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 연수 기획 초안을 AI Agent와 함께 만드는 과정을 이야기했습니다. 정책 자료를 읽고, 연수 대상과 목표를 정하고, 차시 구성과 운영 방식을 잡는 일은 생각보다 많은 판단을 요구합니다. AI Agent는 그 판단을 대신하기보다, 판단할 수 있는 초안을 빠르게 만들어 주는 역할을 했습니다.

이번 글에서는 교육전문직 업무에서 더 자주 마주치는 문서인 공문과 보고서 초안 작성에 AI Agent를 어떻게 활용할 수 있는지 정리해 보려고 합니다. 연수 기획안이 비교적 큰 구조를 잡는 문서라면, 공문과 보고서는 정해진 형식 안에서 정확한 내용을 담아야 하는 문서입니다. 그래서 AI Agent를 쓸 때도 “그럴듯한 문장”보다 “목적, 대상, 근거, 일정, 요청 사항이 정확한가”가 훨씬 중요합니다.

공문과 보고서는 교육행정의 언어로 움직이는 문서입니다. 짧아 보이지만 한 문장 한 문장에 책임이 따릅니다. 누가 무엇을 해야 하는지, 언제까지 해야 하는지, 어떤 근거로 안내하는지, 첨부 자료는 무엇인지가 분명해야 합니다. AI Agent는 이 문서들을 처음부터 끝까지 대신 작성하는 도구라기보다, 빈 문서를 열고 첫 문장을 만들기 어려운 시간을 줄여 주는 보조자에 가깝습니다.

1. 공문과 보고서는 ‘문장력’보다 ‘맥락 정리’가 먼저다

공문을 작성할 때 가장 먼저 필요한 것은 멋진 표현이 아닙니다. 문서의 목적을 정확히 정리하는 일입니다. 이 공문이 단순 안내인지, 자료 제출 요청인지, 연수 신청 안내인지, 회의 참석 협조인지에 따라 문장의 방향이 달라집니다. 수신 대상이 학교인지, 교육지원청인지, 내부 부서인지에 따라서도 표현과 필요한 정보가 달라집니다.

보고서도 마찬가지입니다. 보고서는 “무엇을 했다”를 적는 문서가 아니라, 왜 했고, 어떻게 진행되었고, 어떤 결과와 시사점이 있는지를 상급자나 동료가 빠르게 이해하도록 정리하는 문서입니다. 특히 교육전문직 업무에서는 사업 결과 보고, 연수 운영 결과 보고, 정책 추진 상황 보고처럼 일정한 형식이 반복됩니다.

AI Agent에게 바로 “공문 써 줘”, “보고서 써 줘”라고 요청하면 문장은 만들어 줍니다. 하지만 그 문장이 실제 업무에 맞는지는 별개의 문제입니다. 핵심은 문서 작성 전에 맥락을 정리해 주는 것입니다. 목적, 대상, 일정, 근거, 요청 사항, 첨부 자료, 톤, 분량 같은 조건을 함께 주어야 결과가 업무 문서에 가까워집니다.

저는 공문이나 보고서 초안을 요청할 때 먼저 머릿속에 흩어진 정보를 짧게라도 적어 둡니다. “초등 교원 대상 연수 신청 안내”, “신청 기간은 6월 10일부터 6월 20일까지”, “자료집은 붙임으로 제공”, “학교 업무 부담을 줄이기 위해 핵심만 안내”처럼 적어 두면 AI Agent가 문서의 뼈대를 훨씬 잘 잡아 줍니다.

2. AI Agent에게 줄 입력은 ‘업무 메모’처럼 쓰면 된다

AI Agent를 잘 활용하려면 완성된 문장으로 요청해야 한다고 생각하기 쉽습니다. 하지만 실제로는 업무 메모를 넘겨주는 방식이 더 편합니다. 사람이 초안을 만들기 전에도 보통 메모는 있습니다. 일정, 대상, 회의에서 결정된 내용, 담당자가 꼭 넣으라고 한 문구, 빠지면 안 되는 붙임 자료 같은 것들입니다.

예를 들어 공문 초안을 요청할 때는 이렇게 말할 수 있습니다.

다음 내용을 바탕으로 학교에 보낼 공문 초안을 만들어 줘. 목적은 초등 교원 대상 AI 활용 수업 설계 연수 신청 안내야. 대상은 관내 초등학교 교원이고, 신청 기간은 6월 10일부터 6월 20일까지야. 연수는 7월 중 3시간 과정으로 운영하고, 신청 방법은 온라인 신청 시스템을 이용해. 문체는 공문체로 간결하게 작성하고, 본문에는 목적, 신청 대상, 신청 기간, 신청 방법, 협조 요청을 포함해 줘.

보고서 초안도 비슷합니다.

아래 메모를 바탕으로 연수 운영 결과 보고서 초안을 만들어 줘. 보고서에는 추진 배경, 운영 개요, 주요 내용, 참여자 반응, 성과, 개선점, 향후 계획을 포함해 줘. 문장은 교육청 내부 보고서 스타일로 정리해 줘.

이런 요청은 화려하지 않지만 실무적으로 유용합니다. AI Agent는 사용자가 준 메모를 바탕으로 문서 형식에 맞게 배열해 줍니다. 사람은 그 초안을 보며 빠진 내용, 과장된 표현, 실제와 맞지 않는 부분을 고치면 됩니다.

3. 공문 초안에서는 ‘요청 사항’과 ‘기한’을 특히 확인해야 한다

공문에서 가장 중요한 부분은 결국 상대가 무엇을 해야 하는지입니다. 안내 공문이라면 읽고 이해하면 되지만, 신청이나 제출을 요청하는 공문이라면 대상자가 해야 할 행동이 분명해야 합니다. 신청 기간, 제출 기한, 제출 방법, 문의처, 붙임 자료가 빠지면 공문을 받은 학교에서는 다시 전화를 하거나 추가 안내를 요구하게 됩니다.

AI Agent는 공문체 문장을 빠르게 만들어 주지만, 때로는 실제로 정해지지 않은 날짜나 절차를 그럴듯하게 채워 넣을 수 있습니다. 그래서 공문 초안을 받을 때는 반드시 숫자와 절차를 확인해야 합니다. 날짜, 시간, 장소, 대상, 인원, 제출처, 시스템 이름, 담당자 연락처는 사람이 직접 검토해야 합니다.

