본문으로 건너뛰기
SuperApp의 권한 요청에서 시작한 Cloudflare OS
목차

SuperApp의 권한 요청에서 시작한 Cloudflare OS (2026-08)

원문 정보

AI를 써도 넓어지지 않는 권한

약 여섯 달 전, 영업 조직의 한 직원이 CIO Sam Rhea에게 API 키를 요청했습니다. 필요한 키도 여러 개였습니다. AI로 go-to-market 팀의 업무를 바꿀 “SuperApp”을 만들었는데, 실행하려면 사내 시스템 십여 곳의 운영 접근 권한과 배포 파이프라인 관리자 권한이 필요하다는 것이었습니다.

2025년만 해도 Cloudflare는 AI 도입에 신중했습니다. 정보 제공용 채팅 앱을 배포하고 보일러플레이트 코드 작성을 시험하는 정도였습니다. 그런데 그해 말 며칠 사이에 더 나은 모델과 강력한 하니스가 나오면서 판단이 달라졌습니다. 에이전트가 실제로 일을 해냈습니다. 연말연시의 한가한 몇 주 동안 기술직과 비기술직 직원 수백 명이 새 도구를 써 봤고, SuperApp을 만든 직원 뒤로 업무를 바꾸고 싶다는 요청이 밀려왔습니다.

직원들의 시도를 지원하면서 사내 시스템과 내부·고객 데이터를 지켜야 했습니다. 그 일을 위해 수개월 동안 만든 플랫폼이 Cloudflare OS입니다. 처음에는 Workers와 Access 같은 Developer·Zero Trust 플랫폼의 기성 구성 요소를 연결했고, 필요한 것을 알아 가며 전용 서비스를 만들었습니다.

CTO와 CIO는 텍사스 오스틴 사무실에서 원칙의 초안을 잡고 여러 조직 리더의 의견을 받았습니다. 그중 접근 권한의 기준은 분명합니다. 업무 데이터의 기준이 되는 시스템 오브 레코드에서 사용자가 볼 수 있는 범위는 AI를 쓴다고 넓어져서는 안 됩니다. 에이전트에는 필요한 만큼만 접근을 허용하고, 공유받은 사람에게는 만든 사람의 권한이 아닌 자신의 권한을 적용합니다.

결과물을 책임지는 사람도 있어야 했습니다. AI는 도구이자 도구를 만드는 수단이며, 품질 기준과 테스트, 결과물을 사용하는 워크플로는 사람이 책임집니다. 에이전트를 배포한 사람과 팀에도 같은 원칙이 적용됩니다. 담당자가 떠나면 매니저가 다른 업무를 인계받듯 그 에이전트의 책임을 이어받습니다.

하기 싫은 일을 모은 마법의 AI 이메일 봇

비엔지니어에게 개발자용 도구를 조금 친절한 화면으로 건넨 것은 초반의 실수였습니다. 엔지니어는 저장소를 복제하고 AGENTS.md 같은 맥락 파일을 넣어 하니스를 연결하면 됐지만, 이 방식은 일회성 산출물을 만들거나 수십 개 시스템에 걸친 프로젝트를 다루는 지식 업무와 잘 맞지 않았습니다. 코드를 잘 만드는 작업 공간을 주자 필요 이상의 코드가 쌓였습니다. 풀 문제부터 찾아야 하는 바이브 코딩 앱이 쏟아진 것입니다.

출발점으로 돌아가야 했습니다. Cloudflare가 AI를 쓰려던 목적은 고객과 더 많은 시간을 보내고 고객의 문제를 더 많이 푸는 데 있었습니다. 먼저 업무의 불편과 병목, 놓친 기회를 찾아야 도구도 고를 수 있습니다. 모든 직원에게 개발자 도구를 익히게 할 생각도 없었습니다. 직원은 자신의 전문 지식을 가져오고, 회사는 그것을 활용할 직관적인 플랫폼을 제공한다는 원칙이었습니다.

그래서 직원들에게 하기 싫은 일을 “마법의 AI 이메일 봇”으로 보내면 필요한 결과물을 돌려주겠다고 알렸습니다. 뒤에서는 작은 팀이 AI 도구로 요청을 직접 처리했습니다. 사람들은 자동 시스템처럼 보이는 곳에 바이브 코딩 아이디어를 보내기는 꺼리면서도, 하기 싫은 일은 기꺼이 보냈습니다.

수백 건, 이어 수천 건을 처리하자 반복되는 일이 보였습니다. 팀은 요청을 직접 분류하며 스킬과 컨텍스트 파일, 데이터 연결, 필요한 출력 형태를 정리했고, 이를 바탕으로 일부 응답을 자동화했습니다. 사람이 계속 처리하기에는 괴로운 일이었습니다. 운영팀도 하루빨리 이 일에서 벗어나고 싶었습니다. 모아 둔 자료를 스킬로 만들어 직원들이 스스로 문제를 풀게 하는 것이 목표였고, 공통 업무를 충분히 파악했다고 판단할 때까지 수작업을 이어갔습니다.

