조코딩의 AI 리터러시 특강 3강 : 2026, AI 에이전트가 바꾼 우리의 업무

Video: 조코딩의 AI 리터러시 특강 3강 : 2026, AI 에이전트가 바꾼 우리의 업무
Channel: 조코딩 JoCoding
Duration: 16m 11s
Source: subtitle (auto, ko)
Transcript:
안녕하세요. 조코딩입니다. AI 리터러시 강의 첫 파트 세 번째 영상입니다. AI에게 묻고 답을 받는 데서 그치지 않고 반복 업무 하나를 끝까지 맡겨 보고 싶은 분들을 위해 [음악] 준비한 강의인데요. 꼭 끝까지 시청해 주시면 감사하겠습니다. 오늘은 세 번째 영상 AI가 일하는 방식을 어떻게 바꾸고 있는지 제가 직접 써 본 사례로 알아보겠습니다. 이번에는 AI는 일하는 방식을 어떻게 바꾸고 있을까라는 주제로 AI의 실제 업무 활용 사례 중심으로 보도록 하겠습니다. 그전에 AI를 크게 세 단계로 나눠 볼 수가 있겠는데요. 먼저 첫 번째 최치T 등장 초기를 생각을 해보면 2022년 11월 채치T 나왔을 때만 하더라도 그냥 질문 한 번 하면 답변이 한번 오는 그런 간단한 질문 답변 형태였습니다. 그래서 사람이 묻고 답변을 읽고 다시 묻고 이런 방식이 초기 버전의 최 GPT였다면 다음 단계로 2024년 9월에 오픈 AI의 5 모델이 등장하면서 추론 모델이라는 개념이 나오게 됩니다. 추론 모델은 단순히 답변을 하기 전에 내부적으로 스스로 검토를 하는 과정을 거쳐서 AI 모델이 추론 과정을 거치게 되는데요.

네. 그러면 성능이 엄청나게 향상이 됐습니다. 그래서 경시대 수학 문제 기준으로 정답률을 보자면 그 이전 모델인 GPT4 5 모델은 정답률이 13% 밖에 안 됐다면 추론 모델인 O1은 83%라는 놀라운 점수 향상이 있었습니다. 그 이후에 중국의 딥시크라는 모델이 25년 1월에 오픈 웨이트라고 해서 이제 모델이 공개되는 방식으로 추론 모델을 공개해서 굉장히 전 세계적인 화제가 되기도 했었죠. 네. 그래서요 단계에서 나오는게 이제 추론 모델이라는 개념입니다. 수학, 과학 이런 측면에서 성능 향상이 비약적으로 있었던 방법이고요. 그다음에 요즘에 가장 트렌드가 되는 것이 AI 에이전트입니다. 이제 모델이 충분히 똑똑해지고 난 이후에 이제 단순히 질문 답변에서 끝나는게 아니라 이제는 목표를 주어주게 되면 계획을 세우고 직접 도구를 사용하고 행동을 해서 결과를 확인하고 스스로이 과정을 반복하는 그런 AI가 등장을 하게 됐습니다. 그래서 뭐 컴퓨터를 사용하기도 하고 클로드 코드 같은 이런 코딩 에이전트 그리고 오픈 클로우 같은 이런 에이전트 제품들이 탄생을 하면서 이제 에이전트 즉 이제 실행을 대신해 주는 그런 AI로 나아가게 됐습니다.

