우리는 어디에서 왔고, 우리는 누구이고, 우리는 어디로 가는가.
W.W.W.
한예종 웹운영 수업은 2017년부터 시작되었습니다.
2020년부터는 미디어활용으로도 확장되었고, 이후 한국전통문화대학교, 계원예술대학교 등 문화예술 전반의 교육 현장에서 기술을 적용해 기획과 창작을 개선하는 방법을 꾸준히 다뤄왔습니다.
여기서 다시 W.W.W.를 떠올리게 됩니다.
이 말은 하나는 World Wide Web이고, 다른 하나는 고갱의 작품 제목인
Where Do We Come From? What Are We? Where Are We Going? 을 가리킵니다.
이 질문은 단지 철학적 문장이 아닙니다.
지금 웹운영과 미디어활용 교육을 다시 설계하는 데에도 매우 정확한 출발점이 됩니다.
우리는 어디에서 왔는가.
우리는 누구인가.
우리는 어디로 가고 있는가.
이 질문을 웹과 기술의 맥락으로 다시 바꾸면 다음과 같습니다.
흥미로운 점은, 시대가 바뀌고 기술이 달라져도 이 핵심 질문들은 크게 변하지 않았다는 것입니다.
그래서 이제 본격적인 교육 프로그램 혁신을 시작해보려 합니다.
첫째, 웹운영 / 미디어활용입니다.
이것은 학교 안에서 직접 진행하는 스프린트형 수업이자, 여전히 책임감 있게 지속해야 할 기초 교육 영역입니다.
둘째, 아트프레너십 멤버십입니다.
학교 수업을 듣고 난 이후에도 계속 새로 갈아끼워야 하는 기술과 방법론, 그리고 창작·기획·브랜딩·유통까지 연결되는 실전형 내용을 다루는 구조입니다.
셋째, AI 리터러시 스쿨입니다.
자영업자, 직장인, 부모, 청소년, 노년층 등 보다 폭넓은 시민들을 위한 교육 축으로, AI를 유행어가 아니라 사회적 리터러시로 이해하게 만드는 시민형 프로그램입니다.
이 세 축은 서로 분리된 것이 아닙니다.
오히려 하나의 흐름 위에 놓여 있습니다.
핵심은 다음 네 가지입니다.
이 네 가지는 웹운영, 미디어활용, 마케팅, 브랜딩, SEO, AI 워크플로우를 관통하는 공통 축입니다.
특히 문화예술을 위한 AI 워크플로우는 이 중에서도
2번, 즉 ‘어떻게 가치를 빌드할 것인가’의 영역에 놓입니다.
즉, AI 워크플로우는 단지 툴 사용법이 아닙니다.
그것은 창작자와 기획자, 연구자와 예술경영인이
새로운 방식으로 작업을 설계하고, 빌드하고, 협업하고, 실행하는 방법론입니다.
이 문서는 바로 그 전체 구조를 다시 정리한 통합 프레임입니다.
W.W.W.에서 다시 묻는 웹운영
2026년 이후 예술학교와 시민형 AI 교육을 위한 방법론
Where do we come from, who are we, where are we going?
고갱의 질문으로 다시 읽는 웹과 인간, 그리고 교육
github.com/phonicspark/webmanagementartpreneurship.krailiteracyschool.krailiteracyschool.co.krhttps://ai-literacy-school.netlify.app/https://ai-literacy-school.netlify.app/quiz웹의 시작부터 공간컴퓨팅까지
새로운 미디어와 기술을 이해하기 위한 기초 지식 축
전통적 스프린트와 그로스에서
하네스, 세컨드 브레인, AI 오케스트레이션으로
이 파트는 “더 빨리 만든다”는 생산성 요령을 설명하려는 것이 아니다. 핵심은 아이디어, 문서, 평가, 실행, 배포, 회고가 서로 끊기지 않는 구조를 어떻게 설계하느냐에 있다.
이제 중요한 것은 한 번의 프롬프트가 아니라 여러 역할과 도구, 기억층, 검증 루프를 어떻게 조율하느냐다. 즉 AI 활용은 사용법보다 운영법의 문제가 되었다.
웹, 검색, 소셜, 모바일이 그랬듯이 AI 시대의 방법론도 고정되지 않는다. 2026년 4월 15일 기준의 좋은 실무는, 계속 바뀌는 도구와 관점을 문서와 수업에 주기적으로 반영하는 태도 자체를 포함한다.
검색은 여전히 중요하지만, 이제 경쟁력은 “잘 찾는 사람”보다 “잘 쌓아 둔 사람”에게서 나온다. 개인과 팀은 인터넷 전체를 매번 다시 뒤지는 대신, 자신만의 누적된 원천 자료와 정리된 지식층을 기반으로 작업하기 시작했다.
초기 생성형 AI는 프롬프트 엔지니어링이 화두였지만, 지금은 더 넓은 컨텍스트 엔지니어링 관점이 중요하다. 어떤 문서를 먼저 읽히고, 어떤 메모리를 붙이고, 어떤 도구와 제약을 주는지가 결과를 좌우한다.
AI는 이제 단순한 보조 도구가 아니라, 역할을 나누고 순서를 정하고 결과를 검증하는 운영체제적 계층으로 이해되고 있다. GStack 같은 사례는 이 변화를 가장 노골적으로 보여준다.
메모 앱과 할 일 앱 중심의 생산성은 점차 “지식 인프라”로 확장되고 있다. LLM Wiki나 GBrain은 메모를 쌓는 것이 아니라, AI가 읽고 다시 쓰며 누적 학습하는 기반을 만든다는 점에서 다르다.
Andrej Karpathy는 OpenAI 공동창업자이자 전 Tesla AI 디렉터, 그리고 대중적 AI 교육자로 잘 알려진 연구자다. 기술 변화가 산업에 어떻게 스며드는지를 설명하는 능력이 뛰어나서, 실무자들에게 일종의 기준점으로 자주 호출된다.
그의 글은 과장된 미래 예측보다는 실제 작업 방식의 변화에 초점을 맞춘다. 무엇이 막 유행하는지보다, 무엇이 곧 표준 작업 습관이 되는지를 빠르게 포착한다는 점이 중요하다.
