‘기억상실증 프리랜서’에서 ‘지능형 전문 부서’로 전환하는 방법

기업에서 LLM을 사용하는 많은 사람들은 AI를 마치 매번 처음 만나는 프리랜서처럼 사용한다.
질문을 입력하고, 답변을 받고, 대화를 종료한다. 다음에 다시 사용할 때는 같은 배경 설명과 지시사항을 또 반복해야 한다.

이 방식은 편리해 보이지만 한계가 분명하다.
사용자는 매번 같은 맥락을 설명해야 하고, AI는 회사의 업무 방식, 문서 구조, 내부 용어, 반복되는 의사결정 기준을 제대로 기억하지 못한다. 결국 AI는 똑똑하지만, 매번 처음 출근한 사람처럼 행동하게 된다.

이 문제를 해결하기 위해 등장한 개념이 클로드 코워크(Claude Cowork)와 지식 작업 플러그인(Knowledge Work Plugins)이다.

클로드 코워크는 단순한 채팅창이 아니라, 사용자의 파일, 폴더, 업무 도구, 브라우저 환경과 연결되어 여러 단계의 일을 스스로 계획하고 실행하는 에이전트형 작업 환경이다. 여기에 지식 작업 플러그인을 결합하면 AI에게 마케팅, 영업, 법률, 재무, 데이터 분석 같은 명확한 역할을 부여할 수 있다.

즉, AI를 단순히 “질문에 답하는 도구”로 쓰는 것이 아니라, 특정 업무를 맡은 가상 부서원처럼 운영하는 방식이다.

1. 기존 채팅형 AI와 코워크 방식의 차이

평가 항목	일반 대화형 인터페이스	에이전트식 협업 인터페이스
기본 동작 방식	질문하면 답변하는 단발성 Q&A 구조	목표를 이해하고 여러 단계를 스스로 계획·실행
시스템 접근 권한	사용자가 붙여넣은 텍스트 중심	로컬 파일 읽기, 쓰기, 수정 및 브라우저 제어 가능
업무 도구 연결성	사용자가 직접 데이터를 복사해야 함	MCP를 통해 DB, SaaS, 업무 도구와 직접 연결
실행 방식	사용자가 매번 수동으로 지시	예약 작업과 자동 실행 가능
기억 방식	세션이 끝나면 맥락이 사라짐	CLAUDE.md와 로컬 메모리로 업무 맥락 유지

핵심 차이는 간단하다.

기존 채팅형 AI는 “지금 이 질문에 답하는 도구” 에 가깝다.
반면 클로드 코워크는 “업무 목표를 이해하고 실행하는 협업자”에 가깝다.

2. 클로드 코워크와 지식 작업 플러그인의 작동 원리

클로드 코워크와 지식 작업 플러그인은 크게 두 가지 기술 구조 위에서 움직인다.

첫 번째는 파일 기반 에이전트 구조이고, 두 번째는 MCP(Model Context Protocol)다.

2-1. 파일 기반 구조

지식 작업 플러그인은 복잡한 서버나 데이터베이스 없이도 작동할 수 있도록 마크다운과 JSON 파일 중심으로 구성된다.

대표적인 구성 요소는 다음과 같다.

plugin.json

플러그인의 이름, 버전, 역할 범위, 필요한 권한을 정의하는 파일이다.
쉽게 말해 “이 플러그인이 누구이고, 어떤 일을 할 수 있는지”를 설명하는 신분증 역할을 한다.

.mcp.json

AI가 어떤 외부 도구나 데이터 소스에 연결할지 정의하는 설정 파일이다.
예를 들어 CRM, 데이터베이스, 문서 관리 시스템, 업무 관리 도구와 연결할 때 사용된다.

commands/

슬래시 명령어를 정의하는 폴더다.
사용자가 /sales:call-prep 같은 명령어를 입력하면, 미리 정의된 업무 흐름이 실행된다.

skills/

해당 직무를 수행하는 데 필요한 업무 지식이 들어 있는 폴더다.
예를 들어 마케팅 플러그인이라면 콘텐츠 제작 원칙, 브랜드 톤, SEO 체크리스트, 캠페인 기획 방식 등이 이곳에 들어간다.

3. 토큰을 아끼는 동적 로딩 방식

여러 개의 플러그인을 한꺼번에 실행하면 문제가 생길 수 있다.
각 플러그인의 업무 지식과 규칙을 모두 처음부터 불러오면 컨텍스트가 빠르게 가득 차고, API 비용도 커진다.