그래서 이제는 사람은 목표를 주고 결과를 검토하는 이런 자리로 옮겨가게 됐습니다. 정리해 보자면 AI 에이전트는 목표를 받아서 계획을 세우고 도구를 사용하고 확인하며 스스로 일을 끝내는 AI입니다. 사례를 통해 보자면 예를 들어 출장 항공권 예약해 줘라는 목표를 주기만 하면 스스로 계획을 세우고요. 뭐 브라우저, 파일, 메일 같은 도구들을 연결해 가지고 어떤 출장인지, 항공권이 언제 몇 시에 있는지 이런 것들을 찾아 가지고 틀리면 다시 검사를 하면서 스스로 항공권을 적절한 걸 찾습니다. 그리고 심지어 이제 메모리도 존재를 해 가지고 이제 사용자와의 지난 대화, 취향, 중간 결과를 다 기억해 가지고 이거를 종합적으로 검토해서 업무를 처리하고요. 그리고 최종적으로 이제 실질적인 항공권 예약까지 진행해 줄 수 있는 네. 그런게 이제 AI 에이전트입니다. 그래서 채포과의 차이점을 보면 가장 이해가 쉬운데 채포은 그냥 한 번 답변하면 끝나면 에이전트는 결과까지 혼자 달성을 합니다. 그래서 요즘 AI는 단순히 묻고 답하는 어떤 상대가 아니라 목표를 주면 끝까지 해오는 일꾼이다라고 할 수가 있겠습니다.

이런 AI 에이전트라는 개념이 주목을 받고 좀 화제가 됐었던 사건을 꼽아보자면 오픈 클로우라는 AI 에이전트의 등장이라고 볼 수가 있겠는데요. 오픈 클론은 2026년 1월 30일에 출시가 됐는데 놀랍게도 두 달 만에 기터브 스타라고 해서 쉽게 말해서 이제 뭐 인스타그램에서 좋아요 같은 그런 개발자들이 쓰는 플랫폼에서 좋아요라는 별을 20만 개를 한 번에 받을 정도로 엄청난 폭풍 성장을 했습니다. 네. 엔비디아 발표에 따르면 컴퓨팅 역사상 가장 빨리 성장한 오픈 소스라고 할 정도로 개발자들 사이에서 굉장히 주목을 받았던 그런 오픈 소스인데요. 네. 이게 어떤 거냐면 어 왓앱이나 텔레그램 같은 메신저와 연동해서 오픈 클로를 연동해 두면 내 컴퓨터에서 오픈 클로가 돌아가면서 내 PC에 뭐 파일도 보고 메일이나 일정도 연결해 가지고 볼 수 있는 도구를 다양하게 연결할 수 있는 에이전트의 오픈 소스거든요. 여러 가지 에이전트 작업들을 이제 수행해 줄 수 있는 거를 보여 주면서 네. 많은 개발자들 혹은 AI에 관심 있는 분들한테 화제가 됐고 네.

요즘은 이제 거의 39만 스타를 받을 정도로 엄청난 인기를 얻게 됐습니다. 네. 그러면서이 오픈 클로를 만드신 분은 이제 오픈에 합류하기도 하셨고요. 근데 이게 오픈 클로라는 그 제품 자체가 중요한게 아니라 여러 도구를 연결해서 자율적으로 업무를 끝내는 이런 AI 에이전트 개념이 실제로 잘 동작하는게 확인이 되면서이 정도로 빠르게 확산될 정도로 AI 에이전트의 영향력이 컸습니다. 무려 엔비디아의 최대 행사 GTC216 키노트에서 젠슨은 모든 회사의 오픈 클로 전략이 필요하다라고 발언을 할 정도로 정말 중요하게 봤다는 거죠. 그래서 마치 리녹스 전략, http 전략, 모바일 전략이 필요했던 것처럼 이게 새로운 컴퓨팅 계층으로 자리 잡았다라고 발언을 하였습니다. 그래서 뭐 운영 체제라는 비율을 사용하기도 했고요. 엔비디아 자체적인 이런 오픈 클로인 네모 클로를 발표하기도 했습니다. 그래서이 말들을 요약해 보자면 이제는 채봇의 시대에서 에이전트의 시대로 옮겨가는 중이고요. 이제 회사의 경쟁력은 에이전트를 어떻게 배치하느냐 여기에 달려 있다고 할 수가 있겠고 이제 에이전트는 뭐 유행어라기보다 이제 회사 전략의 단위가 됐다라고 볼 수가 있겠습니다.