LLM Wiki는 2026년 4월 초 Karpathy가 제안한 개인 지식베이스 패턴으로, 원천 자료를 raw에 모으고 이를 LLM이 읽어 wiki와 output으로 변환하는 구조를 말한다. 핵심은 “대화를 매번 새로 시작하지 말고, 축적된 외부 기억을 계속 갱신하라”는 데 있다.
RAG는 보통 검색을 통해 필요한 조각을 꺼내오는 방식이고, LLM Wiki는 장기적으로 읽고 정리하고 다시 쓰는 편집 체계를 강조한다. 즉 RAG가 질의응답에 가까운 모델이라면, LLM Wiki는 컴파일과 누적에 가까운 모델이다.
검색은 필요한 순간에 답을 찾는 기술이지만, 축적은 시간이 지날수록 더 나은 질문과 더 빠른 실행을 가능하게 한다. 연구, 교육, 창작에서는 “이미 무엇을 알고 있는가”가 “무엇을 새로 찾을 수 있는가”만큼 중요하다.
Karpathy가 설명한 아키텍처는 세 층으로 나뉜다. raw는 논문, 링크, 스크린샷, 데이터 파일 같은 불변 원천 자료이고, wiki는 정리되고 상호링크된 지식층이며, output은 강의안, 글, 기획안, 발표자료처럼 실제 외부로 나가는 산출물 층이다.
원천 자료와 정리본을 분리하고, index.md와 log.md 같은 탐색 파일을 유지하며, 질의응답 결과도 다시 위키에 환류시키는 것이 핵심이다. 즉 위키는 검색 보조물이 아니라 시간이 갈수록 풍부해지는 컴파운딩 아티팩트여야 한다.
개인 연구자는 읽은 자료가 쌓일수록 더 정교한 관점을 만들 수 있고, 교육자는 강의자료를 매번 처음부터 새로 만들 필요가 줄어든다. 창작자에게는 참고자료 저장소가 아니라 세계관과 레퍼런스가 연결된 작업 기반이 된다.
LLM Wiki도 자동으로 진실을 보장하지는 않는다. 원천 자료의 품질이 낮거나, 편집 규칙이 느슨하거나, 증거와 해석이 섞이면 “잘 정리된 오류”가 빠르게 굳어질 수 있다.
Garry Tan은 Y Combinator의 President & CEO이자, Palantir 초기 멤버와 Posterous 공동창업자 경력을 가진 창업가다. 투자자이면서도 직접 빌드하는 운영자라는 점이 그의 툴체인을 흥미롭게 만든다.
GStack과 GBrain은 “작은 팀이 큰 팀처럼 일하는 방법”을 공개 지식으로 만들려는 시도다. YC의 관점에서는 이것이 단순한 취미가 아니라, 창업 실행력을 재정의하는 인프라 실험에 가깝다.
GStack은 Claude Code 등 여러 코딩 에이전트 위에 얹는 역할 기반 스프린트 운영체제다. 아이디어 탐색, 설계, 리뷰, QA, 보안, 배포를 여러 슬래시 커맨드와 역할로 분리해 한 사람이 팀처럼 일하도록 만든다.
GBrain은 개인의 장기 지식과 관계, 일정, 회의, 아이디어를 축적하는 에이전트용 기억 인프라다. README의 첫 문장처럼, “AI agent is smart but it doesn’t know anything about your life”라는 문제를 해결하려는 구조다.
둘은 각각 실행과 기억의 양 끝을 대표한다. 하나는 “어떻게 일할 것인가”를, 다른 하나는 “무엇을 알고 일할 것인가”를 다루기 때문에 함께 읽어야 전체 그림이 보인다.
이 말은 혼자서 모든 일을 한다는 낭만이 아니다. 오히려 기획자, 엔지니어, 디자이너, QA, 보안 담당자의 시점을 AI 역할로 분해하고, 인간은 우선순위와 승인과 판단을 맡는다는 뜻에 가깝다.
GStack이 실행 파이프라인이라면 GBrain은 기억 기반이다. 전자는 스프린트를 굴리고, 후자는 스프린트가 반복될수록 더 나은 맥락을 공급한다.
GStack의 철학은 “좋은 모델 하나”보다 “좋은 역할 분해와 순서”가 더 중요하다는 데 있다. README가 강조하듯 이것은 툴 모음이 아니라 Think -> Plan -> Build -> Review -> Test -> Ship -> Reflect라는 프로세스다.
슬래시 커맨드는 단순 단축키가 아니라, 특정 문맥과 평가기준을 불러오는 호출 방식이다. /office-hours는 문제 재정의를, /review는 결함 탐지를, /ship은 릴리스 체크리스트를 각각 강제한다.
이 구조는 실제 스타트업의 의사결정 계층을 흉내 낸다. CEO는 방향과 스코프를, 엔지니어링 매니저는 구조와 테스트를, 디자이너는 사용자 경험을, QA와 Security는 리스크를, Release는 배포 준비 상태를 본다.
/office-hours, /autoplan, /review, /qa, /ship 흐름/office-hours로 문제를 다시 정의하고, /autoplan으로 설계 리뷰를 자동 연쇄하며, /review로 코드 결함을 걸러내고, /qa로 실제 브라우저에서 검증한 뒤, /ship으로 테스트와 PR 생성까지 연결한다. 이 순서가 있기 때문에 스프린트가 단발성 프롬프트가 아니라 반복 가능한 운영이 된다.
좋은 프롬프트 모음은 답변을 돕지만, GStack은 상태 전이와 아웃풋 연결을 설계한다. 앞 단계의 문서가 다음 단계의 입력이 되고, 각 단계가 서로의 누락을 보완하도록 설계되어 있다는 점이 다르다.
실제 제품 개발은 코드만으로 끝나지 않기 때문이다. 브라우저 확인, 회귀 테스트, 릴리스 노트, 문서 업데이트가 빠지면 “만든 것”과 “운영 가능한 것” 사이에 큰 간극이 생긴다.
여기서 에이전트는 대화창 속 도우미가 아니라, 역할 호출기와 작업 파이프라인의 일부다. 즉 GStack은 AI를 앱처럼 쓰는 것이 아니라, 팀 운영체계처럼 배치하는 관점을 보여준다.
