ai-tools

아이디어에서 데모까지 이 (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.

에이전틱 AI vs (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.

더블 클릭: 효율성이 (새 탭에서 열림)

생성형 AI의 발전으로 아이디어를 즉시 구현할 수 있는 'Just do things(일단 실행하기)'의 시대가 열렸지만, 기술적 가능성이 곧 올바른 실행을 보장하는 것은 아닙니다. 이 글은 속도에만 치중한 무분별한 개발이 초래할 기술 부채를 경고하며, AI 시대일수록 인간의 의도적인 설계와 비판적 사고가 핵심적인 경쟁력이 된다는 결론을 제시합니다. **AI 기반 도구가 가져온 실행의 가속화** * Cursor, v0, Replit과 같은 AI 에이전트와 코드 생성 도구의 등장으로 복잡한 보일러플레이트 코드 작성이나 인프라 설정의 진입장벽이 획기적으로 낮아졌습니다. * 과거에는 며칠이 걸리던 프로토타이핑 작업이 이제는 몇 분 만에 가능해지면서, 아이디어를 즉각적인 결과물로 전환하는 '실행의 시대'가 도래했습니다. * 이러한 가속화는 초기 가설 검증과 빠른 시장 진입에는 유리하지만, 동시에 깊은 고민 없이 '일단 만드는' 문화를 형성하고 있습니다. **무분별한 생성의 함정과 기술 부채** * AI가 생성한 결과물을 제대로 이해하지 못한 채 수용할 경우, 시스템의 복잡도가 기하급수적으로 증가하며 유지보수가 불가능한 기술 부채가 쌓이게 됩니다. * 단일 기능 단위에서는 완벽해 보이는 코드라도, 전체적인 아키텍처 관점에서의 정합성이 결여되면 결국 시스템 전체의 붕괴를 초래할 수 있습니다. * '할 수 있다(Can)'는 사실이 '해야 한다(Should)'는 가치 판단을 대신할 수 없으며, 불필요한 기능의 과잉 생산은 제품의 본질을 흐릴 위험이 있습니다. **오케스트레이터로서의 엔지니어링 역량** * 이제 엔지니어의 역할은 단순히 코드를 작성하는 '빌더'에서, AI의 결과물을 검증하고 조율하는 '오케스트레이터'로 변화해야 합니다. * 도구가 제공하는 속도에 매몰되지 않기 위해서는 '왜 이 기능이 필요한가'와 '이 구조가 장기적으로 지속 가능한가'에 대한 의도적인 설계(Intentional Design)가 선행되어야 합니다. * 기술적 디테일에 대한 깊은 이해는 여전히 중요하며, 이는 AI가 제안한 해결책 중 최적의 안을 선택하고 오류를 잡아내는 필터링 능력의 근간이 됩니다. **지속 가능한 성장을 위한 제언** AI라는 강력한 엔진을 가졌을 때 가장 중요한 것은 핸들을 잡고 있는 인간의 방향 감각입니다. 도구가 주는 속도를 만끽하되, 모든 결과물에 대해 명확한 목적과 책임감을 갖는 '의도적인 개발' 프로세스를 구축해야 합니다. 기술적 산출물의 양보다 그 산출물이 해결하고자 하는 문제의 본질에 집중할 때, AI는 진정한 생산성 도구로서 가치를 발휘할 수 있습니다.

GitLab Duo 에이전트 (새 탭에서 열림)

