월간클로드 — AI 읽을거리

바이브코딩, 「딸깍이면 된다」와 「말린다」 사이

전석환 — Tue, 06 Oct 2026 00:00:00 GMT

바이브코딩, 요즘 사람들은 어떻게 이야기하고 있을까. 스레드에서 「바이브코딩」을 검색해 봤다. 글이 두 갈래로 갈렸다.

한쪽은 자랑이다. 바이브코딩으로 만든 앱을 보여 주고, 서비스를 연 지 두 달 만에 매출이 얼마가 됐다고 인증한다. 직접 만든 앱을 보여 달라는 글에는 반응이 뜨겁다.

다른 한쪽은 경고다. 오래 개발해 온 사람들이 묻는다. git은 아느냐, 데이터베이스는 아느냐, 개발용 서버와 실제 서버를 왜 나누는지 아느냐, 서버가 터지면 어떻게 할 거냐. 아무것도 모르고 딸깍 몇 번으로 서비스를 만들 수 있다고 믿는다면 말리고 싶다고 한다.

그 사이에 의심하는 글도 있다. 지금까지 본 바이브코딩 결과물은 그럴듯한 홈페이지 수준이지, 제대로 된 서비스는 못 봤다는 것이다.

어느 쪽이 맞을까. 이 사이트를 바이브코딩으로 만들어 보니, 둘 다 맞았다.

바이브코딩 뜻, 1년 반 사이 달라졌다

바이브코딩이라는 말은 AI 연구자 안드레이 카파시가 2025년 2월에 처음 썼다. 코드가 있다는 것조차 잊고 느낌에 맡겨 만든다는 뜻이었다. [출처: Wikipedia · Vibe coding] 처음에는 주말에 장난삼아 만드는 작은 프로그램 이야기였다.

반쯤 농담 같던 이 말은 그해 11월 콜린스 사전이 뽑은 올해의 단어가 됐다. 콜린스는 「자연어로 지시한 AI로 코드를 쓰는 것」이라고 풀었다. [출처: Collins · Word of the Year 2025]

1년 반 사이 이 말은 개발자의 장난에서 누구나 해 보는 일이 됐다. 코드를 한 줄도 모르는 사람이 앱을 만들고, 그걸로 돈을 벌었다는 글이 매일 올라온다. 말의 뜻도 조금 바뀌었다. 처음에는 「코드를 신경 쓰지 않고 만든다」였다면, 지금은 그냥 「AI에게 말로 시켜서 만든다」에 가깝다.

화면은 정말 쉬워졌다

자랑하는 쪽 말부터 맞다. 화면을 만드는 일은 정말 쉬워졌다.

이 사이트도 Claude Code와 대화하며 만들었다. 어떤 사이트를 만들고 싶은지, 누가 읽을 건지, 어떤 글을 올릴 건지를 말하면 페이지가 생긴다. 가이드북 두 권과 칼럼, 자료실, 수강생 게시판까지 지금 89쪽이다. 디자인이 마음에 안 들면 어디가 어떻게 이상한지 말하면 고쳐 준다. 폰에서 글자가 너무 작다고 하면 폰 화면만 따로 손본다.

몇 년 전이라면 개발자 몇 명이 몇 달 걸렸을 일이다. 지금은 혼자, 대화로 한다. 여기까지만 보면 딸깍이 맞다.

어려운 일은 코드 밖으로 옮겨 갔다

그런데 화면이 생긴 뒤부터 다른 일이 시작됐다. 이상하게도 그 일들은 대부분 코드가 아니었다.

화면은 금방 나오지만, 뒤에서 이어 붙일 것이 많다 — Gemini로 만든 그림

주소 붙이기. 도메인을 사서 사이트에 연결하고, www가 붙은 주소와 안 붙은 주소를 하나로 모으고, 예전 무료 주소로 들어온 사람도 새 주소로 넘어오게 했다. Claude가 순서는 알려 주지만, 도메인을 사고 결제하고 연결 버튼을 누르는 건 사람이다. 어느 주소를 대표로 쓸지도 사람이 정한다.

검색에 알리기. 구글과 네이버에 「이 사이트 주인이 나」라고 증명하고 페이지 목록을 건넸다. 구글은 도메인 설정에 확인용 글자 한 줄을, 네이버는 사이트 머리에 태그 한 줄을 넣으라고 했다. 넣는 건 Claude가 했지만, 구글과 네이버 화면에 들어가 확인 버튼을 누르는 건 내 몫이었다.

로그인 붙이기. 수강생만 들어오는 게시판을 만들려면 로그인이 있어야 한다. 로그인 코드를 메일로 보내려면 메일을 대신 보내 줄 곳부터 정해야 했다. 구글 계정에 들어가 앱 비밀번호를 따로 받아 와야 했고, 그 비밀번호는 한 번만 보여 주고 사라졌다. 명단에 없는 사람은 로그인 자체를 막는 장치도 넣었다.

숫자 보기. 오늘은 방문 분석(GA4)을 붙였다. 코드는 Claude가 한 번에 넣었다. 그런데 GA 화면에서 속성을 만들 때 시간대와 통화가 기본으로 미국에 맞춰져 있었다. 실시간 화면은 한 시간 가까이 「내부 오류」만 띄웠다. 방문자에게 알리려고 개인정보처리방침 문구도 먼저 고쳤다.