이를 막기 위해 지식 작업 플러그인은 동적 레이지 로딩(Lazy Loading) 방식을 사용한다.

쉽게 말하면, 처음부터 모든 설명서를 읽는 것이 아니라 다음과 같이 작동한다.

처음에는 각 플러그인의 이름과 간단한 요약만 불러온다.
사용자의 요청을 보고 어떤 플러그인이 필요한지 판단한다.
실제로 필요한 순간에만 해당 플러그인의 자세한 업무 지식을 불러온다.

예를 들어 5개의 대형 업무 도구를 모두 처음부터 활성화하면 약 55,000개의 토큰이 필요할 수 있다.
하지만 지식 작업 플러그인은 처음에는 각 기술의 이름과 한 줄 요약 정도만 불러오기 때문에 훨씬 가볍게 시작할 수 있다.

이 구조는 다음과 같이 이해할 수 있다.

전체 토큰 사용량 = 기본 메타데이터 토큰 + 실제 실행 시 필요한 플러그인 토큰

즉, 필요할 때 필요한 지식만 꺼내 쓰는 방식이다.

4. MCP를 통한 업무 도구 연결

MCP는 AI와 외부 도구를 연결하는 표준 규격이다.
쉽게 비유하면, 여러 장치가 하나의 USB-C 포트로 연결되는 것처럼, 다양한 업무 도구가 MCP를 통해 AI와 연결된다.

MCP를 사용하면 AI는 다음과 같은 도구들과 연결될 수 있다.

로컬 파일 시스템
CRM
데이터베이스
문서 관리 시스템
프로젝트 관리 도구
메신저
이메일
디자인 도구

이 덕분에 AI는 사용자가 데이터를 복사해서 붙여넣을 때까지 기다리는 것이 아니라, 필요한 데이터에 직접 접근해 업무를 처리할 수 있다.

직무별 지식 작업 플러그인 예시

아래는 가상 부서로 구성할 수 있는 대표적인 플러그인 유형이다.

직무 영역	주요 역할	대표 명령어	연결 가능한 도구
Productivity	할 일 관리, 로컬 메모리 관리, 내부 용어 정리	`/productivity:start`, `/productivity:update`	Slack, Notion, Asana, Linear, Jira, Microsoft 365
Sales	고객 조사, 미팅 준비, CRM 분석, 매출 예측	`/sales:call-prep`, `/sales:pipeline-review`, `/sales:forecast`	HubSpot, Salesforce, Pipedrive, Close, Apollo
Marketing	콘텐츠 제작, SEO 점검, 캠페인 기획, 경쟁사 분석	`/marketing:content-creation`, `/marketing:seo-audit`, `/marketing:campaign-plan`	Canva, Figma, HubSpot, Ahrefs, SimilarWeb
Product Management	PRD 작성, 우선순위 산정, 사용자 리서치 정리	`/pm:write-spec`, `/pm:synthesize-research`, `/pm:roadmap-plan`	Linear, Jira, Notion, Figma, Amplitude
Finance	정산, 재무제표 대사, 예산 대비 차이 분석	`/finance:reconciliation`, `/finance:variance-analysis`, `/finance:close-checklist`	Snowflake, BigQuery, Databricks, Microsoft 365
Data Analysis	SQL 작성, 데이터 검증, 통계 분석, 시각화	`/data:write-query`, `/data:validate-data`, `/data:analyze-results`	Snowflake, BigQuery, Databricks, Hex
Legal	계약서 검토, NDA 분류, 컴플라이언스 점검	`/legal:review-contract`, `/legal:triage-nda`, `/legal:compliance-check`	Box, Egnyte, DocuSign, Pramata
Customer Support	티켓 분류, 고객 응답 초안 작성, FAQ 생성	`/support:triage`, `/support:draft-response`, `/support:kb-article`	Intercom, HubSpot, Guru, Jira, Notion
Claude Design	UI 프로토타입, 디자인 시스템, UX 카피 작성	`/design:prototype`, `/design:design-system`, `/design:ux-copy`	Figma, Canva, Framer, Google Slides, GitHub

단계별 가상 전문 부서 구축 가이드

처음부터 여러 개의 플러그인을 한꺼번에 설치하는 것은 좋지 않다.
역할이 겹치거나, 컨텍스트가 충돌하거나, 불필요한 권한 문제가 생길 수 있기 때문이다.

가장 좋은 방법은 하나의 가상 부서원부터 시작하는 것이다.
하나를 설치하고, 테스트하고, 업무에 맞는지 검증한 뒤 다른 역할을 추가하는 방식이 안정적이다.

