25분 만에 배우는 모든 필수 AI 스킬 (2025)

Tina Huang 구독자 835,000명

요약

이 영상은 2025년 기준으로 AI의 기본 개념부터 실전 응용까지 초급·중급·고급 스킬을 25분 만에 압축해 알려줍니다. 프롬프트 작성법, AI 에이전트 설계, AI 지원 코딩(바이브 코딩) 등 실무에 바로 적용할 수 있는 프레임워크와 예시를 제공합니다. 각 섹션마다 간단한 퀴즈로 학습 효과를 높이고, 더 깊이 공부할 수 있는 외부 리소스도 제시합니다. 마지막으로 워크플로우 통합·명령줄 도구·에이전트 발전이라는 3가지 핵심 미래 트렌드를 짚어줍니다.

주요 키워드

프롬프트(prompting) 대형 언어 모델(LLM) Generative AI AI 에이전트 바이브 코딩(vibe coding) TCRAE 프레임워크 Ramen 프레임워크 Retool 제품 요건 문서(PRD) 노코드/로우코드 도구

하이라이트

🔑 프롬프트 작성은 AI 활용의 가장 높은 ROI(Return on Investment)를 제공하는 핵심 스킬입니다.
⚡️ Generative AI(생성형 AI)는 텍스트, 이미지, 오디오, 영상 등 새로운 콘텐츠를 자동 생성하는 AI 기술의 하위 분야입니다.
🌟 ‘Tiny crabs ride enormous iguanas’ 프레임워크(Task, Context, Resources, Evaluate, Iterate)로 초보자도 효과적인 프롬프트를 설계할 수 있습니다.
🚀 고급 프롬프트 전략 ‘Ramen saves tragic idiots’로 프롬프트 구조 최적화, 문장 분할, 제약 조건 추가까지 적용해 98% 상위권 실력을 달성할 수 있습니다.
🤖 AI 에이전트는 사용자를 대신해 목표를 추구·작업을 수행하는 소프트웨어 시스템으로, 모델·도구·메모리·권한 관리 등 6가지 구성 요소로 설계됩니다.
📌 Retool의 엔터프라이즈용 에이전틱 플랫폼은 LLM을 이용해 실제 시스템과 연동된 강력한 AI 에이전트를 쉽게 구축하도록 지원합니다.
🎯 ‘바이브 코딩(vibe coding)’은 코드를 직접 쓰기보다 LLM에 전반적 요구 사항을 지시해 구현을 맡기는 새로운 코딩 패러다임입니다.
🛠️ ‘Tiny ferrets carry dangerous code’ 바이브 코딩 프레임워크(Thinking, Frameworks, Checkpoints, Debugging, Context)는 안정적이고 유지보수 가능한 코드를 생성하는 데 필수입니다.
🔮 명령줄 도구(cloud code 등) 숙달과 AI 에이전트 통합이 향후 개발 생산성 혁신을 주도할 주요 트렌드입니다.
📌 AI 통합 전략: 기존 워크플로우·제품에 AI를 결합해 사용자 경험을 개선하고 비용을 절감하는 것이 핵심입니다.

용어 설명

Artificial Intelligence(인공지능)

인간 지능과 연관된 인지 작업을 수행하는 컴퓨터 프로그램을 총칭합니다.

Generative AI(생성형 AI)

텍스트·이미지·오디오·비디오 등 새로운 콘텐츠를 자동 생성하는 AI 기술의 하위 분야입니다.

LLM(대형 언어 모델)

방대한 텍스트 데이터를 학습해 자연어 생성 및 이해를 수행하는 언어 모델입니다.

Prompting(프롬프트 작성)

GenAI 도구에 구체적인 지침을 제공해 원하는 결과물을 얻는 과정입니다.

AI 에이전트

사용자를 대신해 목표를 추구하고 작업을 수행하는 소프트웨어 시스템입니다.

Tiny crabs ride enormous iguanas 프레임워크

프롬프트 설계를 위한 Task·Context·Resources·Evaluate·Iterate 5단계 구조입니다.