초보자에게는 빈 프롬프트의 공포를 줄여주고, 숙련자에게는 품질 게이트와 역할 전환을 빠르게 제공한다. 특히 리뷰, QA, 배포, 회고까지 한 체계로 묶는다는 점이 강하다.
구조가 강한 만큼 특정 개발 환경과 코딩 워크플로우에 편향될 수 있다. 또 지나치게 명령어 중심으로 쓰면, 왜 이 순서가 필요한지 이해하지 못한 채 형식만 모방하는 위험도 있다.
GBrain의 출발점은 매우 단순하다. 모델은 똑똑하지만, 사용자의 역사와 관계와 맥락을 모르기 때문에 매번 얕은 답을 내놓는다는 것이다.
이 문장은 GBrain README의 핵심 선언이다. 일정, 이메일, 회의록, 트윗, 아이디어 메모처럼 내 삶의 데이터가 연결되지 않으면, AI는 늘 범용 조언자에 머문다.
GBrain은 에이전트가 응답 전에 먼저 브레인을 읽고, 대화 후에는 새로 알게 된 내용을 다시 쓰도록 설계된다. 이 read-before / write-after 루프가 기억의 누적을 만든다.
핵심은 “먼저 인터넷을 찾는” 습관이 아니라 “먼저 내 브레인을 찾는” 습관이다. brain-first lookup은 개인의 과거 메모, 만남, 아이디어를 가장 먼저 참조 대상으로 삼게 만든다.
originals는 원천 자료, entities는 사람·회사·개념 같은 객체, compiled truth는 현재까지의 요약 판단, timeline은 증거와 사건의 누적 기록이다. 이 분리는 해석과 증거를 섞지 않기 위한 핵심 장치다.
기억 시스템이 없는 에이전트는 매 세션마다 새로 태어난다. 반대로 기억 시스템과 결합된 에이전트는 대화할수록 더 개인화되고, 점점 더 긴 시간축 위에서 일할 수 있게 된다.
기존 세컨드 브레인은 사람이 다시 읽기 위한 저장소인 경우가 많았다. GBrain은 여기에 검색, 벡터 질의, 엔티티 연결, 주기적 동기화 같은 에이전트 친화 계층을 덧붙인다.
사람, 프로젝트, 아이디어 사이의 관계를 장기적으로 쌓을 수 있고, 회의 준비나 리서치 브리핑 같은 작업에서 강력하다. 메모가 많아질수록 검색보다 조합 능력이 커진다는 점도 장점이다.
개인 데이터가 많이 모일수록 보안과 프라이버시 부담도 커진다. 또한 자동 인제스트와 자동 컴파일이 잘못 설계되면, 개인의 편향과 오류가 빠르게 체계화될 수 있다.
셋 모두 “프롬프트 한 번”보다 “누적되는 구조”를 중시한다. 그리고 AI를 답변 생성기가 아니라, 읽고 정리하고 실행하는 장기 시스템으로 본다.
LLM Wiki는 외부 지식을 정리하는 문서 구조에 가깝고, GStack은 실행 단계의 역할 분업에 강하며, GBrain은 개인 맥락과 기억의 누적에 초점이 있다. 세 프로젝트는 서로 대체재가 아니라 보완재다.
LLM Wiki는 문서 저장소이자 편집 체계다. GStack은 실행 파이프라인이고, GBrain은 시간에 따라 누적되는 기억 인프라다.
개인 연구자에게는 LLM Wiki가 가장 직접적이다. 읽은 자료를 원천, 정리, 산출물로 나누는 것만으로도 연구 속도와 재사용성이 크게 좋아진다.
창작자와 기획자에게는 LLM Wiki와 GBrain의 결합이 유효하다. 레퍼런스와 아이디어는 위키로, 관계와 프로젝트 흐름과 사람별 맥락은 브레인으로 관리할 수 있다.
팀에서는 GStack의 강점이 크다. 다만 팀 지식이 자꾸 사라진다면 GBrain 같은 기억층이 붙어야 하고, 외부 리서치가 많다면 LLM Wiki 같은 정리층도 함께 필요하다.
하네스 엔지니어링은 모델을 직접 개선하는 일이 아니라, 모델이 더 안전하고 일관되게 일하도록 둘러싼 구조를 설계하는 일이다. 입력, 제약, 평가, 로그, 회고, 인간 승인 지점을 모두 포함한다.
좋은 모델도 맥락이 잘못 들어가면 잘못된 답을 낸다. 실제 운영에서는 모델 품질보다 입력 품질, 도구 연결, 검증 루프, 실패 복구 방식이 결과를 더 많이 좌우한다.
에이전트는 점점 더 많은 작업을 대신하지만, 인간은 어디까지 믿고 어디서 멈춰 세울지 결정해야 한다. trust barrier는 바로 그 신뢰 경계선이며, 감독 가능성은 그 경계가 실제로 작동하도록 만드는 설계 문제다.
feedforward는 시작 전에 좋은 문맥과 제약을 넣는 것이고, feedback은 실행 후 결과를 점검하는 것이다. steering은 실행 도중 방향을 수정하는 개입으로, 세 루프가 함께 있어야 장기 운영이 가능하다.
maintainability harness는 코드와 문서가 계속 유지되도록 돕는 장치이고, architecture fitness는 구조적 건전성을 측정하는 기준이다. behaviour harness는 에이전트가 허용된 방식으로 행동하도록 제한하고 관찰하는 계층이다.
컨텍스트 엔지니어링이 “무엇을 먹일 것인가”의 문제라면, 하네스 엔지니어링은 “어떻게 움직이게 할 것인가”의 문제다. 둘은 분리되지 않으며, 좋은 컨텍스트도 하네스 없이는 쉽게 무너진다.
하네스가 없으면 에이전트는 과신, 무단 편집, 근거 없는 요약, 위험한 자동화를 일으키기 쉽다. 한 번은 빨라 보여도, 장기적으로는 신뢰와 유지보수성을 갉아먹는다.
교육 현장에서 이것은 특히 중요하다. 학생에게 단지 도구 사용법이 아니라, 도구를 통제하고 검증하는 태도를 가르쳐야 하기 때문이다.
