If you use AI, download Claude Duet immediately

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI를 쓴다면 단일 대화에서 작업 분류와 실행까지 연결하는 Claude Duet를 우선 체험해볼 만하지만, 영상 기준 모바일 초기 접근과 제한된 컴퓨터 조작 범위를 확인해야 한다.

📌 핵심 요점

1. 모바일 중심의 초기 접근 제품: 영상은 Claude Duet를 모바일 Claude 앱에서 사용하는 개인 AI 에이전트로 소개한다. 접근 가능한 사용자가 제한돼 있으며 대기 명단 등록을 권한다.
2. 하나의 대화와 분리된 작업 맥락을 결합: 사용자가 한 대화에 여러 요청을 넣으면 에이전트가 작업을 나누고 채널별로 배정한다. 발표자는 이를 단일 대화의 편의성과 전문 봇의 맥락 분리를 결합한 구조로 평가한다.
3. 브레인 덤프를 작업 목록으로 전환: 뉴스레터 작성, 게임 멀티플레이 기획, 모델 조사처럼 서로 다른 요청을 한꺼번에 입력하는 사례를 보여준다. 작업별 시작, 검토 대기, 추가 입력 필요 등의 상태도 확인할 수 있다.
4. 다음 할 일을 제안하는 코딩 보조: 발표자의 앱 개발 사례에서는 기능 추천, 실행 버튼, Claude Code를 통한 코드 작업, PR 검토와 병합 승인 흐름이 이어진다. 추천 품질과 생산성 향상은 발표자의 사용 경험에 근거한 평가다.
5. 용도에 따라 에이전트 선택이 달라짐: 발표자는 개발 진척에는 Duet, 컴퓨터와 브라우저를 넘나드는 작업에는 Grockbot, 구매·예약에는 Muse, 로컬 모델 실험에는 Hermes를 선호한다. 여러 제품을 모두 사용할 필요는 없다고 덧붙인다.

🧩 배경과 문제 정의

영상은 개인 AI 에이전트를 사용할 때 생기는 두 가지 부담을 비교한다. 여러 전문 봇을 두면 각 업무의 맥락을 유지하기 쉽지만 사용자가 적절한 봇을 골라야 한다. 모든 일을 하나의 대화에 모으면 입력은 간단해지지만 서로 다른 업무를 구분하기 위해 더 명확한 설명이 필요해질 수 있다.

발표자는 Claude Duet가 하나의 입력 창에서 요청을 받은 뒤 작업과 채널을 자동으로 나누는 방식으로 이 문제를 줄인다고 설명한다. 이메일·캘린더 등 기존 Claude 연동과 Claude Code를 활용하며, 다음에 할 일까지 제안한다는 점을 강조한다. 영상은 개인적인 사용 사례와 제품 간 비교를 중심으로 진행되며, 별도의 성능 실험이나 공식 출시 자료는 제공하지 않는다.

🕒 시간순 섹션별 상세정리

1. 제품 소개와 제한된 접근 조건

• 발표자는 Anthropic의 개인 AI 에이전트로 Claude Duet를 소개하며, 기능과 접근 방법, 다른 에이전트와의 차이를 살펴보겠다고 예고한다. [00:19]
• 영상 기준 모바일 Claude 앱에서만 사용할 수 있는 매우 초기 단계의 제품이며, 접근 가능한 사람이 적어 대기 명단 등록을 권한다. [00:41]
• Duet, Hermes, Muse 등의 이름을 주관적으로 순위 매긴 뒤 실제 앱과 기능 비교로 넘어간다. 이 대목은 성능 순위가 아니다. [01:13]