하나하나는 어렵지 않다. 하지만 어느 것도 「코드 짜 줘」로 끝나지 않는다. 다른 회사 화면에 들어가 버튼을 누르고, 비밀번호를 받아 오고, 무엇을 할지 정해야 한다. 바이브코딩에서 힘든 건 코딩이 아니라, 코드 바깥의 서비스들과 내 사이트를 잇는 일이다.

수익을 인증하는 글을 볼 때도 이걸 떠올리게 된다. 화면 캡처에는 앱만 보인다. 그 앱이 결제를 받고, 메일을 보내고, 가입한 사람의 정보를 지키기까지 뒤에서 이어 붙인 일들은 캡처에 찍히지 않는다.

모르면 위험한 것도 있다

말리는 쪽 말도 맞다. 몰라서 불편한 정도로 끝나지 않는 것도 있다.

2025년 봄, 한 보안 연구자가 바이브코딩 도구 러버블로 만들어 공개된 앱 1,645개를 살펴봤다. 그중 170개에서 로그인하지 않은 사람도 남의 이메일, 전화번호, 결제 정보까지 읽을 수 있는 구멍이 나왔다. 데이터베이스에 「누가 어떤 줄을 볼 수 있나」를 정하는 규칙이 빠져 있었기 때문이다. [출처: Matt Palmer · Statement on CVE-2025-48757]

앱은 잘 돌아갔다. 화면만 봐서는 아무 문제가 없었다. 만든 사람이 그 규칙이 있다는 걸 몰랐을 뿐이다. 문제는 그 사람이 아니라, 그 앱에 가입한 사람들이 떠안았다.

이 사이트의 수강생 게시판도 같은 규칙으로 막는다. 명단에 있는 사람만 글을 읽게 하는 줄이 데이터베이스에 따로 들어가 있다. AI가 알아서 넣어 준 게 아니다. 그 규칙이 필요하다는 걸 알았기 때문에, 처음부터 그렇게 만들라고 시켰다.

나만 쓰는 것과 남이 쓰는 것

말리는 글에 달린 댓글들이 더 흥미로웠다. 개발자들끼리도 의견이 반으로 갈렸다. 그중 한 갈래가 눈에 들어왔다.

나만 쓰는 것과 남이 쓰는 것은 다르다는 이야기다. 서버가 필요 없는 것, 내 일만 돕는 것을 만들면 망가져도 나만 손해다. 영상 편집 준비를 자동으로 해 두거나, 내 컴퓨터의 파일을 정리하는 프로그램이 그렇다. 이런 건 딸깍으로 시작해도 아무 문제가 없다. 바이브코딩이라는 말이 처음 나왔을 때 가리키던 것도 바로 이런 주말용 작은 프로그램이었다.

남이 쓰는 서비스는 다르다. 남의 이메일을 받고, 남의 돈을 받는 순간 망가졌을 때 손해 보는 사람이 내가 아니게 된다. 문제는 딸깍이라는 도구가 아니다. 「딸깍으로 서비스까지 된다」는 말이 문제다.

그러니 바이브코딩을 시작할 때 먼저 물어볼 건 「코드를 아느냐」가 아니라 「이건 누가 쓰나」다. 나만 쓰는 거라면 지금 바로 시작하면 된다. 남이 쓸 거라면, 아래 질문들이 그때부터 진짜 질문이 된다.

다 아는 사람에게 더 쓸모 있다

말리는 글에 나오는 질문들, 나는 다 안다. git으로 고칠 때마다 저장해 두고, 잘못되면 되돌린다. 내 컴퓨터에서 먼저 띄워 보고 괜찮을 때만 올린다. 데이터베이스에는 누가 무엇을 볼지 규칙을 건다. 이 칼럼도 지금은 내 컴퓨터에서만 보인다.

그런데 이 사이트를 만들면서 이 일들을 내 손으로 하지 않았다. 대화는 대개 이랬다.

「이건 이렇게 해야 하니까, 네가 직접 해 줘.」
「바로 가기 귀찮다. 열어 봐.」
「올리기 전에 폰 화면에서 깨지는 데 없는지 먼저 봐.」

무엇을 해야 하는지는 내가 알고, 손은 AI가 움직인다. 모르는 걸 해 달라고 한 게 아니다. 아는데 하기 귀찮은 일, 손이 많이 가는 일을 맡겼다.

그래서 생각이 바뀌었다. 바이브코딩은 아무것도 모르는 사람을 위한 도구라고들 하지만, 실제로는 많이 아는 사람에게 훨씬 더 쓸모 있다. 무엇을 시켜야 하는지 알면 한 번에 정확히 시킬 수 있다. 결과가 맞는지도 바로 알아본다. 틀린 방향으로 가면 중간에 멈춰 세운다. 아는 게 많을수록 맡길 수 있는 일도 커진다.

모르는 사람에게 AI는 답을 준다. 아는 사람에게 AI는 손을 준다.

그렇다고 모르면 시작하지 말라는 말은 아니다. 댓글 중에도 개발자라고 밝힌 사람이 그랬다. 하면서 배우는 게, 공부한다고 미루는 것보다 훨씬 낫다고. 모르면 물으면 된다. 이건 왜 필요한지, 안 하면 무슨 일이 생기는지. 그렇게 쌓인 만큼 다음에는 더 많이 맡길 수 있다.

그래서 딸깍인가

댓글 가운데 이 논쟁을 한 줄로 푼 말이 있었다. 말리는 사람들의 질문을 나눠 보면, git과 데이터베이스는 만들기에 필요한 것이고, 서버를 나누고 장애에 대응하는 건 운영하기의 일이라는 것이다. 바이브코딩이 낮춰 준 건 만들기의 문턱이지, 운영하는 사람이 져야 할 책임이 아니다.

