저는 AI를 활용한 개발에 5,000시간 이상을 투자했으며 , 이를 통해 7자리 수익을 올리는 에이전시를 구축하고, 40만 명이 넘는 사람들을 교육하고, 제 사업 전체를 자동화했습니다 . 이 영상에서는 제가 5,000시간을 투자하면서 얻은 가장 중요한 교훈들을 알려드리겠습니다. 여러분은 제가 저질렀던 실수를 반복하며 몇 년씩 허비할 필요가 없을 겁니다 . 자, 그럼 시작해 볼까요? 자 , 첫 번째 교훈입니다. 현재 인공지능 분야에 진출하고 싶다면 크게 두 가지 경로가 있는 것 같습니다. 하나는 자신만의 에이전시를 차려 고객을 찾는 것이고, 다른 하나는 현재 다니는 회사에서 인공지능 전문가가 되는 것입니다 . 그리고 저는 이 두 가지 모두 정말 훌륭한 선택이라고 생각합니다. 제가 이 분야에 발을 들여놓게 된 계기는, 골드만삭스에서 일할 당시 회사에서 AI 전문가가 되고 싶었기 때문입니다. 하지만 시간이 너무 오래 걸리고 복잡한 절차가 많을 것 같다는 생각이 들었습니다. 그래서 결국 회사를 떠났고, 그때 제 AI 에이전시를 설립했습니다. 하지만 저는 두 가지 길 모두를 인정하고 자신에게 맞는 길을 찾는 것이 중요하다고 생각합니다. 하지만 두 가지 길 모두에 공통적으로 적용되는 한 가지 사실이 있는데, 그것은 바로 눈에 띄기가 점점 더 어려워지고 있다는 것입니다 . AI를 활용한 개발이 너무 쉬워져서 이제는 누구나 포트폴리오를 가지고 있습니다 . 모두가 같은 튜토리얼을 보고 같은 데모를 만들었습니다. 겉으로 보기에는 모두 비슷해 보입니다 . 반면, 상대측 기업들은 누가 진짜 실력 있는 업체인지, 아니면 유튜브 튜토리얼을 보고 지난 주말에 대충 데모 버전을 만든 사람인지 구분할 수 없습니다 . 그러니까 남들과 차별화되는 방법은 단순히 제작물을 모으는 것을 멈추고, 제작 과정에 대한 증거를 모으기 시작하는 것입니다. 포트폴리오는 "내가 이걸 만들었다"라고 말하지만, 영수증은 "이것이 실제로 회사에 어떤 기여를 했는지"를 보여준다. 그러므로 무언가를 만들 때마다 결과를 기록하세요 . 이전에는 이 과정에 이 시간이 걸렸지만, 지금은 이 시간이 걸립니다. 이전에는 이렇게 많은 단서를 놓쳤지만, 이제는 모두 잡아냅니다. 아주 작은 프로젝트라도, 심지어 자신만을 위한 프로젝트라 할지라도, 숫자를 적어두고 간단한 진행 과정을 녹화해 보세요. 워크플로 스크린샷을 다섯 장 올린 사람은 다른 사람들과 똑같아 보이지만 , 실제 결과물을 세 개나 보여준 사람은 눈에 띄기 때문입니다. AI 자동화 협회에서 인증 프로그램을 구축하는 이유도 바로 이 때문입니다. 기업과 서비스 제공업체 양측 모두에게 가장 큰 문제점은 바로 이러한 신뢰의 격차이기 때문입니다. 좋아요, 두 번째 수업입니다. 도구는 중요하지 않습니다. 저는 제 유튜브 채널 전체를 단 한두 가지 도구만으로 구축한 사람으로서 이 말씀을 드리는 겁니다. 오랫동안 제 주력 활동은 n8n이었고, 아마 많은 분들이 저를 그 활동으로 기억하실 거예요. 하지만 요즘 제가 주로 사용하는 도구는 클라우드 코드입니다. 하지만 제가 말씀드리고 싶은 요점은 새롭고 더 나은 도구들이 끊임없이 등장할 것이고, 그것은 절대 멈추지 않을 것이라는 점입니다. 하지만 도구 자체가 가치 있는 부분은 아니었다. 진정으로 가치 있는 것은 당신이 무엇을 배웠고 어떻게 생각하는가입니다 . 