YouTubeAI News & Strategy Daily·2026년 11월 20일·0

Anthropic Ran 1,000 AI Agents For 8 Days. Yours Still Needs The Same Thing Explained Again.

Quick Summary

영상이 소개한 앤트로픽의 1,000개 이상 에이전트·8일 실행 사례를 내 업무로 연결하려면, AI에 반복해서 설명하던 최신 결정과 지침을 누적·공유하는 작업 구조부터 갖춰야 한다.

영상 보기

클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.

원본 열기

🖼️ 인포그래픽

Anthropic Ran 1,000 AI Agents For 8 Days. Yours Still Needs The Same Thing Explained Again. 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Anthropic Ran 1,000 AI Agents For 8 Days. Yours Still Needs The Same Thing Explained Again.의 핵심 내용을 4단계로 요약한 인포그래픽
Anthropic Ran 1,000 AI Agents For 8 Days. Yours Still Needs The Same Thing Explained Again. 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 결론

영상이 소개한 앤트로픽의 1,000개 이상 에이전트·8일 실행 사례를 내 업무로 연결하려면, AI에 반복해서 설명하던 최신 결정과 지침을 누적·공유하는 작업 구조부터 갖춰야 한다.

📌 핵심 요점

  1. 장시간 실행 자체가 성과를 보장하지 않는다. AI가 오래된 결정이나 모호한 과제를 따라가면 실행 비용에 결과 수정 비용까지 더해진다.
  2. 필요한 맥락에는 자료뿐 아니라 진행 중 바뀐 판단, 구체적인 예시, 현재 우선순위와 지침도 포함된다. 이를 다음 에이전트가 읽을 수 있게 남겨야 한다.
  3. 제안서·발표자료 같은 지식노동도 코드처럼 관리하자는 것이 영상의 중심 제안이다. 자료, 최신 결정, 오류 점검 기준을 에이전트가 찾을 수 있는 공통 저장소에 둔다.
  4. 스킬은 개인별 설정을 넘어 팀이 같은 자료에 일관된 방식으로 접근하도록 만드는 공통 작업 지침으로 설계한다. 역할별 권한, 사람의 검토, 버전별 작업 분리도 함께 필요하다.
  5. 성과는 실행 시간이나 산출물 수보다 반복 설명·수정·충돌이 줄었는지, 사람이 판단해야 할 중요한 질문이 더 잘 올라오는지로 평가한다.

🧩 배경과 문제 정의

영상은 연구소가 소개하는 장시간 에이전트 실행과 사용자가 같은 지시를 반복해야 하는 일상적인 경험의 간극에서 출발한다. 화자는 밤새 AI를 실행했더라도 원하지 않은 기능이나 오래된 판단이 반영되면 다음 날 정리할 일이 늘어난다고 설명한다.

핵심 문제는 자료의 양만이 아니다. 프로젝트를 진행하며 달라진 목표와 판단을 다음 에이전트가 이해할 수 있게 전달하는 구조가 필요하다는 주장이다. 화자는 개인 연구 프로젝트의 시행착오를 바탕으로, 비개발 업무도 자료·지침·버전·검토 기준을 공통 저장소에서 관리하는 방식을 제안한다. 도입부의 연구소 사례는 화자가 전한 보고이며, 이후 설명은 개인 경험과 업무 설계에 관한 제안으로 구분해 읽어야 한다.

🕒 시간순 섹션별 상세정리

1. 장시간 실행과 반복 설명 사이의 간극

  • 화자는 OpenAI의 수백 시간 실행 보고와 앤트로픽의 1,000개 이상 에이전트·8일간 운영체제 시제품 제작 사례, Google의 장기 작업 사례를 보여준다. 제공된 전사문에는 이를 검증할 원자료가 포함되지 않는다. [00:44]
  • AI가 오래 일해도 가격이나 약속을 다시 확인하고 이전 결정을 재설명해야 한다면 사람의 후속 업무는 줄지 않는다. 화자는 원하지 않은 기능이 늘고 중요한 요구는 빠졌던 경험을 드러낸다. [01:24]