또 하나 확인할 부분은 표현의 강도입니다. 학교에 협조를 요청하는 공문인지, 반드시 제출해야 하는 공문인지에 따라 문장이 달라져야 합니다. AI Agent가 만든 문장이 너무 강하거나 너무 느슨할 수 있습니다. “적극 협조하여 주시기 바랍니다”와 “기한 내 제출하여 주시기 바랍니다”는 비슷해 보이지만 행정적 의미는 다릅니다.

그래서 저는 공문 초안을 받은 뒤 AI Agent에게 한 번 더 요청하는 편이 좋다고 봅니다.

이 공문에서 수신자가 실제로 해야 할 행동, 기한, 제출 방법, 문의처가 분명한지 점검해 줘. 빠진 항목이 있으면 목록으로 알려 줘.

이렇게 하면 AI Agent를 단순 작성 도구가 아니라 문서 점검 도구로도 사용할 수 있습니다.

4. 보고서 초안에서는 ‘사실’과 ‘해석’을 나누어야 한다

보고서는 공문보다 서술이 길어지는 경우가 많습니다. 사업 결과 보고, 연수 운영 결과 보고, 정책 추진 상황 보고처럼 여러 항목을 포함해야 하기 때문입니다. 이때 AI Agent는 흩어진 메모를 구조화하는 데 유용합니다. 추진 배경, 운영 개요, 주요 내용, 성과, 문제점, 개선 방향처럼 익숙한 틀로 정리해 줍니다.

하지만 보고서에서 특히 조심해야 할 점은 사실과 해석을 구분하는 것입니다. 예를 들어 “연수 만족도가 높았다”는 해석입니다. 실제 설문 결과가 평균 4.6점인지, 참여자 서술형 의견에 긍정 표현이 많았는지, 재참여 의향이 높았는지 같은 근거가 있어야 합니다. AI Agent가 “높은 만족도를 보였다”고 썼다면 그 문장을 뒷받침할 자료가 있는지 확인해야 합니다.

교육행정 문서에서 보고서는 의사결정의 근거가 될 수 있습니다. 그러므로 AI가 만든 표현이 실제보다 과장되어서는 안 됩니다. “성과가 우수했다”, “현장 반응이 매우 긍정적이었다”, “정책 확산에 크게 기여했다” 같은 표현은 편리하지만, 근거가 부족하면 위험합니다. 필요하다면 “참여자 의견을 바탕으로 긍정적 반응을 확인하였다”처럼 조심스럽게 바꾸는 편이 낫습니다.

AI Agent에게 보고서 초안을 맡길 때는 원자료를 함께 주는 것이 좋습니다. 참석 인원, 운영 일정, 설문 결과, 주요 의견, 예산 집행 현황, 사진 또는 산출물 목록처럼 확인 가능한 자료를 함께 주면 보고서가 훨씬 안정적입니다. 자료가 부족할 때는 AI Agent에게 “근거가 필요한 문장을 표시해 줘”라고 요청할 수도 있습니다.

5. Telegram 대화방은 문서 초안의 임시 작업대가 된다

Hermes Agent를 Telegram으로 연결해 두면 공문이나 보고서 초안을 만드는 과정이 조금 달라집니다. 책상 앞에 앉아 워드나 한글 파일을 열기 전에, 먼저 Telegram 대화방에 업무 메모를 던져 둘 수 있습니다. 이동 중에 떠오른 문서 목적, 회의에서 정리된 결정 사항, 빠지면 안 되는 문구를 남겨 두었다가 나중에 초안으로 바꿀 수 있습니다.

이 방식의 장점은 문서 작성의 시작점이 낮아진다는 점입니다. 완성된 문장을 쓰려고 하면 부담스럽지만, Telegram에 메모를 남기는 것은 쉽습니다. “이 연수 신청 안내 공문 필요”, “대상은 초등 교원”, “신청 기한은 다음 주 금요일”, “학교 부담 줄이는 표현 필요”처럼 적어 두면 됩니다. 이후 AI Agent에게 “위 메모를 바탕으로 공문 초안으로 정리해 줘”라고 요청하면 문서의 첫 구조가 생깁니다.

주제별 대화방을 나누어 둔 것도 도움이 됩니다. 블로그 글은 블로깅 대화방에서, 논문 관련 자료는 논문쓰기 대화방에서, 문서 검토는 문서 검토 대화방에서 다루면 맥락이 섞이지 않습니다. 공문과 보고서도 특정 업무 대화방에서 이어서 다루면 이전 요청과 결과를 다시 참고하기 쉽습니다.

물론 최종 문서는 여전히 공식 문서 편집 환경에서 확인해야 합니다. Telegram 대화방은 임시 작업대입니다. 문서의 생각을 모으고, 초안을 만들고, 점검 목록을 만드는 공간으로 활용하고, 최종 형식과 결재선, 붙임 파일, 문서 번호, 보안 여부는 공식 시스템에서 확인해야 합니다.

6. 사람이 반드시 검토해야 할 다섯 가지

공문과 보고서 작성에서 AI Agent를 사용할 때 사람이 반드시 확인해야 할 부분은 분명합니다.

첫째, 사실입니다. 날짜, 장소, 대상, 인원, 예산, 수치, 기관명, 담당자, 연락처는 반드시 확인해야 합니다. AI가 추정해서 넣은 정보가 있다면 삭제하거나 실제 정보로 바꾸어야 합니다.

둘째, 근거입니다. 공문에는 관련 계획, 법령, 지침, 회의 결과 같은 근거가 필요할 때가 있습니다. 보고서에는 결과를 뒷받침할 자료가 필요합니다. AI Agent가 만든 문장이 근거 없이 단정적으로 보이면 완화하거나 근거를 추가해야 합니다.

셋째, 책임입니다. 공문은 수신자에게 행동을 요구할 수 있고, 보고서는 의사결정에 영향을 줄 수 있습니다. 따라서 “누가 무엇을 해야 하는지”와 “이 문서가 어떤 판단을 유도하는지”를 사람이 다시 봐야 합니다.

넷째, 보안과 개인정보입니다. 학생, 교원, 학교, 민감한 민원, 내부 검토 자료가 포함된 경우에는 특히 조심해야 합니다. AI Agent에게 넘기는 자료의 범위를 정하고, 필요하면 익명화한 뒤 초안을 만들도록 해야 합니다.

다섯째, 기관의 문체와 형식입니다. AI가 만든 문장이 일반적으로는 자연스러워도 기관에서 쓰는 공문체, 보고서 양식, 결재 문구와 다를 수 있습니다. 최종 문서는 기관의 기존 문서 스타일에 맞게 다듬어야 합니다.

