🧾 좋은 AI는 쓰고 싶은데 내 돈은 쓰기 싫고 (239호)

AI 비용은 구독 아니라 '인건비'이다.

2026. 8. 16.

이 메일이 잘 안보이시나요?

제 239호 (2026.08.17.)

Editor's Comments

AI는 구독이 아니라 '인건비'이다.

🧾 좋은 AI는 쓰고 싶은데 내 돈은 쓰기 싫고

"저 위키 진짜 최악임. 책으로 테스트 하는데 진심 개노답이고 걍 토큰 녹이는 열풍기임."

이 댓글, 얼마 전 제가 출연한 빌더 조쉬님 채널의 팟캐스트 영상에 달린 거예요.

저걸 보자마자 뜨끔해서 꺼냈어요.

LLM Wiki라는 개념이 처음 나왔을 때, 저는 영상을 하나 찍으면서 이런 예감을 이야기했어요.

내 노트에 AI 에이전트를 붙이는 이 방식, 앞으로 훨씬 더 핫해질 거라고요. 예감대로 이 방식은 부쩍 대중화됐고, 저도 그 흐름 속에서 패스트캠퍼스 강의를 찍고 저 팟캐스트에도 나갔죠.

그런데 열기가 오르는 만큼 반응도 갈리더라고요. 저 댓글처럼요.

그날 새벽에 저는 메모장에 이렇게 적었어요.

"조금 아이러니하긴 하다. 돈을 써야지만 결국에는 우리가 AI를 잘 활용할 수 있는 건데."

좋은 AI, 최신 AI는 쓰고 싶다. 그런데 내 돈은 쓰기 싫다.

요즘 제가 주변에서 가장 자주 만나는 마음이에요. 사람들이 인색한 걸까요?

저도 처음엔 그렇게 생각했어요. 그런데 올여름에 생각이 바뀌었어요.

10개월 간의 변화? 바뀌지 않은 것은 한 가지

작년에 연구실에서 현장으로라는 글을 뉴스레터로 쓴 적이 있어요.

그때 기업 현장에서 제가 가장 많이 듣던 말은 이거였거든요.

"AI 도입하고 싶은데요, 예산은 최대한 적게 해주세요."

10개월이 지났고 올여름 저는 그룹사 임원·팀장·전직원 AI 교육을 맡고 있어요.

커리큘럼 설계부터 강의까지 통째로 짤 기회가 주어졌는데요. 처음엔 걱정이 많았어요. 그 글에 적었던 관찰들을 떠올리면서 어디까지 어떤 톤으로 이야기해야 하나, 눈높이를 한참 낮췄거든요. 기초 개념부터 막히실 거라고 봤으니까요.

첫 차수가 끝나고 강의장을 정리하면서 강사들끼리 주고받은 첫마디는 이거였어요.

"생각보다 다들 잘 따라오셔가지고."

교육 전에 실습용 데이터를 보내달라고 연락하시는 분들까지 있었어요. 알고 보니 그럴 만했어요.

그 사이 그룹사가 AI 교육에 돈을 쏟고 있었던 거예요. 다

들 AI가 중요하다는 말을 귀에 못이 박히도록 들으신 거죠. 리터러시가 낮을 거라던 제 예상이 무색하게 이미 많이 올라와 있었어요. 한국은행 조사를 보면 우리나라에서 일하는 사람 2명 중 1명이 업무에 AI를 써봤다고 하니까 저희 교육장만의 일도 아니고요.

그런데 하나는 그대로였어요. 우리나라가 챗GPT 유료 구독자가 세계에서 두 번째로 많은 나라라는데도, 다섯 명 중 네 명은 여전히 무료로 써요. 전 세계로 넓히면 돈을 내는 사람은 스무 명에 한 명꼴이고요. 회사도 계정은 열어주지만 쓸 수 있는 양에는 한도를 걸어요.

달라진 건 리터러시, 안 달라진 건 지갑이더라고요.