2. 연구 프로젝트가 보여준 과제 갱신의 필요성

  • 화자의 설명에 따르면 Codex는 339개가 넘는 자료를 찾고 1,000개가 넘는 질문을 만들었다. 이후 에이전트가 파일 동기화 과정에서 같은 일을 반복하는 동안, 화자가 원한 결과는 근거가 더 탄탄한 핵심 답변 50개로 바뀌었다. [01:56]
  • 화자는 실행을 중단하고 다음 에이전트에 짧은 인계 메모를 남겼다고 보여준다. 자료 부족보다 과제 구조와 변경된 목표의 전달이 문제였다는 진단이다. [02:24]
  • 오래된 결정을 계속 따르는 실행은 토큰 비용과 수정 시간을 함께 발생시킨다. 탐색 과정에서 새롭게 배운 내용도 에이전트에 계속 전달해야 한다고 강조한다. [03:01]

3. 맥락은 사실뿐 아니라 변화하는 판단까지 포함한다

  • 화자는 프로젝트 정보와 현재 결정을 정리하는 유료 구독자용 자료를 소개하며, 문제를 팀 단위로 바라볼 것을 권한다. [03:25]
  • 필요한 맥락에는 사실, 진행 중 내린 결정, 구체화한 예시, 바뀐 지침이 포함된다. 이를 기록하면 새로 합류한 사람도 프로젝트 관점의 변화를 따라갈 수 있다는 설명이다. [04:07]
  • 화자는 연구소의 직원 온보딩을 예로 들며, 에이전트에도 한 번의 의견 전달을 넘어 시간에 따라 갱신되는 관점을 읽을 수 있게 제공해야 한다고 주장한다. [04:46]

4. 모델을 바꾸기 전에 과제를 구조화한다

  • 화자는 자신의 연구 사례에서 다른 모델에 넘기는 것만으로는 문제가 해결되지 않는다고 본다. 원하는 결과를 분명히 하고 탐색 단계와 정제 단계를 구분한 뒤, 이미 수행한 작업과 학습 내용을 함께 인계해야 한다는 설명이다. [05:13]
  • 지침, 오류 점검 기준, 변화하는 결정을 에이전트가 찾을 수 있는 저장소에 두라고 제안한다. 오래된 제안서를 참고해 잘못된 가격을 넣는 상황을 버전 관리 실패의 예로 든다. [05:57]
  • 화자는 코드처럼 파일과 구조를 갖춘 지식노동이 AI가 탐색하기에 적합하다고 보여준다. 이를 모델의 검증 가능한 영역 학습과 연결하지만 구체적인 검증 자료는 제시하지 않는다. [06:21]

5. 자료와 공통 스킬을 같은 기반에 둔다

  • 여러 부서의 사람이 서로 다른 모델과 서비스를 사용하더라도 같은 위치의 자료를 참조하면 협업 기준을 맞추기 쉽다는 제안이다. [06:46]
  • 자료 활용법과 브랜드 기준 같은 스킬을 지식 기반 안에 함께 두라고 권한다. 개인마다 같은 스킬을 설치하거나 별도로 작성하는 방식은 접근법과 참조 자료의 차이를 키울 수 있다는 지적이다. [07:34]
  • 비개발 업무도 에이전트가 효과적으로 탐색할 수 있는 공통 구조에 담는 것이 중요하다고 정리한다. [07:50]

6. 스킬을 팀의 일관된 작업 방식으로 설계한다

  • 화자는 스킬을 개인의 능력 확장 수단에서 회사의 지식과 업무를 누구나 일관되게 다루도록 돕는 지침으로 재해석한다. [08:20]
  • 스킬은 팀이 해결하는 문제와 저장소 구조를 먼저 기준으로 삼고, 이후 각 사용자의 모델이 접근하도록 설계해야 한다는 주장이다. [08:45]
  • 요구사항 문서, 제안서, 발표자료의 작성 방식은 공통 기준으로 관리하고 관련 데이터 옆에 배치해 여러 에이전트가 활용하도록 제안한다. [09:04]

