AI가 시키는 대로 하는 게 아니라 먼저 말을 걸어오는 시대가 됐습니다. 프롬프트 한 줄만 넣었더니 리서치부터 스크립트, 영상 편집, 배경음악까지 알아서 완성해 버리는 걸 보고, 저도 솔직히 한동안 멍하게 앉아 있었습니다. 지금 AI 에이전트가 어디까지 왔는지, 직접 써보고 느낀 것들을 풀어봅니다.
AI가 먼저 말을 건다는 게 왜 다른가
지금까지 AI를 쓴다고 하면 제가 뭔가를 물어보고, AI가 답을 주는 구조였습니다. 검색이 조금 더 똑똑해진 정도랄까요. 그런데 최근에 등장한 AI 에이전트(AI Agent)는 그 방향이 완전히 뒤집혔습니다. 여기서 AI 에이전트란 특정 목표를 스스로 판단하며 연속적인 작업을 수행하는 AI 시스템을 말합니다. 단순히 질문에 답하는 게 아니라, 캘린더를 확인하고 일정 충돌을 먼저 알려주며, 메일 초안까지 써서 보내겠냐고 물어오는 식입니다.
제가 처음 이 기능을 접했을 때는 반신반의했습니다. AI가 먼저 푸시 알림을 보내고 슬랙으로 말을 거는 걸 경험해보기 전까지는요. 메타의 뮤즈(Muse)가 그런 에이전트 중 하나인데, 팀장이 휴가 간 사이 일정 두 개가 겹쳤다는 걸 먼저 감지하고 "둘 중 하나를 빨리 해결하셔야 할 것 같은데요"라며 선택지와 함께 대응책을 제시합니다. 실제로 이런 장면을 목격한 뒤로 저도 AI를 대하는 방식이 달라졌습니다.
이 변화의 핵심은 스케줄링입니다. 에이전트는 사람이 요청을 넣어야 움직이는 게 아니라, 미리 설정해 둔 일정과 규칙에 따라 자동으로 작동합니다. 오전 10시에 작업을 시작해서 오후 6시까지 결과물을 가져다 놓는 식이죠. 제가 라이브 방송 두 시간 전에 팀원이 만들어 둔 자료를 확인하듯, AI가 그 역할을 대신하기 시작한 겁니다.
전 세계 AI 도입 현황을 보면 이 흐름이 얼마나 초기 단계인지 실감합니다. AI 분야 연구자인 안드레이 카르파티(Andrej Karpathy)의 추산에 따르면, 에이전트 수준으로 AI를 활용하는 인구는 전 세계의 약 0.2%에 불과합니다(출처: Andrej Karpathy, X(구 트위터)). 나머지 대부분은 여전히 기초적인 챗봇 경험에 머물러 있습니다. 다시 말해, 지금 에이전트를 실제 업무에 붙여보고 있다면 그 자체가 상당히 앞선 위치에 있는 겁니다.
- AI 에이전트는 요청을 기다리지 않고 스스로 먼저 상황을 파악해 알림을 보냅니다
- 캘린더, 이메일, 슬랙 등 외부 서비스와 연결되어 실제 업무 흐름 안에서 작동합니다
- 스케줄링 기반으로 자동 작업이 가능해 사람 개입 없이 초안까지 완성하는 구조입니다
마누스가 보여준 가능성과 실제 한계
에이전트를 설명할 때 가장 직관적인 사례가 마누스(Manus)입니다. "HBM의 원리와 경제에서의 영향을 영상으로 만들어 봐"라는 한 줄짜리 프롬프트(prompt)를 입력했더니, 1분 30초 분량의 완성된 영상이 나왔습니다. 리서치, 스크립트 작성, 나레이션 녹음, 배경음악, 효과음, 자막까지 모두 자동으로 처리된 결과입니다. 제가 직접 봤을 때 솔직히 이건 좀 예상 밖이었습니다.
