각 분야의 AI 전문가가 한 팀처럼 일합니다. Staffly가 에르메스 에이전트를 발급하고, 회사 도구를 스킬로 연결합니다.
팀 AI 비용 직원마다 AI 구독료를 내지 말고, 업무용 메신저에 한 번만 붙입니다. Claude·ChatGPT 구독을 에르메스가 팀 공용 업무 채널에서 쓰게 합니다.에르메스 에이전트는 오픈소스 실행 엔진입니다. Staffly는 그 위에 한국 메신저, 업무 스킬, 운영 상태, 알림, 도입 관리를 붙입니다.
로컬·서버·컨테이너 환경에 올려 고객사 키와 업무 도구를 안쪽에 둡니다.
반복 업무 절차를 기억하고 스킬로 재사용해 같은 일을 점점 짧게 처리합니다.
보고, 점검, 브리핑 같은 일을 정해진 시간에 실행하는 자동화 기반이 있습니다.
하위 에이전트, 웹 제어, MCP 연결로 필요한 업무 범위를 넓힐 수 있습니다.
에르메스봇에게 필요한 일을 지시하고, 정해진 업무 보고를 받습니다.
봇 메시지·슬래시 커맨드로 업무 지시와 결과 보고를 처리합니다.
네이버웍스 봇으로 업무 지시와 결과 알림을 연결합니다.
멘션·DM으로 업무를 지시하고 결과를 받습니다.
잔디 토픽·메시지에서 업무 지시와 보고를 처리합니다.
스킬은 정확한 연동명으로 고르고, 각 스킬이 어떤 업무를 처리하며 어떤 직원 역할을 대신하는지 확인합니다.
고객명, 주문번호, 문의 원문은 예시로 줄였습니다. 실제 대화 본문은 호스트 안에서만 처리합니다.
단일 구글 실행 계정 OAuth 기준 예시입니다. 개인별 메일함 위임이 자동으로 된다는 뜻은 아닙니다.
광고 계정 생성과 집행은 승인 상태 기준으로 분리합니다. ID와 수치는 이해를 돕기 위해 일부 마스킹했습니다.
광고 계정 생성과 집행은 승인 상태 기준으로 분리합니다. ID와 수치는 이해를 돕기 위해 일부 마스킹했습니다.
광고 계정 생성과 집행은 승인 상태 기준으로 분리합니다. ID와 수치는 이해를 돕기 위해 일부 마스킹했습니다.
광고 계정 생성과 집행은 승인 상태 기준으로 분리합니다. ID와 수치는 이해를 돕기 위해 일부 마스킹했습니다.
광고 계정 생성과 집행은 승인 상태 기준으로 분리합니다. ID와 수치는 이해를 돕기 위해 일부 마스킹했습니다.
검색 API가 주는 제목·링크·요약 스니펫만 사용한 사례입니다. 원문 전체 수집이 아닙니다.
프로젝트명과 업무 ID는 예시입니다. 실제 쓰기 작업은 권한과 승인 기준에 맞춰 진행합니다.
결제자명과 거래번호는 마스킹한 예시입니다. 조회용 검색 키만 쓰는 흐름입니다.
실발송·과금이 있는 작업이라 사례에서도 테스트 모드와 승인 단계를 먼저 보여줍니다.
위키 본문은 호스트 로컬 폴더에만 저장하는 전제의 사례입니다.
검색광고가 아니라 자연검색 순위 유지 사례입니다. 광고비·입찰가는 건드리지 않습니다.
도메인명과 예치금은 예시입니다. 변경 작업은 별도 권한 grant가 있어야 실행됩니다.
프로젝트명과 이슈 ID는 마스킹했습니다. 해결 처리 같은 쓰기 작업은 승인 후 진행합니다.
레포명, PR 번호, 코멘트 내용은 예시입니다. 머지·코멘트는 실제 변경이므로 승인 후 실행합니다.
스킬은 계속 추가됩니다. 업무명이나 직원 별명으로 스킬명을 흐리지 않습니다.
키는 회사 안에, 구독은 그대로 함께, 업무는 배우지 않고 자동화.
LLM 키·결제 토큰·그룹웨어 비밀번호를 SaaS에 올리지 않습니다. 고객이 소유한 맥미니·서버 안에만 두고, 에르메스가 거기서 직접 일을 처리합니다.
회사 입장에서는 개인별 Claude·ChatGPT 구독을 나눠 지급하는 것보다, 전사 업무용 메신저에 에르메스를 붙여 팀이 함께 쓰는 편이 훨씬 경제적입니다.
결제·정산·예약 같은 반복 업무를 스킬로 옮깁니다. 팀은 쓰던 메신저에서 지시하고, 에르메스봇은 실행과 보고를 맡습니다.
권한 확인, 모델 선택, 업무 실행, 결과 기록을 한 흐름으로 묶습니다.
업무용 메신저와 권한 흐름을 연결합니다.
고객사 맥·서버에 에르메스를 연결하고, API 키와 업무 도구는 사내에 둡니다.
업무 지시는 메신저에서 받고, 실행 결과와 정기 보고는 운영 원장에 남깁니다.
무료 상담은 적합성 확인까지만. 업무 목록화·자동화 후보 선정·제안서는 유료 진단 산출물로 진행하고, 구축 계약 시 진단비를 셋업비에서 차감합니다.
업종, 팀 규모, 쓰는 메신저와 도구, 가장 답답한 반복 업무만 빠르게 확인합니다. 이 단계에서는 상세 업무 분석이나 제안서를 만들지 않습니다.
회사의 업무를 먼저 나열하고 반복성, 데이터 접근성, 예외 빈도, 승인 필요성을 기준으로 AI 직원에게 맡길 수 있는 일을 추립니다.
첫 AI 직원의 직책, 연결할 스킬, 필요한 메신저·ERP 연동, 운영 기준, 초기 셋업비와 월 운영비를 제안서로 정리합니다.
고객사 호스트에 에르메스를 연결하고, 필요한 인터페이스를 개발한 뒤 실제 업무 한두 개부터 운영하면서 예외를 보정합니다.
사람 수가 아니라 운영 범위 기준입니다. AI 전문가 팩, 연결 스킬, 메신저·호스트 운영 난이도에 따라 정하고, LLM 토큰은 고객사 키로 직접 연결합니다.
전문가 팩은 특정 업무 역할 하나를 운영하는 단위입니다. 모든 플랜의 두뇌(LLM)는 고객사 구독·키로 직접 연결되며 Staffly가 토큰을 다시 청구하지 않습니다. 추가 스킬 개발 · 커스텀 연동은 범위에 따라 별도 견적입니다.