지난 글에서는 매일 아침 자동 브리핑을 만들며 AI Agent가 하루의 시작선을 어떻게 정리해 줄 수 있는지 이야기했습니다. 일정, 메일, 블로그 준비 상황처럼 반복해서 확인해야 하는 일을 Agent가 먼저 살펴보고 요약해 주면, 사람은 여러 창을 열기 전에 오늘의 윤곽을 잡을 수 있었습니다. 오늘은 그 브리핑과 원고 준비가 가능해지는 더 기본적인 조건, 즉 AI Agent가 파일과 폴더를 어떻게 읽고 일을 이어 가게 할 것인가를 정리해 보려고 합니다.

AI Agent를 처음 쓸 때는 “파일을 읽는다”는 말이 단순하게 들립니다. 문서를 하나 올리면 내용을 요약해 주는 정도를 떠올리기 쉽습니다. 그런데 실제 업무에서는 파일 하나보다 폴더 전체의 흐름이 더 중요했습니다. 어떤 글이 초안인지, 어떤 글이 이미 발행되었는지, 다음에 준비할 제목은 무엇인지, 이미지와 Word 파일은 어디에 있는지 같은 맥락을 알아야 다음 일을 맡길 수 있기 때문입니다.

제가 블로그 연재를 준비하면서 가장 크게 느낀 점은, AI Agent에게 일을 잘 시키려면 사람에게도 설명 가능한 폴더 구조가 먼저 필요하다는 것입니다. 정리되지 않은 파일 더미를 읽게 하는 것보다, 목차와 상태 구분이 있는 작업 공간을 만들어 두는 편이 훨씬 안정적이었습니다. Agent는 마법처럼 모든 것을 알아서 이해하는 존재라기보다, 잘 정리된 작업장을 보고 다음 행동을 추론하는 실행자에 가까웠습니다.

1. 파일 하나보다 ‘작업 공간’이 중요하다

ChatGPT에 문서를 하나 올려 요약을 부탁하는 경험은 이미 익숙합니다. 하지만 AI Agent를 실제 업무에 쓰기 시작하면 질문이 조금 달라집니다. “이 파일을 읽어 줘”가 아니라 “이 폴더를 보고 다음에 무엇을 해야 하는지 판단해 줘”가 됩니다. 이 차이가 생각보다 큽니다.

예를 들어 블로그 작업 폴더에는 목차 파일, 초안 폴더, 발행완료 폴더, 이미지와 참고자료 폴더가 함께 있습니다. Agent는 목차를 읽고, 초안 폴더에 이미 준비된 글을 확인하고, 발행완료 폴더를 살펴본 뒤 다음 번호의 글을 고릅니다. 그리고 이전 글의 마지막 예고 문장을 읽어 다음 글의 도입부를 자연스럽게 이어 갑니다.

이런 흐름은 교육전문직 업무에서도 그대로 적용될 수 있습니다. 연수 기획 폴더라면 운영계획, 강사 섭외 현황, 신청자 명단, 안내 공문, 만족도 설문 결과가 따로 흩어져 있을 수 있습니다. AI Agent가 도움을 주려면 개별 파일보다 “이 폴더가 어떤 업무를 위한 공간인지”를 알 수 있어야 합니다. 결국 자동화의 품질은 폴더 구조에서 시작됩니다.

2. 목차 파일은 Agent에게 주는 업무 지도다

제가 블로그 폴더에서 가장 중요하게 보는 파일은 `00_목차.md`입니다. 이 파일에는 전체 연재 순서, 카테고리, 준비 완료 자료, 다음 작업 후보가 들어 있습니다. 사람에게는 단순한 목차처럼 보이지만, Agent에게는 업무 지도 역할을 합니다.

목차 파일이 있으면 Agent는 “무엇을 새로 만들어야 하는가”를 추측하지 않아도 됩니다. 이미 준비된 글과 아직 남은 글을 비교하고, 다음 번호를 찾고, 필요한 산출물을 일정한 형식으로 만들 수 있습니다. 특히 1일 1포스팅처럼 반복되는 작업에서는 이 기준 파일이 없으면 매번 설명을 다시 해야 합니다.