그러니 「딸깍으로 서비스를 만든다」는 맞는 말이고, 「딸깍으로 서비스를 운영한다」는 틀린 말이다. 두 문장을 하나로 묶어 말하니 자꾸 싸움이 난다.

딸깍은 시작이다. 화면은 딸깍으로 나온다. 그 화면을 남이 쓰는 서비스로 굴리는 일은 딸깍이 아니다. 그 일을 해내는 건 결국 무엇을 해야 하는지 아는 사람이다.

아직 모른다면, 남에게 보여 주기 전에 AI에게 이 세 가지만 물어봐도 많이 달라진다.

「이걸 남이 쓰려면 또 뭐가 필요해?」 — 주소, 로그인, 메일, 결제처럼 코드 밖의 일이 나온다
「사람들 정보는 어디에 저장되고, 누가 볼 수 있어?」 — 보안 규칙이 빠졌는지 여기서 드러난다
「망가지면 어떻게 되돌려?」 — 저장과 되돌리기 방법을 미리 만들어 둔다

그리고 그 벽들을 다 넘어도 하나가 더 남는다. 다 만든 서비스를 누가 찾아와 쓰느냐다. 오래 개발해 온 사람들이 댓글에서 짚은 것도 결국 이것이었다. 코딩보다 기획이, 기획보다 사람들이 무엇을 원하는지 아는 게 승부를 가른다. 코드는 AI가 대신 써 주지만, 누구에게 무엇이 필요한지는 대신 알아 주지 않는다.

딸깍이냐 아니냐는 이제 중요하지 않다. 아는 사람은 시키고, 모르는 사람은 묻는다. 바이브코딩으로 끝까지 가는 사람은 그 둘 중 무엇도 멈추지 않는 사람이다.

AI 에이전트 시대, 2026년엔 이렇게 쓴다

전석환 — Fri, 02 Oct 2026 00:00:00 GMT

AI 에이전트라는 말을 요즘 어디서나 듣는다. 지난 칼럼에서 2023년에 프롬프트 엔지니어링을 어떻게 공부했는지 돌아봤다. 이번에는 같은 눈으로 2026년 지금을 들여다본다.

3년 전에는 좋은 프롬프트 한 줄을 찾으려고 밤을 새웠다. 지금은 프롬프트를 공들여 쓰지 않는다. AI와 이야기를 나누고, 일은 에이전트에게 맡긴다. 그 사이에 무슨 일이 있었을까.

달래고 다그치던 시절은 끝났다

2023년에는 AI를 달래 가며 썼다. “당신은 이 분야의 전문가입니다”로 시작하고, “이 일을 제대로 해내는 것이 매우 중요합니다”를 붙였다. 잊어버릴까 봐 같은 조건을 몇 번이고 다시 적었다. AI의 모자란 곳을 사람이 주문 같은 말로 메웠다.

지금은 그럴 필요가 없다. AI는 긴 대화를 잊지 않고, 한국어로 물어도 잘 알아듣는다. 다그친다고 더 잘하지도 않는다. 이제 결과를 바꾸는 건 말투가 아니라 내가 무엇을 알려 주느냐다.

이제는 대화한다

지금 AI를 잘 쓰는 사람들은 한 번에 완벽한 프롬프트를 쓰려 하지 않는다. 대신 이야기를 나눈다.

내가 하려는 일이 무엇인지, 왜 하는지, 어디에 쓸 건지 말한다. 그러면 AI가 되묻는다. 누가 볼 건지, 꼭 들어가야 할 게 무엇인지, 피해야 할 건 없는지. 그 질문에 답하다 보면 나도 막연했던 것이 정리된다. 일을 시작하기 전에 계획부터 보여 달라고 하면, 엉뚱한 방향으로 가기 전에 바로잡을 수 있다.

이건 사람끼리 일할 때와 똑같다. 일을 맡길 때 잘하라고 다그치는 사람보다, 배경을 충분히 설명해 주는 사람이 원하는 결과를 받는다. 내가 아는 지식을 대화로 나누고, AI는 그걸 바탕으로 일한다. AI를 달래던 시대에서, AI와 지식을 나누는 시대로 넘어왔다.

영상도 이렇게 만들어진다

요즘은 짧은 홍보 영상도 대화로 만든다. 만드는 과정을 보면 3년 사이 무엇이 바뀌었는지 잘 보인다.

무엇을 위한 영상인지, 어디서 정보를 가져오면 되는지 말하면 AI가 그 홈페이지를 직접 읽고 연혁과 숫자를 모은다. 모은 내용으로 콘셉트를 잡고, 장면 순서를 짜고, 박자에 맞춰 화면이 바뀌는 영상을 만들어 먼저 보여 준다. 효과음도 AI가 직접 만들어 붙인다. 마음에 들면 화면을 한 장씩 그려 소리까지 들어간 영상 파일로 묶어 준다. 사람은 처음에 무엇을 원하는지 말하고, 중간에 보고 고칠 곳을 짚는다.

2023년에는 배너에 영어 몇 글자 넣는 것도 철자가 틀려 몇 번을 다시 그렸다. 3년 뒤에는 대화 몇 번에 소리까지 들어간 영상 파일이 나온다.

이때도 결과를 가르는 건 맥락이다. 어디에 틀 영상인지, 가로인지 세로인지, 로고는 어떻게 할지를 처음에 알려 주면 한 번에 끝난다. 빠뜨리면 다시 묻고 다시 만든다. 좋은 결과를 만드는 건 다그치는 말이 아니라, 내가 아는 것을 얼마나 나눠 주느냐다.

