🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Gobii는 “Real AI Employees”라는 표현처럼, 사람이 계속 조작해야 하는 AI 도구를 웹 리서치·리드 수집·CSV 정리까지 백그라운드에서 수행하는 AI 직원 형태로 바꾸려는 서비스입니다.

📌 핵심 요점

1. Gobii의 핵심 문제의식은 기존 AI 도구가 프롬프트 입력, 결과 확인, 복사·붙여넣기, 후속 작업까지 사용자의 지속적 개입을 요구한다는 점입니다.
2. 영상에서는 Gobii를 단순 챗봇이 아니라 브라우징, 데이터 수집, 이메일·SMS 소통, CRM 업데이트, 리포트 생성을 맡길 수 있는 AI employee building platform으로 설명한다.
3. 사용자는 사전 학습된 worker 템플릿을 고르거나 직접 프롬프트를 작성해 Lead Hunter 같은 업무형 에이전트를 생성할 수 있으며, 생성된 에이전트는 목표 고객·지역·작업 범위 등을 질문하며 업무를 구체화한다.
4. 시연에서는 San Jose 치과 25곳 중 AI 전화응답·부재중 전화 자동화·온라인 예약 자동화를 명확히 홍보하지 않는 업체를 찾아, 웹사이트·전화번호·이메일·서비스·개인화된 제안 사유를 CSV로 정리하는 흐름을 보여준다.
5. Gobii는 브라우저 안에서 작동하는 노코드 방식, 백그라운드 실행, SMS·이메일 상호작용, Google Drive 같은 앱 연동, 에이전트 공유·협업 기능을 통해 비개발자도 반복 업무 자동화를 만들 수 있다는 점을 강조한다.

🧩 배경과 문제 정의

• 기존 AI 도구는 사용자가 프롬프트를 입력하고, 결과를 기다리고, 산출물을 복사·붙여넣고, 후속 업무까지 직접 처리해야 하는 경우가 많아 실제 자동화 효과가 제한된다.
• Gobii는 단순히 답변을 생성하는 챗봇이 아니라, 웹 탐색, 데이터 수집, 이메일 발송, CRM 업데이트, 리포트 생성 같은 업무를 백그라운드에서 수행하는 상시 작동형 AI 동료로 소개된다.
• 핵심 문제는 “AI가 답을 주는 것”이 아니라 “사람이 계속 붙어서 작업을 이어가야 하는 것”이며, Gobii는 이 수동 운영 부담을 줄이는 방향으로 포지셔닝된다.
• 코드 작성, 서버 구축, 복잡한 API 연결 없이 브라우저 안에서 업무 자동화를 만들 수 있다는 점이 비개발 조직 사용자에게 중요한 가치로 제시된다.
• OpenClaw류의 자체 호스팅 방식과 비교해, Gobii는 클라우드 네이티브, 보안 중심, 숨은 인프라 비용 없음이라는 장점을 강조하지만, 이 비교와 요금·보안 조건의 최신성은 영상 시점 설명이므로 별도 확인이 필요하다.

🕒 시간순 섹션별 상세정리

1. 수동 AI 도구의 한계와 Gobii의 기본 포지션

• 많은 AI 도구는 사용자가 직접 열고, 프롬프트를 넣고, 결과를 기다린 뒤 내용을 다른 도구로 옮겨야 하므로 자동화가 끝까지 이어지지 않는다 [00:09]
• 발표자는 이런 방식이 여전히 사람에게 상당한 후속 작업을 남기기 때문에, 실제 업무 자동화 관점에서는 한계가 있다고 보여준다 [00:24]
• Gobii는 브라우징, 데이터 수집, 이메일 발송, CRM 업데이트, 리포트 생성을 백그라운드에서 수행하는 always-on AI colleague를 배포하는 방식으로 차별화된다 [00:39]

2. AI employee 플랫폼과 사전 학습된 worker 템플릿

• Gobii는 단순 챗봇이나 작은 단일 에이전트라기보다, virtual co-worker를 만드는 AI employee building platform에 가깝게 묶인다 [01:53]
• 사용자는 특정 업무 분야나 솔루션에 맞춘 사전 학습 worker 템플릿을 검색할 수 있다 [02:12]
• 세일즈 영역에는 리드 발굴이나 후속 연락처럼 실제 업무 자동화에 바로 연결될 수 있는 여러 예시가 준비되어 있는 것으로 드러난다 [02:27]