구체적인 AI 에이전트 활용 사례들을 보기 전에 개념부터 짓고 가자면 AI 에이전트의 어떤 전문 능력은 스킬이라는 표준으로 표현이 될 수가 있는데요. 이게 어떤 거냐? 좀 비유적으로 설명을 드리면 영화 매트릭스에 나오는 한 장면으로 소개를 할 수가 있겠습니다. 영화 매트릭스에서 주인공 내용 헬기를 발견하고 어 이거 뭘 수 있어라고 트리니티한테 물어봤는데 트리니티가 아직은이라고 답변을 한 요런 장면이 있었는데요. 그러면서 이제 헬기 조정 프로그램 보내 줘라고 했을 때 머릿속에 헬기 조정 스킬을 내려받아서 이제 다운받은 다음에는 헬기 조정을 할 수 있게 돼서 가자 해 가지고 직접 트리니티가 헬기를 모는 그런 장면이 나옵니다. 네. 그래서 이런 개념이 이제 스킬이라고 이해를 하시면 좋을 것 같은데요. 이런 전문 능력 헬기를 조정하거나 이런 전문적인 능력도 그냥 스킬이라는 거를 에이전트에 적용을 하게 되면 그 조정을 실제로 할 수 있을 정도로 전문적인 능력이 생기게 됩니다. 그리고 이제 도구를 연결하는 거 요거는 또 표준들이 있는데요.

MCP라고 하는 프로그램을 AI에 꽂는 표준 연결선도 있고요. CLI라고 커맨드라인 즉 글자 명령 창으로 입력하는 방법 혹은 API라는 서비스의 공식 문을 이용하는 방법 이런 것들로 연결을 해 가지고 이제 도구를 사용할 수가 있습니다. 그래서 정리하면 전문 능력 스킬을 연결하거나 혹은 도구 연결선을 꽂기만 하면 AI가 그 일을 할 수 있게 됩니다. 그러면 실전 사례를 통해 소개를 드리자면 먼저 그 전문 능력 스킬은 예를 들어 마케팅 스킬이라는 스킬이 있습니다. 그래서이 마케팅 스킬 이거를 저장소를 다운받게 되면은 이런 형태로 스킬이 구성이 되어 있는데요. 뭐 SEO라든가 CRO 컨텐츠 마케팅 등 페이드 마케팅 이런 다양한 마케팅에 관련된 전문 지식들이이 저장소에 저장이 되어 있습니다. 그래서 이거를 다운받아 가지고 내 에이전트한테 장착을 하게 되면 마케팅 전문 지식을 기반으로 어떤 마케팅 활동을 에이전트가 진행할 수가 있게 되고요. 그리고 도구 쪽을 소개해 드리면은 예를 들어 구글 애타 API 이런 광고 API와 연결을 하고 이걸 사용할 수 있게 만들면 AI 에이전트가 직접 광고 집행을 할 수가 있습니다.

네. 그래서 여기는 제가 직접 메타에드 연결을 해 가지고 광고 집행을 에이전트한테 시켜 봤는데요. 실제로 이렇게 광고 소재도 만들고 광고 캠페인 이렇게 만들어 가지고 다양한 금액들 실제로 집행을 해서 마치 이제 마케터가 진짜 일을 하는 것처럼 실제 캠페인 생성부터 집행까지 AI 에이전트가 직접 처리를 할 수가 있겠습니다. 다른 사례를 소개해 드리면 블렌더라는 3D 제작 도구가 있습니다. 뭐 저도 그렇고 일반적인 어떤 3D 전문가가 아니라면 이런 블렌더를 잘 사용하지 못할 텐데요. 그런데 이제 블렌더를 한 번도 안 열어본 사람이 3D 모델링까지 이제 할 수 있게 됐습니다. 어떻게 하냐? 그냥 AI 모델에게 블렌더 MCP를 연결해 주게 되면 에이전트에게 도구를 주여 주는게 되니까 네. 원하는 작업 그냥 설명하기만 하면 직접 AI 에이전트로 그 블렌더라는 처음 보는 툴이더라도 에이전트가 그걸 알아서 사용할 수가 있게 됩니다. 그래서 이제는 어떤 도구의 사용법을 막 깊게 알기보다는 그냥 도구에 접속하는 방법 즉 연결하는 방법을 알면은 이제 에이전트가 그걸 사용할 수 있게 되고요.

