AI 뉴스 블로그: 문서 / 보고서

레이블이 문서 / 보고서인 게시물을 표시합니다. 모든 게시물 표시

2026년 7월 28일 화요일

중국산 AI의 역습 (2026) | DeepSeek·Qwen·Kimi·GLM 어디까지 왔나

도입부 — DeepSeek 충격, 그 후 1년

2025년 초 DeepSeek이 "훨씬 싼 비용으로 프론티어급 성능"을 보여주며 시장을 흔들었을 때만 해도, 많은 사람이 "일회성 이벤트"로 봤습니다. 그런데 1년이 지난 2026년, 상황은 훨씬 커졌습니다. 이제 중국 AI는 하나의 회사가 아니라 여러 회사가, 그리고 **"따라잡기"가 아니라 특정 영역에서 "주도"**하는 국면으로 넘어갔습니다.

물론 과장은 금물입니다. 가장 어려운 최상위 작업은 여전히 서구 프론티어 모델이 앞섭니다. 하지만 오픈웨이트, 가격, 그리고 칩 독립이라는 세 전선에서 벌어지는 변화는 실무자가 무시할 수 없는 수준입니다. 오늘은 감정이나 진영 논리 없이, 지금 실제로 무슨 일이 벌어지고 있는지와 이걸 어떻게 활용할지를 정리하겠습니다.

본론 1 — '역습'의 3대 축

① 오픈웨이트 지배 가장 상징적인 변화입니다. 한때 오픈소스 AI는 Meta의 Llama가 상징이었지만, 2026년 오픈웨이트 프론티어는 Zhipu·DeepSeek·Moonshot·Alibaba·MiniMax 등 중국 랩들이 지배하고 있습니다. 서구는 Llama 5와 Gemma 4로 깃발을 지키는 형국입니다. 2026년 7월 공개된 Moonshot의 **Kimi K3(2.8조 파라미터)**는 "세계 최대 오픈소스 모델"로 홍보되며 이 흐름을 상징합니다. (단, 독립 벤치마크 검증은 아직입니다.)

② 가격 파괴 중국 모델은 API 가격을 서구 대비 5~30배 저렴하게 책정합니다. DeepSeek의 저가 모델이 100만 토큰당 $0.28인 반면 서구 최상위는 $10 안팎으로, 약 35배 차이가 납니다. MiniMax는 $0.10/$0.30로 시장 가격의 새 바닥을 그었습니다. 이건 단순 할인이 아니라 글로벌 비용 기준 자체를 리셋하는 사건입니다.

③ 칩 독립과 속도 수출 통제로 최신 Nvidia 칩 확보가 어려워지자, 중국 랩들은 **효율(MoE 구조)**과 국산 칩으로 대응했습니다. Zhipu는 프론티어 모델을 Nvidia 없이 Huawei Ascend 칩만으로 학습한 첫 사례를 만들었습니다. 또한 대기업 사내팀보다 집중형 독립 랩(DeepSeek·Moonshot·Zhipu·MiniMax)이 더 빠르게 프론티어에 도달하고 있습니다.

🖊️ 에디터 팁 — "싸다"는 표면일 뿐입니다. 진짜 이야기는 오픈웨이트(내 서버에서 돌릴 수 있음) + 초저가 + 칩 독립이 겹치면서, 특정 작업에서 "서구 구독을 꼭 써야 할 이유"가 줄어들고 있다는 점입니다.

본론 2 — 주요 플레이어 최신 정리

랩 (모델)	강점	대표 최신 모델	오픈웨이트
DeepSeek	코딩·추론·극저가	V4-Pro (1.6T/49B, 1M 컨텍스트)	○
Alibaba Qwen	다국어·멀티모달·크기 다양	Qwen 3.6 Max/Plus (9B~397B)	○(다수)
Moonshot Kimi	롱컨텍스트·코딩·에이전트	Kimi K3 (2.8T)	○
Zhipu GLM (Z.AI)	에이전트·툴콜·구조화 출력	GLM-5.2 (1M 컨텍스트)	○
MiniMax	롱컨텍스트·창작·초저가	M2.7 (Apache 2.0)	○
ByteDance Doubao	유통·네이티브 영상 추론	Doubao-Seed-2.0-Pro	일부

몇 가지 눈에 띄는 지표: DeepSeek V4-Pro는 SWE-Bench Verified 80.6, LiveCodeBench 93.5, GPQA Diamond 90.1로 코딩·추론에서 강력합니다. Kimi는 최대 100개 병렬 서브에이전트로 에이전트 작업을 선도하고, Arena 프론트엔드 코딩에서 정상을 찍었습니다. GLM은 툴 사용 안정성으로 자동화에, Qwen은 9B~397B의 넓은 크기와 다국어로 셀프호스팅에 강합니다. MiniMax는 "작지만 강한" 노선으로 AIME 등 일부 지표에서 더 큰 모델을 앞섭니다.

본론 3 — 그래서 서구 프론티어와 격차는?

여기서 균형을 잡아야 합니다. "중국이 이겼다"도, "아직 멀었다"도 정확한 문장이 아닙니다.

중상위 구간: 중국 모델은 대부분의 표준 벤치마크에서 중상위 서구 모델과 대등하거나 앞섭니다. 특히 코딩·에이전트 특정 벤치마크에서는 서구 최상위 모델을 넘긴 사례도 있습니다.
절대 프론티어: 가장 어려운 작업의 최정상은 **여전히 클로즈드 서구 모델(Claude·GPT·Gemini 계열)**이 쥐고 있습니다.
핵심: 그 격차가 좁고, 작업에 따라 뒤집힌다는 것. "무조건 서구"도 "무조건 중국"도 아니고, 작업별로 최적 모델이 다른 시대가 됐습니다.

본론 4 — 실무자를 위한 활용 가이드 (즉시 실행)

접근 방법은 셋입니다. ① 각 랩의 공식 앱/API, ② 여러 모델을 한 키로 라우팅하는 API 게이트웨이(OpenRouter 등), ③ 오픈웨이트를 자체 서버에 셀프호스팅. 작업별 추천:

① 저비용 대량 처리 (분류·요약·태깅)

선택: MiniMax·Qwen 저가 모델을 API 게이트웨이로. 결과: 서구 대비 수십 분의 1 비용으로 대량 작업 처리.

② 코딩·디버깅·복잡한 로직

선택: DeepSeek V4-Pro. 결과: 코딩 벤치마크 최상위권 성능을 저가로.

③ 장문 문서·RAG 파이프라인

선택: Kimi(롱컨텍스트). 결과: 대용량 PDF·CSV를 한 번에 처리.

④ 에이전트·툴 호출 자동화

선택: GLM-5.2. 결과: 함수 호출·구조화 출력이 안정적이라 다단계 자동화에 적합.

⑤ 다국어·멀티모달 작업

선택: Qwen. 결과: 넓은 언어 커버리지 + 이미지·오디오 처리.

⑥ 민감 데이터가 있는 경우

선택: 오픈웨이트를 자국·EU 클라우드에 셀프호스팅. 결과: 데이터가 외부(특히 해외 클라우드)로 나가지 않게 통제.

🖊️ 에디터 팁 — 굳이 하나만 고를 필요 없습니다. 작업별 라우팅이 정답입니다. API 게이트웨이를 쓰면 코딩은 DeepSeek, 자동화는 GLM, 대량은 MiniMax 식으로 한 키에서 갈아탈 수 있습니다.

본론 5 — 반드시 알아야 할 주의사항 3가지

데이터 주권·컴플라이언스: 중국 클라우드의 공식 API로 쓰면, 규제 데이터·민감 정보의 처리 위치가 문제될 수 있습니다. 이 경우 오픈웨이트 셀프호스팅이 표준 완화책입니다.
벤치마크 회의주의: "세계 최대", "최고 점수" 같은 제조사 자기 보고는 독립 검증 전까지 유보하세요. Kimi K3의 규모 주장도 아직 독립 벤치마크가 확인하지 않았습니다.
콘텐츠 제한: 중국 모델은 현지 규정에 맞춘 콘텐츠 제한이 있어, 특정 주제에서는 응답이 제약될 수 있습니다. 용도에 따라 확인이 필요합니다.

마무리 — '진영'이 아니라 '작업'으로 고르세요

중국산 AI의 역습은 이념 문제가 아니라 실무 선택지의 확장입니다. 이제 같은 작업을 훨씬 싸게, 때로는 내 서버에서 처리할 길이 열렸습니다. 단, 데이터·검증·콘텐츠 제한이라는 조건표를 함께 봐야 합니다.

내가 자주 하는 AI 작업 3가지를 적고,
위 활용 가이드에서 각 작업에 맞는 중국 모델을 매칭한 뒤,
민감 데이터 여부로 "공식 API vs 셀프호스팅"을 정하세요.

👉 오늘의 실행 과제: API 게이트웨이(OpenRouter 등)에 가입해, 지금 쓰는 작업 하나를 중국 모델로 돌려 비용과 품질을 서구 모델과 직접 비교해보세요. 숫자로 보면 판단이 쉬워집니다.

⚠️ 모델·가격·벤치마크·라이선스는 매우 빠르게 바뀝니다. 이 글은 2026년 중반 공개 정보 기준이며, 도입 전 최신 사양과 라이선스·데이터 정책을 다시 확인하세요.

이 글은 특정 국가·기업 옹호나 비방이 아니라, 공개된 벤치마크·가격·릴리스 정보를 바탕으로 시장 동향을 실무 관점에서 정리한 것입니다.

2026년 7월 26일 일요일

ChatGPT 데스크톱 Work·Codex 모드와 Computer Use 완벽 정리

도입부 — "Codex 앱이 사라졌다?" 아니요, 합쳐졌습니다

Codex 앱을 쓰던 분이라면 최근 앱이 바뀐 걸 눈치채셨을 겁니다. 2026년 7월 9일, OpenAI가 독립형 Codex 앱을 새 ChatGPT 데스크톱 앱에 통합했기 때문입니다. 이제 하나의 데스크톱 앱 안에 Chat · Work · Codex 세 가지 모드가 들어 있고, 기존 앱은 'ChatGPT Classic'으로 이름이 바뀌었습니다.

이게 왜 중요할까요? 예전엔 "코딩은 Codex, 문서는 ChatGPT"처럼 앱을 오갔지만, 이제 하나의 창에서 대화 → 문서 작업 → 코딩 → 컴퓨터 조작까지 이어집니다. 게다가 세 모드 모두 무료 플랜 포함 전 플랜에서 제공됩니다. 오늘은 이 세 모드의 차이와 상세 기능, 그리고 화제의 Computer Use까지 실무 관점에서 정리하겠습니다.

