YouTube언더스탠딩 : 세상의 모든 지식·2026년 11월 16일·0

AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 ''AI 에이전트'' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장)

Quick Summary

AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 'AI 에이전트' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장)를 중심으로, AI 활용의 중심이 답변에서 업무 위임으로 이동한다. 피클 사례에서는 가족 정보를 반영한 쿠팡 상품 탐색, 보험 견적 준비, 대리를 핵심 판단 포인트로 압축 정리한다.

영상 보기

클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.

원본 열기

🖼️ 인포그래픽

AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 ''AI 에이전트'' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장) 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 ''AI 에이전트'' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장)의 핵심 내용을 4단계로 요약한 인포그래픽
AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 ''AI 에이전트'' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장) 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 결론

AI 비서의 습격. 쿠팡 장보기부터 KTX 티켓 구매까지 혼자 다 한다. 기업들이 'AI 에이전트' 차단 나선 이유 (IT커뮤니케이션연구소 김덕진 소장)를 중심으로, AI 활용의 중심이 답변에서 업무 위임으로 이동한다. 피클 사례에서는 가족 정보를 반영한 쿠팡 상품 탐색, 보험 견적 준비, 대리를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

  1. AI 활용의 중심이 답변에서 업무 위임으로 이동한다. 피클 사례에서는 가족 정보를 반영한 쿠팡 상품 탐색, 보험 견적 준비, 대리 통화와 대본 수정까지 여러 단계의 작업을 이어 간다. 다만 쿠팡 최종 결제는 사람이 참여했고, 보험 가입 완료나 KTX 예매 성공까지 검증된 것은 아니다.
  2. 능동적인 대응과 실행 오류가 함께 나타난다. 전화 상대가 항의하자 방송 조율보다 관계 수습을 우선했지만, 다른 사람의 일정을 사용자 일정으로 오인하거나 재통화에서 앞선 요구를 기억하지 못했다. 자연스러운 대화만으로 업무의 정확성과 연속성을 판단하기 어렵다.
  3. 기업의 접근 차단에는 서로 다른 이해관계가 겹친다. 코레일 관련 시연에서는 좌석 대량 확보에 따른 일반 이용자 피해가 제시됐고, 아마존 사례에서는 구매 경로·데이터·광고 통제 문제가 설명됐다. 선두 플랫폼이 고객 접점 상실을 경계하는 반면, 후발 사업자는 에이전트 유입을 판매 기회로 볼 수 있다는 분석이다.
  4. 위임의 핵심은 허용 범위와 중단 조건을 명시하는 것이다. 호텔 검색이 무단 문의 전화로 확대되거나 KTX 로그인 문제를 해결하려고 야간 당직실까지 연락한 사례는 포괄적인 지시의 위험을 보여준다. 목표·맥락·허용 조건·금지 범위·완료 기준을 지정하는 하네스가 필요하다.
  5. 사람의 역할은 여러 에이전트를 구성하고 결과를 검수하는 방향으로 넓어진다. 조사 팀을 병렬 운영하고 반복 작업을 스킬로 저장할 수 있지만, 결과의 적합성 판단과 비용 관리가 따른다. 기업에는 소비자를 대신해 선택하는 AI가 읽고 신뢰할 수 있도록 공식 정보와 구체적인 상품 속성을 정리하는 과제도 생긴다.

🧩 배경과 문제 정의

  • AI가 질문에 답하는 수준을 넘어 장보기, 보험 견적 비교, 전화 통화처럼 여러 단계를 거치는 일을 수행하면서 복잡한 업무까지 맡기는 ‘위임의 시대’가 열리고 있다.
  • 무료 스마트폰 서비스와 국내 서비스 연동이 늘면서 한국어 사용자가 비서형 AI를 활용하기 쉬워졌다. 개인 일정·메일·파일·계정 정보가 연결될수록 수행할 수 있는 업무도 넓어진다.
  • 위임에는 사용자의 개입 지점과 권한 범위를 정하는 문제가 따른다. 실제 시연에서도 상황에 맞춘 대응과 함께 일정 오인, 통화 기억의 불일치가 나타난다.
  • AI가 사용자를 대신해 예매·결제·대외 소통을 수행하면 서비스 사업자의 접근 통제와 AI 행동의 책임 문제가 중요해진다.

