우리 업무로 옮기면 — 수 주 걸리던 연결이 수 분이 된 건, 장비가 빨라져서가 아닙니다

이 코너는 바깥에서 실제로 돌아간 사례를 우리 업무로 옮겨 심습니다. 사례 소개로 끝내지 않습니다.

고르는 기준은 지난 회차와 같습니다. 성과 수치가 붙은 사례가 아니라, 과정이 공개된 사례를 고릅니다. 이번 건은 아직 연구 단계인 물건인데도 규격과 초기 결과가 문서로 공개돼 있고, 나중에 오픈소스로 풀겠다고 밝혀 뒀습니다.

먼저 한 장면부터 여쭙겠습니다. AI에게 늘 쓰는 파일을 주면서 매번 같은 설명을 다시 하고 계시지 않습니까. “첫 두 줄은 머리글이고, 취소된 건 빼고…” 하는 그것이요.

이번 사례가 정확히 그 자리를 건드립니다.

미리 말씀드리면 이번 사례는 실험실과 공장 이야기입니다. 사무실과 멀어 보이실 텐데, 제가 뜯어내려는 조각은 장비가 아닙니다.

---

1. 무슨 일이 있었나

8월 27일, 앤트로픽이 모델 하드웨어 표준(Model Hardware Standard, MHS)의 리서치 프리뷰 1단계를 열었습니다. AI 에이전트가 과학 연구와 첨단 제조 현장의 물리 장비를 안전하게 조작하게 하는 공통 규격입니다. 현미경, 액체 분주기, 로봇 팔 같은 것들을 여러 대 동시에 다루게 하는 게 목표고, 미국 하워드휴스의학연구소(HHMI) 재닐리아 연구캠퍼스와의 협업에서 출발했습니다.

공개된 초기 결과는 이렇습니다.

어디서	무엇이
제넨텍	신약 발굴 실험을 실시간 오류 처리를 하며 수행
HHMI 재닐리아	수 주 걸리던 이미징 실험을 하루로 압축
QuEra(양자컴퓨터)	레이저 안정화 성공률 58% → 99.3%

단서를 답니다. 이건 제품이 아니라 리서치 프리뷰의 1단계입니다. 프로그래밍 가능한 인터페이스가 있는 장치라면 무엇이든 붙는다고 되어 있고, 특정 모델에 묶이지 않으며, MCP 같은 표준 프로토콜로 어떤 에이전트든 접근할 수 있게 설계됐습니다. 오픈소스화는 계획입니다.

---

2. 진짜 볼 것은 성공률이 아니라, 시간이 사라진 자리입니다

58%가 99.3%가 됐다는 숫자가 가장 눈에 띕니다. 그런데 그 숫자는 저희가 옮겨 심을 수 있는 조각이 아닙니다. 양자컴퓨터 레이저가 우리 사무실에는 없으니까요.

제가 본 건 문서에 조용히 적힌 다른 문장입니다.

실험실이나 제조 시설이 장비를 붙이는 데 보통 수 주에서 수 개월이 걸리는데, 이 규격은 그 통합 작업을 수 시간에서 수 분으로 줄인다.

여기서 줄어든 건 실험 시간이 아니라 붙이는 시간입니다. 그리고 붙이는 시간이 줄어든 이유는 장비가 빨라져서가 아닙니다. 장비 쪽에 “나는 이런 걸 할 수 있고, 이렇게 시키면 되고, 이건 하면 안 된다”를 스스로 말하는 인터페이스를 달았기 때문입니다. 문서에 쓰인 표현으로는 장치가 발견 가능해졌다(discoverable)는 것입니다.

이게 왜 큰 차이냐면, 그전까지 그 설명은 사람 머릿속에만 있었기 때문입니다. 그래서 장비 한 대를 새 시스템에 붙일 때마다 그걸 아는 사람이 몇 주씩 앉아서 옮겨 적어야 했습니다. 장비가 열 대면 그 일을 열 번 합니다.

---

3. 뜯어낼 조각 — 값은 「똑똑함」이 아니라 「연결」에서 났습니다

조각을 셋으로 나눠 보겠습니다.

첫째, 자동화된 건 조작이 아니라 연결입니다. 이 코너 1회차에서 자동화된 것은 판단이 아니라 전수 훑기였다고 썼고, 2회차에서는 금지보다 판정 신호 목록이 진짜 자산이었다고 썼습니다. 이번 건은 세 번째 자리입니다 — 에이전트가 더 똑똑해져서 난 성과가 아니라, 붙이는 비용이 무너져서 난 성과입니다. 같은 에이전트인데 결과가 달라졌어요.

둘째, 규격을 붙인 쪽은 AI가 아니라 장비입니다. 모델은 갈아끼울 수 있게 두고, 규격은 장비 쪽에 심었습니다. 이게 제일 중요한 설계 판단입니다. 모델은 반년마다 바뀌지만 현미경은 십 년을 씁니다. 바뀌는 쪽에 규격을 두면 바뀔 때마다 다시 해야 하고, 안 바뀌는 쪽에 두면 한 번만 하면 됩니다.