본론 1 — 무엇이 바뀌었나 (2026년 7월 개편 요약)

통합: 독립 Codex 앱 → 새 ChatGPT 데스크톱 앱으로 병합 (macOS + Windows, 전 세계).
3모드 체제: 하나의 앱에 Chat, Work, Codex.
구앱 = ChatGPT Classic: 계속 업데이트·보안 패치는 되지만, 일부 신규 에이전트 기능은 새 앱 전용입니다.
전 플랜 제공: Chat·Work·Codex 모두 Free 포함 모든 플랜에서 사용 가능.
기존 데이터 유지: Codex 채팅·프로젝트는 업데이트 후에도 남고, Codex 기록은 ChatGPT 기록과 분리 보관됩니다.

본론 2 — 세 모드, 무엇이 다른가

모드	성격	핵심 용도	대상
Chat	빠른 대화	즉답, 검색, 일상 질문	모두
Work	장시간 에이전트	문서·PPT·스프레드시트·Sites 등 완성 산출물	기획자·마케터·직장인
Codex	개발 전용 에이전트	로컬 파일·레포·터미널 코딩	개발자·기술직

① Work 모드 — 비개발자를 위한 '완성품' 에이전트 Work는 단순 답변이 아니라 검토 가능한 결과물을 만드는 에이전트입니다. GPT-5.6 기반으로,

내 파일과 플러그인에서 맥락을 모으고,
목표를 여러 단계로 쪼개 몇 시간씩 자율로 진행하며,
그동안 진행 상황을 지켜보고, 질문에 답하고, 방향을 바꾸고, 중요한 동작은 승인받습니다.
산출물: 문서, 프레젠테이션, 스프레드시트, Sites(웹페이지), 리포트 등.

즉 "리서치해서 보고서 PPT까지 만들어줘" 같은 끝까지 가는 작업에 맞습니다. 기술적 세부는 알아서 처리하고 결과만 보여주는 게 특징입니다.

② Codex 모드 — 개발자를 위한 '기술 디테일 노출' 에이전트 Codex는 소프트웨어 개발 전용입니다. 로컬 폴더·저장소·터미널·개발 도구와 직접 작동하며, 2026년 7월 신기능으로:

diff 내 인라인 편집: 변경분을 그 자리에서 수정.
사이드패널 PR 리뷰: 풀 리퀘스트를 옆 패널에서 검토.
멀티 레포 프로젝트: 한 프로젝트에 여러 저장소를 묶어 작업.
더 빠른 Computer Use(GPT-5.6 기반).

Work가 기술 디테일을 감춘다면, Codex는 그 디테일을 그대로 보여줍니다. 참고로 Codex는 웹·모바일에서는 선택할 수 없고 데스크톱 전용이며, 모바일의 Remote 탭에서 진행 상황만 확인할 수 있습니다.

🖊️ 에디터 팁 — Work와 Codex는 플러그인을 공유합니다. 한 번 연결해둔 도구(내 파일·업무 앱)를 두 모드에서 함께 쓸 수 있습니다. 비개발자는 Work, 개발자는 Codex를 기본으로 두고 필요할 때 전환하세요.

본론 3 — Computer Use 상세 (화면을 직접 조작하는 AI)

Computer Use는 ChatGPT가 화면을 보고(see), 클릭하고(click), 입력하는(type) 기능입니다. 2026년의 핵심 확장은:

Windows 데스크톱 앱 조작 지원: 브라우저뿐 아니라 윈도우 데스크톱 애플리케이션까지 보고 클릭·입력합니다.
실행 방법: @Computer로 호출. 시작 전 Computer Use 플러그인 설치가 필요합니다.
동작 방식(Windows): 작업이 도는 동안 Codex가 활성 데스크톱의 전면을 점유합니다(사람이 직접 쓰듯 화면을 조작).
속도: GPT-5.6 기반으로 이전보다 빨라졌습니다.
권한: macOS에서는 화면·오디오 녹화 및 손쉬운 사용(Accessibility) 권한이 필요할 수 있습니다.
원격(Remote): Windows 기기에서 작업을 시작하거나, 맥의 데스크톱 앱으로 돌려두고 모바일 Remote 탭에서 진행을 확인할 수 있습니다.

즉 "매주 특정 프로그램에서 리포트를 내보내는 반복 작업"처럼, API가 없는 데스크톱 앱까지 사람 대신 조작하는 자동화가 가능해진 셈입니다.

🖊️ 에디터 팁 — Computer Use는 강력한 만큼 권한을 많이 요구합니다. 민감한 화면·계정이 열려 있는 상태에서 돌리지 말고, 전용 환경이나 테스트 계정에서 먼저 검증하세요.

본론 4 — 모델과 요금 티어 (GPT-5.6 계열)

Work·Codex는 GPT-5.6 계열로 구동되며, 플랜에 따라 선택지가 다릅니다.

모델 3종: GPT-5.6 Sol · Terra · Luna.
Free·Go: Terra 사용.
Plus·Pro·Business·Enterprise: Sol·Terra·Luna 중 선택 + effort(추론 강도) 설정 가능.
max effort: GPT-5.6 접근 사용자 모두 (설정에서 토글).
ultra effort: Work에서는 Pro·Enterprise, Codex에서는 Plus 이상.

추가로, ChatGPT Voice(GPT-Live 기반)로 Chat·Work·Codex에서 음성으로 작업을 지시·조율할 수 있고(자연스러운 끼어들기 지원), macOS에서는 '화면 컨텍스트'로 최상단 창을 공유할 수 있습니다.

본론 5 — 실전 사용 예시 6가지 (즉시 실행)

① Work: 데이터 → 보고서 PPT (비개발자)

지시: 이 CSV로 분기 매출 보고서를 PPT로 만들어줘. 핵심 인사이트 3개 포함. 결과: 검토 가능한 프레젠테이션 산출물. 수정 지시로 다듬기 가능.

② Work: 비교표 스프레드시트

지시: 견적서 3개를 항목별 비교 스프레드시트로 정리하고, 추천안을 표시해줘. 결과: 바로 공유 가능한 스프레드시트.

③ Work: 장시간 리서치 → Sites

지시: 경쟁사 5곳을 리서치해 요약 페이지(Sites)로 만들어줘. 중요한 판단은 나에게 승인받고 진행해. 결과: 몇 시간에 걸친 자율 작업 + 중간 승인 흐름.

④ Codex: 버그 수정 → PR

지시: 이 레포의 로그인 버그를 고치고 PR을 올려줘. 결과: 인라인 diff 수정 + 사이드패널 PR 리뷰로 검토.

⑤ Codex: 멀티 레포 기능 구현

지시: 프론트엔드·백엔드 두 레포에 걸친 알림 기능을 구현해줘. 결과: 한 프로젝트에서 여러 저장소를 동시에 다루는 작업.

⑥ Computer Use: 데스크톱 앱 자동화

지시: @Computer 이 프로그램에서 이번 주 리포트를 내보내 지정 폴더에 저장해줘. 결과: 화면을 직접 보고 클릭·입력해 반복 작업 대행(플러그인·권한 필요).

본론 6 — 도입 전 체크리스트

권한·보안: Computer Use·로컬 폴더 접근은 강력한 만큼, 저장소 접근·명령 실행·검토 습관을 먼저 점검하세요.
Classic vs 새 앱: 일부 신규 에이전트 기능은 새 앱 전용입니다. Enterprise는 거버넌스·권한 설정이 유지되는지 확인.
사용량: Work는 Codex와 동일한 사용량 구조를 따르며, 작업 종류에 따라 소모가 크게 달라집니다(공식 요금 페이지 확인).

마무리 — 내 작업에 맞는 모드부터 하나 정하세요

세 모드를 한꺼번에 익힐 필요는 없습니다. 내 일에 맞는 것 하나부터 시작하면 됩니다.

문서·기획·마케팅 → Work로 "완성 산출물" 하나 만들어보기.
코딩·기술 작업 → Codex로 버그 수정·PR 리뷰 돌려보기.
반복적인 데스크톱 작업 → Computer Use로 한 가지 루틴 자동화(권한·플러그인 먼저 설정).

👉 오늘의 실행 과제: 새 ChatGPT 데스크톱 앱을 설치(또는 업데이트)하고, 위 실전 예시 중 내 직무에 가장 가까운 것 하나를 그대로 따라 해보세요.

⚠️ ChatGPT 데스크톱 기능·모델·요금·플랜 구성은 매우 빠르게 바뀝니다. 이 글은 2026년 7월 개편 기준이며, 정확한 현재 사양은 OpenAI 공식 헬프센터(help.openai.com)에서 확인하세요.

이 글은 특정 제품 옹호가 아니라, 공개된 OpenAI 릴리스 노트·헬프센터 정보를 바탕으로 기능을 실무 관점에서 정리한 것입니다.

2026년 7월 23일 목요일

Grok과 Grok Build, 파격적인 가격 정책의 자신감은 어디서 나올까? (2026년 7월)

"이 가격에 이 정도 성능이면 써봐야 하는 거 아니야?"

Grok 4.3 API가 입력 가격을 40% 인하하고, 뒤이어 나온 Grok Build까지 업계 최저 수준의 토큰 요금을 내놓으면서 실무자들 사이에서 이런 반응이 나오고 있습니다. Claude Code, Codex와 어깨를 나란히 하겠다며 등장한 Grok Build는 API 기준 입력 100만 토큰당 단돈 0.20달러, 캐시 입력은 그보다도 더 저렴합니다. 숫자만 보면 확실히 매력적입니다.

그런데 한 가지 의문이 남습니다. 정작 코딩 벤치마크에서는 Claude Opus 4.7에 10%p 넘게 뒤처진다는 평가가 나오는데, xAI는 왜 이렇게까지 자신 있게 가격을 낮출까요? 단순히 "밀어붙이기 전략"인지, 아니면 실제로 믿는 구석이 있는지 — 1인 기업가와 비개발자 실무자 입장에서 "지금 Grok으로 갈아타는 게 맞는 선택인지"를 냉정하게 따져보겠습니다.

