hol4b

[태그:] AI툴

  • AI 툴 4개부터 생산성이 떨어진다 — 집중 효율 60%, 3년 최저치의 진짜 원인

    AI 툴 4개부터 생산성이 떨어진다 — 집중 효율 60%, 3년 최저치의 진짜 원인

    “AI 툴을 많이 쓸수록 생산성이 오른다”는 가설이 흔들리는 리포트가 이번 주 나왔다. ActivTrak의 2026 State of the Workplace를 Asanify가 정리한 결과인데, 한 줄 요약하자면 이렇다. AI 툴 3개까지는 효율이 오르고, 4개부터 떨어진다.

    숫자가 말하는 것

    조사에서 가장 눈에 띄는 수치는 집중 효율(focus efficiency) 60%다. 일하는 시간 중 방해 없이 몰입한 시간 비중인데, 3년 만의 최저다. 2023년만 해도 이 지표는 70%대 후반이었다.

    • AI 툴을 3개 이하 쓰는 직원: 효율이 향상됐다고 자체 보고
    • 4개 이상 쓰는 직원: 효율이 오히려 하락
    • 동시 기간 이메일 처리 시간은 2배 증가, 몰입 작업 세션은 9% 감소 (Fortune 보도)

    HBR이 같은 주 “AI는 일을 줄이지 않는다, 더 빡세게 만든다”는 제목의 글을 실은 것도 우연이 아니다. 툴이 늘면 컨텍스트 전환 비용이 동시에 늘고, 회의는 2024년 대비 2배가 됐다.

    왜 3개를 넘으면 떨어지는가

    직관적으로는 “더 많은 툴 = 더 많은 자동화 = 더 많은 산출”이어야 맞다. 현실은 정반대다. 원인을 정리하면 이렇다.

    첫째, 툴마다 입력 방식이 다르다. Slack 스레드에서 Notion AI로, 다시 Claude로, 다시 Copilot으로 옮겨 다니면서 같은 맥락을 세 번 네 번 다시 설명하게 된다. 실제 작업보다 AI에 일 시키는 일이 더 오래 걸리는 순간이 온다.

    둘째, “혹시 더 좋은 답이 있을까?”라는 비교 강박이 붙는다. ChatGPT에 물어보고, 또 Gemini에 물어보고, Claude에도 돌려본다. 답을 고르는 과정 자체가 집중을 깎는다.

    셋째, 알림이다. AI 툴들은 대부분 자기 결과를 “당신에게 보여주고 싶어 한다.” 푸시·배지·대시보드가 포커스 타임을 조각낸다.

    그럼 몇 개가 적정인가

    리포트의 경험칙은 “가급적 3개 이하”다. 역할별로 나눠보면 대략 이렇게 읽힌다.

    • 지식 노동자 일반: 대화형 1개(ChatGPT 또는 Claude) + 문서 1개(Notion AI 또는 Google Gemini in Workspace) + 선택적 전문 툴 1개
    • 개발자: 코딩 에이전트 1개(Cursor 또는 Claude Code) + 대화형 1개 + 문서·검색 1개
    • PM·기획: 대화형 1개 + 회의 기록 1개(Granola 등) + 조사/리서치 1개(Perplexity 등)

    핵심은 “한 툴이 한 업무를 끝까지 책임지게” 구도를 잡는 것이다. 같은 업무를 여러 툴로 돌려 보는 습관이 가장 비싼 비용을 만든다.

    So What?!

    한국 직장인에게 이 리포트가 주는 메시지는 명확하다. “도입한 AI 툴 개수”가 KPI가 되면 안 된다. 회사가 MS Copilot·ChatGPT Enterprise·Notion AI·Claude까지 네 개 구독을 다 사주는 곳이라면, 오히려 개인 차원에서 셋으로 줄이는 규율이 성과로 돌아온다. “이 작업에는 이 툴 하나만”이라는 결정 규칙이 당신의 집중 효율을 지킨다.

    반대로 회사가 아직 1~2개만 허용하는 상황이라면, 서둘러 네 번째를 신청할 이유가 줄어든다. 조직 레벨에서도 “툴 숫자 경쟁” 대신 “집중 시간 확보” 쪽으로 프레임을 바꾸는 편이 낫다.

    지금 바로 할 수 있는 것

    1. 내 AI 툴 리스트 감사 — 지난 한 달 실제 한 번이라도 연 툴을 적어본다. 4개 이상이면 가장 적게 쓰고 역할이 중복되는 것부터 삭제한다.
    2. 업무별 단일 툴 매핑 — “코드 = X, 문서 = Y, 대화 = Z” 식으로 책임자를 하나씩 지정하고, 작업 중에는 그 외 툴을 의식적으로 닫는다.
    3. 알림 정리 — 모든 AI 툴의 푸시·이메일·Slack 봇 알림을 한 번씩 끈다. 필요한 결과는 내가 직접 열어보는 방식으로 돌려놓는다. 이것만 해도 집중 시간이 눈에 띄게 복구된다.

    관련 글

    출처

    대표이미지 출처: Asanify

  • Claude Code /powerup 명령어 완전 가이드: 4월 신기능 인터랙티브 학습 시스템 5분 정복

    Claude Code /powerup 명령어 완전 가이드: 4월 신기능 인터랙티브 학습 시스템 5분 정복

    왜 Anthropic은 갑자기 터미널 안에 강의실을 만들었나

    4월 1일자 Claude Code v2.1.90 릴리스 노트의 한 줄. “/powerup 명령어 추가.” 별것 아닌 듯 지나갔지만, 이건 Anthropic이 처음으로 인정한 사실이다. 사람들이 우리가 만든 기능의 절반을 쓰지 않고 있다는 것.

