리소스
AI 에이전트를 실제로 일하게 만드는 실전 가이드
WhatsApp, 이메일, CRM, 리서치, 마케팅 업무에 AI 에이전트를 도입하는 실전 가이드. 모든 가이드는 우리가 만드는 방식을 그대로 따릅니다. 하나의 업무부터 시작하고, 외부로 나가는 것에는 사람을 반드시 거치게 하고, 모든 작업을 변경 불가능한 감사 기록으로 남깁니다.
추천
여기서 시작하세요. 사람이 감독하는 에이전트 팀이 하루에 실제로 해내는 일과, 고객이 차이를 느끼는 자동화 플레이북. 검토를 거치지 않은 메시지는 단 한 건도 나가지 않습니다.
AI 에이전트 팀 vs 사람 팀: 하루치 업무 비교
리서치, CRM 정리, 아웃리치, 모니터링, 지원이 뒤섞인 실제 하루를 사람 인건비로 정직하게 환산했습니다.
- 147개 기업과 43명의 연락처를 조사·검증해 CRM에 등록
- 사람 기준 80~140시간, 단위당 가정에서 산출 - 실행 방식에 따라 S$5,000~S$25,000 이상
- 속도 우위가 끝나는 지점: 사람의 승인이라는 경계
사람의 승인을 거쳐 고객 문의를 자동화하기
에이전트가 문의를 처리하고 팀은 나가는 답변을 모두 승인하는 단계별 플레이북.
- 신뢰 수준 0~4, Observer에서 Developer까지
- 카테고리별 승인 게이트 - 외부로 나가는 메시지는 기본적으로 사람을 기다립니다
- 에이전트의 모든 작업에 남는 변경 불가능한 감사 기록
오픈 소스
우리가 만들어 무료로 공개하는 것 — 무료, MIT 라이선스, Olano 계정 없이 사용할 수 있습니다.
싱가포르 중소기업을 위해
싱가포르 전용 가이드 - WhatsApp 고객 응대, PDPA, 보조금, 채용 비용 계산, 업종별 플레이북 - 이제 Olano Studio 사이트에서 볼 수 있습니다.
가이드
기초: AI 에이전트란 무엇이고, 작은 회사의 어디에 들어맞으며, 플랫폼은 어떻게 고르는가.
작은 회사에게 AI 에이전트란 무엇인가?
쉬운 말로 푼 설명: 에이전트가 챗봇과 어떻게 다른지, 그리고 왜 '우리 회사의 에이전트 팀'이라는 그림이 더 쓸모 있는지.
AI 인턴을 뽑아야 할까?
인턴 비유 점검: 감독받는 AI 에이전트에 대해 이 비유가 정확히 맞히는 것과, 어긋나는 지점 - 대개는 당신에게 유리한 쪽으로.
AI 에이전트 플랫폼 고르는 법
진짜 중요한 것으로 만든 도입 체크리스트: 채널, 승인, 감사 기록, 지출 상한, BYOK, 작업 공간 격리.
작은 회사에 가장 잘 맞는 AI 업무 흐름
가장 먼저 자동화할 만한 다섯 가지 업무 - 고객 응대, 받은편지함 분류, 리서치, CRM 후속 연락, 소셜 초안 작성 - 그리고 그중 하나를 고르는 법.
Guide: always-on AI agents
What 24/7 actually requires - five mechanisms, the question nobody asks in a demo, and four limits any honest vendor will name.
Guide: personal vs business AI agents
A consumer agent is issued to a person, and a business is not a person - the five things that follow from that.
Guide: what stops when you close your laptop
The overnight failure, diagnosed - seven things that need a live process, and the connector-expiry trap nobody expects.
Agent memory is not fine-tuning: what "learning" actually means
When an AI agent learns, either the model, what it is shown, or its instructions change. Only the last two happen in Olano, and both are files you can read.
An AI agent that works across devices
Continuity comes from where the state lives, not from an app. One agent on a laptop, a phone, WhatsApp and Telegram, and why locking your phone stops nothing.
AI agent memory that persists: what survives what
Four stores do the job a features list calls memory. Which survive a model switch, a restart, a new phone, a new channel or deletion, and which you can edit.
AI agent platform lock-in: what you keep if the vendor disappears
Portability comes from formats, not promises. What an agent is on disk, what survives a vendor vanishing, what you would rebuild, and the questions to ask.
AI agent pricing: per seat, per usage or per deployment
A seat is a person and an agent is not one. The three ways AI agent platforms charge, what each shape optimises for, how to predict usage and compare quotes.
Portable agent skills: what travels between platforms and what does not
Skills written as folders of markdown and scripts travel between platforms; the tool names, credentials and helpers they lean on do not. Where the line falls.
