Content Assistant가 작업 속도를 유지하면서 디자인 품질 기준을 높인 방법

출처:

How Content Assistant raised the design quality bar without slowing us down

작성자:
Tim Pike, Lead Content Designer

Ann Henley, Content Design Manager

Aaron Ruby, Lead Content Designer

발행일: 2026년 06월 01일

콘텐츠는 제품 경험을 좌우하는 최전선에 있습니다.

잘 만들어진 콘텐츠는 존재감 없이 자연스럽게 녹아들지만, 그렇지 못한 콘텐츠는 고객이 정면으로 마주치는 장벽이 됩니다.

소프트웨어를 확장하는 모든 기업은 콘텐츠와 관련해 비슷한 문제에 직면합니다.

관리해야 할 접점은 계속 늘어나지만 이를 뒷받침할 거버넌스는 충분하지 않고, 규모가 커질수록 콘텐츠 품질은 점차 저하됩니다.

약 6개월 전, 이러한 문제를 해결하기 위해 Content Assistant라는 에이전트를 개발했습니다.

Atlassian의 AI 플랫폼인 Rovo를 기반으로 구축된 Content Assistant는 짧은 UX 문구 초안을 작성하고, 콘텐츠 작성 표준을 제공하며, Slack과 Confluence 등 사람들이 이미 업무를 수행하는 환경에서 자연스럽게 활용될 수 있도록 설계되었습니다.

이 과정에서 디자인 역량과 콘텐츠 도메인 지식, 그리고 Atlassian AI 기술을 결합했습니다

결과는 기대 이상이었습니다.

Content Assistant는 Atlassian에서 가장 높은 도입률을 보인 에이전트 중 하나로 자리 잡았습니다.

이제 매달 수백 명의 Atlassian 구성원이 이를 활용하고 있으며, 사용자층도 디자이너에 국한되지 않고 엔지니어, PM, 마케팅 팀 등으로 확대되었습니다.

여러 팀은 콘텐츠 초안 작성에 걸리던 시간이 몇 시간에서 15분 수준으로 단축되었다고 평가했습니다.

또한 Content Assistant를 릴리스 노트와 지원 문서 등 다른 유형의 콘텐츠 작성에도 확장 적용한 결과, 유사한 수준의 생산성 향상을 확인할 수 있었습니다.

AI를 활용해 제작 시간과 비용을 줄이는 것은 이제 기본적인 기대 수준이 되었습니다.

하지만 가장 놀라웠던 점은 다른 데 있었습니다:

Content Assistant는 품질과 거버넌스를 확산시키는 예상 밖의 역할을 해냈습니다.

모든 기능 팀은 콘텐츠 기준, 브랜드 보이스, 그리고 그동안 축적해 온 콘텐츠 전문성을 손쉽게 활용할 수 있게 되었습니다.

누구도 열어보지 않는 문서 속 스타일 가이드가 아니라, 실제로 필요한 순간에 바로 활용할 수 있는 에이전트를 통해서 말입니다.

전담 콘텐츠 디자이너가 없는 팀도 이제 표준을 준수하는 문구를 작성할 수 있게 되었습니다. 

Content Assistant가 제공한 가치는 단순한 속도 향상에 그치지 않았습니다.

더 넓은 범위로 확장할 수 있는 역량을 제공했습니다.

AI 없이는 일관되게 관리하기 어려웠던 다양한 접점에서 사용자 친화적이고 일관된 언어를 적용할 수 있게 된 것입니다.

Content Assistant는 팀의 업무 속도를 늦추지 않으면서도 모든 앱과 기능 릴리스 전반에 걸쳐 일관된 Atlassian의 목소리를 전달하고 있습니다.

내부 동작 들여다보기

사용자가 Content Assistant를 이용하면, 에이전트는 초안을 생성하는 과정에서 어떤 출처를 참조했는지, 그리고 어떤 가이드라인을 적용했는지를 설명하는 근거를 함께 제공합니다.

실제로 응답을 생성하기 전에 먼저 근거를 제시하도록 지시했을 때, 응답 품질이 향상되는 것을 확인했습니다.