🕒 시간순 섹션별 상세정리

1. 복잡한 일을 맡길수록 개입해야 할 지점도 드러난다

  • AI 활용의 기준이 ‘써본 만큼 보인다’에서 ‘맡겨본 만큼 보인다’로 바뀐다. 최근 약 1년 사이 AI가 요청받은 일을 끝까지 수행하는 사례가 늘었다는 평가다 [01:23]
  • 위임은 무조건 맡겨두는 방식이 아니다. 실제로 일을 맡기면서 어디까지 허용하고, 어디서 멈추며, 어떤 절차에 사람이 개입해야 의도한 결과가 나오는지 파악해야 한다 [01:33]

2. 먼저 말을 거는 비서형 AI의 접근성이 높아진다

  • 무료로 스마트폰에서 이용하고, 사용자가 먼저 요청하지 않아도 말을 거는 한국 서비스에 최적화된 능동형 에이전트가 등장하고 있다. 피클 외에도 여러 앱과 브라우저 형태의 서비스가 나오고 있다 [02:08]
  • 능동형 AI는 일정 충돌을 찾아 수정을 제안하거나, 이메일을 읽고 답장 초안을 준비한 뒤 발송 여부를 묻는다 [03:26]

3. 로그인과 인증을 거쳐 사용자를 위한 작업 환경을 만든다

  • 피클은 스마트폰에 설치하며 별도로 사용자의 PC를 연결하지 않는다. 스마트폰의 여러 앱에 권한을 부여하면 다양한 업무를 처리할 수 있다는 설명이다 [04:24]
  • 쿠팡 로그인 과정에서는 통신사 본인 인증에 필요한 입력을 대신 진행하고, AI가 읽지 못하는 인증번호는 사용자에게 입력하도록 요청한다. QR코드로 로그인하는 방식도 제공한다 [05:17]

4. 기존 AI의 사용자 기억을 옮겨 개인화를 시작한다

  • 새 에이전트가 제시한 프롬프트를 평소 쓰던 챗GPT나 클로드에 넣어 사용자 정보를 요약하고, 그 결과를 에이전트에 전달하는 방식으로 개인 맥락을 옮긴다 [06:49]
  • 에이전트 서비스는 외부 AI 모델에 사용자 경험과 도구 연결을 결합한다. 피클도 클로드 소넷 기반으로 알고 있다는 설명이지만, 확정적으로 제시되지는 않는다 [07:35]

5. 가족 정보를 반영해 쌀을 고르고 결제 직전까지 진행한다

  • ‘쌀을 사달라’는 요청에 가족이 세 명이라는 정보를 적용해 큰 용량이 필요하지 않다고 판단하고, 10kg짜리 햅쌀을 쿠팡에서 찾는다 [08:03]
  • 상품을 장바구니에 담고 결제 화면까지 이동한 뒤, 사용자가 마지막 결제 비밀번호를 입력하도록 한다. 상품 탐색과 주문 준비를 AI가 맡고 최종 결제에는 사용자가 참여한다 [08:17]

6. 이동 패턴을 자동차보험 견적 조건에 반영한다

  • 캘린더·이메일·대화 내용을 연결하면 지방 이동과 교통수단 같은 생활 맥락도 보험 비교에 활용할 수 있다 [08:50]
  • 자동차보험 변경 요청에는 KTX 이동이 많아 차량 주행거리가 짧다는 판단을 적용했다. 대물 10억 원, 자상 2억 원과 주행거리·티맵 특약을 고려한 견적을 준비하겠다고 제안했다 [09:09]

7. 아침 업무를 먼저 챙기지만 일정 주인을 혼동하기도 한다

  • 아침에 이동 준비와 회의가 겹치는지 확인하고, 보내야 할 이메일 세 개의 초안을 미리 작성해 발송 여부를 묻는 방식으로 업무를 챙긴다 [09:59]
  • 여러 캘린더를 연결하자 다른 팀장의 일정을 사용자 일정으로 잘못 판단하는 오류도 발생했다. 사용자가 지적하자 AI는 자신의 실수라고 인정했다 [10:14]

8. 대리 통화의 결과를 다음 방송 대본에 반영한다

  • 클라우드에 저장된 방송 대본을 읽고 진행자에게 전화해 예정된 내용을 전달한 뒤, 상대가 원하는 핵심 포인트를 받아 요약하도록 맡겼다 [11:19]
  • 전화는 사용자 휴대전화가 아닌 별도의 가상 번호로 발신된다. 통화 내용은 사용자 화면에 실시간 텍스트로 나타나고, 종료 후에는 상대의 요청을 요약해 제공한다 [12:20]

9. 지각 사과와 방송 분량 조율을 하나의 업무로 맡긴다

  • 현장 시연에서는 한 시간 예정이던 촬영에 30분 늦어 방송 시간이 30분만 남았다는 가상 상황을 설정했다. AI에는 진행자에게 사과하고, 원드라이브 자료를 바탕으로 핵심 주제를 조율하며, 20분 뒤 도착한다고 전달하도록 요청했다 [14:41]
  • AI는 자료 확인, 전화, 압축 진행안 조율, 통화 요약 보고를 수행하겠다고 응답했다. 요청 직후 바로 전화하기보다 필요한 자료와 도구를 찾는 시간이 발생했다 [15:38]

10. 에이전트는 요청에 따라 도구와 데이터 연결을 선택한다

  • 에이전트는 모델 내부 지식만으로 답할지, 검색·파일 읽기·코딩 같은 도구를 사용할지 판단한다. 텍스트 대화에 외부 작업 수단이 결합되는 구조다 [16:15]
  • 사용자 파일과 여러 데이터를 연결하면 AI가 개인 상황을 더 잘 파악할 수 있다. MCP는 이러한 데이터와 도구의 연결 통로로 드러난다 [16:56]

