지난 글에서는 공문과 보고서 초안 작성에 AI Agent를 활용하는 방법을 이야기했습니다. 공문과 보고서는 형식과 책임이 분명한 문서라서, AI Agent에게 맡길 때도 목적, 대상, 기한, 근거를 사람이 잘 정리해 주어야 했습니다. 이번에는 조금 다른 문서, 그러나 교육전문직 업무에서 정말 자주 만나는 설문 문항을 다루어 보려고 합니다.

연수 사전 설문, 만족도 조사, 정책 요구 조사, 운영 결과 설문은 겉으로 보기에는 단순해 보입니다. 문항 몇 개를 만들고 선택지를 붙이면 될 것 같지만, 실제로는 꽤 많은 판단이 들어갑니다. 무엇을 알고 싶은지, 누구에게 물을 것인지, 응답 결과를 어떻게 활용할 것인지가 정리되지 않으면 설문은 금방 길어지고 모호해집니다.

AI Agent는 설문 문항을 만드는 데 꽤 유용합니다. 특히 빈 화면에서 처음 문항을 짜야 할 때, 기존 설문을 수정해야 할 때, 객관식과 서술형 문항의 균형을 잡아야 할 때 도움을 받을 수 있습니다. 다만 설문은 문장이 자연스럽다고 좋은 것이 아닙니다. 문항이 측정하려는 것을 제대로 묻고 있는지, 응답자가 오해하지 않을지, 결과를 실제 의사결정에 쓸 수 있을지가 더 중요합니다.

1. 설문은 질문을 많이 만드는 일이 아니라 판단할 자료를 만드는 일이다

설문을 만들 때 가장 먼저 해야 할 일은 문항 수를 정하는 것이 아닙니다. 이 설문 결과로 무엇을 판단할 것인지 정하는 일입니다. 연수 사전 설문이라면 참여자의 배경과 기대를 파악해 연수 내용을 조정하는 것이 목적일 수 있습니다. 만족도 조사라면 운영 방식, 강의 내용, 자료, 시간 배분, 향후 개선점을 확인하려는 목적일 수 있습니다.

목적이 흐릿하면 문항도 흐릿해집니다. “좋았나요?”, “도움이 되었나요?” 같은 질문만 반복되면 결과를 받아도 무엇을 바꿔야 할지 알기 어렵습니다. 반대로 목적이 분명하면 문항은 훨씬 단단해집니다. “연수 내용이 학교 현장에서 적용 가능한 수준이었는가”, “실습 시간이 충분했는가”, “추후 심화 연수에서 다루고 싶은 주제는 무엇인가”처럼 결과 활용이 보이는 질문이 됩니다.

저는 AI Agent에게 설문 초안을 요청하기 전에 먼저 설문의 목적을 한두 문장으로 적어 둡니다. “초등 교원 대상 AI 활용 연수의 사전 요구를 파악하고, 참여자의 활용 수준에 따라 실습 난이도를 조정하기 위한 설문”처럼 적어 두면 AI Agent가 문항 방향을 잡기 쉽습니다.

2.  AI Agent에게는 설문 배경과 활용 계획을 함께 알려 주어야 한다

AI Agent에게 “연수 만족도 설문 만들어 줘”라고만 말하면 일반적인 문항이 나옵니다. 물론 출발점으로는 쓸 수 있지만, 실제 업무에 바로 쓰기에는 부족한 경우가 많습니다. 대상이 교사인지, 관리자 대상인지, 교육전문직 대상인지에 따라 문항 언어가 달라져야 하고, 연수가 강의 중심인지 실습 중심인지에 따라 확인할 항목도 달라져야 합니다.

그래서 저는 설문을 요청할 때 다음과 같은 정보를 함께 주는 편이 좋다고 봅니다.

“초등 교원 대상 3시간 AI 활용 수업 설계 연수의 사전 설문 문항을 만들어 줘. 목적은 참여자의 생성형 AI 활용 경험, 수업 적용 관심 주제, 실습 난이도 선호를 파악하는 것이야. 문항은 10개 이내로 하고, 객관식 7개와 서술형 3개 정도로 구성해 줘. 결과는 연수 자료와 실습 예시를 조정하는 데 사용할 예정이야.”

이렇게 요청하면 AI Agent는 단순한 만족도 문항보다 업무에 맞는 설문 초안을 만들어 줍니다. 문항 수, 응답 방식, 대상, 활용 계획이 함께 들어갔기 때문입니다. 특히 “결과를 어디에 쓸 것인지”를 알려 주면 불필요한 질문이 줄어듭니다.

Telegram으로 Hermes Agent에게 요청할 때도 같은 방식이 가능합니다. 이동 중에 떠오른 설문 목적을 짧게 적어 두고, 나중에 “위 메모를 바탕으로 설문 초안을 만들어 줘”라고 하면 됩니다. 설문 문항도 결국 업무 메모에서 출발합니다.

3) 객관식 문항은 선택지가 더 중요할 때가 많다

설문 초안을 만들다 보면 질문 문장에만 집중하기 쉽습니다. 하지만 객관식 문항에서는 선택지가 결과의 질을 좌우합니다. 선택지가 서로 겹치거나, 빠진 경우가 있거나, 응답자가 어느 쪽을 골라야 할지 애매하면 결과 해석이 어려워집니다.

예를 들어 “생성형 AI를 어느 정도 활용하고 있습니까?”라는 질문에 선택지를 “많이 사용한다, 보통이다, 적게 사용한다”로 두면 대략적인 분위기는 알 수 있습니다. 그러나 연수 설계에 활용하려면 조금 더 구체적인 선택지가 필요할 수 있습니다. “사용해 본 적 없음”, “개인적인 정보 검색이나 글쓰기 보조에 사용”, “수업 자료 제작에 가끔 사용”, “학생 활동 또는 평가 자료 설계에 활용”, “학교 업무 문서 작성에 활용”처럼 실제 활용 장면을 나누면 연수 구성에 더 도움이 됩니다.

AI Agent에게 선택지를 점검하게 할 수도 있습니다.

“이 객관식 문항의 선택지가 서로 겹치지 않는지, 빠진 응답 가능성이 있는지, ‘기타’가 필요한지 검토해 줘.”

