지난 글에서는 Telegram 그룹방을 주제별 AI 업무공간으로 나누어 쓰는 경험을 정리했습니다. 블로그 방, 연구 방, 브리핑 방처럼 공간을 나누면 AI Agent에게 일을 맡기기가 훨씬 편해집니다. 그런데 실제로 이렇게 쓰기 시작하면 곧 다른 질문이 따라옵니다. “이렇게 매일 시키면 비용은 얼마나 나올까?”라는 질문입니다.

처음에는 AI Agent 비용을 막연하게 생각했습니다. ChatGPT 구독료처럼 한 달에 얼마를 내면 끝나는 구조라고 여겼습니다. 하지만 Hermes Agent를 실제로 쓰면서 보니 비용은 조금 더 여러 층으로 나뉘어 있었습니다. 어떤 일은 구독 서비스 안에서 처리되고, 어떤 일은 API 호출로 계산되며, Google Drive나 Gmail을 쓰기 위해서는 OAuth 인증도 필요했습니다. 겉으로는 Telegram에 한 문장을 보내는 일이지만, 안쪽에서는 모델 호출, 도구 사용, 파일 읽기, 업로드, 토큰 계산이 함께 움직이고 있었습니다.

오늘 글은 비용을 겁주기 위한 글이 아닙니다. 오히려 비용 구조를 조금만 이해하면 개인 사용자도 훨씬 덜 불안하게 AI Agent를 쓸 수 있다는 이야기에 가깝습니다. 특히 교육전문직 업무처럼 반복 자료 정리, 글쓰기, 브리핑, 문서 초안 작성이 많은 환경에서는 비용을 아끼는 방식이 곧 업무 설계 방식과 연결됩니다.

1. 구독형 AI와 API형 AI는 돈이 나가는 방식이 다르다

가장 먼저 구분해야 할 것은 구독형 서비스와 API형 사용입니다. ChatGPT, Claude, Perplexity 같은 서비스는 대체로 월 구독료를 내고 웹이나 앱에서 사용합니다. 사용자는 “이번 질문에 몇 원이 들었는지”를 크게 의식하지 않습니다. 정해진 한도 안에서 쓰다가 제한이 걸리거나 속도가 느려지는 정도로 체감합니다.

반면 API는 호출한 만큼 비용이 계산됩니다. AI Agent가 모델에게 질문을 보내고 답을 받을 때 입력한 글자, 읽은 파일, 생성한 답변의 양이 비용에 영향을 줍니다. 정확히는 글자 수가 아니라 토큰이라는 단위로 계산됩니다. 긴 문서 여러 개를 읽히고, 자세한 보고서를 만들게 하고, 다시 수정 요청을 반복하면 비용이 조금씩 쌓입니다.

처음에는 이 방식이 부담스럽게 느껴졌습니다. 하지만 업무용 복사기나 문자 발송 비용을 생각해 보면 아주 낯선 구조는 아닙니다. 많이 쓰면 비용이 늘고, 불필요한 출력이나 반복을 줄이면 비용이 줄어듭니다. 차이는 AI Agent에서는 그 사용량이 대화와 파일 처리 속에 숨어 있다는 점입니다.

2. 토큰은 ‘AI가 읽고 쓰는 작업량’에 가깝다

토큰이라는 말을 처음 들으면 기술 용어처럼 느껴집니다. 저도 처음에는 모델별 가격표를 보며 조금 멀게 느꼈습니다. 그런데 실제 사용에서는 토큰을 “AI가 읽고 쓰는 작업량”으로 이해하면 충분했습니다.

예를 들어 “내일 일정 알려줘”처럼 짧은 요청은 읽을 내용도 적고 답변도 짧습니다. 반면 “이 30쪽짜리 자료를 읽고 교육전문직 연수 기획안으로 재구성해줘”라고 하면 AI가 읽어야 할 입력이 커집니다. 여기에 “표로 정리해줘”, “문체를 부드럽게 바꿔줘”, “다시 2쪽 분량으로 줄여줘” 같은 후속 요청이 이어지면 출력 토큰도 늘어납니다.