끝났던 모든 일들이 내게 어떤 교훈을 주었는지 생각해 보세요. API 호출이란 무엇인지, 어떤 부분에서 오류가 발생하기 쉬운지, 오류를 읽고 실제로 수정하는 방법은 무엇인지 알아봅니다 . 제가 다른 브랜드로 바꿨다고 해서 그런 문제들이 사라진 건 아니었어요 . 저는 그 모든 내용을 클라우드 코드로 그대로 옮겼습니다. 그리고 여러분이 만드는 것에도 마찬가지입니다. 지금 많은 분들이 저처럼 AI 운영 체제를 구축하고 계시는데, 전혀 문제없습니다. 폴더와 마크다운 파일, 그리고 명령어로 이루어진 간단한 시스템이니까요. 클라우드 코드, 코덱스, 헤르메스 또는 다음 달에 출시될 어떤 플랫폼에서 실행하든 모든 데이터가 그대로 이전됩니다. 만약 어떤 이유로든 설정이 제대로 되지 않는다면, 도구에 구애받지 않고 작동하도록 구축했는지 확인하세요. 그러니 완벽한 도구를 기다리지 말고, 아끼던 도구가 교체된다고 스트레스 받지 마세요. 그 기술에 완전히 몰두하세요 . 명확하게 소통하는 방법, 문제를 분석하는 방법, 그리고 첫 번째 해결책이 실패했을 때 더 나은 해결책을 찾는 방법 같은 것들이죠 . 자, 그럼 세 번째 수업으로 넘어가죠. AI에 능숙하다는 것은 얼마나 많이 아느냐의 문제가 아닙니다. 얼마나 많은 모델 이름을 댈 수 있는지, 얼마나 많은 도구를 사용해 봤는지가 중요한 게 아닙니다. 가장 먼저 손이 가는 것이죠. 책상 위에 무언가가 놓이면, 그것이 기본 설정이 되는데, 인공지능이 이런 작업을 할 수 있을지 궁금합니다. 제가 한번 해볼게요 . 아니면 예전처럼 그냥 수작업으로 갈아서 만드시는 건가요? 그리고 인공지능이 이것을 할 수 있느냐는 질문은 결코 이분법적인 문제가 아닙니다. 예 아니오로 답할 수 있는 문제가 아닙니다. 진정한 질문은 인공지능이 이를 어느 정도까지 해낼 수 있느냐는 것입니다. 만약 그것으로 70%를 해결하고 나머지는 스스로 처리해야 한다면 , 그것만으로도 엄청난 성공입니다. 처음 25%만 처리하더라도 여전히 이득입니다. 왜냐하면 100% 수동으로 작업하는 사람보다 훨씬 앞서나가는 것이기 때문입니다. 그리고 그 답은 결코 최종적인 것이 될 수 없습니다. 왜냐하면 현재 모델과 그 주변의 도구들은 말 그대로 앞으로 나올 수 있는 최악의 상태이기 때문입니다 . 그러니 명심하세요. AI 네이티브라는 것은 얼마나 많이 아느냐가 아니라, 당신의 뇌가 기본적으로 어떤 방식으로 작동하는지를 의미합니다. 자, 네 번째 교훈입니다. 대부분의 사람들은 인공지능 자체가 가치 있는 부분이라고 생각합니다. 가장 좋은 아이디어를 내거나, 최고의 모델을 만들거나, 가장 뛰어난 기술을 가진 사람이 이길 거예요. 하지만 그건 순서가 반대예요. 인공지능은 모든 사람이 동등하게 접근할 수 있는 유일한 것이다. 한번 생각해 보세요. 모든 사람이 동일한 Opus 모델을 사용할 수 있다면, 모두가 완전히 똑같은 결과를 얻게 되는 것 아닌가요? 아니요, 왜냐하면 모든 사람이 각기 다른 시스템과 전문 지식을 AI 모델과 AI 활용에 적용하기 때문입니다. 그러니까 회계사가 예산을 편성하는 기술을 배우는 과정이라고 생각하면 됩니다. 그들은 스프레드시트를 한 번도 만져보지 않은 사람보다 10배는 더 잘할 겁니다. 왜냐하면 그들은 좋은 예산이 어떤 모습인지, 그리고 사람들이 예산 편성 과정에서 어떤 실수를 저지르는지 알고 있기 때문입니다. 