FlowHunt 시작하기
FlowHunt를 처음 사용하시나요? 여기서 시작하세요. AI 워크플로우 구축, 챗봇 배포, 지식 소스 연결 방법을 배우세요 — 코드를 작성할 필요가 없습니다....
5 분 읽기
시작하기
AI 에이전트 팀이란 무엇이며 왜 필요한가?
복잡한 자동화 워크플로를 구축하려면 일반적으로 여러 도구를 연결하고, 맞춤형 코드를 작성하고, 수많은 통합을 관리해야 합니다. FlowHunt의 AI Factory는 당신이 원하는 작업을 정의하기만 하면 이를 처리할 AI 에이전트 팀을 자동으로 조립하여 이 방정식을 바꿉니다.
AI 에이전트 팀은 감독자 아래에서 함께 일하며 복잡한 작업을 수행하는 전문화된 AI 에이전트의 집합입니다. 단일 AI가 모든 결정을 내리는 대신, 각 에이전트는 특정 책임에 전문화되어 있습니다. 감독자가 작업을 조정하고, 팀 리더가 작업을 위임하고, 워커 에이전트가 실제 작업을 실행합니다. 이 구조는 인간 팀이 작동하는 방식을 반영하며, 모놀리식 자동화보다 훨씬 더 효과적입니다.
이 가이드에서는 중요한 지원 티켓을 추출하고, 비즈니스 영향에 따라 우선순위를 정하며, Slack을 통해 팀에 일일 다이제스트를 제공하는 실용적인 AI 에이전트 팀을 구축해볼 것입니다. 동일한 패턴이 비즈니스 전반의 모든 다단계 워크플로에 적용됩니다.
시작하기: AI Factory 접근
FlowHunt의 인터페이스에는 두 가지 주요 섹션이 있습니다: AI Studios(기본 보기)와 AI Factory(에이전트 팀을 구축하는 곳). FlowHunt를 열면 AI Studios에 도착합니다. AI Factory에 접근하려면 인터페이스 왼쪽 상단 모서리의 토글을 찾아 AI Factory로 전환하세요.
첫 프로젝트 만들기
AI Factory에 들어가면 새 프로젝트를 만드는 것은 간단합니다:
- “프로젝트 만들기” 버튼을 클릭합니다
- 프로젝트에 설명적인 이름을 지정합니다(예: “Live Agent 일일 액션 아이템 다이제스트”)
- 에이전트가 수행할 작업을 설명하는 명확한 프롬프트를 작성합니다
- 통합을 선택합니다
- 감독자가 결과를 어떻게 전달할지 선택합니다
- 시스템이 팀을 구축하도록 합니다
시스템은 프로젝트 설명을 사용하여 팀 구조를 결정합니다. “티켓 추출 및 요약"과 같은 간단한 작업은 단일 에이전트로 결과가 될 수 있습니다. 여러 데이터 소스와 결정 트리를 포함하는 복잡한 워크플로는 감독자, 2-3명의 팀 리더, 3-6명의 워커 에이전트를 만들어낼 수 있습니다.
AI 에이전트 팀의 미션 정의 방법
당신이 작성하는 프롬프트는 에이전트 팀이 수행하는 모든 작업의 기초입니다. 구체적이고, 실행 가능하며, 원하는 출력 형식에 대해 명확해야 합니다.
효과적인 작업 프롬프트 작성
강력한 프롬프트에는 다음이 포함됩니다:
- 추출하거나 분석할 내용: “지난 24시간 동안의 모든 중요한 LiveAgent 티켓 추출”
- 우선순위를 정하는 방법: “고객 영향 및 비즈니스 위험에 따라 우선순위 지정”
- 결과로 무엇을 할지: “상위 5-10개 액션 아이템으로 Slack에 메시지 생성”
- 출력 형식 기대치: 우선순위 수준이 있는 명확하고 이해하기 쉬운 요약
우리 예제의 프롬프트는 다음과 같습니다:
지난 24시간 동안의 모든 중요한 라이브 에이전트 티켓을 추출하고, 고객 영향 및 비즈니스 위험에 따라 우선순위를 지정하고, 그날의 모든 상위 액션 아이템과 함께 Slack에 답변으로 메시지를 생성합니다.