에이전트, 2023년에도 들었던 말

에이전트라는 단어는 2023년에도 들었다. 알아서 일을 처리하는 AI가 곧 나온다고들 했다. 그때는 아직 먼 이야기처럼 들렸다.

지금은 다르다. 에이전트가 대세가 됐다. 대화만 하는 AI가 아니라, 내 컴퓨터에서 파일을 만들고, 명령을 실행하고, 결과를 확인하고, 틀리면 스스로 고치는 AI다. 특히 코딩 에이전트가 그렇다. 이름은 「코딩」이지만, 정작 코드를 모르는 사람에게 더 쓸모가 있다. 코드를 몰라도 말로 일을 맡기면 에이전트가 코드를 써서 해낸다.

사람은 말하고, AI 여럿이 나눠서 일한다 — Gemini로 만든 그림

이제는 AI와 AI가 대화한다. Claude Code만 해도 큰 일을 받으면 작은 일로 나눠 다른 AI(서브에이전트)에게 맡기고, 그 결과를 받아 정리한다. [출처: Claude Code Docs · Create custom subagents] 사람은 처음에 무엇을 원하는지 말하고, 중간에 방향을 잡고, 끝에 결과를 확인한다.

3년, 그런데 사용법은 그대로

변화는 빨랐다. 지난달에는 메타가 장보기와 예약까지 대신 해 주는 AI 에이전트 「뮤즈」를 내놨고, 열흘 만에 앱스토어 1위에 올랐다. (챗봇 다음은 ‘대신 해 주는 AI’) 불과 3년 만이다.

그런데 주변을 보면 아직 2023년 방식으로 쓰는 사람이 많다. 질문 하나 던지고 답 하나 받는다. 마음에 안 들면 다시 묻는다. 물론 그때보다 AI가 좋아져서 그 방식으로도 효율은 꽤 올랐다. 하지만 같은 AI로 진짜 일을 맡길 수 있는 방법이 이미 있는데, 그 앞에서 멈춰 있는 셈이다.

그러다 보니 「AI는 결국 일을 대신해 줄 수 없다」는 말도 여전히 듣는다. 2023년 방식으로 써 보면 그 말이 맞다. 답은 그럴듯한데 내 일에 바로 쓰기는 애매하다. 그런데 그건 AI가 모자라서라기보다, 쓰는 방법이 3년 전에 멈춰 있어서인 경우가 많다.

그 시절 공부가 남긴 것

2023년에 외우던 요령은 이제 거의 쓰지 않는다. 하지만 그때 몸으로 익힌 감은 남았다. AI가 어디서 막히고, 그럴 땐 어떻게 돌아가야 하는지. 새 도구가 나와도 일단 써 보고, 막히면 길을 찾는 습관.

이제 필요한 건 주문이 아니다. 내가 하려는 일을 잘 설명하는 힘, 그리고 일을 맡겨 보는 용기다. 프롬프트를 잘 쓰던 사람이 아니라, 자기 일을 잘 아는 사람이 AI를 가장 잘 쓰는 시대가 됐다.

프롬프트 엔지니어링, 2023년엔 이렇게 공부했다

전석환 — Thu, 01 Oct 2026 00:00:00 GMT

2023년 가을, ChatGPT가 나온 지 1년쯤 됐을 때다. AI를 잘 쓰고 싶은 사람들은 프롬프트 엔지니어링을 공부했다. AI에게 말을 어떻게 걸어야 원하는 답이 나오는지 연구하는 일이다. 모임이 생기고, 강의가 열리고, 자료가 돌았다. 그때 AI 커뮤니티 지피터스(GPTers)에서 여럿이 함께 만든 슬라이드 「챗지피티 10배 활용법」이 있었다. 이걸 내 일에 써먹으려고 몇 번이고 다시 보고, 또 다시 봤다.

그때만 해도 AI는 지금처럼 널리 알려지지 않았다. 주변에 물어볼 사람도, 정해진 쓰는 법도 없었다. 먼저 써 보겠다는 사람들이 벽에 부딪혀 가며 길을 냈다.

지금 생각하면 웃음이 난다. 그런데 그때는 웃을 일이 아니었다. 솔직히 말하면 고생이었다. AI가 3년 사이 얼마나 왔는지, 그 시절을 한번 돌아본다.

금방 잊어버리던 AI

그때 ChatGPT는 기억력이 짧았다. 한참 잘 따라오다가도 어느 순간 처음에 정한 조건을 모르는 척했다. 다시 설명하면 또 잊고, 또 설명했다. 그래서 중요한 말 앞에는 「중요」, 「꼭 기억할 것」 같은 말을 붙여 몇 번이고 다시 적었다. AI가 잊지 않게 챙기는 일이 사람 몫이었다.

한국어는 더 불리했다. 같은 말도 한국어로 쓰면 AI가 금방 배가 불렀다. 그래서 한국어로 쓴 질문을 번역기로 영어로 바꿔 넣고, 영어로 온 답을 다시 한국어로 번역해 읽었다. AI와 이야기하려고 통역을 두 번 거친 셈이다.

질문 하나에 창 몇 개를 오갔다. 번역이 어색하면 답도 어색했고, 그걸 다시 고쳐 묻다 보면 한 시간이 금방 갔다.

주문처럼 외우던 말들

같은 질문도 어떻게 쓰느냐에 따라 답이 달랐다. 어느 말이 통할지는 해 봐야 알았다. 그래서 누가 잘 되는 말을 찾았다고 하면 다들 받아 적었다.