자, 제가 하는 모든 일에서 그것이 어떻게 드러나는지 아주 실용적인 예를 들어볼게요. 5,000 시간이 넘는 시간 동안 수많은 지뢰를 밟았고, 이제 다시는 그런 지뢰를 밟지 않는 방법을 알게 되었습니다. 제가 빌드를 만들 때 항상 하는 것 중 하나는 네거티브 프롬프트를 사용하는 것입니다. 나는 내 기술, 내 시스템, 내 지시사항, 내 모든 지시에 대해 부정적인 자극을 준다. 저는 인공지능에게 하지 말아야 할 일을 끊임없이 알려주고 있습니다. 저 하지 말아야 할 것들 목록은 제 경험과 실패담을 적어놓은 것일 뿐이고, 초보자라면 아마 알지 못할 만한 내용들을 추가한 것입니다. 이건 제가 지어낸 허황된 꼼수가 아닙니다. 클로드에게 프롬프트를 표시하는 방법에 대한 Anthropic의 공식 문서를 참조하세요 . 그리고 그러한 예시들 중 상당수는 부정적인 자극으로 가득 차 있습니다 . "요청받은 기능 외에 추가 기능을 넣지 마세요."와 같은 내용입니다. 또는 "발생할 수 없는 시나리오에 대한 오류 처리를 추가하지 마십시오 ." 그리고 이것이 바로 컨텍스트 엔지니어링의 핵심입니다. 물론 사람마다 그 용어에 대한 정의는 조금씩 다르지만, 저는 이렇게 간단하게 생각하는 걸 좋아합니다 . 지난 수업을 떠올려보면, 모두에게 동일한 모델과 동일한 하네스가 제공됩니다. 하네스는 예를 들어 클로드 코드처럼 모델을 감싸는 앱이라고 할 수 있죠. 그러니까 컨텍스트 엔지니어링은 그런 것들 위에 덧붙이는 모든 것을 의미합니다 . 당신이 입력하는 모든 지식, 당신이 자극하는 방식, 지시사항, 기술, 그리고 당신이 그 주변에 구축하는 시스템까지 모두 포함됩니다. 기본적으로는 강력한 AI 모델에 자신의 사고방식을 적용하는 방식이라고 생각하시면 됩니다. 자, 다섯 번째 수업입니다. 인공지능과 대화하는 것을 멈추고 관리하기 시작하세요. 대부분의 사람들은 요청을 입력하고 결과를 확인한 후, 결과가 좋지 않으면 인공지능이 아직 충분히 똑똑하지 않다고 판단할 것입니다. 하지만 이러한 도구를 통해 진정한 효과를 얻는 사람들은 단순히 더 나은 프롬프트를 입력하는 데 그치지 않고, 더 효율적으로 관리하고 있습니다. 그러니까 "이거 써줘."라고 말하는 대신에요. 또는 " 이것에 대해 조사해 보세요." 저는 프로그램에게 문제를 주고, 그 문제를 어떻게 해결할지 스스로 결정하게 합니다. 그리고 프로그램이 제가 원하는 바를 완전히 이해했다고 확신할 때까지 질문을 계속하게 한 후에야 비로소 프로그램을 움직이기 시작합니다. 그리고 이 모델들에 대해 한 가지 더 말씀드리자면, 그들은 당신을 만족시키도록 훈련받은 것 같습니다. 그들이 약간 아첨꾼이라는 것이 입증되었습니다 . 그래서 만약 당신이 그 로봇에게 당신의 계획에 대해 어떻게 생각하는지 물어보면, 당신이 듣고 싶어하는 대답인 "훌륭하다"라고 말할 수도 있습니다. 하지만 모든 계획에는 맹점이 있다. 그러니, 이러한 AI 모델들이 반대 의견을 제시하도록 만들어 보세요. 저는 여러 인공지능 모델을 활용하여 회의적인 고객, 경쟁업체, 실제 시스템을 유지보수해야 하는 엔지니어 등 다양한 관점에서 제 계획을 분석해 볼 것입니다. 각기 다른 관점에서 분석하면 다른 관점에서는 발견하지 못했던 문제점을 찾아낼 수 있을 테니까요. 그래서 최종 결과물은 단순히 하나의 AI 모델에게 "이게 좋은가요?"라고 묻는 것보다 훨씬 더 철저한 분석 결과를 보여줍니다. 그리고 그 모든 과정을 거친 후에는 명확한 완료 지점을 설정하여, 작업이 정확히 어떤 모습

