The Factory That Dreams: 39 AI Agents, No Framework - Rushabh Doshi, Machinecraft

한 줄 핵심

Machinecraft는 별도 ML 팀이나 모델 학습 없이 사내 문서를 벡터·그래프 메모리와 36개 전문 에이전트로 엮어, 영업과 대응 업무를 자동화하는 회사의 ‘기억하는 두뇌’를 만들었다.

시간별 요약

1. 0:00
   제조업의 핵심 자산은 설비가 아니라 고객, 견적, 커스텀 변경 이유 같은 지식이며, 이 지식이 사람의 머릿속에만 남아 있으면 퇴사 때마다 회사의 기억이 함께 사라진다. 그래서 문서 저장이 아니라 회사 자체의 기억을 만드는 방향으로 문제를 정의한다.
2. 2:01
   공개 인터넷이 아니라 사내의 견적서, 도면, 메일, 일정, 결제 기록을 모두 넣고, 모델을 새로 학습하지 않은 채 청크 단위로 읽혀 사실을 추출한다. 의미는 벡터로, 관계는 그래프로 저장해 단순한 챗봇이 아니라 정리된 기억 체계를 만든다.
3. 4:00
   하나의 거대한 프롬프트 대신 36개 전문 에이전트를 역할별로 나누고, 회의와 반박을 거쳐 답을 만들게 한다. 영업, 가격, 사양, 검증, 수정 반영을 각각 분리해 한 명의 영웅이 아니라 팀으로 문제를 처리한다.
4. 6:01
   실제 운영은 CRM, 벡터DB, 관계 그래프, 여러 모델 제공자, 213개 도구가 하나의 프로토콜로 연결된 구조에서 돌아간다. 메모리는 단기 기억, 고정 사실, 대화 에피소드, 관계의 온도, 중요도 게이트로 층화되고, 밤에는 재생·정리·망각·학습을 거치는 수면 사이클로 갱신된다.
5. 8:01
   정확성은 ‘도움이 되기’보다 ‘해롭지 않기’를 우선하는 윤리 규칙으로 묶이며, 출처와 날짜를 명시하고 단정적 표현을 피하도록 설계된다. 구축 비용은 외주 견적 230 grand 대신 약 30으로 낮췄고, 월 운영비도 수천 달러 수준으로 줄여 Brain OS를 다른 회사도 복제할 수 있게 만들었다.

실무 인사이트

• AI 도입은 모델 선택보다 먼저 ‘무엇을 기억해야 하는가’를 정의할 때 효과가 크며, 사내 지식이 많은 조직일수록 메모리 설계가 곧 경쟁력이 된다.
• 복잡한 업무는 단일 에이전트보다 역할 분리와 검증 단계가 있는 멀티 에이전트 구조가 안정적이며, 특히 가격·사양·사실 검증은 분리하는 편이 유리하다.
• 실무 적용 시에는 자동 응답보다 ‘초안 생성 후 인간 승인’ 원칙을 두고, 출처·날짜·최신성 검증을 기본 규칙으로 삼아야 신뢰를 유지할 수 있다.