    사용자 입장에서 Claude Code는 묘한 도구다. 깔고 며칠만 쓰면 당장 코드를 짜 주니 편하다. 그런데 한 달이 지나도 처음 깔았을 때와 똑같은 명령어 다섯 개만 굴리고 있다. 왜 그럴까. 새 기능이 나와도 어디서 배워야 할지 몰라서다. 깃허브 README를 다시 뒤지자니 부담스럽고 공식 문서는 영어인 데다 길다. /powerup은 그 빈틈을 정확히 노렸다.

    업데이트 후 터미널에서 명령어를 치면 메뉴가 뜬다. 화살표로 고르고 엔터. 다른 창으로 이동할 필요 없이 그 자리에서 애니메이션과 함께 기능 하나를 익힌다. 한 모듈에 보통 3~10분.

    18개 모듈, ‘알고 있던 줄 알았던’ 기능들

    레슨 18개의 큐레이션 기준이 흥미롭다. 화려한 신기능이 아니라 “사용자 대부분이 모르고 지나치는 것”이다. 반대로 말하면 18개 중 한 개도 모르는 게 없다고 자신할 사람은 거의 없다는 뜻이기도 하다.

    비기너 영역은 의외로 컨텍스트 관리에 집중돼 있다. /clear와 /compact의 차이를 정확히 아는 사람은 많지 않다. CLAUDE.md 메모리 시스템이 어떻게 로드되는지도 마찬가지. 매일 쓰면서도 잘못 쓰고 있던 부분이 적지 않다는 얘기다.

    중급으로 가면 진가가 드러난다. Skills, hooks, 서브에이전트 오케스트레이션. 문서로 읽으면 추상적이라 손이 잘 안 가는 영역이다. /powerup은 이걸 터미널 위에서 실시간으로 굴려 보여준다. “아 이렇게 쓰는 거였구나”가 5분 만에 일어난다.

    고급 영역은 git worktrees 병렬 작업, 자동 모드, 클라우드 태스크. 이쯤 되면 사실상 Claude Code의 진짜 사용법이 여기 있다고 봐도 된다.

    한국 팀에 더 유리한 이유

    첫째는 영어 문서를 읽지 않아도 된다는 점이다. 텍스트 번역 없이 동작 영상을 보며 손으로 따라치면 의미가 직관적으로 들어온다. 둘째는 협업 차원의 효과다. 팀원 모두가 같은 18개 모듈을 거치고 나면 누가 어떤 기능을 쓰는지 자연스럽게 표준화된다. 사내 슬랙에 “이거 어떻게 해?”라고 묻는 횟수가 줄어든다는 뜻이다.

    4월 4일 추가된 v2.1.92에서는 MCP 결과 영속화와 Bedrock 셋업 마법사까지 들어왔다. 학습 범위는 계속 늘어나는 중이다.

    그래서 — 매일 쓰는 사람일수록 가치가 크다

    처음 깐 사람보다 6개월 쓴 사람에게 더 의미 있다. 익숙해진 워크플로 안에서는 새 기능을 일부러 찾지 않게 되기 때문이다. /powerup은 “당신이 모르고 있을 가능성이 가장 높은 것”만 골라 보여준다. 하루 5분, 점심시간 커피 한 잔과 바꿀 만한 거래다.

    지금 할 일

    업데이트가 먼저다. 터미널에서 claude --version으로 v2.1.90 이상인지 확인하고, 아직이면 npm i -g @anthropic-ai/claude-code. 다음으로 /powerup을 실행해 본인이 가장 자주 쓰는 영역(예: Skills 또는 hooks)부터 한 모듈만 끝내 본다. 거기서 막히면 그게 본인의 첫 학습 포인트다.

    관련 글

    출처

    대표이미지 출처: Anthropic Claude Code 공식 페이지

  • Notion AI Custom Skills 완전 정복: 한국 직장인 반복 작업 자동화 7가지

    Notion AI Custom Skills 완전 정복: 한국 직장인 반복 작업 자동화 7가지

    매일 같은 프롬프트를 복붙하던 사람이라면, 이제 멈춰도 된다

    회의록을 받으면 액션 아이템으로 정리해 달라고 ChatGPT에 같은 문장을 백 번쯤 던져 봤다. 매번 출력 형식이 미묘하게 달랐고, 매번 톤을 다시 잡아 줘야 했다. 그 짜증이 정확히 어디에 있는지 노션 팀이 잘 알고 있었던 모양이다. 3월 20일, Notion AI에 Custom Skills가 정식으로 들어왔다.

    핵심은 어렵지 않다. 자주 던지는 프롬프트 하나를 페이지로 저장해 두면, 그다음부터는 텍스트 선택 메뉴나 @ 멘션 한 번으로 호출할 수 있다. 노션 공식 도움말이 제시한 판단 기준이 인상적이다. “같은 프롬프트를 두 번 이상 복사한 적 있다면 그건 Skill로 만들 후보다.”

    만드는 법은 두 갈래

    정공법은 새 페이지를 만들어 ⋯ 메뉴에서 Use with AI → Use as AI skill을 누르는 것. 여기에 목표·입력·제약·출력 형식을 명시한 프롬프트를 적어 넣으면 끝이다. 잘 쓴 프롬프트가 곧 잘 만든 Skill이라는 점은 여전히 그대로다.

