AI 자동화 시스템 - 팀 협업 병목 해결
(291 Words, 2 Minutes)
AI 자동화 시스템
Tech Stack: OpenAI API, Pinecone, LangChain, Slack API, Jira API, MCP (Model Context Protocol)
Problem
서비스가 성장하면서 가장 큰 병목은 소통 비용의 증가였습니다.
- 초기에는 한 공간에서 일하며 자연스럽게 정보가 공유됨
- 업무가 복잡해지면서 기획, 개발, 디자인, 마케팅이 서로 무슨 일을 하는지 파악하기 어려워짐
- Slack과 Jira를 도입했지만, 특정 직무만 사용하면서 오히려 정보가 파편화되는 문제 발생
“이 문서 어디 있어요?”, “그때 왜 이렇게 결정했어요?” 같은 질문이 슬랙에 수시로 올라왔고, 이런 반복 질문에 답변하느라 시간을 낭비하고 있었습니다.
Solution
Slack 내부에서 작동하는 AI 자동화 시스템을 직접 기획하고 구축했습니다.
1. RAG 기반 사내 지식 검색 봇
서비스 기획서, 회의록, 과거 논의 내용을 Pinecone 벡터 데이터베이스에 임베딩하고, OpenAI API를 연동해 검색-생성(RAG) 파이프라인을 구현했습니다.
팀원: "@miho 로그인 기능 기획 의도가 뭐였지?"
봇: "로그인 기능은 2024년 3월 기획 회의에서 결정되었습니다.
핵심 의도는... [관련 문서 요약]"
팀원들이 사람에게 묻기 전에 봇에게 먼저 질문하는 습관이 생기면서 반복 질문이 눈에 띄게 줄었습니다.
2. MCP 기반 Jira 연동
MCP(Model Context Protocol)를 활용해 LLM이 Jira와 직접 상호작용할 수 있도록 구현했습니다.
팀원: "@miho 로그인 버그 수정 티켓 만들어줘"
봇: [대화 맥락 분석] → [Jira 티켓 자동 생성] → [담당자 할당]
브라우저를 오가며 수동으로 티켓을 작성하던 과정이 자연어 한 줄로 해결되었습니다.
3. 비동기 데일리 스크럼 봇
매일 오전 10시에 봇이 각 팀원에게 DM으로 “오늘 할 일 / 어제 한 일 / 블로커”를 수집하고, 팀 채널에 자동으로 요약 게시합니다.
대면 회의 없이도 비동기로 서로의 업무 진행 상황을 파악할 수 있게 되었습니다.
Architecture
┌─────────────────────────────────────────────────────────┐
│ Slack Workspace │
├─────────────────────────────────────────────────────────┤
│ @miho 멘션 │
│ ↓ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ RAG Bot │ │ Jira Bot │ │ Scrum Bot │ │
│ │ (지식검색) │ │ (티켓생성) │ │ (스크럼수집) │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │
└─────────┼──────────────────┼──────────────────┼─────────┘
↓ ↓ ↓
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Pinecone │ │ Jira │ │ Notion │
│ Vector DB │ │ API │ │ API │
└─────────────┘ └─────────────┘ └─────────────┘
↑
┌─────────────┐
│ OpenAI │
│ API │
└─────────────┘
Result
도입 후 체감상 주간 스프린트에서 처리하는 티켓 수가 약 3배 늘었고, 팀원들의 서로 업무에 대한 이해도가 눈에 띄게 높아졌습니다.
“슬랙만 보면 지금 누가 뭘 하는지 다 파악된다”
What I Learned
AI 자동화의 핵심은 “조직의 병목 제거”
단순 반복 작업을 자동화하는 것보다, 팀 전체의 생산성을 가로막는 병목을 찾아 제거하는 것이 더 큰 가치를 만듭니다.
AI 도구는 기존 습관 위에서 작동해야 채택된다
새로운 도구를 도입하는 게 아니라, 팀원들이 이미 쓰고 있는 Slack 안에서 자연어로 작동하게 만들었기 때문에 실제로 사용되었습니다.
MCP의 가능성
LLM이 외부 도구와 상호작용할 수 있게 해주는 MCP를 활용하면, 단순 챗봇을 넘어 실제 업무를 수행하는 에이전트를 만들 수 있습니다.