블로그 원고 준비도 마찬가지입니다. 매일 목차를 확인하고, 이전 글을 읽고, 다음 글을 쓰고, Word 파일과 이미지를 만들고, Google Drive에 올리는 과정은 단순 답변보다 작업량이 큽니다. 다만 이 작업은 제가 직접 하면 훨씬 긴 시간이 드는 일입니다. 그래서 비용을 판단할 때는 “무료냐 유료냐”보다 “이 비용으로 어느 정도 시간을 줄였는가”를 함께 보게 됩니다.

3. 비용을 줄이는 첫 방법은 요청을 작게 나누는 것이다

AI Agent에게 일을 맡길 때 처음부터 너무 큰 요청을 던지면 비용과 품질이 함께 흔들릴 수 있습니다. “교육전문직 AI 활용 연수 전체를 설계해줘”라고 하면 Agent는 넓은 범위를 한 번에 추측해야 합니다. 결과가 길어지고, 다시 고쳐야 할 가능성도 커집니다.

요즘은 요청을 조금 더 작게 나누려고 합니다. 먼저 “연수 대상과 목표를 기준으로 큰 목차를 잡아줘”라고 하고, 다음에는 “1차시 활동안을 자세히 써줘”라고 합니다. 문서 검토도 “전체를 완전히 다시 써줘”보다 “표현이 딱딱한 문단만 자연스럽게 바꿔줘”처럼 범위를 좁힙니다.

이 방식은 비용만 줄이는 것이 아닙니다. 결과물을 검토하기도 쉬워집니다. 교육현장 업무에서 실수 없이 문서를 다루려면 사람이 중간중간 판단해야 합니다. 작은 단위로 맡기면 AI Agent가 어디까지 잘했고 어디부터 사람이 고쳐야 하는지 보입니다. 비용 절감과 검토 책임이 같은 방향으로 움직이는 셈입니다.

4. 매번 긴 배경 설명을 반복하지 않게 만드는 것도 절약이다

Telegram 방을 주제별로 나눈 이유도 비용과 연결됩니다. 매번 “나는 교육공학 박사이고, 교육전문직 관점에서 블로그를 쓰고 있으며, 티스토리 카테고리는 AI Agents이고…”처럼 긴 배경을 반복한다면 그 설명도 모두 입력 토큰이 됩니다. 대화방의 목적, 로컬 폴더, 목차 파일, 작성 스타일이 정리되어 있으면 반복 설명을 줄일 수 있습니다.

Hermes Agent에서는 작업 폴더와 목차 파일을 정해 두는 방식이 도움이 되었습니다. 블로그 글을 준비할 때마다 Agent는 `00_목차.md`를 확인하고, `01_초안`과 `02_발행완료` 폴더를 봅니다. 사람은 긴 설명을 다시 쓰지 않아도 되고, Agent는 필요한 자료를 기준으로 다음 작업을 찾습니다.

교육청이나 학교 업무에서도 비슷합니다. 연수 계획서 양식, 공문 예시, 보고서 형식, 자주 쓰는 문구를 폴더에 정리해 두면 매번 긴 요구사항을 새로 쓰지 않아도 됩니다. 물론 민감정보는 빼고, 접근 권한을 신중히 정해야 합니다. 잘 정리된 업무 맥락은 편의성뿐 아니라 비용 절약에도 도움이 됩니다.

5. OAuth는 비용보다 ‘권한’의 문제로 봐야 한다

AI Agent를 쓰다 보면 Gmail, Calendar, Google Drive 같은 서비스를 연결하고 싶어집니다. 이때 등장하는 것이 OAuth입니다. OAuth는 비밀번호를 AI Agent에게 알려 주는 방식이 아니라, 정해진 범위의 권한을 허락하는 방식입니다. 예를 들어 Drive 파일을 업로드하거나 Calendar 일정을 읽으려면 해당 권한이 필요합니다.

