내 AI 에이전트를 더 똑똑하게 만드는 방법

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

내 AI 에이전트를 더 똑똑하게 만들려면 목표와 완료 기준을 명확히 하고, 적절한 도구와 작업 절차를 담은 하네스를 제공하며 피드백으로 개선해야 한다.

📌 핵심 요점

1. AI 에이전트는 모델이 도구를 사용하고 결과를 점검하는 루프를 통해 위임받은 일을 수행하며, 하네스는 그 동작을 제어하는 사전 설정이다.
2. 프롬프트에는 수행할 목표와 결과물의 기준을 함께 적어야 한다. 그림판 실험에서도 단순히 그림을 요청했을 때보다 원본과의 유사성을 요구했을 때 결과가 개선됐다.
3. 사고 수준을 높이면 결과가 좋아질 수 있지만 시간과 토큰 사용량도 늘어난다. 영상의 고사고 수준 실험은 약 두 시간이 걸렸다.
4. 라인드로우와 MS페인트 MCP를 제공하자 그림의 세부 표현과 작업 속도가 개선됐다. 다만 사용한 라인드로우 방식은 색을 제거하고 한 종류 두께의 선을 쓰는 한계가 있었다.
5. 흑백·컬러 작업을 스킬로 나누고 도구 사용법과 작업 요령을 문서화하자, 발표자는 더 낮은 모델과 사고 수준에서도 품질을 높이고 시간과 비용을 줄일 수 있었다고 설명한다.

🧩 배경과 문제 정의

발표자는 AI로 윈도우 기본 그림판에서 자신의 얼굴을 그리는 과제를 수행하고, 설정을 바꿀 때 결과가 어떻게 달라지는지 보여준다. 이 실험의 질문은 에이전트가 일을 끝내게 만드는 구조가 무엇이며, 같은 과제를 더 좋은 품질로 더 빠르고 저렴하게 처리하려면 무엇을 바꿔야 하는가이다.

설명은 에이전트를 모델·도구·하네스로 나누는 데서 시작한다. 이후 목표와 기준을 명확히 하고, 사고 수준을 높이고, 전용 도구를 제공하고, 작업 요령을 스킬과 문서로 남기는 순서로 개선 과정을 전개한다. 마지막에는 모델 발전이 업무 위임과 인간의 역할에 미칠 영향을 전망한다.

🕒 시간순 섹션별 상세정리

1. 그림판 과제와 에이전트의 기본 구조

• AI로 자신의 얼굴을 그림판에 그리는 과제를 제시하고, 설정과 프롬프트를 바꾸며 에이전트 활용법과 하네스 엔지니어링을 설명하겠다고 예고한다. [00:30]
• 에이전트를 일을 끝내는 대리인으로 보여준다. 모델이 도구를 사용하고 결과를 점검한 뒤, 요청을 충족하지 못하면 반복하는 루프가 기본 동작이다. [01:46]
• 하네스를 AI의 동작을 기대에 맞게 제어하는 사전 설정으로 정의한다. 클로드 코드로 그림판 과제를 수행하며 구성 요소를 튜닝하겠다고 보여준다. [02:57]

2. 목표·기준 명확화와 사고 수준 조절

• 별도 사전 설정 없이 사진을 그림판으로 그리라고 요청하자 그림을 만들고 저장했지만, 발표자는 품질이 부족하다고 평가한다. 프롬프트에 목표와 기준을 함께 적어야 한다고 강조한다. [03:42]
• 원본 사진과 최대한 비슷하게 그리라는 기준을 추가하자 다각형을 활용한 그림이 나왔지만, 여전히 요구한 유사성에는 미흡했다고 보여준다. [04:15]
• 같은 모델에서 사고 수준을 최대로 높이자 결과가 더 좋아졌다고 평가한다. 참고 자료와 목표·기준을 주고 우선 업무를 맡겨보라고 권한다. [05:36]

3. 높은 사고 수준의 비용과 전용 도구의 효과

• 개선된 그림에는 약 두 시간이 걸렸으며, 많은 시행착오와 반복으로 토큰 크레딧도 많이 사용했다고 드러낸다. 더 빠르고 저렴한 처리를 위해 도구와 하네스를 튜닝하기 시작한다. [06:17]
• 사진을 SVG로 변환하는 라인드로우와 그림판 제어를 돕는 MS페인트 MCP를 제공한다. 결과는 다각형 모사에서 선 중심의 소묘로 바뀌고, 세부 표현과 작업 속도가 개선됐다고 보여준다. [07:35]
• 다만 사용한 라인드로우 방식은 색을 제거해 흑백 결과를 만들고, 선 두께도 한 종류만 사용했다. 이를 보완하려고 흑백과 컬러 작업을 별도 스킬로 정의한다. [08:05]