Ramen saves tragic idiots 프레임워크

고급 프롬프트 최적화를 위한 재검토·문장 분할·유사 과제·제약 도입 4단계 구조입니다.

Vibe coding(바이브 코딩)

LLM에 요구 사항을 설명해 코드 구현을 맡기는 새로운 AI 지원 코딩 방식입니다.

PRD(Product Requirements Document)

제품 요구사항 문서로, 대상 사용자·핵심 기능·기술 스택을 사전에 정의합니다.

전체 학습 로드맵을 제시합니다. 기본 정의→프롬프트→에이전트→AI 지원 코딩(바이브 코딩)→미래 트렌드 순으로 진행하며, 중간 중간 퀴즈를 통해 학습 내용을 점검합니다.

[00:00] 2025년 AI 필수 지식을 초급부터 고급까지 체계적으로 정리하여 전달하겠다는 영상 소개와 학습 목표 제시

[00:29] 영상 구성 안내 - AI 기본 정의, 프롬프팅, 에이전트, AI 코딩, 신기술 등 5개 섹션으로 구성

인공지능(AI)과 전통적 머신러닝 사례(구글 검색·유튜브 추천)를 짚고, 최신 AI는 텍스트·이미지·오디오·영상 생성이 가능한 생성형 AI임을 설명합니다.

[00:52] 인공지능의 기본 정의와 전통적 AI와 생성형 AI의 차이점 설명, 대규모 언어모델과 멀티모달 모델의 개념 소개

[01:58] AI 기본 용어 학습 완료 후 퀴즈 제시, 추가 학습을 원하는 시청자를 위한 심화 자료 안내

[02:27] 프롬프팅의 정의와 중요성을 설명하며, 이것이 AI 모델과 소통하는 핵심 방법이자 가장 높은 투자 수익률을 가진 스킬임을 강조합니다.

프롬프트는 GenAI 도구에 구체적인 지침을 제공해 원하는 결과를 얻는 과정이며, 모든 AI 활용의 기초이자 가장 높은 투자 대비 효과를 주는 스킬임을 강조합니다.

[03:00] 초보자를 위한 프롬프팅 시작 방법으로 좋아하는 AI 챗봇 선택과 두 가지 기억법을 소개합니다.

‘Tiny crabs ride enormous iguanas(T,C,R,E,I)’ 프레임워크로 작업(Task) 정의→맥락(Context) 제공→참고자료(Resources) 활용→결과 평가(Evaluate)→반복(Iterate) 과정을 제시합니다.

[03:21] '작은 게들이 거대한 이구아나를 탄다' 프레임워크(작업, 맥락, 자원, 평가, 반복)를 통해 효과적인 프롬프트 작성법을 설명합니다.

[03:35] 문어 굿즈 마케팅 인스타그램 게시물 예시를 통해 기본 프롬프트에서 페르소나와 출력 형식을 추가하여 개선하는 방법을 보여줍니다.

[04:24] 맥락의 중요성을 강조하며, 더 많은 맥락 정보(상품 사진, 회사 배경 등)를 제공할수록 더 좋은 결과를 얻을 수 있다고 설명합니다.

[04:51] 새로운 코호트 모집 예정과 대기자 명단 등록 안내를 하며, AI에게 더 구체적인 컨텍스트를 제공하는 방법을 설명한다.

[04:59] 마스코트 '잉키'와 타겟 오디언스(20-40세 직장인)와 같은 구체적인 정보를 AI에게 제공하면 결과가 훨씬 정확해진다고 설명한다.

[05:18] 프레임워크의 다음 단계인 '참조'를 소개하며, 좋아하는 인스타그램 포스트 예시를 제공하는 것의 중요성을 강조한다.

[05:28] 예시 제공의 강력함을 설명하고, AI와의 반복적인 작업을 통해 최종 결과를 얻는 과정을 안내한다.