기존 세컨드 브레인은 개인 메모를 더 잘 저장하고 재조합하는 방법으로 이해되었다. 책과 강의, 노트 앱 문화 속에서 이는 주로 인간 중심의 정리술이었다.
Tiago Forte의 PARA는 정보를 프로젝트, 영역, 자원, 아카이브로 구분하는 강력한 출발점이었다. 그러나 AI 시대에는 분류보다 검색 가능성, 연결 가능성, 기계 가독성이 더 중요해지고 있다.
이제 세컨드 브레인은 내가 다시 보기 위한 메모함만이 아니다. AI가 읽고, 요약하고, 교차 참조하고, 다시 쓰는 지식층으로 재정의되고 있다.
이 관점에서 세컨드 브레인은 앱이 아니라 환경이다. 폴더 구조, 메타데이터, 링크, 검색, 임베딩, 브리핑, 에이전트 규칙까지 포함하는 운영 기반이 된다.
잘 만든 브레인은 단지 정보 저장소가 아니라 자기 이해의 거울이 된다. 무엇을 반복해서 기록하는지, 어떤 개념에 끌리는지, 어떤 문제를 오래 붙잡는지가 드러난다.
창작은 무에서 나오는 것이 아니라, 축적된 재료의 새로운 조합에서 나온다. 세컨드 브레인은 창작자의 레퍼런스, 단상, 스케치, 조사, 문장을 이어 붙이는 장기 작업장이다.
학습에서도 핵심은 정보 소비보다 재구성이다. 브레인이 있으면 학생은 읽은 것을 다시 자기 언어로 정리하고, 시간이 지난 뒤에도 꺼내어 비교할 수 있다.
Software 1.0은 사람이 규칙을 직접 코딩하는 시대, 2.0은 신경망과 학습 기반 모델의 시대, 3.0은 자연어와 문서와 도구 호출로 시스템을 조율하는 시대라는 구분으로 자주 설명된다. 이 구분은 지금 엔지니어링의 무게중심이 어디로 이동하는지 보여준다.
코드를 직접 쓰는 일은 여전히 중요하지만, 점점 더 중요한 일은 여러 코드 조각과 모델과 도구와 문서를 조율하는 것이다. 즉 구현만이 아니라 orchestration이 핵심 능력이 된다.
엔지니어는 이제 단순 구현자가 아니라, 시스템을 조율하고 마지막에 승인하는 감독자 역할을 더 많이 맡는다. 이는 권한 축소가 아니라 책임 구조의 변화다.
예전에는 코드 저장소가 중심이었다면, 이제는 설계 문서, 에이전트 지침, 평가 규칙, 배포 자동화가 동등한 중요도를 가진다. AI가 코드를 잘 쓰려면 주변 구조가 더 좋아야 하기 때문이다.
하네스는 실행의 신뢰를 만들고, 브레인은 맥락의 깊이를 만든다. 이 둘이 있어야 빠른 생성이 실제 지속 가능한 생산성으로 이어진다.
문서 기반 작업, 자료 조사, 반복 편집, 협업 조율은 개발자만의 일이 아니다. 따라서 이 변화는 연구자, 행정가, 기획자, 예술가에게도 그대로 확장된다.
기획자는 실행 파이프라인을, 연구자는 지식 컴파일을, 창작자는 레퍼런스와 세계관 축적을 더 체계적으로 다루게 된다. 결국 “엔지니어링”은 코딩 직군의 전유물이 아니라 운영 사고방식이 된다.
컨텍스트 엔지니어링은 프롬프트를 잘 쓰는 기술을 넘어, 어떤 자료와 메모리와 제약을 어떤 순서로 모델에 제공할지를 설계하는 일이다. 2026년 현재 가장 실질적인 경쟁력 중 하나다.
MCP는 모델이 도구, 리소스, 프롬프트 서버와 구조적으로 연결되는 공통 프로토콜이다. AI 환경을 폐쇄형 채팅창에서 연결형 작업공간으로 바꾸는 중요한 표준 흐름이다.
브라우저 에이전트와 컴퓨터 유즈는 AI가 읽기만이 아니라 클릭, 입력, 탐색, 검증 같은 행위를 수행하도록 만든다. Claude Code와 GStack의 브라우저 워크플로우는 이 흐름을 실무에 끌어들였다.
지식 그래프는 문서 덩어리보다 관계를 중심으로 지식을 바라보게 만든다. Graphify는 코드와 문서, 이미지까지 관계 그래프로 변환해 “무엇이 무엇과 연결되는가”를 시각적으로 보여주는 도구다.
멀티 에이전트 오케스트레이션은 여러 에이전트를 병렬 노동자로 쓰는 것이 아니라, 서로 다른 역할과 범위를 가진 작업자로 배치하는 기술이다. 중요한 것은 수보다 조율과 충돌 방지다.
compiled truth와 evidence separation은 요약과 증거를 분리하는 설계 원칙이다. 해석은 위에, 사건과 근거는 아래에 두는 방식은 지식의 수정 가능성과 추적 가능성을 높인다.
인간은 더 이상 모든 작업의 직접 수행자가 아니라, 결정적 순간의 승인자와 평가자가 된다. evaluation harness는 그 승인과 평가가 감이 아니라 구조로 이루어지게 만든다.
stateless chat은 매번 새 대화를 여는 방식이고, persistent memory는 대화가 끝난 뒤에도 지식이 남는 방식이다. 개인화된 AI 환경은 대부분 후자 쪽으로 이동하고 있다.
LLM Wiki는 검색 중심 사고를 축적 중심 사고로 바꿔주는 대표적 사례다. 특히 2026년 4월 공개된 원문 gist가 raw -> wiki -> output과 ingest / query / lint 루프를 명료하게 설명하면서, 개인 연구와 글쓰기, 커리큘럼 설계에 큰 영향을 주었다.
GStack은 AI 코딩을 “빈 채팅창 + 즉흥 프롬프트” 단계에서 “운영체계 + 역할 + 품질 게이트” 단계로 밀어 올린 사례다. 스프린트 구조를 실제 작업 순서로 구현했다는 점이 중요하다.
