이번 주 AI 생산성 도구의 흐름이 바뀐다. 주요 플랫폼들이 서비스 간 결합도를 높이는 동시에, 개인용 기기에서 AI를 직접 구동하는 로컬 컴퓨팅 방식을 강화하고 있다. 이제는 단순한 기능 추가를 넘어 AI가 일하는 방식 자체를 재설계하는 단계다.

구글 Workspace에서는 문서 편집과 공유 권한 관리를 통합해 작업 동선을 줄였다. 데스크톱 환경의 메시징 기능 역시 플러그인을 통해 한층 확장됐다. 개발자들에게는 Quinn 3.827B 모델의 등장이 핵심이다. 고가의 서버 장비 없이 일반 소비자용 PC에서도 고성능 AI를 구동할 수 있는 길이 열렸기 때문이다.

AI 생태계의 관심은 이제 정보의 체계적 정리와 복잡한 업무 수행으로 옮겨가고 있다. Perplexity가 선보인 지식 위키 'Brain'과 Slack 내에서 구현된 자율형 코딩 작업 흐름(agentic coding workflows)이 대표적이다. 도구가 스스로 판단하고 움직이는 시대가 오고 있다.

글로벌 패권 경쟁도 치열하다. Tencent의 플래그십 모델들이 성능 시험에 돌입하며 기존 시장 지배자들을 정조준하고 있다. 다만 확장의 속도만큼 '인간의 통제'라는 숙제도 무거워졌다. 자동화된 프로세스에서 책임 소재를 명확히 하고 효율을 높이려면, 결국 사람이 개입해 검토하고 수정하는 반복적 팀 구조가 필수적이다.

이번 브리프에서는 코드 저장소 색인(codebase indexing) 확장부터 차세대 모델 출시 전략까지, AI 산업의 최신 변화를 짚어본다.

01ChatGPT, 구글 문서 직접 수정하며 '파일 교체' 번거로움 없앴다

ChatGPT가 구글 워크스페이스(구글 Workspace)와 직접 연동되면서 전문 문서 작업 환경이 획기적으로 편리해졌다. 이제 사용자는 탭을 옮겨 다닐 필요 없이 ChatGPT 라이브러리 내에서 구글 드라이브 파일을 바로 불러올 수 있다. 핵심은 기존 구글 문서를 그 자리에서 즉시 수정한다는 점이다. 원본을 지우고 새 버전을 생성하는 클로드(클로드) 방식과는 완전히 다르다. 단순한 파일 교체 도구가 아니라, 살아있는 문서 속의 협업 파트너로 진화했다.

문서 편집을 넘어, 오픈AI는 ChatGPT와 Codeex에 '컴퓨터 기록(computer history)' 기능을 도입했다. 슬랙(Slack), 크롬(Chrome), VS Code 같은 도구에서 사용자가 어떤 작업을 했는지 타임라인으로 기록해 업무 패턴을 기억하는 방식이다. 사용자가 최근 상황을 일일이 설명하지 않아도 AI가 맥락을 스스로 파악해 더 정확한 답변을 내놓는다. 맥락 파악의 자동화다.

하지만 완전히 자율적으로 행동하는 AI 에이전트(autonomous AI agents)로 가는 길에는 여전히 조직 지식 활용이라는 장벽이 있다. MCP 같은 데이터 연결 도구가 깃허브(GitHub)나 리니어(Linear)의 정보를 가져올 수는 있지만, 정제되지 않은 원시 데이터가 AI의 처리 메모리를 가득 채우는 문제가 발생한다. 인간의 대화 속에 녹아있는 미묘한 맥락을 읽지 못해 엉뚱한 제안을 하는 경우도 잦다. 결국 AI가 스스로 오류라고 인지하지 못하는 '조용한 실패(silent failures)'를 막기 위해 인간 엔지니어가 최종 감시자 역할을 수행해야 한다. 데이터에 접근하는 것과 실제 업무를 이해하는 것 사이에는 여전히 큰 간극이 존재한다.