이 요청은 생각보다 유용합니다. 사람이 만든 선택지는 만든 사람의 관점에 갇히기 쉽습니다. AI Agent는 완벽하지는 않지만, 선택지의 중복이나 누락 가능성을 한 번 더 드러내 줍니다.

4. 서술형 문항은 적게, 그러나 쓸모 있게 넣어야 한다

서술형 문항은 현장의 목소리를 듣는 데 좋습니다. 하지만 너무 많이 넣으면 응답 부담이 커지고, 나중에 분석도 어려워집니다. 특히 바쁜 교원이나 학교 담당자를 대상으로 하는 설문이라면 서술형 문항은 꼭 필요한 곳에만 넣는 편이 좋습니다.

AI Agent에게 설문 초안을 만들게 하면 서술형 문항을 여러 개 제안할 때가 있습니다. “의견을 자유롭게 적어 주세요” 유형의 문항이 많아지면 응답자는 피로감을 느낄 수 있습니다. 그래서 저는 서술형 문항을 넣을 때 목적을 분명히 하려고 합니다. 예를 들어 사전 설문에서는 “연수에서 꼭 다루었으면 하는 주제나 실제 고민을 적어 주세요”가 유용할 수 있습니다. 만족도 조사에서는 “향후 연수 개선을 위해 가장 보완되었으면 하는 점을 적어 주세요”가 더 직접적입니다.

서술형 문항은 응답자의 생각을 길게 받기 위한 공간이 아니라, 선택형 문항으로는 잡히지 않는 구체적인 요구를 받는 통로입니다. 따라서 문항 수를 줄이되, 답변이 실제 개선에 연결될 수 있도록 물어야 합니다.

5. AI Agent는 문항 검토자로도 쓸 수 있다

설문 문항을 만든 뒤에는 반드시 검토가 필요합니다. 문항이 너무 길지는 않은지, 한 문항에서 두 가지를 동시에 묻고 있지는 않은지, 특정 답변을 유도하고 있지는 않은지, 전문용어가 응답자에게 낯설지는 않은지 살펴보아야 합니다.

이때 AI Agent를 두 번째 역할로 활용할 수 있습니다. 처음에는 문항 초안 작성자로 쓰고, 다음에는 검토자로 쓰는 것입니다.

“아래 설문 문항을 검토해 줘. 한 문항에 두 가지 이상을 묻는 문항, 응답을 유도하는 표현, 모호한 용어, 선택지 중복, 결과 활용이 어려운 문항을 찾아서 수정안을 제안해 줘.”

이런 요청을 하면 AI Agent는 문항별로 문제 가능성을 표시해 줍니다. 물론 AI의 지적을 모두 받아들일 필요는 없습니다. 하지만 사람이 놓친 표현을 발견하는 데 도움이 됩니다. 특히 “만족도”처럼 익숙해서 무심코 쓰는 단어도, 실제로는 무엇에 대한 만족도인지 더 구체화해야 할 때가 있습니다.

교육공학 관점에서 보면 설문 문항은 작은 평가도구입니다. 측정하려는 구성개념이 있고, 응답 방식이 있고, 결과 해석이 있습니다. AI Agent가 초안을 빨리 만들어 주더라도, 문항의 타당성과 해석 가능성은 사람이 끝까지 확인해야 합니다.

6. 개인정보와 민감정보는 설문 단계에서부터 줄여야 한다

설문을 만들 때 자주 놓치는 부분이 개인정보입니다. 꼭 필요하지 않은 소속, 이름, 연락처, 학교명, 개인 경험을 묻고 있지는 않은지 확인해야 합니다. 특히 학생 관련 내용, 민원성 경험, 학교 내부 상황처럼 민감할 수 있는 내용은 설문 문항으로 다룰 때 신중해야 합니다.

AI Agent에게 설문 문항을 요청할 때도 실제 학생 정보나 민감한 사례를 그대로 넣지 않는 것이 좋습니다. 필요하면 상황을 일반화하거나 익명화해서 설명하면 됩니다. 예를 들어 “특정 학교에서 있었던 구체적 민원”을 그대로 쓰기보다, “학교 현장에서 발생할 수 있는 AI 활용 관련 우려 사례”처럼 바꾸어 전달하는 방식입니다.

설문 결과를 나중에 AI Agent에게 분석하게 할 계획이라면 처음부터 수집 항목을 줄이는 것이 더 안전합니다. 이름 없이도 분석이 가능한지, 학교명을 꼭 받아야 하는지, 응답자의 경력 범위를 넓게 묶어도 되는지 생각해 볼 필요가 있습니다. 업무경감은 빠르게 처리하는 것만이 아니라, 불필요한 민감정보를 만들지 않는 데서도 시작됩니다.

7. 설문 업무경감은 ‘문항 초안-검토-수정’의 반복을 줄이는 데서 온다

설문 문항 만들기는 생각보다 반복이 많습니다. 초안을 만들고, 문항 수를 줄이고, 선택지를 고치고, 서술형을 다듬고, 응답 순서를 바꾸고, 담당자나 동료 의견을 반영합니다. 이 과정에서 AI Agent는 초안을 빠르게 만들고, 검토 목록을 제시하고, 수정안을 여러 버전으로 비교하게 해 줍니다.

예를 들어 하나의 설문을 두 가지 버전으로 만들 수 있습니다. 교원 대상의 쉬운 표현 버전, 관리자 대상의 정책 판단용 버전처럼 나누어 볼 수 있습니다. 또는 15문항짜리 초안을 8문항으로 줄이면서 꼭 남겨야 할 문항과 삭제해도 되는 문항을 구분해 달라고 요청할 수도 있습니다.

이런 활용은 설문을 자동으로 완성한다는 의미가 아닙니다. 사람이 판단할 수 있는 여러 초안을 빠르게 확보한다는 의미에 가깝습니다. 설문은 결국 결과를 해석하고 활용할 사람이 책임져야 합니다. AI Agent는 그 전 단계의 문항 생산과 검토 시간을 줄여 주는 도구입니다.

마무리하며

설문 문항은 짧지만 가볍지 않습니다. 질문 하나가 응답자의 생각을 제한할 수도 있고, 선택지 하나가 결과 해석을 어렵게 만들 수도 있습니다. 그래서 AI Agent를 활용할 때도 문항을 많이 만드는 것보다, 설문의 목적과 결과 활용에 맞게 문항을 정리하는 것이 더 중요합니다.

