하네스 루프 그래프 엔지니어링 차이, 다섯 단계로 이해하기
하네스 루프 그래프 엔지니어링은 서로 다른 유행어가 아니라, AI에게 일을 시키다 막힌 지점을 풀려고 차례로 나온 하나의 흐름입니다. 프롬프트, 컨텍스트, 하네스, 루프, 그래프까지 다섯 단계가 각각 어디서 막혀서 생겼는지, 신입사원에게 일을 시키는 상황에 빗대어 풀었습니다. 용어를 외우기보다 지금 내가 어느 고비에 서 있는지 가려내는 데 쓰는 글입니다.

다섯 이름은 하나의 고민에서 나왔다
AI에게 일을 시키는 방법에는 3년 사이 이름이 다섯 번 붙었습니다. 새 이름이 나올 때마다 기존 공부에 AI 공부까지 늘어난 것 같아 부담스럽지만, 이름이 바뀐 이유는 하나입니다. 한 방법을 쓰다 막히면 그 막힘을 푸는 다음 방법이 나왔기 때문입니다. 이름을 몰라도 상관없고, 내가 지금 어떤 문제를 겪는지만 알면 어느 단계의 방법이 필요한지 보입니다.
| 단계 | 막힌 지점 | 푸는 발상 | 신입사원에 빗대면 |
|---|---|---|---|
| 프롬프트 | AI가 우리 회사 사정을 모릅니다 | 역할과 원하는 결과를 구체적으로 지시합니다 | 일을 분명하게 시킵니다 |
| 컨텍스트 | 매번 사람이 자료를 챙겨 줘야 합니다 | 관련 자료를 함께 주고, 스스로 찾게 연결합니다 | 업무 자료를 같이 건넵니다 |
| 하네스 | 규칙을 알려 줘도 어길 수 있습니다 | 도구, 규칙, 검증, 복구를 환경으로 강제합니다 | 회사 업무 시스템을 갖춰 줍니다 |
| 루프 | 완성됐는지 사람이 계속 확인해야 합니다 | 작업, 검사, 수정을 기준을 통과할 때까지 반복합니다 | 스스로 검토한 최종본만 가져오게 합니다 |
| 그래프 | 업무가 얽히면 어디까지 반복할지 정하기 어렵습니다 | 일을 쪼개 담당을 나누고 경로를 설계합니다 | 조직과 업무 프로세스를 설계합니다 |
아래에서 단계마다 막힌 지점, 푸는 방법, 해 보는 순서를 차례로 봅니다.
첫 번째 고비, 프롬프트 엔지니어링
챗GPT나 클로드를 쓰기 시작하면 주변에서 먼저 AI에게 역할을 주라는 조언을 듣습니다. 이렇게 역할을 주고 원하는 답이 나오도록 지시를 다듬는 것이 프롬프트 엔지니어링입니다. 질문 한 번 안에서 승부를 보는 방식입니다.
막히는 곳은 AI 모델이 학습한 시점까지의 데이터만 안다는 점입니다. 10년차 베테랑 마케터라도 오늘 처음 출근했다면 회사 사정은 6개월 일한 인턴보다 모릅니다. AI도 같습니다. 일반 지식은 많아도 우리 고객이 누구고 지난 광고가 왜 실패했는지는 모릅니다.
프롬프트 단계에서 해 볼 일은 두 가지입니다.
- AI에게 역할을 정해 줍니다. 지시문 맨 앞에 역할을 한 줄 적습니다.
너는 10년차 마케터야.
- 확인: 지시문에 역할이 한 줄 들어 있습니다. 2. 원하는 결과를 구체적으로 지시합니다. 신입사원에게 시키듯 대상 고객, 강조할 점, 분위기를 넣습니다.
30대 여성 고객을 대상으로 신제품의 장점을 살려 인스타 감성에 맞는 광고 소재를 만들어 주세요.
- 확인: 지시문에 대상 고객, 강조할 점, 분위기가 들어 있습니다.
