증적으로 만드는 것이 AI 코드 리뷰 제품 Faceta의 역할입니다. Faceta는 소프트웨어를 에이전트가 자동으로 분석해 보안·아키텍처·버그·스타일 등 여덟 가지 정도의 관점에서 검사하고, 배포 가능 여부와 근거를 남기는데요. 화면의 릴리즈 게이트에는 열린 MR이 차단·경고·안전으로 나뉘어 있었고, AI가 차단한 결함을 모두 검토·승인하는 순간 배포 승인이 자동으로 풀리는 구조였습니

Slack에서는 더 간단합니다. "faceta 배포해도 되나요?"라고 묻자 게이트 등급, Blocker와 Risky 건수, 배포 전 확인할 보안 항목이 정리돼 돌아왔는데요. 이 대화의 분석 대상은 Faceta 자기 자신의 리포지터리였습니다. 인포그랩이 만든 소프트웨어도 기업에 들어가려면 보안 검사를 통과해야 하는데, Faceta가 스스로를 분석하고 강화하는 작업을 함께 한다는 설명이었죠. 참고로 Faceta의 분석 에이전트는 Hermes가 아니라 인포그랩이 자체 개발한 에이전트입니다.

7️⃣ 자동화 공장을 관리하는 또 하나의 공장, Nelper

인포그랩 안에는 n8n 워크플로가 프로덕션으로 돌아갑니다. 그런데 기업에서 자동화를 만들다 보면 반드시 마주치는 질문이 있는데요. 이 크리덴셜은 누가 쓰고, 어떤 워크플로에 적용하고 있고, 비용은 얼마나 나가고 있는가. n8n 운영 관리 도구 Nelper는 이 질문에 답하기 위해 만들어졌습니다. 누가 무엇을 했는지 감사 이력을 남기고, 실행 수단이 마구 연결된 워크플로가 생기지 않도록 정책을 겁니다.

여기에 AI 에이전트가 붙어 n8n 데이터를 온톨로지 구조로 바꿔 자연어로 분석합니다. "워크플로 효율성, 지난달 분석 해 줘요"라고 입력하자 분석이 시작됐고, 옆에는 워크플로 건강도 리포트, 에러 패턴 분석, 비용 분석처럼 이미 만들어 둔 대시보드가 쌓여 있었습니다. AI가 빨라지는데 워크플로를 시각적으로 볼 필요가 있냐는 질문에, Dexter는 이렇게 되물었습니다. "이 자동화가 안전한지에 대한 증거를 내라고 하면 어떻게 내시겠어요?" n8n은 노드마다 오간 데이터를 그대로 볼 수 있어 감리가 되고, 기업이 요구하는 크리덴셜·비용·정책 관점을 그 위에 더하는 게 Nelper입니다.

8️⃣ 만드는 속도만큼 알리는 속도도: DemoCut

마지막 시연은 마케팅이었습니다. 만드는 속도가 빨라진 만큼 잘 알려야 한다는 생각에서, 인포그랩은 기술을 설명하는 영상을 자동으로 만드는 도구 DemoCut(데모컷)을 직접 개발하고 있는데요. Slack에서 유튜브 링크를 주며 "영상 분석해서 데모컷으로 요약 영상 만들어 줘"라고 요청하자, 에이전트가 원본 자막을 분석해 6컷 구성을 짜고 견적 997원을 붙인 제작 승인 카드를 스레드에 올렸습니다. 사람이 승인해야 청구되고 제작이 시작됩니다.

겉으로는 에이전트 하나가 만드는 것 같지만, 그 아래에는 시나리오를 짜는 에이전트와 컷을 편집하는 에이전트가 여럿 있습니다. 마지막으로 튼 영상은 컨퍼런스에서 소개했던 '니가 좋아' 패러디였는데요. 노래도 자막도 '딜리버리 킴'이라는 출연자도 에이전트가 만들었지만, "이 곡을 컨퍼런스에서 불러야 한다"는 아이디어는 사람이 냈습니다. Dexter가 잡은 방향은 화제성보다 정확한 기술 정보를 더 쉽게 전달하는 것이었습니다.

