Grok Bot usage just got nuked...

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Grok Bot의 사용 한도 축소에 대응하려면 불필요한 봇·루틴·연동을 정리하고, 코딩과 기타 작업을 적합한 도구로 분산해 사용량을 아껴야 한다.

📌 핵심 요점

1. 봇과 루틴을 감사한다. 발표자는 자신의 봇 30개 중 실제로 사용하는 것은 6개라고 소개하며, 쓰지 않는 봇과 반복 실행을 줄이는 것을 첫 두 가지 절약법으로 제시한다.
2. 코딩 작업에 Claude Code CLI나 Codex CLI를 활용한다. 봇의 가상 컴퓨터에 CLI를 설치하고 기존 구독을 연결해 코딩을 맡기면 Grok Bot 사용량을 아낄 수 있다는 제안이다.
3. 에이전트끼리 검토하는 그룹 채팅을 줄인다. 발표자는 모델 성능이 높아지면서 반복적인 상호 검토의 추가 효용보다 토큰 비용이 커질 수 있다고 주장한다.
4. 스킬과 플러그인을 각각 감사한다. 요청마다 관련 기능을 확인하는 과정에서 비용이 발생한다는 설명에 따라, 최근 사용하지 않은 항목을 정리하라고 권한다.
5. 작업별로 에이전트를 나눠 쓴다. 음성에는 Dots, 쇼핑·소셜미디어에는 Muse, 코딩에는 Duet을 활용한다는 개인 사례를 들어 한 서비스에 사용량을 집중하지 않는 방법을 설명한다.

🧩 배경과 문제 정의

발표자는 최근 Grok Bot 사용량이 이전보다 빨리 소진된다는 불만이 나왔고, Elon이 X에서 서비스 제공 비용이 매출 대비 지속 가능하지 않았다고 확인했다고 전한다. 영상은 이러한 한도 축소에 대응해 같은 사용 한도로 더 많은 작업을 수행하는 일곱 가지 운영 개선법을 소개한다. 문제의 초점은 개별 프롬프트 길이뿐 아니라 누적된 봇, 자동 루틴, 상호 검토, 기능 목록, 작업 배분 방식이 만드는 소비다.

🕒 시간순 섹션별 상세정리

1. 사용 한도 축소와 봇 감사

• 발표자는 사용량 축소의 배경을 서비스 비용과 매출의 불균형으로 설명하고, 봇을 무작정 늘리는 방식에서 효율을 관리하는 방식으로 전환해야 한다고 드러낸다. [00:56]
• 첫 번째 제안은 봇 목록과 사용 빈도를 감사하는 것이다. 특히 Chief of Staff 봇이 다른 봇의 역할과 위임 가능성을 확인하므로, 봇이 많을수록 요청당 토큰이 늘어난다고 보여준다. [02:16]
• 자신의 봇 30개 중 실제 사용하는 것은 6개라는 감사 결과를 보여주며, 쓰지 않는 봇을 정리하라고 권한다. [02:40]

2. 자동 루틴의 필요성과 빈도 점검

• 두 번째 제안은 루틴 감사다. 봇마다 여러 루틴을 만들기 쉽지만 결과를 읽지 않는 정기 보고나 반복 실행도 쌓일 수 있다고 지적한다. [03:25]
• 봇 감사 프롬프트의 대상을 루틴으로 바꿔 불필요한 항목을 찾으라고 제안하며, 이를 줄이면 하루 토큰의 80%까지 아낄 수 있다고 주장한다. [03:36]

3. 코딩 작업을 CLI에 맡기기

• 세 번째 제안은 봇의 가상 컴퓨터에 Claude Code CLI나 Codex CLI를 설치해 코딩에 활용하는 것이다. 봇이 터미널과 앱을 사용할 수 있다는 점을 전제로 한다. [04:21]
• 발표자는 기존 코딩 경로의 토큰 소비와 모델 선택을 이유로 CLI 활용을 권하며, 보유한 구독을 연결하고 앞으로 코딩 작업에는 해당 CLI를 사용하도록 지시하라고 보여준다. [05:02]
• Claude 인증 토큰을 발급받아 시크릿에 넣는 설정 흐름을 간략히 보여준다. [05:11]

