Academy Tech Bites
ATB2 Vol.7 · 2026.08.24
이번 7회차는 특정 아티클을 함께 읽는 회차라기보다, 각자가 실제로 AI를 어떻게 작업 안으로 끌어들이고 있는지 보여주는 사례 공유회에 가까웠습니다. 발표자들은 모두 AI를 적극적으로 활용하고 있었지만, 출발점은 꽤 달랐습니다.
누군가는 명확한 문제를 해결하기 위해 시스템을 짰고, 누군가는 대량 실험으로 아직 보이지 않는 가능성을 찾았으며, 또 다른 누군가는 모델보다 오래 남는 개인 맥락의 저장 방식을 더 중요한 문제로 봤습니다. 그래서 이번 회차의 핵심은 “어떤 모델을 쓰는가”보다 “무엇을 기록하고, 무엇을 자동화하고, 무엇을 끝까지 사람 손에 남겨 둘 것인가”에 있었습니다. AI 사용이 일상화될수록 빠른 실패와 대량 실험은 더 쉬워지지만, 차이를 만드는 것은 결국 개인이 느낀 맥락과 판단 기준, 그리고 운영 경험이라는 점이 특히 또렷하게 남았습니다.
Deep Dive
구체적인 문제에서 출발하는 AI 시스템
John (존)
John의 발표는 “AI를 잘 쓰는 법” 같은 추상적인 질문보다, 실제로 해결해야 할 불편을 얼마나 정확히 붙잡느냐에서 출발했다. 만들고 싶은 마음만으로는 쓸모없는 결과물이 늘어나기 쉽지만, 해결하고 싶은 문제에서 시작하면 구현의 이유와 평가 기준이 동시에 생긴다는 설명이었다. 이번 회차에서 가장 먼저 선명해진 것은, AI 활용의 출발점이 모델 선택보다 문제 정의라는 점이었다.
이 관점은 시스템 구조에서도 그대로 드러났다. John은 사용자가 모든 봇을 직접 다루지 않고, 하나의 담당봇에게 목적과 제약을 충분히 전달하면 그 담당봇이 여러 실무봇을 호출해 문제를 풀도록 설계해 두었다. 여기에 프로젝트별 맥락을 슬래시 커맨드로 전환하는 방식과, 개발 속도와 별개로 방향을 검토하는 외부 전문가봇이 더해지면서 단순 자동화가 아니라 운영체계에 가까운 구조가 만들어졌다.
불편 발견 → {(존 ↔ 명령자 ↔ 실무자) ↔ 전문가 조언} → 실제 생활 자동화
특히 인상적이었던 것은 이 구조가 거창한 철학이 아니라 실제 생활 문제에서 계속 시험됐다는 점이다. 여러 프로젝트를 한 채널에서 오갈 때 생기는 컨텍스트 스위칭 문제, 보안상 기록해 둘 수 없는 정보 때문에 매번 직접 설명해야 하는 문제까지 시스템 설계 대상에 포함됐다. AI는 여기서 아이디어 생성기보다, 맥락 손실을 줄이며 문제 해결 속도를 높이는 구현 파트너에 가까웠다.
| 사례 | 원래 불편 | AI가 맡은 일 | 결과 |
|---|---|---|---|
| ScreenX 알리미 | 좋은 좌석이 열리는 순간을 직접 계속 확인해야 했다. | 브라우저 네트워크 구조를 해석하고 감지 로직을 구현했다. | 원하는 좌석 오픈을 더 빠르게 포착할 수 있게 됐다. |
| 1:1 일정 동기화 | 개인 일정이 바뀔 때마다 외부 서비스 일정을 다시 수정해야 했다. | 캘린더와 서비스 사이의 동기화 로직을 만들었다. | 반복 수정이 줄고 일정 관리가 한 채널로 정리됐다. |
토론에서는 결국 AI 활용 능력도 프롬프트 감각 하나로 환원되지 않는다는 이야기가 이어졌다. 무엇을 자동화하고 무엇을 사람 판단으로 남길지, 그리고 시스템이 잊기 쉬운 원칙을 어떤 구조로 붙잡아 둘지가 더 중요하다는 공감대가 형성됐다.