“당신은 이 분야의 전문가입니다”로 시작하면 낫다고 했다. “한 단계씩 생각해 보자”를 붙이면 답이 좋아진다고 했다. 답을 받으면 “다시 살펴보고 틀린 데를 찾아봐”라고 한 번 더 시켰다. 그런 말들을 주문처럼 외웠다.

2023년 7월에는 매번 하던 말을 미리 적어 두는 칸이 생겼다. [출처: OpenAI · Custom instructions for ChatGPT] 사람들은 그 칸에 별말을 다 적었다. “이 일을 제대로 해내는 것이 매우 중요합니다.” 심지어 “나는 오픈AI의 CEO입니다.”까지. AI를 달래고, 다그치고, 때로는 속여서라도 좋은 답을 받아 내려 했다. 그렇게 해도 마음에 드는 답은 열 번에 몇 번이었다.

철자가 자꾸 틀리던 그림

2023년 10월, ChatGPT에서 그림도 그릴 수 있게 됐다. [출처: OpenAI · DALL·E 3 is now available in ChatGPT Plus and Enterprise] 신기했지만 원하는 그림을 받기는 어려웠다.

같은 고양이에 안경만 씌우고 싶은데, 다시 그리면 고양이가 바뀌어 있었다. 그림마다 붙는 번호를 받아 적었다가 다시 넣어 가며 겨우 붙잡았다. 대화가 끊기면 고양이를 처음부터 다시 그렸다.

글자는 더 어려웠다. 배너에 영어 몇 글자 넣는데도 철자가 자꾸 틀렸다. 「철자 그대로 써」라고 영어로 다그치고, 다시 그리기를 누르고, 또 누르며 맞는 한 장을 기다렸다. 한글은 아예 기대도 안 했다. 결국 다들 같은 결론에 닿았다. 글자는 빼고 그린 다음, 편집기로 사람이 넣자.

아껴 쓰던 질문

가장 똑똑한 모델은 3시간에 50번까지만 물을 수 있었다. 다 쓰면 3시간을 기다려야 했다. 그래서 질문 하나도 아껴 가며 했다. 쉬운 건 아래 모델에 묻고, 정말 중요한 질문만 아껴 두었다. 하필 중요한 순간에 한도가 차면 그날 일은 거기서 멈췄다.

해외 사용자가 몰리는 밤 시간에는 자꾸 멈췄다. 새로 고침을 누르며 기다리는 게 일이었다.

그렇게 겨우 손에 익히면 또 바뀌었다. 바깥 서비스를 불러 쓰던 플러그인은 1년 남짓 만에 문을 닫았다. [출처: OpenAI · ChatGPT plugins · OpenAI Developer Community] 애써 익힌 사용법이 몇 달 만에 쓸모없어지는 일이 흔했다.

맡기면 손이 더 가던 일

AI에게 일을 맡기면 오히려 사람 손이 더 가는 일도 많았다.

엑셀 파일을 만들어 달라고 하면 화면에 표를 그려 줬다. 그 표를 복사해 엑셀에 붙이면 칸이 맞지 않았다. 한 칸에 몰려 들어가거나, 줄이 밀리거나, 숫자가 글자로 들어갔다. 그걸 하나하나 고치다 보면 처음부터 내가 만드는 것보다 시간이 더 걸렸다.

그래도 또 AI에게 시켰다. AI가 만든 거면 그래도 나보다는 낫겠지 하는 생각이었다. 주변에서도 AI가 얼마나 잘하는지, 이제 다 해 준다고들 했다. 정작 내 화면 앞에서는 칸 맞추기를 하고 있었지만.

왜 그렇게까지 했을까

그때는 GPT가 AI 세상의 전부였다. 다른 것도 있었지만, 일을 맡길 만한 건 사실상 ChatGPT 하나였다. 갈아탈 곳이 없으니 그 하나를 어떻게든 잘 써야 했다. 그걸 제대로 써 보려는 사람도 아직 많지 않았다.

도구가 모자란 만큼 사람이 채웠다. 잊으면 다시 적고, 그림이 흔들리면 번호를 붙잡고, 글자가 틀리면 손으로 고치고, 표가 어긋나면 칸을 맞췄다. 돌아보면 프롬프트 엔지니어링은 AI의 모자란 곳을 사람이 대신 채우는 일이었다.

그래도 그만둘 수 없었다. 이게 앞으로 일하는 방식이 되리라는 걸 먼저 써 본 사람들은 느꼈다. 남보다 먼저 손에 익혀 두고 싶었다. 그래서 퇴근하고 나서도 붙들고, 밤을 새워 가며 공부했다. AI를 잘 쓰는 법을 익히는 게 그 자체로 공부였던 시절이다.

그리고 3년 뒤

그 많던 요령은 이제 거의 쓰지 않는다. 그래도 그 고생이 헛되지는 않았다.

아무것도 모르는 상태에서 부딪혀 가며 배우다 보니, AI가 어디서 막히고 그럴 땐 어떻게 돌아가야 하는지를 몸으로 알게 됐다. 운동선수가 처음엔 아무것도 모르고 시작해도, 같은 동작을 반복하다 보면 나중엔 감만으로 하는 것과 같다. AI 흐름은 그 뒤로도 정신없이 바뀌었다. 하지만 새 도구가 나올 때마다 처음부터 헤매지는 않았다. 그때처럼 일단 써 보고, 막히면 길을 찾으면 됐다. 지금 남들이 쉽게 다가가지 못하는 방식으로 AI를 쓸 수 있는 것도, 그 시절 고생하며 알게 된 것 덕분이다.