노트북을 닫아도 돌아가는 Cloudflare OS v1의 작업 공간

Cloudflare OS의 첫 버전은 자사 인프라의 컨테이너에서 실행하는 단순한 하니스였습니다. 사용자는 브라우저에서 Cloudflare Zero Trust로 인증한 뒤, 이메일 요청을 처리하며 모은 스킬 파일과 워크플로를 실행합니다. 회사의 맥락과 부서별 업무 절차를 클릭 한 번으로 사용할 수 있게 만든 것입니다. 오른쪽 패널에는 기술 아키텍처 문서나 슬라이드 덱 같은 결과물이 나타나고, 동료와 공유할 수도 있습니다.

로컬 설정은 필요 없었습니다. 새로 입사한 영업 직원 중에는 며칠 만에, 이전 직장이라면 몇 주 걸렸을 업무를 자동화할 수 있겠다고 느낀 사람도 있었습니다. 노트북을 닫아도 작업은 계속됩니다. 커피를 마시러 가면서 노트북을 살짝 열어 든 채 사무실을 돌아다닐 이유가 없어졌습니다.

클라우드 작업 공간은 데이터 접근 범위도 달랐습니다. 로컬 하니스는 노트북에 있는 모든 데이터에 접근할 가능성이 있지만, 일회성 클라우드 환경은 사용자가 세션에 넣은 데이터만 접근 대상으로 삼습니다. 보안팀은 이 환경을 감사하고 네트워크를 통제하며, 인터넷에서 연결할 수 있는 대상까지 제한할 수 있습니다.

사용자 권한을 따르는 MCP Portal

데이터 연결은 MCP Portal로 모았습니다. MCP는 AI 도구에 어떤 데이터와 작업을 사용할 수 있는지 알려 주는 연결 규격입니다. Cloudflare OS 세션에는 각 시스템 오브 레코드에서 사용자가 이미 가진 권한만 허용합니다.

대부분의 시스템은 자체 MCP 서버를 제공하더라도 Cloudflare가 직접 서버를 구현해 배포합니다. 역할이나 지역별 속도 제한 같은 통제를 추가하기 위해서입니다. 구현과 배포에는 Cloudflare Workers를 쓰며, 서버리스 플랫폼이므로 지속적인 유지 부담은 사실상 없습니다.

AI 추론 요청은 AI Gateway로 보냅니다. 사용자와 AI 시스템 사이의 모든 상호작용을 필터링하고 기록·감사할 수 있는 경로입니다. 예를 들어 Secure Web Gateway의 데이터 유출 방지(DLP) 규칙을 재사용하면 특정 데이터셋을 모델 제공자에게 보내지 못하게 막을 수 있습니다.

비용과 모델 선택도 이 경로에서 통제할 수 있습니다. 모든 직원에게 최신 프런티어 모델의 최대 사고 모드가 필요한 것은 아닙니다. 매시간 받은편지함을 요약하느라 $20을 쓸 이유도 없습니다. AI Gateway는 역할별로 모델 사용을 제한하거나, 예약된 스킬 실행처럼 자율성이 큰 작업을 더 효율적인 모델로 보내는 수단이 됩니다.

Cloudflare OS v2가 코드로 바꾼 아침 보고서

Rhea는 매일 아침 IT 헬프데스크의 열린 티켓과 서비스 지표를 확인합니다. Cloudflare OS를 쓰기 전에는 티켓 시스템의 기본적인 대시보드만으로 부족해 CSV를 내려받고 Google Sheets에서 차트를 만들었습니다. 밤사이 들어온 티켓도 하나씩 열어 봤습니다. 시간이 들었고, 시스템 오브 레코드 밖에 중복 데이터까지 생겼습니다.

v1에서는 티켓 시스템의 MCP 서버에 연결한 스킬 파일로 이 일을 처리했습니다. 더 안전해졌고 수작업도 줄었습니다. 그런데 거의 같은 보고서를 다시 만드는 데 매일 아침 수천 토큰을 썼습니다. 밤사이 들어온 티켓을 분류하고 답변 초안을 작성하는 데도 토큰을 태우고 있었습니다.

스킬을 실행할 때마다 추론 세션을 시작할 필요가 있는지 돌아볼 지점이었습니다. 업무의 상당 부분은 정해진 단계의 연속이고, 추론이나 사람의 판단은 그중 필요한 곳에 들어갑니다. AI가 매번 일을 수행하는 도구로 쓰일 필요는 없었습니다. 그 일을 수행할 도구를 만들게 할 수도 있습니다.

Cloudflare OS v2에서는 사용자가 워크플로를 자연어로 설명하면 AI 에이전트가 실행 코드를 작성합니다. 그렇게 만든 에이전트는 요청할 때, 정해진 일정에 따라, 또는 이벤트가 발생할 때 실행합니다. 조직 전체에 범용 에이전트 하나를 나눠 주기보다 각 직원이 기본적으로 격리된 안전한 애플리케이션을 만들도록 한 것입니다.

