Grammarly / ai-tools

From Idea to Demo in Two Days: Inside Superhuman’s 2025 Global Hackathon (새 탭에서 열림)

Superhuman은 2025년 해커톤을 통해 엔지니어링, 제품, 디자인, 마케팅 등 전 직군이 협업하여 AI 기술을 실제 제품 워크플로우에 어떻게 녹여낼 수 있는지를 탐구했습니다. 참가자들은 Claude Code와 Cursor 같은 최신 AI 도구를 적극 활용해 단 이틀 만에 고도화된 MVP를 구축했으며, 이는 AI 에이전트 시대에 걸맞은 새로운 사용자 경험(UX)과 데이터 활용 방식의 가능성을 입증했습니다. 특히 이번 행사는 기술적 장벽을 넘어 비개발 직군까지 제작 과정에 참여함으로써 AI가 주도하는 '제작의 민주화'를 실현했다는 점에서 큰 의미가 있습니다. ### 모든 곳에서의 Superhuman 커맨드(SCE) * Superhuman Mail의 핵심인 '커맨드 센터' 기능을 브라우저 전체로 확장하여, 이메일뿐만 아니라 Grammarly 등 다양한 도구의 기능을 단축키로 제어할 수 있게 합니다. * 사용자는 마우스 없이 키보드만으로 Grammarly의 교정 제안을 수락(E)하거나 거절(D)하고, 'J'와 'K' 키로 카드 사이를 이동하며 작업을 완수할 수 있는 워크플로우를 제공합니다. * 프론트엔드 개발 경험이 부족한 팀원들도 AI를 활용한 이른바 '바이브 코딩(vibe-coding)'을 통해 단 몇 시간 만에 복잡한 통합 기능을 구현해냈으며, 이는 키보드 중심의 새로운 AI 인터페이스 패러다임을 제시했습니다. ### Coda 내 화이트보드 및 AI 다이어그램 * Coda 문서 내에서 직접 브레인스토밍과 다이어그램 작성을 할 수 있는 화이트보드 기능을 구축하여, 문서 작업과 시각적 협업의 단절을 해소했습니다. * 사용자가 텍스트로 원하는 내용을 설명하면 AI가 이를 즉시 편집 가능한 형태의 다이어그램으로 생성해 주는 기능이 포함되어 있습니다. * 개발 배경이 없는 고객 성공 매니저(CSM)가 Claude Code와 Cursor를 활용해 독자적으로 MVP를 완성했으며, 기능 확장보다는 실제 사용자가 느끼는 UX의 부드러움과 직관성을 최우선으로 정교화했습니다. ### 데이터 통합을 통한 Superhuman Listening * Salesforce, Gong, Zendesk 등 여러 채널에 흩어진 파편화되고 구조화되지 않은 고객 피드백을 하나의 '진실 공급원(Single Source of Truth)'으로 통합하는 프로젝트입니다. * LLM API를 호출하여 고객 지원 티켓에서 긴급도와 감정을 추출하고, 이를 Coda 기반의 제품 로드맵과 연동하여 특정 기능에 대한 고객의 니즈를 정량적으로 파악합니다. * 13명의 다학제 팀이 협업하여 데이터의 노이즈를 제거하고 유의미한 제품 피드백 신호만을 포착하는 모델링 검증에 집중했습니다. ### 포용적 언어 에이전트(Inclusive Language Agent) * 업무 소통 중 무의식적으로 발생할 수 있는 편향되거나 비포용적인 표현을 감지하고, 더 나은 대안을 제안하는 언어 교정 도구입니다. * 언어학자들이 주도하여 단어 선택이 기업 문화와 고객 신뢰에 미치는 영향을 분석하고, AI가 조직 내 신뢰와 기회의 평등을 강화할 수 있도록 설계했습니다. 이번 해커톤의 결과물들은 AI 도구가 단순한 보조를 넘어 개발 생산성을 비약적으로 높이고, 사용자 인터페이스(UI)를 키보드 중심으로 재편할 수 있음을 보여줍니다. 특히 비개발자가 AI의 도움을 받아 복잡한 기능을 직접 구현한 사례는, 향후 제품 개발 프로세스에서 직군 간 경계가 허물어지고 창의적인 아이디어의 실현 속도가 더욱 빨라질 것임을 시사합니다.

