클로드 코드, 코덱스를 결제했는데 뭘 만들지 모르겠다면 들어오세요

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

클로드 코드와 코덱스를 결제하고도 무엇을 만들지 모르겠다면, 최근 자신의 업무와 판단 과정을 돌아보며 바꾸고 싶은 문제부터 찾아야 한다.

📌 핵심 요점

1. 도구를 배우는 일과 만들 대상을 정하는 일은 다르다. 모델 구독과 에이전트 협업 환경을 갖춰도 해결할 문제가 없으면 첫 프롬프트에서 막힌다.
2. 비개발자에게는 ‘무엇을 만들고 싶은가’보다 ‘최근 어떤 일을 어떻게 했는가’가 답하기 쉬운 출발점이다. 실제 경험을 순서대로 복기하면 추상적인 고민이 구체적인 작업 장면으로 바뀐다.
3. 반복 업무에도 중요한 판단이 숨어 있을 수 있다. 엑셀 취합 과정에서 숫자의 불일치를 발견하고 기준 자료를 확인하는 일은 단순한 복사·붙여넣기와 다르다.
4. 해결책을 정하기 전에 기존 방식을 유지하는 이유를 알아야 한다. 새 도구의 학습 부담이나 안전성에 대한 우려를 이해하면 프로그램 개발 대신 작은 업무 개선을 선택할 수도 있다.
5. 사람은 자신의 상황에서 중요한 문제를 판단하고, AI는 구현 방법과 해결책 비교를 돕는다. AI 인터뷰의 해석과 최종 진단도 사람이 확인하고 수정해야 한다.

🧩 배경과 문제 정의

발표자는 프리미엄 AI 모델을 결제하고 클로드 코드와 에이전트 오케스트레이션을 익혔지만, 정작 무엇을 만들지 몰라 입력창 앞에서 멈춘 경험을 이야기한다. 다른 사람의 제작 영상을 오래 시청해도 자신의 프로젝트 목표는 생기지 않았다.

기업 AI 강의에서도 비슷한 장면이 나타났다. 개발 환경과 스킬팩, 아이디어를 구체화하는 질문 도구까지 제공했지만 여러 수강생이 첫 답변을 하지 못했다. 발표자는 이를 개발 지식 부족만의 문제로 보기보다, 자신의 업무를 개발 가능한 문제로 바라보는 출발점이 비어 있는 상황으로 해석한다.

영상은 실제 경험을 복기하는 인터뷰, 중요한 판단 순간을 살피는 인터뷰, 제품이 사용자의 상황에서 수행하는 역할을 보는 관점을 연결한다. 핵심은 최근 한 일을 이해하고, 판단 근거와 변화의 장애물을 확인한 뒤, 개발이 필요한지 결정하는 것이다.

🕒 시간순 섹션별 상세정리

1. 도구는 준비됐지만 만들 대상이 없다

• 프리미엄 모델을 결제하고 클로드 코드와 터미널을 실행한 뒤, 메인·서브 에이전트가 업무를 나누고 결과를 검사하는 환경까지 구성한다. [00:33]
• 정작 첫 명령을 입력하려니 무엇을 요청할지 떠오르지 않는다. 다른 사람의 예약 시스템·업무 자동화·웹서비스 제작 영상을 오래 봐도 자신의 목표는 생기지 않는다. [01:52]
• 도구 학습과 제작 대상 결정이 서로 다른 문제임을 깨닫고, 만드는 사람처럼 보일 준비와 빠른 결제에 치중했던 자신을 돌아본다. [02:11]

2. 기업 실습에서도 반복된 첫 질문의 막힘

• 기업 강의의 두 시간 실습을 위해 클로드 랩스 스킬팩을 제공한다. 환경 준비와 에이전트 역할 분담, 기획·구현·검증을 돕는 도구다. [02:44]
• 질문을 주고받으며 프로그램을 구체화하는 소크라테스 스킬을 실행하지만, 여러 수강생은 답변을 시작하지 못한다. 경험자들은 해결할 문제와 완성 목표가 비교적 분명했다. [03:53]
• 발표자는 절반이 넘는 수강생이 목표 설정에 머뭇거리는 것으로 관찰한다. AI가 코드를 작성할 환경은 있었지만 무엇을 만들 것인지가 비어 있었다고 해석한다. [04:27]