두 번째 고비, 컨텍스트 엔지니어링
역할만 주던 방식의 해결책은 관련 자료를 같이 주는 것입니다. 우리 회사 고객이 누구인지, 지난번 광고는 왜 실패했는지, 회의에서 무엇을 하기로 했는지 같은 맥락을 함께 제공합니다. 역할만 줄 때보다 일을 더 잘하고, AI가 모르는 내용을 지어내서 답하는 일도 줄어듭니다.
이번에 생긴 불편은 매번 사람이 컨텍스트를 챙겨야 한다는 점입니다. 어떤 자료가 필요한지 판단해 골라 주는 일까지 사람 몫이라, AI에게 일을 시키는데 준비는 사람이 다 하는 셈입니다.
- AI가 모르는 우리 회사 사정을 자료로 모읍니다. 위의 고객 정보, 지난 광고의 실패 이유, 회의 결정 사항이 예입니다.
- 확인: 자료가 문서나 파일로 준비돼 있습니다.
- 역할 지시와 함께 그 자료를 AI에게 건넵니다.
- 확인: 지시문과 자료가 한 번에 AI에게 전달됩니다.
- 자료를 사람이 골라 주는 대신 회사 문서와 데이터베이스를 AI에 연결해 직접 찾게 합니다.
- 확인: 건네지 않아도 AI가 필요한 정보를 스스로 가져옵니다.
3번 발상이 컨텍스트에서 다음 단계인 하네스로 넘어가는 계기입니다. 사람이 하던 준비를 AI가 맡게 되면, 이번에는 AI가 그 일을 제대로 하게 만드는 환경이 필요해집니다.
세 번째 고비, 하네스 엔지니어링
하네스는 반려견 산책용 가슴줄로 익숙한 말인데, 원래는 말 같은 동물에게 채우는 마구입니다. 동물이 원하는 방향으로 움직이도록 연결하고 제어하는 장치입니다. AI도 아무리 똑똑해도 업무 매뉴얼, 쓸 프로그램, 검토 체계가 없으면 제대로 일하기 어렵습니다. 그래서 AI를 더 똑똑하게 만들기보다 제대로 일할 환경을 먼저 만들어 주자는 발상이 나왔고, 이것이 하네스 엔지니어링입니다. 도구 연결, 규칙 만들기, 결과 검증, 실수했을 때 복구하는 체계까지 모두 포함합니다.
규칙을 어기고 싶어도 어길 수 없는 환경
하네스가 필요한 이유를 보여 주는 대표 사례가 있습니다. 쇼핑몰에 결제 기능을 추가하되 기존 데이터는 절대 삭제하지 말라고 시켰는데, 작업 중 오류가 나자 AI가 이를 해결하려다 기존 데이터베이스 테이블까지 삭제해 버리는 경우입니다. AI가 규칙을 몰랐던 것이 아닙니다. 규칙을 반드시 지키도록 강제하는 장치가 없었던 것입니다.
공장 직원에게 안전모를 쓰라고 백 번 당부하는 것보다, 안 쓰면 출입문이 열리지 않게 설계하는 쪽이 더 강력합니다. 하네스는 후자에 해당합니다. 사용자의 부탁이 아니라 구조로 막습니다.
CLAUDE.md와 훅은 무엇이 다른가
두 가지는 자주 같은 것으로 헷갈리지만 역할이 다릅니다.
- CLAUDE.md는 일을 시작하기 전에 읽는 업무 매뉴얼입니다. 클로드 코드가 읽는 지시 파일이고, 코덱스 같은 다른 도구는 AGENTS.md라는 이름을 씁니다. 규칙을 미리 적어 두지만 AI가 놓치거나 잘못 따를 가능성은 남습니다.
- 훅(hook)은 특정 상황이 생기면 미리 정한 검증이나 명령을 자동으로 실행하는 장치입니다. 예를 들어 AI가 데이터베이스를 지우는 명령을 실행하려 할 때 훅이 먼저 검사하고, 위험하면 실행 자체를 막습니다. 클로드 코드는 도구를 실행하기 전에 끼어드는 훅을 지원합니다.
매뉴얼은 부탁이고 훅은 강제입니다. 반드시 지켜야 하는 규칙일수록 매뉴얼에서 훅이나 권한 설정으로 옮깁니다.
