7월 15일 이 뉴스를 보고 여러 작업을 병렬로 모니터링하는 도구가 등장한 것 같다는 생각을 했습니다. 이것이 의미하는 것은 AI에게 일을 하나씩 맡기는 시간이 끝나고, 동시에 진행되는 작업의 '완료'를 어떻게 처리할지가 현장의 병목 지점이 된다는 것입니다.

저는 완료 보고에 단순히 '되었습니다'라고만 작성하게 하는 운영 방식에는 반대합니다. 결과물의 위치도 검증 결과도 없는 한 줄은 건수가 늘어날수록 확인 작업을 뒤로 미룰 뿐입니다. 오늘 아래 스크립트를 샘플 JSON과 CSV로 실행해 보니, 파일의 유무뿐 아니라 JSON의 필수 키와 CSV의 열/행 수까지 나누어 확인할 수 있었습니다. 이게 은근히 효과적입니다.

완료 판단을 보고서 문구에서 결과물의 검수(verification)로 옮깁니다.

예를 들어 영업 자료 요약이라면, 요약 파일이 있는 것만으로는 부족합니다. 다음 액션이 포함되어 있는지, 담당자 목록이 CSV라면 열 이름이 갖춰져 있는지까지 정의해야 합니다. AI에게 요청하는 문구와 별도로 검수용 tasks.json을 배치합니다.

[
{
"id": "sales-01",
...

artifact를 deliverables/ 아래로 한정하는 것도 중요합니다. 보고 측에서 임의로 다른 장소의 파일을 가리켜도 검수 대상으로는 삼지 않습니다.

다음 내용을 verify_deliverables.py로 저장하고, python3 verify_deliverables.py tasks.json으로 실행합니다. 외부 라이브러리는 사용하지 않습니다. AI가 작성한 임의의 명령어는 실행하지 않고, 파일의 형태만 확인합니다.

import csv
import json
import sys
...

제가 가진 샘플에서는 sales-01: OK, sales-02: OK였습니다. 필수 키를 일부러 빠뜨린 sales-03은 NG JSON의 필수 키가 없음: approved_by로 멈췄습니다. 보고 문구를 읽는 것보다 어디를 고쳐야 할지 더 빨리 알 수 있습니다.

이 시스템의 목표는 완료율을 깔끔하게 보이게 하는 것이 아닙니다. 결과물 없음, 형식 오류, 필요 항목 부족 등을 개별적으로 남기면, 요청 방식이 잘못된 건지 출력 형식이 모호한 건지를 다음번에 고칠 수 있습니다. 모든 것을 사람이 읽는 운영보다 확인하는 장소가 훨씬 작아집니다.

처음에는 JSON과 CSV만으로 충분합니다. 자료라면 페이지 수, 이메일 초안이라면 받는 사람 목록 등 업무에 맞춰 검수 조건을 하나 추가합니다. AI를 병렬로 사용할수록 속도보다 먼저 '끝났다'의 정의를 확립하는 것이 중요합니다. 저는 여기서부터 시작하는 것이 가장 실무적이라고 생각합니다.