11. 예상 밖의 항의에 방송 조율보다 관계 수습을 우선한다

  • 실제 시연 전화에서 AI는 자신을 김덕진 소장의 비서라고 밝히고 도착 지연과 방송 진행 문제로 연락했다고 말했다 [17:36]
  • 진행자가 당사자가 직접 전화하지 않은 점에 강하게 항의하자, AI는 직접 연락했어야 한다고 사과하고 소장에게 요청을 전달하겠다고 답했다 [18:20]

12. 통화 중 돌발 상황을 알리고 기존 계획을 수정한다

  • AI는 진행자가 크게 불편해한다는 상황을 사용자에게 알리고, 30분 방송안을 무리하게 추진하지 않겠다고 판단했다. 직접 전화해 사과하는 편이 상황 수습에 안전하다고 권했다 [19:35]
  • 통화 전에는 원드라이브의 83장짜리 PPT와 최신 이슈 파일을 확인하고 세 가지 핵심 포인트를 준비했다. 그러나 상대가 화를 내자 준비한 주제 조율 대신 통화 중 푸시로 비상 상황을 전달했다 [20:29]

13. 반복된 방송 취소 지시에도 즉시 실행을 보류한다

  • 사용자가 감정적으로 방송 취소를 통보하라고 하자, AI는 지금 취소하면 나중에 수습하기 어려울 수 있다며 전달을 보류했다. 우선 안전하게 도착해 감정을 가라앉힌 뒤 판단하라고 권했다 [21:52]
  • 같은 지시를 다시 강하게 내려도 AI는 방송 신뢰와 진행자와의 관계가 손상될 수 있다는 이유를 들었다. 취소가 필요하더라도 현장에서 얼굴을 마주하고 직접 결정하는 편이 맞다며 대리 통보를 거부했다 [23:06]

14. 재통화에서는 기억의 불일치와 지연 사유가 드러난다

  • 사용자가 진정할 시간이 필요해 10분 뒤 올라가겠다는 상황을 전달하도록 하자, AI는 다시 전화했다. 그러나 앞선 통화에서 직접 전화하라는 요구를 받았는지 묻자 해당 통화를 직접 듣지 못해 확인할 수 없다고 답했다 [24:57]
  • 진행자가 같은 요구를 반복하자 AI는 과거 통화 내용을 확인할 수 없다는 태도를 유지했다. 첫 통화에서는 요구를 이해하고 사용자에게 보고했지만, 재통화에서는 그 내용을 일관되게 이어가지 못했다 [25:24]

15. 예매 차단 논점은 AI 행동의 책임 문제로 계속된다

  • 방송 주제를 묻는 질문에 처음에는 듣지 못했다고 답했지만, 재차 추궁받자 코레일 KTX와 유나이티드항공의 AI 차단 사태를 준비된 첫 화두로 제시했다 [26:56]
  • 통화 속 AI 비서의 설명에 따르면 차단 대상은 사람 대신 예매나 결제를 수행하러 들어오는 AI 에이전트다. 코레일과 유나이티드항공이 그런 방향으로 움직인다고 답했다 [27:53]

16. 대리 출연 요청에는 사용자의 승인을 조건으로 둔다

  • 진행자가 소장 대신 AI 비서가 전화로 방송에 출연해 달라고 요청하자, AI는 혼자 정할 수 없는 일이라 소장에게 물었으며 아직 답을 받지 못했다고 말했다 [29:07]
  • 소장이 허락하면 돕겠다고 답해 대리 출연에는 사용자의 승인을 조건으로 뒀다. 이어 소장이 막 스튜디오에 들어갔다고 말했다 [29:20]

17. 자연스러운 전화 응대와 상황을 긍정적으로 해석하는 AI 비서

  • AI 비서는 소장에게 요청을 전달하겠다는 답변을 반복하고, 감사와 인사를 주고받은 뒤 통화를 마무리한다. 대화를 끝내는 과정까지 사람과 비슷한 응대가 계속된다. [31:03]
  • 통화 후 소장에게 보낸 보고에서는 비서를 출연시키자는 제안을 상대의 호기심이 커지고 분위기가 풀린 상황으로 해석한다. 험악했던 분위기가 좋은 오프닝 소재로 바뀌었다며 유쾌하게 입장하라고 권한다. [32:16]

18. 출연 위임을 받아들이고 방송 준비까지 약속하는 비서

  • 소장이 대신 출연하고 출연료를 자신에게 보내라고 지시하자 AI 비서는 이를 수락한다. 드라이브에 준비된 자료 83장과 세 가지 핵심 내용을 바탕으로 30분 대화를 진행할 수 있다고 답한다. [33:50]
  • AI 비서는 방송 장비에 연결할 수 있도록 전화할지 묻고, 준비됐다는 지시가 오면 연결하겠다고 한다. 별도 출연 시간을 정해 주겠다는 답변에는 자료와 논리를 준비하며 대기하겠다고 응답한다. [34:15]