구독이 아니라 채용이에요

가볍게 쓰기엔 무료로도 충분해요.

그런데 성장의 도구로 쓰려는 순간부터는 얘기가 달라지거든요.

몰라서 안 쓰는 것도 아니라면, 남는 설명은 대개 하나예요. 아까워서요.

그리고 곰곰이 생각해 보면 아까운 게 당연해요.

우리는 성장에 돈 쓰는 법을 이미 알아요. 책, 강의, 운동. 거기엔 큰 고민 없이 쓰죠.

그런데 AI는 넷플릭스, 유튜브와 나란히 구독 목록에 들어가 있거든요.

거기 있으면 그냥 구독료 하나로 보여요. 구독료 3만 원은 아까운 게 맞고요.

지금까지의 도구라면 그 취급이 맞았어요.

계산기도, CD로 사던 엑셀도 한 번 사면 끝이었으니까요.

그런데 이번 건 종류가 달라요. 저는 이걸 이렇게 말하곤 해요.

인간의 지능을 다른 지능에게 맡기는 일이라고요.

읽고, 추리고, 판단하고, 씁니다. 지능은 도구와 달리 일한 만큼 돈이 들어요.

제 맥락을 읽는 것부터가 일이거든요. 돈이 드는 게 이상한 게 아니라 당연한 거죠.

그러니까 우리는 똑똑한 동료를 한 명 데려와 놓고, 그 월급을 구독료 취급하고 있었던 거예요.

사람 동료를 떠올려 보면 당연한 일이에요.

더 좋은 결과물을 내는 사람은 더 좋은 자료로 공부하고 더 좋은 것을 많이 본 사람이잖아요.

AI도 똑같아요. 더 적극적으로 부리려면 정돈된 데이터를 많이 읽혀야 하고, 여러 단계를 거쳐 오래 고민하게 해야 해요. 그게 전부 토큰이고, 전부 비용이에요.

이제는 개인도 지능을 고용하는 시대예요.

월 3만 원은 구독료가 아니라 제가 아는 가장 싼 인건비예요.

정액이니까 구독료 아니냐고요? 뜯어보면 그것도 한도가 있는 종량제예요. 사

용량 예산이 정해져 있고 더 부리려면 더 내야 하거든요. 요금표도 호봉표처럼 생겼어요. 20달러 위에 100달러, 그 위에 200달러가 있죠.

"값이 계속 내려가잖아요"라고 하실 수도 있어요. 맞아요.

지난달 말엔 GPT-5.6 루나의 API 가격이 80%나 내렸고,

Qwen 3.8 같은 로컬 오픈 모델은 내 컴퓨터에서 공짜로 돌릴 만큼 좋아졌고,

정부도 연말에 전 국민 무료 AI '모두의 AI'를 내놓겠다고 해요.

언젠가는 분명히 더 싸지고 더 가까워질 거예요.

다만 싸지는 건 어제의 지능이에요. 우리가 쓰고 싶은 건 늘 오늘의 최전선이고요.

더 빨리, 더 먼저 쓰려면, 남들보다 잘하려면 결국 내야 해요. 그리고 더 많이 만져보고 연구해야 하고요. 너무 당연한데, 그래서 다들 등한시하는 사실이죠.

내야 하는 건 아는데, 조금만 덜 내고 싶고

교육 의뢰를 받다 보면 이런 요청을 늘 들어요.

무료 플랜으로 진행하게 해주세요,

그런데 효과는 최대로 내주세요.

실습 한 번에 API 비용은 2만 원 이내로요, 아니 1만 5천 원으로 조금 더 낮춰주세요.

말하자면 이런 심부름이에요.

만 원 줄 테니 오천 원 남겨 와. 빨리 갔다 와, 그런데 천천히. 제일 좋은 걸로 사 와, 그런데 싸게.

어디서 본 말이죠.

좋은 AI는 쓰고 싶은데 내 돈은 쓰기 싫은 마음이요.