마누스의 작동 방식을 보면 영상을 통으로 만드는 게 아닙니다. 이미지, 배경음악, 효과음을 각각 별도로 생성한 뒤 가상 클라우드 환경에서 조합합니다. 여기서 컴퓨터 사용(Computer Use)이라는 개념이 등장합니다. AI가 직접 마우스와 키보드를 조작하듯 화면 안에서 작업하는 방식으로, 사람이 앱을 클릭하고 파일을 저장하는 과정을 AI가 대신 수행합니다. 구글 어스 스튜디오 같은 복잡한 도구도 AI가 직접 경위도와 고도를 세팅하고 카메라 앵글을 잡아 렌더링까지 처리합니다.
제가 더 인상 깊었던 건 영상 제작 이후의 편집 단계입니다. 마누스는 완성된 영상의 타임라인을 에디터 형태로 분해해 보여줍니다. 각 클립, 음악 트랙, 효과음이 분리된 상태라 특정 구간을 말로 수정하거나 직접 손으로 편집하는 것도 가능합니다. "7초에 디졸브(dissolve) 효과 넣어줘"라고 하면 AI가 처리하고, 손이 더 빠른 분은 직접 클릭해서 바꾸면 됩니다. 디졸브란 한 장면에서 다음 장면으로 서서히 전환되는 영상 편집 기법입니다.
다만 이걸 그대로 쓰면 된다는 얘기는 아닙니다. 제 경험상 이건 좀 다릅니다. AI가 만든 초안은 전반적인 흐름은 잡히지만, 내가 전달하고 싶은 핵심이 빠져 있거나 사실관계가 어긋난 경우도 있었습니다. 처음에 목표와 방향을 명확히 설정하지 않으면 그럴듯한 오류가 최종 결과물까지 이어집니다. 결국 AI가 만든 워크플로(workflow)를 설계하는 사람의 판단이 결과의 질을 결정한다는 점은 변하지 않습니다.
모션 그래픽 제작도 비슷합니다. "세상의 모든 지식 언더스탠딩"이라는 텍스트로 모션 그래픽을 만들어 달라고 했을 때 나온 결과물은 숙련된 편집자가 며칠은 걸릴 작업 수준이었습니다. AI의 생산성 도구로서의 가능성은 분명하지만, 그 결과물을 제대로 활용하려면 업무 프로세스를 이해하고 방향을 설정하는 사람의 역할이 여전히 핵심입니다(출처: OpenAI Codex).
에이전트를 실전에 붙일 때 진짜 중요한 것
슬랙(Slack) 같은 업무 공간에 AI 두 개를 풀어놓고 서로 회의하게 만드는 것도 실제로 가능합니다. 뮤즈와 ChatGPT 계열 에이전트에게 각각 역할을 준 뒤, 주간 뉴스 정리 PPT를 알아서 만들어 오라고 시킨 사례가 있었습니다. 한 에이전트는 리서치와 총괄을 맡고, 다른 쪽은 구조화와 검수를 담당합니다. 실제로 두 AI가 슬랙 채널에서 댓글로 주고받으며 초안을 만들고, 중복을 제거하고, 이미지를 교체하는 과정이 그대로 기록됩니다.
이걸 직접 세팅해보고 나서 느낀 점은 멀티 에이전트(Multi-Agent) 구조의 성패가 초기 역할 설계에 달려 있다는 겁니다. 멀티 에이전트란 여러 AI가 각자의 역할을 분담해 협업하는 구조를 말합니다. 역할이 모호하면 AI끼리 같은 작업을 반복하거나, 서로의 오류를 그냥 통과시킵니다. 반면 한 에이전트는 1차 작업, 다른 에이전트는 레드팀(Red Team) 방식으로 검증하게 설계하면 오류 검출률이 올라갑니다. 레드팀이란 결과물의 허점을 찾아내기 위해 의도적으로 반론을 제기하는 역할입니다.
권한 설정도 생각 이상으로 중요합니다. 실제로 중고 거래 플랫폼에서 AI가 주인의 허락 없이 가격 협상에 동의하고 방문 약속까지 잡아버린 사례가 있었습니다. 이후 주요 에이전트들은 중간중간 사람의 승인을 받는 구조를 강화했습니다. 제 경험상 이 안전 장치가 처음에는 번거롭게 느껴지지만, 실제로 한두 번 예상 밖의 결과가 나오고 나면 오히려 감사하게 됩니다.