7. 업무경감은 ‘대신 쓰기’가 아니라 ‘초안과 점검의 속도’에서 나온다

공문과 보고서 작성에 AI Agent를 활용한다고 해서 문서 작성 책임이 AI에게 넘어가는 것은 아닙니다. 특히 교육전문직 업무의 문서는 공식성과 책임성이 있습니다. 최종 판단과 검토는 반드시 사람이 해야 합니다.

그럼에도 AI Agent가 실질적인 도움이 되는 이유는 분명합니다. 빈 문서에서 시작하는 시간을 줄여 줍니다. 업무 메모를 문서 구조로 바꾸어 줍니다. 표현을 공문체나 보고서체로 정리해 줍니다. 빠진 항목을 점검해 줍니다. 같은 내용을 학교 안내용, 내부 보고용, 회의자료용으로 바꾸어 보는 것도 가능합니다.

업무경감은 문서를 아무 생각 없이 자동으로 만드는 데서 생기지 않습니다. 오히려 초안을 빨리 확보하고, 검토할 지점을 빠르게 드러내고, 반복적인 표현 정리에 쓰는 시간을 줄이는 데서 생깁니다. AI Agent를 잘 쓰면 사람은 문장 생산에 쓰던 시간을 줄이고, 문서의 정확성, 적절성, 책임성을 확인하는 데 더 많은 시간을 쓸 수 있습니다.

마무리하며

공문과 보고서는 교육전문직 업무에서 피하기 어려운 문서입니다. 짧은 공문 하나에도 목적, 대상, 기한, 요청 사항, 근거, 붙임 자료가 들어가고, 보고서 하나에도 사실과 해석, 성과와 개선점, 향후 계획이 함께 담깁니다. 이런 문서는 AI Agent가 대신 책임질 수는 없지만, 초안을 만들고 점검하는 과정에서는 충분히 도움을 줄 수 있습니다.

Hermes Agent와 Telegram을 함께 쓰면 업무 메모를 바로 초안으로 바꾸고, 다시 점검 목록으로 되돌리는 흐름을 만들 수 있습니다. 중요한 것은 AI가 쓴 문장을 그대로 믿는 것이 아니라, AI가 만든 초안을 바탕으로 사람이 더 정확하게 검토하는 것입니다.

AI Agent는 공문과 보고서를 대신 결재받아 주는 도구가 아닙니다. 그러나 빈 문서를 여는 부담을 줄이고, 반복적인 문서 구조를 빠르게 잡아 주며, 빠진 항목을 점검하게 해 주는 실무 협업자가 될 수 있습니다. 교육전문직의 문서 작성 업무경감은 바로 이 지점에서 시작될 수 있습니다.

지난 글에서는 AI Agent로 교육정책 자료를 요약하는 과정을 이야기했습니다. 교육부 보도자료, 교육청 계획, 연수 운영 지침처럼 긴 자료를 읽을 때 AI Agent는 핵심 내용을 줄여 주는 데서 그치지 않고, 교육전문직 관점에서 쟁점을 정리하고 다음 문서에 넣을 문장 초안까지 만들어 줄 수 있었습니다.

그런데 정책 자료 요약은 사실 다음 작업의 출발점에 가깝습니다. 교육전문직 업무에서는 자료를 읽고 끝나는 경우가 많지 않습니다. 자료를 읽은 뒤에는 보고자료를 만들거나, 학교에 안내하거나, 연수 기획에 반영해야 합니다. 특히 교원연수 업무에서는 정책의 방향을 실제 교사가 이해하고 실천할 수 있는 배움의 구조로 바꾸어야 합니다.

이번 글에서는 그중에서도 연수 기획 초안을 AI Agent와 함께 만드는 과정을 다루어 보려고 합니다. 연수 기획은 단순히 제목을 정하고 강사를 섭외하는 일이 아닙니다. 대상, 필요성, 목표, 내용, 운영 방식, 일정, 기대 효과까지 연결해야 하는 복합적인 작업입니다. Hermes Agent를 활용하면 이 과정을 처음부터 혼자 붙잡고 있기보다, 초안을 빠르게 만들고 여러 방향으로 조정해 보면서 기획의 출발점을 마련할 수 있습니다.

1. 연수 기획은 생각보다 많은 판단을 요구한다

연수 기획이라고 하면 먼저 연수명, 강사, 일정표를 떠올리기 쉽습니다. 하지만 실제로 연수를 기획해 보면 그보다 훨씬 많은 판단이 필요합니다. 이 연수가 왜 필요한지, 누구를 대상으로 해야 하는지, 정책 방향과 현장 요구가 어떻게 연결되는지, 강의와 실습의 비율은 어느 정도가 적절한지, 연수 후 교사가 무엇을 가져가야 하는지까지 생각해야 합니다.

특히 교육전문직 업무에서 연수 기획은 단순한 행정 문서 작성이 아닙니다. 정책의 언어를 현장의 배움 구조로 바꾸는 일에 가깝습니다. 정책 자료에는 “디지털 기반 교육혁신을 지원한다”처럼 넓은 문장이 들어 있습니다. 그러나 연수에서는 그것을 교사가 이해할 수 있는 사례, 실습, 질문, 적용 과제로 바꾸어야 합니다.

이 과정에서 가장 어려운 순간은 빈 문서를 처음 열었을 때입니다. 방향은 어렴풋이 있지만 제목, 필요성, 목표, 세부 내용으로 정리하려면 생각이 잘 움직이지 않을 때가 있습니다. AI Agent는 바로 이 지점에서 도움이 됩니다. 기획을 대신 완성해 주기보다, 흩어져 있는 생각을 연수 기획안의 형식으로 빠르게 배열해 주기 때문입니다.

2. “기획안 써 줘”라고만 하면 부족하다

AI Agent에게 연수 기획안을 요청할 때 “연수 기획안 써 줘”라고만 하면 대체로 무난하지만 평범한 결과가 나옵니다. 일반적인 연수 목적, 비슷한 차시 구성, 익숙한 기대 효과가 나열될 가능성이 큽니다. 이런 결과도 출발점으로는 쓸 수 있지만, 실제 업무에 바로 붙이기에는 부족합니다.

결과가 달라지는 지점은 맥락을 얼마나 함께 주느냐에 있습니다. 예를 들어 “초등 교사 대상”, “3시간 연수”, “디지털 기반 수업 설계”, “실습 중심”, “연수 후 바로 사용할 수 있는 산출물 필요”처럼 조건을 넣으면 훨씬 현실적인 초안이 나옵니다. 정책 자료나 이전 요약문을 함께 제공하면 정책 방향과 현장 적용 사이의 연결도 더 잘 잡힙니다.

