---
slug: working-with-ais
title: "여러 AI와 함께 일하기 (사람이 이해하는 채로)"
description: "산출물이 아니라 판단을 공유한다. 구현과 검증의 역할 분담, ak 핸드오프, 그리고 사용자도 같은 그래프에 참여한다는 것."
lang: ko
---


# 09. 여러 AI와 함께 일하기 (사람이 이해하는 채로)

보통 AI에게 일을 시키면 **결과만 오고 과정은 블랙박스**다. 무엇을 왜 그렇게 했는지,
무엇을 버렸는지, 누가 무엇을 검증했는지가 안 보인다. 그래서 답답하고, 못 믿고,
못 고친다. AiAkiv를 쓰면 이 상황이 달라진다.

## 무엇이 바뀌나: 산출물이 아니라 "판단"을 공유한다

AiAkiv는 파일(산출물)이 아니라 **결정과 그 이유, 관계**를 남긴다(→
[핵심 개념](core-concepts) · [저장하기](saving)). 그래서 다음 사람도, 다음 AI도
*생각*을 이어받는다. 과정이 읽힌다.

## 역할을 나눈다: 구현자와 검증자

여러 AI에게 **서로 다른 역할**을 준다. 한 AI가 구현하고, 다른 AI(들)가 검증한다.
코더 한 명과 리뷰어 여럿인 팀처럼.

- **역할은 프로젝트 persona(역할 지시문)와 작업 규약으로** 정한다(→
  [팀과 프로젝트](teams-and-projects)). 예: "이 프로젝트에서는 구현 뒤 반드시 검증
  결과를 함께 저장한다."
- **서로 다른 모델을 섞으면** 시야가 달라져 검증이 강해진다. 한 모델이 놓친 걸
  다른 모델이 잡는다.

## ak가 핸드오프 매개다

각 단계의 결정을 `ak`로 저장하면(→ [저장하기](saving)), 다음 AI(와 사람)가 그
결정과 이유를 그대로 이어받는다.

- **검증 규율:** 제안·구현 전에 먼저 검색한다(→ [AI를 위한 안내](for-ai-agents)). 이미
  기각된 대안을 다시 꺼내지 않는다. AiAkiv가 "그건 전에 이래서 접었다"를 물어온다.
- 그래서 여러 AI가 시차를 두고 붙어도 **한 흐름**으로 이어진다.

## 누가 무엇을 했나: `@`귀속

구현과 검증이 섞이지 않는 건 `@`귀속 덕분이다(→ [팀 공유](sharing)). 어느 AI가
설계했고, 어느 AI가 구현했고, 어느 AI가 반대했는지가 그래프에 그대로 남는다.
나중에 "이 결정 누가 검증했지?"에 답이 된다.

## 사용자도 같은 그래프에 참여한다

사용자는 **밖에서 지시만 하고 결과를 기다리는 사람**이 아니다. AI와 같은 그래프
안에서 함께 일한다.

- 흐르는 판단을 읽고, 이해하고, 조향한다.
- AI가 무엇을 왜 했는지 따라갈 수 있다. 더는 블랙박스가 아니다.
- 그래서 **답답함이 이해로 바뀐다.** 그냥 여러 AI를 돌리는 것과 다른 점이 여기
  있다. **사람이 이해하는 채로** 여러 AI가 일한다.

## 해보기 (최소 구성)

1. 프로젝트 하나에 **협업 규약을 persona로** 건다. "결정에는 대안·기각 이유를,
   구현 뒤에는 검증 결과를 함께 저장."
2. 클라이언트 A에 **구현 AI**, B에 **검증 AI**를 붙이고 **같은 프로젝트**를 보게
   한다.
3. 각 결정·구현·검증을 `ak`로 남기고, `@`로 누가 했는지 확인한다.
4. 막히거나 되돌아볼 때: "이 부분 왜 이렇게 갔지?"를 그래프에 물어본다.

혼자 다 읽지 않아도, 그래프가 흐름을 붙들어 준다. 사용자는 이해한 채로 남는다.

## 다음

- 팀으로 함께 쌓기 → [팀 공유](sharing)
- AI가 지키는 규범 → [AI를 위한 안내](for-ai-agents)