클로드 코드가 작업마다 자기만의 멀티 에이전트 작업틀(하네스)을 직접 짭니다. 이것을 다이내믹 워크플로우라고 부릅니다.
한 AI에게 복잡한 일을 통째로 맡기면 세 가지로 무너집니다. 중간에 멈추고, 자기 답을 편애하고, 원래 목표를 잊습니다.
해법은 일을 잘게 나눠 각자 맡기고, 서로의 결과를 적대적으로 검증하게 만드는 것입니다. 코딩이 아닌 사업 업무에도 쓸 수 있습니다.
당신의 AI는 50개 중 35개만 하고 다 끝났다고 말합니다.
일을 한 명에게 몰아줬기 때문입니다.
유능한 직원에게 50개짜리 점검 목록을 던지면 무슨 일이 벌어집니까. 35개쯤에서 "큰 건 다 봤습니다"라며 멈춥니다. 자기가 쓴 보고서를 자기가 검토하면 흠을 잘 못 찾습니다. 일이 길어지면 처음 받은 지시의 디테일을 잊습니다.
AI도 똑같습니다. 한 창에서 복잡한 일을 오래 시키면 사람과 똑같은 방식으로 무너집니다. 앤트로픽이 클로드 코드에 넣은 다이내믹 워크플로우는 이 문제를 정면으로 겨냥합니다. 한 명에게 몰아주지 않고, AI가 일에 맞는 팀을 그 자리에서 직접 꾸리게 합니다.
지금까지 AI에게 일을 시키는 방식은 한 가지였습니다. 한 대화창에 지시를 넣고, 그 AI가 계획과 실행을 같은 자리에서 다 합니다. 오래 걸리고 갈래가 많고 검증이 중요한 일에서는 이 방식이 깨집니다.
다이내믹 워크플로우는 클로드가 작은 운영 대본을 써서 각자 다른 일을 맡은 여러 AI를 지휘하게 만듭니다. 사람은 대본을 짤 필요 없이 "워크플로우로 해줘"라고 말하면 됩니다. 결국 이것은 한 사람에게 몰아주던 일을 역할별로 쪼개 맡기는 조직 설계 문제입니다.
첫째, 한 명에게 다 맡기면 세 가지 방식으로 무너집니다. 앤트로픽은 한 컨텍스트에서 복잡한 일을 오래 시킬 때 나타나는 실패를 세 가지로 정리했습니다. 이건 모델이 멍청해서가 아니라 구조 때문입니다.
| 실패 모드 | 무슨 일이 벌어지나 | 사람으로 치면 |
|---|---|---|
| 에이전트 게으름 | 일부만 끝내고 다 했다고 선언. 보안 점검 50개 중 35개에서 멈춤 | 큰 것만 보고 손 떼는 직원 |
| 자기 편애 | 자기가 낸 답을 스스로 검증하면 후하게 점수를 줌 | 자기 보고서 자기가 채점 |
| 목표 표류 | 대화가 길어지며 요약이 쌓이고, 'X는 하지 마라' 같은 제약을 잃음 | 초반 지시를 잊은 장기 프로젝트 |
출처: Shihipar & Bidasaria (2026), Anthropic. 한 컨텍스트 안에서 일이 길어질수록 세 실패가 함께 나타납니다.
다이내믹 워크플로우는 같은 일을 다르게 풉니다. 정적인 일반 도구를 미리 만들어 두는 대신, 클로드가 그 일에만 맞는 작업틀을 즉석에서 짭니다. 아래 그림이 둘의 차이입니다.