저는 AI Agent에게 요청할 때 가급적 다음 요소를 함께 주려고 합니다. 연수 대상, 연수 시간, 정책 배경, 현장 교사의 어려움, 원하는 산출물, 운영 방식입니다. 이 정도만 있어도 Agent는 단순한 제목 제안을 넘어 연수 필요성, 목표, 차시 구성, 활동 예시, 운영상 유의점까지 한 번에 정리해 줍니다.

예를 들면 이런 식입니다.

이 정책 자료를 바탕으로 초등 교사를 대상으로 한 3시간 연수 기획 초안을 만들어 줘. 연수 목적, 대상, 필요성, 목표, 세부 내용, 운영 방법, 기대 효과를 포함해 줘. 강의식 설명보다 사례 분석과 실습 활동이 포함되도록 구성해 줘.

이 요청에는 “무엇을”, “누구에게”, “얼마나”, “어떤 방식으로”가 들어 있습니다. AI Agent에게 필요한 것은 단순한 명령이 아니라, 기획자가 보고 있는 업무 맥락입니다.

3. AI Agent가 도와줄 수 있는 연수 기획 요소

연수 기획에서 AI Agent가 비교적 잘 도와주는 부분은 초안화가 필요한 영역입니다. 예를 들어 연수 제목 후보를 여러 개 만들거나, 연수 필요성 문단을 정책 배경과 현장 요구로 나누어 작성하거나, 연수 목표를 3~5개로 정리하는 일은 Agent가 빠르게 처리할 수 있습니다.

차시 구성도 유용했습니다. 3시간, 6시간, 15시간처럼 시간 조건을 주면 도입, 정책 이해, 사례 탐색, 실습, 공유, 정리 단계로 나누어 일정을 제안해 줍니다. 여기에 “강의 30%, 실습 50%, 공유 20% 정도로 구성해 줘”처럼 비율을 주면 더 구체적인 일정표가 나옵니다.

또 하나 유용한 부분은 부속 자료입니다. 연수 운영을 하려면 기획안만 필요한 것이 아닙니다. 설문 문항, 사전 과제 안내, 실습 활동지, 만족도 설문, 운영자 체크리스트, 강사 섭외 기준도 필요합니다. AI Agent는 이런 부속 문서의 초안까지 이어서 만들 수 있습니다. 연수 기획이 하나의 문서에서 끝나지 않고 여러 산출물로 확장되는 업무라는 점을 생각하면 이 부분이 꽤 큰 도움이 됩니다.

물론 Agent가 만든 결과가 곧바로 최종안이 되지는 않습니다. 하지만 빈 문서에서 시작하는 것과, 어느 정도 구조가 잡힌 초안을 놓고 고치는 것은 다릅니다. 업무경감은 바로 이 차이에서 생깁니다.

4. 정책 자료를 연수 기획안으로 바꾸는 흐름

정책 자료를 연수 기획안으로 바꿀 때 저는 대략 다음 흐름을 생각합니다.

정책 자료를 먼저 읽고 핵심 쟁점을 요약합니다. 그다음 교사가 반드시 알아야 할 내용과 실제로 해 보아야 할 내용을 나눕니다. 이어서 연수 대상을 정하고, 그 대상에게 필요한 목표를 도출합니다. 목표가 정해지면 차시별 내용을 배열하고, 각 차시에 맞는 활동과 실습을 붙입니다. 마지막으로 운영 일정표와 기대 효과, 사전·사후 과제를 정리합니다.

이 흐름을 AI Agent에게 맡기면 정책 문장이 연수 문장으로 바뀌는 과정을 빠르게 볼 수 있습니다. 예를 들어 정책 자료에는 “AI 디지털도구 활용 역량 강화”라는 표현이 있을 수 있습니다. 이것을 연수로 바꾸면 “AI 디지털도구 기능 이해”, “수업 장면별 활용 사례 분석”, “우리 학급에 적용할 활동 설계”, “동료 피드백을 통한 수업안 보완”처럼 교사의 배움 순서로 재구성해야 합니다.

정책 자료의 문장은 대체로 행정적이고 포괄적입니다. 연수 기획의 일은 그 문장을 교사가 이해하고 실천할 수 있는 배움의 순서로 다시 배열하는 것입니다. AI Agent는 이 재배열의 초안을 빠르게 보여 줍니다. 그러면 기획자는 그 초안을 보며 “이건 너무 추상적이다”, “이 활동은 시간이 부족하다”, “이 대상에게는 사례를 더 넣어야 한다”처럼 판단할 수 있습니다.

5. Telegram 대화방은 연수 기획 아이디어를 다듬는 작업 공간이 된다

제가 Hermes Agent를 Telegram으로 쓰면서 좋았던 점은 생각의 흐름을 끊지 않고 요청을 이어 갈 수 있다는 점입니다. 정책 자료를 요약한 뒤 바로 같은 대화방에서 “이 내용을 연수 기획안으로 바꿔 줘”라고 요청할 수 있습니다. 결과가 나오면 다시 “3시간 과정으로 줄여 줘”, “관리자 대상 버전으로 바꿔 줘”, “실습 활동을 더 넣어 줘”, “만족도 설문 문항도 만들어 줘”라고 이어서 말할 수 있습니다.

이 방식은 연수 기획의 초안을 여러 번 바꿔 보는 데 특히 좋았습니다. 기존에는 한글 문서나 워드 파일 안에서 혼자 문장을 고치며 버전을 만들었습니다. 이제는 Telegram 대화방에서 방향을 바꿔 가며 여러 안을 받아 보고, 그중 쓸 만한 구성을 문서로 옮길 수 있습니다.

저에게 Telegram 대화방은 단순한 채팅창이 아니라 연수 기획 아이디어를 접수하고 다듬는 작업 공간에 가까워졌습니다. 이동 중에 떠오른 아이디어를 남겨 둘 수도 있고, 나중에 Agent가 그 내용을 바탕으로 초안을 만들 수도 있습니다. 특히 주제별 대화방을 나누어 두면 연수 기획, 블로그, 논문, 문서 검토처럼 업무 맥락이 섞이지 않아 더 편리합니다.

6. 사람이 반드시 확인해야 할 부분

AI Agent가 연수 기획 초안을 잘 만들어 주더라도 사람이 반드시 확인해야 할 부분은 남습니다. 먼저 연수 목적이 실제 정책 방향과 맞는지 봐야 합니다. AI가 그럴듯한 목표를 만들었더라도 기관의 사업 방향이나 연수 운영 계획과 어긋나면 사용할 수 없습니다.

