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 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.

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.

지난 글에서 Windows 노트북을 개인 AI 서버처럼 쓰게 된 과정을 이야기했습니다. 오늘은 그 노트북 안에서 실제로 움직이는 Hermes Agent의 설치와 기본 구조를 조금 더 구체적으로 정리해 보려 합니다.

설치 글이라고 하면 보통 명령어가 길게 이어집니다. 하지만 제가 직접 써 보면서 더 도움이 되었던 것은 “무엇을 어디에 설치하느냐”보다 “어떤 구성 요소가 서로 연결되어 일 하나가 완성되느냐”였습니다. 교육전문직 업무에 적용할 때도 마찬가지였습니다. 기능 목록을 외우는 것보다, 요청이 들어와서 자료를 읽고 결과물을 남기기까지의 흐름을 이해하는 편이 훨씬 실용적이었습니다.

1. Hermes Agent는 채팅창 하나가 아니라 작업 실행 환경이었다

처음에는 Hermes Agent도 ChatGPT처럼 대화하는 프로그램이라고 생각하기 쉽습니다. 실제로 터미널에서 hermes를 실행하면 대화창이 열리고, 질문을 입력하면 답을 줍니다. 그런데 몇 번 써 보면 성격이 조금 다르다는 것을 알게 됩니다.

Hermes Agent는 대화만 하는 도구가 아니라, 제 컴퓨터의 파일을 읽고, 필요한 명령을 실행하고, 브라우저나 Google Workspace 같은 외부 도구와 연결될 수 있는 작업 실행 환경에 가깝습니다. 제가 “다음 블로그 글을 준비해줘”라고 말하면 단순히 글만 답하는 것이 아니라, 폴더를 확인하고, Markdown 파일을 만들고, Word 파일과 이미지를 생성하고, Drive에 업로드하는 흐름까지 이어질 수 있습니다.

이 차이를 이해하고 나니 설치의 의미도 달라졌습니다. 프로그램 하나를 설치하는 것이 아니라, AI가 제 작업 공간 안에서 안전하게 움직일 수 있는 작은 업무실을 만드는 느낌이었습니다.

2. 설치보다 먼저 정한 것은 ‘어디에서 일하게 할 것인가’였다

저는 Hermes Agent를 Windows 노트북에서 사용하고 있습니다. 교육자료, 블로그 원고, 다운로드한 파일, 브라우저 로그인 환경이 이미 그 노트북에 있었기 때문입니다. 별도 서버를 새로 만드는 것보다, 실제 자료가 있는 곳 가까이에 Agent를 두는 편이 시작하기 쉬웠습니다.

이때 중요한 것은 작업 위치였습니다. 예를 들어 블로그 작업은 C:\Users\User\Desktop\블로그\AI Agent 아래에 두고, 초안·발행완료·전자책원고·자료 폴더를 나누었습니다. Hermes Agent에게 일을 맡길 때 “이 폴더를 기준으로 확인해줘”라고 말할 수 있으니 결과물이 흔들리지 않았습니다.

교육현장 업무에 적용한다면 같은 방식으로 생각할 수 있습니다. 연수 기획 폴더, 회의자료 폴더, 정책자료 요약 폴더처럼 Agent가 접근할 작업장을 먼저 정해 두는 것입니다. 설치 명령어보다 이런 작업장 설계가 실제 활용에서는 더 큰 차이를 만들었습니다.

3. 기본 구조는 CLI, 설정, 도구, 기술로 나누어 볼 수 있었다

Hermes Agent를 이해할 때 저는 네 가지 층으로 나누어 보았습니다.

첫째는 CLI입니다. 터미널에서 직접 Hermes와 대화하는 기본 입구입니다. hermes, hermes chat, hermes setup, hermes doctor 같은 명령으로 실행, 설정, 점검을 합니다. 처음 문제가 생겼을 때도 이 CLI가 기준점이 되었습니다.

둘째는 설정입니다. 어떤 모델을 쓸지, 어떤 제공자 API를 연결할지, 어떤 도구를 켤지, Gateway를 어떻게 실행할지 같은 정보가 들어갑니다. 설정은 한 번에 완벽하게 끝내기보다, 실제 쓰면서 조금씩 다듬는 쪽에 가까웠습니다.

셋째는 도구입니다. 파일 읽기와 쓰기, 터미널 실행, 브라우저 조작, Google Drive 업로드 같은 기능이 여기에 해당합니다. AI Agent가 챗봇을 넘어서는 지점도 이 도구 사용에서 나옵니다.

넷째는 기술입니다. Hermes에서는 반복되는 작업 절차를 skill로 저장해 둘 수 있습니다. 오늘 이 블로그 준비 작업도 “목차 확인 → 초안 작성 → 이미지 생성 → Drive 업로드 → 링크 보고”라는 절차가 쌓여서 매일 반복 가능한 흐름이 되었습니다.