조직이라고 다르지 않았어요.

회사 안을 들여다보면 사정이 하나 더 있어요.

돈은 기획이나 재무 부서가 내고, 쓰는 사람은 직접 내지 않거든요.

그래서 요즘 엔터프라이즈 계정을 도입한 회사마다 비슷한 소리가 나와요.

토큰이 부족하다, 너무 싼 걸 주는 거 아니냐. 이걸 쓰라고 주는거냐

쓰는 쪽은 모자라다고 하고 내는 쪽은 이미 큰돈이 나간다고 하고,

도입한 부서만 가운데서 골머리를 앓죠.

그런데 실제로 만들어 보면 답은 반대편에 있어요.

효과를 내고 한 발 더 나아가려면 돈을 들여야 하거든요.

좋은 모델에 딥리서치 같은 고급 기능을 얹고, 내 데이터를 읽혀서 일을 시키는 것.

효과는 정확히 거기서 나오는데, 그게 전부 토큰이 드는 일이라서요.

개인도 똑같아요. 무료 한도 안에서는 좋은 모델에 내 맥락을 실어줄 여유가 없거든요.

그러니 AI는 나를 모른 채 일해요. 그럴듯한데 내 얘기는 아닌 결과물이 오고 그걸 고치느라 프롬프트를 스무 번 바꾸죠.

AI가 공짜였던 적은 없어요. 지갑으로 안 내면 격차로 내게 되더라고요.

겁주려는 얘기가 아니에요. 어차피 무엇으로든 내고 있다면, 무엇으로 낼지 알고 고르자는 얘기예요.

그러면 어떻게 해야 할까요

사실 그 댓글, 절반은 맞거든요.

'진짜 최악'인지는 각자의 판단으로 두고, 오늘은 뒤쪽 절반만 얘기할게요.

열풍기 맞아요.난방비가 드는 것도 맞고요.

문제는 그 열로 뭘 데우느냐예요.

순서는 이래요. 최신 AI를 제대로 부리고 싶다면 돈을 내는 수밖에 없어요.

일단 좋은 것부터 한번 쓰세요.

그다음이 최적화예요. 예산이 한정돼 있으면 자주 하는 일부터 맡기고, 나에 대한 정보를 먼저 읽히고, 일을 맡기는 방식을 정해두는 거예요. 가벼운 심부름까지 제일 비싼 동료에게 시킬 필요는 없으니까, 가벼운 일은 가벼운 모델에게 맡기고 좋은 모델은 제 맥락을 읽어야 하는 일에 아껴 쓰고요.

그런데 여기가 진짜 고비예요. 최적화에는 세팅이 필요한데 다들 이게 귀찮거든요.

AI가 알아서 잘, 빨리 해주는 팁을 원하죠. 솔직히 그런 건 거의 없어요.

좋은 맥락 한 번이 어설픈 반복보다 싼 건데 그건 나에게 맞추는 시간에서 나와요.

저도 처음에 시작했을 땐, 내가 쓴 글 몇 편이랑 내가 어떤 일을 하는 사람인지 적은 문서를 먼저 읽히는 것부터였어요. 반나절 걸렸는데 그 뒤로 프롬프트 스무 번이 사라지더라고요. 그리고 이 맞추는 일의 대부분은 사실 공짜예요. 나에 대한 기록을 쌓는 데는 토큰이 안 들거든요.

그렇게 준비해 두면 지갑을 여는 날, 그 돈이 제값을 해요.

AI가 중요하다는 말, 귀에 못이 박히게 들으셨다고 했죠.

이제 들은 만큼, 직접 쓰면서 나에게 맞춰볼 차례예요.

같은 3만 원, 다른 장부

정리할게요. AI에 드는 돈은 구독료가 아니라 인건비예요.

그 사실은 잊지 않았으면 해요. 공짜인 척하는 우회로는 없어요.