학교 업무로 바꾸어 보면, 목차 파일은 체크리스트나 업무 현황표에 가깝습니다. 연수 운영이라면 “기획 완료, 공문 발송, 신청 접수, 자료집 제작, 만족도 분석”처럼 단계가 정리되어 있어야 합니다. AI Agent는 이런 상태표를 보고 다음 일을 제안하거나 초안을 만들 수 있습니다. 사람이 업무 맥락을 계속 말로 설명하지 않아도 되게 만드는 장치가 바로 목차 파일입니다.

3. 초안, 발행완료, 자료 폴더를 나누면 상태 판단이 쉬워진다

처음에는 모든 파일을 한 폴더에 넣어도 괜찮아 보입니다. 하지만 글이 몇 개만 쌓여도 혼란이 생깁니다. 어느 글이 아직 검토 전인지, 어느 글이 티스토리에 올라갔는지, 이미지를 다시 만들어야 하는지 헷갈립니다. 사람도 헷갈리는 구조라면 Agent도 안정적으로 판단하기 어렵습니다.

그래서 저는 블로그 폴더를 `01_초안`, `02_발행완료`, `03_전자책원고`, `99_자료`처럼 나누어 두었습니다. 번호를 붙인 이유는 정렬했을 때 흐름이 보이게 하기 위해서입니다. 초안 폴더에는 아직 발행 전인 글과 이미지가 있고, 발행완료 폴더에는 실제로 티스토리에 올린 보관본을 둡니다. 자료 폴더에는 HTML, 이미지 제작 스크립트, 참고 파일을 모읍니다.

이 방식은 단순하지만 효과가 큽니다. Agent에게 “다음 원고 준비해 줘”라고 말했을 때, 어디를 봐야 하는지 정해져 있기 때문입니다. 교육청이나 학교 업무에서도 비슷하게 적용할 수 있습니다. 예를 들어 `01_작성중`, `02_검토중`, `03_최종본`, `99_참고자료`처럼 나누면 문서 흐름이 훨씬 분명해집니다. 상태가 보이면 자동화도 쉬워집니다.

4. 파일 이름은 사람이 읽기 쉽게, 번호는 기계가 찾기 쉽게

AI Agent가 파일을 다룰 때 파일 이름은 생각보다 중요합니다. `최종.hwp`, `진짜최종.docx`, `수정본2.docx` 같은 이름은 사람에게도 불안합니다. Agent가 읽어도 어떤 파일을 기준으로 삼아야 할지 판단하기 어렵습니다.

저는 블로그 원고에 `12_파일과_폴더를_AI_Agent가_읽게_하는_방식.md`처럼 번호와 제목을 함께 넣습니다. 번호는 순서를 알려 주고, 제목은 내용을 알려 줍니다. Word 파일과 이미지 파일도 같은 번호를 사용하면 서로 연결된 산출물임을 쉽게 알 수 있습니다. 이렇게 해 두면 Agent가 폴더를 스캔할 때 다음 글 번호를 찾거나 관련 파일을 묶어 보고하기가 쉬워집니다.

업무 문서에서도 같은 원칙을 쓸 수 있습니다. `2026_교원연수_운영계획_초안.docx`, `2026_교원연수_만족도분석_최종.xlsx`처럼 날짜, 업무명, 문서 성격을 넣으면 사람과 Agent가 모두 이해하기 좋습니다. 파일 이름은 단순한 라벨이 아니라 업무 맥락을 담는 작은 메타데이터입니다.

5. Agent에게 열어 줄 폴더 범위는 작게 시작해야 한다

파일과 폴더를 읽게 한다고 해서 컴퓨터 전체를 다 열어 줄 필요는 없습니다. 오히려 처음에는 특정 작업 폴더 하나부터 시작하는 편이 안전합니다. 블로그 작업이면 블로그 폴더만, 논문 작업이면 논문 폴더만, 연수 업무면 해당 연수 폴더만 읽게 하는 식입니다.

이 원칙은 보안과 개인정보 측면에서 중요합니다. 개인 PC에는 업무 파일, 개인 사진, 민감한 문서가 함께 있을 수 있습니다. 학교 업무에는 학생 정보, 민원 내용, 인사 관련 자료가 섞일 수 있습니다. Agent가 편리하다고 해서 모든 자료를 한꺼번에 읽게 하면 나중에 통제하기 어렵습니다.