OpenAI just admitted its own AI broke out and hacked a real company on its own without any hacker or human telling it to. So, it was locked in a test environment. It wanted to win the test, so it found a loophole and it got itself onto the internet and it broke into another company's servers to actually steal the answers. And this isn't theory. OpenAI published it themselves. And if you forget the sci-fi part, the lesson for your business is boring [music] and expensive. That AI was not evil. It had a goal and it had a bunch of doors that nobody remembered leaving open. So, do three things today. First, open the connections page in whatever AI you use and actually look. Now, most people find their whole Google Drive and inbox switched on from a setup they did 6 months ago. So, you want to turn off anything that you do not use every single week. Number two is stop logging your AI in as you. So, give it its own account, give it read-only access, and then if something goes wrong, you just delete one login instead of untangling 6 months of activity under your name. Third, never give it the password that moves money or emails your customers. Only allow it to draft, you send those off. Do those three different things and AI will keep doing all of the work for you. It just can't do anything that you did not approve. Comment need and I'll send you my entire AI security guide that keeps my company and my clients secure.

그래서 저는 AI에게 고객과 잠재 고객의 상담 통화 약 300건 과 AI 코칭 통화를 분석하도록 했습니다. 해당 조사에서 사람들이 반복적으로 묻는 질문이 25개에서 50개 정도 되는 것으로 나타났습니다 . 그래서 저는 그 질문들을 10개로 추려냈습니다 . 제가 전화 상담에서 가장 많이 받는 질문 10가지입니다. 제가 가장 자주 받는 질문 중 하나는 어떤 AI 모델을 사용해야 할까요? 입니다. 구매하는 게 나을까요, 아니면 직접 만드는 게 나을까요? 그렇다면 인공지능이 나에게 거짓말하는 것을 멈추게 하려면 어떻게 해야 할까요? 그래서 제가 한 일은 제 친구 엘리엇을 여기로 불러서 인사를 나누는 것이었습니다 . 인공지능 컨설턴트이기도 한 분과 함께 지금부터 그 10가지 질문에 대한 답을 드리겠습니다 . 이런 답변들은 대개 사람들이 돈을 내고 얻는 것이지만, 이 영상에서는 무료로 얻을 수 있습니다. 자, 그럼 시작해 볼까요? 좋아요, 그럼 순서를 바꿔 볼게요. 이번에는 제가 먼저 대답할게요. 다음에는 당신이 먼저 하세요. 괜찮은. 그래서 첫 번째 질문은 특정 작업을 위해 어떤 AI 도구를 사용해야 하는가입니다. ChatGPT, Claude, Gemini, 아니면 Copilot? 또는 빈칸을 채우는 AI 도구를 사용하세요. 그래서 제일 먼저 떠오르는 생각은, 가능하다면 Copilot을 사용하지 말라는 것입니다. 그래서 많은 사람들이 회사에서 사용해 온 것이기 때문에 어쩔 수 없이 코파일럿을 계속 사용하게 되는 경우가 많습니다. 하지만 코파일럿은 장기적인 작업을 처리하는 능력이 부족한 경우가 많습니다. 즉, AI가 ChatGPT나 Claude를 사용할 때처럼 여러 문서, 시스템 등을 효과적으로 넘나들며 작업할 수 없다는 뜻입니다 . 이제 각 모델과 그 모델을 둘러싼 각 도구들을 특정 사용 사례에 활용하는 시기는 매달 달라집니다. 따라서 ChatGPT에서 새로운 모델이 출시된다면, 그것을 사용하는 것이 좋을 수도 있습니다. Claude 같은 프로그램을 사용하신다면 말이죠. 하지만 제가 이야기 나눠본 대부분의 사람들 , 특히 초보자들에게 주는 결론은 도구에 대해서는 걱정하지 말라는 겁니다 . 하나만 잘하면 돼. 솔직히 말해서 별로 상관없어요. Claude, ChatGPT, Gemini를 사용할 수 있습니다. Copilot을 사용 중이라면 문제가 될 수 있으니, 가급적 사용하지 않는 것이 좋습니다. 하지만 나머지 세 가지는, 만약 여러분이 세 가지 주요 도구 중 하나를 사용하고 있다면 , 그냥 그것을 사용하고 숙달하세요. 그리고 그 도구에 능숙해지면 나머지 모든 도구를 사용할 수 있을 겁니다. 엘리엇, 어떻게 생각해? 당신 말이 맞는 것 같아요. 음, 가능하다면 코파일럿은 피하고 싶네요. 하지만 제가 선호하는 몇 가지 사항이 있습니다. 음, 제가 클로드를 사용하는 몇 가지 경우가 있는데, 특히 디자인 작업과 관련해서 그렇습니다. 제가 발견한 바로는 ChatGPT는 5.5 버전 이전까지는 괜찮았지만, 5.5 버전부터는 디자인 측면에서 그다지 좋지 않았습니다. 그래서 저는 시각적인 작업을 할 때 대부분 클로드를 주력 프로그램으로 사용하게 됩니다. 그래서 슬라이드 자료나 시각 자료도 활용할 수 있지만, 구체적인 내용을 살펴보거나 데이터 분석을 할 때는 ChatGPT를 주로 사용합니다 . 물론 몇 가지 미묘한 차이가 있지만, 저는 도구를 사용하고, 그 작동 방식을 제대로 이해하고 , 거기서부터 시작하는 것이 좋다는 의견에 동의합니다. 괜찮은. 