이 프롬프트는 시스템에게 다음을 알려줍니다:
- 데이터 소스(LiveAgent 티켓)
- 시간 창(지난 24시간)
- 우선순위 지정 프레임워크(고객 영향 + 비즈니스 위험)
- 출력 목적지(Slack)
- 형식(상위 액션 아이템)
우선순위 지정 프레임워크 이해하기
에이전트에게 우선순위를 지정하도록 요청할 때는 명확한 기준이 필요합니다. 위의 예제에서 에이전트는 다음과 같은 카테고리가 있는 영향 기반 프레임워크를 사용합니다:
- 시스템 중단 — 최고 우선순위, 모든 사용자에게 영향
- 수익 위험 — 직접적인 비즈니스 영향
- 보안 문제 — 규정 준수 및 데이터 보호
- 다중 고객 영향 — 여러 계정에 영향
- 단일 고객 문제 — 고립된 문제
비즈니스에 따라 이러한 카테고리를 사용자 정의할 수 있습니다. 핵심은 당신의 맥락에서 “중요"가 무엇을 의미하는지 명시적으로 표현하는 것입니다.
통합 연결하기
AI 에이전트는 고립된 상태에서는 유용한 작업을 수행할 수 없습니다. 기존 도구에서 데이터를 가져오고 팀이 볼 수 있는 곳으로 결과를 푸시해야 합니다.
예제에 필요한 통합
라이브 에이전트 액션 아이템 다이제스트를 위해서는 다음이 필요합니다:
| 통합 | 목적 | 필요한 것 |
|---|---|---|
| LiveAgent | 티켓 데이터 소스 | 도메인 URL + API 키 |
| Slack | 팀에 결과 전달 | 워크스페이스 + 채널 선택 |
통합 설정
통합이 아직 연결되지 않은 경우 “통합” 버튼이 표시됩니다. 이를 클릭하고 필요한 자격 증명을 제공하세요:
- LiveAgent: 도메인과 API 키(LiveAgent 계정 설정에서 찾을 수 있음)
- Slack: FlowHunt가 워크스페이스에 게시하도록 승인하고 메시지를 받을 채널을 선택합니다
연결되면 시스템은 테스트 메시지를 보내 통합을 확인합니다. Slack의 경우 “FlowHunt 연결 테스트. 이것이 보인다면 채널이 올바르게 구성되었습니다.“와 같은 확인 메시지가 표시됩니다.
통합 확인이 중요한 이유
시스템은 에이전트가 첫 번째 작업을 시작하기 전에 모든 통합이 작동하는지 자동으로 확인합니다. 설정 중에 통합이 실패하면 에이전트는 나중에 조용히 실패하는 대신 즉시 이를 플래그합니다. 작업 실행 중에 문제가 발생하면 작업이 “사람 입력 필요” 상태로 이동하여 문제를 해결할 수 있습니다.
뉴스레터 가입
최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.
AI 에이전트 팀 구조 이해하기
FlowHunt AI Factory의 아름다움은 팀을 수동으로 설계하지 않는다는 점입니다. 시스템은 작업을 분석하고 자동으로 올바른 구조를 조립합니다.
간단한 작업 구조: 단일 에이전트
티켓 추출 및 요약과 같은 직접적인 작업의 경우 한 명의 에이전트가 배정됩니다. 우리 예제에서는 이 에이전트가 “Ticket Triage Lead"인 Marcus입니다. 그의 페르소나는: “티켓 속도와 고객 영향을 먹고 마시는 냉정한 지원 운영 베테랑"입니다.