2. 전문 봇 목록과 단일 대화의 장단점

• Duet는 기존 Claude에서 사용하는 플러그인을 활용해 이메일과 캘린더 등에 연결된다고 보여준다. 이어 여러 전문 봇을 고르는 구조와 모든 요청을 하나의 대화에 넣는 'God thread' 구조를 대비한다. [02:22]
• 전문 봇은 업무별 맥락을 분리하기 좋고, 단일 대화는 어느 봇을 사용할지 고민하는 부담을 줄인다는 것이 발표자의 설명이다. [03:01]
• 콘텐츠 담당 봇 Barry에는 짧게 아이디어만 전달해도 관련 업무로 이해시키기 쉽지만, 모든 일을 한 대화에서 처리하면 의도를 더 구체적으로 설명해야 한다는 사례를 든다. [03:41]

3. Duet의 핵심 구조: 한 대화에서 채널별 배정

• Duet에서는 하나의 대화에 요청을 넣으면 작업을 범주별로 분해한다고 보여준다. 개발 중인 Henry 앱과 게임 Null District에 관한 요청이 각각 구분되는 사례를 보여준다. [04:17]
• 분리된 작업은 채널 또는 카테고리에 배정되며, 해당 업무에 맞는 맥락을 유지하는 구조로 묶인다. [04:38]
• 사용자가 봇과 작업 목록을 일일이 관리하는 대신 대화가 작업을 배정하고 필요한 스킬·플러그인·맥락을 연결한다는 점을 강조한다. [05:34]

4. 브레인 덤프와 여러 작업의 진행 상태

• 작업 화면의 더하기 버튼은 머릿속 생각을 한꺼번에 입력하는 진입점으로 묶인다. 입력 내용을 개별 실행 작업으로 나누는 방식이다. [06:18]
• 뉴스레터 작성, 게임 멀티플레이 기획, 두 번째 DGX Spark를 활용할 클러스터 모델 조사라는 세 요청을 함께 입력한다. 작업을 나눈 뒤 나중에 저장하거나 시작을 선택하는 흐름을 보여준다. [06:46]
• 활성 작업 목록에서는 검토 대기, 추가 입력 필요, 진행 중인 작업을 구분할 수 있다. 발표자는 여러 대화 스레드를 수동으로 만드는 부담을 줄인다고 평가한다. [07:37]

5. 인지 부담을 줄이는 사용 경험

• 발표자는 목적지를 입력하면 이동을 맡길 수 있다는 자신의 차량 주행 경험을 비유로 사용해, 업무 실행을 위임할 때 느끼는 편의성을 보여준다. [08:08]
• Duet에서도 어느 봇을 고를지, 여러 일을 어떻게 나눌지 고민하는 시간을 줄일 수 있다고 드러낸다. 운동 중 떠오른 일을 보내 작업으로 나눈 경험을 덧붙이고, 선제적인 아이디어 제안으로 논의를 확장한다. [08:42]

6. 기능 추천에서 Claude Code와 PR 승인까지

• Henry 개발 사례에서는 에이전트가 다음에 구현할 기능을 추천하고, 사용자가 제안별 버튼을 눌러 작업을 시작하는 흐름을 보여준다. [09:32]
• 파이프라인 수정 사례에서는 코드 작업과 PR 검토 요청이 계속된다. 발표자는 이 과정에 Claude Code를 사용한다고 설명하고 'Opus 55'를 높이 평가한다. 정확한 모델명과 비교 성능은 전사만으로 확인되지 않는다. [09:56]
• 이후 로그인 기능 등 추가 제안을 선택하고 PR 생성과 병합 여부에 응답하는 방식으로 개발을 이어갔다고 보여준다. [10:19]

7. 승인 중심의 미래상과 선제성의 차이

• 발표자는 에이전트가 적절한 다음 행동을 제안하고 사용자가 반복해서 승인하는 모습을 미래의 AI 업무 방식으로 제시한다. 생산성과 수익 증가에 관한 발언은 이 미래상에 대한 기대다. [11:07]
• 그날 오전 Henry 개발을 많이 진척시켰다는 경험을 말하며, 이메일을 읽고 답장을 제안하는 Dots의 선제성과 비교한다. [11:35]
• Duet는 사용자가 생각하지 못한 기능과 과제를 찾아 제안한다는 점에서 다르다고 평가한다. 추천 품질과 작업량 증가는 발표자의 체험에 근거한다. [12:00]