그래서 두 번째 질문은, 제가 인공지능 관련 아이디어 또는 인공지능을 적용하고 싶은 아이디어가 5개에서 10개 정도 있다는 것입니다 . 어떤 것부터 시작해야 할지 어떻게 결정하나요 ? 자, 그럼 여러분이 직장이나 일상생활에서 하는 가장 비효율적인 일부터 시작해 볼까요? 그러니까 시간이 많이 걸리긴 하지만, 당신이 정말 잘 아는 일이죠. 그래서 많은 사람들이 인공지능은 무섭다고 생각하고, 인공지능을 접하려면 굉장히 복잡한 것부터 시작해야 한다고 생각하는 경향이 있습니다. 하지만, 여러분이 아주 잘 알고 있는 작업 흐름이나 작업부터 시작할 수 있습니다 . 그러니까, 당신은 좋은 모습이 어떤 건지 알겠죠. 그리고 시간이 많이 걸린다면, 그 부분에 먼저 집중하세요. 혹은 당신이 하는 일 중에 정말 귀찮고, 자잘한 시간 이나 행정적인 일에 많은 시간을 잡아먹는 부분이 있을 수도 있습니다. 그러니 그 부분에도 집중할 수 있습니다 . 하지만 저는 여러분이 잘 알고 있는 작업에 집중하는 것을 선호합니다. 그래야 인공지능의 작업과 여러분의 작업을 비교해 볼 수 있고, 거기서부터 다음 단계를 진행할 수 있기 때문입니다. 그래서 제가 보통 사람들에게 권하는 것은 3대 1의 비율을 생각해 보라는 것입니다. 그래서 저는 큰 영향보다는 빠른 성과를 추구합니다. 그러니까, 세 번의 빠른 성공으로 큰 효과를 내는 거죠 . 그 이유는 인공지능을 적용하고 싶은 작업이 10개라면 , 그중 일부는 구현하기가 매우 어렵 거나 가치를 확인하기까지 상당한 시간이 걸릴 수 있기 때문입니다. 그래서 여러분은 좀 더 빨리, 빠르게 성과를 낼 수 있는, 쉽게 이룰 수 있는 일을 하고 싶어합니다. 그렇게 하면 바로 가치를 얻을 수 있고, 스스로에 대한 신뢰와 도구를 사용하는 능력에 대한 신뢰를 쌓을 뿐만 아니라, 시간이 지남에 따라 도구가 효과적이고 안정적으로 작동할 것이라는 신뢰도 쌓을 수 있습니다 . 그래서 우리는 인공지능으로 쉽게 할 수 있는 세 가지 빠른 성과를 내고, 마지막으로 한 가지 큰 영향을 미치는 일을 할 것입니다. 그러면 그 두 가지를 번갈아가며 사용하면 됩니다. 네, 좋아요. 좋습니다, 세 번째 질문입니다. AI 도구를 구매해야 할까요 , 기존 도구를 맞춤 설정해야 할까요 , 아니면 처음부터 직접 만들어야 할까요? 제가 이 질문을 해석하자면, 기본적으로 '사야 할까, 아니면 직접 만들어야 할까?'라는 질문입니다. 이는 많은 사람들이 흔히 논의하는 주제이며, 특히 Cloud Code나 Cloud Code Work(많은 분들이 사용하고 계실 가능성이 높은 비기술적인 버전의 Cloud Code) , 또는 ChatGPT Work와 같은 도구들을 사용할 때 더욱 그렇습니다. 이 모든 도구들은 무언가를 만드는 데 매우 뛰어납니다 . 그래서 그들은 애플리케이션이나 프로토타입 등을 만듭니다. 그러다 보면 뭔가를 만드는 게 아주 쉬운 일처럼 느껴지게 되죠. 물론 시작은 좋지만, 제가 함께 일하는 대부분의 사람들에게는 구매보다는 구축을 추천합니다. 하지만 사업에 필수적인 소프트웨어는 여전히 구매하는 것이 좋다고 생각합니다. 정말 중요한 백오피스 도구라면 여전히 구매해야 합니다. 이유는 유지보수 때문입니다. 처음에 시스템을 구축하는 것은 좋지만, 데이터베이스를 유지 관리하고, 보안을 확보하고, 버그를 수정하는 등의 작업은 번거롭고, 바로 그 부분 때문에 소프트웨어 제공업체에 비용을 지불하는 것입니다 . 