How to Set Up AI Agents in monday.com (Full Guide)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

monday.com에서 AI 에이전트를 제대로 설정하려면 보드의 업무 맥락과 권한을 연결하고, 실제 데이터로 트리거를 검증한 뒤 Sidekick·AI Columns·AI Note-taker·Vibe를 목적별로 조합해야 한다.

📌 핵심 요점

1. monday.com의 AI 에이전트는 별도 챗봇이 아니라 기존 보드·문서·워크플로·통합 정보를 공유하는 context layer 위에서 반복 업무를 수행한다.
2. 에이전트를 만들 때는 목표, 단계별 지침, 작업 대상 보드, 사용할 모델, 실행 조건, 결과를 저장할 열을 구체적으로 정의해야 한다.
3. 권한과 트리거가 신뢰성의 핵심이다. 에이전트가 접근할 보드와 문서를 제한하고, 실제 업무의 사건 순서에 맞춰 실행 시점을 테스트해야 한다.
4. Sidekick은 대화로 보드를 만들고 수정하며, AI Columns는 행마다 분류·요약·번역·정보 추출 같은 단일 작업을 자동 적용하고, AI Note-taker는 회의 내용을 보드 작업으로 전환한다.
5. Vibe는 보드 위에 맞춤형 앱을 만들 수 있지만 첫 결과가 완성품이라는 보장은 없으므로, 실제 파일과 보드 상태를 확인하며 반복적으로 오류를 수정해야 한다.

🧩 배경과 문제 정의

소규모 YouTube 제작팀은 아이디어 평가부터 대본 작성, 촬영, 편집, 게시 후 정리까지 많은 프로젝트를 동시에 관리해야 한다. 영상은 monday.com의 AI workspace를 이 문제의 통합 작업면으로 제시하며, AI가 기존 보드·문서·워크플로를 맥락으로 사용해 팀의 반복 업무를 분담하는 과정을 보여준다.

핵심 문제는 AI 기능을 추가하는 것 자체가 아니라, 실제 업무 데이터와 권한 안에서 신뢰할 수 있게 작동하도록 만드는 것이다. 이를 설명하기 위해 게시 영상 요약 에이전트, 제목 제안 에이전트, 미래 영상 파이프라인, 행 자동 분류, 회의 기록, 전사 파일 일괄 첨부 앱을 하나의 제작 흐름으로 연결한다.

🕒 시간순 섹션별 상세정리

1. AI workspace가 필요한 이유

• 소규모 제작팀이 아이디어 평가, 대본, 촬영, 편집을 관리하는 부담을 소개하고, 일상 워크플로 안에서 실제로 작동하는 AI를 목표로 제시한다. [00:43]
• AI 에이전트는 같은 보드와 목표를 공유하는 팀원처럼 일하되, 방향 결정은 사람이 맡고 반복 업무를 에이전트가 처리한다. [01:02]

2. Context layer와 AI 기능의 역할

• 기존 보드·문서·워크플로·외부 통합이 context layer가 되어 에이전트가 업무 맥락을 처음부터 다시 학습하지 않도록 한다. [02:09]
• 반복 작업을 맡는 agents, 요청형 비서 Sidekick, 회의를 정리하는 AI note-taker, 보드 위에 앱을 만드는 Vibe를 구분하며 모두 AI credits를 사용한다고 보여준다. [02:54]

3. 가입과 유료 플랜 구조

• 무료 계정에는 신용카드 없이 시작하는 14일 Pro 체험이 제공되며, 온보딩 질문을 마치면 대시보드로 이동한다. [03:46]
• AI 기능은 유료 플랜에 포함되고 유료 플랜은 3석부터 시작하며, 상위 플랜은 자동화·통합·관리 기능도 함께 확장한다. [04:27]
• Standard의 AI essentials에는 agent workforce, note-taker, Sidekick, Vibe, AI Columns와 월 2,000 credits가 포함된다고 보여준다. [05:18]

4. 게시 영상 보드와 첫 에이전트 생성

• Published videos 보드는 게시된 영상의 세부 정보를 행과 열로 관리하며, 게시 후 행정 업무를 AI에 맡길 작업 맥락으로 사용된다. [06:33]
• 전사 파일을 읽어 영상별 요약을 만들고 지정한 열에 저장하도록 프롬프트, 형식, 실행 조건, 대상 보드와 모델을 설정한다. [07:23]
• 생성된 에이전트가 이해한 업무를 대화로 검토하고 필요한 수정 후 onboard 단계로 진행한다. [07:29]

5. 에이전트의 Brain·트리거·권한·MCP

• Brain 탭에서 에이전트의 목표, 단계별 지침, 지식과 접근 범위, 도구, 기술, AI 모델을 직접 확인하고 수정할 수 있다. [08:30]
• 항목 추가 시 실행되는 트리거를 검토하고, 자동 생성되지 않았거나 잘못됐다면 대화 또는 수동 옵션으로 추가·수정·삭제한다. [09:15]
• 접근 권한은 에이전트가 볼 수 있는 보드와 문서를 제한하며, MCP 앱을 통해 Claude·ChatGPT·Copilot·Cursor에서도 허용된 보드를 조작할 수 있다. [10:15]