8. Make 추천 화면과 채널의 역할

• Make 화면에는 다음에 해볼 만한 작업 템플릿이 나타난다. 발표자는 이를 생각하지 못했던 일을 발견하고 실행 부담을 줄이는 장치로 보여준다. [12:25]
• 자신의 교육 커뮤니티를 위한 LinkedIn 광고 계획을 열어보고, 문서가 이미 만들어져 있었던 것 같다고 해석한다. 생성 시점과 자동 생성 조건은 명확하게 확인하지 않는다. [13:00]
• 메뉴의 채널에서는 영역별 대화를 볼 수 있다. 별도 채널을 직접 찾아가지 않아도 메인 대화의 요청을 적절한 채널에 배정하며, 채널은 생활과 업무 영역을 알려주는 역할이라고 보여준다. [13:50]

9. 모바일 한정과 독립된 컴퓨터의 부재

• 발표자는 데스크톱 앱이 없다는 점을 첫 약점으로 꼽는다. 초기 접근 단계이기 때문일 것이라는 해석과 향후 데스크톱 앱에 대한 기대를 덧붙인다. [14:11]
• 더 큰 제약으로 독립된 컴퓨터가 없다는 점을 든다. 코드 작성을 위한 Claude Code 클라우드 에이전트와 범용 작업용 컴퓨터를 구분한다. [14:30]
• Henry용 GitHub 조직에 연결하는 사례에서 Grockbot은 자신의 컴퓨터로 조직을 전환할 수 있었지만, Duet에서는 발표자가 계정 선택과 연결을 직접 처리했다고 드러낸다. [15:29]

10. 플러그인 밖의 작업과 보안에 관한 추정

• 판타지 풋볼 선수 구성을 바꾸는 사례에서 Grockbot은 로그인된 컴퓨터로 처리했지만, Duet는 해당 서비스 플러그인이 없어 같은 방식으로 수행할 수 없었다고 보여준다. [16:08]
• 발표자는 에이전트에 컴퓨터를 제공하면 보안·개인정보 문제가 생길 수 있어 Anthropic이 신중할 것이라고 추정한다. 향후 컴퓨터 제공 여부는 자신도 확신하지 못한다고 드러낸다. [16:37]
• 클라우드 컴퓨터에 자격 증명을 넣는 문제를 언급하면서도, 에이전트에 광범위한 일을 맡기려는 사용자에게는 컴퓨터 부재가 약점이라고 정리한다. [16:59]

11. 개발·컴퓨터 작업·개인 업무·로컬 실험의 선택

• 코딩 프로젝트를 진척시키는 용도로는 Claude Code 접근과 다음 작업 제안을 이유로 Duet를 선호한다. 브라우저 조작과 파일 이동 등 여러 컴퓨터를 넘나드는 업무에는 Grockbot을 선호한다. [17:51]
• 구매와 예약 같은 개인 업무에는 Muse를 사용한다고 말하며, 출시일에 원하는 휴대전화를 구하는 방법을 알아보게 한 사례를 든다. [18:12]
• 오픈소스 실험에는 DGX Spark에서 구동하는 로컬 모델과 Hermes를 활용한다고 보여준다. [18:29]

12. 하나만 선택해도 된다는 조언과 영상 마무리

• 발표자는 자신이 여러 에이전트를 쓰는 이유를 세부 용도별 최적화에서 찾는다. 일반 사용자는 Muse나 Duet 등 하나를 골라 폭넓게 사용해도 된다고 드러낸다. [18:55]
• 시청자에게 사용하는 에이전트와 더 깊이 다뤄줬으면 하는 제품을 묻고, 구독·알림 설정 및 뉴스레터를 안내하며 마무리한다. [19:20]

