[챗GPT,클로드 기초 강의 2부] AI 필수 용어 끝장내기 [에이전트,하네스,루프,그래프 엔지니어링,AI 오케스트레이션]
관심사 유튜브 채널 전일 영상 번들로 수집한 YouTube 자료. 채널: 소소한 AI 입문노트 | 소에노, 게시: 2026-08-12 07:58 KST.
핵심 메타데이터
- URL: https://www.youtube.com/watch?v=YMQDWQFHG1E
- Video ID:
YMQDWQFHG1E - Channel: 소소한 AI 입문노트 | 소에노
- Raw: 2026-08-12-yt-ymqdwqfhg1e-챗gpt-클로드-기초-강의-2부-ai-필수-용어-끝장내기-에이전트-하네스-루프-그래프-엔지니어링-ai-오케스트레이션
기존 관련 문서 연결
설명
클로드 챗gpt 제미나이 ai활용법 프롬프트 클로드(Claude)와 챗GPT, 요즘 다들 쓴다는데… 하네스? 루프? 그래프? AI 용어에서부터 막히셨다면 이 영상 하나로 끝내세요. AI 용어 정리 1탄에서 도서관에서 태어난 아이가 MCP로 도구를 쥐는 것까지 봤다면, 2탄은 그 아이가 일터로 나가는 이야기입니다. 워크플로우부터 AI 에이전트, 하네스 엔지니어링, 멀티 에이전트, 오케스트레이션, 루프 엔지니어링,
TRANSCRIPT
요즘 하도 AI 써야 한다고 하고 채찍피가 좋다. 클로드가 좋다 하길래 나도 한번 써 보고 싶은데 뭐 하네스니, 루프니, 그래프니 이런 용어에서부터 막히시진 않으셨나요? 저도 지인들과 대화를 할 때 AI에 대해서 물어보는데 용어를 하나하나 설명하고 있는 제 자신이 보이더라고요. 그래서 오늘은 클로드와 채치비티 같은 AI2를 사용하데 있어서 필수적으로 알아야 할 용어 정리 2탄을 준비했습니다. 혹시나 1탄을 안 보신 분들은 지금 나오는 상단 카드를 눌러서 1탄을 보고 오시는 것을 추천드립니다. 본격적으로 시작하기 전에 좋아요와 구독 그리고 하이프까지 눌러 주시면 제가 영상 제작하는데 큰 도움이 됩니다. 자, 이제 시작해 볼까요? 일부에서 우리는 도서관에서 태어난 아이가 마지막에 MCP라는 통일된 규격으로 도구를지는 것까지 봤습니다. 슬랙, 노션, 피그마, 메일. 사람이 쓰던 도구를이 아이도 질 수 있게 된 거죠. 그런데 진짜 질문은 지금부터입니다. 도구를 쥐었다고 바로 일을 할 수 있을까요? 우리 아이가 조리 도구를 지었다고 해서 바로 밥상을 차릴 순 없잖아요. 마찬가지입니다. 그래서 처음에 이렇게 합니다. 일의 순서를 하나 적어 주는 거예요. 예를 들어 유튜브 대본을 만든다고 해보겠습니다. 그냥 대본 써줘라고 하면 결과가 들쭉날쭉합니다. 어떤 날은 정보만 많고 어떤 날은 훅이 약하고 어떤 날은 제목과 본문이 따로 놓니다. 순서를 나누면 달라집니다. 먼저 주제를 정리해. 그다음 레퍼런스를 분석하고 흐름을 설계해. 초안을 써. 그리고 나서 제목의 약속이 본문 안에서 지켜졌는지 검토해. 마지막으로 말투를 채널톤에 맞게 다듬어. 이렇게이를 반복 가능한 순서로 나눈 것을 워크플로라고 합니다. AI는 한 번에 모든 걸 잘하는 것보다 잘게 나닌 일을 순서대로 처리할 때 훨씬 안정적인거든요. 