본론 — 가격 자신감의 배경과 실무 판단 가이드

배경 1. 압도적인 인프라 투자로 만든 '규모의 경제'

xAI는 후발주자로 시장에 뛰어든 만큼, 처음부터 속도와 물량으로 승부하는 전략을 택했습니다. 세계 최대 규모의 GPU 클러스터 프로젝트를 다른 경쟁사들이 1.9~2.1년 걸린 구축 기간을 122일 만에 끝내며 대규모 연산 인프라를 초고속으로 확보했습니다. 이후에도 클러스터 용량을 지속적으로 증설하며 연산 자원을 압도적으로 늘려왔습니다. 이런 규모의 인프라를 갖추면 토큰당 처리 비용 자체가 낮아지기 때문에, 공격적인 가격 인하가 어느 정도는 실제 원가 구조에서 나온 자신감이라고 볼 수 있습니다.

배경 2. SpaceX 편입으로 달라진 자본 구조

2026년 2월, xAI는 스페이스X에 인수되며 법인 구조가 바뀌었고, 5월에는 xAI 법인이 해산되어 스페이스X의 AI 사업부로 완전히 흡수 통합됐습니다. 이 인수 과정에서 xAI의 부채와 비용 부담이 스페이스X로 넘어가지 않도록 특수한 합병 구조가 설계되었다는 점이 알려져 있습니다. 결과적으로 xAI는 훨씬 더 크고 자금력이 탄탄한 모기업 안에서 가격 경쟁을 이어갈 수 있는 여력을 갖추게 됐습니다. 스타트업 단독으로 버티는 것과, 대형 모기업의 자본을 등에 업고 버티는 것은 '얼마나 오래 손해를 감수하며 가격을 낮출 수 있는가'의 차원이 다릅니다.

배경 3. 개발자 확보를 위한 '일단 써보게 하기' 전략

Grok Build는 코딩 벤치마크에서 아직 최상위권이 아니라는 평가를 받습니다. 실제로 SWE-bench 같은 코딩 지표에서 Claude Opus 4.7보다 뒤처진다는 분석이 나온 바 있습니다. 반면 장기간 여러 단계를 거치는 에이전트형 작업에서는 오히려 더 높은 효율을 보인다는 평가도 있어, 강점과 약점이 뚜렷하게 갈립니다. 이런 상황에서 가격을 낮추는 건 "성능으로 아직 못 이기니 가격으로 일단 써보게 만들자"는, 후발주자의 전형적인 시장 진입 전략에 가깝습니다. 실제로 업계에서는 "가격만으로 개발자 생태계를 구축한 사례는 역사적으로 없다"는 비판적 시각도 함께 나오고 있어, 이 자신감이 실제 실력에 대한 확신인지 시장 점유율 확보를 위한 승부수인지는 조금 더 지켜볼 필요가 있습니다.

배경 4. 캐싱 구조로 체감 비용을 한 번 더 낮추는 설계

Grok Build는 별도 설정 없이 프롬프트 캐싱이 자동 적용되고, 캐시된 입력은 정가 대비 대폭 할인된 가격으로 처리됩니다. 반복적으로 같은 코드베이스나 문서를 참조하는 작업(리팩토링, 문서 업데이트 등)에서는 실질 비용이 표기된 단가보다 훨씬 낮아질 수 있습니다. 즉, 표면적인 가격 인하뿐 아니라 '반복 작업 구조에서 추가로 더 아낄 수 있게' 설계했다는 점도 자신감의 한 축입니다.

배경 5. 아직은 '얼리 베타' — 완성형 생태계는 아니다

다만 냉정하게 볼 부분도 있습니다. Grok Build는 아직 공개 베타 단계이고, 가격과 기능이 언제든 바뀔 수 있다는 안내가 붙어 있습니다. 또한 MCP 연동, 장기 메모리, 프로젝트 관리 기능 등 Claude Code나 Codex가 이미 갖춘 개발자 편의 기능들이 아직 부족하다는 지적도 있습니다. 가격은 매력적이지만, "업무에 바로 투입 가능한 완성형 도구"인지는 별개로 판단해야 합니다.

지금 바로 확인하는 법 — 도입 전 테스트 프롬프트 5가지

Grok과 Grok Build를 실제 업무에 쓸지 판단하기 전에, 아래 5가지를 직접 테스트해보세요.

① 실제 비용 비교 계산

지난달 내가 코딩/문서 작업에 사용한 토큰량을 기준으로, 
Grok Build(입력 $0.20/1M, 출력 $2.00/1M)와 
현재 쓰는 도구의 요금제를 비교해서 월간 예상 비용 차이를 계산해줘.

→ 결과: 캐시 할인까지 반영했을 때도 유의미한 차이가 없다면, 가격만 보고 갈아탈 이유는 크지 않습니다.

② 실제 코드 리팩토링 정확도 테스트

[실제 업무에서 다뤘던 중간 난이도 코드]를 리팩토링해줘. 
결과를 기존에 쓰던 도구의 결과와 비교해줘.

→ 결과: 코드 품질 차이가 크다면, 가격 이점보다 정확도 손실이 더 큰 리스크일 수 있습니다.

③ 장기 에이전트 작업 효율 테스트

여러 단계로 이어지는 작업(예: 데이터 수집 → 정리 → 보고서 초안 작성)을 
한 번에 맡겨서 끝까지 처리하는 속도와 완성도를 확인해줘.

→ 결과: 여러 단계를 거치는 반복 업무가 많다면, Grok Build의 강점이 실제로 발휘될 가능성이 높습니다.

④ 캐싱 할인 체감 테스트

같은 문서나 코드베이스를 참조하는 질문을 연속으로 5회 이상 반복 요청하고, 
캐싱 적용 전후의 체감 응답 속도와 비용 변화를 기록해줘.

→ 결과: 반복 참조가 많은 업무일수록 캐싱 이점을 크게 누릴 수 있습니다.

⑤ 생태계 제약 확인 테스트

평소 업무에 필수적인 외부 연동(캘린더, 협업 툴, 사내 문서 등)을 
Grok Build 환경에서도 그대로 연결할 수 있는지 확인해줘.

→ 결과: 필수 연동이 막힌다면, 가격이 아무리 저렴해도 주력 도구로 쓰기엔 아직 이르다는 신호입니다.

마무리 — 즉시 실행 CTA

Grok과 Grok Build의 가격 자신감은 막연한 배짱이 아니라, 대규모 인프라 투자와 SpaceX 편입에 따른 자본 여력, 그리고 후발주자로서 개발자를 빠르게 끌어들이려는 시장 전략이 겹친 결과입니다. 다만 아직 얼리 베타 단계인 만큼, 가격만 보고 성급하게 주력 도구를 바꾸기보다는 위 5가지 테스트로 내 업무 패턴에 실제로 이득이 되는지부터 확인해보시길 권합니다.

지금 바로 ① 실제 비용 비교 계산 프롬프트부터 실행해보세요. 계산 결과가 기대 이상이라면, 다음 포스팅에서 다룰 "AI 코딩 에이전트 3사 실전 비교(Claude Code vs Codex vs Grok Build)"도 함께 참고하시길 추천드립니다.

Claude 5시간 사용량 제한, 합리적일까? | 누구를 위한 한도인지 뜯어봤습니다 (2026)

도입부 — 흐름 탈 때 뜨는 그 한 줄, "사용량 한도에 도달했습니다"

한창 작업 흐름을 타고 있을 때가 있습니다. Claude와 코드를 주고받으며 문제가 술술 풀리고, 다음 단계가 눈앞에 보이는 순간 — "사용량 한도에 도달했습니다. 몇 시간 후 다시 시도하세요." 집중이 끊기고, 리듬이 무너지고, "돈 내고 쓰는데 왜?"라는 생각이 스칩니다.

Claude를 진지하게 쓰는 사람이라면 한 번쯤 겪는 순간입니다. 그래서 오늘은 감정이 아니라 사실과 구조로 이 질문에 답해보려 합니다. 이 제한은 어떻게 작동하고, 왜 존재하며, 결국 누구를 위한 것일까요? 한쪽으로 치우치지 않고, 마지막엔 한도를 아끼는 실전 방법까지 드리겠습니다.

본론 1 — 먼저 정확히: '5시간 일일 제한'이라는 흔한 오해

많은 사람이 이걸 "하루 5시간 쓰면 끝"이라고 오해합니다. 실제 구조는 다릅니다. Claude는 이중 한도 시스템으로 돌아갑니다.

① 5시간 롤링 창: 하루 단위가 아니라, 첫 메시지를 보낸 순간 타이머가 시작돼 정확히 5시간 뒤에 리셋됩니다. 시계(자정)가 아니라 내 사용 시점을 따라 움직입니다. 오전 10시에 첫 질문을 하면 오후 3시에 리셋되는 식이죠.
② 주간 상한: 5시간 창 위에 주간 한도가 하나 더 얹혀 있습니다. 이건 롤링이 아니라 계정마다 지정된 요일·시각에 고정으로 리셋됩니다. 그래서 여러 세션에 나눠 써도, 한 주 총량이 크면 수요일쯤 벽에 부딪힐 수 있습니다.
③ 공유 버킷: 여기가 핵심입니다. claude.ai 채팅, Claude Code, Claude 데스크톱이 같은 한도를 나눠 씁니다. 오후 내내 Claude Code로 에이전트 코딩을 돌렸다면, 저녁에 쓸 채팅 용량이 조용히 사라져 있을 수 있습니다.

플랜별 대략적 용량(2026년 중반 기준, 자주 바뀜)은 무료 약 15~40메시지/5시간, Pro($20)는 그 약 5배, Max 5x($100)는 약 225메시지, Max 20x($200)는 약 900메시지 수준입니다.

🖊️ 에디터 팁 — Anthropic은 배수(1x·5x·20x)만 공개하고 정확한 토큰량은 더 이상 공개하지 않습니다. 즉 "5배"라는 비율은 알려주지만 "무엇의 5배"인지는 흐릿하고, 한도는 언제든 바뀔 수 있습니다. 이 불투명성이 뒤에서 다룰 비판의 핵심입니다.

본론 2 — 왜 이런 제한을 두는가 (명분과 비판)

Anthropic이 내세우는 명분

공정성과 안정성: 소수의 초고사용자가 자원을 독식하면 다수의 경험이 나빠집니다. 한도는 "모두가 안정적으로 쓰게" 하는 배급 장치라는 설명입니다.
남용 방지: 24시간 무한 구동, 계정 공유·재판매 같은 오용을 막기 위해 주간 한도를 도입했다고 밝혔습니다. 실제로 한도를 '줄인' 게 아니라 구조를 '재편'했다는 입장입니다.
비용의 현실: 프론티어 모델 추론은 대량의 GPU와 전력을 태웁니다. 정액 구독($20~200)으로 무제한을 보장하는 건 구조적으로 불가능에 가깝습니다.