🧾 결론

• 영상이 강조하는 Duet의 가치는 사용자가 봇과 작업 맥락을 직접 고르는 부담을 줄인다는 데 있다.
• 선제적인 기능 제안과 승인 버튼은 아이디어를 실행으로 옮기는 과정을 짧게 만들 수 있다. 실제 효과는 추천의 적합성과 결과물 검토 부담에 달려 있다.
• 플러그인과 코딩용 클라우드 에이전트를 사용할 수 있어도, 독립된 컴퓨터를 통한 범용 조작까지 가능한 것은 아니라는 한계가 제시된다.
• 최고의 에이전트라는 평가는 발표자의 경험적 판단이다. 자신의 주요 업무와 필요한 연동 범위를 기준으로 선택하는 것이 영상의 비교 내용을 활용하는 방법이다.

📈 투자·시사 포인트

• 제품 경쟁의 평가 기준: 영상은 모델의 답변 능력 외에도 작업 분류, 맥락 배정, 다음 행동 추천이 에이전트 경험을 좌우할 수 있음을 보여준다.
• 기존 연동의 활용 가치: 이메일·캘린더 등 이미 연결된 서비스를 활용하는 구조는 개인화된 작업 실행의 기반으로 제시된다. 연동 범위가 좁은 업무에서는 별도 수작업이 남을 수 있다.
• 자율성과 접근 범위의 상충: 독립된 컴퓨터가 있으면 수행 가능한 작업이 넓어지지만, 영상은 자격 증명과 개인정보 취급에 관한 우려도 함께 언급한다.
• 사업성과 판단의 한계: 영상에는 가격, 매출, 이용자 유지율, 실행 비용 같은 자료가 없다. 발표자의 생산성 체감을 기업 가치나 투자 수익 전망으로 바로 연결할 근거는 부족하다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제품명과 경쟁 제품명에 전사상 표기 혼선이 있다. 제목의 Claude Duet와 본문의 Claw Duet, Grockbot·Grotbot 등의 표기가 섞여 있어 공식 명칭 확인이 필요하다.
• 모바일 한정 제공, 대기 명단, 접근 가능 인원은 영상에서 설명하는 시점의 상태다. 제공 국가, 운영체제, 요금제, 신청 주소와 구체적인 설정 절차는 이 전사만으로 확인되지 않는다.
• Claude Code와 함께 언급되는 'Opus 55'의 정확한 모델명은 확인되지 않는다. 최고의 코더라는 평가에도 비교 실험이나 측정 결과가 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

• 영상에서 언급한 모바일 Claude 앱과 대기 명단을 기준으로 실제 제공 여부, 이용 조건, 공식 제품명을 확인한다.
• 체험할 수 있다면 서로 다른 업무 세 가지를 한 번에 입력하고, 작업 분리와 채널 배정이 의도대로 되는지 살펴본다.
• 작업 목록에서 실행 전 시작 선택, 검토 대기, 추가 입력 요청이 어떻게 구분되는지 확인한다.
• 코딩 작업에서는 기능 추천의 필요성과 PR 내용을 검토한 뒤 실행·병합을 승인한다. 버튼 수보다 결과물의 적합성을 평가한다.

❓ 열린 질문

• 하나의 대화에서 여러 프로젝트를 다룰 때 채널별 맥락은 얼마나 정확하게 분리되며, 잘못 배정된 작업은 어떻게 바로잡을 수 있을까?
• 선제적 추천은 사용자의 실제 우선순위와 얼마나 일치하며, 제안·문서 생성·외부 실행 사이의 승인 경계는 어떻게 정해질까?
• 독립된 컴퓨터 없이 플러그인과 Claude Code 클라우드 에이전트만으로 처리할 수 있는 업무 범위는 어디까지일까?