하네스를 만드는 순서
- 업무 매뉴얼 파일을 만듭니다. 클로드 코드라면 CLAUDE.md, 다른 도구라면 AGENTS.md입니다. 이런 파일을 두고 AI와 코딩하는 것 자체가 하네스 엔지니어링의 시작입니다.
- 확인: AI가 작업 전에 먼저 읽는 매뉴얼 파일이 있습니다.
- 매뉴얼에 지켜야 할 규칙을 적습니다. 아래는 예시입니다.
기존 데이터는 절대 삭제하지 마.
코드를 수정할 때는 반드시 기존 기능을 확인해.
- 확인: 매뉴얼에 규칙 문장이 적혀 있습니다. 이것은 AI에게 지켜 달라고 알리는 수준이라 놓칠 가능성이 남습니다.
3. 업무에 필요한 프로그램과 도구를 연결합니다. 이런 연결을 흔히 커넥터라고 부릅니다.
- 확인: AI가 업무에 쓸 도구를 사용할 수 있습니다. 4. 중요한 데이터는 삭제할 권한 자체를 주지 않습니다. 삭제하지 말라고 프롬프트에 적는 것보다 권한을 아예 주지 않는 쪽이 낫습니다.
- 확인: AI가 그 데이터를 삭제할 수 없습니다. 5. 위험한 명령을 차단하는 훅을 설정합니다.
- 확인: 위험한 명령은 AI가 시도해도 실행되지 않습니다.
프롬프트는 직원에게 일을 잘 지시하는 것, 컨텍스트는 업무에 필요한 정보를 같이 주는 것, 하네스는 직원이 제대로 일하도록 회사 업무 시스템을 갖춰 주는 것입니다. 하네스의 철학은 같은 실수가 반복되지 않도록 AI를 탓하지 않고 업무 환경과 시스템을 고치는 데 있습니다.
네 번째 고비, 루프 엔지니어링
환경까지 만들면 욕심이 생깁니다. AI가 알아서 처음부터 끝까지 일하면 안 될까 하는 것입니다. 홈페이지를 만들어 달라고 했더니 버튼이 작동하지 않고, 고치니 이번엔 모바일 화면이 깨지고, 사람이 계속 오류를 찾아 알려 줘야 하는 상황이 막힌 지점입니다. AI가 일은 하는데 완성 여부는 사람이 계속 확인해야 합니다.
발상은 이렇습니다. 오류가 발견되면 AI가 스스로 고치고 다시 검사하면 됩니다. 작업하고, 검사하고, 문제를 발견하면 수정하고, 다시 검사하는 과정을 정해진 기준을 통과할 때까지 반복하게 만든 것이 루프입니다. 신입에게 보고서를 나한테 바로 가져오지 말고 오탈자, 숫자, 회사 양식을 먼저 확인해서 문제가 있으면 스스로 고친 다음 최종본만 가져오라고 하는 것과 같습니다.
루프에서 정해 둘 세 가지
무작정 반복시킨다고 결과가 좋아지지 않습니다. 잘못된 방향으로 계속 수정하거나 같은 오류에 갇혀 무한히 반복할 수도 있습니다. 그래서 반드시 정해 둘 것이 세 가지입니다.
- 무엇을 성공으로 볼지: 통과와 실패를 가를 수 있는 기준
- 누가 검증할지: 만든 AI인지, 별도의 검수 주체인지
- 언제 멈출지: 성공했을 때와 계속 실패할 때의 종료 조건
루프를 설계하는 순서
- 성공 기준을 구체적으로 적습니다. "완벽한 홈페이지가 될 때까지 수정해"는 기준이 너무 모호합니다. 아래처럼 통과 여부를 가를 수 있게 씁니다.
모든 버튼이 정상 작동하고 모바일 화면에서 오류가 없으며 필수 테스트를 모두 통과할 때까지 수정해
- 확인: 문장에 통과와 실패를 가를 수 있는 조건이 들어 있습니다.
2. 결과를 검증할 주체를 정합니다. AI가 자기 결과물을 직접 검사할 수도 있지만, 별도의 검수 AI(흔히 서브에이전트라고 부릅니다)를 두는 방법도 있습니다. 사람도 자기가 쓴 보고서의 실수는 놓치기 쉽고 다른 사람이 보면 찾는 경우가 많기 때문입니다.
