Opp Tree

Core Goal

• 자동화 기회를 체계적으로 탐색하고 우선순위를 정하여 팀이 가장 값있는 에이전트에 투자하도록 함
• 반복빈도, 자동화가능성, 판단의존도를 기준으로 기술적 가능성과 비즈니스 가치의 균형을 맞춤
• 검증 실험 설계를 통해 구현 전에 핵심 가정(Value/Feasibility/Reliability/Ethics)을 빠르게 테스트

Trigger Gate

Use This Skill When

• 에이전트 도입을 고려 중인데 어디서부터 시작할지 결정해야 할 때
• 조직의 반복 작업, 병목 지점, 자동화 기회를 체계적으로 매핑해야 할 때
• 여러 개의 에이전트 아이디어가 있는데 어느 것을 먼저 구현할지 우선순위를 정해야 할 때
• 기술 팀과 비즈니스 팀의 의견이 갈려 "에이전트를 만들어야 하는가"를 데이터 기반으로 판단해야 할 때

Route to Other Skills When

• 선택된 기회의 가정(Value/Feasibility/Reliability/Ethics)을 깊이 있게 검증해야 할 때 → assumptions 스킬
• 최우선 기회의 기술 구현 방식(Trigger Agent vs Pipeline Agent vs Research Agent)을 결정해야 할 때 → discover/assumptions --mode build-or-buy
• 선택한 에이전트에 인간 개입 지점을 설계해야 할 때 → hitl 스킬
• Opportunity Tree를 Mermaid + docs/OPPORTUNITY_TREE.md로 영구화하고 5/3 strong-Push 패턴으로 검증할 때 → ost (hplan plugin)

Boundary Checks

• 범위 확인: AOT는 "어떤 에이전트를 만들 것인가"를 정하는 것이지, "어떻게 만드는가"를 설명하지 않음 — 구현은 deliver/agent-setup으로 연결
• 판단 의존도 주의: 점수가 5점을 넘어가거나 판단 의존도가 높다면(4~5점) AOT 대상이 아닐 수 있음 — 그냥 Rule-based 자동화나 인간 처리가 더 나을 수 있음

Agent Opportunity Tree (AOT)

에이전트를 "만들 수 있냐"가 아니라 "만들어야 하냐"를 결정하는 프레임워크.
Teresa Torres의 Opportunity Solution Tree를 AI 에이전트 디스커버리에 맞게 재설계했습니다.

왜 에이전트에는 다른 OST가 필요한가

일반 OST는 제품 기능을 탐색할 때 씁니다.
에이전트 OST는 다릅니다. 에이전트는 자율적으로 행동하기 때문에 잘못된 기회를 선택하면 오류가 조용히 증폭됩니다.

에이전트 디스커버리에서 빠지기 쉬운 함정:

• "기술적으로 가능하니까" 만든다 → 아무도 안 씀
• "반복 작업이니까" 자동화한다 → 판단이 필요한 부분을 건드려 더 큰 문제 발생
• 에이전트 1개로 너무 많은 걸 해결하려 한다 → 실패율 급증

AOT는 이 함정을 피하기 위해 4개 레이어를 순서대로 탐색합니다.

구조 (4 레이어)

[Automation Outcome]
        │
   ┌────┴────┐
[Opportunity] [Opportunity] ...
        │
   ┌────┴────┐
[Agent Type] [Agent Type] ...
        │
   ┌────┴────┐
[Experiment] [Experiment] ...

레이어 1 — Automation Outcome (자동화 목표)

단 하나의 측정 가능한 목표를 정합니다.
좋은 예: "PM이 뉴스 수집에 쓰는 시간을 주 5시간 → 0시간으로 줄인다"
나쁜 예: "업무를 AI로 자동화한다" (너무 넓음)

레이어 2 — Opportunities (기회, 문제 공간)

자동화로 해결 가능한 반복 작업, 판단 패턴, 병목 지점을 발굴합니다.
기회 프레이밍 공식:
"[누가] [어떤 상황에서] [반복적으로] [무엇을 해야 하는데] [시간/실수/비용이 든다]"

기회 우선순위 점수:
Opportunity Score = 반복빈도(1-5) × 자동화가능성(1-5) × 판단의존도 역수(5=저판단)

⚠️ 판단 의존도가 높을수록 에이전트화가 어렵습니다. 점수가 낮은 기회는 Rule-based 자동화나 인간 처리가 더 적합합니다.