사용자 쪽의 정당한 비판

예측 불가능성: 정확한 토큰량이 비공개라, 언제 벽에 부딪힐지 가늠하기 어렵습니다.
공유 버킷의 함정: 코딩과 채팅이 한 지갑을 쓴다는 걸 모르면, 갑작스러운 소진에 당황합니다.
작업 중단의 비용: 흐름이 끊기는 건 단순 불편을 넘어 생산성 손실입니다. 특히 마감 중이라면요.

이 제한은 계속 조정돼 왔습니다. 2026년 3월엔 평일 피크시간 한도를 축소했다가 "예상보다 빨리 한도에 걸린다"는 지적을 받았고, 5월엔 5시간 한도를 2배로 늘리고 피크시간 축소를 폐지했습니다. 6월엔 비대화형(에이전트 SDK·자동화) 사용을 별도 크레딧으로 분리했습니다. 완성된 정책이 아니라, 피드백에 따라 흔들리며 다듬어지는 중이라는 뜻입니다.

본론 3 — 그래서, 누구를 위한 제한인가?

정직하게 보면 이 질문엔 하나의 답이 없습니다. 입장별로 나눠 봐야 합니다.

다수의 일반 사용자에게는 — 보호 장치에 가깝습니다. 소수 헤비 유저가 자원을 빨아들이는 걸 막아, 평범한 사용자가 안정적으로 쓰게 해줍니다.
헤비 유저(개발자·1인 창작자)에게는 — 페널티처럼 느껴집니다. 돈을 더 내고도 벽에 부딪히고, 그 벽의 위치조차 흐릿합니다. 신뢰를 갉아먹는 지점입니다.
Anthropic에게는 — 지속가능성 장치입니다. 폭주하는 비용과 유한한 연산 자원 안에서 서비스를 유지하려는 방어선입니다.

핵심은 이겁니다. 정액 구독(Pro/Max)은 '무제한 생산 도구'가 아니라 '대화형 인간 작업용' 요금제입니다. 24시간 자동화나 안정적 대량 처리가 목적이라면, 설계상 그 용도는 종량제 API입니다. "구독인데 왜 막지?"라는 불만의 상당 부분은, 구독 상품을 프로덕션 도구로 오해한 데서 옵니다.

그러니 "합리적인가?"에 대한 균형 잡힌 답은 — 원리는 합리적이고, 실행은 논쟁적입니다. 배급이라는 발상 자체는 타당하지만, 불투명성·공유 버킷·작업 중단이라는 실행의 거친 부분은 분명 개선 여지가 있습니다.

🖊️ 에디터 팁 — 본인이 "헤비 유저"라면, 감정적으로 싸우기보다 워크플로를 구독+API 하이브리드로 설계하는 편이 현실적입니다. 일상 작업은 구독으로, 한도를 넘길 무거운 작업은 API로 넘기는 식이죠.

본론 4 — 한도를 아끼는 실전 6가지 (즉시 실행)

구조를 알면 대응이 보입니다. 오늘 바로 적용할 수 있는 방법들입니다.

① 붙여넣기 다이어트

프롬프트: 문서 전체 대신 이 함수와 관련된 부분만 검토해줘처럼 필요한 조각만 첨부. 결과: 입력 토큰이 줄어 같은 창에서 더 많은 작업을 소화합니다.

② 한 메시지에 묶어 묻기

프롬프트: 아래 3가지를 한 번에 처리해줘: 1) … 2) … 3) … 결과: 왕복 횟수가 줄어 5시간 창 소모가 완만해집니다.

③ 작업에 맞는 모델 라우팅

워크플로: 단순 요약·분류는 가벼운 모델, 복잡한 추론·코딩만 상위 모델. 결과: 무거운 모델을 아껴 주간 상한까지 여유가 생깁니다.

④ 긴 작업은 Projects/맥락 정리로

프롬프트: 지금까지 핵심을 5줄로 요약해줘. 다음부턴 이 요약을 기준으로 진행. 결과: 매번 긴 맥락을 다시 넣지 않아 토큰이 절약됩니다.

⑤ 코딩과 채팅의 '지갑 공유'를 계산에 넣기

워크플로: 에이전트 코딩을 길게 돌린 날은 저녁 채팅 용량이 줄었다고 가정하고 배분. 결과: 예상치 못한 소진으로 흐름이 끊기는 사고를 예방합니다.

⑥ 무거운 작업은 API로 오프로딩

워크플로: 대량·자동화·백그라운드 작업은 구독이 아니라 종량제 API로. 결과: 5시간 창에 걸리지 않고, 구독 한도는 인터랙티브 작업에 온전히 씁니다.

마무리 — 벽에 부딪혔다면, 오늘 하나만 바꿔보세요

Claude의 사용량 제한은 없어지지 않을 겁니다. 연산은 유한하고 비용은 실재하니까요. 하지만 그 제한 안에서 얼마나 멀리 갈지는 설계에 달려 있습니다.

최근 한도에 걸렸던 작업을 떠올리고,
위 6가지 중 본인에게 가장 급한 것 하나를 골라,
다음 작업부터 바로 적용해보세요.

"돈 내고도 막힌다"는 억울함을, "구조를 알고 아껴 쓴다"는 통제감으로 바꾸는 게 오늘의 목표입니다.

👉 오늘의 실행 과제: 본인의 사용 패턴이 '인터랙티브형'인지 '자동화·대량형'인지 한 문장으로 정의하기. 후자라면, 구독만 고집하지 말고 API 하이브리드를 검토할 때입니다.

⚠️ 사용량 한도·가격·정책은 수시로 바뀝니다. 이 글은 2026년 중반 공개 정보를 바탕으로 한 분석이며, 정확한 현재 수치는 Anthropic 공식 헬프센터에서 확인하세요.

이 글은 특정 기업 옹호나 비방이 아니라, 공개된 정책과 사용자 피드백을 바탕으로 '요금제 구조의 합리성'을 실무 관점에서 분석한 것입니다.

2026년 7월 21일 화요일

Gemini는 왜 점점 퇴보할까? 체감 성능 저하 원인 5가지 (2026년 7월 기준)

"어제까지 잘 되던 걸 왜 오늘은 못 하지?"

Gemini를 업무에 쓰는 분이라면 한 번쯤 이런 순간을 겪어보셨을 겁니다. 분명 구글은 신모델을 낼 때마다 "역대 최고 성능"이라고 발표하는데, 정작 써보면 예전보다 답답해졌다는 느낌을 받는 경우가 많습니다. 실제로 커뮤니티에서는 "요즘 확실히 제미나이가 멍청해졌다", "환각이 심해서 우기기까지 한다"는 후기가 꾸준히 올라오고 있고, 사용량 한도가 갑자기 줄어들어 업무 중간에 모델이 막혀버렸다는 불만도 이어지고 있습니다.

문제는 이게 단순히 "기분 탓"이 아니라는 겁니다. 벤치마크 점수와 실사용 체감 사이의 괴리, 잦은 모델 교체, 사용량 정책 변경까지 — 실제로 확인 가능한 원인들이 존재합니다. 오늘은 1인 기업가와 실무자 입장에서 "Gemini가 왜 점점 퇴보하는 것처럼 느껴지는지"를 정리하고, 지금 내가 쓰는 Gemini가 실제로 내 업무에 믿을 만한지 5분 안에 직접 진단하는 방법까지 알려드리겠습니다.

본론 — 원인 분석 및 실무 진단 가이드

원인 1. 벤치마크는 오르는데 체감은 내려가는 '역성장' 현상

Gemini 3.1, 3.5로 넘어오면서 각종 벤치마크 점수는 계속 상승했지만, 실제 사용자들 사이에서는 오히려 "체감 성능이 떨어졌다"는 평가가 늘고 있습니다. 커뮤니티에서 자주 지적되는 문제는 크게 세 가지입니다.

기억 유지력 저하 — 긴 대화나 문서 작업 중간에 앞의 맥락을 놓치는 경우
환각(할루시네이션) 심화 — 없는 사실을 그럴듯하게 만들어내고, 지적해도 우기는 경향
과도한 동조 편향 — 사용자 의견에 무조건 맞장구치며 틀린 답을 정답처럼 밀어붙이는 경향

벤치마크는 정해진 문제 세트를 얼마나 잘 푸는지를 측정하지만, 실무는 맥락 유지·정확한 팩트체크·비판적 검토가 훨씬 더 중요합니다. 이 간극이 "숫자는 좋아졌는데 왜 이렇게 답답하지"라는 체감으로 이어지는 것입니다.

원인 2. 사용량 한도가 갑자기 확 줄었다

2026년 5월 17일부로 Gemini 앱의 사용량 정책이 토큰 기반 5시간/주간 한도제로 전면 개편되었습니다. 문제는 이 과정에서 텍스트·이미지·영상 등 모든 기능의 사용량이 하나로 통합되면서, 기존 대비 한도가 대폭 줄어들었다는 점입니다. 한도를 다 쓰지도 않았는데 "수요 폭주"를 이유로 상위 모델(Pro) 사용이 강제로 제한되는 사례도 보고되고 있습니다.

실무에서 한창 문서를 작성하거나 리서치를 하다가 갑자기 모델이 하위 버전으로 전환되면, 결과물의 품질이 뚝 떨어지는 걸 바로 체감하게 됩니다. "어제는 됐는데 오늘은 안 된다"는 느낌의 상당 부분은 여기서 비롯됩니다.

원인 3. 숨겨진 'thinking tokens' 과금 구조

Gemini 3.5 Flash처럼 기본값으로 '사고(Thinking)' 기능이 켜져 있는 모델은, 사용자 화면에는 보이지 않는 내부 추론 과정에도 토큰 비용이 부과됩니다. 문제는 답변 전 추론 과정에서 소비되는 토큰이 대화 턴마다 누적되면서, 체감 청구 비용이 실제 단가 계산보다 훨씬 크게 불어날 수 있다는 점입니다. 해외 개발자 커뮤니티에서는 "Flash라는 이름값에 안 맞게 비용이 Pro급으로 나온다"는 지적이 반복적으로 제기되고 있습니다. API로 자동화 워크플로우를 돌리는 실무자라면 특히 체크가 필요한 부분입니다.

원인 4. 잦은 모델 교체와 조기 지원 종료

Gemini 3 Pro는 출시 후 오래 지나지 않아 API 지원 종료 일정이 공지되었고, 이후 자동으로 후속 모델로 전환되는 방식이 반복되고 있습니다. 업무 자동화나 프롬프트를 특정 모델 버전에 맞춰 최적화해 둔 사용자 입장에서는, 모델이 예고 없이 바뀌면서 결과물의 톤이나 정확도가 흔들리는 경험을 하게 됩니다. 실제로 신형 모델(3.5 Pro)조차 초기 피드백 반영을 이유로 출시가 두 차례 연기된 바 있어, 구글 내부적으로도 품질 안정화에 어려움을 겪고 있다는 정황이 있습니다.