4. 피드백과 문서로 하네스 구축

• 흑백·컬러 그림을 그리는 요령을 문서화하고, 깃허브에 공개된 그림판 활용 요령을 적용한 뒤 결과물에 피드백을 주어 자신의 요구를 반영한다. [08:31]
• 작업 기준과 절차를 문서로 남겨 다음 작업을 더 우수하고 효율적으로 수행하게 만드는 사전 설정을 하네스 엔지니어링으로 보여준다. 스킬에는 도구 사용 방법도 포함된다. [09:45]
• 하네스 적용 후 선 그림과 컬러 그림의 품질이 높아졌다고 평가한다. 더 낮은 모델과 사고 수준으로 시간과 비용을 줄이면서 결과 수준을 높이는 것이 목적이라고 정리한다. [10:21]

5. 업무 활용의 출발점과 모델 발전 전망

• 목표와 기준을 정확히 언어로 정의하는 것이 가장 중요하다고 다시 강조한다. 우선 시켜보는 실행력, 도구와 하네스를 탐색하는 호기심, 꾸준히 피드백하는 태도를 권한다. [11:03]
• 모델 발전으로 사용 가능한 도구가 늘고 사전 하네스 설정은 가벼워지고 있다고 설명하며, CAD와 모션 그래픽 작업을 예로 든다. 앞으로 어떤 직무까지 기본 모델이 수행할지 지켜보고 있다고 드러낸다. [11:36]
• 모델이 도구를 스스로 잘 활용하면 인간의 역할과 사용자 간 숙련도 격차가 줄어들 수 있다는 전망과 함께 우려를 드러낸다. [11:52]

6. 위임 판단의 가치와 마무리

• 어떤 일이 중요한지 판단하는 안목과 AI가 할 수 있는 범위를 파악해 위임 수준을 정하는 감각은 모델이 발전해도 의미가 있을 것이라고 드러낸다. [12:09]
• 지금 에이전트를 더 많이 사용해보라고 권하며, 향후 기업 실무 과제를 해결하는 사례와 그 과정의 하네스 엔지니어링을 공유하겠다고 예고한다. [12:25]
• 미래에는 모델이 더 많은 일을 알아서 할 수 있겠지만 현재는 자신의 에이전트를 계속 개선하겠다고 말하고, 구독과 좋아요 요청 및 감사 인사로 마친다. [12:42]

🧾 결론

• 에이전트 활용의 출발점은 내 업무의 목표와 완료 기준을 정확한 언어로 정의하는 것이다.
• 결과가 부족할 때는 사고 수준뿐 아니라 도구 선택과 작업 절차도 함께 점검해야 한다.
• 반복되는 피드백을 작업 기준과 절차로 남기는 것이 하네스 엔지니어링의 핵심이다.
• 모델이 발전해도 중요한 일을 선택하고 AI에 위임할 범위를 판단하는 감각은 의미가 있다는 것이 발표자의 결론이다.

📈 투자·시사 포인트

• 업무 도입 효과는 결과물 품질과 함께 소요 시간과 토큰 비용을 비교해야 판단할 수 있다. 사고 수준을 높이는 선택에는 비용과 시간의 상충 관계가 있다.
• 적절한 도구와 재사용 가능한 작업 문서는 시행착오를 줄이는 자산이 될 수 있다. 영상에서는 같은 그림판 과제의 수행 방식을 바꿔 이를 보여준다.
• 발표자는 모델 발전으로 사전 하네스 설정의 부담이 줄어들 것으로 전망한다. 업무 자동화의 진입 장벽과 사용자 간 숙련도 격차가 낮아질 가능성을 제시한다.
• 사람에게 남는 역할로는 업무 우선순위 설정과 위임 범위 판단이 강조된다. 영상만으로 특정 기업의 수익성이나 투자 매력도를 판단할 근거는 제공되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 그림판 과제 한 사례를 중심으로 한 시연이다. 동일한 개선 효과가 다른 직무나 과제에서도 재현되는지는 확인되지 않는다.
• 도구와 하네스 적용 후 빨라지고 저렴해졌다는 설명은 있지만, 단계별 정확한 실행 시간·토큰 사용량·비용과 반복 측정 결과는 제시되지 않는다.
• 전사에는 모델명이 ‘오퍼스 5.5’로 나오며 이후 표기도 흔들린다. 실제 모델명·버전과 실행 설정은 원본 화면 등으로 확인필요가 있다.
• 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

• 반복 업무 하나를 골라 참고 자료, 수행 목표, 완료 기준을 문장으로 정리한다.
• 기본 설정으로 먼저 실행하고 결과물 품질, 소요 시간, 토큰 또는 크레딧 사용량을 기록한다.
• 사고 수준을 조절해 품질 개선이 추가 시간과 비용을 감수할 만큼 큰지 비교한다.
• 작업에 맞는 도구를 제공하고 출력 형식이나 표현 방식에 어떤 제약이 있는지 확인한다.

❓ 열린 질문

• 어떤 업무에서는 사고 수준을 높이는 것보다 도구를 바꾸거나 절차를 문서화하는 편이 더 효과적일까?
• 흑백과 컬러 작업처럼 하나의 업무를 여러 스킬로 나눌 때 적절한 분리 기준은 무엇일까?
• 모델이 발전할 때 기존 하네스 중 무엇을 유지하고 무엇을 줄여야 할까?