3. 익숙한 업무를 한 발 떨어져 관찰하기

• 자신의 업무를 소프트웨어로 바꿔본 적 없는 사람에게 ‘무엇을 만들고 싶은가’는 어려운 질문일 수 있다. 일을 수행하는 능력과 개발 가능한 문제로 바라보는 능력은 다르다. [05:02]
• 매주 엑셀 파일을 취합하는 사례를 통해 반복 작업을 낯선 시선으로 바라본다. 다만 수작업 확인에는 담당자만의 판단이 숨어 있을 수 있어 외부인의 자동화 제안이 항상 옳지는 않다. [06:21]
• 먼저 무엇을 하고 왜 그 순서와 방식을 따르는지 이해해야 한다. 발표자는 자신의 경험에서 한 발 떨어져 스스로를 관찰하는 능력을 빌더의 첫 번째 능력으로 제시한다. [06:59]

4. 최근의 실제 경험을 묻는 스토리 기반 인터뷰

• 테레사 토레스가 소개한 인터뷰를 설명하며, 앞으로 하고 싶은 일을 묻기보다 최근 실제로 한 일을 먼저 묻자고 제안한다. [07:25]
• 마지막 보고서 작성 시점, 먼저 찾은 자료, 다음 작업, 연 파일과 연락 상대를 차례로 묻는다. 기억을 따라가면 추상적인 생각이 구체적인 장면으로 바뀐다. [08:16]
• 인터뷰 중 자동화나 AI 에이전트라는 해결책을 성급히 제시하지 말아야 한다. 충분히 듣다 보면 작업이 멈춘 순간과 확인·판단 과정이 드러난다. [08:50]

5. 중요한 판단 순간을 되짚는 인터뷰

• 게리 클라인이 발전시킨 것으로 소개되는 기법은 실제 사건에서 중요한 판단을 내린 순간에 주목한다. [09:08]
• 엑셀 자료의 숫자가 맞지 않았던 상황에서 어떻게 차이를 알아챘는지, 어떤 자료를 기준으로 삼았는지, 누구에게 확인했는지를 묻는다. 단순 데이터 이동에 신뢰성 판단이 포함돼 있었음을 발견할 수 있다. [09:51]
• 필요한 해결책은 파일 합치기, 자료 차이 비교, 입력 기준 통일 중 하나일 수 있다. 중요한 판단이 있는 업무에서는 화면 구성에 앞서 사용자가 무엇을 판단하는지 이해해야 한다. [10:51]

6. 밀크셰이크가 고객에게 수행하는 역할

• 클레이턴 크리스텐슨의 사례로, 맛·가격·재료를 바꾸는 접근에서 구매자의 행동을 관찰하는 접근으로 전환한 이야기를 보여준다. [11:44]
• 아침에 밀크셰이크를 사서 차에 타는 사람들에게는 운전 중 먹기 편하고, 허기를 늦추며, 긴 출근길의 지루함을 달래주는 역할이 있었다고 보여준다. [12:19]
• 사람은 제품 자체뿐 아니라 그 제품을 통해 자신의 상황을 어떻게 바꾸고 싶은지에 따라 선택한다는 관점을 제시한다. [12:33]

7. 기존 방식을 유지하는 이유까지 이해하기

• 기존 방식이 불편해도 새로운 방식에 대한 기대와 걱정이 함께 있어 습관을 쉽게 버리지 못한다고 보여준다. [12:57]
• 엑셀 사용자에게 다른 방법을 시도한 경험, 당시의 어려움, 현재 방식을 고수하는 이유를 묻는다. 학습 시간 부담이나 기존 방식의 안전성에 대한 믿음이 있을 수 있다. [13:24]
• 필요한 해결책은 새 프로그램보다 기존 업무를 덜 번거롭게 만드는 작은 개선일 수 있다. 제품을 보는 것과 사용자의 삶을 보는 것은 다르다. [13:45]

8. 프로젝트 기획보다 경험과 변화 의향을 먼저 묻기

• 기업 실습을 돌아보며 지난주에 한 일, 실제 처리 과정, 중요한 판단의 근거, 바꾸고 싶은 부분과 중단했던 시도를 먼저 물었어야 했는지 고민한다. [14:25]
• 이런 질문은 경험을 다른 시선으로 보도록 도울 수 있지만, 누구나 문제를 발견하거나 변화를 원할 필요는 없다. 프로그램을 만들지 않아도 된다는 진단 역시 유효하다. [14:58]
• 목적은 AI에 할 일을 억지로 주는 것이 아니라 자신이 무엇을 하고 왜 그렇게 하며 무엇을 바꾸고 싶은지 인식하는 것이다. [15:14]

9. 사람의 문제 판단과 AI의 구현 지원

• 개발할 만한 문제가 나타나면 AI가 구현 방법을 찾고 해결책을 비교하며 프로그램 제작을 도울 수 있다. [15:29]
• 어떤 문제가 자신에게 중요한지는 경험과 상황을 아는 사람이 판단해야 한다는 역할 구분을 보여준다. [15:40]
• 시청자에게 지난 일주일 중 가장 많은 시간을 쓴 일과 마지막 수행 순서를 떠올려 정리해보라고 권한다. 경험을 순서대로 설명하는 일도 쉽지 않음을 인정한다. [16:06]

