코딩을 전혀 모르는 주부가 만든 사주 앱이 6개월 만에 50억 매출을 냈습니다. 이 얘기를 처음 접했을 때 솔직히 "설마"라는 생각이 먼저 들었습니다. 그런데 AI 에이전트 기반 업무자동화와 바이브코딩이라는 두 키워드를 파고들수록, 이게 단순한 성공 신화가 아니라 지금 실제로 진행 중인 구조적 변화라는 확신이 생겼습니다.
AI 에이전트와 업무자동화, 실제로 얼마나 달라졌나
지금 AI를 단순 검색창처럼 쓰고 있다면, 솔직히 말해 절반도 못 쓰고 있는 겁니다. 저도 처음에는 그랬습니다. 블로그 주제를 정하고 "본문 써줘" 하는 수준이 전부였으니까요.
현재 AI는 크게 세 세대로 구분됩니다. 1세대는 질문에 답변하는 채팅형, 2세대는 스스로 생각하며 추론하는 추론형, 그리고 지금의 3세대가 바로 AI 에이전트(Agent)입니다. 여기서 에이전트란 단일 질문에만 답하는 것이 아니라, 여러 도구를 직접 사용하면서 업무를 끝까지 완수하는 AI를 의미합니다. 쉽게 말해 AI가 제 컴퓨터 안에 들어와서 폴더를 열고, 문서를 만들고, 업로드까지 스스로 처리하는 단계입니다.
이 에이전트가 외부 도구와 연결되는 방식이 바로 MCP(Model Context Protocol)입니다. MCP란 AI가 특정 소프트웨어의 사용법을 주입받아 직접 그 툴을 조작할 수 있게 해주는 연결 규약입니다. 예를 들어 3D 모델링 툴인 블렌더에 MCP를 연결하면, 3D를 전혀 모르는 사람도 AI에게 지시만 내리면 렌더링 결과물이 나옵니다. 제가 직접 써봤는데, Gmail을 연동한 뒤 "최근 일주일간 답장해야 할 중요한 메일 알려줘"라고 입력하는 것만으로 광고성 메일을 걸러내고 핵심 메일 목록을 정리해줬습니다. 이전에 손가락으로 일일이 삭제하던 작업이 몇 초로 줄어들었습니다.
실제 기업 현장에서도 변화는 이미 진행 중입니다. 정부 사업 제안서를 주력으로 하는 한 회사는 6만 개의 제안서 중 유사한 것을 찾고 초안을 완성하는 데 수일이 걸렸지만, AI 에이전트 도입 후 이 과정이 수십 초로 단축됐습니다. 해커톤 대회에서도 1차 심사를 AI 에이전트가 처리하는 것이 이미 보편화됐고, 엔터테인먼트 업계에서는 오디션 지원서 필터링에 에이전트를 도입하는 사례가 늘고 있습니다.
한 가지 더 주목할 부분이 있습니다. 바로 컴퓨터 유즈(Computer Use) 기능입니다. 컴퓨터 유즈란 AI가 마우스 클릭과 키보드 타이핑 등 실제 컴퓨터 조작 자체를 대신 수행하는 기능입니다. AI가 화면을 인식하고 직접 움직이는 장면을 처음 봤을 때, 제 반응은 "이거 진짜 무섭다"였습니다. 다만 속도는 아직 사람보다 느립니다. 전문 툴은 MCP로 연결하는 쪽이 훨씬 빠르고 안정적이라는 것도 직접 비교해보면서 확인했습니다.