02ChatGPT — 메시지 앱 안 켜고 요약부터 전송까지 한 번에

이제 Mac 사용자는 AI 작업 공간을 벗어나지 않고도 개인적, 업무적 소통을 모두 처리할 수 있다. 오픈AI가 ChatGPT에 Apple Messages 플러그인을 도입하며 AI 비서를 통합 커뮤니케이션 허브로 탈바꿈시켰다. 앱을 오가는 번거로움이 사라졌다. AI가 메시지 작성과 전송이라는 실제 행위에 직접 개입하며 업무 흐름(workflow)이 훨씬 매끄러워졌다.

이번 플러그인의 핵심은 Apple Messages 생태계와의 깊은 결합이다. 가장 큰 이점은 방대한 대화 기록 속에서 특정 정보를 빠르게 찾거나, 길게 이어진 복잡한 대화의 맥락을 즉시 파악하는 능력이다. 수백 개의 메시지를 일일이 읽어 내려갈 필요가 없다. AI가 현재 대화 상태를 요약해 놓치고 있던 내용을 빠르게 짚어준다. 단순한 분석을 넘어 실제 소통까지 책임진다. ChatGPT 인터페이스 내에서 정제된 답장을 작성하고 즉시 전송할 수 있다. AI의 역할이 단순한 '초안 작성기'에서 '능동적인 소통 주체'로 격상된 셈이다.

해당 기능은 Mac용 ChatGPT 데스크톱 앱과 ChatGPT work 사용자라면 누구나 설치해 사용할 수 있다. 오픈AI는 AI를 운영체제(OS) 기본 도구 위에 얹힌 하나의 계층(layer)으로 만드는 전략을 취하고 있다. 개인적인 대화에서 얻은 정보를 조합해 즉시 외부 메시지로 내보낼 수 있으며, 더 이상 번거로운 복사-붙여넣기 과정은 필요 없다. 디지털 소통 관리 방식이 완전히 간소화됐다. 이제 AI는 데스크톱에서 사회적, 업무적 관계를 유지하는 가장 실용적인 도구가 됐다.

03내 노트북에서 AI가 돌아간다면? 데이터 유출 걱정 없을까?

고성능 AI의 중심이 기업 데이터 센터에서 개인 하드웨어로 옮겨가고 있다. 이제 사용자는 인터넷 연결 없이도 강력한 모델을 오프라인으로 실행할 수 있다. Quinn 3.827B는 공개 가중치(open-weight) 모델로, 내부 파라미터를 누구나 다운로드해 소비자용 그래픽 카드에서 구동할 수 있게 설계했다. 2.4조 개의 파라미터를 가진 Quinn 3.82.4T 같은 거대 모델은 로컬 실행이 불가능하다는 점과 극명히 대비된다. 파라미터를 270억 개로 최적화한 덕분에 노트북에서도 고성능 AI를 호스팅할 수 있게 됐다. 데이터 프라이버시를 완벽하게 보장하며 인터넷 연결의 제약도 사라졌다. 이제 AI는 서버가 아니라 내 책상 위에 있다.

성능 면에서 Quinn 3.8은 지능 지수 52점을 기록했다. GPT 5.6 6 Luna Max, Deepseek V4, 제미나이 3.7 Flash 같은 최상위 클라우드 모델보다는 약간 낮다. 하지만 결정적인 차이가 있다. 이 모델들은 일반 사용자 GPU에서 돌아가지 않는다. Quinn 3.827B를 쓰려면 24~32GB의 비디오 메모리(VRAM)가 필요하다. M 시리즈 칩의 통합 메모리 구조를 가진 Mac Studio나 엔비디아 5090 같은 고성능 그래픽 카드를 쓰는 사용자라면 충분히 가능하다. 성능의 미세한 차이보다 실행 환경의 자유가 더 크다.