처음에는 OAuth 설정이 조금 번거롭게 느껴졌습니다. Google Cloud에서 API를 켜고, 클라이언트 정보를 만들고, 인증을 거쳐야 하기 때문입니다. 하지만 이 과정은 비용보다 안전과 권한 관리에 가깝습니다. AI Agent가 어떤 서비스에 접근할 수 있는지, 읽기만 할지 쓰기도 할지, 공유 범위를 바꿀 수 있는지 정하는 과정입니다.

저는 블로그 자동화에서도 선을 정해 두었습니다. Hermes Agent가 원고와 이미지를 만들고 Google Drive에 업로드는 하지만, 티스토리에 자동 발행하지는 않습니다. Drive 공유 범위도 함부로 전체 공개로 바꾸지 않습니다. 마지막 발행과 공개 판단은 사람이 합니다. 비용을 줄이는 것만큼 중요한 것은 권한을 작게 열어 두는 일입니다.

6. 싼 모델과 좋은 모델을 섞어 쓰는 감각이 필요하다

AI Agent 비용을 줄이려면 모든 작업에 가장 비싼 모델을 쓸 필요는 없습니다. 간단한 분류, 파일명 정리, 짧은 요약, 형식 변환은 상대적으로 가벼운 모델로도 충분할 때가 많습니다. 반대로 긴 글의 구조를 잡거나, 교육적 맥락을 살려 문장을 다듬거나, 오류가 나면 원인을 찾아 고쳐야 하는 작업은 더 성능 좋은 모델이 필요할 수 있습니다.

사람 업무에서도 비슷합니다. 모든 일을 최고 의사결정자가 직접 처리하지 않습니다. 단순 정리는 실무자가 하고, 중요한 판단은 책임자가 합니다. AI Agent도 마찬가지로 볼 수 있습니다. 작은 일은 가볍게, 중요한 일은 신중하게 맡기는 구분이 필요합니다.

개인 사용자인 저에게는 이 감각이 아직 실험 중입니다. 어떤 모델이 글쓰기에는 자연스럽고, 어떤 모델이 코드를 고치는 데 안정적인지, 어떤 작업은 굳이 큰 모델을 쓰지 않아도 되는지 계속 비교하게 됩니다. 비용 절감은 단순히 싼 것을 고르는 문제가 아니라 일의 성격에 맞게 모델을 배치하는 문제였습니다.

7. 교육현장 도입에서는 ‘예산’보다 ‘사용 기준’이 먼저다

학교나 교육청에서 AI Agent를 도입한다면 비용 이야기는 더 중요해집니다. 개인은 조금 써 보고 조정할 수 있지만, 기관은 예산, 보안, 개인정보, 책임 소재를 함께 봐야 합니다. “한 달에 얼마인가”만으로는 충분하지 않습니다. 누가 어떤 업무에 사용할지, 어떤 자료는 넣으면 안 되는지, 결과물 검토는 누가 할지, API 사용량은 어떻게 확인할지 기준이 필요합니다.

교육현장에서는 무료 도구를 선호하는 경향이 있습니다. 예산이 제한되어 있으니 자연스러운 일입니다. 하지만 무료라는 이유만으로 권한과 데이터 흐름을 확인하지 않고 쓰는 것은 위험할 수 있습니다. 반대로 유료 도구라도 사용 범위와 비용 상한, 로그 확인, 개인정보 제외 원칙이 있으면 더 안전하게 운영할 수 있습니다.

AI Agent의 비용 문제는 결국 업무경감의 지속 가능성과 연결됩니다. 한두 번 신기하게 써 보는 수준을 넘어 매일 쓰려면 비용이 예측 가능해야 합니다. 그리고 예측 가능하려면 사용 기준이 있어야 합니다. 저는 개인 블로그 자동화 실험을 하면서 이 기준을 조금씩 배워 가고 있습니다.