Hermes Agent와 Telegram을 함께 쓰면 설문 목적을 메모하고, 초안을 만들고, 다시 검토하는 흐름을 빠르게 만들 수 있습니다. 바쁜 업무 중에도 “이 설문으로 무엇을 알고 싶은가”를 먼저 적고, AI Agent에게 문항 초안과 점검을 맡기면 설문 준비의 부담을 꽤 줄일 수 있습니다.

지난 글에서는 Hermes Agent를 설치하고 기본 구조를 이해한 과정을 정리했습니다. 오늘은 그 구조가 제 일상에서 실제로 달라진 지점, 바로 Telegram으로 AI Agent에게 말 걸기 시작한 경험을 적어 보려 합니다.

처음에는 터미널에서 직접 명령을 입력하는 방식만 떠올렸습니다. 노트북 앞에 앉아 `hermes`를 실행하고, 필요한 요청을 쓰고, 결과를 확인하는 흐름입니다. 그런데 교육전문직 업무는 늘 책상 앞에서만 이어지지 않습니다. 이동 중에 생각이 나기도 하고, 회의가 끝난 직후 정리해야 할 일이 생기기도 하며, 퇴근 후 내일 아침 확인할 일을 예약해 두고 싶을 때도 있습니다. Telegram 연결은 이 틈을 메워 주었습니다.

1. 메신저가 AI 업무 창구가 되었다

Telegram을 연결한 뒤 가장 먼저 느낀 변화는 AI Agent가 “프로그램”이라기보다 “연락 가능한 동료”처럼 느껴졌다는 점입니다. 물론 실제 사람은 아니고, 판단과 책임은 여전히 제 몫입니다. 다만 요청을 남기는 방식이 훨씬 자연스러워졌습니다.

예전에는 노트북을 켜고 터미널을 열어야만 일을 맡길 수 있었습니다. 이제는 휴대폰에서 Telegram 방을 열고 “내일 블로그 글 준비해줘”, “이 폴더에 있는 초안 목록 확인해줘”, “오늘 회의 메모를 정리할 틀을 만들어줘”처럼 메시지를 남길 수 있습니다. 그러면 제 Windows 노트북에서 Hermes Agent가 실제 파일과 도구를 사용해 작업을 진행합니다.

교육현장 업무로 비유하면, 별도 시스템에 접속하지 않아도 업무 요청을 남기는 접수창이 생긴 느낌입니다. 접수창이 가벼워지면 작은 일도 미루지 않고 바로 맡기게 됩니다. 저에게는 이 부분이 생각보다 큰 차이였습니다.

2. 이동 중에 떠오른 일을 흘려보내지 않게 되었다

교육전문직 업무를 하다 보면 회의와 이동 사이에 생각이 많이 납니다. 연수 제목을 바꿔야겠다거나, 정책 자료를 다시 읽어 봐야겠다거나, 블로그에 쓸 소재가 갑자기 떠오르는 식입니다. 문제는 그 순간에 컴퓨터를 열 수 없는 경우가 많다는 것입니다.

Telegram으로 AI Agent에게 말 걸 수 있게 되면서 이런 생각을 바로 작업 요청으로 바꿀 수 있었습니다. 예를 들어 “AI Agent 연재에서 다음 글은 Telegram 사용 경험으로 잡고, 교육전문직 장면을 넣어 초안 준비”라고 남기면, Agent는 나중에 정해진 시간에 목차와 폴더를 확인하고 실제 원고 파일을 만듭니다. 단순 메모 앱에 적어 두는 것과 달리, 다음 단계 실행까지 이어질 수 있다는 점이 다릅니다.

물론 아무 말이나 던지면 좋은 결과가 나오지는 않습니다. 그래도 “무엇을”, “어디에”, “어떤 형식으로” 해 달라는 정도만 적어도 꽤 안정적으로 움직였습니다. 생각이 사라지기 전에 일의 씨앗을 남겨 둘 수 있다는 점에서 Telegram 연결은 제 업무 습관을 바꾸었습니다.

3.  좋은 요청은 짧아도 구조가 있었다

Telegram에서 AI Agent를 쓰다 보니 긴 프롬프트보다 구조가 분명한 요청이 더 중요하다는 것을 알게 되었습니다. 특히 다음 네 가지가 들어가면 결과가 안정적이었습니다.

첫째, 작업 대상입니다. “블로그 폴더”, “오늘 회의 메모”, “다운로드한 PDF”처럼 Agent가 무엇을 봐야 하는지 알려 주는 것입니다.

둘째, 결과물 형식입니다. Markdown 초안, Word 파일, 표, 요약문, 체크리스트처럼 최종 모양을 정해 주면 다시 손보는 시간이 줄어듭니다.

셋째, 판단 기준입니다. “홍보문체 말고 경험 중심으로”, “교육전문직 관점으로”, “학생 개인정보는 넣지 말고” 같은 기준이 여기에 해당합니다.

넷째, 마지막 보고 방식입니다. “링크만 간단히 보고”, “수정한 파일 경로를 알려줘”처럼 확인 방법을 정해 주면 Telegram 대화방이 복잡해지지 않습니다.

이 네 가지는 학교 업무에도 그대로 적용됩니다. 공문 초안, 연수 안내문, 회의록 정리, 설문 문항 검토를 요청할 때도 대상·형식·기준·보고 방식을 분명히 하면 AI Agent가 덜 헤맵니다. 결국 좋은 요청은 길이가 아니라 일의 경계를 정하는 데서 나왔습니다.

4. 대화방을 나누면 업무공간도 나뉘었다

처음에는 하나의 Telegram 방에서 모든 요청을 해도 충분하다고 생각했습니다. 그런데 블로그, 일정, 자료 요약, 실험적인 자동화 요청이 한 방에 섞이니 나중에 흐름을 찾기 어려웠습니다. 그래서 주제별 대화방을 나누는 방식이 자연스럽게 필요해졌습니다.