3. 새 AI 직원 생성과 치과 리드 수집 프롬프트

• 무료 계정과 무료 체험이 제공되며, Pro와 Scale Team 플랜은 더 많은 작업 수, 에이전트 수, 추가 기능을 제공하는 것으로 영상에서 묶인다 [04:58]
• 다만 요금제와 무료 체험 조건은 서비스 정책에 따라 달라질 수 있으므로, 실제 사용 전 최신 조건 확인이 필요하다 [05:13]
• 새 에이전트 생성 화면에서는 San Jose의 치과 25곳을 찾는 리드 수집 업무가 예시로 입력된다 [05:40]
• 조건은 AI 전화응답, 부재중 전화 자동화, 온라인 예약 자동화를 명확히 홍보하지 않는 치과만 선별하는 것이다 [05:55]

4. Heather의 작업 계획과 실제 웹 탐색

• Heather라는 에이전트는 입력된 프롬프트를 바탕으로 다음 단계를 계획하며, 업무를 discovery, screening, personalization, delivery의 네 단계로 나눈다 [07:12]
• Discovery 단계에서는 San Jose 지역 치과를 검색하는 흐름이 드러난다 [07:22]
• Screening 단계에서는 각 치과 웹사이트를 방문해 AI 자동화 관련 홍보가 있는지, 서비스 정보와 이메일 정보를 확인하는 방식으로 작업이 진행된다 [07:37]

5. 노코드 브라우저 작업과 백그라운드 실행 방식

• 사람이 직접 하면 시간이 오래 걸리는 웹사이트 방문, 조건 검증, 리드 수집 과정을 Gobii가 사이트 단위로 수행하는 모습이 중요하다 [08:43]
• 이 방식은 단일 도메인을 단순 스크래핑하는 것보다, 여러 웹사이트를 돌아다니며 조건에 맞는지 확인하는 세밀한 조사 흐름에 가깝다 [08:58]
• 사용자는 코딩 없이 자연어로 작업을 지시할 수 있고, 조직 내 직원은 기술 배경과 관계없이 브라우저 네이티브 인터페이스에서 자동화 업무를 다룰 수 있다 [09:02]

6. SMS·이메일 소통, 앱 연동, 작업 복잡도 선택

• Connect via SMS 기능은 문자로 업데이트를 받고 에이전트와 대화할 수 있는 경로를 제공한다 [10:18]
• 전화번호 인증을 거치면 SMS를 통해 양방향으로 에이전트와 상호작용할 수 있는 것으로 드러난다 [10:33]
• 이메일 상호작용도 가능하므로 사용자는 브라우저 화면에 계속 머물지 않아도 업무 지시와 상태 확인을 이어갈 수 있다 [10:48]

7. 자율 리서치 실행과 CSV 리드 목록 완성

• 앞서 입력한 프롬프트의 핵심 조건은 San Jose의 치과 25곳 중 AI 전화응답이나 부재중 전화 대응을 명확히 광고하지 않는 곳을 찾는 것이다 [12:16]
• 같은 요청으로 “Marvin Asher”라는 AI 에이전트가 생성되어 작업을 이어가는 사례가 묶인다 [12:31]
• 에이전트는 요청을 검토한 뒤 여러 단계를 계획하고, 웹 브라우징과 웹 검색을 반복하며 리서치를 진행한다 [12:46]
• 총 159개의 액션 안에서 도구 복구와 데이터베이스 쿼리 같은 작업도 포함되며, 별도 데이터베이스 추가 없이 리서치 흐름을 처리한 것으로 드러난다 [13:01]

8. 에이전트 재사용, 직접 생성, 공유와 협업 기능

• 사용자는 업종별로 이미 생성된 spawned agent를 확인할 수 있다 [14:53]
• spawn agent를 누르면 기존 에이전트 구성을 복사해 같은 형태의 에이전트를 다시 만들 수 있다 [15:08]
• 기존 템플릿을 복제하는 방식뿐 아니라, ChatGPT나 Claude로 프롬프트를 만든 뒤 처음부터 새 에이전트를 구성하는 방식도 가능하다고 드러난다 [15:23]
• 마무리 논지는 Gobii가 사전 구성된 에이전트 재사용과 맞춤형 에이전트 제작을 모두 열어두어, 개인이나 팀이 반복 업무를 AI 직원 형태로 확장할 수 있다는 점에 맞춰진다 [15:38]