실제 구동을 위해 사용자는 LM Studio 같은 도구를 활용한다. 여기서 양자화(quantization), 즉 모델의 정밀도를 낮춰 하드웨어 한계 내에 맞추는 방식으로 메모리 사용량을 조절한다. GPU 성능이 받쳐준다면 8비트 무검열 버전을 실행하는 식이다. 나아가 LM Studio에서 돌아가는 모델을 감지하는 자동화 계층인 Hermes와 연동할 수 있다. 이를 통해 내 하드웨어에서만 작동하는 복잡한 다단계 작업 흐름(workflow)을 구현할 수 있다. 최상위 수준의 지능과 로컬 배포의 보안성을 동시에 잡은 셈이다.

04AI가 1만 달러 벌어도 책임은 인간의 몫

자동화 시스템이 치명적인 실수를 저질렀을 때, 기계는 책임을 지거나 화가 난 고객에게 진심 어린 설명을 할 수 없다. AI가 복잡한 업무를 수행하는 효율성은 극대화됐지만, 스스로 결과를 책임지는 '책임감(ownership)'이라는 근본적인 능력은 없다. 예를 들어 AI가 환불 처리를 잘못하거나 소프트웨어 버그로 고객 데이터를 유출해도, 모델이 그 실패에 대해 책임을 질 수는 없다. 이런 고위험 상황에서는 결국 사람이 개입해 결정을 내리고 정당한 근거를 제시해야 한다. 책임의 소재를 명확히 하는 유일한 방법이다.

AI가 자율적으로 금융 역할을 수행하면서 인간의 감독은 더욱 절실해졌다. 2025년까지만 해도 제미나이 2.5 Pro가 수익을 0달러로 기록하는 등 시뮬레이션 환경에서 수익을 내는 것이 거의 불가능했다. 하지만 2026년에 들어서며 상황이 급변했다. 이제 AI는 예산을 관리하고, 인터넷에서 제품을 구매하며, 가격을 설정하고 비용을 지불하는 동시에 파산을 피하기 위해 분투하는 임무를 맡는다. 최근 성능 데이터에 따르면 클로드 Opus 5는 11,000달러 이상의 수익을 올렸고, GPT 5.6 Sol과 Grok 4.6 6는 각각 9,600달러와 9,000달러 이상의 수익을 기록했다.

이러한 진화는 AI를 인력의 생산성을 폭발적으로 높이는 '전력 증강 도구(force multiplier)'로 바꿨다. 직원 한 명이 내는 성과가 비약적으로 늘어난 것이다. 하지만 구매부터 가격 책정까지 비즈니스 전 과정을 AI가 처리하게 되면서 대규모 오류가 발생할 위험도 함께 커졌다. AI가 금융 전략을 실행할 수 있다고 해서, 그 전략이 불러올 법적·윤리적 결과까지 관리할 수 있다는 뜻은 아니다. 모델은 인간처럼 법적 책임을 질 수 없다. AI가 얼마나 많은 돈을 벌고 얼마나 효율적으로 작동하든, 책임 소재를 유지하기 위한 유일한 안전장치는 결국 인간의 개입뿐이다.

05Tencent의 승부수, 클로드 Opus 5와 맞붙는 전문가 AI

Tencent가 글로벌 최상위 AI 모델들과 정면 승부를 벌이기 위해 역량을 집중하고 있다. 현재 테스트 중인 플래그십 모델 HY3와 HY4의 목표는 명확하다. 클로드 Opus 5 같은 최정상급 시스템을 넘어서는 것이다. 이는 중국 AI 연구소들의 급격한 성장세와 궤를 같이하며, 시장의 판도를 바꾸려는 움직임이다. 단순한 업데이트가 아닌, 지능의 도약을 노린다.

특히 HY4는 단순한 채팅을 넘어 고난도 과업을 수행하는 '전문가 수준'의 시스템을 지향한다. Tencent 앱 내부 테스트 결과, HY4는 H53이나 Deepseek보다 상위 모델로 배치됐다. 성능을 끌어올리기 위해 정보 처리 능력을 결정하는 매개변수(parameter) 규모를 대폭 키웠다. 여기에 시각 정보와 텍스트를 동시에 처리하는 멀티모달(multimodal) 기능을 통합해 작업 흐름(workflow)을 하나로 합쳤다. 복잡한 지시 사항과 이미지 데이터를 동시에 분석해야 하는 사용자에게는 강력한 무기가 된다.

