HANGUL.WIKI

AI 에이전트 시대 — 당근·배민의 슬랙 활용

AI Agent Era - Karrot Baemin Slack

3,916자 · 2026-04-10
목차 (14개 섹션)

개요

AI 에이전트 시대 — 당근·배민의 슬랙 활용(AI Agent Era - Karrot Baemin Slack)은 거대언어모델(LLM)의 발전과 함께 단순한 텍너리(Text-only) 챗봇을 넘어, 스스로 도구를 사용하고 업무를 수행하는 'AI 에이전트(AI Agent)'가 기업의 업무 환경에 통합된 현상을 일컫는다. 특히 한국의 대표적인 플랫폼 기업인 당근(Karrot)과 우아한형제들(배달의민족, 이하 배민)이 협업 툴인 슬랙(Slack)을 단순한 메신저가 아닌, AI 에이전트의 운영 체제(OS)이자 인터페이스로 활용하며 업무 프로세스를 재정의한 사례를 핵심으로 한다.

2026년 현재, 이 현상은 단순한 자동화를 넘어 '에이전틱 워크플로우(Agentic Workflow)'가 기업의 핵심 경쟁력이 된 시대를 상징한다. 당근과 배민은 각각 '하이퍼로컬(Hyper-local)'과 '라스트마일 물류(Last-mile Logistics)'라는 각기 다른 비즈니스 도메인에서 슬랙 내에 자율형 에이통(Agent)을 배치하여, 인간 개발자와 운영자가 슬랙 채널 내에서 자연어로 명령을 내리고 에이전트가 복잡한 API 호출, 데이터 분석, 코드 리뷰, 고객 응대 등을 수행하도록 구현하였다.

배경

LLM에서 AI 에이전트로의 패러다임 전환

2020년대 초반의 AI 기술이 질문에 답을 하는 '챗봇' 수준에 머물렀다면, 2025년을 기점으로 AI는 '행동하는 에이전트'로 진화하였다. 에이전트는 주어진 목표를 달성하기 위해 스스로 계획(Planning)을 세우고, 필요한 도구(Tool Use)를 선택하며, 실행 결과에 따라 경로를 수정하는 능력을 갖추게 되었다.

협업 툴의 인터페이스화

기존의 기업용 소프트웨어는 각기 다른 대시보드와 UI를 가지고 있어, 직원이 정보를 확인하기 위해 여러 창을 오가야 하는 '컨텍스 스위칭(Context Switching)' 비용이 발생했다. 슬랙은 이미 한국 IT 기업들의 표준 협업 툴로 자리 잡고 있었으며, 여기에 AI 에이전트가 API를 통해 결합되면서 슬랙은 모든 업무 데이터와 실행 권한이 집중된 '단일 인터액션 포인트(Single Point of Interaction)'로 기능하게 되었다.

한국 플랫폼 기업의 기술적 특수성

당근과 배민은 초단위로 발생하는 방대한 사용자 데이터와 실시간 물류 데이터를 처리해야 하는 구조를 가지고 있다. 이러한 환경에서 인간 운영자가 모든 변수에 대응하는 것은 불가능에 가깝다. 따라서 슬랙이라는 친숙한 인터페이스를 통해 에이전트에게 권한을 부여하고, 인간은 에이전트의 실행 결과에 대해 승인(Human-in-the-loop)만 내리는 구조가 필요하게 되었다.

상세 내용

당근: 하이퍼로컬 커뮤니티 관리의 자동화

당근은 지역 기반 커뮤니티의 안전성과 비즈니스 확장을 위해 슬랙 기반의 에이적트 시스템을 구축하였다.

  • 커뮤니티 모더레이션 에이전트: 당근 동네 생활 게시판에서 발생하는 부적절한 게시글이나 광고성 스팸을 감지하는 에이전트가 슬랙 채널에 실시간으로 보고한다. 에이전트는 단순 키워드 필터링을 넘어, 문맥을 파악하여 게시글의 유해성을 판단하고, 관리자가 슬랙 내 '승인/삭제' 버튼을 누르면 즉각 조치한다.
  • 지역 광고주 온보딩 에이전트: 소상공인이 광고를 등록할 때 발생하는 복잡한 서류 검토 및 심사 과정을 에이전트가 수행한다. 광고주가 제출한 사업자 등록증의 진위 여부를 확인하고, 슬랙을 통해 담당 운영자에게 심사 완료 보고를 수행한다.
  • 내부 개발 생산성 에이전트: 당근의 개발자들은 슬랙 내에서 에이전트에게 코드 리뷰를 요청하거나, 특정 마이크로서비스(MSA)의 상태를 묻는다. 에이전트는 슬랙의 슬래시 커맨드(/ask-service)를 통해 인프라 로그를 분석하여 장애 징후를 먼저 알린다.
  • 배달의민족: 물류 및 운영 최적화의 에이전트화

    배민은 대규모 물류 네트워크와 라이더, 점주 간의 복잡한 이해관계를 조정하기 위해 슬랙을 에이잭트의 컨트롤 타워로 활용한다.