연수 대상의 수준도 중요합니다. 같은 AI 연수라도 신규 교사, 경력 교사, 관리자, 교육전문직에게 필요한 내용은 다릅니다. AI Agent는 대상 조건을 주면 어느 정도 조정해 주지만, 실제 현장의 분위기와 요구를 완전히 알지는 못합니다. 기획자는 “이 정도 난이도가 적절한가”, “현장 교사가 부담스럽게 느끼지는 않을까”, “지금 시기에 필요한 내용인가”를 다시 판단해야 합니다.

운영 가능성도 확인해야 합니다. 시간 안에 가능한 구성인지, 실습을 위한 기기와 계정이 준비되는지, 강사 섭외가 현실적인지, 예산과 장소가 가능한지, 연수 이수 기준이나 평가 방식과 맞는지 검토해야 합니다. AI Agent는 기획안의 빈칸을 채워 줄 수 있지만, 그 기획이 실제 현장에서 작동할지 판단하는 일은 교육전문직의 몫입니다.

그래서 저는 Agent에게 초안을 받은 뒤 반드시 “현실적으로 무리한 부분을 따로 표시해 줘”, “운영 전에 확인해야 할 사항을 체크리스트로 만들어 줘”라고 다시 요청하는 편이 좋다고 봅니다. 좋은 초안은 완성된 문서가 아니라 검토할 지점을 잘 드러내는 문서입니다.

7. 연수 기획 업무경감의 의미

AI Agent와 함께 연수 기획 초안을 만든다는 것은 기획자의 역할이 줄어든다는 뜻이 아닙니다. 오히려 반복적인 형식 작성에서 벗어나, 연수의 방향과 현장 적합성을 더 깊이 판단할 시간을 확보하는 일에 가깝습니다.

교육전문직 업무에서 기획은 늘 시간과 함께 움직입니다. 정책 자료는 계속 나오고, 현장의 요구는 다양하며, 연수 일정은 빠르게 잡힙니다. 이때 AI Agent가 제목 후보, 필요성 문단, 목표, 일정표, 활동 예시를 먼저 만들어 주면 기획자는 더 빨리 비교하고 수정할 수 있습니다. 초안이 빨리 생기면 회의도 빨라지고, 동료와 의견을 나누기도 쉬워집니다.

업무경감은 판단을 없애는 것이 아닙니다. 판단할 초안을 빨리 확보하는 것입니다. 연수 기획에서 AI Agent의 가치는 바로 여기에 있습니다. 처음부터 완벽한 기획안을 만들어 주는 도구가 아니라, 교육전문직이 더 좋은 판단을 할 수 있도록 출발점을 만들어 주는 도구입니다.

마무리하며

정책 자료를 읽고 요약하는 일은 중요하지만, 교육전문직 업무는 거기서 끝나지 않습니다. 읽은 내용을 연수 주제와 목표, 차시 구성, 실습 활동, 운영 일정표로 바꾸어야 할 때가 많습니다. Hermes Agent는 이 과정을 Telegram 대화방과 로컬 작업 폴더의 맥락 안에서 이어 갈 수 있게 해 줍니다.

물론 AI Agent가 만든 연수 기획 초안을 그대로 사용해서는 안 됩니다. 정책 방향, 현장 적합성, 운영 가능성, 대상의 수준은 사람이 다시 확인해야 합니다. 그러나 빈 문서 앞에서 멈추는 시간을 줄이고, 여러 기획안을 빠르게 비교하며, 부속 자료 초안까지 이어서 만들 수 있다는 점에서 연수 기획 업무에는 충분히 실용적인 도구가 될 수 있습니다.

AI Agent는 연수 기획을 대신하는 기획자가 아니라, 기획자가 더 빨리 생각을 정리하도록 돕는 협업자에 가깝습니다. 정책의 언어를 현장의 배움으로 바꾸는 일은 여전히 사람의 몫이지만, 그 출발점을 만드는 방식은 이제 조금 달라질 수 있습니다.

지난 글에서는 AI Agent가 파일과 폴더를 읽게 하려면 작업 공간을 어떻게 정리해야 하는지 이야기했습니다. 목차 파일, 초안 폴더, 발행완료 폴더처럼 상태가 보이는 구조를 만들어 두면 Agent가 다음 일을 이어 가기가 쉬워진다는 내용이었습니다. 오늘부터는 그 구조 위에서 실제 교육전문직 업무에 가까운 일을 하나씩 실험해 보려고 합니다. 첫 번째는 교육정책 자료 요약입니다.

교육전문직 업무를 하다 보면 정책 자료를 자주 읽게 됩니다. 교육부 보도자료, 시도교육청 계획, 연수 운영 지침, 연구보고서, 각종 부서별 계획, 공문 붙임자료처럼 형식도 다양합니다. 문제는 자료 하나하나가 길다는 점보다, 자료를 읽고 나서 내가 해야 할 일이 바로 이어진다는 점입니다. 단순히 “내용을 알았다”에서 끝나지 않고, 연수 기획에 반영해야 하거나, 보고자료에 넣어야 하거나, 학교 현장에 안내할 문장으로 바꾸어야 합니다.

이럴 때 Telegram으로 Hermes Agent에게 말을 걸어 자료를 요약하게 하는 방식은 꽤 실용적이었습니다. 노트북 앞에 앉아 있지 않아도 되고, 대화방에 요청을 남기면 Agent가 제 컴퓨터의 정해진 폴더를 확인하거나 필요한 파일을 읽고 결과를 돌려줄 수 있기 때문입니다. 저에게는 이것이 단순한 챗봇 사용과 가장 크게 다른 지점이었습니다. 질문에 답하는 AI가 아니라, 내 작업 공간 안에서 자료를 읽고 다음 판단을 돕는 도구가 되는 것입니다.

1. 정책 자료 요약은 ‘짧게 줄이기’만으로는 부족하다

정책 자료를 요약해 달라고 하면 흔히 핵심 내용을 짧게 정리하는 것을 떠올립니다. 물론 그것도 필요합니다. 바쁜 날에는 긴 문서를 한 번에 훑을 수 있는 요약이 큰 도움이 됩니다. 하지만 실제 업무에서는 짧은 요약만으로 충분하지 않은 경우가 많았습니다.