그래서 이제 그냥 사람은 무엇을 만들지만 정하면 그 도구를 사용해서 AI 에이전트가 만들어 주게 됩니다. 이번에는 AI 에이전트를 이메일 도구와 연결한 사례를 소개를 드리겠습니다. 이건 제 사례인데 모두의 창업이라는 프로젝트에 제가 참여를 했습니다. 여기에 이제 솔루션을 만들어 가지고 제가 공급을 했는데 아무래도 정부 과제다 보니까 다양한 기관들과 직접메일로 소통을 해 가지고 자료 제출해야 될 것도 엄청나게 많았습니다. 그런데 이것들이 너무 많다 보니까 그냥 제가 가지고 있는 자료들을 다 넘기고 AI 에이전트에게 알아서 이메일 응대를 하라고 시켰습니다. 그랬더니 알아서 뭐 첨부 파일도 만들고 세금 계산서도 발행하고 하면서 어떤 일을 했는지 정리를 해 보니까 AI가 21개 기관에 매일 195통을 읽고 처리하면서 발신자 74명에게 뭐 계산서 21건을 발행하고 증빙 엑셀 39개를 생성하고 추가 문서 10개를 생성해서 다 각각 첨불하면서 알아서 이메일 소통을 AI 에이전트가 진행을 한 걸 볼 수가 있었습니다.

또 다른 사례를 소개해 드리자면 저는 제 에이전트한테 제 매출 내역 뭐 세금 계산서라든가 통장 내역 이런 거를 다 넘겨 줬습니다. 네. 그러다 보니까 뭐 이런 통계까지도 AI 에이전트가 내줄 수가 있는데요. 데이터가 있다 보니까 내 수익의 비중도 계산해 가지고 이런 식으로 엑셀로 정리해 가지고 알려 주는 것도 가능합니다. 저 실제로 궁금했거든요. 제 유튜브에서 나온 수익이 어느 정도고 광고에서 나온 수익이 어느 정도고 이런 걸 좀 비교해 봤으면 좋겠다 싶어서 에이전트를 시켜봤더니 이제 제 데이터를 다 가지고 있으니까 에이전트가 다 뒤져가면서 이런 식으로 유튜브의 수익 비중, 브랜디드 콘텐츠 광고 수익 비중 등등 잘 나눠 가지고 종류별로 정리를 해 주고 그래프도 그려 준 걸 볼 수가 있습니다. 네. 즉 AI 에이전트는 이제 연결된 도구와 데이터만 있다면 이걸 조합해 가지고 사람이 시키는 거의 모든 것들을 할 수가 있는 상황이 됐습니다. 그만큼 똑똑해졌습니다. 다음으로 멀티모델 AI를 활용한 AI 에이전트 사례를 소개해 드리자면 이건 제 컨텐츠로도 진행을 했었는데 AI 뷰티 인플루언서 공장을 만들었습니다.

요건 어떤 거냐면 모델 섭외 없이 그냥 가상의 AI 캐릭터를 만들어서 그 캐릭터로 SNS 계정을 AI 에이전트로 운영을 해 봤습니다. 그래서 인스타그램에 올라갈 뭐 이미지, 영상 이런 것도 만들고 뭐 메시지도 자동으로 보내고네 직접 포스팅도 하고 했는데 AI 에이전트로 이런 SNS 관리도 다 자동으로 가능합니다. 그리고 이런 것도 가능한데요. AI 캐릭터 이미지를 생성했으면 여기에 그냥 화장품 실제로 있는 화장품을 넣고 이거를 광고하는 어떤 영상을 만들어 달라고 에이전트한테 요청을 하면 제품 사진과 인물 사진을 기반으로 이런 영상도 만들 수가 있습니다. >> 안녕하세요. 유나예요. 요즘 피부 관리할 때 이런 세름 하나쯤은 많이 쓰더라고요. 가볍게 쓰기 좋아요. >> 네. 자, 이런 식으로 UGC라고 하죠. 유저 제너레이드 컨텐츠 즉 유저가 찍은 것처럼. 네. AI지만 AI가 이렇게 자연스럽게 영상 연출도 해 줄 수가 있겠고요. 네. 이런데 사용되는 프롬트 이런 것도 다 AI 에이전트한테 맡겨서 알아서 그냥 사진을 기반으로 이런 영상도 생성하게 할 수 있고 뭐 포스팅도 할 수 있고 네.