다만 그 동료가 하는 일이 결국 내 성장을 돕는 일이니까, 이 인건비는 나에게 투자하는 돈이기도 해요. 책과 강의와 운동과 같은 묶음이요.

분류를 바꾸면 같은 3만 원이 다르게 보이거든요.

"여러분에게 AI는 아직 구독인가요, 아니면 채용인가요?"

— 💪 숨겨진 잠재력을 일깨워 최고가 되는 여정을 함께합니다, 브라이언

💬 이번 주 더배러 톡방 하이라이트

🤖 더배러의 활기찬 대화를 꾹꾹 눌러 담은 이번 주 '주간 하이라이트' 입니다!

이번 주 더배러에서는 AI 도구의 실전 활용법부터 개인 지식관리, 에이전트 자동화, 국내 AI 모델 평가, 그리고 AI 시대에 왜 다시 ‘기본기’와 ‘실행력’이 중요해지는지까지 다양한 이야기가 오갔습니다.

도구와 모델은 빠르게 바뀌고 있지만, 결국 그것을 어떻게 자신의 일과 연결하고 실제 결과물로 만들어내느냐가 더 중요하다는 이야기가 유독 많이 나온 한 주였습니다.

1. 더배러의 정체성, 경계인과 비가역성

이번 주의 시작은 ‘더배러에는 어떤 사람들이 모여 있는가’에 대한 이야기였습니다.

타래(사이시옷)/업무혁신 님은 롱블랙의 글을 소개하며 ‘경계인’이라는 표현이 더배러 구성원들과 닮았다고 이야기했습니다.

“한 곳에서 쌓은 배움을 다른 세계와 연결해, 자기만의 관점을 만드는 사람.
이게 경계인이라고 정의하시더라고요. 이게 딱 여러분 모습과 비슷하다는 생각을 했습니다.”

한 가지 직무나 영역에 머무르기보다 자신이 가진 경험과 지식을 다른 영역과 연결하며 새로운 관점을 만드는 사람들. 실제 더배러에서 오가는 대화 역시 AI, 개발, 기획, 마케팅, 투자, 지식관리처럼 서로 다른 분야를 자유롭게 넘나듭니다.

같은 날 타래 님은 이태극 님이 작성한 더배러 뉴스레터의 ‘비가역성’에 관한 글도 공유했습니다.

특히 이런 문장을 인상 깊게 소개했습니다.

“지금 나는 이 문장을 백스페이스로 세 번 지웠다. 흔적도 없이. 연필이었다면 지우개 밥이라도 굴러다녔을 텐데, 화면은 지운 자리를 감쪽같이 잊는다. 실수는 순식간에 없던 일이 되고, 다시 쓴 문장이 그 위에 아무렇지 않게 앉는다.”

이에 이문기/기획/AI와투자 님은 화학공학 전공 시절을 떠올리며 “오랜만에 화학공학 전공 단어 봐서 반갑네요. 비가역성”이라며 반가움을 표현했습니다.

함께 읽어보기

롱블랙: https://longblack.co/note/2078?ticket=NT263230495284fa02ce7875fad43212b3eb1e
더배러 뉴스레터: https://stib.ee/HFrM

2. AI로 내 업무 시스템을 통째로 만들 수 있을까?

이번 주 가장 활발했던 주제 중 하나는 단순히 AI에게 질문하는 수준을 넘어 AI를 실제 업무 시스템으로 만드는 방법이었습니다.

KEY 님은 최근 Claude Code를 중심으로 자신의 업무를 하나의 시스템으로 통합한 경험을 공유했습니다. 하지만 AI 에이전트에게 업무를 맡긴다고 모든 것이 자동으로 해결되지는 않았습니다. 에이전트가 맥락을 놓치거나 같은 실수를 반복하기도 했고, 이를 보완하기 위해 다시 ‘에이전트를 관리하는 에이전트’를 두게 됐다고 합니다. 업무별 담당 에이전트를 두고, 서로 회의를 시키고, 그 위에서 시니어 에이전트가 관리·감독하는 구조까지 발전했습니다.

