AI Agents Just Became Multiplayer. Here''s How to Build Them.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI Agents Just Became Multiplayer. Here's How to Build Them.를 중심으로, 개인별 AI 운영체제는 생산성을 높이지만, 팀 차원에서는 스킬·연동의 중복 구축과 데이터 동기화 부담을 만든다. 영상은 여러 사람를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 개인별 AI 운영체제는 생산성을 높이지만, 팀 차원에서는 스킬·연동의 중복 구축과 데이터 동기화 부담을 만든다. 영상은 여러 사람과 에이전트가 같은 채널에서 협업하는 방식을 대안으로 제시한다.
2. Kylon은 채널별 대화·앱·자동화·파일을 묶는다. 사람이 여러 에이전트에 함께 요청하고, 에이전트끼리 메시지를 주고받으며 대시보드와 콘텐츠 제작 도구를 개선하는 사례를 보여준다.
3. 기존 Claude Code·Codex 구독을 연결하면 이미 구축한 스킬과 작업 환경을 활용할 수 있다. 다만 로컬 실행 에이전트는 연결한 컴퓨터가 꺼지면 응답하지 않으므로 상시 실행이 필요한 업무는 호스팅 방식을 따져야 한다.
4. 영상 설명상 요금은 인원별이 아닌 워크스페이스 단위이며, 호스팅 에이전트 사용에는 크레딧이 소모된다. 외부 구독으로 실행한 에이전트는 시연에서 Kylon 크레딧을 소모하지 않았고, 사용자·채널별 사용량을 확인할 수 있었다.
5. 도입은 기존 업무 도구를 유지하면서 작은 사업 단위나 업무 흐름부터 시작하는 방식이 권장된다. 일일 체크인, 작업 상태 갱신, 인계 지연 알림처럼 실제 누락을 줄이는 자동화가 출발점이다.

🧩 배경과 문제 정의

발표자가 설명하는 기존 방식은 각 팀원이 자신만의 AI 운영체제를 만들고, 에이전트에 스킬·기억·외부 도구를 연결하는 구조다. 팀 협업은 주로 ClickUp이나 Google Drive 같은 공통 도구를 거쳐 이뤄진다. 개인에게 축적된 맥락을 다른 팀원이 직접 활용하기 어렵고, 비슷한 연동을 반복해서 만들거나 데이터를 계속 동기화해야 하는 부담이 남는다.

영상은 Kylon을 통해 사람과 에이전트를 같은 채널에 초대하고, 기존 개인용 에이전트까지 팀 작업에 참여시키는 방법을 소개한다. 콘텐츠 제작, 앱 공동 편집, 업무 체크인 사례를 보여준 뒤 새 워크스페이스 설정과 구독 연결, 실행 방식 및 비용 구조를 설명한다. 발표자는 업체의 영상 제작 제안을 받았음을 밝히며, 자신의 소규모 사업 단위에서 사용을 시험하고 있다고 말한다.

🕒 시간순 섹션별 상세정리

1. 사람과 에이전트가 함께 일하는 채널

• Slack과 비슷한 화면에서 발표자·Cody·Aiden이 Herk 에이전트와 같은 채널에 참여한다. 사람뿐 아니라 각자의 코딩 에이전트도 작업 공간에 연결되어 있다. [00:43]
• Herk가 만든 대시보드에 다른 코딩 에이전트를 투입해 브랜드 디자인을 수정하고, 에이전트끼리 직접 메시지를 주고받는 사례를 보여준다. [01:04]
• 채널마다 앱·자동화·파일을 두고, 개인 중심의 AI 사용을 사람과 에이전트가 함께 일하는 멀티플레이어 구조로 확장하겠다는 주제를 제시한다. [01:34]

2. 개인 AI 운영체제의 성과와 협업 한계

• 개인 AI 운영체제는 여러 에이전트 실행 환경에 스킬과 도구를 연결해 업무를 수행한다. 팀원들의 에이전트는 Google Drive나 ClickUp 같은 공통 도구를 통해 결과물을 주고받는다. [02:26]
• 기억·스킬·연결 계정이 개인별로 나뉘어 있어 비슷한 연동을 중복 구축하는 문제가 생긴다. 팀이 함께 사용할 에이전트와 에이전트 간 대화가 필요한 이유다. [02:57]
• Kylon을 소개하면서 업체의 영상 제작 제안을 받았다고 공개한다. 처음에는 가격과 기존 구독 대비 필요성에 의문이 있었으나, 업체와 대화하며 설명을 들었다고 드러낸다. [03:32]