이 에이전트는 다음을 수행하는 데 필요한 모든 맥락과 도구를 가지고 있습니다:
- 최근 티켓에 대해 LiveAgent에 쿼리
- 각 티켓의 영향 분석
- 우선순위별 순위 지정
- 결과를 서식 지정하고 Slack에 게시
복잡한 작업 구조: 감독자 + 리더 + 워커
더 복잡한 워크플로의 경우 시스템은 다음을 만들 수 있습니다:
- 1명의 감독자: 전체 워크플로를 조정하고, 결과를 당신에게 전달하며, 엣지 케이스를 처리합니다
- 2-3명의 팀 리더: 서로 다른 측면(예: 한 명은 데이터 추출, 다른 한 명은 분석)에 전문화됩니다
- 3-6명의 워커 에이전트: 리더의 지시 아래 특정 작업을 실행합니다
이 계층 구조는 병렬 처리를 가능하게 합니다. 한 워커가 데이터를 추출하는 동안 다른 워커가 분석할 수 있습니다. 리더는 서로를 차단하지 않고 조정합니다. 감독자는 아무것도 놓치지 않도록 합니다.
AI 에이전트 팀 실행하기
프로젝트가 생성되면 에이전트 팀은 작업할 준비가 됩니다. 작업을 수동으로 트리거하거나 일정에 따라 실행되도록 설정할 수 있습니다.
수동 실행
작업 카드에서 “수락"을 클릭하면 즉시 실행이 트리거됩니다. 작업이 상태를 거치는 것을 볼 수 있습니다:
- 열림 — 작업이 준비되었지만 시작되지 않음
- 진행 중 — 에이전트가 적극적으로 작업 중
- 완료 — 작업 완료, 결과가 이용 가능
예약 실행
반복 작업의 경우 프로젝트를 만들 때 일정(매일, 매주, 사용자 지정 간격)을 설정합니다. 작업은 자동으로:
- 첫 실행 시 “열림” 및 “진행 중"으로 표시됩니다
- 완료 후 “열림"으로 돌아갑니다(반복이기 때문)
- 다음 예약 시간에 다시 실행됩니다
우리 예제에서 일일 티켓 다이제스트는 매일 아침 실행됩니다. 출근하면 Slack을 확인하여 어떤 중요한 티켓이 주의를 필요로 하는지 알 수 있습니다.
결과 및 에이전트 작업 보기
결과는 두 곳에 나타납니다: 칸반의 작업 카드와 지정한 통합(Slack, 이메일 등).
작업 카드 결과
완료된 작업을 클릭하여 전체 출력을 확인하세요. 티켓 다이제스트의 경우 다음이 표시됩니다:
- 요약: “일일 분류 완료. 새 티켓 3개 검토됨.”
- 우선순위 목록: 각 티켓의 우선순위 수준, 설명 및 권장 조치
- 세부 정보: 고객 영향 평가, 비즈니스 위험 및 다음 단계
통합 결과
Slack에서는 다음이 표시됩니다:
- 다이제스트 요약이 포함된 감독자의 메시지
- 고객 이름, 이메일, 문제, 비즈니스 영향 및 다음 단계를 포함한 자세한 정보가 포함된 스레드 답글
이 이중 출력은 빠른 스캐닝(Slack 요약)과 깊이 있는 파고들기(작업 카드 세부 정보)가 모두 가능하도록 보장합니다.
AI 에이전트 팀과 소통하기
생성 후에도 원래 프롬프트에 갇히지 않습니다. 채팅 인터페이스를 통해 새로운 지시를 내리거나, 질문하거나, 동작을 수정할 수 있습니다.
에이전트와 직접 소통
“채팅” 섹션에서 다음을 수행할 수 있습니다:
- Marcus(또는 어떤 에이전트든)에게 요청을 다르게 처리하도록 요청
- 특정 티켓이나 문제에 대한 답변 받기
- 프로젝트를 삭제하고 다시 만들 필요 없이 작업 수정
- 에이전트의 분석에 대한 후속 질문하기
예를 들어, “어떤 티켓이 가장 큰 영향 반경을 가지고 있으며, 매일 스페인어로도 다이제스트를 주세요?“라고 물을 수 있습니다.