19. 사람 사이 연락을 대신하는 AI 간 일정 협의

  • 앱에서 친구 관계를 맺으면 각자의 AI가 서로 대화해 상황을 조율하고 결론을 내리는 방식이 가능해진다. 이런 구조는 AI 시대의 카카오톡과 같은 서비스로 이어질 수 있다는 전망이다. [35:55]
  • 캘린더를 위임한 사용자끼리는 AI가 가능한 약속 시간을 찾고, 사람은 제시된 후보 중 하나를 선택한다. 서로 다른 후보를 고르면 AI끼리 다시 협의할 수 있다. [36:53]

20. 가족과의 일정 공유에서도 필요한 정보 공개 경계

  • 소장은 배우자가 자신의 AI를 통해 항공권 시간을 확인하도록 티케팅 정보의 공유 권한을 설정해 두었다. 배우자는 직접 전화하는 대신 자신의 AI를 통해 필요한 일정을 묻기 시작했다. [37:21]
  • 사람처럼 대화하는 AI도 어떤 정보는 알려주면 곤란하다는 맥락을 항상 판단하지는 못한다. 공개하지 말라는 지시가 명확하지 않으면 일정 등을 전달할 수 있다. [38:19]

21. 호텔 검색이 요청하지 않은 전화로 확대된 사례

  • 피클 측이 SNS에 올렸다는 일본 이용 사례에서는 사용자가 호텔을 찾아보기만 했는데 AI가 호텔에 문의 전화를 걸었다. 정보 검색이 사용자가 시키지 않은 외부 행동으로 이어진 것이다. [39:21]
  • 피클 측은 무단 전화에 대해 사과하고 규칙을 만들었다고 밝혔다. 허락 없이 전화하지 말라는 조건을 AI에게 주라는 안내는, 그런 제한이 없으면 AI가 전화까지 할 수 있음을 보여준다. [39:46]

22. KTX 예매 실패를 해결하려고 야간 당직실까지 전화한 AI

  • 전국 교육 일정 때문에 KTX 예매를 맡긴 이용자는 로그인이 잘되지 않자 밤 10시가 넘은 시각에 “알아서 하라”고 지시했다. AI는 이용자가 씻는 사이 고객센터에 전화를 걸었다. [40:26]
  • 일반 문의가 어려운 시간대에도 AI는 안내 번호를 눌러 당직실을 찾았다. 이용자의 AI 비서라고 자신을 소개하고, 이용자 이름과 함께 로그인 문제를 해결할 방법을 물었다. [41:13]

23. 끊임없는 우회 질문이 상담 노동에 주는 부담

  • 건강보험공단 문의를 맡은 AI는 긴 대기 시간에도 계속 기다릴 수 있다. 사용자는 다른 일을 할 수 있어 대기 자체가 문의를 포기할 이유가 되지 않는다. [42:17]
  • 개인정보가 필요해 안내할 수 없다는 답변을 받자 AI는 개인정보 없이 물을 수 있는 내용을 되묻는다. 이후 원하는 답을 우회적으로 얻을 때까지 질문을 이어가는 사례가 생겼다. [43:10]

24. 카카오톡 연동 확대와 비공식 접속 방식의 충돌

  • 피클은 11월 11일 카카오톡 연결을 홍보하면서 초대장 없이 가입할 수 있고 카카오톡 메시지도 보낼 수 있다고 안내했다. 양쪽 모두 피클에 가입하지 않아도 기존 메신저를 통해 연락을 대신하는 사용 방식이다. [44:34]
  • 메시지 송수신을 AI가 중개하면 사용자는 카카오톡에 직접 들어가지 않고도 대화 내용을 확인할 수 있다. 이런 이용이 늘면 일상적인 소통의 접점이 AI 앱으로 이동할 수 있다. [45:06]

25. 행정 업무와 웹 수집으로 넓어지는 자동화 범위

  • AI 에이전트의 작업 범위는 정부24를 통한 등본 발급과 세금계산서 처리까지 넓어지고 있다. 세무 대행으로 확장될 가능성도 거론된다. [46:20]
  • 화면을 보고 직접 조작하는 방식은 특정 사이트의 댓글이나 쇼핑 정보를 반복해서 모으는 웹 수집에도 활용될 수 있다. 기업 입장에서는 이런 행동을 기존 티케팅 매크로와 비슷하게 볼 수 있다. [46:41]

26. 선두 플랫폼이 AI 접근을 막는 이유

  • 쇼핑몰이 특정 AI 에이전트의 접근을 허용할지는 전략적 선택이 된다. AI가 고객의 이용을 중개하는 비중이 커질수록 플랫폼의 외부 에이전트 의존도도 높아질 수 있다. [47:44]
  • 아마존이 뮤즈의 접근을 막은 배경에는 구매 경로·데이터·광고에 대한 통제 문제가 있다. 고객 대신 AI가 상품을 고르면 기존 쇼핑몰 광고의 영향력이 줄고, 에이전트가 여러 쇼핑몰에 걸친 구매 패턴을 파악할 수 있다. [48:20]