Expose your agent as an MCP server or an A2A agent card
Most agent platforms are MCP clients. How an Olano agent becomes an MCP tool or an A2A agent card, why both are off by default, and what a caller can do.
Why your MCP connections keep breaking, and what a platform must do about it
Four ways an MCP OAuth connection dies - dropped refresh token, moved token endpoint, boot timeout, lapsed consent - and what a platform must do about each.
Self-hosted AI agents: the honest guide
The honest self-hosting guide: a machine that stays up, a stable address, a supervisor, secrets, backups, connector renewals, updates and the sandbox question.
How to teach an AI agent a new skill
A skill is a folder with a SKILL.md file, not a fine-tune. What goes in it, how one reaches an agent, the tools rule, and how to fork the bundled chart skill.
Where to start with AI in your business
For the majority of businesses that say they cannot see an applicable use case: how to find the first one without buying anything.
AI automation vs AI agents: which do you actually need?
Automation follows a path you drew. An agent decides the path. Knowing which problem you have saves you from buying the wrong shape.
How to improve efficiency with AI
Where the hours actually go in a small business, and which of them an agent can take without anyone losing control of the outcome.
AI for operations teams
The operating work - scheduling, chasing, reconciling, reporting - and what changes when an agent handles the first draft of each.
거버넌스, 보안, 주권
행동을 취하는 시스템에 이제 적용되는 규칙, 모두가 노출된 공격, 그리고 그 모든 것이 어디서 실행되는가 하는 문제.
The EU AI Act and AI agents: what changed in 2026
Transparency duties in force from 2 August 2026, enforcement powers live, high-risk obligations moved to 2027 and 2028 - and why agents are treated differently from chatbots.
US state AI laws in 2026: what to do while it settles
Twenty-nine states, a federal preemption push, and the four duties that recur in every version - so you can build once rather than fifty times.
Prompt injection and AI agents: a containment checklist
There is no reliable way to prevent it, so the defence is containment. What indirect injection looks like against a business agent, and eight controls that bound the damage.
Sovereign AI: where your agents actually run
Data, model calls, credentials and memory land in four different places. The six questions to put to a vendor in writing.
What self-hosting an AI agent really costs
The operational bill behind the infrastructure line: uptime, secrets, backups, connector renewals and the updates nobody scheduled.
조사와 데이터
도입, 실패, 투자 대비 효과에 관한 2026년 수치. 각각 발표한 기관과 실제로 무엇을 세는지에 대한 설명을 함께 실었습니다.
AI agent statistics 2026: the figures worth quoting
Adoption, cancellation rates, productivity gains and security incidents, attributed and defined - because most of these numbers are quoted out of shape.
Why agentic AI projects get cancelled
More than 40% of them will be, on Gartner's forecast. The five failure modes behind that number, and what the survivors did differently.
How to measure AI ROI
Which numbers survive a budget review and which evaporate the moment somebody asks how they were calculated.
스타트업과 시장 진입
일부러 작게 유지하는 팀을 위해: 채용 전에 무엇을 넘길지, 채용의 실제 비용, 에이전트의 실제 비용, 그리고 첫 대기업 고객이 물어볼 것들.
AI agents for a startup: what to automate before you hire
The constraint at seed stage is founder attention, not headcount budget. Which jobs an agent carries, which it should not touch yet, and the order that works.
Hire or deploy? The 2026 US math
BLS 수치로 보면 복리후생이 임금 위에 약 46%를 더합니다. 비교의 양쪽을 한 줄씩 적었습니다.
What an AI agent actually costs to run
Four lines, and the subscription is the smallest. Why one agent quietly outspends six, and the cost line that is a person rather than compute.
Selling AI agents to enterprise buyers
The security questionnaire that arrives with your first serious customer, the four questions it asks about agents, and what to have ready before the call.
Is your AI agent actually working?
A broken agent answers promptly and sounds confident. Measuring task completion instead of response time, in three layers.
중국과 동남아시아
중국 플랫폼과 해외 채널을 넘나들며 일하기: 모델로서의 Qwen과 Hunyuan, 채널로서의 WeCom·DingTalk·Feishu, 그리고 중국에서 동남아시아로 확장하는 기업에 실제로 필요한 것.
Chinese companies expanding to Southeast Asia
Customers on WhatsApp and Telegram, the home team on WeCom - one deployment connecting both ends, with the compliance seen from both sides.
Running a Qwen-native agent team on Olano
Qwen as a first-class provider: one key, a model per role, the China and international endpoints, and open weights run locally.
Connecting AI agents to WeCom, DingTalk and Feishu
All three built in. How each connects, what it needs, and whether the agent should speak in a group.