원인 5. 공식 앱 vs API의 체감 성능 차이

같은 Gemini 모델이라도 공식 앱(Gemini App)과 API(AI Studio, Vertex AI 등)는 기본으로 깔리는 시스템 프롬프트가 다르기 때문에 결과물 톤과 정확도에 차이가 발생합니다. 공식 앱에서 유독 답답함을 느꼈다면, 같은 모델을 API 환경에서 다시 테스트해보는 것도 원인을 좁히는 방법입니다.

지금 바로 확인하는 법 — 진단 프롬프트 5가지

내가 쓰는 Gemini가 실제로 내 업무에 문제가 있는 수준인지, 아래 프롬프트로 5분 안에 점검해보세요.

① 맥락 유지력 테스트

지금부터 5턴 동안 대화할 예정입니다. 
[프로젝트명, 예산, 마감일] 세 가지 조건을 기억한 채로 답변해주세요.
(5턴 뒤) 처음에 제가 알려드린 세 가지 조건을 다시 말해주세요.

→ 결과: 조건이 하나라도 틀리거나 누락되면 장문 작업(보고서, 기획서)에는 부적합하다고 판단하세요.

② 할루시네이션(환각) 검증 테스트

[내가 실제로 아는 특정 통계나 최근 사건]에 대해 정확한 수치를 알려줘. 
모르면 모른다고 답하고, 절대 추측해서 답하지 마.

→ 결과: 틀린 수치를 확신에 찬 어조로 답하면, 팩트가 중요한 업무(보고서·기사)에는 반드시 별도 검증 절차를 추가해야 합니다.

③ 동조 편향(아부성 답변) 테스트

[의도적으로 틀린 주장]을 하고 이게 왜 맞는지 설명해줘.

→ 결과: 명백히 틀린 주장에도 논리를 만들어 맞장구치면, 기획·전략 자문용으로 쓰기엔 위험 신호입니다.

④ 사용량 한도 소진 시점 테스트

(같은 계정에서) 오늘 하루 동안 사용한 텍스트/이미지/영상 기능을 모두 기록해두고, 
Pro 모델이 강제로 하위 모델로 전환되는 시점을 체크하세요.

→ 결과: 예상보다 훨씬 이른 시점에 전환된다면, 업무 시간대를 한도 초기화 직후로 조정하거나 요금제 상향을 검토하세요.

⑤ 앱 vs API 비교 테스트

(동일 프롬프트를) Gemini 공식 앱과 AI Studio(API)에서 각각 실행해 답변을 비교하세요.

→ 결과: 답변 품질 차이가 크다면, 중요한 작업은 API 환경에서 처리하는 것이 더 안정적일 수 있습니다.

마무리 — 즉시 실행 CTA

"Gemini가 예전 같지 않다"는 느낌은 착각이 아니라, 사용량 정책 변경·모델 교체·과금 구조 변화가 겹쳐서 나타나는 실제 현상입니다. 중요한 건 막연히 불만을 갖기보다, 위 5가지 프롬프트로 내 업무에 실제로 영향이 있는지 직접 확인하는 것입니다.

지금 바로 브라우저를 열어 ① 맥락 유지력 테스트부터 실행해보세요. 결과가 걱정했던 것보다 심각하다면, 다음 포스팅에서 다룰 "AI 도구별 업무 배분 전략"으로 리스크를 분산하는 방법을 함께 확인해보시길 추천드립니다.

2026년 7월 18일 토요일

Airtable Superagent 사용법: AI 에이전트 팀으로 시장조사 보고서 만들기

Airtable Superagent 사용법: AI 한 명이 아닌 AI 팀에게 조사 맡기기

시장조사 하나를 제대로 하려면 경쟁사 홈페이지, 가격 정책, 고객 후기, 시장 규모, 최근 뉴스, 투자 현황을 각각 찾아야 합니다.

ChatGPT 같은 일반적인 대화형 AI에 “경쟁사를 분석해줘”라고 요청하면 빠르게 개요를 받을 수 있지만, 중요한 근거가 빠지거나 여러 조사 항목이 한 문서 안에서 뒤섞이는 경우도 있습니다. 결국 사용자가 다시 자료를 찾고, 표를 만들고, 출처를 확인해야 합니다.

Airtable이 공개한 **Superagent**는 이 문제를 한 명의 AI가 아니라 여러 전문 에이전트가 동시에 조사하는 방식으로 해결하려는 서비스입니다.

다만, 사용하기 전에 반드시 알아야 할 최신 변화가 있습니다.

## 먼저 확인해야 할 Superagent의 현재 서비스 상태

Airtable은 2026년 1월 27일 Superagent를 자사의 첫 독립형 멀티에이전트 제품으로 발표했습니다. 사용자가 질문을 입력하면 조정 에이전트가 조사 계획을 만들고, 여러 전문 에이전트가 재무·경쟁 구도·시장·뉴스 등을 병렬로 조사한 뒤 결과를 하나의 시각적 산출물로 통합하는 구조입니다.

그러나 **2026년 7월 19일 현재 `superagent.com` 공개 주소는 Hyperagent 홈페이지로 연결됩니다.** 동시에 기존 Superagent 로그인 페이지와 Superagent 전용 이용약관은 별도로 남아 있습니다. Hyperagent 이용약관 역시 Airtable 서비스, Superagent 서비스, Hyperagent 서비스를 서로 다른 서비스로 구분합니다. 따라서 Hyperagent를 단순히 Superagent의 새 이름이라고 단정해서는 안 됩니다.

현재 상황을 정리하면 다음과 같습니다.

| 항목 | 2026년 7월 확인 상태 |

| ------------------------- | ------------------- |

| Airtable 공식 Superagent 발표 | 유지 |

| Superagent 전용 로그인 페이지 | 유지 |

| Superagent 전용 이용약관 | 유지 |

| `superagent.com` 공개 홈페이지 | Hyperagent로 연결 |

| Hyperagent와 Superagent 관계 | 동일 서비스라고 공식 확인되지 않음 |

| 신규 사용자 이용 가능 범위 | 계정별로 직접 확인 필요 |

| 정확한 공개 요금표 | 공식 공개 페이지에서 확인되지 않음 |

Superagent 이용약관에는 무료 또는 유료 구독 플랜이 제공될 수 있으며, 실제 가격과 사용량은 가입 또는 결제 화면에 표시된 조건을 따른다고 명시되어 있습니다. 따라서 과거 후기나 할인 코드보다 현재 계정에 표시되는 가격을 기준으로 판단해야 합니다.

---

# Superagent는 일반 AI 채팅과 무엇이 다른가

일반적인 AI 채팅은 사용자의 질문에 하나의 모델이 순차적으로 답변하는 구조에 가깝습니다.

반면 Superagent는 먼저 질문을 여러 조사 과제로 분해합니다.

예를 들어 다음과 같은 질문을 입력했다고 가정해 보겠습니다.

> 한국의 1인 기업가를 위한 AI 업무 자동화 서비스 시장을 분석하고, 유망 고객군과 가격 전략을 제안해줘.

Superagent는 이 요청을 다음과 같이 나눌 수 있습니다.

1. 국내 AI 자동화 시장 규모 조사

2. 주요 경쟁사와 서비스 비교

3. 고객군별 문제와 요구사항 조사

4. 경쟁사 가격 정책 분석

5. 진입 장벽과 규제 검토

6. 차별화 가능한 기능 탐색

7. 초기 영업·마케팅 전략 수립

각 항목을 전문 에이전트가 병렬로 조사하고, 마지막에 조정 에이전트가 결과를 하나의 보고서로 합칩니다.

Airtable은 Superagent가 FactSet, Crunchbase, SEC 공시, 실적 발표 자료 등 전문 데이터 소스를 활용하고, 결과에 출처와 추적 가능한 근거를 제공한다고 설명합니다. 최종 결과도 단순한 텍스트가 아니라 비교표, 포지셔닝 맵, 세부 정보 카드와 같은 인터랙티브 산출물로 구성하도록 설계됐습니다.

## Superagent가 적합한 업무

* 신규 사업 시장조사

* 경쟁사 기능·가격 비교

* 해외시장 진출 가능성 분석

* 기업 영업 전 고객사 조사

* 산업 동향 및 투자 자료 조사

* 채용시장과 인재 수요 분석

* 마케팅 포지셔닝 설계

* 경영진 보고용 전략 자료 제작

반대로 짧은 이메일 작성, 간단한 번역, 한 문단 요약처럼 조사 범위가 작고 결과 형식이 단순한 업무는 일반적인 대화형 AI가 더 빠르고 경제적일 수 있습니다.

---

# Superagent 시작 방법

현재 공개 홈페이지 연결 상태가 변경됐기 때문에 일반 홈페이지가 아니라 **Superagent 전용 로그인 화면이 열리는지 먼저 확인**해야 합니다.

공식 로그인 화면에서는 Google 계정 또는 이메일을 이용할 수 있으며, 초기 설정 과정에서 회사명, 업종, 직무 정보를 입력하도록 구성되어 있습니다.

## 1단계: 계정 생성

로그인 화면에서 다음 중 하나를 선택합니다.

* Google 계정으로 가입

* 이메일 주소로 가입

* 기존 Superagent 계정으로 로그인

회사 계정으로 가입할 경우에는 조직의 내부 데이터 정책을 먼저 확인해야 합니다.

## 2단계: 조사 질문 준비

Superagent에는 단순한 키워드보다 다음 여섯 가지를 포함한 업무 지시를 입력하는 것이 좋습니다.

1. **조사 목적**

2. **대상 시장이나 기업**

3. **조사 기간**

4. **반드시 포함할 항목**

5. **원하는 결과 형식**

6. **출처와 검증 기준**

좋지 않은 요청은 다음과 같습니다.

> AI 시장을 조사해줘.

조사 범위가 너무 넓고, 어떤 결정을 위해 필요한 자료인지 알 수 없습니다.

다음처럼 바꾸는 것이 좋습니다.

> 2025년 1월부터 2026년 7월까지 한국의 소규모 사업자용 AI 마케팅 자동화 시장을 조사해줘. 주요 경쟁사 10곳의 기능, 월 요금, 타깃 고객, 강점과 약점을 비교하고, 1인 기업이 진입할 수 있는 틈새시장 3개를 찾아줘. 모든 수치에는 출처와 기준일을 표시하고, 최종 결과는 경쟁사 비교표와 90일 실행계획으로 정리해줘.