3. 작은 사업 단위에서 시작하는 팀 전환

• 개인 AI 환경을 갖춘 팀에서도 공통 자료를 최신 상태로 유지하고 데이터를 동기화하는 부담이 남는다. Kylon에서는 개인 대화와 여러 사람·에이전트가 참여하는 방을 함께 구성할 수 있다. [04:25]
• 조직 전체를 한 번에 바꾸기보다 사람이나 사업 단위를 나눠 전환하는 접근을 권한다. 발표자는 AIS Media라는 작은 신규 사업 단위에서 이를 시험하고 있다. [05:11]
• 해당 팀의 프로세스·자동화·추적 도구를 Kylon 안에서 먼저 만들어보는 중이며, 현재까지는 유익했다고 평가한다. 장기 성과 수치는 제시하지 않는다. [05:29]

4. 기존 구독과 스킬로 콘텐츠 제작 환경 구성

• Instagram 작업 채널에 발표자와 Claude Code·Codex를 모으고 에이전트 브리프를 전달한다. 로컬 구독으로 연결된 에이전트가 기존 환경 변수·프로세스·스킬을 활용한다고 보여준다. [05:59]
• 필요한 외부 서비스에 접근할 수 있는지 확인한 뒤 캐러셀 제작을 시험하고, 게시물 상태·분석·제작 단계를 확인할 수 있는 관리 앱을 만든다. [06:22]
• 새로운 게시물 아이디어를 입력하고 에이전트에 전달하면 제작 파이프라인에 추가하는 사용 예를 보여준다. [06:34]

5. 앱 공동 편집과 승인 기반 게시

• 같은 공간에서 여러 에이전트와 사람이 앱 변경에 참여할 수 있다. 제품 출시 웹사이트를 예로 들어 개발자·경영진·마케팅 담당자가 함께 수정하는 상황을 보여준다. [07:01]
• 앱을 실제로 게시할 때 최종 승인을 맡을 사람을 선택할 수 있으며, 채널마다 서로 다른 앱과 작업 목적을 유지할 수 있다. [07:18]
• Instagram 채널에서는 6시간마다 조사·아이디어 생성·제작·게시·분석을 수행하는 자동화를 보여준다. 결과물은 기존에 정해둔 브랜드와 캐러셀 제작 스킬을 따른다고 보여준다. [08:00]

6. 스레드로 세부 작업과 승인 기록 관리

• 채널 안의 개별 요청은 스레드로 계속된다. 칸반 보드 제작이나 특정 캐러셀 작업의 대화와 진행 내용을 따로 열어볼 수 있다. [08:27]
• 캐러셀 제작 스레드에서는 사용자가 승인한 뒤 게시됐다는 흐름을 보여준다. 완료한 스레드에서 나가 화면을 정리해도 기록은 남고 다시 참여할 수 있다. [08:54]
• 방 선택·생성, 앱 목록, 메시지 검색, 읽지 않은 내용과 멘션 확인 기능을 보여준다. 전체 경험을 Slack형 대화와 ClickUp형 맞춤 도구, 코딩 에이전트의 결합으로 표현한다. [09:28]

7. 워크스페이스 생성과 업무 맥락 전달

• 새 워크스페이스에서 팀 이름을 입력하고 동료를 초대하는 초기 설정을 보여준다. 영상 설명상 과금 단위는 개별 멤버가 아니라 워크스페이스다. [09:59]
• 초기 에이전트는 웹사이트와 담당 업무를 확인하며 사용자 정보를 수집한다. 사람·새 에이전트·기존 구독을 추가할 수 있고, 일부 추가 실행 환경은 향후 지원 계획으로 나온다. [10:47]
• 기존 AI 운영체제에 자신과 사업에 대한 지식을 마크다운 파일로 추출하게 한 뒤 새 에이전트에 전달하고, 부족한 내용을 질문하게 하는 온보딩 방법을 제안한다. [11:19]