Rhea도 원하는 차트를 설명해 코드를 만들었습니다. 데이터셋 연결은 gatekeeper라는 서비스가 맡습니다. gatekeeper는 에이전트가 반복하는 쿼리를 처리하고 앱이 받는 맥락의 범위를 좁혀 주므로, 사용자가 API 키를 관리할 필요가 없습니다. 추론이 필요한 곳에는 AI를 넣었습니다. 도착한 티켓의 답변 초안을 생성하는 기능을 만들고, 직접 검토한 뒤 보낼 수 있게 했습니다. 별도의 연동이나 배포 파이프라인을 직접 만들고 관리하지 않아도 되는 작업 공간입니다.

이 에이전트를 공유받은 사람은 같은 gatekeeper에서 자신의 권한으로 인증합니다. 만든 사람의 데이터 접근 범위가 함께 넘어가지 않습니다. 그리고 초기 보고서를 불러올 때는 매번 토큰을 전혀 쓰지 않습니다.

좋은 코드의 기준을 세운 Cloudflare Engineering Codex

엔지니어링 팀에서는 코드 작성 속도를 리뷰가 따라잡지 못했습니다. AI 덕분에 누구나 나쁜 코드도 더 빨리 쓸 수 있게 된 것입니다. Cloudflare는 모델보다 조직의 맥락이 중요하다고 봤고, 기술 도입과 함께 정리된 표준 맥락 계층을 마련하는 데 시간을 들였습니다. 엔지니어링에서 그 역할을 맡은 것이 Cloudflare Engineering Codex입니다.

정책이 하지 말아야 할 일을 알려 준다면 Codex는 해야 할 일을 알려 줍니다. Cloudflare가 따르는 원칙과 실무 관행을 담았고, 의도적으로 뚜렷한 기준을 제시합니다. 코드베이스의 각 영역에는 그곳에서 좋은 코드가 무엇인지 책임지는 도메인 오너가 있습니다.

에이전트는 Codex를 참조해 엔지니어의 작업 계획을 돕습니다. 모든 Merge Request를 Codex 요건에 맞춰 리뷰하는 에이전트 외에, 구현 전 기술 설계와 인시던트 보고서를 검토하는 에이전트도 각각 뒀습니다. 이 에이전트들은 최근 넉 달 동안 25만 건에 가까운 잠재 문제를 표시하고 머지 16,000건을 차단했습니다. 코드를 한 줄 쓰기 전에 아키텍처 문제를 발견한 설계도 600건에 가깝습니다.

구체적인 코드 리뷰 워크플로는 Timo의 AI Code Review 글에서 더 자세히 다룹니다. 현재는 엔지니어가 자기 에이전트의 작업물을 평가하는 루프를 직접 정의하도록 돕는 도구에 초점을 옮기고 있습니다.

팀 안에서 사용법을 전하는 챔피언

플랫폼을 제공한 뒤에는 직원들이 활용하도록 도울 사람이 필요했습니다. Cloudflare는 이를 위해 전담 AI 팀을 채용하지 않았습니다. 런던의 영업 리더, 텍사스의 솔루션 엔지니어, 포르투갈의 투자자 관계 리더, 일본의 사업 개발 담당자, 미국의 세일즈 옵스 리더처럼 각 조직의 초기 사용자를 챔피언으로 삼았습니다. 이들이 동료들과 함께 일하는 방식을 다시 생각하도록 한 것입니다.

기존 팀에 인턴을 배치하는 방식도 성과가 있었습니다. Cloudflare는 올해 인턴 1,111명을 채용하겠다는 목표를 발표했고, 합류한 인턴 중 상당수는 각 부서에서 AI 도구로 팀을 올스타로 만드는 일을 맡고 있습니다.

매주 수천 명이 플랫폼을 사용하며, 일간 활성 사용자도 근무일마다 늘고 있습니다. 최근 한 달 동안 영업팀이 담당 영역 계획과 제안서 작성 같은 수작업에서 절약한 시간은 10,000시간 이상으로 추정했습니다. 같은 30일 동안 사용자가 특정 문제를 풀기 위해 만든 앱과 도구는 4,000개를 넘었습니다.

외부에 공개한 Cloudflare OS에도 아직 할 일이 많이 남아 있습니다. Rhea가 글을 쓰기 전날 밤 받은 보고서는 조달 병목을 진단하는 도구였습니다. 예전 같으면 며칠 동안 스프레드시트를 뒤져야 했던 작업입니다. 다음 날 아침에는 리스본 사무실의 IT 팀 직원이 플랫폼에서 만든 노트북 교체 추적 에이전트를 옆자리 재무팀 동료와 공유했습니다.

원문의 사용 지표
항목값
최근 4개월 에이전트가 표시한 잠재 문제약 25만 건
차단된 머지16,000건
코드 작성 전 구조 문제를 잡은 설계약 600건
최근 한 달 영업팀 절감 시간(추정)10,000시간 이상
최근 30일 사용자가 만든 앱·도구4,000개 이상
올해 인턴 채용 목표1,111명
주간 사용자수천 명
마지막 수정 일자