서론

주식회사 코바야시(Kobayashi)에서는 사내 서버에 AI 에이전트(AI Agent)를 도입하여 매일의 업무를 자동화하고 있습니다. 이 기사에서는 도입 배경, 시스템 구성, 설계 판단, 어려웠던 점 등에 대해 자세히 설명합니다.

과제 제기

기존 사내 업무에서는 서류 정리, 매일 정기 보고서 작성, 서버 모니터링 등 사람을 고용할 정도는 아니지만 확실히 시간을 빼앗는 업무가 많았습니다. 이러한 업무를 효율화하기 위해 AI 에이전트 도입을 결정했습니다.

시스템 구성

사내 서버에는 AI 에이전트가 상주하며 매일 정해진 시간에 정해진 일을 수행하고 있습니다. 현재 AI 에이전트가 매일 수행하고 있는 업무의 일부는 다음과 같습니다.

구현

AI 에이전트 구현에는 Python을 사용했습니다. 구체적으로는 다음 라이브러리들을 사용했습니다.

schedule
: 잡 스케줄링 (Job Scheduling) -
pandas
: 데이터 분석 (Data Analysis) -
numpy
: 수치 계산 (Numerical Computation) -
scikit-learn
: 머신러닝 (Machine Learning)

예: 서류 정리 잡 (Job)

import schedule
import time
import pandas as pd
...

운용 설계 판단

AI 에이전트 운용에서는 다음과 같은 원칙으로 설계 판단을 내리고 있습니다.

정형 업무는 AI에게, 판단은 사람에게: 매일 같은 절차의 업무만 AI 에이전트에게 맡기고, 금액이나 거래와 관련된 판단은 반드시 사람이 수행합니다 -
결과는 반드시 보고하게 할 것: AI 에이전트가 수행한 업무 결과는 반드시 보고하도록 합니다 -
실패해도 망가지지 않는 범위에서: AI 에이전트에게 맡기는 업무는 실패하더라도 사내 시스템이 망가지지 않는 범위부터 시작합니다

어려웠던 점

AI 에이전트 도입 및 운용에서 어려웠던 점은 다음과 같습니다.

초기 설정이 중요: AI 에이전트 설정이 불충분하면 예기치 않은 에러가 발생할 수 있습니다 -
잡(Job)의 우선순위: 잡의 우선순위를 적절히 설정하지 않으면 중요한 잡이 늦게 실행될 수 있습니다

요약

본 기사에서는 사내 서버로의 AI 에이전트 도입, 자동 정리·보고·모니터링 구현, 운용 설계 판단 및 어려웠던 점에 대해 설명했습니다. AI 에이전트 도입을 통해 사내 업무의 효율화를 실현할 수 있었습니다. 주식회사 코바야시에서는 제조업 현장에서 이러한 시스템을 자체적으로 실천하고 있습니다. 추진 사례 목록: https://kobayashi-works.co.jp/digital/

Discussion