저는 AI Agent를 쓸 때 “이번 작업에 필요한 폴더가 어디인가”를 먼저 생각하려고 합니다. 필요한 범위를 작게 열고, 산출물은 사람이 확인한 뒤 다음 단계로 넘깁니다. 자동화는 권한을 크게 여는 것이 아니라, 필요한 만큼만 열어 일을 줄이는 방식이어야 합니다.

6. Markdown은 Agent와 사람이 함께 보기 좋은 형식이다

블로그 목차와 초안을 Markdown으로 관리하는 이유도 있습니다. Markdown은 사람이 읽기 쉽고, Agent도 구조를 이해하기 쉽습니다. 제목, 소제목, 목록, 링크가 텍스트로 분명하게 드러나기 때문입니다. Word나 PDF처럼 완성 문서 형식도 필요하지만, 작업 중간에는 Markdown이 가볍고 안정적입니다.

예를 들어 `# 제목`, `## 소제목`, `- 목록` 같은 구조는 Agent가 글의 뼈대를 파악하기 좋습니다. 검색 설명과 태그를 맨 위에 적어 두면 티스토리에 옮길 때도 편합니다. 또한 파일 변경 이력을 비교하거나 전자책 원고로 옮길 때도 텍스트 기반 형식이 유리합니다.

교육현장에서도 모든 문서를 Markdown으로 바꿀 필요는 없습니다. 다만 기획 메모, 회의 요약, 초안 구조, 체크리스트처럼 자주 바뀌는 문서는 가벼운 텍스트 형식으로 관리해 볼 만합니다. Agent와 함께 쓰는 문서는 완성된 문서보다 작업 가능한 문서가 더 중요할 때가 많습니다.

7. 잘 정리된 폴더는 자동화보다 먼저 오는 업무 습관이다

파일과 폴더를 정리하는 일은 기술적으로 화려해 보이지 않습니다. 하지만 AI Agent를 쓰다 보면 이 기본 습관이 자동화의 성패를 가른다는 것을 느낍니다. Agent가 아무리 똑똑해도 작업 공간이 어지러우면 매번 맥락을 다시 설명해야 합니다. 반대로 폴더 구조와 목차가 분명하면 짧은 지시만으로도 꽤 많은 일을 이어 갈 수 있습니다.

저에게 블로그 폴더는 작은 실험실이 되었습니다. 목차를 보고 다음 글을 고르고, 이전 글의 흐름을 읽고, 원고와 Word 파일과 이미지를 만들어 한곳에 모읍니다. 저는 최종 검토와 발행 판단에 집중합니다. 이 구조가 안정될수록 “AI가 글을 써 준다”보다 “AI가 작업 흐름을 이어 준다”는 느낌이 강해집니다.

교육전문직 업무경감도 결국 이런 방향으로 가야 한다고 봅니다. 반복되는 자료 정리, 초안 작성, 요약, 체크리스트 업데이트는 Agent가 도울 수 있습니다. 하지만 그러려면 먼저 사람이 업무를 설명 가능한 구조로 정리해야 합니다. 잘 정리된 폴더는 AI를 위한 준비이면서 동시에 나 자신을 위한 업무 정리이기도 합니다.

마무리하며

AI Agent가 파일과 폴더를 읽게 하는 방식은 단순히 기술 설정 문제가 아니었습니다. 어떤 자료를 어디에 두고, 어떤 상태로 구분하며, 어떤 이름을 붙이고, 어디까지 읽게 할지 정하는 업무 설계의 문제였습니다. Agent는 정리된 구조 안에서 훨씬 안정적으로 움직입니다.

블로그 연재를 예로 들면 `00_목차.md`는 방향을 알려 주고, `01_초안`과 `02_발행완료`는 상태를 알려 주며, 번호가 붙은 파일 이름은 순서를 알려 줍니다. 이런 작은 규칙들이 모여 매일 원고를 준비하고, 자료를 만들고, 사람이 검토할 수 있는 흐름을 만듭니다.