마무리하며

AI Agent를 쓰면서 비용은 피하고 싶은 주제가 아니라, 오히려 빨리 이해해야 할 주제라는 생각이 들었습니다. API, 구독, OAuth, 토큰은 어렵게 들리지만 실제로는 “무슨 일을 얼마나 맡길 것인가”, “어떤 권한을 열어 줄 것인가”, “사람이 어디서 확인할 것인가”의 문제로 이어집니다.

저에게 비용을 줄이는 가장 현실적인 방법은 무조건 적게 쓰는 것이 아니었습니다. 반복 설명을 줄이고, 작업 단위를 작게 나누고, 권한을 필요한 만큼만 열고, 중요한 작업에는 좋은 모델을 쓰는 방식이었습니다. 그렇게 해야 AI Agent가 일회성 장난감이 아니라 매일 쓸 수 있는 업무 도구가 됩니다.

지난 글에서는 Telegram으로 AI Agent에게 말을 걸기 시작하면서 사용 문턱이 낮아진 경험을 정리했습니다. 오늘은 그 다음 단계입니다. 하나의 대화방에서 모든 요청을 처리하다가, 왜 주제별 Telegram 그룹방을 나누게 되었는지 이야기해 보려 합니다.

처음에는 AI Agent와 연결된 방 하나면 충분하다고 생각했습니다. 블로그 글도 부탁하고, 일정도 물어보고, 논문 검색도 시키고, 파일 검토도 맡겼습니다. 그런데 며칠 지나지 않아 작은 불편함이 생겼습니다. 결과는 잘 나오는데, 대화방 안에서 업무 맥락이 서로 섞이기 시작한 것입니다. 오늘 올릴 블로그 자료를 찾으려는데 아침 브리핑이 사이에 끼어 있고, 논문 아이디어를 이어가려는데 주식 브리핑이나 테스트 메시지가 함께 보였습니다.

그때부터 Telegram 방을 단순한 채팅방이 아니라 작은 AI 업무공간으로 나누어 보기 시작했습니다. 사람과 사람이 일할 때도 회의실, 연구실, 자료실, 메신저방을 구분하듯이 AI Agent와 일할 때도 맥락을 담는 공간이 필요했습니다.

1. 하나의 방에 모든 일을 넣으면 편하지만 금방 흐려졌다

처음에는 한 방이 편했습니다. 어디에 말해야 할지 고민하지 않아도 되고, 요청도 빠르게 남길 수 있었습니다. “내일 블로그 자료 준비해줘”, “오늘 일정 알려줘”, “이 파일 요약해줘”처럼 생각나는 대로 던지면 되었습니다.

하지만 AI Agent를 실제 업무에 쓰기 시작하면 요청의 종류가 금방 늘어납니다. 블로그 연재, 논문 검색, 일정 브리핑, Google Drive 업로드, 문서 검토, Hermes 설정 점검, 자동화 실험이 한 흐름에 섞입니다. 사람인 저도 나중에 찾기 어렵고, Agent에게도 이전 대화의 맥락이 꼭 맞지 않을 때가 생깁니다.

예를 들어 블로그 글을 준비하는 방에서는 목차, 초안, 이미지, 발행 여부가 중요합니다. 반면 논문쓰기 방에서는 연구주제, 선행연구, 방법론, 설문도구가 중요합니다. 두 맥락이 한 방에 있으면 “다음 글”이라는 말이 블로그의 다음 글인지, 논문의 다음 절인지 애매해질 수 있습니다. 대화방을 나누는 것은 단순 정리 습관이 아니라 AI Agent가 일을 더 정확히 이해하게 하는 장치였습니다.

2. 대화방 이름이 곧 업무 지시의 일부가 되었다

주제별 방을 만들고 나니 방 이름 자체가 일종의 지시문처럼 작동했습니다. ‘블로깅’ 방에서 “오늘 자료 확인해줘”라고 하면 블로그 폴더와 티스토리 연재 맥락을 먼저 떠올리게 됩니다. ‘논문쓰기’ 방에서는 같은 문장이라도 논문 자료, 선행연구, 연구계획서 맥락으로 읽힙니다.