사람에게도 알아서 잘해 봐 보다 이것부터 하고 그다음 이것을 확인해 줘가 훨씬 좋잖아요. 순서만 잘 적어 주면 아이는 꽤 잘 해냅니다. 그런데 문제는 세상 일이 순서대로만 흘러가지 않는다는 겁니다. 적어 준 순서에 없는 상황이 나오면 아이는 벙게 되는 거죠. 순서에 없는 상황에서 필요한게 뭘까요? 바로 판단입니다. 지금이 자료가 쓸 만한지, 방법이 세 가지면 뭐가 제일 나은지, 지금 결과로 충분한지 이제 도구를 진 아이에게 정말 필요해진 건 판단력이었던 거예요. 마침 이무렵 아이에게 새로운 습관이 하나 생깁니다. 예전엔 뭘 물어보면 바로 첫 마디를 뱉었는데 어느 날부터 대답 전에 뜸을 들리기 시작한 겁니다. 그래서 들여다봤더니 연습장에 혼자 풀이를 쓰고 있었어요. 질문의 의도가 뭐지? 방법이 세 가지 있는데 뭐가 제일 낫지? 하면서요. 이렇게 답하기 전에 스스로 생각의 과정을 거치도록 훈련된 모델을 추론 모델이라고 합니다. 최지피티나 클로드의 푸론프트를 입력했을 때 생각 중이라고 뜨는게 바로 그 혼자 풀어보는 시간이에요. 일부에서 아이가 지능을 가지게 되었다면 이제는 처음으로 생각이란 걸 흉내내기 시작한 겁니다. 그리고 사서들은 생각을 흉내내는 아이에게 한 가지 테스트를 시작합니다. 순서를 적어 주는 대신 목표만 줘보는 겁니다. 이번 주 경쟁사 움직임을 조사해서 표로 정리하고 우리에게 중요한 변화만 보고해 줘.이 지시에는 도착지는 있는데 가는 길이 없습니다. 뭘 찾을지, 어떤 사이트를 볼지, 어떻게 비교할지는 전부 아이 몫시죠. 그런데이 아이가 그걸 하기 시작한 겁니다. 스스로 계획을 세우고 회의록을 찾으려고 노션을 부르고 참석자를 확인하려고 캘린더를 부르고 자료를 비교하고 결과를 확인하고 부족하면 다시 고칩니다. 이렇게 목표를 받으면 스스로 단계를 나누고 필요한 도구를 불렀으며 일을 끝내려는 AI를 에이전트라고 부릅니다. 에이전트는 어려운 말처럼 들리지만 뜻은 단순합니다. 나 대신 행동하는 존재. AI가 답을 말하는 데서 그치지 않고 직접 행동하는 순간입니다. 워크플로우와의 차이가 여기 있습니다. 워크플로우는 사람이 동선을 짜 주는 거고 에이전트는 동선을 스스로 정하는 겁니다. 목표를 끝낼 때까지 도구를 여러 번 불러가면서요. 검색하고 읽고 판단하고 다시 검색하고 정리하고 제출합니다. 그래서 에이전트 시대의 질문은 달라집니다. 예전엔 어떻게 물어보면 좋은 답을 받을까였다면 이제는 어떤 목표를 맡기고 어떤 도구를 쓰게 하고 어디까지 맡길까로 말이죠. 그런데 아이에게 일을 맡겨보니 생각지 못한 문제가 생깁니다. 똑똑한 AI와 일자라는 AI는 다르다는 거였어요.이 아이가 아무리 똑똑해도 일을 맡기면 엉뚱한 대로 셀 수 있습니다. 고객문이 정리해 줘라고 했는데 필요 없는 오래된 메일까지 전부 뒤져보거나 간단히 요약해 줘라고 했는데 갑자기 보고서를 새로 쓰기 시작합니다. 또는 파일 이름만 바꿔 줘라고 했는데 폴더 구조까지 손대려고 합니다. 사람으로 치면 서울대 출신의 맨사 회원인데 일머리가 없는 신입사원인 거죠. 