🙋 진행자와 주고받은 문답

Q. 에이전트마다 다른 모델을 쓸 수 있나요?

API가 열린 모델을 자유롭게 고르고 한 에이전트 안에서도 여러 모델을 섞어 쓸 수 있습니다. 다만 최상위 모델은 API 비용이 커서 회사에서 반복적으로 쓰기 어렵고, 그래서 한 등급 낮은 모델을 중심으로 운영합니다. 잘 깎으면 저렴한 모델로도 일이 된다는 게 Dexter의 답이었습니다.

Q. AI 네이티브로 가면 토큰 비용은 어떻게 되나요?

인포그랩은 레버리지를 만들기 위해 현재는 제한 없이 쓰는 방향을 택했습니다. 이 정책이 유지되는 이유는 하나였습니다. "회삿돈이니까 막 쓰자라고 하는 생각을 가진 멤버들이 다행히 아무도 없습니다." 다만 대부분의 기업은 한도를 두는 게 당연하다는 말도 덧붙였고요.

Q. AI가 아직 못 하는 건 뭔가요?

디자인이었습니다. 디자인을 기획하는 에이전트, 수행하는 에이전트, 리뷰하는 에이전트, 이를 조율하는 에이전트로 나눠 협업시켜 봤지만 디자이너 특유의 집요한 디테일까지는 잡히지 않았다고 했는데요. 또 하나의 실패는 하네스만 만들면 눈치까지 다 해결될 거라는 착각이었습니다.

Q. AI가 들어오니 일이 줄었나요?

"2배, 3배 늘었죠." 허드렛일은 에이전트가 하니 사람은 더 많은 일을 할 수 있게 되고, 그 더 많은 일을 선택하게 된다는 겁니다. 일이 많아 고민이라는 진행자에게는 역할이 분명한 에이전트를 하나씩 늘려 일손을 줄여 보라는 조언을 건넸고요.

Q. 어떤 포지션이 먼저 대체되나요?

AI가 사람을 대체한다기보다, AI를 쓸 수 있는 사람에게 다른 사람이 대체되는 형태라는 답이었습니다. 정형화된 워크플로 업무는 에이전트에게 줄 수 있고, 반대로 사람의 취향과 거기서 나오는 가치는 점점 높아진다는 얘기였습니다.

💡 월요일에 당장 무엇을 해야 할까요

정 대표의 마지막 질문은 AI 도입을 결심한 대표들을 위한 것이었습니다. Dexter의 답은 회의록 자동화가 아니었습니다.

"월요일에 당장 특정 멤버가 회사를 안 나왔을 때, 그 일을 에이전트가 할 수 있도록 만들려면."

이 질문을 제일 먼저 하다 보면 한 달 뒤에는 그 일을 에이전트가 하게 되고, 그 멤버도 다른 일을 할 기회를 얻는다는 설명이었습니다. 기술 담당자가 없는 회사를 위한 세 가지도 나왔습니다. 모르는 것을 AI에게 물어 결과를 내고 거기서 아이디어나 학습을 얻는 것, 그렇게 얻은 기술로 뭐라도 성공 경험을 만드는 것, 그 경험을 옆에 있는 동료에게 알려 주는 것. 혼자만 알고 있으면 거기서 끝이라는 얘기였고요.

그리고 어렵다는 걸 인정하는 말이 이어졌습니다. "한 번에 되는 건 제가 생각하기에는 없는 것 같아요." 밖에서는 다들 잘하는 것 같은데 왜 우리는 안 되지, 그렇게 생각하는 게 너무 당연하다는 것. 딸깍 하나가 되기까지 프롬프트를 저장해 보안 준비 상태를 만들고, 에이전트가 개발하고 배포할 수 있는 환경을 갖추는 저변의 준비가 먼저라는 얘기였습니다.

마무리하며 👋

두 시간이 짧았습니다. 방송 후반 채팅창에는 이런 글이 올라왔습니다. "손 안 대고 코 풀기 위한 기반을 쌓기 위해 품을 열심히 들여야 하는 게 현실이다 싶어요." 이날 전하고 싶었던 말과 정확히 같았습니다.

금요일 늦은 저녁까지 함께해 주신 시청자분들과, 비개발자 관점에서 꼭 필요한 질문을 던져 주신 퀀텀점프클럽 정상록 대표께 감사드립니다. 이날의 핵심을 한 문장으로 줄이면 이렇습니다. AI 도구를 도입하는 것과 AI로 회사가 운영되는 것은 다르고, 그 차이는 에이전트에게 '눈치'를 만들어 주는 하네스와 그것을 안전하게 돌리는 기반에서 나옵니다.