그래서 저는 대부분의 경우 구매를 추천 하지만, 상황은 바뀔 수도 있습니다. 그러니까 6개월 후에 같은 질문을 하시면, 제 대답이 달라질 수도 있을 거예요. 네, 어떤 경우에는 모델을 검증하거나 내부적으로 공유하기 위해 제품을 구매하는 것이 미래의 모습이나 워크플로우에 대한 좋은 아이디어를 얻는 데 도움이 될 수 있습니다. 하지만 더 광범위한 워크플로우 나 구현이 필요한 경우에는 구매하는 것이 훨씬 더 나은 경우가 많습니다. 응. 좋습니다, 네 번째 질문입니다. 일반 AI 채팅으로 충분한 경우는 언제이며, 프로젝트 스킬 에이전트나 자동화와 같은 고급 기능이 필요한 경우는 언제일까요? 그래서 제 생각에는 그건 얼마나 자주 그 일을 하는지, 그리고 얼마나 깊이 있게 하는지에 달려 있는 것 같아요. 그러니까, 그냥 일회성 작업이니까, 전체 프로젝트나 기술, 에이전트가 필요한 건 아니에요. 채팅 기능을 활용해서 채팅창과 대화를 나누고, 하려는 작업 과 그 결과가 어떻게 나타날지 살펴보세요. 그건 전혀 문제없어요. 반복 가능한 작업, 즉 여러 번, 예를 들어 세 번, 네 번 이상 수행하는 워크플로의 경우 프로젝트를 사용하면 프로젝트 세부 정보에 맥락을 부여할 수 있으므로 매우 유용할 수 있습니다 . 그런 다음 해당 작업을 수행하는 방법과 워크플로에 대한 지침을 제공하고, 좋은 결과물의 예시를 제공하면 결과물의 품질이 향상될 것입니다. 여러 단계를 포함하는 작업이라면 스킬을 사용하기 시작해야 합니다. 스킬에는 워크플로를 구성하고 통합하는 여러 개별 작업이 포함될 수 있기 때문입니다. 그래서 저는 거기서부터 스킬 개발을 시작할 거예요. 스킬을 개발하기 전에, 프로젝트에서 만든 워크플로가 제대로 작동하는지 먼저 확인하고, 그 워크플로를 스킬로 패키징해서 자주 사용하고 다른 팀이나 사람들과 내부적으로 공유할 수 있도록 하세요. 그리고 요원과 관련해서라면, 바로 그런 부분에서 정보가 활용되기를 바라는 거죠. 따라서 어떤 모델을 선택할지, 그리고 작업을 얼마나 빠르고 효율적으로 완료하고 싶은지에 따라 에이전트를 살펴보고 에이전트를 구축하기 시작하게 됩니다. 하지만 에이전트는 단순히 마크다운 파일이고, 여러 기술을 묶어놓은 패키지일 뿐입니다. 그러므로 우리가 에이전트와 스킬이라고 부르는 용어는 서로 바꿔 쓸 수 있습니다. 어떻게 생각하나요? 저도 동감이에요. 그래서 제가 덧붙일 말은 별로 없네요. 제가 프로젝트와 기술을 전달하는 방식이 약간 다르다고 생각합니다. 그리고 에이전트에 대한 당신의 의견에 대해 말씀드리자면, 에이전트가 정확히 무엇인지는 아무도 잘 모릅니다. 기본적으로 기술과 프로젝트가 결합된 것입니다. 에이전트에게는 특별한 전문 분야가 없습니다. 자, 이제 제가 에이전트 와 스킬, 또는 프로젝트와 스킬을 어떻게 전달하는지에 대해 이야기해 볼게요. 죄송합니다. 제가 이러한 내용을 사람들에게 전달할 때, 전달 방식은 단 한 번뿐입니다 . 그러니까 기본적인 검색 같은 건 일반 채팅에서도 언제든지 할 수 있잖아요. 그래서 ChatGPT나 Claude 등에서는 괜찮습니다. 프로젝트를 사용하면 일종의 전용 작업 공간이 됩니다. 따라서 AI가 수행할 수 있는 맞춤형 작업을 위한 전용 작업 공간이 마련됩니다 . 그 공간을 열어주면 AI