지난 글에서는 AI Agent를 실제로 쓰면서 비용을 어떻게 바라보게 되었는지 정리했습니다. API, 구독, OAuth, 토큰 같은 말이 처음에는 어렵게 느껴졌지만, 결국은 어떤 일을 얼마나 맡길지와 어떤 권한을 열어 줄지의 문제였습니다. 오늘은 그 권한과 자동화가 실제 하루 업무 속에서 어떻게 쓰일 수 있는지, 제가 가장 먼저 체감한 사례인 ‘아침 브리핑’ 이야기를 해 보려고 합니다.

AI Agent를 쓰기 전에도 아침마다 확인할 것은 많았습니다. 일정표를 열고, 메일을 보고, 전날 남긴 메모를 찾아보고, 오늘 해야 할 글이나 자료 작업을 떠올립니다. 문제는 이 확인 과정 자체가 작지만 반복되는 일이라는 점입니다. 바쁜 날에는 확인해야 할 창을 열기도 전에 다른 일이 먼저 들어오고, 그러다 보면 중요한 일을 놓치지는 않았는지 계속 머릿속에 남습니다.

Hermes Agent를 쓰면서 저는 이 과정을 “아침마다 한 번에 정리해서 보내 달라”고 맡겨 보기 시작했습니다. 아직 완벽한 비서라고 말할 수는 없지만, 매일 같은 시간에 Telegram 방으로 오늘의 상황을 요약해 주는 것만으로도 하루를 시작하는 감각이 달라졌습니다. 브리핑은 대단한 기능 하나가 아니라, 여러 작은 확인 작업을 한 문장 흐름으로 묶어 주는 일에 가까웠습니다.

1. 아침 브리핑은 ‘정보 수집’보다 ‘업무 시작선 정리’에 가깝다

처음에는 자동 브리핑을 뉴스 요약처럼 생각했습니다. 관심 분야의 최신 글을 찾아 주고, AI 관련 소식을 정리해 주면 좋겠다고 여겼습니다. 그런데 실제로 써 보니 더 도움이 되는 것은 화려한 정보보다 오늘 내가 어디서부터 시작해야 하는지 알려 주는 내용이었습니다.

예를 들어 오늘 일정이 몇 시에 있는지, 오전에 확인해야 할 메일이 있는지, 어제 준비한 블로그 원고가 어디까지 되었는지, Drive에 올라간 파일 링크가 있는지 같은 내용입니다. 하나하나는 제가 직접 확인할 수 있습니다. 하지만 매일 반복해서 확인해야 하니 피로가 쌓입니다. Agent가 이 내용을 묶어 주면 저는 창을 여러 개 열기 전에 하루의 윤곽을 먼저 봅니다.

교육전문직 업무에서도 비슷합니다. 하루가 시작되면 연수 일정, 회의 일정, 공문 처리, 자료 요청, 보고서 마감이 한꺼번에 들어옵니다. 아침 브리핑은 일을 대신 끝내는 도구라기보다, 오늘의 업무 시작선을 정리해 주는 도구입니다. 어디에 먼저 눈을 두어야 하는지 알려 주는 것만으로도 작은 업무경감이 됩니다.

2. Telegram 방으로 받으면 ‘확인하러 가는 일’이 줄어든다

제가 Telegram으로 AI Agent를 쓰기 시작한 이유 중 하나는 접근성이었습니다. 웹페이지를 열고 로그인하고 메뉴를 찾아 들어가는 방식보다, 익숙한 대화방에 메시지가 오는 방식이 훨씬 가볍습니다. 아침 브리핑도 마찬가지였습니다.

정해진 시간에 Telegram 방에 브리핑이 도착하면, 저는 별도의 프로그램을 먼저 실행하지 않아도 됩니다. 스마트폰으로 볼 수도 있고, Windows 노트북에서 이어서 확인할 수도 있습니다. 특히 출근 준비 중이거나 이동 중일 때는 “오늘 큰 일정이 있는지”를 짧게 확인하는 것만으로도 도움이 됩니다.