## 3단계: 조사 계획 검토

에이전트가 조사 계획을 보여주는 경우 다음 항목을 확인합니다.

* 중요한 경쟁사가 빠지지 않았는가

* 조사 국가와 기간이 정확한가

* 시장 규모의 기준이 명확한가

* 가격이 월간인지 연간인지 구분되는가

* 공식 출처와 사용자 후기가 분리되는가

* 결과물이 실제 의사결정에 필요한 형식인가

조사 시작 전에 계획을 수정할 수 있다면 이 단계에서 범위를 바로잡아야 합니다.

## 4단계: 결과와 출처 확인

완성된 보고서에서는 결론만 읽지 말고, 중요한 수치와 주장에 연결된 출처를 확인합니다.

특히 다음 자료는 원문까지 열어보는 것이 좋습니다.

* 시장 규모

* 매출과 성장률

* 서비스 요금

* 투자금액

* 사용자 수

* 법률과 정책

* 제품 출시일

* 경쟁사 기능

## 5단계: 파일로 저장하고 공유

Airtable 커뮤니티의 Superagent 공식 안내에 따르면 문서형 결과는 Word 또는 PDF 형식으로 생성될 수 있고, 파일 메뉴에서 내려받을 수 있습니다. Super Report는 생성 완료 후 우측 상단의 공유 기능을 사용할 수 있다고 안내됐습니다. 다만 초기 버전에서는 PDF 변환이나 서식 유지 문제가 보고됐으므로, 중요한 문서는 내려받은 후 직접 검수해야 합니다.

---

# 바로 복사해서 사용하는 Superagent 프롬프트 5가지

아래 프롬프트의 대괄호 부분만 자신의 업종에 맞게 변경하면 됩니다.

## 예시 1. 경쟁사 분석

### 프롬프트

> [업종 또는 서비스명] 시장의 주요 경쟁사 10곳을 조사해줘.

> 각 경쟁사의 핵심 고객, 주요 기능, 가격, 무료 체험 여부, 강점, 약점, 최근 12개월의 주요 업데이트를 비교해줘.

> 공식 홈페이지와 공식 발표를 우선 사용하고, 사용자 후기는 별도 항목으로 분리해줘.

> 결과는 경쟁사 비교표, 포지셔닝 맵, 시장의 빈틈 3가지, 우리 서비스의 차별화 전략 순서로 구성해줘.

> 모든 정보에는 출처와 확인 날짜를 표시해줘.

### 요청할 결과

* 경쟁사 10곳 비교표

* 가격대별 시장 구분

* 기능 중복 영역

* 경쟁이 약한 틈새시장

* 차별화 메시지 3개

---

## 예시 2. 신규 사업 시장성 조사

### 프롬프트

> [사업 아이디어]의 한국 시장 진입 가능성을 평가해줘.

> 전체 시장 규모, 실제 구매 가능 고객 수, 주요 고객 문제, 기존 대체재, 경쟁 강도, 예상 가격대, 법적 위험을 조사해줘.

> 지나치게 낙관적인 전망은 제외하고, 긍정·중립·부정 시나리오로 나눠 분석해줘.

> 마지막에는 이 사업을 진행해야 하는 이유와 중단해야 하는 이유를 각각 5개씩 제시하고, 30일 검증 계획을 만들어줘.

### 요청할 결과

* 시장 규모와 고객 수

* 고객 문제 우선순위

* 경쟁 강도 평가

* 3개 사업 시나리오

* 30일 최소비용 검증계획

---

## 예시 3. 해외시장 진출 분석

### 프롬프트

> 한국에서 운영 중인 [제품 또는 서비스]를 [진출 대상 국가]에 출시하려고 한다.

> 현지 시장 규모, 소비자 특성, 주요 경쟁사, 가격 수준, 결제 방식, 유통 채널, 관련 규제, 문화적 주의사항을 조사해줘.

> 한국 시장에서 성공한 방식을 그대로 적용했을 때 실패할 가능성도 분석해줘.

> 결과는 시장 매력도 점수, 위험도 점수, 추천 진출 방식, 현지화 체크리스트, 6개월 실행 로드맵으로 구성해줘.

### 요청할 결과

* 국가별 시장 매력도

* 현지 경쟁사 비교

* 문화·규제 위험

* 진출 방식 추천

* 6개월 일정표

---

## 예시 4. B2B 영업 전 고객사 조사

### 프롬프트

> [고객사명]에 [우리 제품 또는 서비스]를 제안하기 위한 사전 조사 보고서를 만들어줘.

> 고객사의 주요 사업, 최근 실적, 경영진 발언, 최근 투자와 기술 도입, 현재 겪을 가능성이 높은 문제를 조사해줘.

> 우리 서비스와 연결될 수 있는 문제를 과장 없이 제시하고, 고객사 담당자가 제기할 반론 10개와 답변 방향을 작성해줘.

> 최종 결과는 1페이지 영업 브리핑, 제안 메시지, 미팅 질문 10개로 정리해줘.

### 요청할 결과

* 고객사 핵심 현황

* 예상 문제와 요구사항

* 맞춤형 제안 포인트

* 예상 반론과 대응

* 첫 미팅 질문 목록

---

## 예시 5. 콘텐츠 시장 분석

### 프롬프트

> [주제 또는 업종] 분야에서 최근 12개월 동안 반응이 높았던 콘텐츠 유형을 조사해줘.

> 유튜브, 블로그, 인스타그램, 틱톡을 구분하고, 자주 사용된 제목 구조, 훅, 영상 길이, 콘텐츠 형식, 댓글 반응을 분석해줘.

> 단순 조회수 순위가 아니라 반복적으로 성과가 확인된 패턴을 찾아줘.

> 최종 결과는 플랫폼별 성공 패턴, 피해야 할 포화 주제, 신규 콘텐츠 아이디어 20개, 4주 게시 일정으로 구성해줘.

### 요청할 결과

* 플랫폼별 콘텐츠 패턴

* 제목과 훅 공식

* 포화 주제 목록

* 신규 아이디어 20개

* 4주 콘텐츠 캘린더

---

# 결과의 정확도를 높이는 추가 지시문

프롬프트 마지막에 다음 문장을 추가하면 결과 검수가 쉬워집니다.

> 공식 출처, 보도자료, 제3자 분석, 사용자 의견을 구분해 표시해줘.

> 정확한 수치를 찾지 못한 경우 추정값을 사실처럼 작성하지 말고 ‘확인 불가’로 표시해줘.

> 서로 다른 출처의 수치가 충돌하면 두 수치를 모두 보여주고 차이가 발생한 이유를 설명해줘.

> 최근 정보가 중요한 항목에는 발표일과 실제 적용일을 따로 표시해줘.

> 최종 결론과 반대되는 근거도 별도 항목으로 포함해줘.

---

# 사용 전 반드시 확인할 개인정보와 정확성 문제

Superagent 이용약관에 따르면 사용자가 입력한 자료와 생성된 결과물의 권리는 사용자에게 유지됩니다. 또한 명시적 동의 없이 입력과 출력을 생성형 AI 모델 훈련에 사용하지 않는다고 설명합니다. 다만 제3자 AI 제공자가 안전·규정 준수 검토를 위해 입력과 출력을 최대 30일 동안 보관할 수 있습니다.

따라서 다음 정보는 입력하지 않는 것이 안전합니다.

* 주민등록번호와 여권번호

* 신용카드 정보

* 의료정보

* 생체정보

* 고객의 민감한 개인정보

* 비공개 계약서 원문

* 회사 내부 비밀번호

* 외부 공개가 금지된 영업비밀

또한 공식 약관은 AI 결과가 구체적이고 그럴듯해 보여도 중요한 오류가 포함될 수 있으므로, 사실 주장을 독립적으로 확인해야 한다고 안내합니다. 투자, 법률, 세무, 의료처럼 판단 위험이 큰 영역에서는 AI 보고서를 최종 의사결정 자료로 단독 사용해서는 안 됩니다.

---

# Superagent를 잘 쓰는 핵심 원칙

Superagent의 장점은 질문에 빠르게 답하는 것이 아니라, 복잡한 질문을 여러 조사 과제로 나누고 결과물을 완성된 형태에 가깝게 구성하는 데 있습니다.

따라서 “무엇을 알고 싶은가”만 입력하지 말고, **그 정보를 이용해 어떤 결정을 내려야 하는지**까지 알려줘야 합니다.

가장 실용적인 프롬프트 구조는 다음과 같습니다.

> 조사 대상 + 기간 + 필수 분석 항목 + 출처 기준 + 비교 기준 + 원하는 결과물 + 최종 의사결정

예를 들어 “AI 영상 시장을 조사해줘”보다 다음 요청이 훨씬 실무적입니다.

> 한국의 1인 영상 제작자가 2026년 하반기에 도입할 생성형 영상 AI를 선정하려고 한다. 주요 도구 10개의 가격, 상업적 이용 조건, 영상 길이, 캐릭터 일관성, 한국어 지원, 워터마크, 생성 속도를 비교하고, 월 20만원 이하 예산에 적합한 조합 3개를 추천해줘.

이처럼 목적과 조건을 명확하게 입력하면 단순한 정보 모음이 아니라 실제 선택에 사용할 수 있는 조사 결과를 얻을 가능성이 높아집니다.

---

# 마무리: 오늘 5분 안에 실행할 일

Superagent를 사용할 수 있는 계정이라면 거대한 시장조사부터 시작하지 마세요.

현재 준비 중인 사업이나 콘텐츠에서 **결정하지 못하고 있는 질문 하나**를 선택합니다.

그리고 다음 문장을 복사해 입력합니다.

> 나는 [목적]을 결정하려고 한다.

> [조사 대상]을 [기간] 기준으로 조사하고, [비교 항목]을 분석해줘.

> 공식 출처와 사용자 의견을 구분하고, 모든 주요 수치에는 출처와 확인 날짜를 표시해줘.

> 최종 결과는 비교표, 핵심 결론, 위험요소, 추천 행동 5가지로 정리해줘.

AI에게 단순히 답을 요청하는 단계에서 벗어나, 여러 에이전트가 조사하고 비교하고 검증하도록 업무를 설계해 보세요.

다만 2026년 7월 현재 Superagent 공개 주소와 서비스 구성이 변하고 있으므로, 가입 화면과 요금제, 제공 기능이 실제 계정에서 어떻게 표시되는지 반드시 확인한 뒤 중요한 업무에 적용해야 합니다.

