🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

코스타리카 유제품 협동조합 도스 피노스는 Microsoft Copilot 기반 AI 에이전트를 포장 검수, 보고 자동화, 법무·리스크·고객 업무 등에 도입해 직원의 반복 업무를 줄이고 운영 효율과 품질 관리 역량을 높이고 있다.

📌 핵심 요약

• 도스 피노스의 디자인 부서에서는 포장 리디자인 과정에서 영양·규제 정보의 오류를 찾기 위해 Microsoft Copilot Studio로 만든 ‘AI 검사관’을 사용하고 있으며, 기술 문서와 최종 라벨 간 불일치를 몇 초 안에 표시한다.
• 이 에이전트는 2025년 말 도입 이후 포장 파일이 디자인팀을 떠나기 전에 오류를 발견하도록 도와 불일치를 거의 0에 가깝게 줄였고, 규제 벌금이나 리콜 같은 위험을 낮추는 데 기여했다.
• 도스 피노스는 약 6,000명의 직원과 1,500여 회원 농가를 기반으로 하루 약 130만 리터의 우유를 생산하는 대형 협동조합으로, 비용 압박과 강한 경쟁, 지속적인 규제 감시 속에서 AI를 장기 경쟁력 확보 전략으로 보고 있다.
• 이 회사는 Microsoft 365 Copilot, Copilot Chat, Copilot Studio를 활용해 포장 검수, 비밀유지계약 작성, IT 서비스 요청 처리, 리스크 문서 관리, 가축 제품 추천 등 약 80개의 좁은 범위 AI 에이전트를 배포했다.
• 도스 피노스는 1,000명 이상에게 Copilot을 우선 배포했고 2026년 전사 확대를 계획하고 있으며, 15명 이상으로 구성된 ‘AI 앰배서더’ 프로그램을 통해 직원들이 직접 에이전트를 만들고 동료를 교육하도록 지원하고 있다.

🧩 주요 포인트

1. 도스 피노스의 디자인 부서에서는 포장 리디자인 과정에서 영양·규제 정보의 오류를 찾기 위해 Microsoft Copilot Studio로 만든 ‘AI 검사관’을 사용하고 있으며, 기술 문서와 최종 라벨 간 불일치를 몇 초 안에 표시한다.
2. 이 에이전트는 2025년 말 도입 이후 포장 파일이 디자인팀을 떠나기 전에 오류를 발견하도록 도와 불일치를 거의 0에 가깝게 줄였고, 규제 벌금이나 리콜 같은 위험을 낮추는 데 기여했다.
3. 도스 피노스는 약 6,000명의 직원과 1,500여 회원 농가를 기반으로 하루 약 130만 리터의 우유를 생산하는 대형 협동조합으로, 비용 압박과 강한 경쟁, 지속적인 규제 감시 속에서 AI를 장기 경쟁력 확보 전략으로 보고 있다.
4. 이 회사는 Microsoft 365 Copilot, Copilot Chat, Copilot Studio를 활용해 포장 검수, 비밀유지계약 작성, IT 서비스 요청 처리, 리스크 문서 관리, 가축 제품 추천 등 약 80개의 좁은 범위 AI 에이전트를 배포했다.
5. 도스 피노스는 1,000명 이상에게 Copilot을 우선 배포했고 2026년 전사 확대를 계획하고 있으며, 15명 이상으로 구성된 ‘AI 앰배서더’ 프로그램을 통해 직원들이 직접 에이전트를 만들고 동료를 교육하도록 지원하고 있다.

🧠 상세 정리

1. 포장 검수에서 시작된 AI 동료의 역할

기사의 출발점은 도스 피노스 디자인 부서의 포장 리디자인 업무다. 과거에는 새 포장 디자인이 들어오면 디자이너가 촘촘한 영양성분표와 규제 정보를 줄마다 확인하며 숫자 오류나 쉼표 누락 같은 문제를 찾아야 했다. 창의적 디자인보다 기계적 대조 작업이 가장 스트레스를 주는 부분이었고, 작은 오류도 실제 생산과 규제 대응에 영향을 줄 수 있었다. 이제는 Jhojan Rodríguez가 만든 AI 에이전트가 기술 문서와 최종 라벨을 비교해 몇 초 안에 불일치를 표시한다. 이 변화는 AI가 거창한 독립 시스템이 아니라 특정 업무의 병목을 줄이는 동료처럼 배치될 수 있음을 보여준다.