레이어 3 — Agent Solutions (에이전트 솔루션 후보)

각 기회마다 최소 3가지 에이전트 유형을 탐색합니다:

각 솔루션 후보에 대해 반드시 답해야 할 3가지:

1. 트리거: 무엇이 에이전트를 시작시키는가?
2. 도구: 어떤 툴/API/파일에 접근해야 하는가?
3. 종료 조건: 에이전트가 성공적으로 완료됐다는 것을 어떻게 아는가?

레이어 4 — Experiments (검증 실험)

에이전트를 구현하기 전에 핵심 가정을 먼저 테스트합니다.

에이전트 가정 4축:

• Value: 이 자동화가 실제로 시간/비용을 절감하는가?
• Feasibility: 필요한 데이터/API에 접근 가능한가?
• Reliability: 충분한 정확도로 반복 실행 가능한가?
• Ethics: 자동화해도 괜찮은 판단인가? 오류 발생 시 영향은?

최소 검증 실험 예시:

• "하루 동안 직접 해보며 실제 반복 패턴 기록"
• "API 호출 5회 테스트 → 응답 품질 점검"
• "MVP 프롬프트 + 수동 실행 10회 → 정확도 측정"

사용 방법

/agent-opportunity-tree [자동화하려는 업무 또는 문제]

Instructions

You are helping to build an Agent Opportunity Tree for: $ARGUMENTS

Step 1 — Automation Outcome 확정

• 측정 가능한 자동화 목표 1개를 명확히 정의한다
• "시간 절감", "오류 감소", "비용 절감" 중 하나에 수치를 붙인다

Step 2 — Opportunities 발굴 (3~5개)

• 주어진 문제/업무에서 반복 작업, 판단 패턴, 병목을 추출한다
• 각 기회에 Opportunity Score를 계산한다 (반복빈도 × 자동화가능성 × 판단의존도 역수)
• Score 상위 3개를 선택하고, 낮은 기회는 제외 이유를 명시한다

Step 3 — Agent Solutions 후보 (기회당 2~3개)

• 각 기회마다 에이전트 유형 2~3개를 제안한다
• 각 후보의 트리거 / 필요 도구 / 종료 조건을 명시한다
• 구현 난이도를 Low/Medium/High로 표시한다

Step 4 — Experiments 설계 (최우선 솔루션 1~2개)

• Value / Feasibility / Reliability / Ethics 4축 가정을 나열한다
• 각 가정의 검증 실험을 2일 이내에 할 수 있는 수준으로 설계한다

Step 5 — 다음 권장 액션

• 가장 높은 Opportunity Score + 가장 낮은 구현 난이도 조합을 추천한다
• deliver/agent-setup으로 연결할 준비가 됐는지 확인한다

Failure Handling

Quality Gate

• 자동화 Outcome이 측정 가능한 수치(시간, 오류율, 비용)를 포함하는가? (Yes/No)
• 발굴된 Opportunity가 3개 이상이고, 각각 다른 카테고리(정보수집/판단/물리작업)를 포괄하는가? (Yes/No)
• 상위 3개 Opportunity의 점수 계산이 명확하고, 제외된 기회의 이유가 명시되어 있는가? (Yes/No)
• 각 기회마다 최소 2개 이상의 에이전트 솔루션 후보가 있고, 트리거/도구/종료조건이 정의되어 있는가? (Yes/No)
• 최우선 솔루션에 대해 Value/Feasibility/Reliability/Ethics 4축 가정이 명시되고, 각 가정의 검증 실험이 2일 이내에 가능한 수준으로 설계되어 있는가? (Yes/No)

Examples

Good Example

Automation Outcome:
"PM이 경쟁사 뉴스 수집에 쓰는 시간을 주 8시간 → 0.5시간으로 줄인다"