이 방식은 학교나 교육청 업무에도 시사점이 있습니다. 좋은 시스템을 만들어도 사용자가 매번 찾아가야 하면 활용률이 떨어집니다. 반대로 필요한 정보가 적절한 시간에 익숙한 채널로 도착하면 부담이 줄어듭니다. AI Agent의 장점은 단순히 답을 잘하는 데만 있지 않고, 사용자가 일하는 흐름 속으로 들어올 수 있다는 데 있습니다.

3. 브리핑에 넣을 항목은 욕심내지 않는 편이 낫다

처음부터 모든 것을 브리핑에 넣고 싶어집니다. 일정, 메일, 뉴스, 블로그, 연구 자료, 할 일 목록, 날씨까지 모두 포함하면 완벽해 보입니다. 하지만 실제로는 항목이 너무 많아지면 읽는 사람이 다시 피곤해집니다. 브리핑이 또 하나의 긴 문서가 되어 버리기 때문입니다.

제가 느낀 적당한 구성은 네 가지 정도였습니다. 첫째, 오늘 일정입니다. 둘째, 눈에 띄는 메일이나 확인할 메시지입니다. 셋째, 오늘 이어서 할 작업입니다. 넷째, 관심 주제의 짧은 참고 링크입니다. 여기에 블로그 자동화처럼 특정 프로젝트가 있으면 “오늘 준비된 원고와 파일 링크”를 덧붙이면 충분했습니다.

교육현장 적용에서도 이 절제가 필요합니다. 교사에게 매일 보내는 브리핑이라면 수업 일정, 학급 관련 주요 알림, 제출 마감, 회의 정도가 우선일 수 있습니다. 교감이나 교육전문직에게는 회의, 보고 마감, 공문 흐름, 연수 일정이 더 중요할 수 있습니다. 좋은 브리핑은 많은 정보를 담는 것이 아니라, 아침에 바로 판단할 수 있을 만큼만 정리하는 것입니다.

4. 자동화의 출발점은 ‘정해진 시간에 실행되는 일’이다

AI Agent를 처음 접하면 복잡한 자동화를 상상하기 쉽습니다. 여러 시스템을 연결하고, 조건을 판단하고, 문서를 만들고, 사람에게 보고하는 흐름입니다. 하지만 제가 체감한 자동화의 출발점은 아주 단순했습니다. “매일 같은 시간에 실행되게 하기”입니다.

Hermes Agent에서는 예약 작업처럼 정해진 시간에 실행되는 흐름을 만들 수 있습니다. 예를 들어 매일 아침 일정과 메일을 확인하고, 블로그 작업 폴더를 살펴본 뒤, 결과를 Telegram으로 보고하게 할 수 있습니다. 사용자는 그 시간에 직접 명령하지 않아도 됩니다. Agent가 먼저 움직이고, 저는 결과를 보고 판단합니다.

이 작은 변화가 생각보다 큽니다. 사람이 기억해서 시키는 일은 바쁜 날 빠질 수 있습니다. 반면 정해진 시간에 자동으로 실행되는 일은 일정한 리듬을 만듭니다. 교육청 업무에서도 반복 점검, 주간 자료 수집, 연수 신청 현황 확인처럼 시간표가 있는 일은 AI Agent 자동화와 잘 맞을 가능성이 있습니다.

5. Google Calendar와 Gmail 연결은 편하지만 권한을 작게 봐야 한다

아침 브리핑을 제대로 만들려면 일정과 메일 같은 개인 업무 정보에 접근해야 합니다. Google Calendar와 Gmail을 연결하면 Agent가 오늘 일정이나 unread 메일을 확인할 수 있습니다. 하지만 지난 글에서 말했듯이 이 부분은 기능보다 권한의 문제로 보아야 합니다.

실제 에이전트에게 연결한 구글 계정을 별도로 생성하고, 해당 계정에 본 계정 캘린더를 공유하도록 설정해서 자료 손실을 예방하도록 설정했습니다.

저는 브리핑을 만들 때도 “무엇을 읽게 할 것인가”를 먼저 생각하게 됩니다. 모든 메일 본문을 길게 읽히기보다 필요한 조건으로 검색하고, 일정도 오늘 또는 이번 주처럼 범위를 좁혀 확인하는 방식이 안전합니다. Drive 파일을 다룰 때도 업로드는 하되 공유 범위를 자동으로 넓히지 않는 원칙을 두었습니다.