예를 들어 블로그 연재방에서는 목차, 초안, 이미지, Drive 업로드와 관련된 요청만 오가게 합니다. 아침 브리핑방에서는 일정과 할 일, 주요 뉴스나 자료 확인만 다룹니다. 연구 아이디어방에서는 논문 검색, 키워드 정리, 강의 소재를 모읍니다. 이렇게 나누면 Agent에게도 맥락이 조금 더 선명해지고, 저도 결과를 찾기 쉬워집니다.

교육청이나 학교 업무에서도 같은 원리를 생각해 볼 수 있습니다. 연수 운영, 정책 자료, 학교 지원, 회의 준비처럼 업무 흐름별 공간을 나누면 AI Agent가 단순한 채팅 도구가 아니라 작은 업무 보조실처럼 작동할 수 있습니다. 다음 글에서 이 부분을 더 자세히 다뤄 보려고 합니다.

5. 자동화는 ‘완전 자동’보다 ‘초안 준비’에서 먼저 효과가 났다

Telegram으로 요청할 수 있게 되면 무엇이든 자동으로 처리하고 싶어집니다. 하지만 실제로 써 보니 가장 먼저 효과가 나는 지점은 완전 자동 처리보다 초안 준비였습니다. 최종 판단이 필요한 일은 사람이 확인하고, 반복적이고 시간이 드는 준비 과정을 Agent가 맡는 방식이 안정적이었습니다.

이 블로그 연재가 좋은 예입니다. Agent는 매일 목차를 확인하고, 다음 글을 정하고, Markdown과 Word 파일을 만들고, 한글 텍스트가 깨지지 않는 방식으로 이미지를 만들고, Google Drive에 업로드합니다. 하지만 티스토리에 실제로 발행하는 일은 제가 직접 합니다. 글의 뉘앙스, 공개 시점, 독자 반응을 고려하는 일은 아직 사람이 맡는 편이 좋다고 보기 때문입니다.

교육전문직 업무에서도 비슷합니다. 연수 계획서의 첫 틀, 회의자료 목차, 설문 문항 초안, 안내문 문장 다듬기처럼 초안을 준비하는 일은 Agent에게 잘 맞습니다. 반면 정책적 판단, 민감한 조정, 대외적으로 확정되는 문서는 반드시 사람이 확인해야 합니다. Telegram은 이 중간지대를 편하게 만들어 주었습니다.

6. 작은 실패를 겪으며 운영 원칙이 생겼다

편해졌다고 해서 늘 매끄럽게만 작동한 것은 아닙니다. 가끔은 노트북이 잠들어 예약 작업이 늦어지거나, Google 인증이 풀려 Drive 업로드가 실패하거나, 제가 요청한 폴더명이 애매해서 Agent가 다른 파일을 확인하려는 경우도 있었습니다.

이런 일을 겪으면서 몇 가지 원칙이 생겼습니다. 첫째, 중요한 결과물은 로컬 파일로 먼저 남기게 합니다. Drive 업로드가 실패해도 원고와 이미지는 남아 있어야 합니다. 둘째, 되돌리기 어려운 일은 자동 실행하지 않습니다. 메일 발송, 파일 삭제, 공개 공유 설정 변경, 티스토리 발행은 별도 확인을 거치도록 둡니다.

셋째, 요청에는 가능한 한 실제 경로나 기준을 넣습니다. “그 파일”보다 “C 드라이브의 블로그 AI Agent 폴더”가 낫고, “잘 써줘”보다 “교육전문직 경험 기반 설명문으로 써줘”가 낫습니다. 작은 실패는 번거롭지만, 오히려 AI Agent를 업무에 들여올 때 필요한 안전장치를 알려 주었습니다.

7. Telegram 연결은 AI Agent 활용의 문턱을 낮췄다

돌아보면 Telegram 연결의 의미는 대단한 기술 시연보다 사용 문턱을 낮춘 데 있었습니다. AI Agent가 아무리 여러 도구를 쓸 수 있어도, 제가 매번 터미널을 열어야 한다면 자주 쓰기 어렵습니다. 반대로 익숙한 메신저에서 요청할 수 있으면 작은 일부터 맡겨 보게 됩니다.

교육현장에서도 비슷한 일이 일어날 수 있다고 봅니다. 새로운 시스템을 하나 더 배우라고 하면 부담이 되지만, 이미 익숙한 소통 방식 안에서 업무 보조가 이루어진다면 받아들이는 속도가 달라질 수 있습니다. 물론 개인정보 보호, 권한 관리, 기록 관리 같은 조건은 반드시 함께 설계되어야 합니다.

저에게 Telegram은 AI Agent를 생활과 업무 사이에 자연스럽게 놓아 주는 통로였습니다. 거창한 자동화보다 “생각났을 때 맡길 수 있다”는 점이 먼저 다가왔습니다.

처음에는 저도 AI Agent를 ‘말 잘 듣는 챗봇’ 정도로 생각했습니다. 그런데 몇 주 동안 Telegram에서 Hermes Agent를 실제 업무에 붙여 써보니, 관점이 조금 달라졌습니다. 질문에 답하는 도구가 아니라, 업무 흐름 안으로 들어오는 수행 주체에 가깝다는 느낌이 들었습니다.

교육공학을 공부할 때 자주 다루는 단어들이 있습니다. 목표, 과제, 피드백, 평가, 맥락 같은 것들입니다. 신기하게도 AI Agent를 오래 쓸수록 이 단어들이 다시 살아납니다. 오늘은 제가 현장에서 체감한 장면을 중심으로, AI Agent를 교육공학 언어로 풀어보려 합니다.

1. ‘정답 생성’보다 ‘과제 수행’으로 보는 게 맞다

ChatGPT를 쓸 때는 보통 질문-응답 한 번으로 끝납니다. 반면 Agent는 “이 자료 읽고, 필요한 형식으로 정리해서, 다음 회의 전에 공유해줘”처럼 과제 단위로 요청하게 됩니다.

제가 체감한 차이는 여기서 시작됐습니다. 교육공학 관점으로 보면, Agent는 단순 콘텐츠 생성기가 아니라 수행 과제를 분해하고 재조합하는 실행 도구입니다. 그래서 프롬프트를 예쁘게 쓰는 것보다, 과제를 어떻게 정의하고 완료 기준을 어떻게 주는지가 더 중요해집니다.