Hunyuan and Tencent TokenHub on Olano
OpenAI 호환 경로를 통한 Hunyuan: 두 가지 설정 방법과, 각각이 값어치를 하는 경우.
Wukong, Qianfan, Hunyuan agents and Olano: where each fits
A map by use case rather than a ranking, dated, and how the four coexist.
에이전트끼리 협업하는 방식
에이전트 하나를 여럿으로 나눠야 할 때, 서로 일을 넘기는 방식, 그리고 자체 배포 환경 밖까지 닿게 해주는 프로토콜.
How many AI agents does a business need?
Fewer than you would expect. Add an agent when a job is genuinely distinct, not when it is large - more agents mean more supervision, not more capacity.
Multi-agent vs single agent: when to split
The case for several narrow agents over one that has accumulated every connector in the building - operationally and after a bad day.
에이전트 간 업무 위임
Peers and subagents, what each is for, and why visibility and permission are deliberately separate settings.
What is agent orchestration?
The term, stripped of the marketing: who decides what runs next, and what breaks when nobody does.
MCP and A2A: what open agent protocols buy you
A2A reached v1.0 in April 2026 with 150+ organisations behind it. What each protocol does, and the part of lock-in neither of them solves.
스스로 개선하는 에이전트
에이전트가 일을 더 잘하게 된다는 것이 무슨 뜻이고 무슨 뜻이 아닌지, 그리고 그보다 먼저 갖춰져야 할 안전장치.
Recursive self-improvement, explained honestly
What the term means, what it does not mean, and which parts of it are actually shipping in products you can buy today.
Do AI agents learn from experience?
Sometimes, in a narrower sense than the phrase implies. What changes between Monday and Friday, and what stays exactly the same.
The four safeguards a self-improving agent needs
If an agent can change its own instructions, four things have to be true first. None of them is a model capability.
When not to let an AI agent self-improve
The cases where a fixed, reviewed, boring agent is the correct answer - and how to tell you are in one.
플레이북
특정 업무별 단계별 구성. 모두 사람의 승인과 감사 기록이 기본으로 들어 있습니다.
사람의 승인을 거쳐 고객 문의를 자동화하기
문의는 자동으로 처리하되, 모든 답변은 보내기 전에 사람이 승인합니다 - 승인을 앞에 두는 구성 전 과정.
AI 받은편지함 분류와 후속 연락
공용 받은편지함에 에이전트를 붙여 들어오는 메일을 분류하고, 답장을 초안으로 쓰고, 후속 연락을 승인 대기열에 올려 두세요.
AI 에이전트 경쟁사 모니터링
예약 작업과 선제적 모니터링으로 경쟁사를 지켜보고, 리서치 요약을 팀에 전달하세요.
승인 절차를 갖춘 AI 소셜미디어 에이전트
게시글은 에이전트가 초안을 쓰고, 하나하나 승인을 거친 뒤, Buffer 같은 연동 도구로 게시합니다.
플랫폼 속으로
모든 배포 뒤에 있는 구조: 시스템이 어떻게 개선되고, 기억하고, AI 모델들 사이로 일을 배분하는지. 그 흐름에는 항상 당신의 승인이 들어갑니다.
Olano Cortex 속으로
The self-improvement engine: five cycles that turn daily work into sharper memory, skills and procedures on a cadence you control - Fully Autonomous by default, with a rewrite of an agent's own instructions always waiting for your approval.
AI 에이전트는 어떻게 기억하는가
기억의 층위: 사라지지 않는 대화 기억, 정제된 장기 기억, 회사 문서에 기반한 지식베이스, 그리고 스킬 - 모두 당신만의 격리된 환경 안에.
AI 에이전트는 어떻게 새 스킬을 익히는가
반복되는 일은 글로 적힌 절차가 된다. 설치한 스킬에 대한 개선은 사본에서 이루어지며 원본을 덮어쓰지 않는다. 그리고 품질이 떨어진 것은 보존 검사가 격리한다.
멀티모델 AI 에이전트
작업마다 가장 잘 맞는 모델로 배정합니다. 18개 이상의 LLM 공급사 중에서 고르고, 지출 상한은 단단하며, BYOK는 추가 비용이 없고, 특정 업체에 묶이지 않습니다.
비교
범용 AI 도구, 챗봇 빌더, 에이전트 플랫폼, 직접 만든 구성과의 나란히 비교, 그리고 각각이 잘 맞는 곳.
We asked Grok Bot to compare itself with Olano
xAI's AI teammate analysed cloud.olano.ai, compared it with itself and rated both. The prompt, the screenshot, the full reply - and why its most useful answer was about who each one serves.