1단계: 로컬 런타임 환경 구성

먼저 클로드 데스크톱 앱을 설치하고 로그인한다.
설정 메뉴에서 코워크 자율 작동 모드가 켜져 있는지 확인한다.

클로드 코워크는 로컬 파일과 직접 상호작용할 수 있으므로, 업무 전용 폴더를 따로 만드는 것이 좋다.

예시:

C:\Users\Username\ClaudeWorkspace\

이 폴더는 AI가 작업할 수 있는 안전한 작업 공간 역할을 한다.
중요한 원본 파일이나 민감한 자료가 섞이지 않도록 별도의 폴더를 사용하는 것이 좋다.

2단계: 중앙 리포지토리 및 레지스트리 추가

데스크톱용 코워크 터미널을 실행한 뒤, 앤트로픽이 승인한 오픈소스 지식 작업 플러그인 레지스트리를 최초 1회 등록한다.

claude plugin marketplace add anthropics/knowledge-work-plugins

이 작업은 플러그인을 설치할 수 있는 공식 목록을 클로드 환경에 추가하는 과정이다.

3단계: 첫 번째 가상 부서원 설치

처음에는 반드시 하나의 역할만 설치하는 것이 좋다.
당장 가장 많이 쓰일 업무부터 선택한다.

시나리오 A: 영업 파이프라인 분석과 미팅 준비가 필요한 경우

claude plugin install sales@knowledge-work-plugins

시나리오 B: 마케팅 보고서 작성과 SEO 모니터링이 필요한 경우

claude plugin install marketing@knowledge-work-plugins

시나리오 C: 로그 분석이나 SQL 쿼리 작성이 필요한 경우

claude plugin install data@knowledge-work-plugins

이 단계에서는 오직 하나의 플러그인만 설치한다.
해당 가상 직원이 제대로 작동하는지 확인한 뒤 다른 역할을 추가해야 한다.

4단계: 수동 검증 실행

처음부터 인터넷 연결이나 민감한 API 권한을 부여하지 않는 것이 좋다.
먼저 로컬 파일이나 샘플 데이터를 사용해 기본 처리 품질을 확인한다.

영업 비서 검증 예시

/sales:call-prep [회사 혹은 타겟 바이어명 수동 입력]

이 명령은 특정 회사나 바이어와의 미팅을 준비하기 위한 사전 조사와 대화 가이드를 만드는 데 사용할 수 있다.

데이터 분석 비서 검증 예시

/data:write-query "지난달 구매 횟수가 3회 이상이면서 총 결제 금액이 50만 원을 초과한 VIP 유저 목록 추출"

이 명령은 자연어로 작성한 조건을 SQL 쿼리 형태로 변환하는 데 사용할 수 있다.

5단계: MCP 기반 실제 업무 도구 연결

수동 테스트가 끝나고 품질이 확인되면, 이제 실제 업무 도구와 연결할 수 있다.

클로드 코워크 인터페이스의 Customize 영역에서 Connectors 메뉴로 이동한다.
이후 사용하는 업무 도구에 따라 OAuth 인증 또는 자격 증명 등록을 진행한다.

예를 들어 다음과 같은 도구를 연결할 수 있다.

HubSpot 같은 CRM
Snowflake 같은 데이터 웨어하우스
Box 같은 문서 관리 시스템
Notion, Jira, Slack 같은 협업 도구

이 단계부터 AI는 단순히 지시를 수행하는 수준을 넘어, 실제 업무 데이터에 접근해 더 정교한 결과물을 만들 수 있다.

가상 부서를 더 똑똑하게 만드는 방법

플러그인을 설치했다고 해서 바로 회사에 최적화된 직원이 되는 것은 아니다.
기본 플러그인은 일반적인 업무 방식은 이해하지만, 회사만의 제품명, 내부 약어, 승인 절차, 브랜드 톤, 고객 분류 기준까지 처음부터 알지는 못한다.

그래서 회사 고유의 맥락을 따로 주입해야 한다.

1. 회사 전용 메모리 구조 만들기

업무 전용 폴더 안에 다음과 같은 구조를 만들 수 있다.

[로컬 업무 폴더]
├── CLAUDE.md             # 현재 집중해서 수행 중인 고순도 임시 과업 정보
└── memory/               # 기업 표준 비즈니스 사전 및 조직 운영 규칙
    ├── TERMINOLOGY.md    # 사내 약어, 제품명, 고객 페르소나, 내부 표현 정리
    └── WORKFLOW_RULES.md # 승인 규칙, 법무 검토 기준, 금액별 결재선

CLAUDE.md

현재 진행 중인 업무의 핵심 맥락을 담는 파일이다.
예를 들어 이번 주 집중 프로젝트, 중요한 고객사, 현재 우선순위, 진행 중인 캠페인 정보를 기록할 수 있다.