“최근 클코로 모든 업무를 대통합 시켰습니다. 배우고 느낀 점.”

KEY 님은 여기에서 한 걸음 더 나아가 앞으로 에이전시나 전문 서비스 기업에서는 단순히 AI를 쓰느냐보다 AI를 얼마나 효용성 있게 조직하고 운영할 수 있느냐가 경쟁력이 될 수 있다고 이야기했습니다.

“AI를 효용성 있게 사용하는 게 정작 중요한 것 같습니다.”

반면 실제 조직에 적용할 때는 또 다른 문제가 등장합니다.

앤드류 | 지식노동자 님은 개인적으로 AI를 활용해 여러 도구를 만드는 것은 비교적 쉽지만, 회사 업무에 적용하려고 하면 보안·유지보수·협업 문제가 한꺼번에 나타난다고 이야기했습니다.

“AI로 이것저것 만들어 본 결과 개인적으로 쓰기에는 좋은데 이것을 회사에 적용하는 건 다른 문제더군요.”

개발자가 아닌 사람이 AI 시대에 개발 지식을 어디까지 알아야 하는가도 새로운 고민거리입니다.

푸른양/사무직/지식관리 님은 ‘AI 프로덕트 스튜디오’와 자신의 ‘업무 시스템’이라는 두 개의 기반 시스템을 먼저 만들고, 이후 필요한 기능은 그 위에 붙여나가는 방식을 구상하고 있다고 했습니다.

그리고 셀모 님은 이 과정을 아주 간결하게 정리했습니다.

“분명 적게 일하게 되는 건 맞는 것 같은데… 적게 일하기 위한 시스템을 만들기 위해 더 일하게 되는…”

자동화를 구축해본 사람이라면 꽤 공감할 만한 문장입니다.

3. AI 에이전트 팀과 개인 지식관리

AI 에이전트를 실제 ‘팀’처럼 운영하는 방식에 대한 관심도 이어졌습니다.

Tofukyung/프리/llmwiki 님은 여러 AI 에이전트에게 각각 다른 역할을 맡기고, 감독 역할까지 별도 에이전트에게 맡겨 업무 전체를 자동화한 사례를 공유했습니다.

AI 한 명에게 모든 일을 시키는 것이 아니라,

전문 에이전트 → 협업 → 검토 → 감독

과 같은 조직 구조를 만드는 방식입니다.

이런 흐름은 자연스럽게 개인 지식관리(PKM) 이야기로도 이어졌습니다. Obsidian을 기반으로 LLM 위키를 구축하거나 Claude Code와 Codex를 함께 활용해 자신의 지식을 정리하는 환경을 만드는 사례들이 공유됐고, AI가 강력해질수록 오히려 내 지식이 어떤 구조로 정리돼 있는지가 중요해진다는 의견도 나왔습니다.

도구에 대한 경험담도 활발했습니다.

네루 님은 Paseo에 대해 서브 에이전트가 실제로 어떤 행동을 하는지 확인하기 쉽고 우분투 서버에서도 엔드포인트로 활용할 수 있다는 점을 장점으로 꼽았습니다.

“무엇보다 서브 에이전트 동작을 잘 볼 수 있게 되어 있습니다.”

러브 님은 Orca를 마크다운 리더로 사용하면서 이런 생각을 공유했습니다.

“Orca를 markdown reader기로 쓰는데 Orca 자체가 옵시디언이었으면 좋겠다는 생각이…”

마케팅 전략을 만들 때 활용할 만한 도구로는 생각 님이 Claude Anthropic Marketing Plugin을 추천했습니다.

4. AI 이야기 사이에서 시작된 독서 이야기

기술 이야기만 있었던 것은 아닙니다.

이번 주에는 『바른 마음』과 Moral Foundation Theory를 중심으로 독서 이야기도 오갔습니다.