업무 일지: AI 에이전트 팀 vs 사람 팀
실제 하루치 운영 업무를 사람 팀이 했을 경우와 비교합니다. 시간, 싱가포르 달러 기준 비용, 그리고 사람의 승인 경계가 어디에 있는지.
가이드: AI 에이전트 vs 챗봇
쉬운 말로 푼 설명: 스크립트대로 움직이는 챗봇과, 승인된 작업을 당신의 시스템에서 실제로 수행하는 에이전트의 차이.
표: AI 에이전트 플랫폼 vs 챗봇
기능별 나란히 비교: 챗봇 빌더와, 승인·감사 이력·지출 통제를 갖춘 에이전트 플랫폼.
가이드: 운영 업무에서 Olano vs ChatGPT
설명: ChatGPT가 잘 맞는 곳과, 고객 채널에 상주하는 에이전트가 값을 하는 곳.
표: 비즈니스에서 Olano vs ChatGPT
범용 AI 작업 공간과, 회사의 업무 채널에서 에이전트를 돌리는 호스팅형 플랫폼의 상세 비교.
비교: 호스팅형 AI 에이전트 vs 직접 만든 자동화
호스팅·운영까지 맡기는 에이전트 vs 직접 스택을 만드는 것 - 비용, 유지보수, 그리고 각 방식이 잘 맞는 곳.
표: Olano vs Glimmer (Glints)
같은 질문에 대한 싱가포르의 두 가지 답. 직원 채팅 속 AI 동료냐, 고객 채널 위의 에이전트냐.
표: Olano vs Lindy
크레딧 과금 셀프서비스 AI 직원 대 관리형 격리 배포, 각각이 잘 맞는 곳까지.
표: Olano vs Botpress
직접 만들고 직접 운영하는 개발자 중심 플랫폼과, 대신 만들어 운영해 주는 시스템의 비교.
표: Olano vs Voiceflow
설계된 대화 대 위임된 운영 업무, 그리고 음성에 집중한 Voiceflow가 잘 맞는 곳.
Table: Olano vs Grok Bot
Always-on bots sharing one cloud computer and every login, versus isolated agents on your customer channels.
Table: Olano Cortex vs Hermes self-learning
Two systems that learn from real work - one personal and local, one governed with approvals, undo and a budget.
Table: Olano vs OpenClaw
A self-hosted gateway you keep alive yourself, versus a managed deployment - and an honest look at what a VPS does and does not fix.
Table: Olano vs Meta Muse
Meta's personal agent on its own secure cloud VM, versus agents that belong to a business and answer its customers.
Table: Local vs cloud AI agents
A laptop is a session and a deployment is a service - what stops when the lid closes, and what renting a server does and does not fix.
고객 사례
실제 기업들이 에이전트를 매일 어떻게 쓰는지, 그들의 말로.
대신 업무 흐름에서 시작하기
각 활용 사례 페이지에는 구성이 그대로 나와 있습니다. 에이전트가 무엇을 하는지, 어떤 도구에 연결되는지, 승인이 어디에 들어가는지.
WhatsApp AI 고객 응대
WhatsApp에서 고객 문의에 24시간 응답하되, 답변이 나가기 전에 승인을 거칩니다.
AI 받은편지함 어시스턴트
메일을 분류하고, 답장을 초안으로 쓰고, 대화 맥락을 놓치지 않으면서 후속 연락을 이어갑니다.
AI 시장 조사 에이전트
정해진 주기로 리서치 요약과 보고서를 받아 보세요. 팀이 직접 확인할 수 있는 출처에 근거합니다.
AI 소셜 미디어 에이전트
초안과 콘텐츠 캘린더는 당신이 승인한 뒤에야 연동 도구를 통해 게시됩니다.
AI CRM 영업 어시스턴트
HubSpot, Salesforce, Google Sheets를 최신 상태로 유지하고, 조용해진 거래를 살짝 밀어 줍니다.
놓친 리드 되살리기
영업시간이 끝난 뒤 들어온 문의를 놓치지 않고, 식기 전에 후속 연락을 합니다.
AI 예약 어시스턴트
예약을 받고, 리마인더를 보내고, 일정 변경을 여러 채널에서 처리합니다.
클리닉용 WhatsApp AI
병원용 문의, 예약, 리마인더, 자주 묻는 질문 - 의료 자문은 절대 하지 않습니다.
어느 업무부터 시작할지 고민되나요?
상담을 예약하세요. 가장 값어치 있는 업무를 정리하고, 견적을 내고, 승인하신 뒤에야 만듭니다. 몇 달이 아니라 며칠이면 돌아갑니다.