공유 메모리로 AI를 '팀원'으로 전환하는 설계
2026년 6월, Asana의 최고제품책임자(CPO) 아르나브 보스는 VB Transform 2026에서 기업용 인공지능(AI) 에이전트의 핵심 제약이었던 '기억(memory)' 문제를 해결하기 위한 새로운 운영체제인 에이전트 워크 관리(Agentic Work Management, AWM)를 공개했다. 이 발표의 핵심 결론은 AI 에이전트를 개인 비서 수준에서 멈추지 않고 조직의 공유된 '팀원'으로 재정의했다는 점이다. 발표 시점과 책임자 명시는 기업 현장 적용과 거버넌스 설계가 동일한 시점에서 맞물려 진행되었음을 분명히 보여준다.
AWM의 구조적 전환은 두 가지 축으로 요약된다. 첫째는 Asana의 워크 그래프(Work Graph)에 AI 에이전트를 연결해 조직 전체의 목표와 프로젝트 상태를 에이전트가 인식하도록 만든 점이다. 둘째는 이 공유된 정보 기반에서 '메모리'를 생성·공유하되 접근 권한을 엄격히 통제한 점이다.
이러한 설계는 AI가 개인 프롬프트나 사설 파일시스템에만 의존하던 기존 운영 방식과 본질적으로 다르다. 첫 번째 근거는 워크 그래프 연동의 실용성이다.
AWM은 제품 요구사항 문서에서 출발해 프로젝트 구조를 자동으로 생성하고 작업을 배분하는 워크플로우를 제공한다. Asana의 설명에 따르면 이 과정에서 단일 문서가 프로젝트의 골격으로 전환되고, 전문 에이전트들이 각 업무 실행을 담당하도록 역할이 분화된다. 자동화는 반복적이고 규칙 기반인 과제를 줄여 사람의 설계·판단 시간이 늘어나는 결과를 만든다.
두 번째 근거는 운영 사례다. AWM은 FedEx를 포함한 여러 엔터프라이즈 고객사에서 이미 운영되고 있다고 Asana가 밝혔다. 실제 환경에서 한 에이전트는 전체 프로젝트 상태를 모니터링해 병목 현상을 표시했고, 다른 에이전트는 과거 예산 데이터를 바탕으로 인프라 비용을 예측해 승인 권고를 제시했다.
이러한 사례는 AWM이 단순 보조를 넘어 프로젝트 관리의 일부 의사결정을 위임받을 수 있음을 보여준다.
광고
세 번째 근거는 데이터 거버넌스의 설계다. 보스 CPO는 기밀 프로젝트의 메모리가 권한 없는 직원에게 유출되지 않도록 접근 제어 기반의 메모리 생성을 구현했다고 설명했다.
이 접근 제어는 사용자의 권한에 따라 어떤 메모리가 생성되고 공유되는지를 결정한다. 권한 기반 메모리 관리는 기업 내부의 정보 흐름을 재설계하는 수단이자, 규제·컴플라이언스 요구를 충족시키는 기술적 장치가 된다.
데이터 거버넌스와 권한 기반 메모리 관리의 실무적 의미
이들 근거는 업무 효율과 보안 사이의 균형 문제가 기술적 설계의 핵심이라는 분석을 뒷받침한다. 공유 원장을 기반으로 한 메모리 설계는 에이전트가 조직 목표를 이해하고 실행할 수 있게 한다. 동시에 권한 통제는 기밀 정보의 범위를 기술적으로 한정할 수 있다는 점에서 기업 실무자들이 요구해온 기능을 충족한다.
이 조합은 AI 도구가 인간과 협업하는 방식을 바꾸는 요인이다. 예상되는 반론은 두 가지다. 하나는 '공유 메모리' 자체가 내부 유출을 촉진할 수 있다는 우려다.
다른 하나는 자동화 과정에서 발생하는 오류가 조직 의사결정에 반영될 위험이다. 전자에 대해서는 접근 제어 설계가 완전무결하지 않다는 점을 인정해야 한다. 다만 AWM이 권한 기반 메모리 생성을 채택한 것은 기밀 범위를 기술적으로 분리하려는 시도로, 기존에 개인 프롬프트에 흩어져 있던 정보보다 오히려 통제 가능한 형태로 집적될 가능성이 있다.
후자의 우려에 대해서는 에이전트의 결정 권고를 사람이 검토하는 '검증 루프'를 반드시 포함시키는 설계로 대응할 수 있다. 정책과 제도의 관점에서는 몇 가지 과제가 드러난다.
첫째, 한국 기업들은 AWM과 유사한 공유 메모리 설계를 도입할 때 내부 권한 체계와 데이터 분류 기준을 우선 재정의해야 한다. 둘째, 개인정보보호법과 기업 내부 규정 사이의 적용 기준을 명확히 정해 에이전트 메모리의 보관·삭제·접근 로그를 규범화할 필요가 있다.