GitLab은 개발자가 코드를 작성하는 시간을 넘어 소프트웨어 개발 수명 주기(SDLC) 전반의 혁신 속도를 높이기 위해 'GitLab Duo Agent Platform'의 정식 출시(GA)를 발표했습니다. 이 플랫폼은 단순히 코드를 생성하는 수준을 넘어, 지능적인 오케스트레이션과 에이전트 기반 AI 자동화를 통해 코드 리뷰, 보안 점검, 파이프라인 최적화 등 기존의 병목 구간을 해결하는 데 초점을 맞춥니다. 결과적으로 팀은 인간과 AI의 유기적인 협업을 통해 복잡한 작업을 자율적으로 수행하고 전체 개발 프로세스를 가속화할 수 있습니다. ### AI 패러독스 해결과 통합된 협업 경험 * **AI 패러독스 극복:** 개발자가 코드 작성에 할애하는 시간은 전체의 약 20%에 불과하며, 나머지 80%의 업무에서 발생하는 병목 현상을 해결하기 위해 에이전트 중심의 접근 방식을 도입했습니다. * **통합 UX:** GitLab 웹 UI와 IDE(VS Code, JetBrains, Cursor, Windsurf 등) 전반에서 'Duo Agentic Chat'을 사용할 수 있으며, 이슈, 병합 요청(MR), 파이프라인 활동 내에서 AI와 실시간으로 소통할 수 있습니다. * **상황 맥락 인식:** 단순 응답을 넘어 이슈, 보안 결과물, 파이프라인 상태 등 전체 수명 주기의 맥락을 이해하고 다단계 추론을 통해 정확한 가이드를 제공합니다. ### 지능형 에이전틱 채팅의 주요 기능 * **분석 및 분석:** 웹 UI에서 이슈, 에픽, MR을 생성하거나 요약할 수 있으며, 복잡한 프로젝트 구조와 의존성을 파악하는 데 도움을 줍니다. * **코드 및 인프라 자동화:** 다양한 언어와 프레임워크에 걸쳐 코드, 구성 파일, IaC(Infrastructure-as-Code)를 생성하며 버그 수정 및 아키텍처 현대화를 지원합니다. * **CI/CD 및 보안:** 기존 파이프라인의 문제를 해결하거나 새로 구축하며, 보안 취약점을 설명하고 도달 가능성에 기반해 수정 우선순위를 제안합니다. ### 전문화된 에이전트 시스템 * **기본 에이전트(Foundational Agents):** GitLab 전문가들이 사전 구축한 에이전트로, 업무를 구조화하는 'Planner Agent'와 취약점 영향을 분석하는 'Security Analyst Agent'가 포함됩니다. * **커스텀 에이전트(Custom Agents):** 조직 고유의 표준과 가이드라인을 학습시킨 에이전트를 'AI Catalog'를 통해 관리하고 공유할 수 있습니다. * **외부 에이전트(External Agents):** Anthropic의 Claude Code나 OpenAI의 Codex CLI와 같은 외부 AI 도구를 GitLab 플랫폼 내에서 네이티브하게 연결하여 사용할 수 있습니다. ### 복잡한 업무를 처리하는 자동화 플로우(Flows) * **Issue to MR 플로우:** 잘 정의된 이슈로부터 구조화된 병합 요청(MR)을 자동으로 생성하여 개발 착수 시간을 단축합니다. * **CI/CD 전환 및 수정:** 타 시스템의 파이프라인 구성을 GitLab CI/CD로 현대화하거나, 실패한 파이프라인을 분석하여 변경 사항을 제안합니다. * **코드 리뷰 플로우:** 코드 변경 사항과 댓글을 분석하여 AI 기반의 심층적인 피드백을 제공함으로써 리뷰 프로세스를 간소화합니다. ### 사용 권한 및 새로운 과금 체계 * **GitLab Credits 도입:** 사용량 기반 과금 방식인 'GitLab Credit'을 통해 에이전트 플랫폼을 이용할 수 있습니다. * **구독별 혜택:** Premium 구독자에게는 사용자당 월 $12, Ultimate 구독자에게는 월 $24 상당의 크레딧이 추가 비용 없이 매월 제공됩니다. * **기존 고객 전환:** Duo Pro 또는 Enterprise 사용자는 기존 계약 잔여분을 크레딧으로 전환하여 즉시 에이전트 플랫폼으로 마이그레이션할 수 있습니다. GitLab Duo Agent Platform은 단순한 AI 비서를 넘어 실제 업무를 수행하는 '가상 팀원'을 제공합니다. 조직의 생산성을 높이기 위해서는 먼저 기본 제공되는 Planner 및 Security 에이전트를 활용해보고, 점진적으로 조직 특화된 커스텀 에이전트와 자동화 플로우를 구축하여 개발 전체 사이클의 효율을 극대화할 것을 권장합니다.