이 차이는 생각보다 큽니다. 매번 긴 설명을 반복하지 않아도 되기 때문입니다. 물론 중요한 작업에서는 파일 경로나 기준을 구체적으로 써 주어야 합니다. 그래도 방의 성격이 정해져 있으면 기본 맥락이 흔들리지 않습니다.

저는 현재 업무 성격에 따라 몇 가지 방을 나누어 사용하고 있습니다. 블로그 연재를 위한 방, 논문과 연구 아이디어를 모으는 방, 재테크나 경제 브리핑을 받는 방, 문서 검토를 맡기는 방처럼 말입니다. 각각의 방은 AI Agent에게 “이곳에서는 이런 일을 주로 한다”는 배경을 제공합니다. 이것은 사람에게 부서나 프로젝트방을 알려 주는 것과 비슷합니다.

3. 블로그 방은 생산 흐름을 고정하는 데 도움이 되었다

블로그 방을 따로 둔 이유는 결과물을 매일 이어 가야 했기 때문입니다. 글 하나를 준비하는 일은 단순히 문장을 쓰는 일이 아닙니다. 목차를 보고 다음 주제를 고르고, 이전 글의 흐름을 이어 받고, Markdown 원고를 쓰고, Word 파일을 만들고, 대표 이미지와 본문 이미지를 생성하고, Google Drive 링크를 정리해야 합니다.

이 과정을 한 방에서 반복하니 생산 흐름이 고정되었습니다. “오늘까지 업로드했어. 내일 올릴 자료 작성해줘”라고만 말해도, Agent는 이전에 준비한 8번 글 다음으로 9번 글을 이어 가야 한다는 맥락을 확인할 수 있습니다. 실제로 오늘 이 글도 그런 흐름에서 작성되고 있습니다.

교육전문직 업무에서도 비슷하게 적용할 수 있습니다. 예를 들어 연수 운영 방을 따로 둔다면, 그 방에서는 연수 계획, 강사 섭외, 안내문, 참석자 명단, 만족도 설문, 결과 보고서가 이어집니다. 매번 처음부터 설명하지 않아도 방의 기록이 업무 흐름을 붙잡아 줍니다. AI Agent가 단발성 답변 도구에서 지속적인 업무 보조자로 바뀌는 지점이 여기에 있습니다.

4. 연구 방은 생각을 흩어지지 않게 붙잡아 주었다

연구 아이디어는 한 번에 완성되지 않습니다. 어떤 날은 논문 제목이 떠오르고, 어떤 날은 키워드가 보이며, 어떤 날은 선행연구 하나를 읽다가 연구문제가 바뀝니다. 이런 생각을 일반 대화방에 섞어 두면 나중에 흐름을 되살리기 어렵습니다.

연구 전용 방을 두면 작은 생각도 부담 없이 남길 수 있습니다. “생성형 AI 교사연수 요구분석에서 Borich 요구도와 Locus for Focus를 같이 쓰는 흐름 정리해줘”처럼 긴 요청도 연구 맥락 안에서 자연스럽게 이어집니다. AI Agent는 관련 폴더를 확인하고, 이전에 정리한 자료를 찾아 보고, 다음에 읽을 논문 후보를 제안할 수 있습니다.

이 방식은 연구자에게만 필요한 것이 아닙니다. 학교나 교육청에서도 정책 과제, 장학 자료, 연수 프로그램 개발처럼 긴 호흡의 업무가 많습니다. 하나의 방을 긴 과제의 기억 저장소처럼 쓰면, 흩어진 메모와 파일을 다시 연결하는 시간이 줄어듭니다.

5. 방을 나눌수록 운영 원칙도 필요했다

물론 방을 많이 만든다고 무조건 좋아지는 것은 아닙니다. 방이 너무 많아지면 어디에 요청했는지 헷갈리고, 같은 자료가 여러 곳에 중복될 수 있습니다. 그래서 저는 몇 가지 원칙을 세우게 되었습니다.