GBrain은 메모 앱과 CRM, 개인 위키, 회의 기록을 하나의 기억 인프라로 재조합하려는 시도다. 개인 지식 환경이 에이전트 친화적으로 어떻게 재편되는지 보여준다.
Claude Code, Codex 계열, Cursor, OpenCode 등은 이제 “코드를 도와주는 챗봇”이 아니라 실질적 작업 인터페이스가 되고 있다. 이 확산은 코딩만이 아니라 작업 운영 인터페이스의 변화를 뜻한다.
OpenClaw와 Hermes Agent는 지속 실행, 도구 연결, 기억, 스케줄링을 전제로 한 persistent agent 흐름을 보여준다. 특히 OpenClaw는 “persistent memory”, “context persists 24/7”, 브라우저 제어, 채팅앱 인터페이스를 전면에 내세우며, Hermes는 스킬 허브와 슬래시 커맨드 체계를 통해 에이전트를 확장 가능한 작업 환경으로 만든다. 이는 세션형 챗봇을 넘는 중요한 전환이다.
MCP는 각종 도구와 지식 소스를 하나의 연결형 작업 공간으로 묶는 기반이 되고 있다. 앞으로 중요한 것은 모델 하나가 아니라, 어떤 연결 구조 위에서 작동하느냐이다.
Graphify는 검색 결과 목록 대신 관계망 자체를 탐색하게 만든다. 이것은 특히 복잡한 프로젝트, 연구 자료, 대규모 문서 집합을 다룰 때 새로운 인식 방식을 제공한다.
최근 실무 담론에서는 모델 벤치마크보다 운영 하네스가 더 자주 언급된다. 이유는 간단하다. 실제 실패는 대부분 모델의 IQ 부족보다, 구조 없는 운영에서 나오기 때문이다.
Hermes Agent Skills Hub는 2026년 4월 기준 647개의 스킬, 79개의 built-in, 47개의 optional, 521개의 community 스킬, 16개 카테고리를 보여준다. 중요한 것은 숫자 자체보다, 에이전트가 “필요할 때 지식을 불러오는 문서형 능력”으로 확장된다는 설계다.
Hermes 공식 문서에 따르면 스킬은 on-demand knowledge document이며, 슬래시 커맨드와 자연어로 불러올 수 있고, progressive disclosure 방식으로 필요한 만큼만 로드된다. 이는 곧 비개발자도 복잡한 기능을 앱 전환 없이 “작업 문법”으로 호출할 수 있음을 뜻한다.
문화예술 기획자, 창작자, 엔터 업계 실무자에게 필요한 것은 항상 코딩이 아니다. 오히려 문서 추출, 발표자료 편집, 영상 요약, 시각화, 아이데이션, 메모 축적, 일정 관리, 메시지 발신처럼 서로 다른 작업을 한 환경 안에서 조합하는 능력이 더 중요하다.
Hermes의 built-in 스킬 중 p5js, ascii-video, excalidraw, architecture-diagram, songwriting-and-ai-music, manim-video, popular-web-designs는 창작 실험, 시각 자료 제작, 콘셉트 보드, 공연/전시 비주얼 초안 제작에 바로 연결될 수 있다. 이는 “에이전트 = 코딩 도구”라는 오해를 깨는 좋은 사례다.
powerpoint, ocr-and-documents, nano-pdf, youtube-content, notion, google-workspace, apple-notes, apple-reminders, imessage 같은 스킬은 기획안 편집, 계약/제안서 수정, 회의자료 정리, 영상 레퍼런스 요약, 노트와 일정 운영에 유용하다. 즉 비개발자에게도 “문서-커뮤니케이션-아카이브”를 연결하는 운영 하네스로 기능한다.
youtube-content, gif-search, songsee, heartmula, whisper, clip 같은 스킬은 콘텐츠 분석, 음악/오디오 검토, 소셜용 리액션 자산 수집, 음성 전사, 멀티모달 레퍼런스 분석 같은 작업에 응용할 수 있다. 엔터 업계에서는 특히 아카이브와 재가공 속도를 끌어올리는 데 의미가 크다.
llm-wiki, arxiv, blogwatcher, ocr-and-documents, powerpoint, notion은 강의 설계, 작가 리서치, 작품 참고문헌 정리, 세미나 자료 구성 같은 흐름과 잘 맞는다. Hermes는 연구자가 수집-정리-발표를 한 환경 안에서 연결하게 해준다는 점에서 교육 현장에도 잘 맞는다.
비개발자 관점에서 중요한 것은 스킬 이름보다 묶음이다. 예를 들어 ocr-and-documents -> llm-wiki -> powerpoint는 자료 수집에서 강의안 제작까지의 파이프라인이고, youtube-content -> notion -> p5js는 영상 리서치에서 기획 문서와 시각 프로토타입으로 이어지는 파이프라인이 된다.
Hermes는 “앱을 많이 쓰는 사람”보다 “작업 문법을 설계하는 사람”이 유리해지는 시대를 보여준다. 즉 앞으로의 리터러시는 툴 사용법 암기가 아니라, 어떤 스킬을 어떤 순서로 연결해 하나의 운영 흐름으로 만들 것인가를 설계하는 능력이다.
터미널은 텍스트 명령으로 컴퓨터와 상호작용하는 창이다. GUI보다 덜 친절해 보이지만, 자동화와 기록성과 재현성 면에서 강력하다.
CLI는 Command Line Interface의 약자다. 버튼 대신 명령어로 도구를 실행하는 인터페이스를 뜻한다.
API는 프로그램이 다른 프로그램과 대화하기 위한 규칙이다. 사람이 웹사이트를 클릭하듯, 소프트웨어는 API를 통해 기능을 호출한다.
SDK는 특정 API나 플랫폼을 더 쉽게 쓰도록 제공되는 개발 도구 묶음이다. 라이브러리, 문서, 예제, 인증 도우미 등이 함께 들어가는 경우가 많다.