그렇게 공부한 사람들은 지금 AI를 어떻게 쓰고 있을까. 3년 사이 무엇이 바뀌었을까.

다음 칼럼에서는 2026년 지금의 모습을 같은 눈으로 들여다본다.

챗봇 다음은 '대신 해 주는 AI'

전석환 — Wed, 30 Sep 2026 00:00:00 GMT

2026년 9월, 미국 앱스토어 1위 자리에 낯선 이름이 올라왔다. ChatGPT도, Claude도, Grok도 아니었다. 메타 뮤즈(Meta Muse) — 페이스북 · 인스타그램 · 왓츠앱을 만드는 회사 Meta가 9월 8일에 내놓은 앱이다. [출처: Meta Newsroom · Introducing Muse]

사진: Meta

말풍선을 보면 뮤즈가 무엇인지 짐작이 간다. 묻는 말에 답하는 AI가 아니다. “예약해 줘” 하면 예약을 끝내는 AI다.

아쉽게도 한국에서는 아직 쓸 수 없다. 그래도 알아 둘 만하다. 챗봇 다음에 무엇이 오는지 가장 먼저 보여 주는 앱이기 때문이다.

열흘 만에 1위 — ChatGPT보다 빨랐다

뮤즈는 출시 열흘 만인 9월 18일 미국 앱스토어 1위에 올랐고, 다음 날 구글 플레이에서도 1위가 됐다. 9월 25일까지 내려받은 횟수는 340만 번이다. [출처: TechCrunch · Meta is putting its muscle behind Muse]

비교 대상은 ChatGPT다. 미국 · 캐나다 아이폰 기준으로 첫 12일 동안 뮤즈는 180만 번, 2022년의 ChatGPT는 같은 기간 130만 번 내려받혔다. [출처: TechCrunch · Meta’s Muse is outpacing ChatGPT’s early mobile launch]

시장도 움직였다. Meta 주가는 출시일 613달러에서 9월 24일 777달러로, 두 주 남짓 만에 약 27% 올랐다. [출처: Seoul Economic Daily · Meta’s ‘Muse’ AI Agent Tops U.S. App Charts]

말하는 AI에서 일하는 AI로

ChatGPT가 처음 나왔을 때 사람들은 대화에 놀랐다. 뮤즈가 내세우는 것은 일이다. Meta는 뮤즈가 “브라우저를 열고, 양식을 채우고, 대신 협상한다”고 소개한다. [출처: Meta Newsroom · Introducing Muse]

메일 보내기, 여행 예약, 영화표 · 쇼핑 결제
인스타그램에 저장해 둔 요리 영상을 장보기 목록으로 바꾸기
큰 목표를 주면 계획을 세우고 시간과 돈을 나눠 쓰기

어떻게 사람 대신 사이트를 돌아다닐까. 사람마다 전용 가상 컴퓨터(Muse Secure VM)를 하나씩 준다. 뮤즈는 그 안의 브라우저로 일하고, 같은 컴퓨터에서 감시 담당 에이전트(Sentinel)가 뮤즈와 떨어져 지켜본다. 두뇌는 Meta가 올해 4월 처음 공개한 AI 모델 Muse Spark다. 뮤즈 앱 · 웹(muse.ai) · 왓츠앱에서 쓰고, AI 안경에도 곧 붙는다. [출처: Meta Newsroom · Introducing Muse]

거의 공짜인 이유

뮤즈가 빨리 퍼진 이유 하나는 값이다. 무료로 매주 1억 토큰을 준다. 토큰은 AI가 읽고 쓰는 글자의 양을 재는 단위다. 저커버그가 출시 날 직접 밝힌 숫자다.

얼마나 넉넉할까. 미국 IT 매체 Gizmodo 기자가 일부러 다 써 보려고 했다. 게임 여러 개, 같은 노래의 변주 50곡, 3D 모험 게임, 브라우저에서 도는 가짜 맥 컴퓨터까지 만들었다. 그러고도 주간 무료 한도에서 11%를 썼을 뿐이다. 기자는 “불편할 만큼 많다”고 적었다. [출처: Gizmodo · Meta’s Muse Let Me Waste a Mind-Boggling Amount of Free Compute]

다른 AI와 견주면 차이가 크다. xAI의 Grok은 무료판이 있지만, 요금 페이지는 월 30달러 SuperGrok을 “더 높은 한도”, 월 100달러 SuperGrok Plus를 “훨씬 더 많은 사용량”으로 판다. 요금제마다 정확히 얼마나 쓸 수 있는지는 적혀 있지 않다. [출처: SpaceXAI · Compare Grok Plans]

번호	무료	유료
메타 뮤즈	매주 1억 토큰	월 20 · 100달러 (보도 기준)
Grok	있음 (한도 안에서)	월 30 · 100달러 (공식 페이지) 외

그럼 Meta는 어디서 돈을 벌까. 구독이 아니라 거래다. 저커버그는 “많은 양을 무료로 주고, 시간이 지나면 거래에서 작은 수수료를 받아 돈을 벌 것”이라고 말했다. 뮤즈가 대신 사고 예약할 때마다 조금씩 받겠다는 뜻이다. [출처: TechCrunch · Everything new coming to Meta’s AI agent Muse]