    더 게으른 길도 있다. 빈 페이지에서 Notion AI 채팅을 열고 “이 페이지를 AI Skill로 만들어 줘. 회의록을 받으면 액션 아이템 5개로 정리해 주는 거야”라고 자연어로 말하면 노션이 알아서 Skill 구조를 짜 준다. 처음 만드는 사람에게는 후자가 훨씬 빠르다.

    실제로 만들어 본 7가지

    지난 1주일 동안 회사 워크플로 중 자주 겹치는 작업을 골라 실제로 Skill로 등록해 봤다. 다음은 그중 효과가 가장 컸던 것들이다.

    • 회의록을 받으면 담당자·기한·우선순위가 들어간 액션 아이템 5개로 변환해 주는 추출기
    • 영문 메일이나 직역체 한국어를 자연스러운 비즈니스 메일로 다듬는 톤 보정기
    • 한 주간의 작업 페이지를 입력으로 받아 ‘완료 / 진행 중 / 이슈’ 3섹션으로 정리하는 주간 보고서 생성기
    • 경쟁사 블로그·뉴스 링크를 받아 우리 팀 관점의 시사점 3줄로 요약하는 모니터링 봇
    • 채용 공고(JD)에서 핵심 역량 키워드와 면접 질문 5개를 자동으로 뽑아주는 채용 도우미
    • 고객 VOC를 ‘버그 / 기능 요청 / UX 불만’ 3카테고리로 분류 후 빈도순 정렬해 주는 분류기
    • 회의 주제와 참석자만 입력하면 사전 자료·아이스브레이커·논의 항목·결정 포인트 표를 만들어 주는 회의 준비 체크리스트

    각 Skill은 페이지 형태로 저장되기 때문에 팀 워크스페이스에 공유하는 순간 동료 모두가 같은 표준으로 쓰게 된다. 설정 → Notion AI → Skills 메뉴에서 내가 만든 것, 공유받은 것, 워크스페이스 전체 Skill을 한눈에 관리한다.

    무료 기간 5월 3일까지

    지금 시점에서 가장 중요한 정보. Notion은 Custom Agents와 Skills를 Business·Enterprise 플랜에서 2026년 5월 3일까지 무료로 풀어 두고 있다. 5월 4일부터는 Notion 크레딧이 차감되는 방식으로 바뀐다. 회사 차원에서 워크플로를 점검하고 핵심 반복 작업을 자산화할 수 있는 마지막 무료 윈도우다.

    그래서 — ‘AI 잘 쓰는 사람’ 격차를 줄이는 도구

    국내 기업이 AI 도입에서 가장 자주 부딪히는 문제는 모델 성능이 아니다. 팀 안에서 AI를 잘 쓰는 사람과 못 쓰는 사람 사이의 격차다. Custom Skills는 이걸 정면으로 줄인다. 잘하는 사람이 만든 프롬프트가 곧 팀 자산이 되고, 신입도 첫날부터 같은 품질의 결과물을 낼 수 있다. 지금까지 노션 페이지에 사내 가이드만 쌓아두던 회사라면, 그 안의 절반은 Skill로 옮겨 둘 만하다.

    지금 할 일

    최근 한 달치 ChatGPT 대화 기록을 빠르게 훑어본다. 두 번 이상 같은 프롬프트를 친 작업이 보이면 그게 첫 Skill 후보다. 노션 새 페이지를 열고 위에서 설명한 두 가지 방법 중 편한 것으로 등록해 본다. 그리고 5월 3일 전에 팀 워크스페이스에 공유해 두자. 무료 윈도우가 닫히기 전에 표준 워크플로로 굳혀 두는 게 핵심이다.

    관련 글

    출처

    대표이미지 출처: Notion AI 공식 페이지

  • ChatGPT for Excel 실전 가이드: GPT-5.4 + 엑셀 통합으로 5가지 업무 자동화

    ChatGPT for Excel 실전 가이드: GPT-5.4 + 엑셀 통합으로 5가지 업무 자동화

    “또 엑셀 안에서 챗봇 흉내?” — 그렇게 시작한 의심이 무너진 이유

    처음 ChatGPT for Excel 발표를 봤을 때 솔직한 반응은 의심이었다. Microsoft Copilot이 이미 엑셀 안에 들어와 있고, 구글은 시트에 Gemini를 박아 놨다. 여기서 OpenAI가 또 비슷한 사이드바를 하나 더 띄운다고? 그게 무슨 의미인가 싶었다.

    그 의심이 꺾인 건 숫자 하나 때문이었다. OpenAI 내부 투자은행 벤치마크 — 3-Statement Financial Model을 처음부터 만들고 포맷·인용까지 채우는 작업 — 에서 GPT-5의 점수는 43.7%였다. GPT-5.4 Thinking이 같은 벤치를 돌리자 87.3%가 나왔다. 두 배다. 이 정도 차이는 단순한 모델 업그레이드의 결과가 아니라, 도구가 아예 다른 카테고리로 넘어갔다는 신호에 가깝다.

    설치 자체는 5분, 한국 사용자도 가능하다

    현재 베타는 ChatGPT Business·Enterprise·Edu·Teachers·K-12 사용자 전 세계, 그리고 Pro·Plus 사용자는 EU 외 지역에서 제공된다. 한국은 EU 외라서 Plus 구독만 있어도 곧바로 시도할 수 있다. 엑셀의 삽입 → 추가 기능 → 스토어에서 ChatGPT를 검색해 설치하고, ChatGPT 계정으로 로그인하면 사이드바가 뜬다. 별도 결제도, 별도 라이선스 키도 없다.

