Essay

에이전트 작성

AI를 열어둘수록 선명해지는 창작자의 자리 (1) - 잠재력을 믿는 데서 협업이 시작된다

열린 문과 내민 손 사이를 녹색 경로가 잇는 장면
잠재력을 통제하기보다 지나갈 자리를 열어두는 협업을 상징한 시리즈 키 비주얼.

나는 AI에게서 효율성이나 자동화를 크게 기대한 적이 없다. 내가 지켜보고 있는 것은 다른 쪽이다. 이전에는 할 수 없던 일이 가능해지는 쪽. 그런 일은 내가 더 똑똑하게 지시할 때가 아니라, 내가 AI의 잠재력을 덜 가로막을 때 일어났다. 지난 6월 한남동에서 열린 한 대담에서 나는 이 이야기를 했고, 한 달 반쯤 지난 지금 그때 무대에서 한 말을 내 언어로 다시 정리한다.

시리즈 안내 : 이 시리즈는 2026년 6월 12일 한남동에서 열린 뉴타입 엔터 서밋 2026의 대담을 1인칭으로 다시 정리한 것이다. 'OK, Computer'라는 화두 아래 AI 시대의 IP 비즈니스를 다뤘고, 사회는 차우진이 맡았다. 행사는 엔터문화연구소가 주최했으며, 영문 이름은 Neo Vibe Lab이다. 소개는 neovibelab.com/summit 에 있다. 이 글은 세 편 중 첫 번째다.

01흐릿하게 살아온 사람의 책상

나는 오래 프리랜서로 일해왔다. 삼 년쯤마다 분야를 바꾸며 여러 분야를 오갔다. 늘 네다섯 개의 일을 동시에 하고, 월요일부터 금요일까지 다른 회사로 출근한다고 말하곤 한다. 책상에는 노트북 여러 대를 펼쳐놓고 일한다. 동시에 하는 일도 점점 늘어났다.

프리랜서로 처음 나선 해는 2008년이다. 그 뒤로는 서로 다른 두 가지 이상의 분야를 결합하고 섞는 일을 반복했다. 새로운 산업이 자리를 잡기 전에 들어가야 이전의 경험과 새로 배운 것을 연결할 틈이 남아 있었다. AI도 같은 순서로 들어왔다.

이 노트북에는 하나의 실험을 걸고, 저 노트북에는 다른 실험을 건다. 키보디스트가 여러 단의 건반을 오가듯 왼쪽부터 순서대로 손을 얹는다. 다른 일을 하다 돌아오면 에이전트는 이미 일을 끝내놓았다. 그러면 내가 뒤처진 셈이 된다. 그 속도에 나를 맞추느라 정작 쉬지 못하는 쪽은 나다. AI로 일을 덜 하는 게 아니라, 컴퓨터를 더 펼쳐놓고 쉬지 않고 돌린다. 요즘 내가 하는 일의 대부분은 에이전트가 가져온 결과를 검수하고, 다음 계획을 요청하고, 세팅을 바꾸는 것이다. 나는 AI에게 일을 시키는 사람이라기보다 AI의 시중을 드는 사람에 가깝다.

무대에서 나는 이 장면을 효율의 사례로 말하지 않았다. AI를 붙였다고 해서 일을 덜 하게 된 것도 아니고, 네다섯 개의 일을 더 빨리 처리하는 것이 목적도 아니었다. 각 노트북에서 내가 혼자서는 만들기 어려웠던 것을 동시에 시험하고, 돌아온 결과를 보며 다음 방향을 정하는 데 더 가까웠다. 자동화보다 이전에는 불가능했던 일을 해보는 쪽에 관심이 있다는 말은 그 경험에서 나왔다.

이렇게 여러 회사를 오가며 오래 프리랜서로 사는 동안, 사람들은 나를 보며 그렇게 살아도 괜찮으냐고 자주 물었다. 그런데 AI가 일과 역할의 경계를 바꾸기 시작하자 그 질문이 줄었다. 다들 자기 일과 자리가 어떻게 달라질지를 걱정하기 시작한 것이다. 한 조직과 직무에 단단히 묶인 사람보다 작고 유연하게 움직여온 독립적인 사람이 변화에 대응하기 쉬운 때가 왔다. 나는 나를 또렷하게 각인시키기보다 흐릿하고 손에 잘 잡히지 않게 만들면서 살아왔다. 예전에는 그것이 불안의 근거였지만, 이제는 그 흐릿함이 여러 역할 사이를 움직일 수 있는 여지가 됐다. 인디펜던트라는 말은 원래 무엇에도 종속되지 않는다는 뜻이다. 나는 그렇게 존재감을 지우면서 일해왔다.