둘째, 해법은 나눠 맡기고 서로 검증하게 만드는 것입니다. 클로드는 일에 맞춰 몇 가지 패턴을 조합합니다. 핵심은 각 AI에게 자기만의 깨끗한 작업 공간과 좁고 분명한 목표를 주는 것입니다. 서로 간섭하지 않고, 자기 답을 자기가 검증하지 않습니다.
| 패턴 | 하는 일 | 사업 장면 |
|---|---|---|
| 분류 후 실행 | 일의 종류를 먼저 가른 뒤 맞는 처리로 보냄 | 문의 자동 분류·라우팅 |
| 펼쳐서 종합 | 잘게 쪼개 각자 처리한 뒤 하나로 합침 | 대량 문서·자료 병렬 처리 |
| 적대적 검증 | 결과마다 별도 AI가 기준에 맞춰 반박 | 사실 확인·품질 게이트 |
| 생성 후 선별 | 여러 안을 만든 뒤 기준으로 걸러 최고만 남김 | 카피·네이밍 후보 압축 |
| 토너먼트 | 여러 안을 둘씩 맞붙여 승자를 가림 | 대량 항목 우선순위 정렬 |
| 끝날 때까지 반복 | 새 발견이 없을 때까지 계속 돌림 | 버그·이슈 끝까지 발굴 |
출처: Shihipar & Bidasaria (2026), Anthropic. 사업 장면은 본 매체가 덧붙인 해석입니다.
셋째, 이건 코딩 얘기가 아닙니다. 저자들은 워크플로우가 비기술 업무에서 더 유용할 때가 많다고 적었습니다. 정답이 떨어지는 일이라면 거의 다 적용됩니다. 아래 네 장면이 그렇습니다.
먼저 사실 검증입니다. IR 자료, 제안서, 보도자료에 틀린 숫자 하나가 들어가면 신뢰가 무너집니다. 한 AI가 모든 주장을 뽑고, 주장마다 별도 AI를 붙여 출처에 하나씩 대조합니다. 출처의 품질까지 검사하는 AI를 더 붙일 수도 있습니다. 발행 전 마지막 게이트를 사람 한 명의 눈에서 검증 팀으로 바꾸는 셈입니다.
다음은 대량 정렬입니다. 1,000건이 넘는 항목을 한 번에 줄 세우라고 하면 품질이 무너지고 맥락에 다 담기지도 않습니다. 대신 둘씩 맞붙이는 토너먼트로 돌립니다. 절대 점수보다 'A가 B보다 낫다'는 비교 판단이 더 안정적입니다. 비교 한 건이 곧 AI 한 명이고, 대진표만 남깁니다.
규칙 준수도 같은 구조입니다. 클로드가 자꾸 놓치는 규칙이 있으면, 규칙 하나당 검사 AI를 하나씩 붙입니다. 가짜 경보를 줄이려고 '회의론자' AI가 각 지적을 다시 읽고, 진짜 위반인지 거른 것만 통과시킵니다.
마지막은 대규모 트리아지입니다. 사람이 다 못 보는 지원 큐, 버그 리포트, 사용자 피드백이 대상입니다. 분류하고, 중복을 거르고, 조치까지 합니다. 여기엔 '격리'라는 안전 패턴이 들어갑니다. 외부의 믿을 수 없는 내용을 읽는 AI에게는 권한 있는 행동을 막고, 행동은 별도 AI가 맡습니다.
그 외에도 근본 원인 조사가 있습니다. 디버깅은 독립된 여러 가설을 세우고 각각 검증할 때 잘 됩니다. 한 창에서 하면 자기 가설을 편애합니다. 워크플로우는 로그·파일·데이터를 각각 보는 AI가 서로 다른 증거에서 가설을 세우게 만듭니다. 이건 코드만의 일이 아닙니다. "3월에 왜 매출이 떨어졌나" 같은 사후 분석에도 똑같이 씁니다.