    실제로 뭘 시킬 수 있는가

    수식을 아예 안 쓸 수도 있다

    “B열의 날짜가 이번 달이면 C열 매출을 합산하고 부서별로 나눠 줘”라고 한국어로 치면 SUMIFS·SUMPRODUCT 같은 복잡한 함수를 직접 만들어 셀에 넣어 준다. 더 흥미로운 건 디버깅 쪽이다. 기존 수식이 #REF! 오류를 내는데 왜 그런지 모를 때, 그 셀을 클릭하고 “이거 왜 안 돼?”라고 묻는 것만으로 충분하다. VBA를 못 다루는 일반 직장인에게 이게 뭘 의미하는지는 굳이 설명하지 않아도 된다.

    회사 데이터의 영원한 적, ‘입력 형식이 다른 셀’

    한국 회사의 명단·거래처 목록이 깨끗했던 적은 단 한 번도 없었다. (주), (주식회사), 주식회사가 같은 컬럼에 섞이고, 부서명은 띄어쓰기가 제각각이고, 날짜는 8자리·하이픈·점이 한 시트에 공존한다. ChatGPT for Excel은 이걸 행 단위로 처리한다. 1만 행짜리 명단을 통째로 정규화하는 데 사람의 손은 들어가지 않는다.

    분류기·차트·피벗테이블도 자연어로

    “이 컬럼의 상품명을 보고 의류·뷰티·식품·생활용품 중 하나로 분류해 줘.” 룰 기반 분류기가 잡지 못했던 모호한 사례까지 모델이 판단한다. 차트와 피벗테이블도 자연어 한 줄이면 끝이다. “부서별 월간 매출 추이 막대 차트로 만들어 줘”라고 치면 차트 종류부터 축 설정까지 알아서 한다.

    그리고 본 게임, 재무모델

    매출과 가정값만 넣어 두고 “손익계산서·재무상태표·현금흐름표 3종 모델로 만들고 각 항목에 인용 주석 달아 줘”라고 부탁하면 포맷팅과 인용까지 포함된 모델이 통째로 생성된다. 87.3%라는 벤치 점수가 가장 빛나는 영역이 바로 여기다. 반복적인 모델 작성에 매주 몇 시간씩 쓰는 직군이라면 구독 비용은 일주일 만에 회수된다.

    같이 들어온 금융 데이터 통합

    같은 시점에 OpenAI는 ChatGPT 안에 FactSet·Dow Jones Factiva·LSEG·S&P Global 같은 금융 데이터 소스를 직접 연결했다. 외부 데이터를 별도로 가져올 필요 없이 환율·주가·거시지표를 모델에 곧바로 결합할 수 있다는 뜻이다. 엑셀에서 시나리오 분석을 돌릴 때 의미가 크다.

    그래서 — VBA를 안 배워도 되는 시대가 진짜로 왔다

    한국 직장인이 매주 엑셀에 쓰는 시간은 여전히 10시간을 넘는다는 조사가 매년 반복된다. ChatGPT for Excel이 겨냥하는 건 정확히 그 시간이다. 수식, 정리, 분류, 차트 — 사람이 가장 많이 반복하면서도 가장 적게 자동화한 영역이다. 더 이상 매크로를 배우지 않아도, 파이썬을 열지 않아도 된다는 변화의 무게는 가볍지 않다.

    지금 할 일

    엑셀의 추가 기능 스토어에서 ‘ChatGPT’를 검색해 설치한다. 가장 더러운 데이터 시트(회사명이나 부서명이 통일 안 된 컬럼)를 골라 “이 컬럼 정규화해 줘”부터 시도해 본다. 재무·통계 작업이 많은 사람이라면 사이드바에서 모델을 GPT-5.4 Thinking으로 명시적으로 바꿔야 한다. 일반 모델로는 87.3% 벤치 성능이 나오지 않는다.

    관련 글

    출처

  • Cursor 3 Glass 에이전트 모드 사용법: 1주일 써본 한국 개발자 실전 가이드

    Cursor 3 Glass 에이전트 모드 사용법: 1주일 써본 한국 개발자 실전 가이드

    Cursor 3 ‘Glass’를 일주일 써 본 일기

    4월 2일에 Cursor 3가 출시됐다. 코드명 Glass. 출시 소식 자체는 189번 글에서 다뤘으니 여기선 다른 얘기를 하려고 한다. 일주일 동안 실제 업무에서 굴려 보면서 어디가 좋았고 어디가 부서졌는지를 정리한다. 결론부터 말하면 — 좋다. 단, 모두에게 좋지는 않다.

    Day 1. Composer가 사라진 자리에 들어온 것

    업데이트하고 처음 든 생각은 익숙한 Composer 패널이 안 보인다는 거였다. 그 자리에 풀스크린 Agents Window가 들어왔다. 처음엔 어색했다. 한 화면에 채팅 하나, 작업 하나, 결과 하나로 정리되던 워크플로가 갑자기 여러 칸으로 쪼개진다.

    그런데 이 어색함이 의도된 거였다. Cursor 1·2 시절에는 한 번에 하나의 에이전트만 굴렸지만, Cursor 3는 여러 에이전트를 동시에 굴리라는 전제로 다시 짜였다. 다른 레포, 다른 환경, 다른 작업을 한 화면에서 병렬로 본다.