이게 그냥 웃긴 얘기가 아닌게 가트너라는 세계적인 리서치 회사는 에이전트 도입 프로젝트 열개 중네 개가 2027년까지 취소될 거라고 예측했었습니다. 그 이유는 성능이 아니었어요. 회사에서 일머리 없는 직원이 시간과 월급이라는 자원을 낭비하듯이 필요하지 않은 일들을 하는데 들어가는 비용 그리고 그걸 막기 위한 통제 장치의 부제였습니다. 그래서 나온 것이 하네스 엔지니어링입니다. 하네스는 원래 말에 채우는 마구라는 뜻인데요. 아무리 빠르고 힘 좋은 말이라도 마구가 없다면 내가 제어를 할 수가 없겠죠. 그저 말에 올라탄 상황에서 말이 가고 싶은 방향대로 갈 수밖에 없을 겁니다. AI도 마찬가지입니다. 어떤 도구를 쓸 수 있는지, 어디까지 접근할 수 있는지, 무엇은 절대 하면 안 되는지, 결과는 어떤 기준으로 검증할지,이 작업 환경 전체를 설계해 주는 것이 바로 한네스 엔지니어링입니다. 자, 그런데 일을 시켜 보니 또 욕심이 생깁니다. 한 아이가 일하는 것도 좋지만 여러 아이가 나눠서 일하면 더 빠르지 않을까? 회사에서도 그렇잖아요. 한 사람이 모든 일을 다 하는 것보다 조사 담당, 기획 담당, 검토 담당이 나뉘면 일이 더 체계적으로 굴러갑니다. 그래서 사서들은 아이를 여러 명을 불러서 일을 시켰습니다. 한 아이는 자료를 찾고 한 아이는 그걸 요약하고 또 한 아이는 빠진 부분을 검토하죠. 마지막 아이는 전체를 보고서로 정리합니다. 이처럼 여러 에이전트가 각자 역할을 나눠서 협업하는 구조를 멀티에 합니다. 여기까지만 들으면 굉장히 좋아 보입니다. AI 한 명도 신기한데 AI 팀이라니요. 그런데 실제로는 문제가 생깁니다. 회사에서도 사람이 많아진다고 일이 무조건 빨라지지는 않잖아요. 회의가 늘고 전달이 꼬이고 책임이 흐려지고 서로 같은 일을 두 번 하기도 하죠. AI도 비슷합니다. 조사 담당 아이가 이상한 자료를 가져오면 작성당 아이는 그걸 믿고 글을 씁니다. 검토 담당 아이가 기준 없이 지적하면 수정담당 아이는 방향을 잃습니다. 한 아이가 놓친 오류가 다음 아이에게 넘어가고 그 오류가 다시 최종본에 들어가는 거죠. 여러 명을 붙였는데 결과는 좋아지지 않고 오류만 서로 돌고 도는 상황이 생깁니다. 그래서 멀티에 중요한 건 AI를 몇 명 붙였느냐가 아닙니다. 각 아이의 역할이 얼마나 명확한가. 서로 무엇을 넘겨 주는가? 최종 판단은 누가 하는가?이 구조가 없으면 AI 팀은 그냥 시끄러운 회의실이 됩니다. 그래서 사서들은이 팀의 지위자를 세우기로 합니다. 오케스트라에서 지휘자가 여러 악기를 하나의 음악으로 묶듯이 여러 에이전트와 도구를 어떤 순서로 움직일지 지휘하는 것. 그래서 나온게 캐스트레이션입니다. 쉽게 말해서 팀장을 한 명 두는 거예요. 다른 아이들이 자료를 수집하고 기초적인 분류를 해 놓고 보고서를 작성하면 똑똑한 팀장이 그걸 보고 판단합니다. 통과시킬지 다시 일을 시킬지. 그런데 방금 팀장이 한 일을 다시 보세요. 결과를 보고 판단하고 부족하면 다시 시킵니다. 예를 들어서 영상 대본도 그렇죠. 처음 쓴 대본이 바로 최종분이 되는 경우는 거의 없습니다. 훅을 고치고 예시를 바꾸고 너무 어려운 표현을 덜어내고 마지막 문장을 다시 씁니다. 