셋째, 사람이 끝까지 못 하는 종류의 일이 열렸습니다. 레이저 안정화는 계속 재서 조금씩 맞추는 일입니다. 사람이 못 해서가 아니라 지치기 때문에 안 하던 일이죠. 그 자리에서 성공률이 뛰었습니다.

---

4. 이 조각을 우리 업무 어디에 심나

사무실에는 현미경이 없습니다. 그런데 “쓰려면 매번 사람이 설명해줘야 하는 것”은 아주 많습니다.

AI에게 일을 시켜보신 분들은 이 장면을 아실 겁니다. 매번 같은 설명을 다시 합니다.

“이 파일은 월별 실적인데 첫 두 줄은 머리글이고, 취소분은 상태값이 C인 행이고, 부서 코드는 앞 세 자리야. 그리고 2월치는 시스템이 바뀌어서 형식이 달라.”

이게 사람 머릿속에만 있는 인터페이스입니다. 실험실이 수 주씩 쓰던 그 작업을, 우리는 요청할 때마다 채팅창에서 다시 하고 있습니다. 그리고 다음 사람이 같은 파일을 쓸 땐 그 사람이 처음부터 다시 합니다.

옮겨 심을 조각은 이겁니다. 우리가 반복해서 쓰는 자산에 자기소개를 붙여 두는 것.

• 자주 쓰는 데이터 파일 — 같은 폴더에 열 줄짜리 설명 파일을 둡니다. 각 열이 무엇인지, 어떤 행을 빼야 하는지, 언제 형식이 바뀌었는지.
• 자주 쓰는 문서 양식 — 이 양식이 무엇에 쓰이고, 어디는 절대 고치면 안 되고, 어디는 매번 바뀌는지를 문서 안에 적습니다.
• 자주 하는 요청 — 조건을 파일 한 장으로 만들어 자산 옆에 둡니다.

핵심은 형식이 아니라 위치입니다. 설명이 내 머리나 지난달 대화창에 있으면 없는 것과 같습니다. 그 자산 바로 옆에 있어야 다음번에, 그리고 다른 사람이 쓸 때 같이 딸려 갑니다. 제가 AI에게 건넬 수 있는 지식, 건넬 수 없는 지식에서 쓴 게 이 이야기의 개인 판본이었습니다.

그리고 셋째 조각도 그대로 옮겨집니다. 우리 일에서 “계속 재서 조금씩 맞춰야 하는데 아무도 안 하는 일”이 무엇인지 한번 떠올려 보십시오. 대개 월말에 몰아서 하거나, 문제가 터지고 나서 합니다. 재고 수준, 미수금 추이, 문의 응대 지연, 광고 소재 성과 같은 것들이요. 사람이 게을러서가 아니라 매일 하기엔 너무 사소해서 안 하는 일들입니다. 에이전트를 붙일 자리를 찾을 때 저는 그 목록부터 봅니다.

---

5. 오늘 시작하는 최소 버전

30분이면 됩니다. 거창한 시스템은 필요 없습니다.

① 이번 달에 AI에게 두 번 이상 준 파일을 하나 고릅니다. 두 번 줬다는 건 앞으로도 줄 거라는 뜻입니다.

② 그 파일 옆에 설명 한 장을 만듭니다. 파일명은 알아보기 쉽게 <원본파일명>_설명.md 정도면 충분합니다. 내용은 이 네 줄입니다.

## 이 파일은 무엇인가
한 문장으로.

## 각 열이 뜻하는 것
헷갈리는 것만. 다 적을 필요 없습니다.

## 쓰기 전에 빼야 하는 것
취소분, 테스트 데이터, 합계 행 같은 것.

## 조심할 것
"O월부터 형식이 바뀜" 같은, 아는 사람만 아는 함정.

③ 다음에 그 파일을 AI에게 줄 때, 설명 파일을 같이 올립니다. 그리고 설명을 말로 다시 하지 않습니다.

④ 결과를 보고, 설명에 빠진 게 있으면 그 파일에 한 줄 추가합니다. 이게 중요합니다. 채팅창에서 보충 설명을 하고 끝내면 다음번에 또 합니다. 보충한 내용은 반드시 파일로 돌아가야 합니다.

이 네 단계에서 실제로 하는 일은, 실험실이 장비에 한 것과 같습니다. 머릿속에 있던 인터페이스를 자산 쪽으로 옮기는 것.

---

마무리

이 사례에서 제가 가져온 문장은 이겁니다.

AI가 못 쓰는 게 아니라, 우리 자산이 자기를 설명하지 못하는 것입니다.

AI 도입이 안 풀릴 때 우리는 대개 모델을 봅니다. 더 좋은 걸 쓰면 되지 않을까, 다음 버전이면 되지 않을까. 그런데 이번 건에서 성공률을 40%포인트 넘게 끌어올린 건 모델이 아니라 장비 쪽에 붙인 설명이었습니다.

그리고 그 설명은 원래 있던 지식입니다. 없어서 못 붙인 게 아니라, 사람 머릿속에 있어서 못 붙였을 뿐입니다. 우리 사무실도 사정이 똑같습니다.