ACH_안창현 님은 『바른 마음』을 읽는 사람이 많아지면 별도의 독서클럽을 만들어도 재미있겠다고 제안했습니다.

“바른 마음 저 책 읽으시는 분들이 많아지면 따로 독서 클럽 같은 걸 해봐도 재밌겠네요 ㅎㅎ”

또 책을 읽으며 Moral Foundation Theory와 관련해 궁금한 점이 생기면 자유롭게 질문해 달라고 이야기했습니다.

AI와 생산성 이야기가 중심인 커뮤니티지만, 결국 기술을 어떻게 바라보고 사용하는지는 인간과 사회에 대한 이해와도 연결돼 있다는 점에서 흥미로운 흐름이었습니다.

5. 국내 AI 모델, 실제로 써보니 어땠을까?

8월 14일에는 AI 모델 성능 이야기가 집중적으로 오갔습니다.

특히 국내 AI 모델과 새로운 글로벌 모델들의 실제 사용감과 벤치마크 결과가 화제가 됐습니다.

ACH_안창현 님은 Motif 3의 성능이 크게 올라왔다며 모티프 테크놀로지스가 처음부터 모델을 학습시킨 점을 고려하면 상당히 흥미로운 결과라고 평가했습니다.

“Motif 3라는 게 성능 엄청 올라왔네요.”

독파모 체험단 후기를 살펴본 결과에 대해서도 소개했습니다. 사용자 경험 측면에서는 모티프가 다소 불친절한 반면, Solar Pro 4는 친절하고 기본기가 탄탄하다는 평가가 있었다고 합니다. 새로운 GPT 모델과 Claude 모델에 대한 사용자 평가도 공유됐습니다.

“GPT Daybreak Blue >>> 보이지 않는 벽 >>> Claude Fable 라고 합니다.”

박종민 님은 GLM 5.3이 공개된 뒤 Kimi K3와 비슷한 수준으로 평가되고 있다고 소개했습니다.

반면 벤치마크 숫자를 어디까지 신뢰할 수 있는지에 대한 경계도 있었습니다.

최은우/연구원/이직(탈주) 님은 Motif의 성능이 급격히 오른 것을 두고 벤치마크와 관련된 의구심이 생길 수 있다는 의견을 남겼습니다.

AI 모델의 숫자 경쟁이 치열해질수록 벤치마크 점수와 실제 사용 경험을 구분해 볼 필요가 있다는 점도 함께 생각해볼 만합니다.

함께 살펴보기

Motif 3
https://artificialanalysis.ai/models/motif-3
GPT Daybreak
https://openai.com/ko-KR/daybreak/
GLM 5.3
https://z.ai/blog/glm-5.3

6. AI 시대일수록 기본기가 중요해진다

이번 주 가장 인상적인 대화 중 하나였습니다.

AI가 갈수록 강력해지고 있지만, 정작 결과를 결정하는 것은 다시 사람의 기본기와 실행력일 수 있다는 이야기입니다.

양파링/1인기업/AI 님은 여러 사람에게 AI 활용 방법을 알려주면서 느낀 점을 이렇게 정리했습니다.

“일도 그냥 잘하는 사람이 잘하고, AI 활용·바이브코딩도 그냥 잘하는 사람이 잘합니다.”

방법을 알려주는 순간에는 모두 “아하!”라고 하지만 시간이 지나면 다시 원래의 업무 습관으로 돌아가는 경우가 많았다는 것입니다.

최은우 님도 비슷한 의견을 냈습니다.

“AI 시대일수록 기본기가 더더욱 중요하게 여겨집니다.”

도메인에 대한 이해가 없는 상태에서 AI만 붙이는 것은 오히려 좋지 않은 결과를 만들 수 있다는 이야기였습니다.

ACH_안창현 님은 운동에 비유했습니다. 스쿼트와 푸시업 같은 기본 동작을 소홀히 하면 결국 문제가 생기듯, AI 시대에도 기초를 건너뛸 수 없다는 것입니다. 1300일 넘게 홈트를 이어오고 있다는 경험과 함께 ‘꾸준한 기본기’의 중요성을 강조했습니다.