실행하고 확인하고 고치고 다시 실행하는 이러한 반복 구조를 루프 그러니까 순환이라고 생각하시면 됩니다. AI는이 순환에서 진짜 강해집니다. 한번 대답하고 끝나는 AI가 아니라 자기 결과를 검사하고 기준에 맞지 않으면 다시 고치는 AI. 그런데 이런 루프에도 위험이 있습니다. 멈추는 기준이 없으면 그냥 계속 고치는 거예요. 좋아졌는지 나빠졌는지도 모르고 계속 돌 수 있습니다. 그래서 이런 루프에는 두 가지가 붙어야 합니다. 어떤 도구를 불렀고 어디서 판단을 바꿨는지 되짚을 수 있는 작업 기록 그리고 결과가 좋은지 나쁜지 가릴 채점 기준. 기록과 기준이 없으면 루프는 그냥 무한히 빙글빙글 도는 자동화가 됩니다. 이렇게 언제 시작하고 무엇으로 검증하고 언제 멈출지까지 이런 루프 전체를 설계하는 일을 루프 엔지니어링이라고 합니다. 그런데 여기서 끝이 아닙니다. 실제 일은 한 줄로 빙글빙글 돌지만 않거든요. 아까 경쟁사 조사를 생각해 보세요. 자료 조사는 여러 사이트를 동시에 돌려도 됩니다. 중간에 이건 사람이 봐야 할 것 같은데 싶으면 멈춰서 물어봐야 하고요. 결과가 부실하면 앞단계로 돌아가야 합니다. 갈림길도 있고 합류 지점도 있고 사람이서 있는 검문소도 있는 거예요. 그래서 이걸 루프 하나가 아니라 아예 지도로 그리기 시작합니다. 마치 다이어그램처럼 말이죠. 어떤 단계들이 있고 어디서 갈라지고 어디서 다시 만나고 어디에 사람이서 있는지 일 전체를 이렇게 지도로 설계하는 것을 그래프 엔지니어링이라고 합니다. 루프 엔지니어링이 올 여름에 나온 말이라면 이건 정말 나온지 얼마 되지 않은 따끈따끈한 말입니다. 업깨에서는 벌써 루프에서 그래프로라는 말이 돌고 있어요. 저는 개인적으로 핵심이 여기 있다고 생각합니다. 많은 분들이 에이전트를 들으면 이제 AI가 알아서 다 해 주겠네라고 생각합니다. 그런데 실제로는 반대에 가깝습니다. AI가 더 많이 행동할수록 사람은 더 좋은 구조를 만들어야 합니다. 말만 잘 거는 시대에는 프롬프트가 중요했어요. 자료를 많이 넣는 시대에는 컨텍스트였고요. 도구를 쥐고 직접 행동하는 에이전트 시대에는 작업 환경과 순서 반복 기준이 중요해집니다. 그러니까 에이전트 시대라고 사람이 할 일이 사라지진 않는 거죠. 오히려 사람의 일이 더 위로 올라갑니다. 직접 손으로 하는 사람에서 일이 굴러가는 구조를 설계하는 사람으로요. 이렇게 나만의 구조를 설계해서 AI가 명확한 결과물을 가져오게끔 하는 시연 영상을 아래 고정 댓글에 달아 놨으니 확인해 보시면 좋을 것 같습니다. 여러분, AI가 일하게 만들려면 이제는 질문이 아니라 구조를 줘야 합니다. 어떤 목표를 줄지, 어떤 도구를 호출하게 할지, 어떤 권한을 허락할지, 어떤 순서로 일하게 하고 무엇을 기준으로 검토하게 할지, 언제 사람에게 넘기고 언제 멈추게 할지 이걸 정하는 사람이 앞으로 AI를 훨씬 더 깊게 쓰게 될 겁니다. 오늘 영상이 도움이 되셨다면 구독과 좋아요, 알림 설정과 하이프까지 부탁드리면서 다음 영상에서는 보다 더 유익한 내용으로 찾아뵙겠습니다. 감사합니다.