6. 수동 실행과 트리거 오류 발견

• Activity의 run now로 전사가 첨부된 기존 영상들을 요약하고, 완료 후 성공 상태·처리 단계·건너뛴 행·사용 credits를 확인한다. [10:54]
• 보드에 Summary 열과 결과가 생성되지만, 새 항목 생성 순간에는 전사 파일이 아직 첨부되지 않아 에이전트가 해당 행을 건너뛸 수 있음을 발견한다. [11:43]
• 실제 사건 순서에 맞춰 항목 생성 대신 전사 파일 업로드를 트리거로 삼는 편이 더 적절하다고 판단한다. [11:53]

7. 안전한 수정과 호출형 에이전트

• 설정을 고치기 전에 에이전트를 일시 중지하고, 대화로 트리거를 수정한 후 go live로 다시 활성화한다. [12:20]
• 파일을 삭제했다가 다시 업로드해 새 트리거를 검증하고, 잠시 뒤 요약이 정상 생성된 것을 확인한다. [12:50]
• 별도의 Conan 에이전트는 게시된 영상 항목에서 멘션될 때 A/B 테스트용 대체 제목과 설명을 제안한다. [13:38]

8. Sidekick으로 영상 파이프라인 구축

• 미게시 영상을 아이디어·조사·대본·촬영·편집 단계에서 관리하고 담당자와 마감일을 추적할 Video Pipeline 보드 요구사항을 정의한다. [14:35]
• Sidekick에 팀원에게 설명하듯 보드 구조를 요청하고, 제안 내용을 검토한 뒤 구현하도록 승인한다. [15:17]
• 생성 결과에는 유용한 열과 자동화 제안이 포함되지만, 열 순서·중복 열·라벨 값·placeholder data는 추가 수정이 필요하다. [15:51]

9. Sidekick 수정과 외부 데이터 반영

• 중복 item 열 제거, title 중심 구조, 열 재배치, 라벨 값 정리와 기본 색상 복원을 대화로 요청한다. [16:22]
• 기술적으로 자동 처리할 수 없는 항목은 사용자가 직접 수행할 방법을 안내받을 수 있다. [16:28]
• 다른 플랫폼에서 내보낸 현재 영상 목록을 첨부해 placeholder data를 교체하고 마지막 보드 순서를 조정한다. [16:50]

10. AI Columns로 행 단위 자동 분류

• AI column은 모든 행에 하나의 작은 AI 작업을 적용하며, 요약·번역·파일 정보 추출·라벨 지정 등의 옵션을 제공한다. [17:24]
• 영상 제목을 읽어 tutorial, review, comparison으로 분류하도록 지시하고 라벨과 instruction을 저장한다. [17:47]
• 기존 행이 자동 분류되고 앞으로 추가되는 아이디어도 자동으로 태그되도록 구성한다. [18:00]

11. AI Note-taker의 회의 참여 설정

• 주간 기획 회의에서 나온 새 영상 아이디어, 담당자, 대략적인 마감일이 누락되지 않도록 회의 내용을 보드 작업으로 연결하려 한다. [18:42]
• Google 또는 Outlook 캘린더를 연결하고, 자신이 만든 회의와 초대받은 회의에 자동 참여할 범위를 personal preferences에서 정한다. [19:20]
• 예약된 Google Meet에서 note-taker를 일반 참석자처럼 입장시키면 회의를 녹화하고 내용을 수집한다. [19:53]

12. 회의 요약에서 보드 항목 생성

• 회의 후 참가자·시간·녹화 길이·잠재적 action items·전체 전사·주제별 분석·녹화를 포함한 recap을 확인한다. [20:37]
• Sidekick은 파이프라인 상태와 회의에서 언급된 세 개의 새 영상, 미완료 작업과 다음 행동을 제시한다. [20:56]
• 사용자가 세 영상을 Video Pipeline 보드에 추가하라고 요청하고, Sidekick이 추가 완료를 확인한다. [21:08]

13. Vibe로 전사 일괄 첨부 앱 설계

• 여러 전사 파일을 한 번에 업로드하고, 제목이 정확히 일치하지 않아도 가장 가까운 영상을 찾아 자동 첨부하는 맞춤형 앱을 요청한다. [22:04]
• 대상 보드와 모델을 연결하면 Vibe가 새 탭에서 앱을 만들고, 사용자는 실시간 미리보기를 보며 문제를 채팅으로 수정할 수 있다. [22:46]
• 첫 버전은 완벽하지 않을 수 있으며 개발 과정처럼 여러 차례 피드백과 수정이 필요하다고 보여준다. [23:02]