광고
셋째, 감사 가능성(auditability)을 제공하는 기술 표준이 필요하다. AWM 사례는 기술이 조직의 정보 아키텍처를 바꾸고, 그에 따른 법적·관리적 책임의 범위를 다시 설정하게 만든다는 점을 보여준다.
기업 실무자 관점의 단기 영향은 뚜렷하다. 요구사항 문서 작성 단계부터 프로젝트 관리 단계로 이어지는 업무 흐름이 간소화되면 제품 관리자와 PMO의 일상적 업무 부담이 줄어든다. 에이전트가 추천하는 인프라 비용 추정이나 병목 표시를 신속히 검토·수용할 때 의사결정 사이클도 단축된다.
그러나 이러한 단기 이득을 누리려면 권한 체계와 검증 절차를 사전에 갖춰야 한다.
한국 기업이 준비해야 할 업무·보안·정책 과제
장기적으로는 조직의 일하는 방식이 바뀔 가능성이 크다. AI 에이전트가 공유된 메모리를 통해 지속적으로 학습하고 동료와 협업하는 구조는 팀 단위의 작업 경계와 책임 소재를 재정의한다. 이는 프로젝트 관리의 분업 구조를 바꾸고, 업무 표준화와 자동화 수준을 높이며, 결과적으로 조직 내부의 업무 표준과 규정을 기술적 코드로 전환하는 압력을 만든다.
한국 기업에는 구체적 준비 과제가 있다. 내부 데이터 분류 체계와 권한 모델을 정비해 AI 메모리 생성 규칙을 기술적으로 적용할 수 있어야 한다.
감사 로그와 검증 루프를 포함하는 운영 절차를 마련해 에이전트의 권고가 어떻게 도출되었는지 추적 가능해야 한다. 경영진은 단기 생산성 향상과 장기 조직 구조 변화 중 어느 쪽에 우선순위를 둘지 전략적 결정을 내려야 한다. 이 세 과제는 기술 도입의 성공 여부를 가르는 핵심 변수다.
현재까지 Asana가 공개한 정보는 AWM이 기업 현장에 적용될 수 있는 구체적 설계 방향을 제시했다는 사실에 국한된다. Asana의 발표는 기술적 가능성과 함께 데이터 거버넌스 문제 해결을 제품 설계의 중심에 올려놓은 사례로 해석할 수 있다. 한국 기업들이 동일한 설계를 도입하려면 기술적·조직적 준비를 병행해야 한다는 점이 남는다.
광고
Asana의 AWM은 AI 에이전트를 개인 비서를 넘어 조직의 공동 기억으로 전환시키는 설계다. 이 전환은 생산성 개선의 기회를 제공하지만 동시에 권한과 감시의 기준을 기술적으로 재구성하라는 압력을 만든다.
한국 기업은 어디서부터 통제 권한을 설계할 것인가, 그리고 그 설계가 조직의 책임 구조를 어떻게 바꿀 것인가를 먼저 결정해야 한다.
FAQ
Q. AWM을 도입하면 일반 직원의 일상 업무는 어떻게 달라지나
A. AWM은 요구사항 문서에서 프로젝트 구조를 자동 생성하고 업무를 배분해 반복적 계획 수립 시간을 줄인다. 이로 인해 직원은 더 고차원적 설계와 검토 업무에 집중할 여유가 생긴다. 다만 권한에 따라 일부 정보 접근이 제한될 수 있어 업무 재분배와 권한 요청 프로세스를 미리 설계해야 한다. 도입 초기에는 권한 설정과 검증 절차로 추가 업무가 발생할 수 있다.
Q. 기밀 프로젝트에 AWM 같은 공유 메모리를 쓰면 내부 유출 위험은 어떻게 관리하나
A. Asana는 접근 제어 기반의 메모리 생성을 통해 권한 없는 직원에게 기밀 메모리가 생성·공유되지 않도록 설계했다. 기술적으로는 권한 레이블에 따라 메모리 생성 시점과 접근 로그가 남도록 구현해야 한다. 조직은 법무·보안·업무 담당자가 참여하는 권한 정책을 수립해 기술적 제어와 내부 규정을 일치시켜야 한다. 이후 정기적인 감사와 로그 검토를 통해 정책 준수 여부를 확인해야 한다.
Q. 중소기업도 AWM 같은 설계를 도입할 필요가 있나
A. 중소기업은 대기업과 달리 복잡한 권한 체계가 없을 수 있어 초기 도입 장벽이 상대적으로 낮다. 다만 인적 리소스나 법적 대응 능력이 작은 만큼 자동화된 권고를 검증하는 내부 절차를 반드시 마련해야 한다. 비용 대비 효과를 분석해 핵심 반복 업무부터 우선 자동화하는 방식으로 단계적 도입이 현실적이다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