John의 방식은 AI를 많이 쓰는 법보다, 문제를 놓치지 않는 운영 습관이 먼저라는 점을 보여줬다. 시스템이 커질수록 자동화 그 자체보다 구조 설계와 검토 동선이 더 중요해진다.
많이 만들고 기록하며 가능성을 탐색하는 방식
Simon (사이먼)
Simon은 John과 반대로, 당장 쓸모가 명확하지 않은 결과물도 많이 만들어 봐야 한다는 입장을 분명하게 보여줬다. 백 개를 만들면 한두 개만 살아남더라도, 그 한두 개가 다시 다른 시도와 학습으로 이어질 수 있다는 것이다. 이번 회차에서 AI는 효율 도구이면서 동시에 대량 실험을 가능하게 만드는 탐색 장치로 읽혔다.
| 레이어 | 사례 | 강조 포인트 |
|---|---|---|
| 실험 레이어 | 수호 개선, Notion 대체 뷰 | 일단 만들어 보며 가능성과 병목을 탐색한다. |
| 운영 레이어 | 미술타, 야간 로컬 모델 처리 | 실제 서비스에 붙이며 사용자 반응과 성능을 검증한다. |
| 메타 레이어 | 전사, 화면 기록, 메타 인사이트 | 자기 작업을 다시 읽는 시스템까지 함께 만든다. |
이 관점은 수호 같은 회의 어시스턴트 실험, 맞춤형 서브태스크 뷰, 미술 전시 플랫폼 미술타 운영 사례, 그리고 하루의 전사와 화면 기록을 다시 읽어 메타 인사이트를 뽑는 구조까지 넓게 확장됐다. 특히 전사에서는 빠른 모델과 정확한 모델을 병렬로 돌리고, 서비스 운영에서는 여러 로컬 모델이 밤마다 분류와 요약을 수행하도록 나누는 방식이 인상적이었다. “많이 만든다”는 말이 충동적 시행착오가 아니라, 병렬 실험과 후처리 체계를 함께 돌리는 운영 방식으로 들렸던 이유다.
하루 기록 수집 → 세션 단위 분리 → 인사이트 추출 → 중요도 재선별 → 메타 인사이트 생성
이 발표는 “한 번에 완성된 정답을 만드는 사람”보다 “계속 시험하면서 감각을 축적하는 사람”의 사용법에 가까웠다. 음성, 화면, 캘린더, 세션 로그를 함께 붙잡아 자기 작업을 다시 해석하려는 시도는 단순 자동화를 넘어, 보고 듣는 환경까지 외주화하려는 디지털 트윈의 초입처럼 보였다.
현장 반응도 분명했다. 이렇게 많은 기록을 모으는 것이 정말 학습과 연결되는가, 아니면 또 다른 정보 과잉을 만드는가 하는 질문이 자연스럽게 따라붙었다. 그래서 Simon의 사례는 가능성의 확장만큼이나, 기록을 다시 의미 있는 행동으로 연결하는 후처리의 중요성까지 함께 드러냈다.
Simon의 방식은 AI가 생산성 도구이기만 한 것이 아니라, 시도 횟수를 폭발적으로 늘리는 실험 환경이 될 수 있음을 보여줬다. 다만 기록의 양이 늘어날수록 다시 읽고 고르는 시스템도 함께 정교해져야 한다.
문서와 Git으로 개인 맥락을 관리하기
Karl (카를)
Karl은 Frontier 모델은 계속 바뀌고 더 싸고 더 좋아질 수 있지만, 개인이 진행해 온 프로젝트의 역사, 왜 그런 결정을 내렸는지에 대한 기록, 반복해서 드러나는 판단 기준은 사용자가 직접 소유해야 한다는 주장에 공감하며 자신의 사례를 공유했다.