14. Vibe 앱 테스트와 반복 수정

• 13개 파일을 선택하자 파일명, 예상 매칭 대상, 일치도 지표가 표시되지만 첫 업로드에서는 13개 모두 검토 대상으로 남는다. [23:46]
• 자동 오류 수정 후 재시도하면 batch upload 완료 메시지가 나오지만, 보드에서 일부 전사 파일이 보이지 않아 read-only field 제한과 누락 문제를 다시 전달한다. [24:42]
• 추가 수정 후 실제 파일이 업데이트와 Files 탭에 첨부되고 열어서 저장할 수 있음을 확인한다. [25:07]

15. 운영 가치와 전체 기능 정리

• 반복적인 전사 첨부가 팀 누구나 수행할 수 있는 한 번의 drag-and-drop 작업으로 바뀌지만, Vibe 앱은 만족할 때까지 버그 수정과 검증이 필요하다. [25:27]
• Draft Vibes는 무료·비공개이고 팀 전체에 공개하려면 게시와 관련 패키지 확인이 필요하다고 안내한다. [25:41]
• 에이전트, Sidekick, AI Columns, AI Note-taker, Vibe를 실제 영상 제작 워크플로에 적용한 결과를 요약하며 영상을 마무리한다. [26:12]

🧾 결론

• monday.com AI workspace의 핵심 가치는 생성형 AI 기능의 수가 아니라, AI가 팀의 기존 업무 데이터와 같은 작업면에서 움직인다는 점에 있다.
• 안정적인 자동화는 좋은 프롬프트만으로 완성되지 않는다. 권한 범위, 트리거 시점, 예외 처리, 실행 기록을 함께 설계해야 한다.
• 반복 업무는 상시 실행 에이전트, 즉석 요청은 Sidekick, 행 단위 처리는 AI Columns, 회의 후속 작업은 AI Note-taker, 맞춤형 도구는 Vibe로 구분하면 역할 충돌을 줄일 수 있다.
• 최종 통제권은 사람에게 남는다. 에이전트가 만든 요약·제목·보드·앱은 실제 결과를 검토하고 수정하는 운영 절차와 함께 사용해야 한다.

📈 투자·시사 포인트

• monday.com은 AI를 독립 제품이 아니라 보드·자동화·통합·권한 체계에 결합해 기존 고객의 사용량과 전환 비용을 높이는 플랫폼 전략을 제시한다.
• AI credits와 유료 플랜, 최소 좌석 구조는 기능 도입이 AI 사용량 기반의 추가 매출로 이어질 수 있음을 보여준다.
• MCP 지원은 Claude·ChatGPT·Copilot·Cursor 같은 외부 AI 도구와 monday.com의 업무 데이터를 연결해 플랫폼의 접점을 확장하는 요소다.
• 반대로 트리거 오작동, 앱 생성 후 반복 수정, 크레딧 소비는 AI 기능의 경제성이 생성 품질뿐 아니라 운영 검증 비용에도 좌우된다는 점을 시사한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상은 화면과 플랜 구성이 시청자의 환경에서 다를 수 있다고 명시한다. 유료 플랜의 최소 좌석, 제공 기능, 월별 AI credits, Vibe 게시 조건은 실제 도입 시점의 가격 페이지에서 다시 확인해야 한다.
• 고객 데이터가 AI 모델 학습에 사용되지 않는다는 설명은 영상 속 주장이다. 조직의 보안·법무 판단을 위해서는 monday.com의 최신 개인정보 처리방침과 데이터 처리 조건을 별도로 검토해야 한다.
• Vibe 데모에서는 첫 업로드가 실패했고 수정 후에도 일부 파일이 보이지 않거나 read-only field 제한이 나타났다. 생성된 앱이 모든 보드 구조와 파일 유형에서 안정적으로 작동한다고 단정할 수 없다.
• 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

• 자동화할 반복 업무 하나를 선택하고 입력 데이터, 기대 결과, 저장할 열, 건너뛸 조건을 한 문서로 정의한다.
• 에이전트에는 필요한 보드와 문서만 허용하고, 삭제 권한이 필요하지 않다면 viewer 수준으로 제한한다.
• 기존 데이터에 수동 실행을 먼저 적용해 결과, 건너뛴 행, 사용 크레딧, 활동 기록을 검토한다.
• 트리거를 실제 업무 순서대로 시험한다. 항목 생성과 파일 업로드가 분리되어 있다면 파일 업로드 완료를 실행 조건으로 검토한다.

❓ 열린 질문

• 팀의 월간 반복 업무량을 기준으로 2,000 AI credits가 어느 정도의 에이전트 실행, Sidekick 수정, Vibe 개발을 감당할 수 있는가?
• 에이전트가 잘못된 내용을 열에 저장하거나 예상보다 넓은 범위에 작업했을 때 사용할 승인·롤백·감사 절차는 무엇인가?
• MCP로 연결한 외부 AI 도구와 monday.com 내부 에이전트 사이의 권한, 활동 기록, 데이터 보존 정책은 어떻게 달라지는가?