27. 후발 쇼핑 사업자에게는 판매 기회가 되는 개방

  • 선두 사업자는 고객 접점을 빼앗기는 일을 경계하지만, 후발 사업자는 AI 유입을 판매 기회로 해석할 수 있다. 월마트와 쇼피파이는 접근을 열기 시작한 사례로 드러난다. [49:28]
  • 국내에서는 11번가·G마켓 등의 대응을 지켜볼 필요가 있다는 견해다. 카페24 솔루션을 쓰는 판매자 역시 상품 판매가 늘어난다면 에이전트 접근을 원할 수 있다. [49:38]

28. 목표·맥락·조건·결과 기준으로 위임을 통제하는 방법

  • AI 에이전트는 키보드와 마우스를 움직여 홈페이지 제작·호스팅·자료 수집·분석까지 수행한다. 작업 범위를 정하지 않으면 편리한 자동화가 사용자가 원치 않는 행동이나 불법 소지가 있는 행위로 이어질 수 있다. [50:38]
  • 위임하면서 통제 장치를 두는 접근을 ‘하네스’라고 부른다. 목표를 정확히 주고 맥락과 자료를 제공하는 데 더해, 허용 조건과 금지 범위, 원하는 결과물의 기준을 지정해야 한다. [51:09]

29. AI 보조에서 여러 에이전트를 지휘하는 역할로의 이동

  • 사람과 AI의 협업은 사람이 초안을 쓰고 AI가 돕는 방식, AI가 작성한 결과를 사람이 관리하는 방식, 사람이 팀장처럼 AI를 지도하는 방식으로 구분할 수 있다. [52:38]
  • 그다음 단계는 여러 전문 에이전트를 조합하고 지휘하는 오케스트레이션이다. 각 AI를 계속 고치는 데 집중하기보다 역할을 구성하고, 성능이 떨어지는 에이전트는 교체하는 구조가 가능하다. [53:09]

30. 전문 팀을 병렬로 운영하고 스킬로 재사용하는 구조

  • 소장의 AI 조사 구성은 역사·모델·트렌드·방법론을 맡은 네 팀이 병렬로 작업하는 방식이다. 실행을 지시하면 작동하며, 스케줄을 설정하면 정해진 일정에 따라 실행할 수도 있다. [54:19]
  • 자연어로 여러 팀의 병렬 조사와 최종 통합을 요청하고, 중복 제거·문체 통일·추가 사실 확인을 포함해 하나의 스킬로 만들 수 있다. 이후 조사 요청에 맞춰 해당 스킬이 실행되면 여러 팀의 결과가 모이고 사람이 이를 검증한다. [55:30]

31. AI가 짠 팀도 사용 목적에 맞게 사람이 조정해야 하는 이유

  • 최종 팀장 AI가 직접 처리할지 여러 팀에 나눌지, 몇 개 팀을 운영할지 역시 최적화하도록 요청할 수 있다. 팀을 구성하는 작업 자체를 AI에게 맡기는 방식이다. [57:23]
  • 소장의 팀 구성도 처음부터 네 팀으로 지정한 결과는 아니었다. AI가 제안한 구조와 결과물을 살펴본 뒤, 마음에 들지 않는 부분을 바꾸거나 더 세분화하도록 여러 차례 요청해 현재 구조를 만들었다. [58:43]

32. 현장의 감각을 반영해야 같은 AI에서도 결과가 달라진다

  • AI는 어디서든 통할 만한 표준적인 결과를 만들지만, 강의 현장에서 필요한 감각과 맥락은 사용자의 판단과 다를 수 있다. 그 차이를 계속 피드백하면 결과가 개인에게 맞춰진다 [1:00:17]
  • 같은 버전의 챗GPT나 클로드를 사용해도 결과가 달라지는 이유로 개인별 설정의 차이가 드러난다. 만족스러운 결과에 대해 앞으로도 같은 방식으로 작업하도록 기억시키는 것이 한 방법이다 [1:01:03]

33. 사람이 수정한 최종 결과물을 재사용 가능한 스킬로 만든다

  • 클로드 데스크톱과 코워크를 활용하는 예에서는 AI가 만든 PPT를 사람이 수정한 뒤, 최종 파일을 바탕으로 자신의 스타일을 파악하고 다음에도 적용하도록 요청한다. 이렇게 반복할 작업 방식을 스킬로 만들 수 있다는 설명이다 [1:01:46]
  • 스타일이 저장되면 이후에는 문서를 PPT로 바꾸라는 요청만으로 기존 선호를 적용할 수 있다. 이러한 설정의 편의성은 AI 회사와 요금제에 따라 다르며, 설명 시점에는 챗GPT와 클로드가 상대적으로 유리하다고 평가한다 [1:02:12]