Opportunity 1: RSS/웹 뉴스 수집 및 요약
  - Score: 5(빈도) × 5(자동화 가능) × 5(판단 역수) = 125점
  - 이유: 매일 반복, API만으로 가능, 요약은 프롬프트만으로 해결

Opportunity 2: 수집한 뉴스를 Slack에 자동 발송
  - Score: 5(빈도) × 5(자동화 가능) × 4(판단 역수) = 100점
  - 이유: 매일, Slack API + 문서 쓰기 간단, 사람 판단 최소

Opportunity 3: 경쟁사별 뉴스 필터링 및 태깅
  - Score: 4(빈도) × 3(자동화 가능) × 2(판단 역수) = 24점
  - 이유: 경쟁사 판단이 필요(도메인 지식), 자동화 어려움 → 하위 우선순위

선택: Opportunity 1 + Opportunity 2 결합
  → Research Agent (웹 수집) + Pipeline Agent (Slack 발송)

Experiment (Value):
  - 3일간 PM이 직접 뉴스 수집 시간 기록 (기준선)
  - MVP 프롬프트로 동일 뉴스 5개 요약 → 품질 평가
  - "요약이 충분히 유용한가" 판단 기준: 원문보다 5배 이상 빠른가?

Bad Example

❌ Automation Outcome이 너무 넓음:
"우리 회사 업무를 AI로 자동화한다"
→ 측정 불가능, 우선순위 불가능

❌ 모든 기회가 높은 점수:
  - Opportunity A: 120점
  - Opportunity B: 115점
  - Opportunity C: 110점
→ 점수 계산 오류 또는 팀이 모든 기회를 좋게 평가하는 바이어스 존재
→ 재평가 필요: 정말 자동화 가능한가? 판단이 필요하지 않나?

❌ Ethics 위험 미감지:
  "고객 이메일 자동 응답 에이전트"
  - 기회: 고객 응답 시간을 2시간 → 5분으로
  - Score 점수는 높음
  - But: 할루시네이션으로 잘못된 응답 발송 시 고객 손실
  - Ethics 축: 위험도 5점, 하지만 AOT에서 미감지
→ `hitl` 스킬과 함께 "Approval Gate 필수" 플래그 필요

❌ 실험 설계 불충분:
  "API가 있으니까 Feasible하다고 가정"
  - But: API에 인증 권한이 없거나 Rate Limit가 있을 수 있음
→ 실험: "API 호출 10회 테스트" 반드시 실행

GTM 연계

AOT로 선택된 기회를 실제 시장에 출시할 때: 첫 고객 세그먼트(비치헤드)를 Pain Intensity / Willingness to Trust AI / Data Availability / Budget Authority / Reference Potential 5개 기준(각 1-5점, 총점 20+ 권장)으로 선정한다. 신뢰 구축은 Shadow Mode → Co-pilot → Auto-pilot → Full Delegation 4단계 시퀀스를 따른다. 출시는 Lighthouse(1-3개 고객, 성공 사례 확보) → Wedge(10-30개, 반복 가능한 세일즈 모션) → Expand(100+, 인접 세그먼트 확장) 순으로 진행한다.

참고

• 원본 프레임워크: Teresa Torres, Continuous Discovery Habits (OST)
• 에이전트 특화 확장: AI PM Skills Contributors, 2026
• Reliability / Ethics 축: Byeonghyeok Kwak의 엔터프라이즈 에이전트 거버넌스 논의에서 영감

Further Reading

• Teresa Torres, Continuous Discovery Habits — Opportunity Solution Tree origin
• Marty Cagan, INSPIRED — Continuous product discovery

Contextual Knowledge (auto-loaded)

보조 파일이 존재할 때만 자동 로드됩니다. 파일이 없으면 건너뜁니다.

Test Cases

!cat references/test-cases.md 2>/dev/null || echo ""

Troubleshooting

!cat references/troubleshooting.md 2>/dev/null || echo ""

Good Example

!cat examples/good-01.md 2>/dev/null || echo ""

Bad Example

!cat examples/bad-01.md 2>/dev/null || echo ""

Domain Context

!cat context/domain.md 2>/dev/null || echo ""