슬래시 커맨드는 /review, /qa처럼 /로 시작하는 호출 명령이다. 특정 프롬프트와 규칙, 도구 사용 패턴을 한 번에 불러오는 역할을 한다.
prompt는 지금 모델에게 직접 주는 요청이고, context는 함께 읽히는 문서와 상태 전체다. memory는 대화가 끝난 뒤에도 남아 다음 작업에 영향을 주는 장기 정보다.
repo는 저장소, branch는 작업 갈래, commit은 변경 기록 단위, PR은 변경을 검토하고 합치기 위한 제안서다. 이 네 개를 이해하면 현대 협업 개발의 기본 뼈대를 이해한 셈이다.
deploy는 결과물을 실제 실행 환경에 올리는 일이다. staging은 배포 직전 검증 환경이고, production은 실제 사용자에게 서비스되는 본 환경이다.
브라우저 에이전트는 웹페이지를 읽고 조작하는 AI를 말한다. computer use는 한 단계 더 넓게, 데스크톱과 앱 전체를 AI가 다루는 흐름까지 포함한다.
orchestrator나 conductor는 여러 작업자와 도구를 조율하는 상위 계층을 뜻한다. multi-agent는 여러 에이전트를 병렬 또는 분업 구조로 운영하는 방식을 말한다.
예술가와 기획자도 이미 조사, 편집, 문서화, 협업, 발표, 배포를 반복한다. 따라서 에이전트 운영과 지식 축적의 문제는 개발자보다 넓은 범위의 노동 구조 문제다.
창작자는 레퍼런스 이미지, 인터뷰, 기사, 사운드, 장소 기록을 raw처럼 모을 수 있다. 그리고 이를 작품 노트나 콘셉트 문서로 ingest하면서 자신의 세계관을 더 선명하게 만들 수 있다.
기획자는 아이디어만 많은 사람이 아니라, 아이디어를 문서와 일정과 실행으로 연결하는 사람이다. 이때 GStack식 파이프라인 사고는 기획안, 검토, 수정, 실행, 회고의 흐름을 구조화하는 데 유용하다.
연구자는 이미 오래전부터 인용, 원문, 메모, 초고를 구분해 왔다. LLM Wiki는 이 전통을 AI 시대에 맞게 다시 정리한 버전으로 이해할 수 있다.
강의 자료는 output, 리서치 노트는 wiki, 참고문헌과 캡처는 raw로 대응시킬 수 있다. 이렇게 층을 나누면 매 학기와 매 프로젝트마다 재사용과 업데이트가 쉬워진다.
에이전트 협업은 예술가의 상상력을 대체하는 것이 아니라, 반복 조사와 정리와 구조 설계를 덜어준다. 덕분에 인간은 더 높은 수준의 선택, 감각, 해석에 에너지를 쓸 수 있다.
첫 숙제는 기술이 아니라 자기 정의다. 나는 어떤 사람이며, 왜 기록을 남기며, 그 기록을 통해 결국 무엇을 만들고 싶은지 써보는 것이 출발점이다.
가장 쉬운 실습은 새 Obsidian 볼트를 하나 만드는 것이다. 여기서 중요한 것은 앱 자체보다, 앞으로 AI가 읽을 수 있는 폴더 구조와 파일 습관을 시작하는 일이다.
CLAUDE.md나 이에 준하는 에이전트 지침 파일을 만들어, 이 프로젝트에서 AI가 무엇을 우선 읽고 어떤 태도로 일해야 하는지 적어본다. 이것이 작은 하네스의 시작이다.
논문, 기사, 링크, 이미지, 음성메모, 캡처 등 최소 20개의 원천 자료를 raw 폴더에 모아본다. 아직 잘 정리하지 말고, 원재료를 분리해 두는 습관부터 만든다.
그중 3개를 골라 짧은 요약, 핵심 개념, 연결되는 질문을 적어본다. 이 단계에서 중요한 것은 정보 복사가 아니라 자기 언어로의 재구성이다.
이제 자주 등장하는 개념과 인물, 프로젝트를 색인처럼 묶어 wiki 혹은 index 페이지를 만든다. 검색보다 연결이 잘 보이기 시작하면 첫 전환이 일어난 것이다.
가능하다면 Graphify를 사용해 폴더를 그래프로 시각화해 본다. 어떤 노드가 중심인지, 어떤 개념이 고립되는지 보는 것만으로도 인식이 달라진다.
간단한 기획안이나 웹페이지 작업을 대상으로 기획자 -> 리뷰어 -> QA -> 배포 담당 역할을 나누어 AI와 협업해 본다. 중요한 것은 결과보다, 역할을 분리할 때 사고가 어떻게 달라지는지 체감하는 것이다.
AI가 정리한 문서는 보기 좋고 빠르지만, 출처가 약하면 쉽게 권위의 외형만 갖춘다. 따라서 정리된 문장보다 그 아래의 원천과 증거 구조를 함께 봐야 한다.
축적은 중립적이지 않다. 무엇을 저장하고 무엇을 버릴지, 어떤 표현을 정본으로 삼을지에 따라 한 사람과 한 팀의 세계관 자체가 편향될 수 있다.
그럴 수 있다. 자동화는 생각을 덜 하게 만들 수도 있고, 더 높은 수준의 생각으로 옮겨가게 만들 수도 있는데, 차이는 인간이 어디서 직접 판단하고 책임지는가에 달려 있다.
개인 브레인이 강력해질수록 프라이버시와 감시 문제는 더 민감해진다. 특히 회의록, 연락처, 일정, 음성 데이터는 편의성만이 아니라 보안과 동의의 문제로 함께 다루어야 한다.
가장 중요한 질문은 여전히 통제권이다. 모델 회사, 플랫폼, 조직, 개인 중 누가 기억을 쓰고 지우고 해석할 권한을 가지는지 분명하지 않으면, 아무리 편리한 시스템도 위험해질 수 있다.
전통적 개념부터 현재까지
만든 것을 사람과 시장의 언어로 번역하는 축
좋은 결과물은 저절로 발견되지 않는다. 예술 프로젝트든 서비스든, 사람들이 그것을 이해하고 기억하고 선택하게 만드는 별도의 설득 구조가 필요하다.
사람들은 기능표보다 그것이 자기 삶에 어떤 변화를 주는지에 반응한다. 스티브 잡스가 아이팟을 “5GB 저장장치”가 아니라 “주머니 속 1,000곡”으로 설명한 것은 바로 기능을 의미와 경험으로 번역한 사례다.