🧾 결론

• 이 영상의 핵심은 Gobii가 AI를 “답변 생성 도구”가 아니라 “업무를 끝까지 처리하는 직원형 에이전트”로 포지셔닝한다는 점입니다.
• 특히 리드 발굴처럼 웹사이트 확인, 조건 필터링, 연락처 수집, 개인화 사유 작성이 필요한 반복 업무에서 가치가 크다는 시연이 제시된다.
• 사용자는 코딩, 서버 구축, API 설정 없이 브라우저에서 에이전트를 만들고, 작업 진행 상황을 나중에 확인하거나 SMS·이메일로 상호작용할 수 있다.
• 다만 영상에서 제시된 성과는 특정 시연 사례에 기반하므로, 실제 업무 도입 전에는 리드 정확도, 데이터 최신성, 결과 누락률, 비용 구조를 별도로 검증해야 한다.
• 영상 내 OpenClaw 관련 보안 리스크 수치와 비교 주장은 발표자의 설명 기준이며, 해당 수치와 권고 내용은 독립적인 출처 확인이 필요한 항목입니다.

📈 투자·시사 포인트

• 반복적 웹 리서치와 세일즈 리드 발굴을 자동화하려는 수요가 크다면, Gobii 같은 AI employee 플랫폼은 중소기업·에이전시·세일즈 조직에 직접적인 생산성 개선 도구가 될 수 있다.
• 단순 LLM 챗봇보다 “브라우저에서 실제 행동을 수행하고 결과물을 파일로 내보내는 능력”이 차별화 포인트로 부각된다.
• 노코드와 클라우드 기반 운영은 비개발 조직의 진입 장벽을 낮추지만, 동시에 데이터 접근 권한, 외부 앱 연동, 고객정보 처리 방식에 대한 보안 검토가 중요해집니다.
• 투자 관점에서는 AI 에이전트 시장이 “대화형 인터페이스”에서 “업무 단위 자동 실행”으로 이동하고 있음을 보여주는 사례로 해석할 수 있다.
• 검증 필요: 가격 플랜, 무료 체험 조건, 실제 액션 처리 안정성, CSV 결과 품질, SMS·이메일 연동 범위는 영상 시점 기준 정보이므로 도입 전 최신 정책과 실제 테스트가 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• Gobii가 “OpenClaw의 대안”으로 제시되며 보안·운영 부담이 낮다고 설명되지만, 실제 보안 수준, 데이터 처리 방식, 권한 모델, 감사 로그, 규정 준수 여부는 영상 내용만으로 검증되지 않는다.
• OpenClaw 관련 “800개 이상의 악성 스킬”, “수천 개 노출 인스턴스”, “Microsoft의 untrusted code execution 취급 권고” 같은 표현은 강한 주장에 해당하므로, 원문 출처와 최신 보안 리포트 확인이 필요하다.
• Gobii가 생성한 산호세 치과 리드 목록의 정확도는 영상 안에서 일부 확인되는 것으로 보이지만, 각 업체의 실제 위치, 이메일 유효성, 서비스 제공 여부, AI 전화응답 미도입 여부는 독립 검증이 필요하다.
• 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

• Gobii를 테스트할 경우, 실제 고객 데이터가 아닌 공개 샘플 데이터로 먼저 리드 수집·CSV 생성·재실행 안정성을 확인한다.
• Gobii의 보안 문서, 개인정보 처리방침, 데이터 보존 정책, 앱 연동 권한 범위를 별도로 검토한다.
• 영상에서 언급된 OpenClaw 보안 주장과 Microsoft 관련 언급의 원 출처를 찾아 사실 여부와 맥락을 확인한다.
• 치과 리드 수집 프롬프트처럼 조건이 명확한 업무를 하나 정해, 결과 정확도·누락률·중복률·수작업 대비 시간 절감 효과를 비교한다.

❓ 열린 질문

• Gobii가 백그라운드에서 웹 탐색을 수행할 때, 웹사이트별 접근 제한, 봇 차단, 로그인 필요 페이지, 캡차 상황을 얼마나 안정적으로 처리할 수 있는가?
• 생성된 AI employee가 잘못된 정보를 수집하거나 부적절한 이메일을 발송할 경우, 책임 소재와 승인 절차는 어떻게 설계되어 있는가?
• Light, Standard, Max 모드 사이의 실제 차이는 작업 정확도, 속도, 비용, 사용 가능한 액션 수 측면에서 얼마나 큰가?