Claude Managed Agents로 전 직원을 빌더로 만들려고 계획하는 Rakuten

Rakuten전 자상거래, 여행, 핀테크, 디지털 콘텐츠, 커뮤니케이션 전반에 걸쳐 70개 이상의 비즈니스를 운영하는 글로벌 기술 기업입니다. 이 회사는 전사적 'AI화' 전략의 일환으로 Claude Code를 도입해 소프트웨어 개발을 가속화하는 데 이어 전 부서에서 직원과 협업하는 AI 에이전트를 구축하는 단계로 나아가고 있습니다. Rakuten의 AI for Business 총괄인 Yusuke Kaji는 Anthropic과의 대화에서 팀이 Claude Managed Agents를 도입한 배경, 실험 단계에서 프로덕션까지의 과정, 그리고 직원이 에이전트에 업무가 아닌 결과를 위임하기 시작하면서 일어난 변화에 대해 이야기했습니다. 다음은 대화 내용을 간략하고 명확하게 편집한 것되었습니다.

초기에 에이전틱 인프라를 자체 구축하는 데 투자하셨는데, Claude Managed Agents를 사용하기 시작면서 어떤 변화가 있었나요?

Yusuke Kaji, Rakuten: 최전선에 있다 보면, 선례가 없는 문제를 해결해야 하는 경우가 많습니다. 저희는 초기부터 에이전트가 채팅 기반 AI 상호작용을 넘어 발전하려면 지속적인 컴퓨팅, 메모리, 스토리지가 필요하다고 확신했습니다. 이 예상은 완전히 적중했습니다. 엔지니어들은 에이전트의 신뢰성과 확장성을 높이는 인프라를 구축하는 데 수많은 노력을 기울였습니다. 당시로서는 그것이 올바른 결정이었습니다. 이전에는 그 누구도 그런 적이 없었기 때문입니다.

이제 에이전트 실행 계층을 관리하는 것은 팀의 핵심 목표가 아닙니다. Managed Agents가 확장성과 신뢰성을 해결해 주고 있는 만큼, 여기에 투입됐던 엔지니어링 인재를 우리만의 차별점인 '에이전틱 경험 자체'와 '에이전트와 기업 시스템의 안전하고 통제되는 통합'에 집중시킬 수 있게 되었습니다. 1년이 걸릴 일을 일주일 만에 완료하는 것의 가치를 보는 것이죠. 세상은 우리를 기다려 주지 않으니까요.

Claude Code로 Rakuten의 전사적 AI 전략은 속도를 낼 수 있었습니다. 전사적 에이전트 도입을 다음 단계로 설정한 이유는 무엇인가요?

Kaji:바로 저희는 처음부터 Claude Code가 엔지니어링을 넘어서 새로운 작업 방식으로써 가진 잠재력을 확실히 보았습니다. 기술 혁신은 늘 소수의 사용자로 시작해 빠르게 확장되어 세상을 변화시키는 법인데, 저희는 에이전트가 그 다음 물결이라고 보고 있습니다.

Managed Agents 덕분에 파워 유저는 갈릴레오처럼 한 분야나 학문을 뛰어넘어 다방면에서 활약하게 되었습니다. 저희는 일주일 만에 부서별 전문 에이전트를 배포하여 엔지니어링, 제품, 영업, 마케팅, 재무 등에서 장기 실행 작업을 관리하고, 샌드박스 환경에서 앱, 제안서 자료, 스프레드시트를 생성합니다. 에이전트의 기능이 고도화되면서, Managed Agents를 통해 에이전틱 인프라를 직접 구축하지 않고도 안전하게 확장할 수 있게 되었습니다. 덕분에 전사적으로 혁신을 대중화하는 데 온전히 집중하고 있습니다.

실제로 에이전트를 Slack과 Microsoft Teams, 그리고 사용자가 작업을 생성해 에이전트에게 할당하는 자사의 칸반 스타일 업무 시스템과 통합하고 있습니다. 워크스페이스와 아티팩트는 동료들과 공유됩니다. Managed Agents는 다중 환경을 지원하므로, 이러한 각 활용 사례에 맞춰 별도의 워크스페이스를 생성할 수 있습니다.

저희는 어디서든, 특히 모바일 기기에서도 업무를 수행할 수 있다는 점을 알게 되었습니다. 원래 서면 커뮤니케이션에서는 정보 밀도가 낮아지기 마련입니다. 그러나 모바일 환경을 기본으로 지원하니, 음성으로 에이전트와 소통하며 이동 중에도 업무를 할당하고, 해결하려는 문제의 세부 정보를 훨씬 더 많이 전달할 수 있습니다. Rakuten Mobile이라는 이동통신 사업을 운영하는 저희로서는 매우 고무적이죠. 과거 통신 산업을 대중화했듯, 이제 이 모바일 네트워크를 활용해 AI 에이전트 혁신의 대중화를 이끌어낼 수 있을 겁니다.

실무에서는 작업 시스템이 어떻게 작동하는지 설명해 주세요. 일반적인 워크플로우는 어떤 모습인가요?

Kaji: 당사 제품 중 하나는 에이전트를 통해 사용자 피드백을 수집합니다. 에이전트는 사용자와 채팅하며 사용자의 요구 사항과 불만 사항을 파악한 뒤 티켓을 생성하죠. 그걸 다른 에이전트나 인간 동료가 분류합니다. 이를 진행하기로 결정하면 에이전트와 협력해 PRD 또는 와이어프레임, 프로토타입을 완성합니다. 성공 기준에 부합할 때까지 신속하게 반복 작업을 실행합니다.