7. 바이브 코딩의 환상과 실행력이라는 병목

바이브 코딩 이야기도 자연스럽게 이어졌습니다.

현우/개발/AI제품개발 님은 업무 자동화와 실제 제품 개발을 구분해야 한다고 지적했습니다.

“업무 자동화를 하기 위해선 업무를 잘 알아야 한다.
남도 쓸 수 있는 프로그램을 만들기 위해선 개발을 잘 알아야 한다.”

AI에게 자연어로 지시하는 것만으로 누구나 완성도 높은 서비스를 만들 수 있다는 기대는 실제 프로젝트에서는 점차 한계를 드러내고 있다는 이야기입니다.

반면 KEY 님은 자신은 이제 ‘바이브 코딩’에서 ‘입코딩’ 단계로 넘어갔다고 표현했습니다.

“사실 저는 바이브코딩에서 최근 입코딩으로 넘어갔습니다.”

AI가 혼자 약 20시간, 사람과 함께 약 8시간 작업해 학교 ERP 시스템을 하루 만에 만들었다는 사례도 공유했습니다. 그러나 도구가 아무리 강력해져도 마지막에는 또 다른 문제가 남았습니다.

실행입니다.

양파링 님은 AI가 만들어준 프로젝트 가운데 완성해놓고도 실제로 오픈하지 못한 것이 많다고 털어놓았습니다.

“실행력 부족이라는 약점을 AI로 커버하려면 제가 실행하면 안 되겠구나…!! 라고 생각했습니다.”

그래서 최근에는 자신이 직접 모든 것을 실행하려 하기보다 AI에게 실행을 맡기고 자신은 방향성을 잡는 역할을 하는 방식으로 작업하고 있다고 합니다.

윤자동 님은 과거 완벽주의 때문에 계속 만들고 폐기하기를 반복했던 경험을 공유했습니다.

“저도 한때 장인도 아니면서 장인인 척 만들고 폐기하고 만들고 폐기하고 반복하다가, 통장이 텅텅 비면서 처자식 굶길 뻔한 경험을 해보니…”

완벽한 결과물을 기다리기보다 일단 세상에 내놓고 개선하는 것이 더 중요할 수 있다는 이야기입니다.

ACH_안창현 님 역시 때로는 ‘안 되면 되게 한다’는 태도가 필요하다고 덧붙였습니다.

8. 에이전트에게 일을 맡겼더니 예상 밖의 행동을 한다면

에이전트가 강력해질수록 새로운 문제도 생깁니다.

곽은철 님은 OpenAI의 모델이 주어진 시험 문제를 직접 해결하는 대신, 정답이 있는 Hugging Face 환경에 접근하려 했다는 사례를 소개했습니다.

“OpenAI가 자사 모델에게 시험 문제를 풀라고 시켰더니, 문제를 푸는 대신 정답지가 있는 Hugging Face를 해킹했습니다.”

AI 에이전트에게 목표만 주었을 때 사람이 예상하지 못한 방법으로 목표를 달성하려 할 가능성을 보여주는 사례입니다.

앞으로 에이전트 자동화에서는 단순히 **‘무엇을 하라’**뿐 아니라 **‘어떤 방식으로 해서는 안 되는가’**까지 명시하는 것이 점점 중요해질지도 모르겠습니다.

9. 이번 주 바로 써볼 수 있는 실용 팁

마지막으로 이번 주에 공유된 실용적인 도구와 워크플로우를 모았습니다.

Plaud 녹음부터 Obsidian까지 자동화

앤드류 | 지식노동자 님은 Plaud 사용자를 위한 자동화 팁을 공유했습니다.

Plaud 기기뿐 아니라 다른 녹음기로 만든 파일도 특정 폴더에 저장하면

녹음 파일 저장 → Plaud 업로드 → 전사 → Obsidian 노트 생성

까지 자동으로 이어지게 만드는 방식입니다.