TERMINOLOGY.md

회사 내부 용어 사전이다.
제품명, 약어, 고객군, 내부에서만 쓰는 표현을 정리한다.

예시:

# TERMINOLOGY.md

- ITH: 인튜이티브 트레이딩 하우스
- VIP 유저: 월 거래금액 500만 원 이상 고객
- 콜드 리드: 아직 상담 이력이 없는 신규 잠재고객
- 고관여 고객: 최근 30일 내 3회 이상 문의한 고객

WORKFLOW_RULES.md

업무 규칙과 승인 기준을 정리하는 파일이다.

예시:

# WORKFLOW_RULES.md

- 100만 원 이하 마케팅 예산은 팀장 승인
- 100만 원 초과 예산은 대표 승인 필요
- 외부 공개 자료는 반드시 브랜드 톤 검토 후 배포
- 계약서 내 자동 갱신 조항은 법무 검토 필수

이렇게 해두면 AI가 단순히 일반적인 답변을 하는 것이 아니라, 회사의 실제 업무 규칙에 맞춰 판단할 수 있다.

엔터프라이즈 보안과 거버넌스

가상 부서를 조직 전체에 배포하려면 보안 관리가 중요하다.

개별 사용자가 아무 플러그인이나 설치하거나, 검증되지 않은 저장소를 연결하면 회사 데이터가 외부로 유출될 수 있다. 따라서 기업에서는 검증된 플러그인만 사용할 수 있도록 중앙 관리 체계를 만드는 것이 좋다.

1. 사내 전용 플러그인 마켓플레이스 운영

기업은 LiteLLM AI Gateway와 연계해 사내 전용 플러그인 마켓플레이스를 만들 수 있다.

구조는 다음과 같다.

[전사 중앙 보안 마켓플레이스]
            |
            | 검증 및 화이트리스트 필터링
            v
[개별 임직원 로컬 클로드 데스크톱 런타임]

사내 보안팀은 검증된 플러그인만 등록하고, 임직원은 이 사내 레지스트리에서만 플러그인을 설치하도록 제한할 수 있다.

# 사내 망 내부의 프라이빗 플러그인 마켓플레이스만 조회하도록 강제 고정
claude plugin marketplace add http://litellm.internal.company.com/claude-code/marketplace.json

2. 사용자 그룹별 플러그인 권한 관리

모든 직원이 모든 플러그인을 사용할 필요는 없다.

예를 들어 finance 플러그인은 재무팀만 사용할 수 있어야 한다.
legal 플러그인은 법무팀이나 계약 담당자에게만 열어두는 것이 안전하다.
sales 플러그인은 영업팀에 자동 설치하고, 다른 부서에서는 검색이나 설치를 제한할 수 있다.

이렇게 하면 다음과 같은 장점이 있다.

민감한 정보 접근 권한을 줄일 수 있다.
부서별 업무 도구가 명확해진다.
불필요한 플러그인 사용으로 인한 혼선을 줄일 수 있다.
보안 사고 가능성을 낮출 수 있다.

정리: AI를 도구가 아니라 부서로 설계하라

클로드 코워크와 지식 작업 플러그인의 핵심은 AI 사용 방식을 바꾸는 데 있다.

기존 방식은 AI에게 매번 새로운 지시를 내리는 구조였다.
하지만 코워크와 플러그인을 사용하면 AI에게 역할, 지식, 업무 절차, 도구 접근 권한을 부여할 수 있다.

즉, AI는 더 이상 기억상실증에 걸린 프리랜서가 아니다.
회사의 업무 맥락을 이해하고, 반복 업무를 처리하며, 필요한 데이터를 찾아 결과물을 완성하는 지능형 전문 부서가 될 수 있다.

처음부터 거창하게 시작할 필요는 없다.
하나의 플러그인을 설치하고, 하나의 업무 폴더를 만들고, 하나의 업무 흐름을 자동화하는 것부터 시작하면 된다.

가상 부서는 그렇게 만들어진다.
한 명의 AI 직원에서 시작해, 점차 마케팅팀, 영업팀, 데이터팀, 법무팀, 고객지원팀으로 확장되는 방식이다.

클로드 코워크와 지식 작업 플러그인으로 가상 부서 만들기