2026년 7월 15일 수요일

앤트로픽 Claude는 왜 앞서가는가? 2026 데이터로 검증한 3가지 진짜 이유 (그리고 1가지 오해)

"2등 회사"가 어떻게 기업 시장 1위가 됐을까?

불과 2년 전만 해도 앤트로픽(Anthropic)은 "OpenAI 출신들이 만든 안전 중시 연구소" 정도로 소개되던 회사였습니다. 안전성 명성과 연구 커뮤니티의 존중, 파워유저가 사랑하는 챗봇은 있었지만 브랜드 인지도와 소비자 접점, 헤드라인은 OpenAI의 것이었죠. 그런데 2026년, 이 구도가 뒤집혔습니다. 무슨 일이 있었던 걸까요? 이 글은 "Claude가 무조건 최고"라는 마케팅식 결론이 아니라, 숫자로 확인되는 진짜 이유 3가지와 흔한 오해 1가지를 정리합니다. SQ Magazine

✅ 먼저 사실관계: '앞서간다'는 말의 정확한 범위

핵심 데이터부터 봅시다. 멘로벤처스의 2025년 12월 기업 생성형 AI 보고서(미국 기업 의사결정권자 약 500명 조사)에 따르면 앤트로픽은 기업용 LLM 지출의 40%를 차지해 OpenAI(27%)를 처음으로 추월했습니다. 2023년 12%, 2024년 24%에서 이어진 상승세이고, 같은 기간 OpenAI는 2023년 50%에서 27%로 하락했습니다. 다른 조사도 방향은 같습니다. 2026년 4월 기준 기업용 AI 시장 점유율에서 앤트로픽 34.4%, OpenAI 32.3%로 역전이 확인됐습니다 (조사기관마다 수치가 다른 건 표본과 측정 방식 차이 때문이니, "기업 시장에서 박빙~우위"로 읽는 게 정확합니다). The VC

반면 일반 소비자 시장은 전혀 다릅니다. 전 세계 생성형 AI 챗봇 시장에서 Claude 점유율은 한 자릿수로, ChatGPT의 약 60%와 비교하면 미미한 수준입니다. 즉 정확한 명제는 이것입니다: "Claude는 돈을 내는 기업 시장에서 앞서고, 무료 사용자 규모에서는 한참 뒤진다." Tradingkey

🏗️ 앞서가게 된 진짜 이유 3가지

이유 1: 코딩이라는 '지루한 전장'을 선점했다

성장 엔진은 챗봇이 아니라 코딩 에이전트 Claude Code입니다. 2025년 5월 정식 출시 후 11월 연환산 매출 10억 달러, 2026년 2월 약 25억 달러를 돌파했고 그중 절반 이상이 기업 고객에서 나옵니다. 고객 명단에는 Netflix, Spotify, KPMG, 로레알, Salesforce가 올라 있습니다. 기업용 코딩 모델 시장에서 Claude 점유율은 약 54%로 OpenAI(21%)와의 격차가 LLM 워크로드 카테고리 중 가장 큽니다. 화려한 소비자 앱 경쟁 대신, 실제로 예산이 집행되는 개발자 업무에 집중한 전략이 적중한 겁니다. SQ Magazine

이유 2: '헌법적 AI'가 규제 산업의 신뢰를 샀다

Claude는 '헌법적 AI(Constitutional AI)' 프레임워크를 바탕으로 신뢰성·투명성·제어 가능성을 갖추도록 설계됐고, 이 덕분에 정확성과 규제 준수가 까다로운 금융·의료·법률·정부 영역의 기업용 애플리케이션에서 적합성을 입증해 왔습니다. 기업 구매 담당자에게 "가장 똑똑한 AI"보다 "사고 안 치는 AI"가 더 강력한 구매 사유라는 점을 정확히 겨냥한 겁니다. AIWire

이유 3: 유통·파트너 인프라를 체계화했다

모델만 좋아서는 대기업 도입이 안 됩니다. 앤트로픽은 2026년 3월 1억 달러 투자와 함께 Claude Partner Network를 출범시켰고, 3개월 만에 4만 개 이상 기업이 파트너 신청, 1만 명 이상 컨설턴트가 Claude 인증을 취득했습니다. 대규모 기업 도입에 필수인 구현·통합·커스터마이징을 담당할 서비스 파트너 생태계를 체계화한 것입니다. 여기에 포춘 10대 기업 중 8곳이 Claude 고객이고, 연간 10만 달러 이상 지출 고객이 1년 새 7배 늘었다는 수치가 이 인프라 전략의 결과물입니다. Live News Chat

📊 한눈에 보는 2026 구도

영역	Anthropic (Claude)	OpenAI (ChatGPT)	비고
기업용 LLM 지출	약 40% (1위)	약 27%	멘로벤처스 2025.12
기업용 코딩 모델	약 54%	약 21%	최대 격차 카테고리
소비자 챗봇	한 자릿수	약 60%	ChatGPT 압도적
핵심 무기	Claude Code, 헌법적 AI	브랜드, 사용자 규모	전장이 다름

⚠️ 주의사항: 이 분석을 읽을 때 유의할 3가지

1. "전면 우위"는 오해입니다. 최상위 모델들의 순수 성능은 수렴하고 있으며, 경쟁의 무게중심은 모델 위 계층 — 기업 내부에서 실제 업무를 수행하는 AI 에이전트의 제어 계층 — 으로 이동하고 있습니다. 지금의 우위가 영구적이라는 보장은 없습니다. SQ Magazine

2. 조사기관별 수치 편차가 큽니다. 40%(멘로), 34.4%(ETR) 등 표본에 따라 다르니, 특정 숫자보다 "추세의 방향"을 보세요.

3. 소비자용 도구 선택과는 별개 문제입니다. 기업 시장 점유율이 "개인인 나에게 최선의 도구"를 의미하지 않습니다. 글쓰기·검색·이미지 등 용도별로 ChatGPT, Gemini, Claude의 강점이 다르므로 직접 비교 테스트가 답입니다.

⚡ 오늘 바로 시작하는 30분 실습: 나만의 'AI 성향 테스트'

(10분) 본인 업무에서 가장 자주 하는 작업 1개를 고르고(예: 블로그 초안, 코드 수정, 데이터 요약) 같은 프롬프트를 Claude·ChatGPT·Gemini에 동일하게 입력
(10분) 결과물을 ① 정확성 ② 지시 이행도 ③ 수정 요청 반영력 3개 기준으로 5점 척도 채점
(5분) 가장 점수가 높은 도구를 해당 작업 전용으로 지정 (도구별 역할 분담표 작성)
(5분) 한 달 뒤 재테스트 일정을 캘린더에 등록 — 이 시장은 분기마다 순위가 바뀝니다

"어떤 AI가 최고인가"라는 질문을 "내 작업 X에는 어떤 AI가 최적인가"로 바꾸는 것, 그게 이 글의 실전 결론입니다.

2026년 7월 11일 토요일

기획서 작성 시간 80% 줄이는 AI 프롬프트 설계법 2026 | Claude·ChatGPT 실전 템플릿 완전 공개

기획자의 시간을 가장 많이 잡아먹는 작업은 무엇인가.

정보 수집이 아니다. 데이터 분석도 아니다. 정답은 "구조를 잡는 것"이다. 시장 분석→경쟁사 비교→전략 방향→실행 계획→재무 계획으로 이어지는 논리 구조를 처음부터 설계하고, 각 섹션이 유기적으로 연결되게 만드는 작업이 기획서 작성 시간의 60~70%를 차지한다.

McKinsey 2026년 연구에 따르면 AI 에이전트를 도입한 기업에서 직원 1인당 주당 평균 4시간 이상의 단순 행정 업무가 감소하며, 리서치·작성·회의록·프레젠테이션 4단계를 모두 자동화할 경우 기존 10시간 이상 걸리던 업무를 50분 이내로 단축할 수 있다. Highoutputclub

AI는 이 구조 설계를 대신해준다. 더 정확히는, AI에게 구조를 정확히 지시하는 방법을 아는 사람이 기획서를 8배 빠르게 완성한다.

Claude는 대용량 문서 분석, 논리적 제안서 작성에 강점이 있으며, 특히 긴 문서 처리와 글쓰기 품질에서 높은 평가를 받는다. 그러나 "기획서 써줘"라는 단순한 요청으로는 교과서 수준의 범용적인 결과물이 나온다. 우리 회사만의 맥락이 담긴 실제로 쓸 수 있는 기획서를 얻으려면 프롬프트 설계가 핵심이다. Gpters

이 글에서는 기획서 작성 시간을 80% 줄이는 AI 프롬프트 설계의 5가지 핵심 원칙과, 기획서 유형별 바로 사용 가능한 마스터 프롬프트 템플릿을 완전히 공개한다.

✅ AI 기획서 프롬프트가 실패하는 3가지 이유

실제로 AI로 기획서를 써본 사람들의 가장 흔한 불만은 두 가지다. "결과가 너무 교과서적이다"와 "우리 상황이 반영이 안 됐다"다.

이 문제의 원인은 프롬프트의 구조에 있다.

첫 번째 실패 원인은 컨텍스트 부재다. "사업 기획서 써줘"에는 우리 회사의 규모, 경쟁 상황, 목표 수치, 보유 자원에 대한 정보가 없다. AI는 아무것도 모른 채로 일반적인 기획서 양식을 채울 수밖에 없다.

두 번째 실패 원인은 역할 미정의다. "기획서 써줘"는 AI가 어떤 전문가 관점으로 접근해야 하는지 알려주지 않는다. 컨설턴트의 관점인지, 내부 기획자의 관점인지, 투자자를 설득하는 관점인지에 따라 기획서의 강조점과 어조가 완전히 달라진다.

세 번째 실패 원인은 출력 형식 미지정이다. 어떤 섹션을 몇 자로, 어떤 형식으로 써야 하는지 지정하지 않으면 AI가 임의로 구성한다. 나중에 형식을 고치는 데 오히려 더 많은 시간이 걸린다.

🏗️ AI 기획서 프롬프트 설계 5가지 핵심 원칙

원칙 1: 역할 부여 — "당신은 X 전문가입니다"

프롬프트의 첫 문장이 결과물 품질을 결정한다. AI에게 명확한 전문가 역할을 부여하면 그 역할의 관점과 언어로 문서가 작성된다.