HY4와 동시에 개발 중인 HY3 역시 클로드 Opus 5에 대적할 성능을 갖췄다. 두 모델을 동시에 밀어붙이는 전략은 고성능 AI 시장을 빠르게 점유하겠다는 Tencent의 계산이다. 일반 사용자와 기업 입장에서는 고도화된 추론 도구를 더 빨리 접할 수 있게 된다. 이제 승부는 단순한 기술 지표를 넘어선다. 전문가의 창의적 업무를 누가 더 완벽하게 보조하느냐를 두고 생태계 전쟁이 시작됐다.

06Perplexity Brain: AI 대화 기록을 나만의 지식 지도로

Perplexity가 'Brain'이라는 새로운 도구를 선보였다. 사용자가 정보를 체계적으로 관리할 수 있는 지식 기반 위키 서비스다. 이는 AI와의 상호작용 방식이 단순한 질의응답에서 개인 정보 관리 시스템으로 옮겨갔음을 의미한다. 이른바 '제2의 뇌' 역할을 수행하며, 사용자는 자신의 기억과 연구 내용을 한곳에 모아 정리할 수 있다. 방대한 대화 기록 속에 묻혀 사라지던 통찰을 구조화된 형태로 보존하는 것이 핵심이다.

Brain은 개념 간의 관계를 중심으로 데이터를 저장하는 지식 그래프(knowledge graph) 방식을 채택했다. 네트워크형 노트 작성 도구인 Obsidian과 유사한 체계다. 정보를 딱딱한 폴더나 선형 리스트에 가두지 않고, 정보와 정보 사이의 연결 고리를 그려내어 시각화한다. 이는 Andre Karpathy가 제안한 위키 개념에서 영감을 얻은 설계로, 복잡한 데이터를 더 직관적이고 유연하게 관리하도록 돕는다. 정보를 폴더에 가두지 않고 연결 고리를 그려낸다.

이번 기능 도입으로 심층 연구나 전문 지식을 관리하는 업무 흐름(workflow)의 근간이 바뀐다. 매번 새로운 대화를 시작하는 일회성 세션에서 벗어나, AI가 참조하고 정리할 수 있는 누적 라이브러리를 구축하게 된다. 단순한 데이터 수집과 실제 지식 합성 사이의 간극을 메우는 개인 위키 시스템을 구현한 셈이다. 이제 AI는 일시적인 비서가 아니라, 사용자의 생각과 발견을 잇는 장기적인 지적 파트너로 자리 잡는다.

07인터넷의 35%가 AI 작품 — 사람이 사라진 웹의 습격

디지털 환경이 근본적으로 변하고 있다. 사람이 쓴 글보다 인공지능이 만든 콘텐츠가 더 많아지는 추세다. 일반 사용자 입장에서 보면, 매일 검색하며 접하는 기사나 블로그, 정보성 페이지 중 상당수가 더 이상 인간의 사고 결과물이 아니라 거대언어모델(LLM)의 출력물이라는 뜻이다. 이런 변화는 온라인 정보 탐색의 본질을 바꾼다. 진정한 인간의 유용성보다는 검색 엔진 최적화(SEO)에 맞춘 콘텐츠가 웹을 뒤덮으면서, 진짜 사람의 관점을 찾기는 점점 더 어려워진다. 진짜 사람의 관점은 이제 희귀 자원이 됐다.

최근 퓨(Pew) 연구소의 조사는 이 변화의 규모를 명확히 보여준다. 현재 인터넷 전체 웹사이트의 약 10%가 AI로 생성됐다. 이 수치만으로도 상당하지만, 최신 콘텐츠로 갈수록 속도는 더 빠르다. ChatGPT 출시 이후 생성된 페이지들만 따로 떼어 보면 그 비중은 35%까지 치솟는다. 전 세계 웹에 새로 추가되는 페이지 3곳 중 1곳 이상이 인공지능의 작품이라는 의미다. AI는 이제 작가를 돕는 도구를 넘어, 웹페이지의 주된 생산자로 자리 잡았다.