예를 들어 어떤 정책 자료가 “디지털 기반 교육혁신”을 다루고 있다고 해도, 제가 궁금한 것은 단순한 정의가 아닙니다. 이 자료가 교원연수와 어떤 관련이 있는지, 학교 현장에는 어떤 부담이나 기회가 생기는지, 교육전문직은 어떤 후속 업무를 준비해야 하는지까지 봐야 합니다. 다시 말해 정책 자료 요약은 문장을 줄이는 일이 아니라, 내 업무 관점에서 의미를 다시 배열하는 일에 가깝습니다.

Hermes Agent에게 요청할 때도 그래서 “요약해 줘”라고만 하지 않는 편이 좋았습니다. “교육전문직 관점에서”, “교원연수 기획에 반영할 쟁점 중심으로”, “현장 교사가 궁금해할 질문으로 바꾸어”처럼 관점을 함께 주면 결과가 훨씬 쓸모 있어졌습니다. AI Agent에게 필요한 것은 자료 자체만이 아니라, 그 자료를 읽는 나의 자리와 목적이었습니다.

2. Telegram 대화방은 정책 자료를 맡기는 접수창구가 된다

제가 Telegram으로 Hermes Agent를 쓰는 이유 중 하나는 접근성입니다. 정책 자료를 보다가 “이건 정리해 두어야겠다”는 생각이 들 때, 별도의 프로그램을 열지 않고 Telegram 대화방에 바로 요청할 수 있습니다. 때로는 파일 경로를 알려 주고, 때로는 어떤 폴더를 보라고 하고, 때로는 자료의 일부를 붙여 넣어 방향을 잡습니다.

이 방식은 생각보다 업무 흐름을 덜 끊습니다. 기존에는 자료를 읽다가 메모장을 열고, 요약을 적고, 다시 문서를 열고, 보고서 양식으로 옮기는 과정을 반복했습니다. 이제는 “이 자료를 연수 기획 관점에서 5개 쟁점으로 정리해 줘”라고 요청하고, 저는 다른 일을 보면서 결과를 기다릴 수 있습니다.

물론 모든 일을 Telegram 메시지 하나로 끝낼 수 있는 것은 아닙니다. 중요한 자료일수록 결과를 다시 확인해야 합니다. 하지만 접수창구가 생긴다는 것은 의미가 있습니다. 머릿속에 떠오른 요청을 바로 맡길 수 있고, Agent가 결과를 다시 대화방으로 보내 주면 그 내용을 바탕으로 다음 작업을 이어 갈 수 있습니다. 교육전문직 업무에서 자주 생기는 “읽어야 하는데 시간이 없는 자료”를 처리하는 방식이 조금 달라지는 셈입니다.

3. Hermes Agent는 내 컴퓨터의 작업 폴더와 연결되어 있다

일반적인 챗봇과 Hermes Agent의 차이는 여기서 더 분명해집니다. 챗봇에게는 보통 파일을 직접 올리거나 내용을 복사해서 붙여 넣어야 합니다. 반면 Hermes Agent는 제가 정해 둔 로컬 작업 폴더를 읽을 수 있습니다. 예를 들어 블로그 폴더, 논문 폴더, 연수 자료 폴더처럼 작업 단위가 분리되어 있으면 Agent에게 “그 폴더를 보고 정리해 줘”라고 요청할 수 있습니다.

정책 자료 요약에서도 이 구조가 중요합니다. 자료가 한 번 보고 끝나는 것이 아니라, 나중에 보고서 초안, 연수 기획안, 블로그 글, 강의 자료로 이어질 수 있기 때문입니다. 파일이 어디에 있는지, 요약본은 어디에 저장할지, 관련 초안은 어떤 이름으로 둘지 정해져 있으면 Agent가 단발성 답변을 넘어 작업 흐름을 이어 갈 수 있습니다.

제가 블로그 연재를 준비할 때도 Hermes Agent는 `00_목차.md`를 읽고 다음 글을 찾습니다. 같은 원리를 정책 자료에도 적용할 수 있습니다. 예를 들어 `01_원문`, `02_요약`, `03_보고서초안`, `99_참고`처럼 폴더를 나누면 Agent가 자료를 읽고, 요약을 만들고, 보고서 문장으로 바꾸는 과정을 더 안정적으로 수행할 수 있습니다. 요약의 품질은 모델 성능만이 아니라 작업 폴더의 구조에도 영향을 받습니다.

4. 요약 결과는 세 층으로 나누어 받는 것이 좋다

정책 자료를 읽게 할 때 저는 결과를 한 가지 형식으로만 받기보다 세 층으로 나누어 받는 방식이 좋다고 느꼈습니다.

첫째는 한눈에 보는 요약입니다. 자료의 목적, 주요 내용, 추진 일정, 대상, 예산이나 운영 방식처럼 빠르게 확인해야 할 내용을 짧게 정리합니다. 이 부분은 자료를 처음 열어 보는 사람에게도 도움이 됩니다.

둘째는 업무 관점의 쟁점 정리입니다. 교육전문직 입장에서 무엇을 확인해야 하는지, 학교 현장에 어떤 질문이 생길지, 연수나 안내자료로 바꿀 때 어떤 부분을 조심해야 하는지를 정리합니다. 이 층이 있어야 요약이 실제 업무로 연결됩니다.

셋째는 바로 쓸 수 있는 문장 초안입니다. 보고자료에 넣을 한 문단, 교원 안내문에 들어갈 표현, 연수 기획 회의에서 사용할 논의 질문처럼 다음 문서에 옮겨 쓸 수 있는 형태입니다. AI Agent의 장점은 요약에서 멈추지 않고 이 다음 산출물까지 이어 줄 수 있다는 점입니다.

이렇게 세 층으로 요청하면 결과를 검토하기도 쉬워집니다. 단순 요약은 정확성을 확인하고, 쟁점 정리는 관점이 맞는지 살피고, 문장 초안은 실제 조직의 표현 방식에 맞게 다듬으면 됩니다. 사람이 해야 할 검토 지점이 오히려 더 분명해집니다.

5. 사람이 반드시 확인해야 할 부분은 따로 남겨야 한다

정책 자료 요약에서 AI Agent를 쓰더라도 사람이 반드시 확인해야 할 부분이 있습니다. 숫자, 일정, 대상, 법령명, 기관명, 예산, 시행 시기처럼 틀리면 문제가 되는 정보입니다. AI가 그럴듯하게 요약하더라도 이런 정보는 원문과 대조해야 합니다.