첫째, 방은 도구별이 아니라 업무 흐름별로 나눕니다. “Drive 방”, “PDF 방”처럼 기능별로 나누면 실제 일의 맥락이 끊깁니다. 대신 “블로깅”, “논문쓰기”, “문서 검토”, “브리핑”처럼 결과물과 목적이 분명한 단위가 더 좋았습니다.

둘째, 방마다 맡길 일과 맡기지 않을 일을 정합니다. 블로그 방에서는 티스토리 자동 발행은 하지 않고 자료 준비까지만 맡깁니다. 문서 검토 방에서는 문장을 다듬되 최종 제출 판단은 사람이 합니다. 연구 방에서는 논문을 찾아 요약할 수 있지만, 연구윤리나 인용 정확성은 사람이 다시 확인합니다.

셋째, 중요한 결과물은 대화방이 아니라 파일로 남깁니다. Telegram 기록은 편하지만 최종 보관 장소는 아닙니다. 원고는 블로그 폴더에, 연구 자료는 논문 폴더에, 회의자료는 업무 폴더에 남겨야 나중에 다시 사용할 수 있습니다.

6. 교육현장에서는 ‘업무별 AI 접수창’으로 볼 수 있다

이 경험을 교육현장에 비추어 보면, Telegram 그룹방은 업무별 AI 접수창처럼 볼 수 있습니다. 학교나 교육청 업무는 하나의 채널로만 흐르지 않습니다. 연수, 공문, 회의, 장학, 민원, 자료집 제작, 설문 분석처럼 흐름이 다릅니다. 각각의 흐름마다 필요한 자료, 말투, 검토 기준도 다릅니다.

AI Agent를 한 곳에만 두면 처음에는 편하지만, 업무가 늘어날수록 맥락이 섞입니다. 반대로 업무별 접수창을 만들면 요청이 들어오는 순간부터 분류가 됩니다. 연수 방의 요청은 연수 폴더와 양식으로, 문서 검토 방의 요청은 문장 다듬기와 형식 확인으로, 브리핑 방의 요청은 일정과 요약으로 이어질 수 있습니다.

다만 학교 현장에 적용할 때는 개인정보와 권한 관리가 먼저입니다. 학생 이름, 민감한 상담 내용, 인사 정보가 들어간 자료를 무심코 올려서는 안 됩니다. AI Agent가 접근할 수 있는 폴더와 자료 범위를 정하고, 자동으로 외부 공유하거나 발송하지 않도록 안전장치를 두어야 합니다. 공간을 나누는 일은 편의성뿐 아니라 책임 있는 사용을 위한 분리이기도 합니다.

7. 결국 중요한 것은 방의 개수가 아니라 맥락의 선명함이었다

주제별 Telegram 방을 쓰면서 알게 된 것은 방을 많이 만드는 기술이 아닙니다. 핵심은 맥락을 선명하게 유지하는 것입니다. 어떤 일을 왜 맡기는지, 결과물은 어디에 남길지, 최종 판단은 누가 할지 분명해지면 AI Agent는 훨씬 안정적으로 일합니다.

저에게 블로그 방은 매일 글을 이어 가는 작업실이 되었고, 논문쓰기 방은 연구 아이디어를 붙잡아 두는 공간이 되었습니다. 문서 검토 방은 표현을 다듬는 작은 편집실처럼 작동합니다. 이렇게 나누고 나니 AI Agent가 하나의 만능 채팅창이 아니라 여러 업무공간에 배치된 보조자처럼 느껴졌습니다.

앞으로 교육전문직 업무에 AI Agent를 적용한다면, 모델 성능이나 화려한 기능만 볼 것이 아니라 업무공간 설계부터 생각해야 한다고 봅니다. 어디에서 요청을 받고, 어떤 자료를 읽고, 어떤 형식으로 결과를 남기며, 사람이 어디에서 확인할 것인가. 이 질문이 정리될 때 AI Agent는 실제 업무경감에 가까워집니다.