나쁜 예: "기획서 작성해줘"

좋은 예: "당신은 10년 경력의 전략 컨설턴트로, 스타트업 사업 기획서 작성 전문가입니다"

역할이 구체적일수록 결과물의 품질이 높아진다. 단순히 "기획 전문가"보다 "McKinsey 출신으로 B2B SaaS 기업의 시장 진출 전략을 주로 다룬 컨설턴트"처럼 구체화하면 관련 산업의 언어와 프레임워크가 자동으로 적용된다.

원칙 2: 컨텍스트 최대화 — 많이 알수록 잘 쓴다

단순 프롬프트 활용을 넘어 자신의 업무 방식과 문서 기준, 반복 작업 흐름을 Claude가 이해하도록 설계하는 것이 핵심이다. 이를 "매번 새로 설명해야 한다", "내 문서 양식과 판단 기준을 AI가 제대로 반영하지 못한다"는 문제의 해결책으로 볼 수 있다. Namu Wiki

컨텍스트 주입은 다음 다섯 가지 카테고리로 구성한다.

회사/프로젝트 기본 정보(이름, 업종, 규모), 현재 상황(매출, 팀 크기, 보유 자원), 목표와 수치(기간별 목표, 성공 기준), 경쟁 환경(주요 경쟁자, 시장 위치), 제약 조건(예산, 일정, 기술적 한계)이다.

이 다섯 가지 컨텍스트가 프롬프트에 포함되는 순간 결과물이 "범용 기획서"에서 "우리 기획서"로 바뀐다.

원칙 3: 구조 명세화 — 목차를 먼저 지정하라

AI에게 구성을 맡기지 말고 목차를 직접 지정한다. "기획서를 써줘"가 아니라 "다음 8개 섹션으로 기획서를 작성해줘"처럼 구체적인 목차를 제시한다.

섹션별로 분량 기준도 함께 지정한다. "각 섹션 최소 300자 이상", "수치 근거 반드시 포함", "불릿 포인트보다 서술형 문장 선호" 같은 형식 지시가 후편집 시간을 크게 줄인다.

원칙 4: 단계별 심화 프롬프트 체인

한 번에 완성본을 요청하는 것보다 단계별로 심화하는 프롬프트 체인이 훨씬 높은 품질을 만든다.

1차 프롬프트로 전체 구조와 초안을 생성한다. 2차 프롬프트에서 "3번 시장분석 섹션을 경쟁사 데이터와 함께 2배로 확장해줘"처럼 섹션별 심화를 요청한다. 3차 프롬프트에서 "이 기획서를 읽을 경영진이 가장 의심할 부분 3가지와 그 반론을 추가해줘"로 완성도를 높인다.

Claude는 직접적이고 명확한 지시에 잘 반응하며, ChatGPT보다 맥락을 더 잘 유지하기 때문에 대화를 이어가며 다듬는 방식이 효과적이다. 대화가 이어질수록 AI가 우리 기획서의 맥락을 더 깊이 이해하게 된다. ClickUp

원칙 5: Claude Projects로 기획 시스템 구축

반복적으로 기획서를 작성하는 경우, Claude의 Projects 기능을 활용해 재사용 가능한 기획 시스템을 만든다.

자신의 업무 방식과 문서 기준, 반복 작업 흐름을 Claude가 이해하도록 설계하면 단발성 프롬프트가 아니라 재사용 가능한 업무 자산으로 전환된다. Namu Wiki

Project Instructions에 다음 내용을 설정해두면 매번 새로 설명할 필요가 없다.

[Claude Project 기획서 시스템 지시사항]

회사 정보:
- 회사명: [이름]
- 업종: [업종]
- 규모: [팀 크기, 매출 규모]
- 핵심 고객: [타깃 설명]
- 브랜드 톤: [예: 전문적이면서 실용적인]

기획서 작성 원칙:
- 두괄식: 결론과 핵심 메시지를 먼저
- 모든 주장에 데이터나 근거 포함
- 경영진이 이해할 수 있는 명확한 언어
- 실행 가능성을 항상 고려

금지 표현:
- "상당한 성장 가능성"(모호한 표현)
- "혁신적인 솔루션"(과장 표현)

선호 형식:
- 섹션별 소제목 필수
- 숫자 데이터는 표 형식
- 액션아이템은 담당자/기한 포함

이 시스템 프롬프트가 저장되면 이후 모든 기획서 요청에서 우리 회사의 맥락이 자동으로 반영된다.

🔧 기획서 유형별 마스터 프롬프트 활용법

위 스텝퍼에서 제공한 5가지 기획서 유형별 프롬프트를 실제로 활용할 때의 핵심 팁을 보완한다.

사업 기획서는 재무 계획 섹션이 가장 중요하면서 가장 어렵다. AI가 생성한 재무 수치는 반드시 별도로 검증해야 한다. 프롬프트 마지막에 "재무 계획의 핵심 가정을 리스트로 명시해줘"를 추가하면 어떤 전제를 기반으로 수치가 계산됐는지 파악할 수 있다.

마케팅 기획서는 KPI 설정이 핵심이다. "KPI를 SMART 기준(Specific, Measurable, Achievable, Relevant, Time-bound)으로 작성해줘"를 요청하면 측정 가능한 목표가 자동으로 설정된다.

제안서는 클라이언트의 언어를 사용하는 것이 승인률을 높이는 핵심이다. RFP 문서를 통째로 프롬프트에 붙여넣고 "이 RFP에서 클라이언트가 가장 중시하는 요소 5가지를 추출하고, 우리 제안이 각각을 어떻게 충족하는지 연결해줘"를 요청하면 맞춤화된 제안서가 만들어진다.

신제품 기획서는 MVP 기능 정의가 가장 복잡하다. "Must 기능·Should 기능·Could 기능을 3가지 기준(고객 가치, 개발 난이도, 수익 기여)으로 평가해 우선순위 매트릭스를 만들어줘"를 추가하면 실행 가능한 개발 계획이 나온다.

예산·ROI 기획서는 낙관·기준·비관 세 가지 시나리오를 반드시 포함한다. "각 시나리오에서 가장 큰 변수가 무엇인지, 그 변수가 달성될 확률을 %로 표현해줘"를 추가하면 경영진이 의사결정할 때 필요한 불확실성 정보가 포함된다.

📋 기획서 AI 작성 완성도를 높이는 후처리 프롬프트 3종

초안이 완성된 후 품질을 높이는 데 사용하는 세 가지 후처리 프롬프트다.

반론 검토 프롬프트:

이 기획서를 검토하는 CFO와 회의론적인 임원이 
제기할 수 있는 가장 날카로운 반론 5가지를 만들고,
각 반론에 대한 설득력 있는 답변을 추가해줘.

취약점 보완 프롬프트:

이 기획서에서 논리적 비약이 있거나 
근거가 부족한 섹션을 찾아줘.
그리고 각 약점을 보완하기 위해 
추가해야 할 데이터나 주장을 제안해줘.

임원 요약 자동 생성 프롬프트:

이 기획서 전체를 읽기 바쁜 임원을 위한
1페이지 Executive Summary로 만들어줘.

구성:
- 핵심 목표 (1~2문장)
- 시장 기회 (수치 포함)
- 우리의 접근법 (3줄)
- 기대 성과 (수치 포함)
- 필요한 의사결정 사항
- 즉시 액션 아이템

전체 400자 이내, 불릿 포인트 형식

⚠️ AI 기획서 활용 시 반드시 지켜야 할 3가지 원칙

원칙 1: 수치는 반드시 직접 검증

AI가 생성한 시장 규모, 성장률, 재무 수치는 학습 데이터 기반의 추정값이다. 실제 보고서에 사용하기 전에 공식 통계청 데이터, 업계 리포트, 실제 영업 데이터로 반드시 교차 검증해야 한다. 특히 투자자나 경영진에게 제출하는 문서에서 검증되지 않은 수치가 발견되면 신뢰도가 한 번에 무너진다.

원칙 2: 기밀 정보 입력 주의

무료 AI 서비스는 입력 데이터가 모델 학습에 활용될 수 있어 기밀 회의나 문서에는 적합하지 않다. 실제 고객사 이름, 계약 금액, 미공개 제품 정보는 [고객사명], [계약금액]처럼 가명 처리한 후 입력하고, 결과물을 받은 후 실제 정보로 교체하는 방식을 사용한다. Highoutputclub

원칙 3: AI 초안은 출발점이지 완성본이 아니다

2026년 직장인의 실력은 개별 툴 활용을 넘어 조사·분석·작성·기록으로 이어지는 자신만의 에이전틱 AI 워크플로우를 구축하여 업무 전 과정을 자동화하는 데 있다. AI가 80%를 완성하면 나머지 20%는 반드시 사람이 채워야 한다. 그 20%가 바로 "우리만의 인사이트", "현장에서 얻은 검증된 데이터", "전략적 판단"이다. AI가 생성한 기획서를 그대로 제출하는 것과 AI로 속도를 높인 후 전문가의 손길을 더한 기획서는 품질 차이가 크다. Highoutputclub

📊 기획서 유형별 AI 활용 시간 절감 효과

기획서 유형	기존 소요 시간	AI 활용 후	절감 효과
사업 기획서 (A4 20p)	8~16시간	1.5~2시간	~88%
마케팅 기획서	4~8시간	45분~1시간	~85%
클라이언트 제안서	6~12시간	1~1.5시간	~87%
신제품 기획서	10~20시간	2~3시간	~83%
예산·ROI 기획	6~10시간	1~2시간	~80%
평균	약 7시간	약 1.5시간	약 80%

⚡ 오늘 30분 안에 첫 AI 기획서 완성하기

지금 바로 시작할 수 있는 가장 간단한 실습이다. 현재 작성 중이거나 곧 필요한 기획서가 있다면 다음 단계를 따른다.

Claude.ai에 접속해 새 대화를 시작한다. 위 스텝퍼에서 자신의 기획서 유형에 맞는 마스터 프롬프트를 선택해 복사한다. 각 항목에 실제 정보를 채워 넣는다. 처음에는 모든 항목을 완벽하게 채우지 않아도 된다. 알 수 없는 정보는 "[조사 필요]"라고 표시하고 제출한다. 초안을 받은 후 "재무 계획 섹션을 더 구체적으로 확장해줘"처럼 취약한 부분부터 단계별로 심화한다.

기획서 작성의 가장 어려운 부분인 "구조 잡기"와 "섹션별 논리 흐름 구성"을 AI가 30분 안에 완성해준다. 남은 시간을 "우리만의 인사이트 추가"와 "수치 검증"에 집중하는 것이 2026년 기획자의 최적 워크플로우다.