웹은 단지 정보를 올리는 공간이 아니라, 잠재 고객이 브랜드를 발견하고, 관심을 느끼고, 행동하게 만드는 퍼널이다. 따라서 웹 운영자는 페이지를 단순 문서가 아니라 설득 구조로 볼 필요가 있다.
브랜드는 로고나 이름 그 자체가 아니라, 그것이 사람들의 머릿속에 남기는 인상과 감정의 총합이다. Marty Neumeier의 말처럼 브랜드는 제품이나 조직에 대한 사람들의 “직감”에 가깝다.
로고는 브랜드를 식별하게 해주는 시각 기호일 뿐이며, 브랜드는 그 기호에 누적된 경험과 신뢰다. 즉 로고는 입구이고, 브랜드는 장기 기억 속에 형성된 의미망이다.
브랜드 아이덴티티는 “나는 누구인가”에 대한 답이고, 포지셔닝은 “시장에서 어떤 위치를 차지할 것인가”에 대한 답이다. 이 둘이 선명할수록 사람들은 왜 나를 선택해야 하는지 더 쉽게 이해한다.
인간은 세부 사양보다 전체적인 인상과 감정 상태를 더 오래 기억한다. 따라서 브랜드는 정보 전달 이전에 느낌의 질서를 설계하는 작업이기도 하다.
색, 톤, 슬로건, 시각 언어, 반복되는 메시지는 브랜드 자산이 되어 사람들의 장기 기억 속에 축적된다. Nike의 스우시나 Apple의 미니멀한 톤은 단순 장식이 아니라, 기억 회상 장치다.
강한 브랜드는 단지 무엇을 파는지가 아니라, 무엇을 믿는지를 말한다. Simon Sinek의 “왜(Why)”는 브랜드가 세계관 없이 오래 설득하기 어렵다는 점을 보여준다.
사람들은 데이터보다 스토리를 통해 의미를 이해한다. 상징과 은유는 복잡한 가치를 짧은 형식으로 압축해 전달하며, 브랜드는 이를 통해 스스로를 기억 가능한 이야기로 만든다.
같은 제품이라도 어떤 가치관 위에 놓이느냐에 따라 완전히 다르게 읽힌다. Patagonia가 옷을 넘어서 환경 윤리의 상징이 된 것은 제품보다 철학이 먼저 읽히기 때문이다.
인간의 의사결정은 논리만으로 움직이지 않는다. 두려움, 희망, 소속감, 존중, 창의적 성취감 같은 감정이 행동을 촉발하며, 광고는 늘 이 감정 회로와 맞닿아 있다.
문화예술 영역에서 브랜드는 상품 포장술이 아니라 세계관의 표현 형식이다. 작가, 기획자, 기관의 브랜드는 작품과 프로그램이 어떤 감각적·사회적 의미를 가지는지를 읽게 만드는 문맥 장치다.
광고는 주목을 얻기 위한 메시지의 한 형태이고, 마케팅은 제품 발견부터 구매 이후 관계까지를 포함하는 더 넓은 전달 구조다. 광고가 점이라면 마케팅은 선과 면에 가깝다.
AIDA 모델은 여전히 유효하다. 좋은 메시지는 먼저 주목을 끌고, 흥미를 유지하고, 욕망을 자극한 뒤, 구체적 행동으로 연결되어야 한다.
누구에게 말하는지 모르면 어떤 문장도 강해질 수 없다. 타깃과 세그먼트는 단순한 인구통계 구분이 아니라, 서로 다른 불안과 욕망과 언어를 가진 사람들을 나누는 작업이다.
대부분의 설득 메시지는 “당신에게 이런 문제가 있다, 우리는 이런 방식으로 해결한다, 그 결과 이런 미래를 약속한다”는 구조를 갖는다. 랜딩 페이지는 이 흐름을 가장 직접적으로 보여주는 형식이다.
같은 브랜드라도 웹사이트, 광고, 이메일, 소셜미디어, 발표자료는 서로 다른 길이와 리듬과 긴장도를 필요로 한다. 핵심 메시지는 같되, 표현 방식은 채널의 문법에 맞게 변형되어야 한다.
웹사이트가 도시 전체의 지도라면 랜딩페이지는 한 가지 행동만 유도하는 집중된 무대다. 랜딩페이지는 브랜딩, 마케팅, 세일즈가 하나의 전환 경험으로 응축되는 대표적 장치다.
이메일은 여전히 강력한 관계 형성 채널이며, CRM은 그 관계를 시간의 흐름 속에서 추적하고 유지하는 기반이다. 한 번의 클릭보다 반복되는 접촉이 실제 구매와 충성도를 만든다.
퍼포먼스 마케팅은 노출보다 측정 가능한 행동에 집중한다. 클릭, 리드, 신청, 구매 같은 데이터를 통해 메시지와 채널의 효율을 끊임없이 조정하는 방식이다.
콘텐츠 마케팅은 직접 판매 전에 신뢰와 관심을 축적하는 전략이다. Gary Vaynerchuk이 말하듯, 광고를 밀어붙이는 것보다 먼저 가치를 제공하는 태도가 장기적으로 더 강한 브랜드를 만든다.
소셜미디어는 브랜드의 인간적인 표정을 드러내는 공간이자, 참여와 공유를 통해 증폭되는 장치다. 여기서 중요한 것은 빈번함 그 자체보다, 말투와 관점과 일관성이다.
마케팅이 관심을 만들고 키우는 일이라면, 세일즈는 그 관심을 구체적 선택으로 전환시키는 일이다. 둘은 분리될 수 없지만, 마케팅이 공기를 만드는 일이라면 세일즈는 결정을 돕는 마지막 밀도 조정에 가깝다.
세일즈 퍼널은 리드를 모으고, 관심을 키우고, 제안을 제시하고, 전환을 유도하는 흐름이다. 랜딩페이지는 이 네 단계를 짧은 시간 안에 압축해 수행하는 장면이다.
좋은 오퍼는 단순히 가격표가 아니라, 고객이 받는 가치의 묶음이다. 핵심 상품, 보너스, 조건, 보장, 한정성, 다음 단계가 함께 설계될 때 제안은 더 설득력을 가진다.