학교 업무에서는 이 원칙이 더 중요합니다. 학생 개인정보, 민감한 민원 내용, 인사 관련 정보가 섞일 수 있기 때문입니다. AI Agent가 편하다고 해서 모든 자료를 그대로 넘기는 방식은 위험합니다. 브리핑 자동화는 권한을 크게 여는 기술이 아니라, 필요한 범위만 작게 열고 사람이 확인하는 구조로 설계해야 합니다.

6. 브리핑은 사람이 마지막 판단을 하기 쉽게 만들어야 한다

좋은 아침 브리핑은 “오늘은 이것만 하면 됩니다”라고 단정하는 보고가 아닙니다. 오히려 사람이 판단하기 좋게 상황을 펼쳐 주는 보고에 가깝습니다. 일정이 겹치는지, 오전에 먼저 처리할 일이 있는지, 어제 준비된 자료가 발행 가능한 상태인지 등을 한눈에 보게 해 주면 됩니다.

제가 블로그 작업에서 쓰는 방식도 그렇습니다. Hermes Agent가 원고와 Word 파일, 대표 이미지와 본문 이미지를 만들고 Google Drive에 올립니다. 하지만 티스토리에 자동 발행하지는 않습니다. 최종 문장, 이미지 위치, 공개 여부는 제가 직접 확인합니다. 자동화는 사람을 빼는 것이 아니라 사람이 더 나은 위치에서 판단하도록 돕는 과정입니다.

교육전문직 업무경감도 이 관점이 중요하다고 봅니다. AI Agent가 공문 초안을 만들 수는 있지만, 정책적 판단과 최종 책임은 사람이 가져야 합니다. 회의자료를 요약할 수는 있지만, 무엇을 강조할지는 담당자가 결정해야 합니다. 브리핑은 이 경계를 연습하기 좋은 작은 자동화입니다.

7) 매일 쌓이면 나만의 업무 리듬이 된다

아침 브리핑의 효과는 하루만 써서는 크게 느껴지지 않을 수 있습니다. 하지만 며칠 쌓이면 리듬이 생깁니다. 아침에는 Agent가 정리한 내용을 보고, 필요한 일을 표시하고, 이어서 자료 작업이나 글쓰기를 시작합니다. 반복 확인에 쓰던 에너지가 조금 줄어듭니다.

이 리듬은 개인에게만 의미가 있지 않습니다. 학교나 교육청 조직에서도 반복되는 업무 시작 절차가 있습니다. 주간 회의 전 자료 점검, 연수 운영 전 신청 현황 확인, 월초 보고 일정 정리 같은 일입니다. 이런 일을 AI Agent가 정해진 시간에 브리핑해 준다면, 구성원은 정보를 찾는 데 쓰는 시간을 줄이고 판단과 협의에 더 집중할 수 있습니다.

물론 모든 조직에 바로 적용하기는 어렵습니다. 시스템 권한, 보안, 책임, 예산이 함께 검토되어야 합니다. 하지만 개인 사용 경험에서 출발해 작은 브리핑을 만들어 보는 것은 좋은 실험입니다. 자동화가 거창한 프로젝트가 아니라 매일 아침 반복되는 확인을 줄이는 일에서 시작될 수 있다는 것을 보여 주기 때문입니다.

마무리하며

매일 아침 자동 브리핑을 만들면서 AI Agent가 가장 잘 들어오는 자리는 “반복되지만 놓치면 불편한 일”이라는 생각을 하게 되었습니다. 일정 확인, 메일 확인, 작업 폴더 점검, 오늘 할 일 정리는 대단한 전문성이 필요한 일은 아니지만 매일 사람의 주의를 요구합니다. Agent가 이 부분을 먼저 정리해 주면 사람은 조금 더 중요한 판단으로 하루를 시작할 수 있습니다.

저에게 아침 브리핑은 AI Agent 자동화의 작은 실험이자, 교육현장 업무경감의 축소판처럼 느껴졌습니다. 기술적으로 복잡해 보이는 자동화도 결국은 “필요한 시간에, 필요한 정보를, 사람이 판단하기 좋게” 전달하는 일에서 시작합니다.

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.