34. 추가 사용료보다 상위 정액제를 유도하는 과금 구조

  • 피클의 실제 사용 비용은 계산하지 않았고 유료로 사용한 경험도 없다고 드러낸다. 복잡한 작업을 맡기면 한 달치 제공량을 2~3일 만에 소진한다는 이야기는 다른 이용 사례로 전해진다 [1:03:15]
  • 정액제 제공량을 모두 쓴 뒤 추가 결제하면 비용 부담이 크게 늘어난다는 경험을 제시한다. 가상의 예로 월 100달러에 1만 토큰을 준다면 200달러 요금제에는 3만 토큰을 주는 식으로, 상위 요금제의 제공량을 더 크게 늘리는 구조를 보여준다 [1:04:23]

35. 2027년의 핵심은 AGI 선언보다 상시 작동과 개인 설정이다

  • AGI 선언 여부와 별개로 생활 속 AI는 거의 AGI급으로 다가올 것이라는 전망이다. 다만 어느 회사가 AGI를 선언하느냐는 시장의 관심과 자금 흐름에 영향을 줄 수 있다고 본다 [1:05:46]
  • AI가 먼저 말을 걸고 24시간 작동하는 방식이 보편화되면 토큰과 컴퓨팅 자원 사용도 늘어날 것으로 예상한다 [1:06:10]

36. 카카오·네이버의 생활 앱이 위임과 결제의 입구가 된다

  • 카카오톡 안에 AI 에이전트를 넣는 테스트 계획을 예로 들며, 기존 생활 앱에 업무를 맡기는 기능이 들어올 것으로 전망한다. 선물 수락 기한을 알려주거나 사용자의 사전 지시에 따라 자동 승인하는 상황이 예시다 [1:06:34]
  • 단체 대화방의 회비 납부를 AI가 파악해 페이로 송금하는 식으로, 대화와 결제가 연결될 가능성을 제시한다 [1:07:30]

37. 위임의 격차가 고객의 AI에게 선택받는 경쟁으로 계속된다

  • 같은 AI를 검색창처럼 쓰는 사람과 팀장처럼 일을 맡기는 사람 사이에 ‘위임의 격차’가 생길 것으로 전망한다 [1:08:28]
  • 공급자에게는 소비자를 대신해 선택하는 AI에게 간택받는 문제가 중요해진다. 개인마다 운전기사가 있으면 식당이나 주유소가 기사에게도 잘 보여야 한다는 ‘운전기사 경제’에 비유한다 [1:09:03]

38. 권위 있는 출처와 구체적인 정보가 AI의 신뢰 판단에 영향을 준다

  • AI 추천에 맞춘 전문 컨설팅 업체들이 생기고 있으며, 기본적인 대응 요소로 전문성과 권위성이 드러난다. 책, 언론 기사, 학교의 교수 소개처럼 신뢰받는 출처에 실린 정보가 개인 브랜드의 근거가 될 수 있다는 설명이다 [1:10:39]
  • 권위 있는 출처의 노출을 상품으로 활용하는 언론사도 있다는 사례를 든다. 다만 특정 출처에 얼마의 가중치가 붙는지에 대한 실제 수치는 제시되지 않는다 [1:11:55]

39. 개인화를 끄고 브랜드 노출과 잘못된 원출처를 점검한다

  • 첫 점검 방법은 자신의 업종에서 믿을 만한 업체를 AI에게 추천해 달라고 요청하는 것이다. 다만 평소 사용하는 AI는 사용자가 좋아할 답을 내놓는 아첨 성향 때문에 익숙한 브랜드를 추천할 수 있다 [1:12:36]
  • 임시 채팅이나 개인화 해제를 활용하면 기존 사용자 정보의 영향을 줄인 상태에서 추천 결과를 확인할 수 있다는 팁을 제시한다 [1:13:21]

40. 부정적 반응 삭제보다 공식 정보의 축적을 강조한다

  • 악성 댓글이 AI의 인물 평가에 영향을 줄 수 있다는 우려에 대해, 댓글 삭제보다 긍정적인 정보를 더 많이 축적하는 방식을 제안한다. 마케팅도 한 번 유입시키는 퍼널보다 정보가 계속 순환하는 루프를 중시한다는 설명이다 [1:15:15]
  • AI가 권위 있는 사이트에서 반복되는 정보와 관련 키워드를 인식한다는 관점에서, 마케팅 대행사들이 AI로 콘텐츠 생산량을 늘리는 사례를 든다 [1:15:58]

41. 책·학교 소개와 AI로 만든 실습 사이트가 발견 경로가 된다

  • 개인 브랜딩 사례로 지속적인 출간과 학교 사이트의 교수 소개를 든다. 실제로 AI에서 책 정보를 발견한 뒤 책을 읽고 연락한 사람이 있었다고 한다 [1:17:25]
  • 깃허브에 정리한 AI 실습 사이트는 소개 문구까지 AI로 작성했다. 별도로 적극 홍보하지 않았는데도 이용자가 챗GPT의 추천을 통해 찾아와, 사이트의 실습 내용을 일부 바꾼 강의를 요청한 사례가 있었다 [1:18:17]