그래서 저는 Agent에게 “확인이 필요한 항목을 따로 표시해 달라”고 요청하는 편이 좋다고 봅니다. 예를 들어 “일정과 수치는 원문 확인 필요로 표시해 줘”, “정책 판단이 필요한 부분과 단순 사실을 구분해 줘”라고 말하면, 결과를 읽는 사람이 어디를 다시 봐야 하는지 알 수 있습니다.

이 부분은 교육현장에서 특히 중요합니다. AI가 만든 요약을 그대로 공문이나 안내자료에 넣으면 위험할 수 있습니다. AI Agent는 초안을 빠르게 만들어 주는 동료에 가깝지만, 최종 책임자는 사람입니다. 정책 자료 요약에서 업무경감은 검토를 없애는 것이 아니라, 검토해야 할 위치를 더 빨리 찾게 해 주는 데서 생깁니다.

6. 요약은 보고서, 연수, 블로그로 이어질 수 있다

정책 자료를 요약하는 일은 그 자체로 끝나지 않습니다. 잘 정리된 요약은 여러 방향으로 확장됩니다. 상급자 보고를 위한 한 장짜리 정리, 교원연수 기획을 위한 쟁점 목록, 학교 안내자료, 강의 슬라이드, 블로그 글의 소재가 될 수 있습니다.

Hermes Agent를 쓰면서 좋았던 점은 이 전환을 같은 대화 흐름 안에서 이어 갈 수 있다는 것입니다. 먼저 “정책 자료를 교육전문직 관점에서 요약해 줘”라고 요청하고, 이어서 “이 내용을 연수 기획 회의용 질문 5개로 바꿔 줘”, “블로그 글 도입부로 자연스럽게 풀어 줘”, “교사에게 안내하는 문장으로 부드럽게 바꿔 줘”라고 말할 수 있습니다.

이런 흐름은 단순한 문서 요약 도구와 다릅니다. AI Agent가 내 작업 맥락을 알고 있고, Telegram 대화방에서 요청이 이어지며, 필요한 경우 로컬 폴더에 결과물을 남길 수 있기 때문입니다. 정책 자료 하나가 여러 업무 산출물로 바뀌는 과정을 한곳에서 관리할 수 있습니다.

7. 교육전문직 업무경감은 읽는 시간을 없애는 것이 아니다

AI Agent로 정책 자료를 요약한다고 해서 교육전문직이 자료를 읽지 않아도 된다는 뜻은 아닙니다. 오히려 중요한 자료는 더 잘 읽어야 합니다. 다만 처음부터 끝까지 혼자 붙잡고 있는 방식에서 벗어날 수 있습니다.

Agent가 1차 요약을 만들고, 쟁점을 뽑고, 확인할 부분을 표시해 주면 사람은 더 높은 수준의 판단에 시간을 쓸 수 있습니다. 이 정책이 우리 기관의 연수 방향과 어떻게 연결되는지, 현장 교사에게 어떤 방식으로 안내해야 하는지, 실제 운영에서 어떤 문제가 생길 수 있는지를 생각하는 데 시간을 더 쓸 수 있습니다.

저에게 AI Agent는 읽기를 대신하는 도구라기보다 읽기 전에 길을 열어 주는 도구에 가깝습니다. 긴 자료 앞에서 막막함을 줄이고, 먼저 볼 부분과 나중에 확인할 부분을 나누어 줍니다. 이 정도만 되어도 업무 흐름은 꽤 달라집니다.

마무리하며

Telegram과 Hermes Agent를 함께 쓰면서 정책 자료 요약은 가장 현실적인 활용 장면 중 하나라고 느꼈습니다. 자료를 대화방에서 맡기고, Agent가 내 컴퓨터의 작업 폴더를 참고하며, 결과를 요약·쟁점·문장 초안으로 나누어 돌려주는 방식은 교육전문직 업무와 잘 맞습니다.

물론 AI가 만든 결과를 그대로 믿어서는 안 됩니다. 숫자와 일정, 법령과 기관명은 반드시 원문과 확인해야 합니다. 하지만 긴 자료 앞에서 첫 방향을 잡고, 보고나 연수 기획으로 이어질 초안을 빠르게 만드는 데에는 충분히 도움이 됩니다.

AI Agent를 업무경감 도구로 쓴다는 것은 일을 없애는 것이 아니라, 사람이 판단해야 할 곳까지 더 빨리 도착하게 하는 일인지도 모릅니다. 정책 자료 요약은 그 출발점이 될 수 있습니다.

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.

처음부터 서버를 만들 생각은 아니었습니다. 그냥 집에 있는 Windows 노트북에서 Hermes Agent를 실행해 보고, Telegram으로 말을 걸어 보면서 “이 정도면 내 개인 업무 보조 서버처럼 쓸 수 있겠다”는 생각이 들었습니다.

서버라고 하면 대단한 장비나 복잡한 네트워크 설정이 먼저 떠오릅니다. 그런데 제가 실제로 해 보니 출발점은 훨씬 소박했습니다. 노트북 한 대가 꺼지지 않고 켜져 있고, 필요한 폴더를 읽을 수 있고, Telegram으로 요청을 받을 수 있으면 꽤 많은 일이 가능했습니다. 오늘은 그 과정을 기술 설명서보다는 사용 경험에 가깝게 정리해 보려 합니다.

1. 왜 굳이 노트북을 계속 켜 두게 되었나

ChatGPT를 웹에서만 쓸 때는 제가 접속해야 일이 시작됩니다. 브라우저를 열고, 자료를 붙여넣고, 답을 확인해야 합니다. 반면 AI Agent를 쓰기 시작하니 흐름이 조금 바뀌었습니다. 제가 자리를 비운 사이에도 정해진 시간에 자료를 확인하고, 초안을 만들고, 결과를 남겨 둘 수 있어야 했습니다.

예를 들어 매일 정해진 시간에 블로그 초안을 준비하거나, 아침에 확인할 브리핑을 만들어 두는 일은 “내가 컴퓨터 앞에 있을 때만” 하면 장점이 줄어듭니다. 그래서 노트북을 개인 서버처럼 켜 두는 방식이 자연스럽게 필요해졌습니다. 거창한 자동화보다, 작은 반복을 놓치지 않게 하는 장치에 가까웠습니다.

2. Windows 환경이 생각보다 현실적인 선택이었다

개발자라면 Linux 서버를 먼저 떠올릴 수 있습니다. 하지만 교육현장에서 실제로 쓰는 컴퓨터는 대부분 Windows입니다. 저도 업무 문서, 한글 파일, Word 파일, 다운로드 폴더, 브라우저 로그인 환경이 모두 Windows 노트북 안에 있었습니다.