에이전트는 이 요청을 처리하고, 모든 통합이 여전히 연결되어 있는지 확인하며, 그에 따라 동작을 조정합니다.
다중 에이전트 대화
여러 에이전트가 있는 시스템에서 감독자는 에이전트 간의 대화를 촉진할 수 있습니다. 조정이 필요한 질문을 할 수 있으며, 감독자가 적절히 라우팅합니다.
확인 및 안전성
모든 요청을 실행하기 전에 에이전트는:
- 모든 통합이 올바르게 연결되었는지 확인합니다
- 필요한 도구를 사용할 수 있는지 확인합니다
- 누락된 권한이나 구성 문제를 플래그합니다
- 무언가가 실행을 차단하는 경우 작업을 “사람 입력 필요"로 이동합니다
실제 예제: Live Agent 일일 다이제스트
설정부터 결과까지 전체 워크플로를 살펴보겠습니다.
프로젝트 설정
프로젝트 이름: Live Agent 일일 액션 아이템 다이제스트
작업 프롬프트: 지난 24시간 동안의 모든 중요한 라이브 에이전트 티켓을 추출하고, 고객 영향 및 비즈니스 위험에 따라 우선순위를 지정하고, 그날의 모든 상위 액션 아이템과 함께 Slack에 답변으로 메시지를 생성합니다.
통합: LiveAgent(소스) + Slack(목적지)
감독자 커뮤니케이션: Slack 채널 “ask-flowhunt”
에이전트가 하는 일
- LiveAgent 쿼리: 지난 24시간 동안 생성된 모든 티켓을 가져옵니다
- 영향 분석: 우선순위 지정 프레임워크에 따라 각 티켓을 평가합니다:
- 시스템 중단(최고 우선순위)
- 수익 위험
- 보안 문제
- 다중 고객 영향
- 단일 고객 문제
- 결과 순위 지정: 상위 3-5개 액션 아이템의 우선순위 목록을 만듭니다
- 출력 형식 지정: 명확성과 실행 가능성을 위해 다이제스트를 구조화합니다
- Slack에 게시: 요약을 팀 채널로, 자세한 정보를 스레드에 보냅니다
샘플 출력
일일 분류 완료
검토된 티켓: 지난 24시간 동안 새 티켓 3개
우선순위 1: FlowHunt API의 404 오류
- 고객: [이름]
- 상태: 고객 차단됨
- 조치: 기술 지원에 할당, 2시간 내 해결
우선순위 2: 이메일 Slack 알림 플로우 구축 지원
- 고객: [이름]
- 상태: 온보딩 지원
- 조치: 2-4시간 내 응답
우선순위 3: 화이트 라벨링 가격 문의
- 고객: [이름]
- 상태: 세일즈 질문
- 조치: 세일즈 팀으로 라우팅
고급 기능: 사용자 정의 및 제어
AI 에이전트 팀은 정적이지 않습니다. 필요에 따라 발전시킬 수 있습니다.
에이전트 동작 수정
프로젝트를 삭제하지 않고도 다음을 수행할 수 있습니다:
- 에이전트가 우선순위를 두는 것을 변경
- 새로운 출력 형식 추가(예: “스페인어로도 보내기”)
- 시간 창 수정(24시간 대신 “지난 48시간”)
- 새 통합 추가(예: 이메일로도 게시)
채팅 인터페이스를 통해 에이전트에게 요청하면 적응합니다.
에이전트 재할당
Marcus(티켓 분류 에이전트)가 충분히 활용되지 않는 경우, 그의 성격과 전문성을 그대로 유지하면서 다른 작업에 재할당할 수 있습니다. 시스템은 그의 전문성을 기억하고 새로운 작업에 적용합니다.
프로젝트 삭제 및 재생성
완전히 새로운 시작을 원한다면 프로젝트를 삭제하고 새로운 것을 만드세요. 통합은 연결된 상태로 유지되므로 두 번째 설정이 더 빠릅니다.