2. 정확성이 핵심인 영양·규제 정보

Rodríguez는 포장 오류의 본질이 그래픽 디자인 자체가 아니라 영양 및 규제 정보에 있었다고 설명한다. 유제품 포장의 수치, 표기, 문장부호, 형식은 단순한 편집 요소가 아니라 법적·운영적 책임과 연결된다. 잘못된 영양성분 표기는 제조 지연, 제품 출시 연기, 평판 손상, 잠재적 리콜 같은 결과로 이어질 수 있다. 그래서 그는 정확성이 ‘밀리미터 단위’로 필요하다고 표현한다. AI 검사관은 내부 기술 시트와 포장 라벨을 대조하고, 파일이 디자인팀 밖으로 나가기 전에 문제를 드러내도록 설계됐다.

3. Copilot Studio로 만든 ‘AI 검사관’

이 포장 검수 에이전트는 Microsoft Copilot Studio를 사용해 구축됐다. Rodríguez는 약 250단어로 에이전트가 어떤 기준으로 정보를 평가해야 하는지 명확히 지시했고, 에이전트는 자동으로 파일을 수정하는 대신 디자이너가 검토하고 반영할 수 있는 상세 분석을 제공한다. 실제 프로젝트에서는 분유 포장 업데이트를 검토하면서 기술 사양과 제안된 아트워크를 함께 업로드했고, 에이전트가 잘못된 수치와 형식 불일치 등 내부 기준에 맞지 않는 부분을 찾아냈다. 이 방식은 사람의 판단을 대체하기보다 오류가 잦은 반복 대조를 보조하는 구조다.

4. 협동조합 전반으로 확장된 에이전트 전략

포장 검사관은 단일 사례가 아니라 도스 피노스가 추진하는 더 넓은 AI 전략의 일부다. 회사는 스스로를 일상 업무에 AI를 대규모로 내재화하는 ‘프런티어 기업’으로 발전시키려 한다고 설명한다. 이미 포장 검토, 법률 초안 작성, 리스크 평가, 고객 참여 등 다양한 기능에 약 80개의 AI 에이전트를 배포했다. 이 에이전트들은 Microsoft 365 Copilot, Copilot Chat, Copilot Studio 같은 도구로 만들어졌고, 각 부서의 구체적 역할과 과업을 반영하도록 좁은 범위로 설계됐다. 핵심은 범용 AI 하나를 모든 곳에 쓰는 것이 아니라 현장의 반복 업무마다 맞춤형 보조자를 붙이는 데 있다.

5. 도스 피노스가 AI를 경쟁 전략으로 보는 이유

도스 피노스는 코스타리카 알라후엘라에 기반을 둔 중앙아메리카의 대형 유제품 협동조합이다. 약 6,000명의 직원이 유제품 생산, 가공, 포장, 농산업 서비스, 물류, 소매 유통에 걸쳐 일하고 있으며, 하루 약 130만 리터의 우유가 약 1,500개 회원 농장에서 공급된다. 많은 농가는 중소 생산자이며, 회사는 유제품뿐 아니라 농업 및 축산 관련 투입재도 취급한다. 이런 규모에서는 작은 오류도 제조 일정과 출시 계획, 비용 구조에 파급될 수 있다. CIO Alejandro Arguedas는 대중 소비재 시장의 비용 압박, 자동화 요구, 서비스 개선, 품질 관리 필요성을 언급하며 AI를 장기적 사업 생존력과 리더십 유지의 전략으로 설명한다.

6. 보고 자동화 사례와 직원 역량 확장

영업 분석가 Randall Benavides의 사례는 AI가 전문 개발자가 아닌 직원에게도 업무 자동화 학습 도구가 될 수 있음을 보여준다. 그는 원래 매일 아침 매출 데이터를 내려받고, 스프레드시트를 필터링하고, Excel 보고서를 100명 이상의 내부 사용자에게 개별 이메일로 보내는 일을 했다. 하루 최대 21개의 보고서를 전달하는 데 약 네 시간이 걸렸고, 정작 분석가에게 기대되는 분석 업무를 할 시간이 부족했다. 내부 AI 워크숍 이후 그는 Copilot에게 Power BI Service를 통해 Outlook으로 영업 보고서를 보내는 방법을 단계별로 안내해 달라고 요청했고, 그 결과 반복 업무 부담이 크게 줄었다. 이제 그는 지표 구축, 데이터 분석, 새 Power BI 대시보드 개발에 더 많은 시간을 쓰고 있다.