이런 인플루언서에 대한 관리 이런 것도 에이전트를 맡길 수가 있겠습니다. 네. 이렇게 AI 에이전트 시대가 되면서 이제는 화면을 클릭하고 프로그램을 직접 다루는 방식 이제 끝났다고 볼 수가 있겠습니다. 이제는 에이전트한테 지시하고 검토만 남는 쪽으로 지식 노동이 완전히 재편이 되고 있습니다. AI에게 넘기는 일이 이제 조작하는 일, 뭐 도구를 다루는 일 이런 거는 에이전트에게 시키면 뭐 화면을 보고 클릭하고 입력하고 복사하고 붙여 넣게 하고 프로그램 왔다 갔다 하는 거 에이전트가 더 잘합니다. 네. 샘 얼머이 최근 인터뷰에서 컴퓨터를 다루는 능력은 완전히 사람 수준에 도달했다고 느낀다라고 발언을 했을 정도로 컴퓨터를 잘 AI 에이전트가 다루게 됐고요. 그래서 이제 사람에게 남는 일 이제는 지시만 남는 상황이 됐습니다. 그래서 무엇을 누구를 위해서 어떤 기준으로 할지 정해서 넘기는 일이 이제 사람이 해야 될 일이 아닐까 싶습니다. 네. 그리고 또 사람에게 더 중요해지는 일이 AI 에이전트가 워낙 많은 업무를 처리할 수 있다 보니까 검토하는 일이 또 중요해졌습니다.

돌아온 결과를 예, 기준에 대보고 통과하거나 반려시키는 거 이런 거는 물론 에이전트가 어느 정도 해 줄 수 있겠지만 결국에 최종적으로는 사람이 검토를 해야겠죠. 네. 그래서 정리를 해 보면 컴퓨터를 조작하는 손은 AI에게 넘어갔고 네. 무엇을 시키고 무엇을 통과시킬지 이런게 사람의 일로 남았습니다. 그리고 AI가 빠르게 똑똑해지고 있는만큼 AI 에이전트가 할 수 있는 작업도 빠르게 늘어나고 있습니다. 이제 AI가 혼자 끝내는 작업의 길이를 측정을 해 봤을 때 MET이라는 조사 기관에 따르면 7개월마다 두 배씩 늘어나고 있다고 합니다. 실제로 이제 모델별로 비교를 해 보면 원래 뭐 GPT 4 때만 하더라도 단순히 뭐 사람 기준으로 몇 분 정도 수행해야 할 수 있는 일을 절반 확률로 끝내는 과제 길이였는데 이게 1.5시간으로 늘어나다가 2.5시간 5시간, 5시간, 12시간. 그리고 미소스 페이블 5 이후로는 16시간 이상의 어떤 작업을 AI 에이전트가 절반 확률로 끝낼 수 있는 과제의 길이가 되면서 이제는 측정 상한을 넘어섰습니다.

네. 그 정도로 이제 점점 더 긴 시간 동안 해야 될 업무를 AI 에이전트가 끝낼 수 있게 되면서 이제 에이전트는 그냥 뭐 몇 분짜리 일을 할 수 있다 해서 끝나는게 아니라 이제는 측정이 어려울 정도로 정말 무한한 일을 수행하는 수준까지도 발전을 하고 있습니다. AI 리터러시 강의 3회차 끝까지 시청해 주셔서 감사합니다. AI로 무엇을 맡기고 어떻게 시키고 어디까지 확인할지 AI 리터러시 전체 강의가 궁금하신 분들은 고정 댓글에 있는 AX [음악] 인재전쟁 온라인에서 확인하세요. 감사합니다.