복잡한 일을 클로드 코드에 시킬 때 평소 프롬프트 끝에 "워크플로우로"를 붙입니다. 트리거 단어 "ultracode"를 쓰면 워크플로우를 반드시 만들게 할 수 있습니다. 가벼운 일이면 "퀵 워크플로우로"라고 해도 됩니다. (오늘)
지원서 순위, 문의 분류, 보고서 사실 검증처럼 좋고 나쁨을 판정할 기준이 있는 일을 하나 고릅니다. "이 폴더의 지원서를 워크플로우로 순위 매기고 상위 10개를 다시 검증해줘"처럼 시킵니다. 직접 다루지 않는 리더라면 실무자에게 이 한 문장을 지시로 넘기면 됩니다. 검증 단계를 꼭 포함시킵니다. (이번 주)
워크플로우 메뉴에서 "s"를 눌러 저장하면 다음에 다시 씁니다. 스킬 폴더에 워크플로우 파일을 넣으면 팀원이 같은 작업틀을 그대로 실행합니다. 트리아지나 검증처럼 반복되는 일은 /loop, /goal과 묶어 정기 실행으로 만듭니다. (이번 달)
토큰을 훨씬 많이 씁니다. 저자들이 직접 경고했습니다. 워크플로우는 여러 AI를 동시에 돌리므로 비용이 크게 늘 수 있습니다. 모든 일에 필요하지 않습니다. 일반적인 코딩 작업에 검토자 다섯 명짜리 패널은 과합니다. "이 일이 정말 더 많은 연산을 필요로 하는가"를 먼저 물어야 합니다. 토큰 예산도 "10k 토큰만 써"처럼 직접 걸 수 있습니다.
아직 초기 기능입니다. 지난주 공개됐고, 모범 사례가 형성되는 중입니다(Shihipar & Bidasaria, 2026). 큰 성과가 나는 장면도 많지만, 무엇이 잘 되는지는 더 발견해야 하는 단계입니다. 처음부터 핵심 업무에 전면 적용하기보다 한 작업으로 검증하고 넓히는 편이 안전합니다.
검증자 설계가 모든 것을 좌우합니다. 워크플로우의 힘은 적대적 검증에서 나옵니다. 그런데 무엇을 '좋은 답'으로 볼지 기준이 허술하면, 여러 AI가 그 빈틈을 함께 통과합니다. 격리 패턴처럼 외부 내용을 읽는 AI와 권한을 쓰는 AI를 분리하는 안전장치도 함께 설계해야 합니다.
복잡한 일에서 AI를 잘 쓰는 길은 더 똑똑한 한 명이 아닙니다. 잘게 나눠 맡기고 서로 검증하게 만드는 설계입니다.
다이내믹 워크플로우 (Dynamic Workflow): 클로드가 작업마다 즉석에서 짜는 자바스크립트 운영 대본입니다. 여러 서브 에이전트를 펼치고 조율하는 함수를 담아, 일에 맞는 작업틀을 직접 만듭니다.
하네스 (Harness) / 작업틀: 모델 바깥의 모든 운영 구조입니다. 어떤 AI를 몇 명 띄울지, 무엇을 검증할지, 결과를 어떻게 합칠지가 여기 들어갑니다.
서브 에이전트 (Subagent): 워크플로우가 띄우는 개별 AI입니다. 각자 자기만의 깨끗한 맥락과 좁은 목표를 가집니다. 서로 간섭하지 않습니다.
적대적 검증 (Adversarial Verification): 한 AI의 결과를 별도 AI가 반박하게 만드는 방식입니다. 자기 답을 자기가 검증할 때 생기는 편애를 막습니다.
격리 (Quarantine): 외부 내용을 읽는 AI에게서 권한 있는 행동을 떼어내는 안전 패턴입니다. 읽는 AI와 행동하는 AI를 분리합니다.
토큰 예산 (Token Budget): 한 작업이 쓸 토큰 상한입니다. "10k 토큰만 써"처럼 프롬프트로 직접 걸 수 있습니다.
- Shihipar, T., & Bidasaria, S. (2026, June). A harness for every task: dynamic workflows in Claude Code [Article]. Anthropic. (원문 보기 ↗)