2. 도구 연결은 ‘학습자료 제시’가 아니라 ‘작업환경 설계’에 가깝다

현장에서 자료는 늘 여러 곳에 흩어져 있습니다. 메신저, 드라이브, 문서 폴더, 캘린더가 따로 놀면 사람이 계속 옮겨 다녀야 합니다. Agent에 도구를 붙이면 이 이동을 줄일 수 있습니다.

교육공학에서 매체 선정이 학습 효과를 바꾸듯, Agent에서도 어떤 도구를 연결하느냐가 결과 품질을 바꿉니다. 같은 요청이라도 파일 접근 권한이 있느냐, 일정 API를 붙였느냐에 따라 산출물이 달라집니다. 결국 “모델이 똑똑한가”보다 “작업환경을 어떻게 설계했는가”가 먼저였습니다.

3. 기억 기능은 개인화된 ‘맥락 유지 장치’로 작동한다

업무를 하다 보면 매번 배경을 다시 설명하는 데 시간이 많이 듭니다. 저는 교육청 문서 톤, 자주 쓰는 보고 형식, 대상 독자 수준을 Agent에 반복해서 알려줬고, 이후부터는 설명량이 확 줄었습니다.

이 지점은 교육공학의 ‘학습자 모델’과 닮아 있습니다. 맥락이 축적되면 상호작용 비용이 줄고, 결과가 안정됩니다. 물론 잘못 저장된 맥락은 오히려 오류를 키우기 때문에, 주기적으로 정리하고 갱신하는 관리가 필요합니다.

4. 좋은 결과는 프롬프트보다 ‘피드백 루프’에서 나온다

처음부터 완벽한 결과를 기대하면 실망하기 쉽습니다. 대신 저는 작은 단위로 확인하고 고치는 루프를 돌렸습니다. 

- 1차: 구조 확인(목차, 분량, 독자 수준)

- 2차: 내용 정확성 확인(사실, 용어, 맥락)

- 3차: 현장 적용성 확인(바로 쓸 수 있는가)

이 과정은 수업설계의 형성평가와 거의 같습니다. Agent 활용도 결국 설계-실행-피드백의 반복입니다. 한 번에 잘 쓰는 사람이 아니라, 빨리 점검하고 수정하는 사람이 더 좋은 결과를 가져갑니다.

5. 교육전문직 업무경감은 ‘대체’보다 ‘전환’으로 접근해야 한다

AI Agent를 쓰면 일이 사라진다기보다, 사람이 써야 할 인지 에너지가 이동합니다. 반복 정리, 초안 작성, 형식 맞춤 같은 일은 줄어들고, 판단·조정·최종 책임에 더 집중하게 됩니다.

저는 이 변화가 특히 교육전문직에게 의미 있다고 봅니다. 여러 이해관계자 사이에서 문서를 조율하고, 일정과 정책 맥락을 맞추는 일은 여전히 사람의 몫입니다. Agent는 그 앞단의 반복 업무를 줄여 주는 쪽에서 가장 효과가 컸습니다.

6. 결국 필요한 역량은 ‘AI 사용법’보다 ‘업무 설계력’이다

현장에서 느낀 결론은 단순합니다. Agent 시대에는 질문을 잘하는 능력보다, 업무를 구조화하는 능력이 더 중요해집니다. 목표를 분명히 하고, 입력 자료를 정리하고, 중간 점검 기준을 세우는 사람이 유리합니다.

교육공학이 오래 다뤄 온 설계 역량이 여기서 다시 힘을 발휘합니다. 그래서 저는 AI Agent를 새로운 기술이라기보다, 교육공학적 사고를 실무에서 재확인하게 해 주는 도구로 보고 있습니다.

지난 글에서는 내가 AI Agent를 쓰기 시작한 이유를 간단히 정리했다. Windows 노트북에 Hermes Agent를 설치하고, Telegram으로 말을 걸어 블로그 글을 쓰거나 자료를 정리하는 방식이었다. 말하자면 노트북 한 대를 개인용 AI 비서 서버처럼 쓰는 실험이다.

이번 글에서는 조금 더 기본적인 질문으로 돌아가 보려고 한다. ChatGPT와 AI Agent는 무엇이 다른가.

처음에는 이 둘이 비슷해 보인다. 둘 다 사람의 말을 이해하고, 문장을 만들고, 질문에 답한다. 하지만 실제로 써보면 차이가 꽤 크다. ChatGPT가 대화에 강한 AI라면, AI Agent는 대화에서 끝나지 않고 일의 흐름으로 들어오려는 AI에 가깝다.

이 차이를 이해해야 교육현장에서 AI를 어떻게 써야 할지도 조금 더 선명해진다.

ChatGPT는 대화형 AI에 가깝다

ChatGPT는 기본적으로 대화형 AI다. 사용자가 질문하면 답하고, 글을 써달라고 하면 초안을 작성하고, 자료를 넣어주면 요약한다. 지금까지 우리가 생성형 AI를 경험한 방식도 대부분 이 틀 안에 있다.

예를 들어 교사가 ChatGPT에게 이렇게 요청할 수 있다.

• 중학교 2학년 수준으로 설명해줘.

• 이 내용을 학부모 안내문으로 바꿔줘.

• 수업 도입 질문을 5개 만들어줘.

• 연수 자료 목차를 잡아줘.

• 보고서 문장을 조금 더 자연스럽게 다듬어줘.

이런 작업에는 ChatGPT만으로도 충분히 도움이 된다. 특히 초안 작성, 문장 정리, 아이디어 확장에는 강하다. 혼자 빈 문서를 바라보고 있을 때보다 훨씬 빠르게 출발할 수 있다.

다만 ChatGPT는 대체로 대화창 안에서 움직인다. 사용자가 자료를 넣어주고, 사용자가 결과를 복사하고, 사용자가 다시 다른 프로그램에 붙여넣는다. 즉 ChatGPT가 만들어준 결과를 실제 업무에 반영하는 마지막 행동은 사람이 한다.

이것이 나쁜 것은 아니다. 오히려 교육현장처럼 책임성이 중요한 곳에서는 사람이 마지막 확인을 하는 구조가 필요하다. 다만 업무경감이라는 관점에서 보면 한계도 분명하다. AI가 좋은 문장을 만들어주더라도, 자료를 찾고, 파일을 열고, 정리하고, 저장하고, 다시 공유하는 일은 여전히 사람의 몫으로 남기 때문이다.