사람들은 가격 그 자체보다 “지불한 만큼 가치가 있는가”와 “혹시 손해 보는 것 아닌가”를 함께 판단한다. 따라서 가격 제시에는 신뢰 요소와 리스크 감소 장치가 같이 가야 한다.
전환은 멋진 문장 하나에서 생기기보다, 문제 인식에서 CTA까지 이어지는 구조에서 나온다. 훅, 스토리, 오퍼가 자연스럽게 이어질 때 버튼은 명령이 아니라 다음 단계처럼 보인다.
사람은 내용을 읽기 전에 먼저 분위기를 읽는다. 디자인은 정보를 예쁘게 포장하는 것이 아니라, 신뢰와 위계와 감정적 태도를 먼저 형성하는 설득 장치다.
버튼 문구, 폼 설명, 오류 메시지, 안내 텍스트 같은 작은 문장은 실제로 전환을 크게 좌우한다. 마이크로카피는 사용자의 불안을 줄이고 다음 행동을 확신하게 만드는 언어적 손잡이다.
레이아웃은 사용자의 시선이 어디서 시작해서 어디로 이동할지를 설계한다. 좋은 랜딩페이지는 헤드라인, 서브헤드, 증거, CTA가 자연스럽게 연결되며 사고의 저항을 줄인다.
CTA는 “구매하세요”라는 명령문이 아니라, 사용자가 지금 무엇을 얻게 되는지 보여주는 약속이어야 한다. 명확하고 구체적이며 맥락상 자연스러울수록 클릭 가능성이 높아진다.
추천사, 수치, 미디어 로고, 보장, 문의처, 명확한 가격과 정책은 모두 신뢰를 만드는 인터페이스 요소다. 세일즈에서 신뢰는 부가 요소가 아니라 전환 조건이다.
Donald Miller의 StoryBrand가 강조하듯, 브랜드는 자기 서사를 과시하는 주인공이 아니라 고객이 문제를 해결하도록 돕는 가이드여야 한다. 고객은 자신의 이야기에 관심이 있지, 브랜드의 자기소개에 관심이 있는 것이 아니다.
문제를 정확히 정의할수록 해결책은 더 설득력 있게 보인다. 외적 문제뿐 아니라 내적 좌절감과 철학적 불균형까지 함께 짚으면 메시지는 더 깊은 공감을 얻는다.
공감은 설득의 전 단계가 아니라 설득 그 자체의 일부다. “우리는 당신의 상황을 안다”는 감각이 형성되어야 제안도 조작처럼 보이지 않고 도움처럼 느껴진다.
헤드라인은 훅이고, 서브헤드는 약속을 구체화하며, 본문은 의심을 줄이고 신뢰를 형성한다. 세 층이 서로 다른 역할을 갖기 때문에 모든 것을 헤드라인 하나에 우겨넣으면 안 된다.
기억되는 문장은 단순하고, 구체적이며, 감각적이고, 종종 예상 밖의 구조를 가진다. “주머니 속 1,000곡”처럼 기능을 이미지로 번역하는 문장은 쉽게 잊히지 않는다.
생성형 AI 덕분에 모두가 빠르게 텍스트와 비주얼을 만들 수 있게 되었지만, 그래서 오히려 관점과 구조와 진정성이 더 중요해졌다. 속도는 평준화되었고, 차이는 해석과 세계관에서 생긴다.
AI로 대량 생산한 콘텐츠는 쉽게 톤이 흔들리고 브랜드 자산을 희석시킬 수 있다. 따라서 생성 속도보다 더 중요한 것은 문체, 시각 언어, 관점의 일관성을 유지하는 운영 규칙이다.
AI 시대에는 브랜드 보이스를 사람의 감으로만 유지할 수 없다. 어떤 어휘를 쓰는지, 얼마나 직설적인지, 한국어/영어 톤이 어떤지 등을 스타일 가이드로 명시해야 한다.
자동화는 리서치, 초안 생성, 세그먼트별 카피 변형, 고객 응대 보조 등에서 큰 효율을 준다. 다만 자동화는 인간의 판단을 대체하기보다, 반복 작업을 덜어 더 정교한 기획과 해석에 시간을 쓰게 해야 한다.
앞으로의 경쟁력은 사람다움처럼 보이는 문장을 만드는 데 있지 않다. 오히려 실제 맥락과 실제 경험과 실제 태도가 살아 있는 콘텐츠를 만드는 데 있으며, 신뢰는 그 차이를 점점 더 민감하게 구별한다.
웹 운영자는 단순 관리자나 업로더가 아니라, 브랜드 경험의 접점을 다루는 사람이다. 페이지 구조 하나, 카피 하나, CTA 하나가 브랜드 인식과 전환율을 동시에 바꿀 수 있다.
무엇을 먼저 보여주고, 무엇을 나중에 배치하고, 어디에서 증거를 제시하는가는 곧 설득의 순서를 결정한다. 정보 구조는 중립적인 정리 방식이 아니라 심리적 흐름 설계다.
하나의 페이지 안에서도 주목, 관심, 욕망, 행동이 일어날 수 있다. 즉 랜딩페이지 하나는 압축된 브랜딩 문서이자 마케팅 카피이자 세일즈 퍼널이다.
운영은 게시 후 방치가 아니라, 경험의 품질을 지속적으로 조정하는 일이다. 오래된 문구, 깨진 CTA, 불명확한 정보는 모두 브랜드 약속의 신뢰를 깎아먹는다.
앞으로는 콘텐츠 따로, 제품 따로, 디자인 따로 보지 않는 관점이 중요하다. 사용자는 브랜드를 접점별로 분리해 경험하지 않기 때문에, 기획자도 그것들을 하나의 시스템으로 봐야 한다.
브랜딩은 무엇을 파느냐보다 무엇을 믿고 어떤 인상을 남기느냐를 설계하는 일이다.
마케팅은 그 의미를 적절한 언어와 채널과 타이밍으로 사람들에게 도달하게 만드는 구조 설계다.
세일즈는 충분히 형성된 신뢰와 욕구를 실제 행동으로 옮기게 하는 마지막 설득의 기술이다.
검색 가능성과 AI 가독성을 설계하는 축
전통 SEO에서 AI SEO까지