[06:05] '작은 게들이 거대한 이구아나를 탄다'는 기억법을 소개하며, 이를 기억하면 80%(또는 88%)의 사람들보다 뛰어난 프롬프팅 능력을 갖게 된다고 한다.

[06:15] 98% 인구보다 뛰어나려면 '라면이 비극적인 바보들을 구한다' 프레임워크를 추가로 사용해야 한다고 소개한다.

‘Ramen saves tragic idiots’ 프레임워크로 기본 구조 검토→문장 분할→유사 과제 적용→제약 조건 도입 단계를 통해 상위 98% 능력을 달성할 수 있는 추가 팁을 소개합니다.

[06:27] 새 프레임워크의 첫 번째 부분은 기존 프레임워크를 재검토하여 페르소나 추가, 상충 정보 제거 등을 하는 것이라고 설명한다.

[06:42] 두 번째 부분은 프롬프트를 짧은 문장으로 나누는 것인데, AI와의 대화도 사람과의 대화처럼 말을 마구 쏟아내면 혼란스러워한다고 설명한다.

[07:01] 프롬프트 엔지니어링의 세 번째 핵심 요소로 다양한 표현 방식과 유사한 작업으로 접근하는 방법을 설명합니다. 연설문 작성을 요청할 때 '스토리를 써달라'고 재구성하면 더 나은 결과를 얻을 수 있다고 제안합니다.

[07:30] 시차 적응 중에 녹화를 깜빡한 부분을 보충하며, 프롬프트에 제약조건을 도입하는 중요성을 강조합니다. 텍사스 로드트립 플레이리스트 예시를 들어 '여름 컨트리 음악만'이라는 구체적 조건이 더 적합한 결과를 만든다고 설명합니다.

[08:18] 두 프레임워크(RAMEN과 제약조건)를 활용하면 98%의 사람들보다 나은 프롬프팅 실력을 갖출 수 있다고 주장합니다. 이 프레임워크는 구글에서 개발된 것임을 밝히며, 더 깊이 학습하고 싶다면 구글의 프롬프팅 코스를 추천합니다.

[08:50] OpenAI, Gemini, Anthropic의 프롬프트 생성기들을 소개하며, 이들이 첫 초안 작성과 특정 모델 최적화에 유용하다고 설명합니다. 프롬프팅 스킬이 쓸모없어질 것이라는 생각에 반박하며, 특히 에이전트 구축과 코딩에서 그 중요성이 더욱 커지고 있다고 강조합니다.

AI 에이전트는 이메일 자동 응답·코딩 지원 등 사용자를 대신해 작업을 수행하는 시스템이며, 업계가 빠르게 주목하는 혁신 분야임을 사례와 함께 설명합니다.

[09:23] AI 에이전트는 사용자를 대신해 목표를 추구하고 작업을 완료하는 시스템으로, 특정 역할의 AI 버전을 의미합니다. 고객 서비스 에이전트는 비밀번호 분실 등의 이메일에 자동으로 답변하고 관련 페이지를 참조할 수 있습니다.

[09:45] 현재 AI 에이전트는 모든 문의를 처리할 수는 없지만, 일반적이고 흔한 질문들은 자율적으로 처리 가능합니다. 코딩 에이전트는 웹 애플리케이션 구축 요청시 MVP 버전을 만들어 제공할 수 있습니다.

[10:11] AI 에이전트 분야에는 많은 관심과 투자가 몰리고 있으며, 모든 SaaS 회사마다 수직적 AI 에이전트 버전이 등장할 것으로 예상됩니다. 이는 YC에서 제시한 핵심적인 통찰입니다.

[10:40] OpenAI는 AI 에이전트를 구성하는 6가지 요소를 제시합니다. 첫째는 추론과 의사결정을 담당하는 AI 모델, 둘째는 다양한 인터페이스와 상호작용할 수 있게 하는 도구입니다.

OpenAI가 제시한 모델·도구·지식·메모리·오디오·가드레일·오케스트레이션 6가지 요소를 정리하고, Retool 플랫폼으로 실제 비즈니스용 에이전트를 손쉽게 구축하는 방법을 설명합니다.