왜 이렇게 빨리 퍼졌나

Meta에는 다른 AI 회사에 없는 것이 있다. 이미 매일 앱을 여는 사람들이다. 조사 회사 Apptopia에 따르면 뮤즈 사용자의 95% 이상이 페이스북 사용자, 63%가 인스타그램 사용자다. [출처: TechCrunch · Meta’s Muse is outpacing ChatGPT’s early mobile launch]

Meta는 출시 다음 날부터 자기 앱들에 뮤즈 광고를 걸었고, 레딧 · 틱톡 · 유튜브로 넓혔다. 새 앱을 알릴 문이 이미 수십억 개 열려 있던 셈이다. [출처: TechCrunch · Meta is putting its muscle behind Muse]

귀여움도 한몫했다. 뮤즈는 인형처럼 생긴 아바타로 나온다. 기본 캐릭터 이름은 「Jolly」, 저커버그 본인의 에이전트는 토가를 입은 「Agrippa」다. [출처: NBC News · It’s cute. It’s cuddly. And it wants your data.]

첫 번째 벽 — 아마존이 문을 닫았다

대신 사 주는 AI는 곧 벽에 부딪혔다. 9월 20일(미국 시간) 밤부터 아마존에서 뮤즈로 쇼핑하려던 사람들 앞에 이런 창이 떴다. “허락받지 않은 AI 에이전트가 계속 접속하는 것은 아마존 이용 약관 위반입니다.” [출처: GeekWire · Amazon blocks Meta’s Muse AI assistant]

아마존의 말은 이렇다. Meta가 미리 알리지 않았고, 뮤즈는 자기가 AI라고 밝히지 않은 채 돌아다니며, 고객 로그인 정보를 저장하는 것처럼 보인다. 아마존은 Meta에 뮤즈에서 아마존을 빼 달라고 요청했다고 밝혔다. Meta는 뮤즈가 비밀번호와 결제 수단을 볼 수 없고, 사용자가 준 정보는 보안 저장소에 들어간다고 설명한다. [출처: GeekWire · Amazon blocks Meta’s Muse AI assistant]

이 싸움은 보안만의 문제가 아니다. 아마존은 사람들이 상품을 검색하고 비교하는 화면에 광고를 붙여 돈을 번다. AI가 알아서 고르고 결제까지 누르면 그 화면을 사람이 보지 않는다. 대신 해 주는 AI가 늘수록 이런 충돌도 늘어날 것이다.

내 삶을 통째로 맡긴다는 것

사용자 쪽의 걱정도 있다. 뮤즈가 일을 잘하려면 메일, 일정, 결제, 가족 일까지 알아야 한다. 출시 직후 온라인에는 “Meta에게 내 삶 전체를 맡기고 싶지 않은 사람이 나뿐인가?”라는 글이 올라왔고, 제3자 보안 검증이 필요하다는 목소리도 나왔다. [출처: NBC News · It’s cute. It’s cuddly. And it wants your data.]

Meta는 연말에 사용자만 가진 열쇠로 대화와 정보를 통째로 암호화하는 판(Muse Confidential VM)을 내겠다고 했다. Meta조차 볼 수 없게 하겠다는 약속이다. [출처: Meta Newsroom · Introducing Muse]

한국에서는 — 아직, 그리고 그 사이에

뮤즈는 9월 8일 미국에서 열렸고, 지금은 미국과 캐나다에서만 쓸 수 있다. [출처: TechCrunch · Meta is putting its muscle behind Muse] 한국 출시 일정은 나오지 않았다. [출처: Seoul Economic Daily · Meta’s ‘Muse’ AI Agent Tops U.S. App Charts] 들어오더라도 쿠팡 · 네이버 같은 국내 쇼핑몰이 문을 열어 줄지는 또 다른 문제다. 아마존의 일이 이미 보여 줬다.

그래도 방향은 분명하다. AI는 말해 주는 것에서 해 주는 것으로 넘어가고 있다. 그리고 이 흐름은 뮤즈를 기다리지 않아도 지금 경험할 수 있다. Claude Code 같은 도구에게 “이 폴더의 견적서를 모아 품의서를 만들어 줘”라고 하면, 대답이 아니라 파일이 남는다. 월간클로드 가이드북이 그 방법을 처음부터 차례로 적어 두었다.

사람들은 왜 ChatGPT에 열광했나

전석환 — Tue, 29 Sep 2026 00:00:00 GMT

2016년 3월, 서울에서 바둑 다섯 판이 열렸다. 한쪽은 이세돌 9단, 다른 쪽은 구글 딥마인드가 만든 바둑 AI 알파고. 결과는 4 대 1, 알파고의 승리였다. [출처: Wikipedia · AlphaGo versus Lee Sedol]

Gemini로 만든 그림

많은 한국 사람이 AI를 처음 실감한 순간이다. 그리고 6년 뒤, AI는 한 번 더 세상을 놀라게 한다. 이번에는 바둑판이 아니라 대화창이었다 — ChatGPT.

알파고에서 ChatGPT까지 무슨 일이 있었는지, 사람들은 왜 그렇게 열광했는지, 무엇이 문제였는지 차례로 짚어 본다.

알파고 — 보는 AI

알파고는 대단했지만 바둑만 두는 AI 였다. 그리고 보는 AI 였다. 뉴스로 보고 중계로 봤을 뿐, 내 손으로 알파고에게 무언가를 시켜 본 사람은 없다.

보는 AI와 쓰는 AI — Gemini로 만든 그림

그 사이 글을 다루는 AI가 조용히 자라고 있었다.