10. AI 인터뷰 사이트와 사람의 최종 검토

• 발표자는 체계적인 질문을 주고받을 수 있는 인터뷰 사이트를 준비했다고 보여준다. 업무 경험, 판단 과정, 바꾸고 싶은 부분을 AI와 대화하도록 안내한다. [16:32]
• AI는 답변에서 미처 알아차리지 못한 문제나 가능성을 찾는 데 도움을 줄 수 있지만, 해석은 사용자가 확인·수정하고 최종 진단은 사람의 판단을 거쳐야 한다. [16:51]
• 처음부터 거창한 서비스를 목표로 삼을 필요는 없다. 필요한 변화가 앱 개발이 아니라 작은 업무 습관의 변화일 수도 있다. [17:02]

11. 프롬프트를 쓰기 전에 자신에게 질문하기

• 발표자는 도구를 준비하는 일과 사용자의 원하는 바를 이해하도록 돕는 일 중 무엇이 더 어려운지 확답하지 않는다. 다만 프롬프트 전에 자신에게 던질 질문을 만들어야 한다고 강조한다. [17:29]
• ‘요즘 어떤 일을 하는가’, ‘왜 이런 방식으로 하는가’를 먼저 묻는다. 입력창에 당장 무엇인가 써야 한다는 부담 대신 잠시 입력하지 않아도 된다고 받아들인다. [17:48]
• AI를 잠시 쉬게 하고 자신이 먼저 생각하며 산책하겠다는 말로 마무리한다. 구독료는 계속 나간다는 농담을 덧붙인다. [18:03]

🧾 결론

• 좋은 출발점은 거창한 앱 아이디어보다 최근 실제로 수행한 업무의 구체적인 장면이다.
• 작업 순서뿐 아니라 판단 근거와 변화에 대한 기대·걱정까지 살펴야 필요한 해결책을 구분할 수 있다.
• 프로그램을 만들 필요가 없다는 결론도 유효한 진단이다. 문제를 발견한 뒤 개발 여부를 정해도 된다.
• 프롬프트를 입력하기 전에 자신에게 던질 질문을 만드는 일이 먼저다.

📈 투자·시사 포인트

• 유료 AI 도구를 확보하는 것만으로 활용 목적이 생기지는 않는다. 구독 비용을 들인 뒤에도 어떤 문제에 사용할지 별도로 정해야 한다.
• 기업의 AI 교육은 설치·호출 방법과 함께 업무 경험을 개발 가능한 문제로 바라보는 과정을 다룰 필요가 있다.
• 업무용 도구를 기획할 때는 기능 추가뿐 아니라 사용자의 판단 과정, 학습 부담, 기존 방식에 대한 신뢰를 살펴야 한다.
• 자동화 프로그램 개발, 자료 비교 지원, 입력 기준 통일, 업무 습관 개선을 함께 검토해야 실제 상황에 맞는 선택을 할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 수강생의 절반 이상이 목표를 정하지 못했다는 설명은 발표자의 현장 관찰이다. 참여 인원이나 체계적인 조사 결과가 제시되지 않아 일반적인 비율로 해석하기 어렵다.
• 인터뷰 기법과 인명, 제품의 역할을 설명하는 관점의 명칭에 자막 오탈자와 누락이 있다. 정확한 표기와 원래 방법론의 범위는 원음이나 별도 자료로 확인필요가 있다.
• 소개한 AI 인터뷰 사이트의 실제 주소, 질문 구성, 진단 성과는 제공된 transcript만으로 확인할 수 없다. 발표자도 AI의 해석이 항상 옳지는 않다고 설명한다.
• 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

• 지난 일주일 동안 가장 많은 시간을 쓴 업무 하나를 고른다.
• 그 업무를 마지막으로 수행했을 때의 자료, 파일, 연락 대상, 작업 순서를 시간순으로 적는다.
• 멈춰서 확인하거나 판단했던 순간을 표시하고, 사용한 기준과 확인 상대를 기록한다.
• 기존 방식에서 바꾸고 싶은 부분과 과거에 다른 방식을 시도했다가 중단한 이유를 정리한다.

❓ 열린 질문

• 내가 반복하는 업무에서 단순 작업과 중요한 판단은 각각 어느 지점에 있는가?
• 현재 방식이 불편해도 유지하는 이유는 무엇이며, 새 방식에서 가장 걱정되는 것은 무엇인가?
• 지금 필요한 변화는 새로운 프로그램인가, 기존 업무의 작은 개선인가?