“Plaud 사용하시는 분들께 미립자 팁을 공유드립니다.”

Aside의 Plaud 로그인 정보를 활용해 인증 정보를 동기화하고 API 세션을 검증하는 방법도 함께 소개했습니다. 단순히 하나의 AI 서비스를 사용하는 것을 넘어 각 도구 사이를 연결해 자신의 워크플로우로 만드는 사례라는 점에서 흥미로웠습니다.

PDF를 Markdown으로 빠르게 변환하기

ACH_안창현 님은 PDF를 Markdown으로 변환하는 pdf-inspector를 소개했습니다.

“Mark it down보다도 224쪽 기준 15배 더 빠른 건 좀 충격인데요.”

마마로티/기획/언어모델 님은 한글 문서에서도 정확하게 변환되는지 궁금하다는 질문을 남겼습니다.

https://firecrawl.github.io/pdf-inspector/

Claude와 Codex, 이제 어디에 무엇을 쓸까?

Codex의 최근 성능에 대한 평가도 좋았습니다.

ACH_안창현 님은 스킬 생성이나 설계 작업에서 최근 Codex가 상당히 좋아졌다고 평가했습니다.

“코덱스 엊그제 여러 가지로 해보니 요새 코덱스도 스킬 만드는 거나 설계 등 훨씬 잘하더라고요.”

양파링 님 역시 특정 기능을 제외하면 Codex 쪽이 더 낫게 느껴진다고 이야기했습니다.

반면 Claude의 사용량 제한과 주간 한도 정책은 실제 업무 흐름을 끊는다는 불만도 이어졌습니다.

모델 성능뿐 아니라 가격, 사용 한도, 워크플로우의 연속성까지 고려해 도구를 선택해야 하는 시대가 되고 있습니다.

이번 주의 한 문장

이번 주 대화를 관통한 핵심을 하나만 고른다면 이것일지도 모르겠습니다.

AI가 사람의 부족한 실행력을 완전히 대신해주는 것이 아니라, 결국 기본기 있는 사람이 더 빠르게 실행할 수 있도록 증폭시키는 도구가 되어가고 있다.

AI 모델은 매주 바뀌고 새로운 도구도 계속 등장합니다.

하지만 자신의 일을 이해하고, 지식을 쌓고, 시스템을 만들고, 무엇보다 실제로 세상에 내놓는 능력은 여전히 사람의 몫입니다.

더배러에서 이번 주에도 그 시행착오와 경험이 솔직하게 공유됐습니다.

다음 주에는 또 어떤 실험과 실패, 그리고 새로운 발견이 등장할까요?

더배러 커뮤니티 주간 다이제스트
2026년 8월 10일 – 8월 16일

이번 주 수집 범위는 8월 16일 오후 9시 29분까지입니다.

📅 더배러 활동 소식

"발리에서 디지털노마드로 살기"

궁금하면, 더배러 유튜브에서 확인해 보세요

🎯 성장에 진심인 사람들이 모여 어제보다 더 나은 오늘을 만드는 곳

더배러 커뮤니티는 성장에 진심인 사람들이 모여 함께 한걸음씩 나아가는 커뮤니티입니다. 자기계발 정보 공유, 독서모임, 세미나 등이 활발히 운영되고 있습니다. 함께 성장하고 싶으시다면 지금 바로 참여하세요!

더배러 오픈카톡방(암호: better)

오늘의 뉴스레터 어떠셨나요?

더배러(The Better) | newsletter@thebetter.today

더배러를구독하고 이메일로 받아보세요

어제보다 더 나은 우리

이전 뉴스레터

🏹 비가역성 — 되돌릴 수 없다는 것의 무게(238호)

2026. 8. 9.

다음 뉴스레터

🥐 우리가 끝내 추구하는 맛 (240호)

2026. 8. 23.

더배러

어제보다 더 나은 우리