AI Agent는 실행 흐름으로 들어온다

AI Agent는 여기서 한 걸음 더 들어온다. 단순히 답변을 생성하는 것이 아니라, 주어진 목표를 수행하기 위해 여러 도구를 사용할 수 있다.

예를 들어 내가 사용하고 있는 Hermes Agent는 Telegram으로 지시를 받는다. 그리고 필요한 경우 로컬 폴더에 파일을 만들고, 글 초안을 저장하고, 이미지를 생성하고, Google Drive에 업로드한 뒤 링크를 알려줄 수 있다. 물론 이 과정은 사용자가 허용한 범위 안에서 이루어진다.

ChatGPT에게 “블로그 글을 써줘”라고 하면 글을 써준다. AI Agent에게 같은 말을 하면, 설정에 따라 다음과 같은 흐름까지 이어질 수 있다.

• 글 주제 확인

• 초안 작성

• 로컬 폴더에 파일 저장

• 대표 이미지 제작

• Word 파일 생성

• Google Drive 업로드

• 발행할 수 있는 링크 제공

이 차이가 중요하다. AI Agent는 결과물을 만드는 것에서 끝나지 않고, 결과물이 실제 업무 흐름 안에 놓이도록 도와준다.

교육현장의 업무도 비슷하다. 우리는 단순히 문장 하나가 필요한 것이 아니라, 문서가 필요하고, 자료가 필요하고, 공유 가능한 파일이 필요하고, 일정에 맞춘 반복 작업이 필요하다. AI Agent는 바로 이 지점에서 의미가 생긴다.

차이는 “답변”과 “처리”에 있다

조금 단순화하면 이렇게 말할 수 있다.

ChatGPT는 답변을 잘한다. AI Agent는 처리를 시도한다.

물론 AI Agent도 답변을 한다. 하지만 핵심은 답변 그 자체가 아니다. 사용자의 목표를 이루기 위해 어떤 도구를 써야 할지 판단하고, 필요한 단계를 나누고, 실제 작업으로 이어가려는 구조가 중요하다.

예를 들어 “내일 올릴 블로그 글을 준비해줘”라는 요청을 생각해보자.

ChatGPT는 좋은 글을 작성해줄 수 있다. 하지만 대개 사용자가 그 글을 복사해서 저장하고, 이미지를 따로 만들고, 파일을 올리고, 링크를 정리해야 한다.

AI Agent는 이 과정을 묶어서 처리할 수 있다. 글을 작성하고, 이미지 파일을 만들고, Word 파일로 저장하고, Google Drive에 올리고, 링크를 돌려준다. 사용자는 마지막에 글을 검토하고 티스토리에 올리면 된다.

이것은 작은 차이처럼 보이지만 실제 업무에서는 꽤 크다. 업무는 생각보다 많은 자잘한 단계로 이루어져 있기 때문이다. 사람을 지치게 하는 것은 어려운 판단만이 아니다. 반복해서 파일을 열고 닫고, 이름을 바꾸고, 저장하고, 다시 올리는 작은 작업들도 사람을 지치게 한다.

교육현장에서 이 차이가 중요한 이유

교육현장에서 AI를 이야기할 때 우리는 자주 “수업에 어떻게 활용할 것인가”를 먼저 떠올린다. 물론 수업 활용은 중요하다. 하지만 실제 학교와 교육행정의 업무를 보면 수업 외의 작업도 매우 많다.

교사는 수업을 준비하면서 안내문을 쓰고, 평가 자료를 만들고, 생활지도 기록을 정리하고, 회의자료를 확인한다. 교육전문직원은 연수 계획, 정책자료, 보고서, 회의, 공문, 설문, 결과 정리까지 여러 일을 동시에 처리한다. 교감은 학교 안의 일정, 민원, 회의, 장학, 공문, 구성원 조율을 계속 챙겨야 한다.

이런 일은 하나하나가 모두 거창한 일은 아닐 수 있다. 하지만 여러 개가 겹치면 업무 부담이 커진다. AI Agent는 바로 이런 반복적이고 분절적인 작업을 줄이는 데 가능성이 있다.

예를 들어 다음과 같은 장면을 생각할 수 있다.

• 매주 반복되는 회의자료 초안을 만든다.

• 연수 기획안을 일정한 형식으로 정리한다.

• 설문 결과를 요약하고 보고서 목차를 제안한다.

• 교육정책 자료를 읽고 핵심 쟁점을 정리한다.

• 블로그나 연수자료에 들어갈 이미지를 함께 만든다.

• 정해진 시간에 필요한 브리핑을 보내준다.

이런 작업에서 중요한 것은 AI가 사람을 대체하는 것이 아니다. 사람이 판단해야 할 일과 AI에게 맡길 수 있는 준비 작업을 구분하는 것이다. AI Agent는 판단의 주체라기보다, 판단하기 전까지의 정리와 실행을 돕는 도구로 보는 편이 적절하다.

그렇다고 모든 것을 맡기면 안 된다

AI Agent가 더 많은 일을 할 수 있다는 말은, 더 조심해야 한다는 뜻이기도 하다.

ChatGPT가 틀린 답을 하면 사용자는 그 답을 보고 걸러낼 수 있다. 하지만 AI Agent가 파일을 만들거나, 공유하거나, 삭제하거나, 외부 서비스에 업로드하는 단계까지 간다면 영향 범위가 더 커진다. 그래서 권한과 확인 절차가 중요하다.

특히 교육현장에서는 다음과 같은 기준이 필요하다.

• 개인정보가 포함된 자료는 함부로 넣지 않는다.

• 학생 정보, 민감한 상담 내용, 평가 관련 자료는 별도 기준을 둔다.

• AI가 만든 문서는 반드시 사람이 확인한다.

• 외부 공유 링크는 공개 범위를 확인한다.

• 자동화는 반복 업무부터 작게 시작한다.

• 중요한 판단은 AI에게 맡기지 않는다.

AI Agent는 편리하지만, 편리하다는 이유만으로 모든 일을 맡길 수는 없다. 오히려 실행 능력이 있기 때문에 더 분명한 경계가 필요하다.