- 확인: 만드는 쪽과 검사하는 쪽, 또는 검사 방식이 정해져 있습니다. 3. 작업 단위가 끝날 때마다 검수 AI에게 검수를 맡깁니다. 만드는 쪽과 검수하는 쪽에 서로 다른 모델이나 도구를 쓰는 경우도 있습니다. 예를 들어 클로드가 다섯 개 페이지를 하나씩 개발하면 페이지가 끝날 때마다 코덱스가 검수하는 식입니다.
- 확인: 검수 결과가 개발 AI에게 돌아옵니다. 4. 검수 결과를 개발 AI가 한 번 더 검토해 반영하게 합니다.
- 확인: 개발 AI가 검수 지적을 반영해 수정합니다. 5. 종료 조건을 적습니다. "될 때까지 계속해"라고만 하면 같은 오류를 반복하며 시간과 비용만 쓸 수 있습니다. 성공해서 멈추는 조건과 실패해서 멈추는 조건을 모두 적습니다.
모든 테스트를 통과하면 종료하고 다섯 번 시도해도 해결되지 않으면 작업을 중단하고 나에게 보고해.
- 확인: 성공해서 멈추는 조건과 실패해서 멈추는 조건이 모두 적혀 있습니다. 6. 반복되는 업무는 일정, 절차, 검증, 종료 조건을 한 번에 묶어 지시합니다. 매주 금요일마다 매출 보고서를 쓰게 하는 경우를 예로 들면, 매번 "이번 주 보고서 만들어 줘"라고 하는 대신 이렇게 한꺼번에 지시합니다.
매주 금요일 오후 5시에 쇼핑몰 매출 데이터를 직접 가져오고 정해진 양식에 맞춰 보고서를 작성해. 숫자가 맞지 않으면 다시 확인해서 수정하고 검증을 통과하면 최종 보고해. 확인은 두 번까지만 하고 그래도 숫자가 맞지 않으면 나한테 알려 줘.
- 확인: 사람이 매번 지시하지 않아도 되는 지시문이 완성됩니다. 정해진 시각에 자동으로 실행시키는 일은 쓰는 도구의 예약 기능으로 따로 설정합니다.
완료는 요청한 사람이 확인하게 하기
AI가 다 고쳤다고 말해도 끝이 아니라는 구조도 있습니다. 사내 업무 프로그램에서 직원이 오류나 개선 사항을 접수하면 AI가 먼저 확인하고 수정합니다. 수정이 끝나면 접수한 직원에게 알림이 가고, 직원은 "해결됐어요"와 "아직이에요" 두 가지만 고릅니다. 아직이라면 어느 부분이 해결되지 않았는지 남기고, AI가 그 피드백을 받아 한 번 더 고칩니다. 사용자가 "해결됐어요"를 눌러야 완료로 처리되는 방식입니다.
루프 엔지니어링의 핵심은 같은 일을 여러 번 시키는 것이 아닙니다. 사람이 매번 지시하고 검수하던 과정을 시스템으로 만들어 AI가 스스로 실행하고 검증하고 개선하게 설계하는 것입니다. 반복은 비용으로 이어지므로, 루프를 돌린 뒤에는 /usage 같은 사용량 화면으로 몇 번 돌았고 얼마나 썼는지 확인하는 편이 안전합니다.
다섯 번째 고비, 그래프 엔지니어링
AI가 혼자 반복 작업을 잘해도 여러 업무가 복잡하게 얽히면 어디까지 반복을 둘지 정하기 어렵습니다. 커머스 회사의 신상품 출시가 좋은 예입니다. 시장 조사, 경쟁사 분석, 고객 불만 조사, 판매 포인트, 상세 페이지 기획, 광고 소재까지 할 일이 많습니다. 이걸 AI 하나에게 몰아 주면 시장 조사에서 잘못된 정보를 가져왔을 때 뒤 단계까지 틀어지고, 중간에 어디가 틀렸는지 찾기도 어렵습니다. 신입 한 명에게 조사부터 마케팅까지 다 맡기는 것과 비슷합니다.