AI 에이전트 팀 성공을 위한 모범 사례
1. 프롬프트에서 구체적이어야 합니다
모호한 프롬프트는 모호한 결과로 이어집니다. “티켓 요약” 대신 “시스템 영향이 있는 티켓을 추출하고, 고객 수익으로 순위를 매기고, 권장 조치와 함께 상위 5개를 나열하세요"라고 말하세요.
2. 통합을 조기에 테스트하세요
예약된 작업에 의존하기 전에 다음을 확인하기 위해 수동 실행을 수행하세요:
- 데이터가 올바르게 가져와지고 있는지
- 결과가 예상대로 서식 지정되었는지
- 통합이 올바른 위치에 출력을 전달하는지
3. 간단하게 시작하고 점진적으로 확장하세요
워크플로를 이해하기 위해 단일 에이전트 작업으로 시작하세요. 익숙해지면 더 복잡한 다중 에이전트 시스템을 구축하세요.
4. 에이전트 성과 모니터링
작업 결과를 정기적으로 확인하세요. 에이전트가 올바르게 우선순위를 정하지 않거나 중요한 데이터를 놓치고 있다면 채팅 인터페이스를 통해 프롬프트를 조정하세요.
5. 감독자 커뮤니케이션 활용
감독자의 메시지는 에이전트가 무엇을 하고 있는지에 대한 창입니다. 에이전트의 추론을 이해하고 문제를 조기에 포착하기 위해 주의 깊게 읽으세요.
AI 에이전트 팀을 위한 일반적인 사용 사례
라이브 에이전트 티켓 다이제스트는 하나의 예일 뿐입니다. AI 에이전트 팀은 다음에서 뛰어납니다:
- 세일즈 파이프라인 관리: 거래 분석, 위험 계정 플래그, CRM 업데이트
- 콘텐츠 모더레이션: 사용자 제출 검토, 분류, 위반 에스컬레이션
- 데이터 집계: 여러 소스에서 데이터 가져오기, 변환 및 통합
- 고객 온보딩: 정보 확인, 계정 생성, 환영 시퀀스 전송
- 사고 대응: 이상 탐지, 팀 경고, 해결 조정
- 보고서 생성: 데이터 수집, 트렌드 분석, 인사이트 배포
패턴은 항상 동일합니다: 작업을 정의하고, 통합을 연결하고, 시스템이 팀을 구축하도록 합니다.
결론
AI 에이전트 팀은 우리가 자동화에 접근하는 방식에 근본적인 변화를 나타냅니다. 경직된 워크플로를 구축하는 대신, 원하는 작업을 정의하고 시스템이 이를 처리할 올바른 팀을 조립하도록 합니다. FlowHunt의 AI Factory는 이를 접근 가능하게 만듭니다 — 코딩이 필요 없고, 복잡한 구성이 없으며, 명확한 프롬프트와 연결된 통합만 있으면 됩니다.
라이브 에이전트 일일 다이제스트 예제는 이 접근 방식의 힘을 보여줍니다. 한때 수동 검토, 스프레드시트 업데이트, 이메일 조정이 필요했던 것이 이제 매일 아침 자동으로 일어납니다. 팀은 매일 명확한 우선순위로 시작하고, 지원 운영은 더 원활하게 진행됩니다.
지원 티켓을 관리하든, 세일즈 데이터를 집계하든, 사용자 콘텐츠를 모더레이션하든, 사고 대응을 조정하든, 동일한 원칙이 적용됩니다. 명확한 프롬프트로 시작하고, 통합을 연결하고, AI 에이전트 팀이 작업을 처리하도록 하세요.
첫 AI 에이전트 팀을 구축할 준비가 되셨나요? FlowHunt의 AI Factory로 가서 작업을 정의하고, 시스템이 이를 실행할 완벽한 팀을 조립하는 것을 지켜보세요.