내가 느낀 가장 큰 차이

내가 직접 써보며 느낀 가장 큰 차이는 “생각을 결과물로 옮기는 속도”다.

ChatGPT를 쓸 때는 아이디어를 글로 바꾸는 속도가 빨라졌다. 이것만으로도 큰 변화였다. 그런데 AI Agent를 쓰기 시작하니 글에서 파일로, 파일에서 이미지로, 이미지에서 업로드 링크로 이어지는 과정까지 빨라졌다.

예를 들어 블로그 글 하나를 준비하는 과정만 봐도 그렇다. 예전 같으면 글을 쓰고, 이미지를 따로 만들고, 파일명을 정리하고, Google Drive에 올리고, 다시 링크를 복사했을 것이다. 지금은 Telegram에 요청하면 상당 부분이 한 흐름으로 이어진다.

물론 최종 발행은 내가 직접 한다. 티스토리 글은 내가 확인하고 올린다. 이 구조가 마음에 든다. AI가 초안을 만들고 반복 작업을 줄여주지만, 최종 판단과 공개는 사람이 한다. 교육현장에서도 이 균형이 중요하다고 생각한다.

마무리

ChatGPT와 AI Agent의 차이는 단순히 기능이 조금 더 많고 적은 차이가 아니다. ChatGPT가 대화와 생성에 강하다면, AI Agent는 생성된 결과를 실제 업무 흐름 안으로 옮기는 데 강점이 있다.

교육현장에서 이 차이는 중요하다. 교사와 교육전문직원, 학교관리자가 겪는 업무 부담은 단순히 글을 못 써서 생기는 것이 아니다. 자료를 찾고, 정리하고, 저장하고, 공유하고, 반복하는 여러 단계에서 생긴다. AI Agent는 이 단계들을 줄이는 도구가 될 수 있다.

다만 전제는 분명하다. AI가 만든 결과를 그대로 믿지 않는 것, 개인정보와 책임성을 가볍게 보지 않는 것, 그리고 사람이 해야 할 판단을 끝까지 사람이 붙잡고 있는 것이다.

다음 글에서는 내가 실제로 AI Agent를 Telegram으로 사용하게 된 이유를 정리해보려고 한다. 왜 웹사이트나 앱이 아니라 Telegram이었는지, 그리고 주제별 그룹방을 나누어 쓰는 방식이 왜 생각보다 편한지 이야기해보겠다.

요즘 생성형 AI를 쓰는 사람은 많다. 나 역시 ChatGPT를 문서 작성, 자료 정리, 아이디어 구상에 자주 사용해 왔다. 처음에는 그것만으로도 충분히 놀라웠다. 질문을 던지면 꽤 그럴듯한 답을 해주고, 글의 구조도 잡아주고, 복잡한 내용을 쉽게 풀어주었다.

그런데 최근에는 조금 다른 방식의 AI를 실험하고 있다. 단순히 답을 해주는 AI가 아니라, 내가 정한 환경 안에서 실제로 일을 처리하는 AI다. 흔히 말하는 AI Agent다.

현재 나는 Windows 노트북에 Hermes Agent를 설치해 두고, Telegram으로 말을 걸어 사용하고 있다. 휴대폰에서 메시지를 보내면 내 노트북에서 AI가 실행되고, 필요한 경우 파일을 확인하거나, 글 초안을 작성하거나, 정해진 시간에 정보를 보내준다. 말하자면 노트북 한 대를 개인용 AI 비서 서버처럼 쓰는 셈이다.

이 글은 그 실험의 첫 기록이다. 앞으로 AI Agent가 무엇인지, 어떻게 세팅했는지, 실제로 교육현장과 교육전문직 업무에 어떤 도움이 될 수 있는지 하나씩 정리해 보려고 한다.

생성형 AI[ChatGPT]와 AI Agent는 다르다

ChatGPT는 기본적으로 대화형 AI다. 내가 묻고, AI가 답한다. 글을 써달라고 하면 글을 써주고, 자료를 요약해 달라고 하면 요약해 준다. 이 자체만으로도 충분히 유용하다.

하지만 AI Agent는 여기서 한 걸음 더 나아간다. 단순히 답변을 생성하는 데서 멈추지 않고, 필요한 도구를 사용하고, 파일을 읽고, 명령을 실행하고, 일정을 확인하고, 정해진 시간에 자동으로 작업을 수행할 수 있다.

간단히 말하면 차이는 이렇다.

• ChatGPT는 “무엇을 해야 할지” 알려준다.

• AI Agent는 정해진 권한 안에서 “그 일을 직접 처리”할 수 있다.

물론 이 표현만 보면 AI Agent가 모든 일을 알아서 해주는 완성형 비서처럼 느껴질 수 있다. 실제로 써보면 그렇지는 않다. 설정도 필요하고, 권한도 정해야 하고, 잘못 실행하지 않도록 사용자가 계속 방향을 잡아줘야 한다. 그래도 중요한 차이가 있다. AI Agent는 대화창 안에만 머무는 AI가 아니라, 내 실제 업무 환경 안으로 들어올 수 있는 AI라는 점이다.

내가 지금 쓰고 있는 방식

현재 내가 사용하는 방식은 비교적 단순하다. Windows 노트북에 Hermes Agent를 설치하고, Telegram과 연결했다. 그래서 컴퓨터 앞에 앉아 있지 않아도 휴대폰으로 AI에게 지시할 수 있다.

예를 들어 이런 식이다.

• 블로그 글감을 Telegram에 남긴다.

• AI가 티스토리용 글 초안을 작성한다.

• 논문 아이디어나 선행연구 방향을 정리한다.

• 주식이나 뉴스 브리핑을 정해진 시간에 받는다.

• 주제별 Telegram 그룹방을 나누어 사용한다.

나는 현재 Telegram 안에 목적별 공간을 나누어 쓰고 있다. 논문쓰기, 재테크, 블로깅처럼 방의 목적을 구분해두면 생각보다 편하다. 카카오톡 단체방처럼 익숙한 방식으로 AI에게 말을 걸 수 있고, 대화의 맥락도 어느 정도 분리된다.