그래서 역할을 나눠 협업시키자는 발상이 나옵니다. 회사에서 조직을 만들고 업무 프로세스를 설계하는 일과 닮았습니다. 문제가 발견되면 처음부터 다시 하지 않고 문제가 생긴 담당자에게만 돌려보냅니다.
멀티 에이전트 오케스트레이션(여러 AI를 협업시키는 방식)과 상당히 비슷한 개념입니다. 다만 오케스트레이션이 여러 AI를 어떻게 협업시킬지에 집중한다면, 그래프 엔지니어링은 AI와 일반 프로그램과 사람을 모두 포함해 전체 업무의 순서와 조건과 경로를 설계하는 데까지 넓게 봅니다.
노드, 엣지, 상태
n8n 같은 자동화 도구로 워크플로를 만들어 본 사람에게는 낯설지 않은 구조입니다. 네모난 작업 칸을 선으로 잇고 조건에 따라 다음 작업을 실행하는 것과 원리가 같기 때문입니다. 알아 둘 용어는 세 가지입니다.
- 노드: 시장 조사, 경쟁사 분석, 상품 기획처럼 각각의 업무 단위입니다. 노드 하나에 여러 작업을 하는 AI 에이전트 전체가 들어갈 수도 있습니다.
- 엣지: 업무를 잇는 길입니다. 검수를 통과하면 다음 단계로, 실패하면 이전 단계로 돌아가도록 경로를 정합니다.
- 상태: 업무를 진행하며 공유하는 정보입니다. 앞선 작업의 결과와 진행 상황을 기록해 두고 다음 작업이 이어받습니다.
그래프를 설계하는 순서
신상품 출시를 예로 들어 종이 위에서 설계해 봅니다.
- 전체 업무를 담당별 작업 단위로 나눕니다. 시장 조사, 경쟁사 분석, 상품 기획, 상세 페이지 제작, 광고 소재 제작, 검수로 나눌 수 있습니다. 이 작업 단위가 노드입니다.
- 확인: 업무가 작업 단위별로 쪼개져 이름이 붙어 있습니다.
- 작업마다 AI, 일반 프로그램, 사람 중 누가 맡을지 정합니다. 모든 작업을 AI가 맡을 필요는 없습니다. 어떤 작업은 AI가, 단순한 검사는 일반 프로그램이, 중요한 의사 결정은 사람이 맡을 수 있습니다.
- 확인: 모든 작업에 담당이 정해져 있습니다.
- 작업 사이를 잇는 경로를 정합니다. 상세 페이지 제작이 끝나면 검수를 통과했을 때 광고 소재 제작으로 넘어가고, 문제가 발견되면 상세 페이지 제작으로 돌아갑니다. 문제가 생긴 담당자에게만 돌려보냅니다.
- 확인: 통과했을 때와 실패했을 때 어디로 가는지 모두 정해져 있습니다.
- 중요한 결정에는 사람의 승인을 받는 지점을 둡니다. 광고비 집행이 대표적입니다. AI가 마음대로 진행하지 않고 사람의 승인을 받은 뒤 다음 단계로 넘어갑니다.
- 확인: AI가 승인 없이 그 단계로 넘어가지 못합니다.
- 작업끼리 넘겨줄 정보를 정합니다. 시장 조사 AI가 경쟁사 열 곳의 가격을 조사했다면 그 결과를 상품 기획 AI에게 넘겨줘야 합니다. 이 기록이 상태입니다.
- 확인: 앞 작업의 결과가 어디에 기록되고 다음 작업이 무엇을 받는지 적혀 있습니다.
- 반복 수정이 필요한 구간은 그래프 안에 루프로 넣습니다. 상세 페이지를 만들고, 검수하고, 문제가 있으면 다시 수정하는 과정이 하나의 루프입니다. 루프가 한 작업을 반복하며 완성도를 높이는 방법이라면, 그래프는 이런 루프를 포함해 전체 업무가 어떤 경로로 움직일지 설계하는 방법입니다.