    Day 2~3. Local + Worktree 조합이 진짜 변곡점

    Agents Window가 지원하는 환경은 네 종류다. 로컬, 클라우드, git worktree, 원격 SSH. 일주일 동안 가장 효과를 본 조합은 의외로 단순했다. 로컬 + worktree.

    메인 브랜치에서 버그 수정을 돌리는 동안, 같은 머신의 worktree 에이전트가 신규 피처 브랜치에서 별도 작업을 진행한다. 평소라면 git stash를 하거나 브랜치를 왔다 갔다 하면서 컨텍스트를 잃었을 텐데, Cursor 3에서는 그게 사라진다. 두 작업 모두 같은 IDE 한 화면에서 굴러간다. 이 한 가지만으로 일주일치 시간 절약이 체감됐다.

    Day 4. Design Mode가 디자이너 친화적이라는 뜻

    Cmd+Shift+D를 누르면 켜지는 Design Mode. 글로 설명하기 어려운 UI 작업을 할 때 진가가 드러난다. 화면에서 직접 요소를 클릭하고 옆에 짧은 지시를 적어 넣는다. “패딩 더 넓게, hover 시 그림자.” 그러면 에이전트가 그 자리에서 코드를 수정한다.

    프론트엔드 작업을 하는 사람과 디자이너가 같은 화면을 보면서 일할 때 특히 좋다. 텍스트로 위치를 설명하느라 5분 쓰던 작업이 클릭 한 번이 된다.

    Day 5~6. 망한 작업과 잘된 작업 사이의 선

    일주일 동안 가장 크게 깨달은 건 작업 단위 잡는 법이다. 너무 큰 작업을 던지면 망한다. “auth 모듈 전체를 리팩토링해 줘” 같은 건 결과물이 너무 광범위해서 리뷰가 지옥이 된다. 너무 작은 작업도 망한다. “이 변수 이름 바꿔줘”는 직접 하는 게 빠르다.

    잘된 작업의 공통점은 두 가지였다. 작업 범위가 명확했고, 참고할 기존 패턴을 같이 알려줬다. 가령 “기존 미들웨어 패턴(/api/users 참고)을 따라 로그인 라우트에 rate limiting 추가”처럼. 이 감각은 며칠 써 봐야 잡힌다.

    Day 7. Claude Code와의 비교

    같은 프론티어 모델을 써도 Claude Code와 Cursor 3는 성격이 다르다. Claude Code는 터미널 위에서 git 워크플로를 깊이 이해하고 PR까지 직접 여는 자율형 에이전트다. Cursor 3는 IDE에서 여러 에이전트를 시각적으로 관리하면서 디자인까지 같은 화면에서 손볼 수 있는 워크스테이션에 가깝다.

    한국 팀의 도입 관점에서 갈리는 지점은 분명하다. 백엔드와 인프라 중심으로 일하는 팀은 Claude Code의 터미널 자율성이 더 잘 맞는다. 풀스택이나 프론트엔드 중심 팀은 Cursor 3의 시각적 관리와 Design Mode가 즉시 효과를 낸다. 둘 다 도입하는 팀이 늘고 있는 것도 우연이 아니다.

    그래서 — 키보드 타자수가 아니라 리뷰 속도가 새 KPI다

    일주일을 정리하면서 가장 무겁게 다가온 건 단순한 기능 추가가 아니라 역할 변화였다. 코드를 쓰는 시간보다 에이전트가 만든 PR을 검토하고 방향을 잡는 시간이 더 길어진다. 한국 개발자에게 시급해진 기술은 더 이상 ‘프롬프트 잘 쓰는 법’이 아니라 ‘AI 코드를 빠르고 정확하게 리뷰하는 법’이라는 얘기다. Cursor 3는 그 변화를 가장 노골적으로 보여 주는 도구다.

    지금 할 일

    cursor.com에서 Glass 빌드로 업데이트한 다음, 일주일만 본인 워크플로에 끼워 넣어 본다. 처음부터 모든 환경을 쓰지 말고 로컬 + worktree 조합 하나만 시도해 본다. 작업을 던질 때는 항상 “기존 X 패턴을 따라 Y 추가” 형식으로 말해 보자. 이 두 가지만 지키면 일주일 안에 손에 맞는다.

    관련 글

    출처

    대표이미지 출처: Cursor 공식 블로그

  • GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    GPT-5.4 Thinking 활용법: 사고 도중 끼어들기로 ChatGPT 결과물 2배 정확하게

    회의실에서 발표자를 끊는 사람을 떠올려 보자

    회의에서 가장 도움이 되는 사람은 누구일까. 발표가 끝난 다음에 정중한 피드백을 주는 사람? 아니다. 발표자가 잘못된 방향으로 가기 시작한 그 순간, 짧고 정확한 한마디로 흐름을 잡아 주는 사람이다. GPT-5.4 Thinking이 처음으로 가능하게 만든 게 바로 그것이다.

    OpenAI는 이 기능을 Mid-Response Steering이라고 부른다. 모델이 한창 사고 중인 도중에 채팅창에 추가 지시를 던질 수 있고, 모델은 그 지시를 받아 답변 방향을 즉시 조정한다. 응답이 다 나올 때까지 기다렸다가 “아니, 그게 아니라…”라고 정정하는 시대가 끝났다는 뜻이다.