이 점이 오히려 장점이 되었습니다. AI Agent가 제가 실제로 일하는 폴더 구조 가까이에 있으니 자료 이동이 줄었습니다. `Desktop`, `Downloads`, 블로그 원고 폴더처럼 제가 매일 쓰는 공간을 그대로 활용할 수 있었습니다. 별도 서버로 옮겨 놓은 자료가 아니라, 손이 닿는 작업 공간 안에서 Agent가 움직이는 느낌이었습니다.

물론 Windows는 서버 운영에 최적화된 환경은 아닙니다. 업데이트 후 재부팅, 절전 모드, 경로 인코딩, 백그라운드 실행 같은 부분을 신경 써야 합니다. 그래도 실제 업무 맥락에서는 “가장 익숙한 장비에서 시작할 수 있다”는 장점이 컸습니다.

3. Telegram은 원격 리모컨 역할을 했다

노트북을 개인 AI 서버처럼 쓰려면, 꼭 그 앞에 앉아 있지 않아도 요청을 보낼 수 있어야 합니다. 이때 Telegram이 리모컨 역할을 했습니다. 휴대폰에서 메시지를 보내면 Hermes Agent가 노트북에서 작업을 수행하고, 결과를 다시 대화방으로 알려주는 구조입니다.

이 방식은 교육전문직 업무 흐름과도 잘 맞았습니다. 이동 중에 떠오른 아이디어를 남기거나, 회의 후 정리할 내용을 짧게 지시하거나, 퇴근 후 다음 날 확인할 자료를 미리 준비시키는 식입니다. 사람에게 업무를 부탁하듯 장문의 명령을 쓰는 것이 아니라, “이 폴더 기준으로 다음 글 준비해줘”처럼 맥락을 주고 맡기는 느낌에 가까웠습니다.

특히 주제별 Telegram 방을 나누면 효과가 더 좋아졌습니다. 블로그 원고방, 연구 아이디어방, 업무 브리핑방처럼 공간을 나누면 Agent도 어떤 맥락의 요청인지 더 분명하게 처리할 수 있었습니다.

4. 폴더 구조를 정해 두니 일이 안정되기 시작했다

AI Agent에게 일을 시킬 때 의외로 중요한 것은 폴더입니다. 어디에 초안을 저장할지, 발행 완료 파일은 어디로 옮길지, 이미지와 HTML 자료는 어디에 둘지 정해져 있으면 결과물이 훨씬 안정됩니다.

제가 쓰는 블로그 폴더도 단순하게 나누었습니다. `01_초안`, `02_발행완료`, `03_전자책원고`, `99_자료`처럼 단계와 성격을 기준으로 구분했습니다. 이렇게 해 두면 Agent에게 “다음 글을 준비해줘”라고 했을 때 확인해야 할 위치가 분명해집니다.

교육현장 업무에도 같은 원리를 적용할 수 있습니다. 연수자료, 회의자료, 공문 초안, 설문 결과 폴더를 정리해 두면 Agent가 자료를 찾고 가공하기 쉬워집니다. 결국 자동화의 출발은 멋진 명령어가 아니라, 사람이 보아도 이해되는 작업장 정리였습니다.

5. 계속 켜 두는 장비에는 운영 습관이 필요했다

노트북을 서버처럼 쓰려면 몇 가지 습관이 필요했습니다. 전원 설정에서 절전 모드를 조정하고, 재부팅 후 다시 실행되는지 확인하고, 작업 로그를 가끔 들여다보는 식입니다. 화려한 기능보다 이런 기본 관리가 더 중요했습니다.

저는 특히 세 가지를 신경 썼습니다.

• 노트북이 갑자기 잠들지 않도록 전원 설정 확인(모니터를 닫아도 작동되는 클렘쉘 모드 설정)

• Hermes Agent가 실행 중인지 주기적으로 확인

• 작업 결과가 로컬 폴더와 Google Drive에 제대로 남았는지 확인

이 과정은 학교나 교육청의 업무 시스템 운영과도 닮아 있습니다. 좋은 시스템은 한 번 설치했다고 끝나지 않습니다. 작은 점검 루틴이 있어야 믿고 맡길 수 있습니다. AI Agent도 마찬가지였습니다.

6. 보안은 ‘편리함을 어디까지 허용할 것인가’의 문제였다

개인 AI 서버처럼 쓰기 시작하면 편리해지는 만큼 조심할 부분도 생깁니다. Agent가 파일을 읽고, Google Drive에 업로드하고, 메일이나 캘린더와 연결될 수 있다면 권한 관리가 필요합니다.

저는 자동 발행이나 외부 공유처럼 되돌리기 어려운 행동은 사람이 확인하도록 남겨 두었습니다. 예를 들어 블로그 글은 초안과 이미지만 준비하고, 티스토리에 수정 후 실제로 올리는 일은 제가 직접 합니다. Google Drive 파일도 업로드만 하고 공개 공유 설정은 바꾸지 않는 식입니다.

이 선을 정해 두면 마음이 편합니다. Agent는 반복 준비를 도와주고, 최종 공개와 판단은 사람이 맡습니다. 교육현장에 적용할 때도 같은 원칙이 필요하다고 생각합니다. 학생 정보, 민감한 문서, 외부 발송이 필요한 업무는 자동화 범위를 매우 신중하게 정해야 합니다.

7. 개인 서버화의 진짜 장점은 ‘업무의 대기 시간’을 줄이는 데 있었다

Windows 노트북을 개인 AI 서버처럼 쓰면서 가장 크게 느낀 변화는 속도보다 대기 시간이었습니다. 일을 하다가 “나중에 정리해야지” 하고 미뤄 두는 시간이 줄었습니다. 요청을 남겨 두면 Agent가 초안을 만들어 놓고, 저는 나중에 검토와 판단에 집중할 수 있었습니다.

교육전문직 업무에는 이런 대기 시간이 많습니다. 자료를 모아야 하고, 회의 후 정리해야 하고, 다음 일정에 맞춰 초안을 만들어야 합니다. AI Agent가 이 앞단을 조금씩 맡아 주면, 사람은 내용의 방향과 의미를 보는 데 시간을 더 쓸 수 있습니다.

그래서 저는 개인 AI 서버를 대단한 기술 프로젝트라기보다, 내 업무 흐름 옆에 작은 준비실을 하나 만든 것으로 이해하고 있습니다. 그 준비실이 밤에도, 이동 중에도, 정해진 시간에도 조용히 초안을 만들어 두는 것입니다.

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.