예를 들어, 아래 프롬프트는 고객에게 Studio 앱 사양 초안이 작성되었음을 알리는 알림 메시지 초안을 요청하는 사례입니다:

이에 대해 Content Assistant는 다음과 같이 동작했습니다:

• 사용자의 요청 의도를 분석하고, 요청을 충족하기 위해 어떤 기준을 적용해야 하는지 판단합니다.
  예를 들어 Monica의 요청에는 성공 메시지에 대한 구조 및 작성 가이드라인과 Rovo 용어집이 필요합니다.

• 관련 가이드라인을 확인하고 이를 요청 내용에 적용하여 필요한 문구 초안을 작성합니다.

• 초안과 함께, 해당 결과가 도출된 근거를 포함한 응답을 준비합니다.

• 생성된 결과물에 대해 품질 검사를 수행합니다.

• 최종 응답을 제공합니다.

에이전트 친화적 설계에서 AI 네이티브로

Content Assistant는 Rovo를 기반으로 구축되었으며, Jira, Confluence, Slack을 비롯해 Atlassian의 업무 시스템(System of Work)을 구성하는 다양한 애플리케이션과 기본 통합 기능을 활용했습니다.

이를 통해 단순한 챗봇이 아니라 실제 팀원처럼 자연스럽게 협업할 수 있는 경험을 제공할 수 있었습니다.

또한 에이전트를 다양한 워크플로와 활용 사례로 확장하는 과정에서, 훌륭한 에이전트의 가치는 결국 그것이 속한 시스템의 완성도에 달려 있다는 점을 빠르게 깨달았습니다.

콘텐츠 표준이 2023년 이후 아무도 업데이트하지 않은 오래된 문서에 머물러 있다면, 팀은 절약한 시간보다 생성된 콘텐츠를 수정하는 데 더 많은 시간을 쓰게 될 것입니다.

신뢰할 수 있는 단일 정보 출처(source of truth)가 Slack 스레드 어딘가에 묻혀 있다면, AI는 환각(hallucination)을 일으킬 수 있습니다.

또한 피드백 루프가 없다면 품질은 서서히 저하되며, 그 영향이 결국 고객에게 미칠 때까지 이를 인지하지 못할 수도 있습니다.

실질적인 변화와 영향력을 만들어내고자 한다면, Content Assistant를 독립적인 도구로 바라보는 데서 벗어나 더 큰 무언가를 구축해야 했습니다.

바로 AI 네이티브 콘텐츠 시스템(AI-native content system)입니다.

모든 팀이 구축할 수 있는 4가지 레이어

그렇다면 실제로 AI 네이티브 콘텐츠 시스템은 어떤 모습일까요?

1. 컨텍스트 저장소(Context stores)
   콘텐츠 기준, 가이드라인, 제품 지식을 LLM이 읽고 적절히 적용할 수 있도록 구조화합니다.
   이는 또 다른 스타일 가이드 PDF를 만드는 것을 의미하지 않습니다.
   대신, AI 네이티브 형식으로 구성된, 체계적으로 관리되는 기계 판독 가능한 지식 레이어를 구축하는 것을 의미합니다.

2. 에이전트와 워크플로(Agents and workflows)
   특정 목적에 맞게 설계된 에이전트를 사람들이 이미 업무를 수행하는 환경에 통합합니다.
   예를 들어, Slack에는 Content Assistant를, Jira Service Management에는 릴리스 노트 에이전트를, 그리고 PM이 지원 문서를 요청할 때 콘텐츠 초안이 자연스럽게 작성될 수 있도록 돕는 Brief Builder를 도입했습니다.

3. 신뢰 수준 기반 운영 모델(An operating model with trust tiers)
   모든 작업에 시니어 작성자가 필요한 것은 아니며, 모든 콘텐츠 유형을 AI로 작성해야 하는 것도 아닙니다.
   사소한 변경 사항에 대한 릴리스 노트와 가격 정책 관련 콘텐츠는 근본적으로 다른 수준의 위험을 수반합니다.
   이에 따라 사람의 판단이 얼마나 필요한지에 따라 작업을 낮음(Low), 중간(Medium), 높음(High) 수준으로 구분해 운영하는 신뢰 수준 기반 운영 모델을 구축했습니다.