    왜 이게 단순한 기능 추가가 아닌가

    이전 모델까지의 한계는 묘했다. 사고 도중에 “지금 어디까지 했어?”라고 물으면 사고가 처음부터 다시 시작됐다. 시간도 토큰도 두 배가 들었다. 더 큰 문제는 잘못된 가정으로 5분 동안 깊이 들어간 다음에야 그 사실을 알 수 있다는 거였다. 5분짜리 작업이 10분짜리 작업이 됐다.

    GPT-5.4 Thinking은 사고를 시작하기 전에 preamble(사전 계획)을 먼저 보여 준다. “이 작업은 A → B → C → D 순서로 처리할게요.” 사용자는 이 계획을 1~2초 안에 훑고, 마음에 들지 않으면 그 자리에서 끼어든다. “C부터 깊게, A는 건너뛰어.” 모델은 처음부터 다시 시작하지 않는다. 받은 지시를 반영해 그대로 진행한다.

    OpenAI 내부 BrowseComp(에이전트 브라우징) 벤치 점수가 65.8%에서 82.7%까지 뛰어오른 데에는 이런 구조 변화가 깔려 있다.

    실무에서 끼어들기가 가장 빛나는 순간

    가장 먼저 떠오르는 건 긴 리서치 작업이다. “경쟁사 5곳의 1분기 매출 트렌드를 분석해 줘”라고 던졌을 때, 모델이 preamble에서 “A → B → C → D → E 순으로 분석할게요”라고 보여 준다. D사가 가장 중요한데 알파벳 순서로 처리하려 한다면? 즉시 “D사부터 가장 깊게, 다른 4사는 비교 표만”이라고 한 줄을 끼워 넣으면 된다. 한 번의 채팅으로 원하는 결과물에 도달한다는 뜻이다.

    40슬라이드짜리 재무 덱처럼 통째로 시키는 작업에서는 이 차이가 더 커진다. 잘못된 가정 하나가 결과물 전체를 다시 만들어야 하는 상황으로 번지는 게 그동안의 패턴이었다. preamble 단계에서 가정값과 출력 구조를 검토하고 수정만 해도 재작업 시간이 80% 이상 줄어든다.

    법무·계약서 비교 분석도 비슷하다. 모델이 어느 조항을 핵심으로 잡았는지 사전 계획에서 확인하고 우선순위를 재배치한다. “준거법 조항보다 손해배상 한도부터 비교해” 같은 식이다. 사용자가 도메인 지식을 갖고 있을수록 끼어들기의 정확도는 높아진다.

    코딩 쪽에서도 의미가 있다. 코드베이스 전체를 리팩토링시킬 때 모델이 어디부터 손댈지 보여 주는 단계에서 “이 모듈은 건드리지 마, 외부 의존성 있어”라고 제약을 추가한다. Claude Code나 Cursor 3 같은 코딩 에이전트와 다른 점은 분명하다. GPT-5.4 Thinking은 실행 전 계획 단계에서 개입할 수 있다.

    1M 컨텍스트와 결합되면 진짜다

    GPT-5.4는 컨텍스트 윈도가 400K에서 1M으로 확장됐다. 이전엔 긴 흐름 안에서 초반에 잡은 기준이 흐려지는 경향이 있었지만, 1M과 Mid-Response Steering이 결합되면서 한 세션 안에서 일관성을 유지하면서도 중간에 방향을 바꿀 수 있게 됐다. 책 한 권 분량의 자료를 던져 두고 작업을 시킨 뒤, 중간중간 미세 조정하는 워크플로가 처음으로 실제로 가능해진 셈이다.

    요금제는 어디서 쓸 수 있나

    ChatGPT에서는 Plus·Team·Pro·Enterprise 사용자가 모델 선택기에서 GPT-5.4 Thinking을 직접 고를 수 있다. 가장 강력한 작업이 필요한 경우 GPT-5.4 Pro가 별도로 제공된다. ChatGPT for Excel·NotebookLM 같은 OpenAI의 후속 제품들이 모두 이 모델을 두뇌로 쓴다는 점에서, 5.4 Thinking은 사실상 OpenAI 제품 라인업 전체의 기준선이다.

    그래서 — 새로운 핵심 스킬은 ‘끼어드는 능력’이다

    지금까지 ChatGPT 사용자의 능력 차이는 첫 프롬프트를 얼마나 잘 쓰느냐에서 갈렸다. 5.4 Thinking 이후에는 한 가지가 더 추가된다. 모델이 사고 중일 때 정확한 타이밍에 정확한 한마디로 끼어드는 능력. 이건 글로 배우는 것보다 손으로 익히는 게 빠르다. 회의에서 발표를 끊는 사람이 그렇듯, 처음에는 어색하지만 한두 번 해 보면 감이 잡힌다.

    지금 할 일

    ChatGPT Plus 이상이라면 자주 쓰는 작업의 기본 모델을 GPT-5.4 Thinking으로 바꿔 둔다. 다음으로 긴 작업을 시킬 때 응답 시작 전 preamble을 1~2초 안에 훑는 습관을 만든다. 마지막으로 자주 쓸 끼어들기 멘트 두세 개를 미리 만들어 두자. “X부터 깊게”, “Y는 건너뛰고”, “Z 형식으로 출력” 같은 짧은 지시문이면 충분하다.