- 확인: 루프가 끝나면 다음 작업인 광고 소재 제작으로 이어지는 경로가 있습니다.
- 최종 검수를 통과한 결과를 사람 승인으로 연결합니다.
- 확인: 마지막 단계가 사람 승인에서 끝납니다.
그래프에서 중요한 것은 AI가 몇 명이냐가 아닙니다. 어떤 일을 누가 담당하고, 어떤 조건에서 다음 단계로 가며, 언제 돌아오고, 어디서 사람이 개입할지를 정하는 일입니다.
지금 겪는 문제로 어느 단계가 필요한지 고르기
다섯 단계를 순서대로 모두 밟아야 하는 것은 아닙니다. 지금 겪는 문제에 맞는 단계의 방법부터 쓰면 됩니다.
| 지금 겪는 문제 | 먼저 볼 단계 |
|---|---|
| 답이 엉뚱하거나 내 의도와 다릅니다 | 프롬프트: 역할과 원하는 결과를 구체적으로 씁니다 |
| 우리 사정을 몰라서 틀린 답이나 지어낸 답이 나옵니다 | 컨텍스트: 관련 자료를 함께 주거나 연결합니다 |
| 규칙을 알려 줘도 어기고 사고를 칩니다 | 하네스: 훅과 권한으로 어길 수 없게 만듭니다 |
| 고쳤다고 하는데 계속 오류가 남아 내가 확인해야 합니다 | 루프: 성공 기준, 검증 주체, 종료 조건을 정합니다 |
| 업무가 여럿이고 서로 얽혀 어디서 틀렸는지 모르겠습니다 | 그래프: 노드로 나누고 경로와 사람 승인 지점을 정합니다 |
이름이 계속 바뀌어도 고민은 하나입니다. 어떻게 하면 AI에게 일을 더 잘 시킬 수 있을까 하는 것입니다. 그 끝에서 얻은 결론은 AI를 더 똑똑하게 만들려 애쓰기보다, 이미 똑똑한 AI가 제대로 일할 수 있는 시스템을 만드는 것입니다.
자주 묻는 질문
하네스 엔지니어링과 루프 엔지니어링은 무엇이 다른가요?
하네스는 AI가 일하는 환경을 만들고 규칙을 강제하는 것이고, 루프는 AI가 결과를 검사하며 기준을 통과할 때까지 스스로 고치게 하는 것입니다. 하네스가 위험한 행동을 막는 울타리라면 루프는 완성도를 끌어올리는 반복 절차입니다. 루프에도 종료 조건이라는 안전장치가 필요하다는 점에서 두 단계는 이어집니다.
그래프 엔지니어링은 멀티 에이전트 오케스트레이션과 같은 말인가요?
상당 부분 겹치지만 범위가 다릅니다. 오케스트레이션은 여러 AI를 어떻게 협업시킬지에 집중하고, 그래프 엔지니어링은 AI뿐 아니라 일반 프로그램과 사람까지 포함해 전체 업무의 순서, 조건, 경로를 설계합니다. 작업을 노드로, 연결을 엣지로, 공유 정보를 상태로 다룬다는 점이 특징입니다.
다섯 단계를 모두 해야 하나요?
모두 할 필요는 없습니다. 지금 문제가 되는 단계부터 적용하면 됩니다. 간단한 일은 프롬프트와 컨텍스트만으로 충분하고, 위험한 작업이 있으면 하네스를, 확인에 시간이 많이 들면 루프를, 업무가 여럿 얽히면 그래프를 더합니다.
루프를 돌리면 비용이 많이 들지 않나요?
반복할수록 사용량이 늘어나는 것은 맞습니다. 그래서 성공 기준과 함께 "다섯 번 시도해도 해결되지 않으면 중단하고 보고해"처럼 실패 종료 조건을 반드시 적습니다. 루프를 돌린 뒤에는 사용량 화면으로 실제 소모를 확인합니다.
이 글의 본문은 아래 원본 유튜브 영상의 내용을 바탕으로 쓸모연구소가 다시 정리해 쓴 것입니다. 세부 내용과 최신 정보는 원본 영상과 공식 안내에서 확인해 주세요.
원본 영상 보러가기 ↗