8. 기본 서비스와 사용자 지정 API 연결

• 에이전트가 일상 업무와 사용하는 도구를 물은 뒤 연결을 돕는다. Gmail·Google Calendar·GitHub·Notion 같은 기본 연결과 사용자 지정 API 연결을 보여준다. [12:12]
• Kylon 에이전트가 실행 과정에서 기존 서비스 등을 확인하고, 필요한 도구 연결을 사용자에게 요청하는 모습을 보여준다. [12:27]
• Gmail 연결 버튼을 누르고 계정 인증을 거쳐 연결 완료 상태를 확인한다. 나머지 서비스는 건너뛰며 초기 연결 절차 시연을 마무리한다. [12:54]

9. 호스팅 에이전트와 작업별 성능 선택

• 새 에이전트의 이름과 전문 분야를 정하고 실행 방식을 선택한다. Kylon 호스팅 에이전트는 여러 모델을 활용한다고 보여준다. [13:22]
• Fast·Pro·Max 선택지의 상대적 비용과 용도를 보여준다. Max가 Opus를 사용한다는 설명은 업체로부터 들은 내용이며, 언급된 모델 버전을 별도로 검증하지는 않는다. [13:49]
• 일반 관리, 추론 업무, 디자인·엔지니어링처럼 역할을 나누고 필요한 성능 수준을 달리하는 에이전트 구성을 제안한다. [14:12]

10. 로컬 실행의 가동 조건과 구독 연결

• 기존 구독을 컴퓨터에서 실행하거나, 소개된 Codex 클라우드 실행 방식을 선택할 수 있다. 로컬 에이전트는 컴퓨터가 꺼지면 모바일 앱에서도 응답을 받을 수 없다. [14:42]
• 상시 가동이 필요하면 VPS나 계속 켜두는 Mac Mini 같은 대안을 고려할 수 있다고 보여준다. 기본 로컬 연결은 해당 컴퓨터가 다시 켜져야 응답한다. [15:07]
• Kylon이 제공한 연결 프롬프트를 Claude Code에 붙여 넣고 문서 확인·명령 실행·로그인을 거쳐 연결한다. 시연에서는 기존 구독을 사용하며 Kylon 크레딧 대신 해당 구독으로 실행된다. [15:52]

11. 크레딧 가시성과 기존 업무 도구 유지

• 플랜에 월간 크레딧이 포함되고 메시지 사용으로 소모된다고 보여준다. 사용자·방·에이전트별 사용량을 확인하며, 시연 속 외부 구독 에이전트는 크레딧을 소모하지 않는다. [16:28]
• 기존 AI 운영체제를 처음부터 다시 만들기보다 축적한 맥락과 스킬을 가져와 팀이 활용하게 하는 방향을 제안한다. 동료가 부재중일 때도 공유된 에이전트에 필요한 파일이나 스킬을 요청하는 상황을 든다. [17:14]
• ClickUp과 Google Drive를 계속 사용하면서 Kylon을 연결해 자동화를 추가할 수 있다고 보여준다. 기존 업무 도구를 Kylon 안에 전부 재구축할 필요는 없다는 입장이다. [17:36]

12. 일일 체크인과 인계 지연을 줄이는 자동화

• 주간 약속과 진행 상태를 보는 추적 도구에 일일 체크인을 붙인다. 실제로 끝낸 작업이 ClickUp에서 완료 처리되지 않아 팀과 AI가 진척을 잘못 판단하는 문제를 줄이려는 사례다. [18:18]
• 새 인터뷰 프로그램의 업무 인계에는 정체된 항목의 담당자에게 알림을 보내는 자동화를 구상한다. 이 부분은 앞으로 구축하려는 운영 방식으로 드러난다. [18:57]
• 작은 팀에서 절차를 안정시킨 뒤 뉴스레터 같은 다른 업무 채널로 확대할 계획이다. 만들고 방치하는 앱보다 실제 가치를 제공하는 작은 성과를 먼저 찾으라고 권한다. [19:29]