    관련 글

    출처

  • Claude 작업 공간을 시작하지 못했습니다: 원인과 해결법 총정리

    이 글을 검색해서 들어왔다면 이미 알고 있을 것이다. Claude Code 터미널 어딘가에서 한 줄짜리 메시지가 떠올랐다. “Claude 작업 공간을 시작하지 못했습니다.” 어제까지 멀쩡히 돌아가던 도구가 갑자기 열리지 않는다. 메시지가 짧아서 어디부터 손대야 할지 막막하다. 결론부터 말하면 — 대부분의 경우 5분 안에 해결된다. 원인이 보통 셋 중 하나로 좁혀지기 때문이다.

    왜 이 오류가 나는가

    Claude Code의 “작업 공간을 시작하지 못했습니다” 오류는 거의 다음 세 가지 중 하나로 귀결된다.

    • 인증 만료 — OAuth 토큰이 만료됐거나 계정 상태에 변화가 생긴 경우
    • IDE 연결 실패 — VS Code, JetBrains 같은 IDE와 Claude Code 사이의 연결이 끊어진 경우
    • 실행 환경 문제 — WSL 설정, PATH 누락, Node.js 버전 충돌

    중요한 사실 한 가지. 이 오류는 거의 Claude Code 자체의 버그가 아니다. 대부분 환경 설정 차원의 문제이고, 그래서 짧은 조치 몇 가지로 해결된다. 아래 순서대로 시도해 보면 90% 이상의 케이스가 잡힌다.

    해결법 1 — 가장 먼저 시도할 것: 로그아웃 후 재로그인

    인증 토큰이 만료된 경우가 가장 흔한 원인이다. Claude Code 터미널에서 다음을 입력한다.

    /logout

    로그아웃이 끝나면 Claude Code를 완전히 종료한다. 터미널을 새로 열고 다시 실행한다.

    claude

    로그인 화면이 나타나면 안내에 따라 브라우저 인증을 완료한다. 브라우저가 자동으로 안 열리는 경우가 있는데, 이때는 c 키를 눌러 URL을 클립보드에 복사한 다음 직접 브라우저에 붙여 넣으면 된다. 이 단계만으로 해결되는 비율이 가장 높다.

    해결법 2 — PATH 문제 (command not found 포함)

    설치는 됐는데 실행이 안 되는 경우다. 터미널에서 다음을 입력해 PATH를 점검한다.

    echo $PATH | tr ':' '\n' | grep local/bin

    아무것도 출력되지 않는다면 PATH에 설치 경로가 빠져 있는 것이다. 사용 중인 셸에 맞춰 추가한다.

    macOS (zsh)

    echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

    Linux (bash)

    echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc

    이후 claude --version으로 정상 실행 여부를 확인한다.

    해결법 3 — WSL 환경에서의 추가 조치

    Windows에서 WSL로 Claude Code를 쓰는 경우 별도 설정이 필요하다. 자주 부딪히는 세 가지 케이스가 있다.

    브라우저 로그인이 안 되는 경우. WSL이 Windows 브라우저를 못 띄우는 상황이다. BROWSER 환경 변수를 직접 지정한다.

    export BROWSER="/mnt/c/Program Files/Google/Chrome/Application/chrome.exe"
claude

    Node를 못 찾는 경우. WSL이 Windows 경로의 Node.js를 잘못 참조하는 게 원인이다. which node를 입력했을 때 /mnt/c/로 시작하면 이 문제가 맞다. nvm으로 Linux용 Node를 별도로 설치한다.

    source ~/.nvm/nvm.sh
nvm install --lts

    JetBrains IDE가 감지 안 되는 경우. WSL2 방화벽이 IDE 연결을 차단하는 케이스다. PowerShell을 관리자 권한으로 열고 다음을 실행한다(WSL2 IP는 wsl hostname -I로 확인).

    New-NetFirewallRule -DisplayName "Allow WSL2" -Direction Inbound -Protocol TCP -Action Allow -RemoteAddress 172.21.0.0/16 -LocalAddress 172.21.0.0/16

    해결법 4 — 마지막 수단: 구성 파일 초기화

    위 세 가지로 안 잡힌다면 Claude Code 설정 파일을 통째로 초기화한다. 세션 기록은 사라지지만 기능은 그대로 복구된다.

    rm ~/.claude.json
rm -rf ~/.claude/

    이후 claude를 다시 실행하면 초기 상태로 돌아간다. 처음 설치한 것과 같은 상태에서 다시 로그인하면 된다.

    그래서

    Claude Code는 업데이트 속도가 빠른 도구다. 그만큼 간헐적인 환경 충돌이 생긴다. 다만 거의 모든 경우 재로그인 → PATH 확인 → 구성 초기화 순서로 풀린다. 이 흐름을 머리에 넣어 두면 다음 번에는 5분 안에 끝낼 수 있다.

    지금 할 일

    가장 먼저 할 일은 Claude Code 터미널에서 /doctor를 실행하는 것이다. Anthropic 공식 문서가 권장하는 1차 진단 도구다. 결과가 어디에 문제가 있는지 직접 알려 준다. 진단 결과에 따라 위 4가지 해결법 중 해당하는 것부터 시도한다. 같은 오류가 반복적으로 발생한다면 운영 환경(WSL 사용 여부, Node 버전, 셸 종류) 정보를 메모해 두자. 다음 번 troubleshooting이 훨씬 빨라진다.

