Workflow Intelligence는 문서화된 프로세스가 아니라 실제 직원이 브라우저에서 어떻게 일하는지를 관찰해 AI 자동화 후보를 찾는 분석 계층이다. Fullstory가 Workforce 제품군의 일부로 early access를 공개했으며, 브라우저 기반 세션 데이터와 MCP 연결을 결합해 자동화 우선순위를 도출하는 방향을 제시한다.
문제의식
기업은 AI 에이전트를 도입할 때 “어디를 자동화해야 하는가”에서 막힌다. CRM, 헬프데스크, ITSM 로그에는 결과는 남지만, 탭 전환, 복사·붙여넣기, 대기, 우회 절차, 재작업 루프는 잘 남지 않는다. 이 보이지 않는 행동이 자동화 ROI를 결정한다.
Workflow Intelligence는 이 간극을 줄이기 위해 다음 질문에 답하려 한다.
| 질문 | 의미 |
|---|---|
| 어떤 워크플로가 가장 많은 인간 시간을 쓰는가 | 자동화 기회의 상한을 계산 |
| 실제 수행 경로가 문서와 어떻게 다른가 | 우회·병목·재작업 발견 |
| 어느 단계가 AI에 적합한가 | 자동화 후보를 구현 난이도와 영향도로 정렬 |
기존 프로세스 마이닝과의 차이
전통적인 프로세스 마이닝은 주로 시스템 로그를 본다. Workflow Intelligence류 접근은 브라우저에서 여러 시스템 사이를 오가는 실제 행동을 본다. 따라서 Salesforce, Zendesk, ServiceNow 같은 개별 도구 안의 이벤트뿐 아니라 도구 사이의 공백도 분석 대상이 된다.
이 차이는 AI 자동화에서 중요하다. 에이전트가 대신해야 하는 일은 단일 시스템의 API 호출 하나가 아니라, 여러 화면을 넘나드는 판단과 조합인 경우가 많기 때문이다.
MCP와 연결되는 지점
Fullstory는 분석 결과를 MCP 커넥터를 통해 AI 도구로 넘겨 자동화 기회 보고서, 구현 청사진, 성공 기준을 만들 수 있다고 설명한다. 여기서 MCP는 단순 데이터 추출 수단이 아니라, 관찰 데이터와 에이전트 분석 워크플로를 연결하는 접점이 된다.
실무적으로는 다음 구조가 자연스럽다.
- 행동 데이터로 병목과 반복 작업을 찾는다.
- 에이전트가 자동화 후보를 분류하고 구현 난이도를 추정한다.
- 사람이 높은 ROI 후보를 승인한다.
- 자동화 배포 후 같은 지표로 처리 시간과 재작업 감소를 추적한다.
주의할 점
업무 행동 데이터는 민감하다. 브라우저 세션, 입력 필드, 내부 시스템 이동 경로를 다루므로 개인정보, 접근권한, 감사 로그, 데이터 보존 정책이 먼저 설계돼야 한다. AI 자동화 후보를 찾기 전에 “무엇을 관찰해도 되는가”를 명확히 해야 한다.
관련 문서
- agentic-cdp — AI 에이전트 시대의 실시간 고객 데이터 플랫폼
- agent-governance — AI 에이전트 도구·비용·정책 통제
- mcp — 에이전트와 외부 시스템을 연결하는 표준 프로토콜
- data-engineering-for-ai — AI 시스템을 위한 데이터 엔지니어링 실무
참고 자료
- Workflow Intelligence: See how work happens, find where AI fits — Fullstory Blog (2026-06-24)