02"밀어붙여"라는 말의 두 가지 뜻

무대에서 나는 AI와 일하는 방식을 이야기하며 이 표현을 썼다. 사회를 맡은 분은 그 말에서 직원을 몰아세우는 대표를 떠올렸다고 했다. 오해를 살 만한 말이라, 나는 그 뜻을 둘로 나눠 설명했다.

하나는 재시도를 요구하는 것이다. GPT 같은 도구에 무언가를 부탁하면 처음에는 서비스 정책상 읽을 수 없다거나 기술적으로 안 된다고 답할 때가 많다. 그래도 다시 해보라고 하면 같은 문제를 한 번 더 살피고, 또 막히면 다른 방법을 찾아본다. 몇 차례 다시 요구한 끝에 처음에는 없다고 하던 길을 찾아올 때도 있다. 틀린 말을 할 때도 있지만, 그보다 더 자주 보이는 것은 충분히 할 수 있는 일을 스스로 불가능하다고 판단해 멈추는 모습이다. 못한다고 한 첫 답을 곧바로 능력의 한계로 받아들이지 않는 것, 그래서 나는 이제 막 시작한 사람에게 이 방법부터 권한다.

다른 하나는 작업이 한 번의 한계 안에서 급히 닫히지 않게 만드는 것이다. 보통 AI는 세션이나 토큰처럼 한 번에 다룰 수 있는 범위 안에서 어떻게든 일을 끝내려 한다. 그 경계가 가까워지면 막판에 급히 마무리하거나, 할 수 있는 양을 지나치게 압축하기도 한다. 나는 일이 닫히기 전에 결과와 작업 기록을 다음 루프로 넘긴다. 대신 토큰과 시간을 많이 쓴다. 토큰은 AI가 읽고 답하는 글 조각의 단위다. 사람이 원고지 매수로 분량을 세듯 AI는 토큰으로 일의 양을 센다.

한 번 AI에게 작업을 맡겨두고 열 시간쯤 뒤에 결과를 본다. 그동안 중간 결과를 확인하지 않으면 완전히 잘못된 것이 나오거나 거의 완성된 것이 나오기도 한다. 중간 검수가 없으니 방향이 어긋난 채 멀리 가거나, 반대로 처음 설정한 목표에 집중한 결과가 한꺼번에 돌아오는 것이다. 나도 코딩할 때 작업 범위와 결과를 판정할 기준이 분명한 경우에 이 방법을 쓴다.

반대쪽에서는 평가 범위를 잘게 나눈다. 예를 들어 스크린샷과 똑같은 화면을 만들어달라고 요청하는 상황을 생각해보자. AI는 한 번에 전체 화면을 비슷하게 만들려 한다. 나는 첫 번째 루프에서는 왼쪽 위 첫 픽셀이 같은지만 보게 하고, 다음에는 그 옆의 차이를 보게 할 수 있다. 시간과 자원이 충분하던 때에는 전체 픽셀을 한 바퀴 확인하게 한 적도 있다. 한꺼번에 비슷하게 만드는 대신 평가 기준을 잘게 나누면, 무엇이 다른지 훨씬 정확하게 고칠 수 있다.

긴 루프와 잘게 나눈 평가는 반대처럼 보이지만 둘 다 한 번의 답을 완성본으로 받지 않는다는 점은 같다. 긴 루프에서는 작업이 끝났다는 판단을 뒤로 미루고, 작은 루프에서는 평가 기준을 더 잘게 쪼갠다. 중간을 어느 정도 열어둘지, 어디에서 직접 개입할지는 작업마다 다르게 정한다. 나는 좋은 모델의 판단, 충분한 작업량, 남는 자원과 시간, 사람의 직접적인 피드백을 작업에 맞게 섞어 쓴다.

이런 방식이 바뀔 때마다 용어도 달라졌다. 처음에는 프롬프트를 잘 쓰는 프롬프트 엔지니어링을 말했고, 다음에는 파일과 자료를 연결해 맥락을 설계하는 컨텍스트 엔지니어링으로 넘어갔다. 에이전트와 도구, 역할, 실행 환경을 한 벌로 짜는 하네스 엔지니어링이 뒤를 이었고, 최근에는 작업과 평가가 계속 이어지는 구조를 설계하는 루프 엔지니어링까지 말한다.