빌려 쓰는 모델 + 내가 축적한 맥락 데이터 + 둘을 연결하는 에이전트 = 개인 AI 시스템
그는 이 문제를 거대한 철학 선언보다 실용적인 시스템 설계 문제로 다뤘다. OpenClaw를 비서장처럼 두고, 실제 지식과 프로젝트 기록은 Markdown으로 저장하며, GitHub Organization과 저장소를 동기화 공간으로 쓰는 방식이다. 요점은 특정 도구를 소유하는 것이 아니라, 인터페이스와 저장소를 분리해 맥락 이동권을 자기 쪽에 남겨 두는 데 있었다.
| 구성 요소 | 역할 |
|---|---|
| OpenClaw | 전체 맥락을 아는 비서장 |
| Markdown | 프로젝트 기록의 기본 포맷 |
| GitHub Org/Repo | 프로젝트별 저장과 동기화 공간 |
| Slack | 사용자와 에이전트가 만나는 인터페이스 |
| GitHub Projects | 진행 상태를 보는 대시보드 |
특히 에이전트가 답할 때 참조한 파일을 함께 밝히도록 요구한 부분이 인상적이었다. AI가 “그럴듯하게 안다”고 말하는 것과, 실제로 어떤 문서를 근거로 답하는지는 전혀 다른 문제이기 때문이다. 이 습관은 맥락 소유권을 넘어, 맥락 검증 가능성까지 설계하려는 시도로 읽혔다.
토론에서는 문서 협업에서도 Git 기반 구조가 다시 현실적 대안이 될 수 있는지, 그리고 이런 구조가 회사원보다 창업자나 소규모 팀에 더 잘 맞는지 같은 후속 질문이 이어졌다. 결국 핵심은 툴 취향이 아니라, AI 시대에 무엇을 외부 서비스에 맡기고 무엇을 끝까지 자기 시스템 안에 남길 것인가였다.
Karl의 발표는 AI 시대의 핵심 자산이 모델 접근권보다 프로젝트의 역사와 판단 기준이라는 점을 가장 명확하게 보여줬다. 좋은 시스템은 더 많은 정보를 모으는 것이 아니라, 근거를 잃지 않게 쌓는 구조에 가깝다.
빠른 실패와 실험적 제품 개발
BK (비케이)
BK의 발표는 생산성과 무관해 보이는 장난 같은 시도도 AI 시대에는 중요한 학습 경로가 될 수 있다는 점을 밀어붙였다. 우는 아기를 던지는 게임 Air Giggle 같은 예시는 언뜻 쓸모없어 보이지만, 실제로는 실패를 빠르고 저렴하게 경험하게 해 주는 실험장이 된다. 이번 발표의 재미는 바로 그 장난 같은 시도가 결국 더 구조적인 질문으로 넘어간다는 데 있었다.
장난감 같은 실험 시작 → 결과가 재미없거나 재현되지 않음 → 감각보다 기준이 필요하다고 판단 → 디자인 팩 + UX 시스템 문서화로 이동
시간이 지나면 같은 그래픽 스타일을 다시 재현하기 어렵고, 비전문가에게는 무엇을 어떻게 더 좋게 만들어야 하는지 설명할 기준이 부족하다는 문제가 더 본질적으로 드러났다. 그래서 BK는 디자인 팩과 UX 시스템을 나눠 저장하고, 이를 Markdown 기반 기준 문서로 다루려는 방향을 제안했다. 핵심은 실패를 더 많이 겪는 것이 아니라, 그 실패를 다음 시스템으로 바꾸는 평가 언어를 만드는 일이었다.