4. Telegram 연결은 사용 방식을 크게 바꾸었다

CLI만으로도 Hermes Agent를 사용할 수 있지만, 제 사용 방식이 확 바뀐 시점은 Telegram 연결 이후였습니다. 터미널 앞에 앉아 있을 때만 명령하는 것이 아니라, 휴대폰에서 메시지를 보내도 노트북의 Agent가 작업을 수행하게 되었기 때문입니다.

구조를 단순하게 표현하면 이렇습니다. 제가 Telegram 방에 요청을 남기면 Gateway가 그 메시지를 Hermes Agent로 전달합니다. Agent는 필요한 도구를 사용해 로컬 파일을 읽거나 이미지를 만들고, 결과를 다시 Telegram 방으로 보고합니다. 겉으로는 대화방 하나처럼 보이지만, 안쪽에서는 메시지 플랫폼, Agent 실행 환경, 로컬 파일 시스템, Google Drive가 이어져 있습니다.

이 구조는 교육전문직 업무에도 잘 맞습니다. 이동 중 떠오른 연수 아이디어를 남기거나, 회의가 끝난 뒤 정리 요청을 보내거나, 다음 날 아침 브리핑을 예약하는 방식이 가능합니다. 컴퓨터 앞에 앉아 명령을 입력하는 시간이 줄어드는 것만으로도 활용감이 달라졌습니다.

5. 처음부터 모든 권한을 열어 두지는 않았다

Agent가 여러 도구를 사용할 수 있다는 것은 편리하지만, 동시에 조심해야 할 부분이기도 합니다. 파일을 읽고, Drive에 업로드하고, 메일이나 캘린더와 연결할 수 있다면 권한의 범위를 정해야 합니다.

저는 되돌리기 어려운 일은 자동화하지 않는 쪽으로 선을 그었습니다. 티스토리 글도 초안과 이미지를 준비하는 것까지만 Agent가 맡고, 실제 수정 후 발행은 제가 직접 합니다. Google Drive에 파일을 올릴 때도 공개 공유 설정은 바꾸지 않고, 제 계정 기준 링크만 확인합니다.

학교 업무에 적용할 때는 이 원칙이 더 중요합니다. 학생 개인정보, 인사 관련 자료, 민감한 공문처럼 조심해야 할 정보는 AI Agent에게 맡길 범위와 방식이 분명해야 합니다. “할 수 있다”와 “맡겨도 된다”는 다른 문제였습니다.

6. 설치 후에는 점검 명령과 로그 보는 습관이 필요했다

Hermes Agent를 계속 쓰다 보니 설치 자체보다 운영 점검이 더 자주 필요했습니다. 모델 연결이 잘 되는지, Google 인증이 살아 있는지, Gateway가 실행 중인지, 예약 작업이 제대로 돌고 있는지 확인해야 했습니다.

이때 hermes doctor, hermes status, Gateway 상태 확인, Google OAuth 인증 확인 같은 점검이 도움이 되었습니다. 문제가 생기면 대개 “Agent가 똑똑하지 않아서”가 아니라 토큰이 만료되었거나, 경로가 잘못되었거나, 노트북이 잠들었거나, 특정 도구 권한이 빠진 경우가 많았습니다.

교육청이나 학교에서 쓰는 시스템도 비슷합니다. 시스템을 도입했다고 끝나는 것이 아니라, 정기적으로 로그인, 권한, 저장 위치, 백업을 확인해야 안정적으로 쓸 수 있습니다. AI Agent도 결국 하나의 업무 시스템으로 보아야 했습니다.

7. 구조를 이해하니 자동화 아이디어가 더 현실적으로 보였다

Hermes Agent의 구조를 어느 정도 이해하고 나니 “AI가 무엇이든 해준다”는 막연한 기대보다, 어떤 일을 맡기면 좋은지가 더 선명해졌습니다. 자료 위치가 정해져 있고, 결과 형식이 분명하며, 최종 판단은 사람이 하는 일부터 자동화하기 좋았습니다.

예를 들어 블로그 글 준비, 회의자료 초안 정리, 연수 안내문 초안 작성, 자료 목록화, 반복 브리핑 같은 일은 구조가 잘 맞았습니다. 반대로 맥락 판단이 복잡하거나 민감한 정보가 섞인 일은 사람이 더 촘촘히 개입해야 했습니다.

저에게 Hermes Agent 설치는 기술을 하나 더 배운 일이기도 했지만, 업무를 단계로 나누어 보는 연습이기도 했습니다. 요청, 자료, 도구, 결과, 검토의 흐름을 나누어 보면 교육현장 업무경감의 가능성도 조금 더 구체적으로 보입니다.

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.