13. 역할·공유 권한과 제품의 최종 평가

• 기존 AI 환경·도구·자동화·반복되는 누락을 설명하고 팀원의 책임과 목표를 등록하라고 제안한다. 사용자 프로필과 에이전트의 모델·추론 설정·구독 잔여량을 확인하는 화면도 보여준다. [20:32]
• 개인 에이전트 접근은 공유 여부에 따라 달라진다. 발표자는 비슷한 협업 환경을 직접 만들 수 있지만, 맞춤 앱·폴링·배포·버전 관리와 사용 교육이 더 번거롭다고 평가한다. [21:27]
• Kylon을 소규모 팀이 앱과 업무 흐름을 빠르게 구성하는 도구로 평가하고 향후 팀 실험을 이어가겠다고 드러낸다. 동료를 초대해 함께 에이전트와 대화하는 경험으로 전체 내용을 정리한 뒤 영상을 마친다. [22:22]

🧾 결론

• 멀티플레이어 AI의 핵심은 개인에게 축적된 맥락과 스킬을 팀이 함께 활용하고, 사람과 에이전트가 같은 작업 공간에서 결과물을 만드는 데 있다.
• Kylon의 장점으로 제시되는 것은 채널·스레드·앱·승인 절차를 묶어 협업 환경을 쉽게 구성하는 사용성이다. 발표자도 유사한 기능을 별도로 구축할 수 있다고 인정한다.
• 기존 AI 운영체제와 ClickUp·Google Drive를 연결하고, 작은 팀에서 유효한 절차를 찾은 뒤 다른 채널로 확장하는 접근이 영상의 최종 권고다.

📈 투자·시사 포인트

• 제품 관점에서는 모델 성능뿐 아니라 사람·에이전트·기존 업무 도구를 연결하는 협업 경험이 차별화 요소로 제시된다.
• 비용 평가는 워크스페이스 요금과 크레딧에 기존 AI 구독 및 상시 실행 환경의 비용을 함께 놓고 해야 한다. 영상만으로 총비용의 우위를 확정할 수는 없다.
• 도입 효과를 판단할 때는 생성한 앱의 개수보다 업무 인계 누락, 상태 정보의 지연, 중복 작업이 얼마나 줄었는지 확인하는 편이 영상의 문제의식에 부합한다.
• 영상에는 매출·수익성·시장점유율이나 투자 대상의 가치평가 자료가 없다. 따라서 이 사례는 AI 협업 도구의 사용 방식과 도입 전략을 살펴보는 근거로 활용하는 것이 적절하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 발표자는 Kylon 측의 영상 제작 제안을 받았다고 공개한다. 소개된 효용과 초기 만족도는 이러한 제작 배경을 고려해 해석해야 하며, 독립적인 비교 검증은 제시되지 않는다.
• 정확한 요금액, 플랜별 크레딧 제공량, 작업별 소모량은 설명되지 않는다. 외부 구독 연결이 Kylon 크레딧을 소모하지 않는다는 시연도 전체 운영비가 없다는 의미는 아니다.
• 호스팅 에이전트의 모델 라우팅 설명에는 발표자의 추정과 업체로부터 들었다는 내용이 섞여 있다. 특히 Max의 백엔드 모델명과 버전은 영상 내 주장으로 취급해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 한 개의 소규모 팀이나 업무 흐름을 선택하고, 현재 반복되는 누락·중복·상태 갱신 문제를 정리한다.
• 기존 AI 운영체제에 업무 맥락과 스킬을 마크다운 브리프로 정리하게 한 뒤, 팀 에이전트에 제공할 내용을 검토한다.
• 기존 ClickUp·Google Drive 등 기준 데이터가 있는 도구를 연결하고, 새 채널에서 담당자와 작업 목적을 명확히 설명한다.
• 기존 Claude Code·Codex 구독을 연결할 때 로컬 실행과 클라우드 실행 중 필요한 가동 조건을 선택한다.

❓ 열린 질문

• 작은 팀의 초기 시연을 넘어 참여자와 에이전트가 늘어날 때도 업무 맥락과 작업 상태를 일관되게 유지할 수 있을까?
• 기존 구독과 호스팅 에이전트를 어떤 비율로 조합해야 필요한 가동 시간과 비용을 함께 충족할 수 있을까?
• 팀원이 개인 에이전트를 공유할 때, 업무에 필요한 맥락과 개인 정보·연결 계정의 접근 범위를 어떻게 구분할 수 있을까?