2017년 — 구글 연구진이 트랜스포머라는 새 구조를 논문으로 내놓았다. 문장 속 단어들이 서로 어떻게 이어지는지를 한꺼번에 살피는 방식이다. 지금의 대화형 AI는 거의 모두 이 구조 위에 서 있다. [출처: arXiv · Attention Is All You Need]
2019년 — OpenAI가 GPT-2를 발표했다. 글을 너무 그럴듯하게 써서, 가짜 뉴스에 쓰일까 봐 처음엔 전부 공개하지 않았다. 가장 큰 모델은 그해 11월에야 공개했다. [출처: Wikipedia · GPT-2]
2020년 — GPT-3가 나왔다. 크기가 GPT-2의 백 배가 넘었다. 다만 개발자가 신청해서 코드로 불러 쓰는 방식(API)이라, 보통 사람은 써 볼 길이 없었다. [출처: arXiv · Language Models are Few-Shot Learners]

📖 GPT — 많은 글을 미리 읽혀 둔(Pre-trained), 글을 지어내는(Generative), 트랜스포머(Transformer) 구조의 AI. 세 단어의 머리글자다.

글을 잘 쓰는 AI는 이미 있었다. 다만 연구실과 개발자의 것이었다.

2022년 11월 30일 — 모두가 쓰는 AI

ChatGPT는 GPT에 대화창을 붙인 것이다. OpenAI는 공개 글에서 이렇게 소개했다. 대화 형식이라서 이어지는 질문에 답하고, 자기 실수를 인정하고, 틀린 전제를 짚고, 부적절한 요청은 거절할 수 있다. [출처: OpenAI · Introducing ChatGPT]

반응은 숫자가 말해 준다.

언제	무슨 일
2022년 11월 30일	ChatGPT 공개 — 무료 「연구용 미리보기」
12월 5일 (닷새 뒤)	사용자 100만 명 — OpenAI 대표 샘 올트먼이 직접 알림 [출처: X · @sama]
2023년 1월 (두 달 뒤)	한 달 사용자 약 1억 명 추정 — 틱톡은 9개월, 인스타그램은 2년 반 걸린 숫자 [출처: Euronews · 로이터 · UBS 보고서]

분석을 낸 스위스 은행 UBS는 “인터넷 업계를 20년 지켜보면서 이렇게 빨리 큰 서비스는 기억나지 않는다”고 적었다.

사람들이 열광한 이유 — 세 가지

하나, 빈칸 하나가 전부였다. 설치할 것도, 낼 돈도, 배울 것도 없었다. 가입하고, 빈칸에 쓰고, 엔터를 치면 끝이었다. GPT-3와 같은 계열의 AI가 처음으로 모든 사람 앞에 놓였다.

둘, 말을 받아서 이어 갔다. 그 전의 챗봇은 정해진 질문에 정해진 답을 했다. ChatGPT는 앞에서 한 말을 기억하고, 되묻고, “더 짧게”라고 하면 줄였다. 기계에 명령하는 게 아니라 사람과 이야기하는 느낌이었다.

셋, 무엇을 시킬지 내가 정했다. 이메일 초안, 번역, 요약, 시, 그리고 코드까지. 한 가지 일만 하는 AI가 아니었다. 그래서 사람마다 “나는 이걸 시켜 봤다”는 이야기가 하나씩 생겼고, 그 이야기가 입소문이 됐다.

곧바로 드러난 문제점

열광만큼 걱정도 빨랐다.

그럴듯하게 틀린다. OpenAI도 공개 글에 한계를 먼저 적었다 — 가끔 그럴듯하게 들리지만 틀렸거나 말이 안 되는 답을 쓴다. 공개 닷새 만인 12월 5일, 개발자 질문 사이트 스택오버플로는 ChatGPT로 쓴 답변을 임시로 금지했다. 맞는 답의 비율은 낮은데, 겉보기엔 그럴듯하고 만들기는 쉬워서 오히려 해롭다는 이유였다. [출처: The Register] 모르는 것도 아는 것처럼 매끄럽게 말하는 이 문제에는 나중에 이름이 붙었다. 할루시네이션(hallucination), 우리말로 환각이다.

있지도 않은 섬을 가장 자신 있게 그려 넣은 지도 — 할루시네이션. Gemini로 만든 그림

숙제를 대신 써 준다. 2023년 1월, 미국 뉴욕시 공립학교는 학교 기기와 인터넷에서 ChatGPT를 막았다. 학생의 배움을 해치고 내용이 정확하지 않을 수 있다는 이유였다. 이 금지는 그해 5월에 풀렸다. [출처: CNN · NBC News]

회사 비밀이 새어 나간다. 2023년 5월, 삼성전자는 직원들의 생성형 AI 사용을 막았다. 직원이 반도체 관련 소스 코드를 ChatGPT에 붙여 넣고 문제를 물어본 일이 드러난 뒤였다. 한번 보낸 내용은 바깥 서버에 남아 지우기 어렵다는 걱정이었다. [출처: Fortune]

세 가지 모두 지금도 유효하다. AI의 답은 확인하고 쓰고, 배우는 자리에서는 스스로 해 보고, 회사 자료는 넣기 전에 한 번 더 생각한다.

그리고 지금

ChatGPT는 AI를 보는 것에서 쓰는 것으로 바꿨다. 그 뒤로 대화창 AI는 여럿 생겼고, 이제는 대화로 시켜서 직접 무언가를 만드는 단계까지 왔다.

이 사이트는 그다음 이야기를 다룬다 — 코딩을 몰라도 Claude로 내 일을 돕는 도구를 직접 만들어 보는 법이다.