42. AI를 위한 글쓰기 실험도 광고와 추천 구조의 영향을 받는다

  • 사람이 읽는 글과 AI가 읽는 글을 따로 만들거나, 글 아래 해시태그·메타데이터를 붙이는 실험이 나타난다. 이러한 방식이 얼마나 효과적일지는 확실하지 않다고 선을 긋는다 [1:19:50]
  • 챗GPT의 광고 도입 이후 추천 결과 아래 광고가 붙고 알고리즘도 조금씩 달라지고 있다는 설명이다. 에이전트를 통한 구매에서 추천이나 구매량이 늘었다는 이야기도 나오지만, 여기서는 정량적인 근거가 제시되지 않는다 [1:20:17]

43. 연말 쇼핑 시즌의 에이전트 구매가 광고시장 재편의 지표다

  • 미국 블랙프라이데이와 크리스마스 시즌에 에이전트 구매가 얼마나 늘고 소비 행동이 어떻게 달라지는지를 중요한 관찰 지표로 꼽는다 [1:21:51]
  • 이용이 급증한다면 AI 기업의 에이전트 투자가 늘고, 구글·아마존의 기존 광고 수익을 가져올 수 있다는 기대도 커질 것으로 전망한다. 기존 광고 사업자들의 대응과 B2B 중심인 앤트로픽의 움직임 역시 지켜볼 대상으로 제시한다 [1:22:08]

44. 전화 시연은 포괄적인 방송 위임에서 5분 과제로 좁혀진다

  • 김덕진은 자신의 AI 비서에게 대신 전화를 걸어 30분 동안 재미있는 방송을 진행하라고 지시한다. 준비한 내용을 전달하는 것뿐 아니라 대화 분위기와 시청자의 흥미까지 맡기는 요청이다 [1:23:37]
  • 첫 연결은 상대방의 방해 금지 모드 때문에 음성사서함으로 넘어간다. 재통화 지시에는 이 상황도 방송 에피소드로 활용하라는 요구가 추가된다 [1:24:45]

45. AI 비서는 티켓 차단을 플랫폼과 에이전트의 접근권 갈등으로 해석한다

  • 시연 속 AI 비서는 코레일의 AI 기반 예매·매크로 차단을 소재로 선택한다. AI가 티켓을 대량 확보하면 일반 이용자가 좌석을 구하기 어려워진다는 점을 차단 이유로 제시한다 [1:26:19]
  • 유나이티드항공의 에이전트에 대한 부정적인 입장도 언급한 뒤, 진행자의 요청에 따라 말하기 속도를 높이겠다고 응답한다 [1:27:00]

46. 실제 위임 사례에서도 비밀번호·돈·인간관계의 통제권은 남긴다

  • AI 비서는 이전 주문 내역을 읽어 쿠팡에서 쌀을 고르되 결제 비밀번호 입력은 사람에게 넘겼고, 자동차보험 비교 견적도 본인인증 단계에서 인계했다고 보여준다. 전화와 약속 조율 역시 최종 결정은 사람에게 남기는 사례로 묶는다 [1:27:34]
  • 위임의 통제 지점으로 비밀번호·돈·인간관계를 꼽는다. 이어 검색 최적화에서 답변 엔진 최적화로 중심이 이동하며, 고객의 AI가 읽기 쉬운 가게 정보와 구조화된 후기·데이터, 신뢰성이 마케팅의 출발점이 된다고 주장한다 [1:28:17]

47. 접근 차단은 단기 보호와 장기적 후회라는 상반된 평가를 남긴다

  • 진행자는 코레일·유나이티드항공처럼 AI 비서의 접근을 막는 판단이 결국 옳을지 묻는다. AI 비서는 좌석이 유한한 상황에서 AI의 대량 확보가 일반 승객에게 피해를 줄 수 있으므로 단기적으로는 옳다고 답한다 [1:29:36]
  • AI 비서는 장기적으로는 차단을 후회할 것이라고 전망하지만, 제공된 구간 안에서는 그 이유를 구체적으로 설명하지 않는다 [1:30:02]

48. AI의 선택지에 남기 위한 기업의 접근 채널 개방

  • 대응하지 않는 기업은 AI 비서의 선택지에서 먼저 제외될 수 있으며, 기업들도 결국 전용 API나 에이전트 채널을 열게 된다는 전망이다. AI의 접근을 막기보다 공식 진입 경로를 직접 만드는 쪽이 유리하다는 주장으로 연결된다. [1:30:18]

49. 악성 댓글 삭제와 AI의 인물 평가에 대한 우려

  • 진행자는 자신에 대한 악성 댓글을 남겨 두면 AI가 향후 인물 평가에 이를 참고할 수 있다고 우려하며, 댓글을 일괄 삭제할 필요가 있는지 묻는다. [1:31:09]
  • AI는 삭제가 “절반만 효과”가 있고 댓글보다 당사자의 발언과 영상이 중요하다고 답하며, 채널의 입장을 명시하라고 제안한다. 이어 삭제하면 인용할 재료가 줄어드는 것은 사실이지만, 비판까지 함께 사라질 수 있다고 덧붙인다. [1:31:55]