Agentic AI vs. generative AI: What’s the Difference and When to Use Each (새 탭에서 열림)

생성형 AI(Generative AI)가 사용자의 프롬프트에 따라 콘텐츠를 제작하는 수준을 넘어, 이제는 스스로 계획하고 행동하는 에이전틱 AI(Agentic AI)로 진화하고 있습니다. 생성형 AI는 아이디어 구상과 초안 작성을 담당하고 에이전틱 AI는 복잡한 다단계 업무를 자율적으로 실행함으로써, 두 기술의 결합은 단순한 결과물 생성을 넘어 실질적인 업무의 완결을 가능하게 합니다. 사용자는 이제 AI를 단순한 답변 도구가 아닌, 목표 달성을 위해 함께 협력하는 자율적인 파트너로 활용할 수 있습니다. ## 생성형 AI와 에이전틱 AI의 핵심 차이 * **역할의 정의**: 생성형 AI는 텍스트, 이미지, 코드 등 새로운 콘텐츠를 만드는 '제작'에 집중하는 반면, 에이전틱 AI는 설정된 목표를 달성하기 위해 스스로 계획을 세우고 실행하는 '행동'에 초점을 맞춥니다. * **자율성의 정도**: 생성형 AI는 사용자의 개별 프롬프트에 즉각 응답하는 수동적 비서와 같으나, 에이전틱 AI는 최소한의 지침만으로 의사결정을 내리고 도구를 사용하며 작업을 완수하는 능동적인 대리인 역할을 수행합니다. * **업무의 범위**: 생성형 AI가 이메일 작성이나 요약 같은 단발성 작업에 강점이 있다면, 에이전틱 AI는 프로젝트 관리나 다단계 연구와 같이 복잡한 워크플로우를 처리하는 데 적합합니다. ## 기술적 작동 원리의 차별점 * **생성형 AI의 토큰 예측**: 대규모 언어 모델(LLM)을 기반으로 다음에 올 가장 확률 높은 토큰(단어 조각)이나 픽셀을 예측하여 새로운 시퀀스를 생성합니다. * **에이전틱 AI의 자율 루프**: '인식(Perceive) - 계획(Plan) - 실행(Act) - 학습(Learn)'으로 이어지는 순환 구조를 따릅니다. 정보를 수집해 계획을 세우고, 앱과 도구를 활용해 실행한 뒤, 결과를 평가하여 다음 단계를 조정합니다. * **피드백 적응력**: 생성형 AI는 입력값에 고정된 결과를 내놓는 경향이 있지만, 에이전틱 AI는 업무 수행 과정에서 발생하는 변수에 맞춰 스스로 전략을 수정하며 목표에 접근합니다. ## 실무 적용 사례와 시너지 * **콘텐츠 생성 활용**: 생성형 AI를 통해 거친 아이디어를 정교한 보고서로 다듬거나, 메모를 기반으로 퀴즈나 스크립트 등 새로운 형식의 자료를 신속하게 제작할 수 있습니다. * **행동 중심의 워크플로우**: 에이전틱 AI는 회의 노트를 바탕으로 프로젝트 일정을 짜고, 담당자를 배정하며, 마감 기한을 추적하고 후속 이메일을 자동으로 발송하는 등의 실질적인 행정 업무를 처리합니다. * **엔드투엔드(End-to-End) 자동화**: 두 AI를 결합하면 생성형 AI가 콘텐츠 초안을 만들고, 에이전틱 AI가 이를 적절한 채널에 배포하고 피드백을 수집하여 관리하는 전체 프로세스의 자동화가 가능해집니다. 결론적으로 사용자는 단순한 '출력물(Output)' 생성에 만족하지 말고 '결과(Results)'를 도출하는 방향으로 AI 활용 전략을 수정해야 합니다. 복잡한 조정 및 관리 업무는 에이전틱 AI에게 맡기고, 인간은 창의적인 전략 수립과 최종 의사결정에 집중함으로써 업무 생산성을 극대화할 수 있습니다. 이미 많은 도구가 이러한 기능을 통합하고 있으므로, 기술적 전문 지식이 없더라도 적극적으로 이러한 자율적 기능을 업무 프로세스에 도입해 보는 것을 추천합니다.