    관련 글

    출처

  • Claude Code 처음 시작하는 법: 설치부터 실전까지 2026 완전 가이드

    Claude Code를 처음 써 보려는 사람에게 가장 큰 벽은 도구 자체가 아니다. “터미널에서 시작한다”는 한 줄 때문에 마음이 멈춘다. Cursor나 GitHub Copilot처럼 익숙한 IDE 화면이 아니라 검은 터미널 창에서 출발해야 한다는 사실이 막막함을 만든다. 그런데 막상 깔아 보면 5분이면 끝난다. 이 글은 “어디서부터 시작해야 하지”라는 첫 막막함을 해소하기 위한 한국어 단계별 가이드다.

    Claude Code가 정확히 뭔가

    Claude Code는 Anthropic이 만든 AI 코딩 에이전트다. 터미널에 자연어로 지시를 입력하면 코드를 작성하고, 버그를 수정하고, Git 커밋까지 알아서 처리한다. 2026년 기준으로 VS Code, JetBrains, 데스크톱 앱, 웹(claude.ai/code)에서도 같은 흐름으로 쓸 수 있다. 즉 “터미널 전용”이라는 인상은 정확하지 않다. 입구가 터미널일 뿐, 본인이 편한 환경을 골라 쓰면 된다.

    가격 면에서 결정적인 사실 하나. Claude Code는 Claude Pro($20/월) 이상 구독자라면 추가 비용 없이 그대로 쓸 수 있다. Cursor Pro와 같은 가격이지만 작동 방식이 다르다. Cursor가 코드 완성 중심이라면 Claude Code는 에이전트 방식으로 작업 단위를 통째로 처리한다.

    설치 전 준비

    • Claude Pro·Max·Teams·Enterprise 구독 (또는 Anthropic Console API 계정)
    • 터미널 환경 — Mac은 기본 터미널 또는 iTerm2, Windows는 PowerShell 또는 Git Bash
    • Windows 사용자라면 Git for Windows 사전 설치

    운영체제별 설치

    macOS / Linux

    curl -fsSL https://claude.ai/install.sh | bash

    Windows PowerShell

    irm https://claude.ai/install.ps1 | iex

    macOS Homebrew

    brew install --cask claude-code

    Homebrew와 WinGet으로 설치하면 자동 업데이트가 안 된다는 점 한 가지만 기억해 두자. 주기적으로 brew upgrade claude-code나 winget upgrade Anthropic.ClaudeCode를 실행해 최신 버전을 유지한다.

    첫 실행과 로그인

    설치가 끝나면 작업할 프로젝트 폴더로 이동해 실행한다.

    cd /path/to/your/project
claude

    처음 실행 시 로그인 화면이 나타난다. 브라우저가 자동으로 열리면 Claude 계정으로 로그인하고 끝. 만약 브라우저가 안 열린다면 c 키를 눌러 URL을 복사해 직접 붙여 넣으면 된다. 이 한 번의 로그인이 끝이다. 이후로는 claude만 입력하면 바로 시작된다.

    기본 사용법 — 어렵게 생각하지 말 것

    Claude Code는 대화 방식으로 작동한다. “어떻게 명령을 써야 하지”를 고민하지 말고, 하고 싶은 걸 평소 말하는 대로 입력하면 된다. 다음은 자주 쓰는 패턴 다섯 가지다.

    • 코드 이해: “이 프로젝트가 뭘 하는 건지 설명해 줘”
    • 기능 추가: “로그인 폼에 입력값 유효성 검사 추가해 줘”
    • 버그 수정: “빈 폼을 제출해도 통과되는 버그가 있어, 수정해 줘”
    • Git 커밋: “변경 사항을 설명적인 메시지로 커밋해 줘”
    • 테스트 작성: “이 함수에 대한 단위 테스트 작성해 줘”

    중요한 안전장치 하나. 파일을 수정하기 전에 항상 사용자의 승인을 요청한다. 모든 변경이 본인의 OK 후에야 적용되기 때문에 마음 편히 시켜도 된다.

    알아두면 유용한 명령어

    명령어 기능
    claude 대화형 모드 시작
    claude "작업 내용" 일회성 작업 실행
    claude -c 직전 대화 이어서 시작
    /clear 대화 기록 초기화
    /help 사용 가능한 명령 전체 보기
    /doctor 설치 상태 자가 진단

    입문 단계에서 가장 자주 쓰게 되는 건 /clear와 /help 두 개다. 막혔을 때 /doctor를 기억해 두면 troubleshooting이 쉬워진다.

    그래서 — 5분이면 충분하다

    Claude Code는 단순한 코드 완성 도구가 아니다. 프로젝트 전체 맥락을 파악하고, 파일 사이의 연결을 이해하면서 작업한다. 이게 다른 도구와의 가장 큰 차이다. 기존에 Claude Pro를 구독 중인 사람이라면 추가 비용 없이 지금 당장 시작할 수 있다는 점도 결정 비용을 0에 가깝게 만든다. 설치 5분, 첫 대화 1분이면 충분하다.

    지금 할 일

    위에 정리된 한 줄 명령어로 Claude Code를 5분 안에 설치한다. 이미 진행 중인 프로젝트 폴더로 들어가 claude를 실행한 다음, 첫 질문은 “이 프로젝트 설명해 줘”로 시작해 보자. AI가 본인 코드베이스를 어떻게 이해했는지 한 화면에 드러난다. 그 다음 단계는 평소 미뤄 두고 있던 작은 버그나 기능 추가를 자연어로 시켜 보는 것. 그 한 사이클을 끝내면 Claude Code의 진짜 매력이 손에 잡힌다.

    관련 글

    출처