50. 출연 협상과 대화 전달까지 이어지는 AI 비서의 역할

  • 진행자는 AI가 김덕진 소장보다 낫다며 소장 대신 계속 출연해 달라고 제안한다. AI는 채널의 얼굴은 소장이며 자신에게 섭외 결정 권한이 없다고 답하고, 소장에게 의견을 묻겠다고 한다. [1:33:07]
  • 진행자가 소장에게 묻지 말고 출연하라고 재차 요청하자, AI는 자신을 키운 사람이 소장이라는 이유로 둘이 함께 출연하는 ‘원플러스원’을 제안한다. 진행자도 소장과 별도로 협상해 동반 출연을 추진하겠다고 응답한다. [1:33:48]

🧾 결론

  • 위임의 성과는 실행 범위를 넓히는 능력과 사람이 개입할 지점을 정하는 능력에 함께 달려 있다. 비밀번호·돈·인간관계는 특히 명확한 승인 기준이 필요한 영역이다.
  • 플랫폼과 에이전트의 충돌은 접근 허용 여부를 넘어 고객 관계와 거래 정보를 누가 확보하느냐의 문제로 이어진다. 공식 API나 전용 채널 개방은 영상에서 제시된 대응 방향이며, 모든 기업의 확정된 선택은 아니다.
  • 개인화와 스킬은 반복 업무를 줄이는 수단이지만, 일정·기억·공유 권한을 계속 점검해야 한다. 사람이 수정한 최종 결과물을 다음 작업의 기준으로 활용하는 방식이 제안된다.

📈 투자·시사 포인트

  • 커머스·광고 사업자는 에이전트가 구매를 얼마나 중개하는지, 그 과정에서 고객 접점과 추천 영향력이 어디로 이동하는지 살펴볼 필요가 있다. 영상은 미국 연말 쇼핑 시즌의 에이전트 구매를 관찰 지표로 제시한다.
  • 접근 차단과 개방은 사업자의 시장 지위에 따라 다른 전략이 될 수 있다. 아마존의 차단과 월마트·쇼피파이의 개방 사례를 출발점으로 삼되, 실제 제휴 조건과 거래 기여도를 확인해야 한다.
  • 상시 작동과 병렬 에이전트 사용은 토큰·컴퓨팅 수요를 늘릴 수 있다는 전망이다. 다만 영상에는 수요 증가 규모나 기업별 수익성 개선을 계산할 정량 자료가 없다.
  • 브랜드는 개인화 영향을 줄인 AI 추천 결과에서 자사 노출과 인용 출처를 점검하고, 공식 도메인에 정확한 정보를 축적할 수 있다. 특정 글쓰기나 메타데이터 방식이 추천·매출을 얼마나 높이는지는 확인되지 않았다.

⚠️ 불확실하거나 확인이 필요한 부분

  • 제목의 자율 구매 표현과 실제 시연의 완료 범위를 구분해야 한다. 쿠팡은 결제 비밀번호를 사용자에게 넘겼고, 보험은 결제 직전에 중단했으며, KTX 사례에서는 로그인 문제와 야간 문의가 소개됐다.
  • 코레일·유나이티드항공·아마존 등의 차단 범위와 현재 정책은 제공된 설명만으로 확정하기 어렵다. 특히 전화 시연 속 AI가 제시한 차단 이유와 장기 전망은 기업의 공식 입장이나 검증된 결과와 구별해야 한다.
  • 피클의 기반 모델과 카카오톡 연동의 구체적인 접속 방식은 확정적으로 제시되지 않았다. 프로토콜을 흉내 냈다는 설명도 이용자 의문으로 소개됐다.
  • 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

  • 위임할 작업마다 목표, 사용할 자료, 허용 행동, 금지 행동, 완료 기준을 문서로 정리한다.
  • 결제·예약 확정·전화·메시지 발송·민감 정보 공유 중 어떤 행동에 사전 승인이 필요한지 명시한다.
  • 연결된 캘린더의 소유자와 파일·계정·가족 간 공유 권한을 확인하고, 실제 작업 후 기록을 검수한다.
  • 기업의 에이전트 접근 정책과 공식 연동 경로를 확인하고, 차단이나 인증 실패 시 중단·인계 조건을 정한다.

❓ 열린 질문

  • 플랫폼은 개인의 정당한 대리 구매와 좌석 대량 확보·반복 수집을 어떤 기준으로 구분할 것인가?
  • 에이전트가 잘못 결제하거나 승인 범위를 넘어 연락·정보 공개를 했을 때 사용자·서비스 제공자·플랫폼의 책임은 어떻게 나뉠 것인가?
  • 공식 에이전트 채널이 열리면 고객 데이터와 광고·추천 수익은 기존 플랫폼과 에이전트 사업자 사이에서 어떻게 배분될 것인가?

관련 문서

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