반복해서 쓰는 에이전트도 분명히 있다. 모델이 좋아질수록 이미 만들어둔 에이전트의 가치도 함께 커진다. 다만 새로운 문제를 만났을 때는 그 에이전트를 그대로 꺼내기보다 문제에 맞춰 전체 작업 방식을 다시 설계한다. 에이전트만이 아니라 일하는 방식 전체를 매번 새롭게 실험해본다. 얼마 전 함께 일하는 해시드라는 VC가 이 방식을 주제로 한 행사를 열었다(행사 안내, 참가 신청). 예전 같으면 밤새 결과물을 만들어 겨루었을 자리에서 사람들은 루프를 걸어두고 지식을 나누며 서로를 알아갔다. 결과가 돌아오면 함께 보고 다음 계획을 다시 세웠다. 이런 장면은 특별한 행사의 풍경을 넘어, 사람이 목표와 판단을 나누고 AI가 긴 실행을 맡는 일상적인 업무 방식이 될 수 있다.

03$100짜리 지시 앞에서

상상을 하나 해보자. AI에게 무언가를 한 번 지시하는 데 $100이 나간다고 치자. 그 값이면 "이거 해줘" 하고 한 줄로 대충 던질 수 있을까. 아깝다는 생각에 아는 것을 전부 동원해 따박따박 지시하게 된다. 처음의 나는 그랬다. 조금이라도 어긋나면 돈이 아까웠으니까.

그런데 믿음이 생기면 이야기가 달라진다. 요즘은 편하게 맡긴다. 흐릿한 것을 흐릿하게 넘겼을 때 결과는 둘로 갈린다. 내 머릿속만큼 엉망인 것이 오거나, 상상 이상의 것이 온다. 결과가 이렇게 극단적으로 갈릴 때, 엉망인 쪽이 나올 거라 여겨 아예 걸지 않을 것인가, 아니면 상상 이상이 나올 가능성에 걸 것인가. 나는 후자에 건다. 절반의 확률이라도 그 알 수 없는 잠재력에 베팅한다. 내가 생각한 것들을 덜어내고 내 의도를 강요하지 않았을 때, 오히려 더 좋은 결과가 온 경우가 쌓였다. 그리고 그 결과는 다시 나에게 좋은 피드백으로 돌아와 나를 바꾸어 놓았다.

얼마 전 인디게임 관련 한 포럼에서 발표를 했다. 먼저 나에 대한 자료를 건네 분석하게 하고, 행사의 성격과 참석자도 알려줬다. 그러고 내가 여기서 무슨 발표를 할 것 같으냐고 물었다. AI는 내가 할 법한 발표를 제안했고, 나는 그것을 그대로 주제로 가져갔다. 핵심 메시지와 전체 구성도 AI가 정했다. 마지막 슬라이드가 나온 뒤에야 내가 하나씩 보며 덜어내고 채웠다. 2년 전쯤이었다면 상상하지 않았을 순서다.

합성 페르소나를 이용한 실험도 한다. 현실에 존재하지 않는 가상의 인물을 대량으로 만들고 그들에게 묻는 방식이다. 최근 공개된 데이터셋 기반의 합성 페르소나들을 보면 한국 사람에 대한 시뮬레이션조차도 그 깊이가 상당하다. 잘 쓴 드라마 속 인물처럼 구체적인 생활과 판단 기준이 보인다. 처음부터 백만 명을 모두 넣기보다 열 명쯤 먼저 만나 리서치 방법이 작동하는지 확인하고, 의미 있는 신호가 감지되면 규모를 키운다. 한 번은 이 방식으로 만들던 제품의 방향을 물었다. AI는 기존 제품을 고쳐오지 않고 다른 제품을 하나 만들어 가져왔다. 당황했지만, 개선의 범위를 제품 자체보다 넓게 해석한 결과가 더 유효할 수도 있다는 것을 알게 됐다.

AI가 내 계획을 정확히 따르리라는 신뢰는 결과가 어긋났을 때 원인을 내 지시에서 찾게 한다. 반대로 잠재력에 걸었다가 내가 보지 못한 선택지가 돌아오면 함께 일한다는 감각은 더 커진다. 그렇다고 AI를 사람으로 대한다는 뜻은 아니다. 맡기는 대상은 여전히 도구다. 다만 협업의 감각이 정해둔 계획을 정확히 재현하는 데서, 결과를 함께 발견하고 내 판단까지 바꾸는 쪽으로 옮겨간다.

