Agent
AI를 가장 잘 설계할 수 있는 사람은 현업 전문가인 당신 입니다.
현업의 전문성과 업무 맥락을 AI의 실행력에 연결하는 방법
"AI로 일을 얼마나 줄일까?" 보다 AI가 "이 일에 어떤 새로운 가치를 더할까?"
좋은 AI 결과는 기술보다 ‘업무 맥락’에서 시작됩니다.
2023년 처음 생성형 AI를 접했을 때, 우리는 복잡한 기술과 코드부터 떠올렸을 겁니다. 그러나 팔레트는 무엇을 물을 지보다 먼저, 누구의 어떤 문제를 해결하고 무엇을 좋은 결과로 볼지 설명할 수 있어야 한다고 생각했습니다.
목표: 해결할 고객·비즈니스 문제
품질: 기준 좋은 결과와 나쁜 결과를 가르는 조건
근거와 예외: 제품 정보·브랜드 가이드·금지 표현
검토 권한: 사람이 확인하고 승인할 범위
Applied AI 란 기술을 실제 업무 가치로 전환하는 접근입니다.
이 글에서 Applied AI는 하나의 특정 모델이나 제품명이 아니라, 인공지능을 실제 문제와 워크플로우에 적용해 업무 성과와 새로운 가능성을 만드는 실무적 접근을 뜻합니다.
팔레트는 이를 ‘기술을 위한 기술이 아니라,
사람의 일에 적용되어 새로운 가치를 만드는 AI’ 로 정의합니다.
예를 들어 생성형 이미지·영상은 장소, 날씨, 이동, 예산의 제약을 낮춰 표현의 선택지를 넓힐 수 있습니다. 핵심은 현장을 무조건 대체하는 것이 아니라, 브랜드 전략·사실성·저작권·표시 기준을 사람이 검토하면서 기존 제작 방식으로 어려웠던 아이디어를 더 작게, 더 빠르게 검증하는 데 있습니다.
단순히 우리의 일을 얼마나 줄일지, 빠르고 싸게만 기존의 업무를 대체 한다던가 하는 시선과 관점이 아닙니다.
업무의 맥락을 파악하고, 누구의 어떤 문제를 해결할 지 결정하기 위해서 여러 실무 권한을 먼저 고려합니다.
그래서 현업 전문가가 AI를 직접 설계해야 합니다.
업무의 암묵지, 즉 경험을 통해 축적되어 문서만으로 완전히 설명하기 어려운 기준과 예외는 현업 전문가가 가장 잘 압니다. 현업이 목표와 평가 기준을 설계하고 결과를 검토하는 Human-in-the-loop(사람이 판단 과정에 참여하는 방식)가 필요한 이유입니다.
팔레트가 추구하는 노코드 AI 에이전트는 비개발자도 이 맥락을 대화하듯 반영하고, 자신의 워크플로우에 맞게 반복 개선하도록 돕습니다.
전문성 확장: 판단은 사람이, 실행 범위는 AI로 확장
업무 재설계: 반복 실행은 AI가 하고, 정의와 결정은 사람이
가능성 검증: 어려웠던 아이디어를 작게 시험한 뒤 확장
Experience the Unexperienced
AI를 잘 활용하는 사람은 모든 기술을 아는 사람이 아니라, 자신의 일에서 무엇이 중요하고 어디까지 바꾸고 싶은지 아는 사람입니다. 팔레트는 그 전문성이 AI와 만나는 가장 쉬운 환경을 만듭니다.
_