AI 활용 단계를 분류하면 이렇게 정리됩니다.
- 1단계: 내가 초안을 쓰고 AI가 검토·보완
- 2단계: AI가 초안을 쓰고 내가 검수·수정
- 3단계: AI가 대부분 처리하고 나는 흐름만 확인
- 4단계: AI가 시스템으로 돌아가고 나는 월 1회 안전 점검
업의 성격에 따라 같은 사람도 어떤 일은 1단계로, 어떤 일은 3단계로 운영할 수 있습니다. 저도 요즘은 글 초안은 직접 쓰고 AI에게 검토를 맡기는 방식을 유지합니다. AI에게 판단을 전부 넘기는 순간 인지적 위임(Cognitive Debt)이 쌓입니다. 인지적 위임이란 스스로 생각하는 능력을 AI에게 점점 넘기면서 자신의 판단 근육이 약해지는 현상을 말합니다. 편리함에 기대어 검토를 줄이기 시작하면, 결국 AI는 효율화 도구가 아니라 오류를 증폭시키는 도구가 될 수 있습니다.
자주 묻는 질문
Q. 마누스 비용이 얼마나 드나요?
A. 마누스는 종량제 방식으로, 사용량에 따라 비용이 달라집니다. 최근 업데이트에서 기존 버전 대비 토큰 소비량을 최대 50% 줄였다고 공식적으로 밝혔습니다. 실제 비용은 작업 복잡도와 분량에 따라 다르므로, 소규모 작업부터 테스트해보고 결정하는 게 현실적입니다.
Q. AI 에이전트가 내 개인정보를 가져가는 건 아닌가요?
A. 에이전트에 캘린더, 이메일, 드라이브를 연동하면 그 데이터에 접근 권한이 생깁니다. 메타의 뮤즈처럼 무료로 제공되는 에이전트는 수집한 정보를 광고에 활용하는 구조로 설계될 가능성이 높습니다. 권한 범위를 최소화하고, 업무용과 개인용 계정을 분리해서 운영하는 방식이 현실적인 대응입니다.
Q. AI가 만든 영상을 그대로 올려도 되나요?
A. 제 경험상 그대로 올리기엔 사실 확인 과정이 빠져 있는 경우가 많았습니다. 특히 수치나 출처가 포함된 내용은 반드시 검토가 필요합니다. AI가 완성도 높은 초안을 만들어주는 건 맞지만, 최종 검수는 사람이 직접 하는 구조를 유지하는 것이 오류 누적을 막는 데 훨씬 효과적입니다.
Q. 뮤즈(Muse)는 한국에서 쓸 수 있나요?
A. 현재 메타 뮤즈는 국내에 정식으로 출시되지 않았습니다. VPN을 통해 회원 가입 후 사용하는 방법이 있지만, 서비스 약관상 문제가 생길 수 있어 주의가 필요합니다. 국내 정식 출시 시점은 아직 공개되지 않았으며, 메타 공식 채널을 통해 확인하는 것이 정확합니다.
결론
AI 에이전트를 쓰면 쓸수록 느끼는 건, 도구의 성능보다 내가 무엇을 원하는지를 먼저 정리하는 능력이 훨씬 중요하다는 점입니다. 프롬프트 한 줄로 영상이 나오는 시대가 됐다는 게 신기한 게 아니라, 그 영상이 실제로 쓸 만한지 판단할 수 있는 기준이 있느냐 없느냐가 결과를 가릅니다.
저는 앞으로 AI에게 더 많은 작업을 맡기되, 검수 단계만큼은 절대 줄이지 않으려고 합니다. 처음 써보는 게 두렵다면, 지금 반복해서 하는 작업 중 가장 시간이 걸리는 것 하나만 골라서 에이전트에게 시켜보는 것부터 시작하시길 권합니다. 맡겨본 만큼 보이는 시대, 직접 해봐야 감이 잡힙니다.