이 통계는 오랫동안 회자된 '죽은 인터넷 이론(dead internet theory)'의 실체적 증거다. AI가 만든 콘텐츠가 인터넷을 지배하고, 봇이 만든 내용을 다른 봇이 수집하는 피드백 루프가 형성되면서 웹에서 인간의 흔적이 지워진다는 가설이다. AI 생성 페이지가 예외가 아닌 표준이 되면서, 인간의 담론과 자동화된 출력물 사이의 경계는 계속 흐릿해진다. 결국 인터넷은 인간의 선별(curation)보다 알고리즘의 효율성이 우선시되는 공간으로 진화하고 있다. 정보의 생산과 소비 방식이 뿌리째 바뀌는 중이다. 이제 사용자는 자신이 믿는 정보의 출처가 어디인지 스스로 판별해야 하는 무거운 짐을 지게 됐다.

08리스트 하나로 시작하는 사업 — 방문자를 모아 수익 모델로 연결하는 전략

신규 사업이 실패하는 가장 큰 이유는 아무도 모른다는 점이다. 하지만 특정 주제의 자원이나 제품을 모아놓은 큐레이션 리스트(directory)를 만들면 상황이 달라진다. 관심 있는 타겟층을 자연스럽게 끌어들일 수 있기 때문이다. 월 방문자가 수천 명 단위로 늘어나면, 이 리스트는 단순한 정보 저장소를 넘어 성장을 위한 강력한 기반이 된다. 핵심은 리스트 자체가 아니라 지속적으로 유입되는 타겟 방문자다. 이들을 더 복잡하고 수익성 높은 사업으로 연결하는 것이 진짜 전략이다.

이미 확보한 방문자 층이 있다면 제로 베이스에서 시작하는 리스크 없이 다양한 사업 모델을 실험할 수 있다. 예를 들어, 기존 방문자를 활용해 쇼피파이(Shopify) 스토어를 열어 실물 제품을 팔거나, 특정 분야의 뉴스레터를 발행해 고객과 더 깊은 관계를 맺는 식이다. 더 큰 확장을 원한다면 구독형 소프트웨어(SaaS)나 전용 모바일 앱을 출시하는 발판으로 삼을 수도 있다. 타겟 고객이 이미 한곳에 모여 있기 때문에, 새로운 제품을 위한 고객 획득 비용을 획기적으로 낮출 수 있다.

이 전략은 틈새 시장(niche)에서 가장 강력하다. 파티용 보드게임만 모아놓은 리스트를 예로 들어보자. 큐레이션된 리스트로 즉각적인 가치를 제공하면 열성적인 취미가들이 모여든다. 이렇게 모인 집단은 파티 게임 전문 뉴스레터의 완벽한 타겟이 된다. 막연하게 광범위한 매체를 만드는 대신, 리스트를 통해 사용자가 진짜 원하는 것이 무엇인지 정확히 파악하는 것이다. 결국 사업 확장이 실제 시장 수요와 일치하게 된다. 단순한 리스트 하나가 다각화된 비즈니스 생태계로 진화하는 과정이다.

09앤스로픽의 Fable 5.1, 왜 오픈AI Astra 뒤에 나오려 할까?

AI 패권 경쟁의 핵심은 이제 단순한 기술력이 아니라 전략적 타이밍이다. 앤스로픽은 Fable 5.1 모델의 출시를 의도적으로 늦추고 있다. 오픈AI가 Astra 시스템을 공식 출시할 때까지 기다리겠다는 계산이다. 경쟁사의 대형 발표에 묻히지 않고 시장 진입 순서를 정교하게 짜겠다는 전략이다. 속도보다 순서가 중요하다.