7. 사람의 검토와 결과 책임을 작업 흐름에 넣는다

  • 공통 스킬에는 새 버전이 생겼을 때 다음 진행 전에 사람의 편집 검토를 요청하는 등 협업 절차도 담을 수 있다고 보여준다. [09:33]
  • 같은 데이터 구조와 작업 기준을 공유하면 고객에게 전달되기 전에 오류를 발견하는 데 도움이 된다는 주장이다. [10:02]
  • 화자는 개인 설정의 생산성을 과시하는 데 머무르지 말고 최종 산출물의 가치에 집중하라고 강조한다. AI가 작성했더라도 고객에게 전달한 결과의 책임은 사람에게 있다는 입장이다. [10:56]

8. 역할 설명과 실제 권한 통제를 함께 고려한다

  • 공통 저장소를 중심으로 역할별 기대 행동을 정의하고, 더 정교한 시스템에서는 신원·권한·가드레일을 통해 에이전트의 행동 범위를 제한할 수 있다고 보여준다. [11:43]
  • PM, 엔지니어, 외부 계약자의 에이전트가 무엇을 할 수 있는지 명확히 해야 하며, 자료를 볼 수 있다는 이유만으로 덮어쓸 수 있어서는 안 된다고 지적한다. [12:14]
  • 화자는 역할을 적은 마크다운 파일만으로 충분하다고 주장하는 것은 아니라고 명시한다. 간단한 구조를 활용하더라도 사람의 감독과 권한 통제가 필요하다고 강조한다. [12:51]

9. 동시 작업의 충돌은 업무와 버전을 나눠 줄인다

  • 여러 사람과 에이전트가 같은 자료를 수정하면 변경 충돌과 작업 순서 문제가 발생한다. 구조 없이 에이전트를 한꺼번에 투입하는 방식의 어려움을 보여준다. [13:31]
  • 주제별 폴더와 개별 작업 페이지로 담당 범위를 나누는 방식을 제안하며, 이를 코드 작업에서의 관심사 분리와 독립 작업 공간에 비유한다. [13:58]
  • 발표자료의 새 버전을 별도로 작업하고 완료 후 검토 담당자에게 넘기는 예시를 든다. 공통 구조와 인계 규칙으로 충돌을 줄이자는 취지다. [14:37]

10. 성공은 개입 감소와 질문의 질로 판단한다

  • 단순한 시간 절약 외에 불필요한 중단과 충돌이 줄었는지, AI의 역할이 명확해졌는지, 사용자가 같은 설명을 덜 하게 됐는지를 살펴보라고 제안한다. [15:15]
  • 고객 업무의 산출물·목표·일정이 충돌할 때 적절한 담당자에게 문제를 전달하도록 공통 지침을 둘 수 있다고 보여준다. 고객 관련 기록도 같은 자료 기반에서 활용하는 방식을 언급한다. [16:09]
  • 에이전트가 올리는 질문이 더 생산적인지를 평가 기준으로 삼는다. 질문이 전혀 없다면 사람이 모든 과정을 직접 이끌고 있는 것은 아닌지 점검하라는 견해다. [16:27]

11. 작은 재실행 실험에서 장기 실행의 기반을 만든다

  • 화자는 고객 문제를 이해하고 해결하는 데 사람이 더 집중하도록 자동화를 설계해야 한다고 주장한다. 장기 실행의 목표는 다음 날 사람에게 정리할 일을 더 남기지 않는 것이다. [17:27]
  • 반복해서 설명하고 수정하는 업무 하나를 고른 뒤 최신 정보와 저장된 지침을 제공해 새 대화에서 다시 시도하라고 권한다. 조직 전체의 구조 개편 없이도 개인이 시작할 수 있는 실험이다. [17:50]
  • 과거 모델 사용 경험에서 배운 내용을 명시적으로 전달하고, 판단이 바뀌면 지침도 갱신하는 습관을 강조한다. [18:39]