- 1세대 채팅형 AI: 질문-답변 구조, 단방향 정보 제공
- 2세대 추론형 AI: 스스로 생각하며 실무 적용 가능 수준으로 진입
- 3세대 에이전트형 AI: MCP·플러그인 연결로 실제 도구 조작, 업무 완수
- 컴퓨터 유즈: 마우스·키보드 조작까지 AI에 위임 가능, 단 속도는 아직 개선 중
의료 분야는 AI가 가장 큰 수혜를 받는 영역 중 하나입니다. 구글 딥마인드의 아이소모픽 랩(Isomorphic Labs)은 단백질 구조 예측과 신약 개발에 AI를 접목하고 있으며(출처: Isomorphic Labs), 모더나는 mRNA 기술과 AI를 결합해 개인 맞춤형 암 백신 개발을 가속하고 있습니다(출처: Moderna). AI가 업무 효율을 높이는 것과, 실제로 사람의 생명에 영향을 미치는 것은 차원이 다른 얘기입니다.
바이브코딩으로 앱 만들기, 가능성과 보안 현실
바이브코딩(Vibe Coding)이라는 단어가 낯설게 느껴질 수 있습니다. 바이브코딩이란 코드를 직접 작성하지 않고, AI에게 원하는 기능을 자연어로 설명하면 AI가 코드를 생성해 실제 작동하는 앱이나 웹사이트를 만들어내는 방식입니다. 코딩 지식이 전혀 없어도 아이디어만 있으면 된다는 것이 핵심입니다.
가장 자주 인용되는 사례가 앞서 언급한 사주 앱입니다. 공무원 출신 개발 비전문가가 바이브코딩으로 만든 '사주아이' 서비스는 회원 165만 명을 돌파하며 6개월 만에 50억 원의 매출을 기록했습니다. 제가 이 수치를 처음 봤을 때 솔직히 이해가 안 됐습니다. 그런데 생각해보면 구조가 단순합니다. 웹사이트를 만들고, URL 링크를 공유하고, 재미있는 사람들이 퍼나르는 바이럴 구조입니다. 기술 장벽이 낮아진 지금, 승부처는 결국 아이디어와 타이밍이라는 결론이 나왔습니다.
저도 블로그 작업에서 비슷한 경험을 했습니다. 처음에는 "글 써줘" 한 마디에 만족했지만, 요청 방식을 구체적으로 바꾸면서 결과물의 질이 완전히 달라졌습니다. 특히 이미지 제작에서 레퍼런스를 핀터레스트에서 찾아 3~5개씩 붙여 넣고 세부 조건을 번호로 나열하는 방식을 쓰기 시작하니, 처음에 받았던 어색한 결과물과는 비교가 안 될 만큼 개선됐습니다. 잡돌이(결과가 나올 때까지 반복 수정 요청)가 실제로 효과가 있다는 것도 이 과정에서 확인했습니다.
그런데 바이브코딩의 가능성만큼 보안 문제는 냉정하게 봐야 합니다. AI 에이전트에 Gmail이나 파일 폴더, 결제 수단을 연동하면 편의성은 극적으로 높아지지만, 동시에 개인정보 침해나 오작동 리스크도 커집니다. 제가 직접 써보면서 내린 결론은 두 가지입니다.
AI 연동 시 현실적인 보안 원칙
첫째, AI에 오픈할 전용 계정과 개인 계정을 반드시 분리하는 것입니다. AI가 접근하는 Gmail 계정, 파일 폴더, 업무 툴은 아예 별도로 만들어 두는 것이 현실적입니다. 제 경험상 이렇게 분리해두면 "전체 허용" 버튼을 눌러도 실질적인 피해 범위가 한정됩니다.
둘째, 결제 권한은 지금 당장 넘기지 않는 것입니다. AI가 티켓 예약이나 쇼핑 주문을 처리할 수 있다는 것은 기술적으로 사실입니다. 하지만 프롬프트에 "내가 명시한 것 외에는 절대 구매하지 마"라고 적어두더라도, 엣지 케이스에서 의도치 않은 결제가 발생할 가능성은 아직 완전히 배제할 수 없습니다. 기업 플랜(Enterprise Plan)을 사용하면 보안 정책이 강화되고 입력 데이터가 학습에 사용되지 않는다고 명시되어 있지만, 개인 수준에서는 권한 범위를 신중하게 설정하는 것이 먼저입니다.