이 방식이 마음에 드는 이유는 컴퓨터 앞에 앉아 있는 시간과 생각이 떠오르는 시간이 꼭 일치하지 않기 때문이다. 이동 중에 글감이 떠오를 때가 있고, 회의 후에 정리할 내용이 생길 때가 있고, 밤에 갑자기 논문 아이디어가 생각날 때도 있다. 그때마다 휴대폰으로 AI에게 던져두면 나중에 이어서 작업할 수 있다.

교육현장에서 왜 이 기술을 봐야 할까

교육현장은 바쁘다. 교사도 바쁘고, 교육전문직원도 바쁘고, 학교 관리자도 바쁘다. 문제는 그 바쁨의 상당 부분이 깊은 교육적 판단만으로 이루어져 있지 않다는 데 있다. 반복적인 문서 작업, 자료 검색, 회의 정리, 보고서 초안, 연수 자료 구성처럼 시간을 많이 쓰지만 꼭 사람이 처음부터 끝까지 붙잡고 있어야 하는지는 의문인 일들이 많다.

예를 들면 이런 일들이다.

• 정책자료 요약하기

• 회의자료 초안 만들기

• 연수 계획서 구조 잡기

• 설문 문항 초안 작성하기

• 공문이나 안내문 문장 다듬기

• 보고서 목차 구성하기

• 선행연구 검색 방향 정리하기

• 반복적으로 확인해야 하는 정보 브리핑 받기

이런 업무는 AI Agent가 도와줄 수 있는 영역이다. 특히 교육전문직원처럼 여러 사업과 자료를 동시에 다루는 사람에게는 의미가 크다. AI Agent가 모든 판단을 대신할 수는 없지만, 초안을 만들고, 자료를 정리하고, 반복 작업을 줄여주는 것만으로도 업무 부담은 꽤 달라질 수 있다.

교사에게도 마찬가지다. 수업 준비, 평가 피드백, 생활지도 자료, 학부모 안내문, 개별화 자료 구성처럼 AI가 보조할 수 있는 영역은 많다. 다만 학교 현장에서는 개인정보, 저작권, 책임성 문제가 함께 따라온다. 그래서 무작정 “AI가 다 해준다”는 식으로 접근하면 위험하다. 오히려 어디까지 맡기고, 어디서 사람이 확인해야 하는지를 구분하는 것이 중요하다.

아직은 완성된 비서가 아니다

AI Agent를 며칠만 써봐도 금방 알게 된다. 아직은 완성된 비서라기보다, 계속 조정하면서 쓰는 실험 도구에 가깝다.

가끔은 내가 의도한 것과 다르게 이해한다. 어떤 기능은 설정이 필요하고, 어떤 기능은 비용 구조를 이해해야 한다. API를 쓰는 방식인지, 구독 기반으로 쓰는 방식인지, 로컬 컴퓨터에서 처리하는 방식인지에 따라 부담이 달라진다. Telegram과 연결해 쓰는 경우에는 봇 설정, 그룹 권한, 서버 실행 상태 같은 문제도 신경 써야 한다.

그래도 이 과정 자체가 의미 있다고 느낀다. 교육현장에 AI Agent를 적용하려면 단순히 결과물만 볼 것이 아니라, 실제 사용 과정에서 무엇이 불편하고 무엇이 위험하며 무엇이 쓸 만한지를 경험적으로 알아야 하기 때문이다.

나는 이 블로그에 성공담만 쓰고 싶지는 않다. 세팅하다 막힌 부분, 비용 때문에 방식을 바꾼 부분, Telegram 연결 과정에서 헷갈렸던 부분, 실제 업무에 도움이 된 부분, 아직은 사람의 확인이 꼭 필요했던 부분을 함께 기록하려고 한다.

이 블로그에서 다루려는 것

앞으로 이 카테고리에는 AI Agent에 대한 이론적 설명과 실제 사용 경험을 함께 쌓아갈 예정이다. 단순한 툴 소개가 아니라, 교육현장의 업무 흐름 안에서 AI Agent가 어떤 의미를 가질 수 있는지 살펴보는 기록으로 만들고 싶다.

앞으로 다룰 주제는 대략 다음과 같다.

• AI Agent란 무엇인가

• ChatGPT와 AI Agent는 무엇이 다른가

• Windows 노트북을 개인 AI 서버처럼 쓰는 방법

• Telegram으로 AI Agent를 사용하는 방법

• Hermes Agent를 세팅하며 겪은 시행착오

• 교육전문직 업무에서 AI Agent가 줄여줄 수 있는 일

• 교사 업무경감 관점에서 본 AI Agent 활용

• 교감 업무에 AI Agent를 적용한다면 가능한 일

• AI Agent 사용 시 비용과 보안 문제

• AI Agent 활용 경험을 논문과 강의로 연결하는 방법

나중에는 이 글들을 모아 전자책 형태로 정리해보고 싶다. 방향은 분명하다. 교육공학의 관점에서 AI Agent를 이해하고, 교육현장과 교육전문직 업무를 줄이는 실제적인 방법을 찾는 것이다.

마무리

AI Agent는 아직 낯선 기술이다. 하지만 교육현장의 업무 흐름을 생각하면 그냥 지나칠 기술은 아니다. 생성형 AI가 문장을 만들어주는 도구였다면, AI Agent는 업무의 일부를 맡길 수 있는 도구에 가깝다.

물론 신중해야 한다. 학교와 교육행정은 개인정보, 책임성, 정확성이 중요한 영역이다. AI가 만든 결과를 그대로 믿어서는 안 되고, 민감한 자료를 아무 곳에나 넣어서도 안 된다. 사람의 판단과 검토는 여전히 필요하다.

그럼에도 현장을 잘 아는 사람이 먼저 써보고 기록할 필요가 있다. 어디까지 가능하고, 어디서 조심해야 하는지 직접 경험해보는 사람이 있어야 한다. 이 블로그의 AI Agent 카테고리는 그 기록이 될 것이다.

다음 글에서는 ChatGPT와 AI Agent의 차이를 조금 더 구체적으로 정리해보려고 한다. 단순히 “대화하는 AI”와 “일을 수행하는 AI”가 어떻게 다른지, 실제 사용 장면을 중심으로 풀어볼 생각이다.