7. 직원 주도 채택을 위한 AI 앰배서더 프로그램

도스 피노스는 AI 도입을 지속시키기 위해 내부 ‘AI 앰배서더’ 프로그램을 만들었다. 이 프로그램에는 15명 이상의 직원이 참여하고 있으며, 이들은 각 부서에서 AI 활용을 장려하고 동료들에게 기본 개념과 사용 방법을 교육하는 역할을 한다. Benavides 역시 처음에는 AI를 전혀 몰랐지만, Copilot을 코치처럼 사용해 자동화 과정을 익힌 뒤 AI 앰배서더가 되었다. 이 접근은 중앙 IT팀이 모든 자동화를 대신 만들어 주는 방식이 아니라, 현장 직원이 자신의 업무 문제를 정의하고 해결책을 실험하도록 돕는 방식이다. 회사가 말하는 ‘협력하는 사람들’의 역량 강화가 AI 도입의 실제 운영 모델로 나타난다.

8. 효율 개선을 넘어 심리적 부담까지 줄인 변화

도스 피노스는 포장 에이전트 도입 이후 디자인 단계의 불일치가 50% 이상 감소했고 평균 출시 기간이 약 10일 줄었다고 밝혔다. Carlos Sandí는 생산 관점에서 10일은 매우 큰 시간이며, 이 주기를 줄이는 것이 운영 민첩성을 크게 높인다고 설명한다. 하지만 기사에서 강조되는 효과는 단순한 시간 절감만이 아니다. Rodríguez는 과거 팀이 찾기 어려운 오류 때문에 스트레스와 걱정을 느꼈지만, 이제는 더 큰 확신을 갖고 일한다고 말한다. 반복적이고 오류가 잦은 검수 부담이 줄면서 디자이너는 디자인 품질과 창의적 작업에 집중할 수 있게 됐고, AI는 사람을 대체하기보다 업무 흐름과 심리적 안정감을 개선하는 역할을 맡고 있다.

🧾 핵심 주장 / 시사점

• 이 사례의 핵심은 ‘대형 AI 프로젝트’보다 특정 업무의 오류·시간·스트레스를 줄이는 좁은 범위 에이전트가 실제 조직 변화에 더 빠르게 기여할 수 있다는 점이다.
• 도스 피노스의 접근은 AI 도입 성공이 도구 배포만으로 끝나지 않고, 직원이 스스로 문제를 정의하고 프롬프트와 내부 정보를 활용해 해결책을 만드는 문화와 교육 구조에 달려 있음을 보여준다.
• 포장 검수처럼 규제 리스크와 직접 연결된 업무에서 AI를 자동 수정자가 아니라 검토 보조자로 배치한 점은, 효율성과 사람의 책임 있는 판단을 함께 유지하려는 실용적 설계로 볼 수 있다.

✅ 액션 아이템

• 원문에서 강조한 핵심 변화와 이해관계자를 기준으로 A Costa Rican dairy cooperative turns AI agents into coworkers의 영향을 정리한다.
• 다음 의사결정이나 제품/정책 판단에 연결될 수 있는 근거를 원문 문장과 함께 기록한다.
• 기사에서 제시한 수치·사례·제약 조건을 분리해 과장 없이 검토한다.
• 후속 모니터링이 필요한 발표·제품·정책 변화가 있는지 출처 링크를 기준으로 추적한다.

❓ 열린 질문

• Learning to lead in a hybrid human AI enterprise MIT Technology Review]]" "206. 이 변화가 실제 사용자나 조직의 선택 기준을 어떻게 바꿀까?
• Lovable signs multiyear deal with Google Cloud to up usage 5x, source says TechCrunch" "283. 이 근거가 다른 산업이나 지역에서도 동일하게 적용될 수 있을까?
• OpenAI DevDay Building AI for the Enterprise with Decagon and Clay Andreessen Horowitz" "274. 기사에서 아직 검증되지 않은 전제나 리스크는 무엇일까?
• New ways to create and get things done in Google Workspace" "[[232. 후속 발표나 데이터가 나오면 어떤 지표를 먼저 비교해야 할까?