AI가 무엇이든 만들어준다는 말은 절반만 맞습니다. 앱을 만드는 것과 그 앱이 시장에서 살아남는 것은 다른 문제입니다. 제 경우에도 블로그 작업에서 AI가 생성한 내용을 그냥 올렸을 때와, 제가 직접 경험을 섞어 수정했을 때의 반응이 명확하게 달랐습니다. 반복 작업을 줄이는 것은 AI가 하고, 품질 판단과 최종 검증은 제가 한다는 원칙을 지킬 때 결과가 좋았습니다.
자주 묻는 질문
Q. AI 에이전트를 처음 써보려면 어디서 시작하면 되나요?
A. ChatGPT 데스크톱 앱을 설치하고 Gmail 플러그인 하나를 연동하는 것부터 시작하는 것이 가장 현실적입니다. 채팅창에서만 쓰던 것과 앱을 설치해 외부 툴과 연결했을 때의 체감 차이가 크기 때문에, 직접 설치해서 비교해보는 것을 권합니다. 연동 후 "최근 일주일 메일 중 답장이 필요한 것 알려줘"처럼 실제 업무 요청부터 해보면 효과를 바로 확인할 수 있습니다.
Q. 바이브코딩으로 앱을 만들면 실제로 수익이 나나요?
A. 기술 장벽이 낮아진 것은 사실이지만, 수익은 아이디어와 타이밍이 결정합니다. 사주아이 사례처럼 6개월 50억 매출이 가능하다는 것은 검증됐지만, 모든 앱이 이렇게 되지는 않습니다. 현실적으로는 한 달에 두세 개씩 앱을 만들어 시장에 던지고, 반응이 오는 것에 집중하는 방식이 지금 실제로 활용되는 전략입니다.
Q. ChatGPT, Claude, Gemini 중 어떤 걸 써야 하나요?
A. 무난하게 하나만 구독할 거라면 현재로서는 ChatGPT가 플러그인 생태계와 안정성 면에서 가장 넓게 쓰입니다. Claude는 성능 자체는 상위권이지만 토큰 소모가 빠르고, 코딩 작업을 많이 한다면 월 200달러 수준의 Max 플랜을 써야 체감이 납니다. Gemini는 Google Workspace와의 연동에서 강점이 있고 현재도 빠르게 개선 중입니다.
Q. AI에 Gmail이나 파일을 연동해도 보안상 괜찮은가요?
A. 완전히 안전하다고 단언하기는 어렵습니다. 기업 플랜은 입력 데이터의 학습 미사용을 정책으로 명시하지만, 개인 플랜은 다릅니다. 가장 현실적인 방법은 AI 전용 계정과 실제 개인 계정을 분리하는 것입니다. AI가 접근하는 계정에는 민감한 개인 정보나 금융 관련 내용이 포함되지 않도록 처음부터 구분해두면 리스크를 줄일 수 있습니다.
결론
AI 에이전트와 바이브코딩은 분명히 실제로 작동하는 변화입니다. 제가 직접 써보면서 느낀 것은, AI가 잘하는 영역과 사람이 책임져야 할 영역이 생각보다 명확하게 나뉜다는 점입니다. 반복되는 메일 정리, 초안 작성, 이미지 시안 생성, 웹사이트 뼈대 구성 같은 작업은 AI가 훨씬 빠릅니다. 하지만 방향이 맞는지 판단하고, 결과물의 품질을 검증하고, 권한 범위를 설정하는 일은 여전히 사람의 몫입니다.
지금 당장 거창한 앱을 만들려 하기보다는, 지금 하고 있는 업무에서 매일 반복되는 작업 하나를 골라 AI에게 맡겨보는 것이 제가 경험한 가장 효과적인 시작 방법이었습니다. 결과를 확인하고, 마음에 안 들면 다시 요청하고, 그 과정에서 AI를 다루는 감각이 자연스럽게 쌓입니다. AI의 발전 속도보다 중요한 것은 그 속도를 내 일에 실제로 적용하는 역량이라고 생각합니다.