AI tools for Forward Deployed Engineering — Vasuman Moza, Varick Agents

한 줄 핵심

AI의 실행 능력은 이미 크게 향상됐지만, 기업마다 다른 업무 맥락을 이해해 프로세스를 재설계하고 기존 시스템 위에 안전하게 얹는 forward-deployed engineering이 다음 병목이라는 주장이다.

시간별 요약

1. 0:01
   AI가 단순 실행은 점점 잘하지만, 기업별 업무 맥락을 깊게 이해해 맞춤형으로 적용하는 능력이 여전히 병목이라는 문제의식이 제시된다. 따라서 forward-deployed engineering은 고객사 내부로 들어가 업무를 재설계하고 AI가 실제로 작동하도록 만드는 역할로 정의된다.
2. 3:00
   FDE는 사람의 현재 업무 방식을 먼저 정확히 매핑해야 하며, 특히 평소 경로가 아닌 예외 상황과 실패 시의 실제 흐름을 파악하는 것이 중요하다. 문서상의 이상적 프로세스가 아니라 AP, AR처럼 부서별로 얽힌 현실을 이해해야 AI가 엔드투엔드로 움직일 수 있다.
3. 5:02
   기존의 깨진 프로세스 위에 AI를 얹는 방식으로는 생산성과 ROI가 나오지 않으며, 업무 흐름 자체를 AI에 맞게 다시 설계해야 한다. 자동화 비율과 인간 개입 지점을 적절히 나눠야 하고, 사용자가 기존 11단계 흐름과 너무 동떨어지지 않으면서도 실제 이익이 생기도록 재구성해야 한다.
4. 7:00
   대기업은 NetSuite, Dynamics, SAP, Salesforce 같은 시스템 오브 레코드에 묶여 있으므로, AI는 그 위에 얹혀야 실용적이다. Varick OS는 에이전트를 배포·모니터링·거버넌스·eval까지 포함해 운영하면서도 기존 시스템을 바꾸지 않게 설계되어 있다.
5. 12:00
   FDE를 돕는 FD agent는 현재 세 단계로 설계된다. 먼저 문서·노트·슬라이드를 종합하는 engagement agent가 있고, 이어 워크플로우를 만들 때 누락된 엣지 케이스를 짚어주는 workflow agent가 있으며, 최종적으로는 고객 요청을 받아 스스로 워크플로우 변경을 반영하는 자율형 보조로 발전한다.
6. 15:00
   핵심 기술은 dependency graph로 회사 업무를 표현하고, 이를 잘 탐색하도록 모델과 RL 환경을 함께 학습시키는 것이다. 또한 Claude처럼 장황하지만 덜 정확한 출력 대신, 고객이 실제로 중요하게 여기는 부분만 잘 추려내는 post-training이 중요하다고 본다.

실무 인사이트

• 기업용 AI 도입은 모델 성능보다 업무 맥락 수집과 프로세스 재설계 역량이 성패를 가르므로, PoC보다 먼저 현행 업무의 예외 흐름을 문서화해야 한다.
• 자동화는 전면 대체보다 인간 개입 지점과 자율 실행 지점을 단계적으로 분리할 때 도입 저항과 운영 리스크를 줄일 수 있다.
• 기존 ERP·CRM 위에 얹히는 구조를 우선 고려하면 대규모 마이그레이션 없이도 빠르게 ROI를 만들 수 있다.