4. 상호 검토와 기능 목록 정리

• 네 번째 제안은 에이전트 그룹 채팅 축소다. Lauren Tan의 발언을 인용해 모델 간 상호 검토의 추가 효용이 줄었다고 설명하고, 예외는 남기되 적극적으로 쓰지 않는 채팅을 정리하라고 권한다. [06:25]
• 다섯 번째와 여섯 번째 제안은 스킬 감사와 플러그인 감사다. 슬라이드 제작 요청을 예로 들어, 봇이 관련 스킬과 플러그인을 찾는 과정에도 토큰이 든다고 보여준다. [07:48]
• 앞서 제시한 감사 프롬프트의 대상을 스킬이나 플러그인으로 바꾸고, 최근 사용하지 않은 항목을 정리하면 장기적으로 토큰을 줄일 수 있다고 드러낸다. [08:17]

5. 작업별 에이전트 분산과 마무리

• 일곱 번째 제안은 작업에 맞춰 에이전트를 나눠 쓰는 것이다. 발표자는 음성 작업에 Dots, 온라인 구매와 Instagram 관련 작업에 Muse를 사용한다고 보여준다. [09:18]
• 한 에이전트로 모든 일을 처리하면 사용량이 부족해지기 쉽다고 말하며, 코딩에는 Duet을 활용하는 자신의 사례를 추가한다. [10:08]
• 작업별 적합한 에이전트를 찾으라는 메시지 뒤에 채널 구독·알림·좋아요와 무료 뉴스레터를 안내하고 영상을 마친다. [10:54]

🧾 결론

• 영상의 일곱 가지 제안은 봇·루틴 감사, 코딩 CLI 활용, 그룹 채팅 축소, 스킬·플러그인 감사, 작업별 에이전트 분산이다.
• 핵심은 봇이나 기능을 계속 추가하기보다 실제로 사용하는 구성만 남기고 반복 실행과 중복 작업을 줄이는 것이다.
• 사용량 두 배 확보나 루틴 정리로 80% 절감이라는 수치는 발표자의 주장으로, 영상에는 이를 검증할 비교 측정 결과가 제시되지 않는다.

📈 투자·시사 포인트

• 발표자는 서비스 제공 비용이 매출에 비해 높아 한도가 줄었다고 설명한다. 이는 AI 에이전트 서비스의 사용 정책을 볼 때 제공 비용과 수익성을 함께 살펴야 한다는 시사점을 준다.
• 사용자가 체감하는 서비스 가치는 모델 성능뿐 아니라 주어진 한도로 실제 업무를 얼마나 완료할 수 있는지에도 달려 있다.
• 여러 구독과 CLI를 병행하는 방식은 사용량을 분산할 수 있지만, 경제성을 판단하려면 각 서비스의 구독료와 작업별 소비량을 함께 비교해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 한도 축소와 그 원인에 관한 설명은 발표자가 전한 내용이다. 정확한 적용 시점, 요금제별 변경 폭, 공식 공지 원문은 제공된 자료에 없다.
• 사용량 두 배 확보와 루틴 정리 시 하루 토큰 80% 절감이라는 주장에는 측정 조건이나 전후 비교 자료가 없다.
• 모든 요청에서 봇·스킬·플러그인 목록을 확인한다는 설명만으로 각 항목의 실제 토큰 비용이나 정리 효과를 확정할 수는 없다.
• 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

• 봇별 사용 빈도와 역할을 정리하고, 중복되거나 최근 사용하지 않은 봇의 정리 후보를 만든다.
• 정기 루틴의 실행 빈도와 결과 활용도를 확인해 불필요한 실행을 줄인다.
• 스킬·플러그인 목록을 감사하고, 최근 사용 이력이 없는 항목을 정리한다.
• 코딩 CLI의 지원 모델·구독 조건·인증 방식을 확인한 뒤 같은 작업으로 기존 방식과 사용량 및 결과를 비교한다.

❓ 열린 질문

• 한도 축소는 어떤 요금제와 작업 유형에 얼마나 적용됐는가?
• 봇·루틴·스킬·플러그인 정리 중 실제 절감 효과가 가장 큰 항목은 무엇인가?
• 어떤 작업에서는 여러 에이전트의 상호 검토가 추가 토큰 비용을 정당화하는가?