우리 동료들은 강력한 리더가 팀을 이끄는 방식으로 에이전트 팀을 관리하며 리더십 스킬을 보여주었습니다. 동료 중 한 명이 정기적으로 여러 에이전트를 병렬로 생성합니다. 하나는 시장 리서치, 다른 하나는 데이터 분석을 위한 것입니다. 장시간 실행되는 에이전트가 밤새 생성한 결과물을 검토하고, 구체적인 피드백을 실시간으로 공유하며, 결과를 최종 자료로 정리합니다.

이러한 파워 유저를 한 분야를 넘어 다방면에서 활약하는 사람이라는 뜻으로 '갈릴레오'라고 표현하셨는데, 구체적인 를 들어 주실 수 있나요?

Kaji: 제품 매니저인 Shoko Sakamoto는 이제 본래의 역할을 크게 뛰어넘은 활약을 보여주고 있습니다. 에이전트를 활용해 여러 퍼블릭 클라우드에 FinOps 파이프라인을 구축하고, API에서 데이터를 가져오며, 추세를 모니터링하기 위해 대시보드를 처음부터 구축하고, 다양한 이해관계자를 위한 맞춤형 뷰까지 구현합니다. 이 모든 걸 혼자 해내죠. 또한 자신이 관리하는 제품의 이상 징후을 추적할 수 있도록 관측 역량을 갖춘 앰비언트 에이전트를 설정했습니다. 문제가 발생하면 에이전트가 그녀에게 알려주죠.

Tanapat Ratana와 같은 엔지니어가 있었기에 이것이 가능했습니다. Applied AI Group을 이끌고 있는 Tanapat은 프로덕션 예외 상황을 조사하고, 근본 원인 분석을 Slack에 전달하며, 피드백을 기반으로 자가 개선하는 에이전트를 설계했습니다. 그리고 이 를 팀 전체에 배포하여 Shoko와 같은 비엔지니어도 엔지니어링 팀에 의존하지 않고 자신의 제품에 설정할 수 있도록 했습니다.

이제 Shoko는 이전에는 한 분기가 걸렸던 주요 릴리스를 2주마다 감독하면서도, 이 성장이 재무적으로 지속 가능하도록 관리하는 동시에 전에 없던 속도로 관리하는 제품을 확장하고 있습니다. 우리에게 그녀는 '갈릴레오'입니다.

에이전트 중에는 한 번에 몇 시간씩 작동하는 것도 있습니다. 그런 시간 규모에서는 무엇이 가능하며, 위임 방식은 어떻게 바뀌나요?

Kaji: 과거에는 에이전트가 실행할 수 있도록 작업을 명확하게 정의된 단위로 나누어야 했습니다. 이제 에이전트가 몇 시간 동안 작업할 수 있으므로, 달성하고자 하는 목표나 최종 상태를 공유하해 주기만 하면 에이전트가 어떤 작업을 수행해야 할지 스스로 결정합니다. 가장 큰 변화는 작업이 아닌 목표를 위임한다는 것입니다. 덕분에 많은 비용과 시간을 투자하지 않고도 더 많은 가설을 검증할 수 있습니다.

에이전트는 매 세션마다 메모리를 사용해 스스로 개선되기도 합니다. 시간이 지나면서 품질 측면에서 어떤 점을 관찰하셨나요?

Kaji: 메모리를 갖춘 에이전트는 지난 세션에서 무엇이 잘못되었는지 기억하고 같은 실수를 반복하지 않습니다. 파일럿 테스트에서 출력 품질 저하 없이 초기 치명적 오류는 97% 감소했고, 비용과 지연 시간은 30% 이상 줄어들었습니다. 에이전트는 이미 확인한 실수를 피하고 적응합니다. 

에이전트가 대규모로 메모리를 유지하면, 조직 자체가 학습합니다. 오늘날 기관의 지식은 사람, 문서, 시스템에 파편화되어 있습니다. 에이전트 메모리가 있으면 한 에이전트가 얻은 모든 인사이트를 전체 시스템이 이용할 수 있습니다. 개별 학습이 즉시 조직의 학습이 되는 것입니다. 그러면 우리는 에이전트를 단순히 기억력을 가진 도구로 보는 게 아니라, Rakuten을 자체 지능을 지속적으로 발전시키는 존재로 보기 시작하겠죠. 새롭게 열리는 업무 범주는 단순히 더 어려운 작업이 아니라, 조직이 알고 있는 모든 지식의 폭을 요구하는 작업입니다.

이 여정에서 얻은 가장 큰 교훈은 무엇인가요?

Kaji: 가장 큰 교훈은 이번 여정을 통해 '인텔리전스의 한계 이익'을 극대화하려면 작업 방식을 완전히 바꿔야 한다는 가설을 검증한 것이죠. AI화는 힘들지만, 에이전틱 시스템의 잠재력을 완전히 실현하기 위해서는 필요한 단계입니다.

구축하고자 하는 최종 상태는 무엇인가요?

Kaji: 우리는 AI 에이전트를 미래의 동료나 경쟁자로 보지 않습니다. 그냥 주변의 시스템이죠. 현대 기업은 조율 비용을 줄이기 위해 등장했습니다. 저희는 AI 에이전트가 혁신 비용에서도 똑같은 역할을 할 것이라고 믿습니다. 저희가 바라는 최종 상태는 단순합니다. Rakuten이 혁신 비용을 낮추는 기업이 되어 사회에 대한 기여를 가속화하는 것입니다.