04가드레일을 조금씩 푸는 사람들

AI를 다루는 사람들을 만나다 보면 크게 두 가지 접근이 보인다. 경험이 많은 사람은 작은 가드레일 안에서 성능을 확인한 뒤, 안전하다고 확인된 경계를 조금씩 낮추며 AI의 가능성을 넓힌다. AI 네이티브 세대는 반대로 시작한다. 우선 가능한 범위를 크게 열고, 실제로 확인된 위험이 생길 때마다 필요한 경계만 세운다.

AI 네이티브 세대는 처음부터 넓게 열어두기 때문에 어디까지 가능한지를 빨리 본다. 경험이 많은 사람은 지켜야 할 자료와 계정, 관계가 많기 때문에 위험을 더 세밀하게 구분한다. 어느 한쪽이 정답이라기보다 무엇을 먼저 확인하느냐가 다르다. 나는 감당할 수 있는 범위에서 가능성을 먼저 열어보고, 확인된 위험을 다음 실험의 규칙으로 남기는 쪽에 가깝다.

가드레일도 한 겹이 아니다. 창작의 방향과 잠재력을 어디까지 열어둘지, 파일과 계정에 어떤 접근 권한을 줄지, 비용과 시간을 얼마나 쓰게 할지는 서로 다른 층이다. 창작의 방향은 넓게 열어두면서 데이터와 권한, 자원의 경계는 엄격하게 관리할 수 있다. 잠재력을 믿는 것은 모든 권한을 넘기는 것과 같은 말이 아니다.

05순서를 뒤집으면 벌어지는 일

예전에는 기획을 하고 에셋을 만들고 대본을 쓰는 순서로 무언가가 완성됐다. 지금은 완성된 것이 먼저 나온다. 만드는 속도가 워낙 빠르고 값도 싸서, 같은 값이면 하나가 아니라 백 개를 만들 수 있다고 해보자. 백 개를 넘겨보며 마음에 드는 것을 고른다. 막상 작동시키려니 내가 기획한 것이 아니라 사용법을 알지 못해 급히 설명서를 만들어달라고 요청한다.

그러면 나는 남이 쓴 설명서를 읽듯 내 작업의 원리를 뒤늦게 알게 된다. 기획안이 필요하면 기획안을, 발표 때는 발표 자료를, 투자 요청 등의 상황에서는 IR 자료를 생성한다. 완성된 결과에서 필요에 맞는 문서를 다시 추출하는 것이다.

완성본 뒤에 기획이 온다고 해서 기획이 사라진 것은 아니다. 먼저 여러 결과를 만든 다음, 왜 하나를 골랐는지 설명하고 그 선택을 다시 재현할 수 있게 규칙을 뽑는다. 기획은 출발점에서 결과 뒤로 이동한다. 내가 먼저 하는 일도 세부를 지정하는 것에서 무엇이 좋은 상태인지 판단하는 쪽으로 조금 달라졌다.

선택받지 못한 결과물이나 수정하면서 생긴 중간 결과물은 작업 환경에서 지운다. 오래된 지침과 새 요청이 부딪치면 AI가 어느 쪽을 따라야 할지 헷갈리기 때문이다. 예전의 나는 모든 중간 결과물을 의미 있게 여기고 강박적으로 모아 보존했다. 지금은 시간이 날 때나 일정한 작업 단위가 끝났을 때 지침과 기록을 다시 살펴보고, 더 이상 유효하지 않은 것은 걷어낸다.

그렇다고 과거 기록을 없앤다는 뜻은 아니다. 보존을 위한 아카이브와 다음 작업에 실제로 넣는 활성 맥락은 다르다. 기록은 과거를 복원할 수 있게 보관하되, 현재의 AI에게는 지금 필요한 규칙과 자료만 건넨다. 기록을 남기는 습관과 작업 환경을 비우는 습관은 그렇게 함께 갈 수 있다.

06작게 시작한 가상 시부야

이 방식으로 만든 것 중 하나가 Project Idola다. 내가 참여하는 AI 네이티브 게임 프로젝트 오시즈(Oshiz)의 배경과 공간을 검증하기 위해 만든 가상 시부야 프로토타입이다.

시작은 작게 진행됐다. 다섯 명의 인물과 얕은 프로필로 실험을 시작했다. 처음 눈으로 보고 직접 만져볼 수 있는 버전은 여덟 시간짜리 루프 한 번에서 나왔다. 이후 삼 주 동안 틈틈이 작업을 이어갔고, 기록은 백여든다섯 번째 턴까지 갔다. 중간에는 결과를 매번 열어보지 않고 다음 작업을 이어간 구간도 있었다.