12. 개인의 개선을 팀 전체의 데이터 설계로 확장한다

  • 화자는 유료 자료가 개인과 팀 모두를 다룬다고 보여준다. 개인의 생산성을 개선하면서 가능한 범위에서 팀이 함께 활용할 수 있는 해법으로 나아가라고 권한다. [19:16]
  • 팀 리더와 CTO가 데이터 구조를 조직 전체 생산성의 문제로 다뤄야 한다고 강조한다. 확장성, 정확성, 실제 가치가 없는 자동화는 생산성 과시에 그칠 수 있다는 지적이다. [19:46]
  • 마지막에는 학습에 따라 지침을 개선하는 개인의 실천과 에이전트 협업을 가능하게 하는 팀의 데이터 구조를 연결한다. 이것이 더 긴 실행을 유용한 결과로 이어주는 기반이라는 주장으로 마무리한다. [20:31]

🧾 결론

  • 영상은 장기 에이전트 실행의 병목을 모델 선택뿐 아니라 과제 구조와 맥락 전달 방식의 문제로 설명한다.
  • 공통 저장소에 자료와 작업 지침을 함께 관리하면 여러 사람과 서로 다른 모델이 협업할 기준을 맞출 수 있다는 제안이다.
  • 자동화가 늘어도 고객에게 전달하는 결과의 판단과 책임은 사람에게 남는다.
  • 시작점은 반복해서 설명하고 수정하는 업무 하나에 최신 자료와 저장된 지침을 붙여 새 대화에서 다시 시도하는 것이다.

📈 투자·시사 포인트

  • 기업의 AI 활용도를 볼 때 모델 성능이나 에이전트 수와 함께 데이터 구조, 지침 관리, 검토 절차를 살펴볼 필요가 있다는 시사점을 준다.
  • 영상은 에이전트의 신원·권한·가드레일을 다루는 기업용 시스템을 언급한다. 다만 관련 시장 규모나 특정 기업의 수익성을 판단할 근거는 제시하지 않는다.
  • 생산성의 실질적인 개선 여부는 토큰 비용뿐 아니라 재작업, 불필요한 개입, 고객 전달 전 오류 수정 부담까지 포함해 판단해야 한다.
  • 팀이 공유하는 자료와 스킬은 조직 전체의 일관성에 영향을 준다. 영상은 개인 설정의 정교함보다 이러한 공통 기반의 확장 가능성에 무게를 둔다.

⚠️ 불확실하거나 확인이 필요한 부분

  • OpenAI의 수백 시간 실행, 앤트로픽의 1,000개 이상 에이전트·8일 운영, Google의 장기 작업 사례는 화자가 소개한 보고 내용이다. 제공된 전사문에는 원문 링크, 평가 조건, 독립 검증 결과가 없다.
  • 전사문의 ‘Fable 5.2’, ‘Gemini 4 Carbon’, ‘RLV’ 등 명칭과 표현은 정확한 표기인지 확인이 필요하다. 11월 2일과 1월이라는 언급도 연도가 명시되지 않는다.
  • 공통 저장소와 스킬 관리가 효과적이라는 설명은 화자의 경험과 제안에 기반한다. 비교 실험이나 정량적인 개선 수치는 제시되지 않는다.
  • 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
  • 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
  • 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

  • 반복해서 설명하거나 수정하는 업무 하나를 골라 현재 목표와 원하는 산출물을 명확히 적는다.
  • 최신 자료, 확정된 결정, 변경된 지침, 참고 예시를 에이전트가 찾을 수 있는 한곳에 정리한다.
  • 탐색 단계와 결과를 다듬는 단계를 구분하고, 단계가 바뀔 때 다음 에이전트에 전달할 과제도 갱신한다.
  • 공통 스킬에 팀의 작업 기준과 사람이 검토해야 할 시점을 담고, 역할별 권한은 실제 통제 수단과 함께 점검한다.

❓ 열린 질문

  • 프로젝트의 판단이 바뀔 때 누가 공통 지침을 갱신하고, 이전 결정이 더 이상 유효하지 않음을 어떻게 표시할 것인가?
  • 여러 에이전트가 동시에 작업할 때 어떤 변경은 독립적으로 진행하고, 어떤 변경은 사람의 검토를 거쳐야 하는가?
  • 반복 설명과 재작업 감소를 팀 차원에서 어떤 기준으로 측정할 것인가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.