| 비교 지점 | Figma MCP | Figma Make |
|---|---|---|
| 접근 방식 | 세밀한 질의응답과 조정이 많이 필요했다. | 짧은 지시로도 결과를 빠르게 만들어 냈다. |
| 체감 난이도 | 조정 비용이 크고 반복 실험이 무거웠다. | 상대적으로 빠르게 여러 안을 시험할 수 있었다. |
| 결과 평가 | 복잡하지만 통제 가능성이 있었다. | 빠르지만 기준이 없으면 쉽게 흔들렸다. |
결국 “좋아 보이는 결과”를 우연히 얻는 것과 “다시 재현 가능한 시스템”을 갖는 것은 다른 문제였다. 현장에서는 디자인과 UX를 분리해 고정·변형 가능한 층으로 보는 접근이 특히 인상적으로 받아들여졌다. 실패를 통해 감각을 얻는다는 말이 막연한 낭만이 아니라, 반복 가능한 평가 기준을 만들기 위한 실험으로 연결됐기 때문이다.
BK의 발표는 AI 창작에서 부족한 것이 출력량이 아니라 평가 기준일 수 있음을 잘 보여줬다. 빠른 실패가 의미 있으려면, 그 실패를 다음 시스템으로 바꾸는 문서화가 뒤따라야 한다.
현장 토론 하이라이트
네 발표가 모두 만들고 운영하는 비용을 낮추는 사례를 보여준 뒤, 토론은 자연스럽게 그다음 질문으로 넘어갔습니다. 만드는 비용은 내려갔지만, 쓰이게 만드는 비용은 여전히 높다는 사실이 이번 자유 토론에서 가장 오래 남았습니다.
만들 수 있는 것과 실제로 쓰이게 만드는 것은 전혀 다른 일이다
참가자들은 이제 AI 덕분에 아이디어를 MVP로 바꾸는 비용이 크게 낮아졌다는 데 대체로 동의했다. 일정 관리든 공동 구매든, 예전 같으면 기획과 개발 장벽 때문에 시작조차 못 했을 일을 지금은 빠르게 만들어 배포해 볼 수 있다.
하지만 토론은 여기서 끝나지 않았다. 신규 사용자는 제작자만큼 맥락을 모르고, 익숙한 도구를 버릴 이유가 충분하지 않을 수 있으며, 내가 할 수 있을 것 같다는 사실 자체가 심리적 장벽이 될 수도 있다는 이야기가 이어졌다. 결국 제품 채택은 문제 해결 여부만으로 결정되지 않고, 전환 비용, 관계, 신뢰, 사용성, 그리고 “이건 써야 한다”는 압도적 효용이 함께 작동한다는 점이 더 선명해졌다.
Tech Bite — 이번 호의 한 줄
"지능은 점점 더 쉽게 빌릴 수 있지만, 맥락과 판단 기준, 그리고 운영 경험은 결국 각자가 직접 축적해야 한다."
- 모델 성능이 상향 평준화될수록 차이를 만드는 것은 질문의 정밀도와 맥락 자산에 가까워진다. 개인의 작업 기록과 판단 기준을 어디에 어떻게 남기는지가 점점 더 중요한 설계 문제가 된다.
- 빠른 실험은 쉬워졌지만, 무엇을 계속 키우고 무엇을 버릴지는 여전히 사람의 몫이다. 선택지가 많아질수록 실험 결과를 다시 읽고 고르는 기준도 함께 더 정교해져야 한다.
- 문제 해결형 도구와 탐색형 프로토타입은 서로 다른 평가 함수를 요구한다. 채택을 검증해야 하는 제품과 감각을 얻기 위한 실험을 같은 기준으로 다루지 않는 태도가 필요해 보인다.
해당 내용은 팩트 체크가 완료된 기사 요약이 아니라, ATB 현장에서 나온 발표와 인사이트를 바탕으로 재구성한 기록입니다. 각 러너들의 관점과 해석을 이해하는 용도로 참고해 주세요.
뉴스레터는 흐름을 남기지만, 현장의 밀도까지 그대로 옮기지는 못합니다.
더 깊은 토론은 Academy Tech Bites에서 함께 확인해주세요.
Academy Tech Bites · ATB2 Vol.7 · 기록 운영팀
의견을 남겨주세요