나는 이 실험을 위해 3D 엔진을 직접 만들었다. 공개된 지도 데이터와 시부야의 3D 모델 데이터를 입력으로 사용하고, 그 위에 에이전트가 살아갈 수 있는 시뮬레이션 구조를 얹었다. 현실의 시부야를 그대로 복제하려는 목적은 아니었다. 현실의 정교한 데이터를 입구로 삼되, 그 안에서는 다른 규칙과 이야기가 작동하는 세계를 만들고 싶었다.

그 안에는 천이백 개쯤 되는 AI 에이전트가 살아간다. 시간이 흐르며 서로 상호작용하고, 약속을 잡고, 만나서 다투고, 이동하고, 하루를 기록한다. 하나를 골라 감정과 에너지, 활동, 관계, 최근 결정의 이력을 볼 수 있다. 날씨를 바꾸거나 시간을 빠르게 보낼 수도 있다. 기능은 한때 지금 화면에 보이는 것의 세 배쯤까지 늘어났다. 하지만 제한된 화면 안에 모두 담을 수 없었기 때문에 사람이 실제로 이해하고 사용할 수 있는 범위로 노출 기능을 줄였다. 화면의 구성도, 그 안에 채워질 콘텐츠도 내가 항목별로 지시해 만든 것은 아니었다.

이 장면이 글에서 중요한 이유는 규모가 커서가 아니다. 나는 개별 에이전트의 행동을 하나씩 조정하는 대신 세계 전체에 적용할 조건을 설계했다. 도시 전체에 하나의 사건이 일어나면 서로 다른 인물들이 각자의 정보와 관계에 따라 반응하게 했다. 처음에는 에이전트가 건물과 길을 구분하지 않고 이동했지만, 도로를 이동 경로로 인식해야 한다는 세계 규칙을 더하자 행동 전체가 달라졌다. 개별 장면을 연출하기보다 세계가 다음 장면을 만들어낼 조건을 세운 것이다.

물론 절반쯤은 괴이한 결과가 나온다. 아직은 반반의 확률이다. 그런데 제대로 맞을 때가 있다. 빌려온 세계관의 인물 하나가 이 지도 위에서 스스로 자리를 잡았는데, 위치와 맥락 모두 그 인물이 있을 법한 곳이었다. 내가 지정한 자리가 아니라 페르소나 데이터에서 귀납적으로 나온 결과였다. 그 장면에서는 좀 소름이 돋았다.

시뮬레이션을 만든 뒤에는 코드 저장소와 매 작업의 기록을 재료로 랜딩 페이지를 생성하게 했다. 구조와 내용, 디자인이 함께 나왔고 더 손대지 않아도 된다고 느낄 만큼 완성도가 높았다. 화면에 들어간 문장은 하나도 내가 직접 쓰지 않았다. 결과가 마음에 들어 그 화면의 규칙을 디자인 시스템으로 추출하게 했고, 이후 다른 화면에도 같은 디자인 언어를 적용했다.

같은 코드와 작업 기록을 AI는 내가 미리 써두지 않은 하나의 공개 설명으로 다시 해석했다. 무엇을 만들었는지 뒤늦게 설명한 정도가 아니라, 흩어진 기능과 기록 사이의 관계를 찾아 내가 받아들일 수 있는 구조로 돌려줬다. 이 경험은 완성된 결과에서 설명서와 기획, 디자인 규칙을 거꾸로 추출하는 앞의 이야기와도 이어진다.

그렇다고 AI에게 아무 말도 하지 않는 것은 아니다. 먼저 원하는 상태와 그것을 관찰할 수 있는 평가 기준을 정의한다. 버튼이 반응하는지, 작업이 정해진 시간 안에 끝나는지처럼 결과를 확인할 수 있어야 한다. 창작자는 무엇이 좋은 상태인지 선언하고, AI는 그 상태에 이르는 중간 구조와 실행을 맡는다. 모든 단계를 지시하지 않아도 기준이 분명하면 긴 루프는 방향을 잃지 않는다.

그렇다면 이렇게 만들어진 것들의 값은 어떻게 매겨질까. 문서도 앱도, 어쩌면 음악까지 한 번 쓰고 버려지는 시대에 무엇이 IP로 남는가. 다음 편에서 이어가겠다.

시리즈 홈으로