4. 거버넌스와 피드백 루프(Governance and feedback loops)
   효율성과 품질 지표를 대시보드에서 문서화하고 지속적으로 추적합니다.
   자동화된 피드백 루프를 통해 콘텐츠를 최신 상태로 유지하고 관련성을 높입니다.
   사람이 수정한 모든 AI 생성 초안은 중요한 신호로 활용됩니다.
   이러한 신호를 시스템에 다시 반영해 단순히 더 빠른 시스템이 아니라, 더 똑똑한 시스템으로 발전시킵니다.
   또한 모든 에이전트 기반 워크플로에는 인간의 거버넌스가 설계 단계부터 내재되어 있습니다.

도입 효과

성과는 수치로도 명확하게 드러납니다.

시스템 위에 구축한 서비스 레이어인 Content Review Desk는 9개월이 채 되지 않는 기간 동안 1,500건 이상의 요청을 처리했습니다.

릴리스 노트 작성 시간은 88% 단축되었으며, 콘텐츠 디자이너들은 Figma에서 여러 차례 플레이스홀더 콘텐츠 초안을 작성하는 대신 전략 수립과 콘텐츠 완성도 향상에 집중할 수 있게 되었습니다.

이를 통해 700시간 이상의 업무 시간을 확보했습니다.

또한 이것은 단순한 도구가 아닌 시스템이기 때문에, 누적 효과는 분명하게 나타났습니다.

표준을 체계화할 때마다 에이전트는 더 똑똑해졌고, 워크플로를 자동화할 때마다 사람은 보다 전략적인 업무에 집중할 수 있게 되었습니다.

또한 모든 피드백 루프는 다음 초안을 이전보다 더 나은 결과물로 발전시키는 역할을 했습니다.

어디서부터 시작해야 할까요?

만약 이 글을 읽으며 "우리에게도 이런 시스템이 필요하다"고 생각하고 있다면, 지금부터 다음과 같이 시작할 수 있습니다.

반복 가능한 하나의 콘텐츠 유형부터 시작하세요.

Atlassian의 경우 UI 문구와 릴리스 노트가 그 시작점이었습니다.
작성에 많은 시간이 소요되고, 반복 가능한 패턴을 가지며, 명확한 품질 기준이 있는 콘텐츠를 선택하세요.

그리고 그 영역에서 먼저 접근 방식의 효과를 입증해 보세요.

컨텍스트 레이어를 소홀히 하지 마세요.
이는 응답 품질을 결정하는 핵심 요소 중 하나이며, 어쩌면 가장 중요한 요소일 수도 있습니다.

이를 위해 콘텐츠 표준을 체계적으로 정비하고, 개별 파일에 흩어져 있는 중요한 지식을 LLM이 활용하기 쉬운 구조화된 문서로 전환해야 합니다.

이러한 작업은 많은 노력이 필요했지만, Content Assistant의 신뢰성과 일관성을 높이는 데 큰 도움이 되었습니다.

자동화가 아닌 위험 수준과 신뢰를 중심으로 운영 모델을 설계하세요.
작업 특성에 맞는 운영 체계를 구축하고, 사람의 판단이 실제로 필요한 영역에 집중할 수 있도록 하세요.

첫날부터 피드백 루프를 구축하세요.
선택 사항으로 두지 말고, 기본적으로 내재된 요소로 설계해야 합니다.

AI 네이티브 시스템으로의 전환

AI 네이티브 콘텐츠 시스템으로의 여정은 이제 막 시작되었습니다.

이 여정을 통해 콘텐츠 제작 과정에서 축적해 온 전문성을 체계화하고, 고객이 가장 필요로 하는 순간에 이를 제공할 수 있는 기회를 만들어가고 있습니다.

Atlassian의 모든 팀은 여전히 이 시스템을 함께 구축해 나가고 있으며, 그 과정 또한 열린 방식으로 공유하고 있습니다.

Jira와 Confluence 같은 Atlassian 애플리케이션을 활용해 시스템을 구축하는 방법부터, 새로운 AI 활용 패턴을 적극적으로 탐색하며 가능성의 범위를 넓혀가는 과정까지, 배운 내용을 지속적으로 공유해 나갈 예정입니다.

아직 해결해야 할 미지의 영역이 많지만, 한 가지는 분명합니다.

도구 중심이 아닌 시스템 중심으로 사고방식을 전환함으로써, 불과 1년 전만 해도 상상하기 어려웠던 방식으로 업무 방식을 혁신하고 품질 기준을 한 단계 끌어올릴 수 있게 되었다는 점입니다.