출시 일정은 매우 촉박하다. Astra가 9월 출시될 것으로 예상되면서 두 모델의 출시 간격은 매우 좁아질 것이다. 일반 사용자 입장에서는 단기간에 고성능 AI 기능들이 시장에 쏟아지는 상황을 맞게 된다. 업계 리더 두 곳이 플래그십 업데이트를 거의 동시에 내놓으면, 개발자와 기업 고객을 잡기 위해 서로의 기능을 앞지르려는 극한의 업데이트 사이클이 시작된다. 성능 경쟁의 정점이다.

앤스로픽의 이번 전략적 일시정지는 현재 AI 시장의 변동성을 그대로 보여준다. Astra 출시가 마무리된 시점에 Fable 5.1을 내놓아야 오픈AI의 대항마 혹은 더 우월한 대안으로 확실히 각인될 수 있다. 업데이트 한 번에 업계 표준이 바뀌는 시장에서 실행 순서는 결정적이다. Astra의 초기 화제성에 묻히지 않고, 현재 시장 상황에 가장 적합한 가치를 제안해 최대의 주목도를 확보하겠다는 계산이다. 타이밍이 곧 제품의 가치가 된다.

10코그니션의 코드 분석 도구 딥위키, AI를 넘어 개발자 필수품으로

코그니션(Cognition)은 AI 에이전트가 복잡한 소프트웨어 프로젝트의 전체 구조를 파악하는 방식을 근본적으로 바꾸고 있다. 이를 위해 개발한 딥위키(DeepWiki)는 코드베이스의 전체적인 맥락과 아키텍처를 거시적 관점에서 이해하도록 돕는 도구다. 기존 시스템이 개별 코드 조각을 분석하는 데 그쳤다면, 딥위키는 프로젝트 내부의 복잡한 관계망을 파악한다. 이는 AI가 방대한 시스템을 탐색할 때 개별 파일의 세부 사항에 매몰되지 않고 전체적인 흐름을 놓치지 않게 만드는 핵심 전제 조건이다.

이러한 도구의 진정한 가치는 아스크 데빈(Ask Devin)의 탄생 과정에서 증명된다. 딥위키와 아스크 데빈은 원래 코그니션의 핵심 AI 에이전트 성능을 높이기 위한 내부 자산으로 설계되었다. 코그니션은 수백만 개의 저장소를 색인화하여 AI에게 소프트웨어 생태계의 상세 지도를 제공했고, 이를 통해 AI는 서로 다른 코드베이스를 넘나들며 고도화된 추론을 수행할 수 있게 되었다. 이처럼 내부에서 먼저 검증을 거치는 방식은 AI 에이전트가 인간용 제품으로 출시되기 전 충분한 실전 테스트를 거치도록 보장했다. 시스템이 AI의 거시적 이해도를 높이는 데 효과적이라는 사실이 입증되자, 코그니션은 이를 신규 개발자가 프로젝트에 빠르게 적응하도록 돕는 온보딩(onboarding) 과정이나 복잡한 질의응답 작업에 활용하기 시작했다.

오늘날 딥위키는 개발자가 오픈소스 소프트웨어를 다루는 방식을 간소화하는 대중적인 플랫폼으로 진화했다. 사용자는 방대한 오픈소스 저장소를 기반으로 직접 코드베이스 문서를 생성할 수 있으며, 새로운 프로젝트를 학습할 때 겪는 진입 장벽이 크게 낮아졌다. 사용자 경험은 극도로 효율적이다. 개발자는 브라우저 주소창에서 'GitHub'이라는 단어만 'DeepWiki'로 바꾸면 즉시 해당 저장소를 탐색할 수 있다. 코그니션은 AI 에이전트를 위해 만든 특수 도구를 인간과 기계 모두가 현대 소프트웨어 아키텍처의 복잡성을 해결하는 범용 도구로 탈바꿈시켰다.