  • 물류 운영 에이전트(Logistics Orchestrator): 배달 수요 급증 지역이나 기상 악화 시, 에이전트가 실시간 데이터를 분석하여 슬랙 운영 채널에 "현재 강남 지역 배달 지연 예상, 라이더 추가 배치 권고"와 같은 인사이트를 전달한다. 에이전트는 필요시 인근 라이더들에게 푸시 알림을 보내는 명령을 수행한다.
  • CS(고객 서비스) 자동화 에이전트: 고객의 환불 요청이나 주문 취소 문의가 접수되면, 에이전트가 주문 이력과 점주 응답 상태를 확인하여 슬랙 채널에 요약본을 게시한다. 상담원은 슬랙 내 대화창에서 에이전트에게 "점주에게 확인 요청해줘"라고 입력함으로써 복잡한 백오피스 조작 없이 업무를 완결한다.
  • 파트너(점주) 지원 에이전트: 배민 입점 점주들의 문의 사항 중 정형화된 질문(정산 내역, 메뉴 수정 등)을 처리하는 에이전트가 슬랙 API와 연동되어 운영팀의 업무 부하를 획기적으로 줄였다.
  • 기술적 구현 구조 (Technical Architecture)

    이 시스템의 핵심은 'LLM + Tool Use + Slack API'의 결합이다. 1. Perception: 슬랙 메시지나 이벤트(Event)를 수신. 2. Reasoning: LLM이 메시지의 의도를 파기하고, 수행해야 할 작업(Task)을 정의. 3. Action: 에이전트가 내부 DB, 물류 시스템, 혹은 외부 API를 호출(Function Calling). 4. Feedback: 실행 결과를 슬랙의 'Block Kit'을 활용하여 가독성 높은 UI(버튼, 카드 형태)로 사용자에게 전달.

    영향 및 의미

    업무 패러다임의 변화: Human-in-the-loop

    과거의 자동화가 '사람이 없는 상태에서의 자동 실행'을 목표로 했다면, 당근과 배민의 사례는 '사람이 에이전트를 관리하는 구조'를 보여준다. 인간은 더 이상 반복적인 데이터 입력이나 모니터링에 시간을 쓰지 않고, 에이전트가 가져온 결과에 대해 의사결정(Decision Making)과 검증(Verification)을 수행하는 '관리자'로 역할이 전환되었다.

    운영 효율성 및 확장성(Scalability) 확보

    하이퍼로컬과 물류 비즈니스는 규모가 커질수록 운영 비용이 기하급수적으로 증가하는 특성이 있다. 하지만 슬랙 기반의 에이전트 도입을 통해, 인력의 추가 투입 없이도 커뮤니티 규모나 배달 주문량의 증가를 수용할 수 있는 구조적 확장성을 확보하였다.

    기술적 도전과 과제

  • 에이전트의 환각(Hallucination) 문제: 에이전트가 잘못된 물류 정보를 전달하거나 부적절한 커뮤니티 삭제 결정을 내릴 위험이 존재한다. 이를 방지하기 위한 RAG(Retrieval-Augmented Generation) 기술과 엄격한 가드레일(Guardrails) 설정이 필수적이다.
  • 보안 및 권한 관리: 슬랙 채널에 에이전트가 접근할 때, 에이전트가 접근 가능한 데이터의 범위를 제한하는 정교한 IAM(Identity and Access Management) 설계가 요구된다.
  • 비용 최적물: 대규모 에이전트가 실시간으로 발생하는 모든 이벤트를 처리할 경우 발생하는 토큰 비용(Token Cost) 문제를 해결하기 위해, 경량화된 모델(sLLM)과 고성능 모델을 혼합 사용하는 전략이 사용된다.
  • 관련 항목

  • AI 에이전트 (AI Agent)
  • LLM (거대언론모델)
  • 슬랙 (Slack)
  • 하이퍼로컬 (Hyper-local)
  • 라스트마일 물류 (Last-mile Delivery)
  • 에이전틱 워크플로우 (Agentic Workflow)
  • 인간 중심 인공지능 (Human-Centered AI)

문서 정보

최초 작성
최종 갱신
분량
3,916자 (성인 기준)
분류
AI트렌드

HANGUL.WIKI가 정리·작성한 문서입니다. 정확성을 위해 노력하나 오류가 있을 수 있으므로, 중요한 내용은 공식 출처를 통해 확인하시기 바랍니다. 내용의 오류나 정정 요청은 오류·정정 신고로 알려주시면 검토 후 반영합니다.