11AI 에이전트 팀의 역설 — 머릿수 늘리면 품질은 떨어진다

AI 에이전트를 무작정 많이 배치하면 'AI 슬롭(AI slop)', 즉 창의성 없는 반복적이고 뻔한 결과물만 쏟아진다. 비용을 낮추고 효율을 높이려면 처음부터 전문 봇 군단을 투입하는 대신, 팀 규모를 단계적으로 확장하는 전략이 필요하다. 우선 비서실장(Chief of Staff)이나 운영 책임자(COO) 같은 범용 에이전트 하나를 완벽하게 만드는 것부터 시작한다. 이 중심 에이전트가 일관되게 고품질 결과물을 내놓을 때 비로소 특정 업무를 수행할 전문 에이전트를 추가할 자격이 생긴다. 양보다 체계가 우선이다.

소수 정예 팀을 유지해야 AI 자원을 핵심적인 고부가가치 업무에만 집중시킬 수 있다. 모든 작업마다 봇을 만드는 것이 아니라, 비서실장 에이전트가 관리하는 소수의 고성능 에이전트 체제를 구축하는 것이 핵심이다. 이런 계층 구조는 모든 작업이 엄격한 품질 기준을 통과하게 만들며, 불필요한 에이전트로 인해 작업 흐름(workflow)이 비대해지는 것을 막는다. 어중간한 성능의 에이전트 떼를 관리하며 혼란을 겪느니, 소수 정예의 숙련도를 높이는 것이 훨씬 효율적이다. 관리 비용이 성능을 갉아먹기 때문이다.

이 중심 에이전트의 유일한 목적은 다른 에이전트가 실행할 신선한 프롬프트와 방향성을 제시해 창의성을 끌어올리는 것이다. 아이디어 구상 단계와 실행 단계를 분리하면, 단순 AI 자동화에서 흔히 발생하는 기계적인 반복 루프를 피할 수 있다. 덕분에 사람이 일일이 개입하지 않고도 결과물의 다양성과 창의성을 유지할 수 있으며, 최종 결과물은 목적이 분명하고 매력적인 상태로 완성된다. 생각하는 AI와 실행하는 AI를 나눠야 한다.

12Salesforce: 코딩을 개인 작업에서 팀 채팅으로 옮긴 자율형 AI

Salesforce가 소프트웨어 개발 방식을 완전히 바꾼다. 자율형 AI(AI agent)를 팀원처럼 활용하는 코딩 환경을 Slack 워크스페이스에 직접 구현했다. 이제 코딩은 개인 PC에서 홀로 수행하는 작업이 아니라, 여러 명이 함께 참여하는 '멀티플레이어' 경험으로 진화한다. 'Slack code'라는 신기능을 통해 팀원들은 평소 쓰던 채팅 채널에서 AI 코딩 에이전트와 소통하며 코드를 짜고 검토할 수 있다. 고립된 개별 작업의 시대가 끝났다.

Slack code는 AI 에이전트를 Slack 내부에서 직접 구동하지 않는다. 대신 Codeex나 클로드 코드 같은 기존의 AI 구동 프레임워크(agent harness)를 연결해 활용하는 방식을 택했다. 특정 애플리케이션을 태그하면 AI 에이전트가 활동하는 전용 채널이 자동으로 생성된다. 개발자는 익숙한 채팅창을 떠나지 않고도 AI와 대화하며 복잡한 코딩 업무를 처리할 수 있다. 강력한 외부 개발 도구와 일상적인 소통 창구 사이의 간극을 없앤 셈이다.

협업 능력은 Hyper Agent 플랫폼을 통해 한 단계 더 확장된다. OpenClaw, Hermes, 클로드 코드 같은 로컬 설정은 팀 단위로 조율하기 어렵지만, Hyper Agent는 특정 역할에 특화된 자율형 AI를 만들어 팀 전체와 공유할 수 있게 한다. 이 에이전트들은 서로 협력할 뿐만 아니라 여러 명의 인간 동료와도 동시에 소통하도록 설계됐다. Hyper Agent 앱이나 Slack 메시지를 통해 접속하는 이 공유 에이전트들은 사실상 '디지털 동료'로 작동한다. 기업 전체에 전문적인 AI 역량을 즉시 배치할 수 있는 구조다.