[11:15] 지식과 메모리는 AI 에이전트의 핵심 구성요소입니다. 회사 특정 데이터베이스 접근을 통해 맞춤형 분석이 가능하며, 치료 에이전트처럼 지속적인 상호작용이 필요한 경우 이전 세션들을 기억하는 메모리가 중요합니다.

[11:43] 오디오와 음성 기능은 AI 에이전트가 자연어를 통해 사용자와 상호작용할 수 있게 하는 능력을 제공합니다.

[11:46] AI 에이전트의 핵심 구성 요소들을 설명합니다. 자연어 상호작용 기능과 다국어 지원을 통해 사용자와 자연스럽게 소통할 수 있습니다.

[11:54] 가드레일 시스템의 중요성을 강조합니다. AI 에이전트가 의도하지 않은 행동을 하지 않도록 통제하는 시스템이 필요합니다.

[12:03] 오케스트레이션 프로세스에 대해 설명합니다. 에이전트를 배포하고 모니터링하며 지속적으로 개선하는 과정입니다.

[12:14] Retool의 엔터프라이즈급 에이전트 개발 플랫폼을 소개합니다. AI 데모와 실제 비즈니스용 AI 사이의 격차를 해결하는 솔루션입니다.

[12:28] Retool의 주요 기능들을 설명합니다. 다양한 언어 모델 지원, 데이터베이스 연동, 완전한 엔드투엔드 지원을 제공합니다.

[12:45] Retool 사용 사례를 소개합니다. 텍사스 대학교 의료센터가 진단 역량을 10배 향상시킨 성공 사례를 들며 10,000개 이상의 회사가 사용 중임을 언급합니다.

[13:08] AI 에이전트의 핵심 구성 요소들을 종합적으로 정리합니다. 모델, 도구, 메모리, 음성, 가드레일, 오케스트레이션의 역할을 요약합니다.

[13:21] 멀티 에이전트 시스템에서 프롬프팅의 중요성을 강조합니다. 에이전트들이 상호작용할 때 정확하고 일관된 프롬프트가 필요합니다.

[13:37] AI 에이전트 구축을 위한 다양한 도구들을 소개합니다. 노코드/로우코드 도구인 n8n과 Gumloop, 그리고 개발자용 SDK들을 추천합니다.

[14:07] AI 에이전트 도구와 기술들은 계속 진화하고 있으며, 몇 달 안에 더 많은 에이전트 빌더들이 등장할 예정입니다. 따라서 특정 도구보다는 AI 에이전트의 구성 요소, 프로토콜, 시스템에 대한 기본 지식에 집중하는 것이 중요합니다.

[14:44] 단일 AI 에이전트보다는 멀티 에이전트 시스템을 구축하는 것이 효과적입니다. 회사에서 한 사람이 모든 업무를 담당하면 혼란스러운 것처럼, 에이전트도 특정 역할을 가진 여러 서브 에이전트가 협력하는 것이 더 좋은 결과를 만들어냅니다.

[15:31] MCP(Model Context Protocol)는 Anthropic에서 개발한 표준화된 프로토콜로, 에이전트가 도구와 지식에 접근할 수 있게 해주는 범용 USB 플러그 같은 역할을 합니다. 이전에는 각기 다른 웹사이트, API, 데이터베이스들이 서로 다른 방식으로 구성되어 있어 에이전트와 연결하기가 어려웠지만, MCP를 통해 이 문제가 해결되었습니다.

[16:10] AI를 활용한 애플리케이션 개발, 즉 '바이브 코딩'에 대해 소개합니다. OpenAI 공동창립자 안드레 카파시가 제시한 새로운 코딩 방식으로, AI에게 원하는 기능을 설명하면 구현을 대신 처리해주는 방법입니다.

Andrej Karpathy가 제안한 ‘vibe coding’ 개념을 소개하며, LLM에 구현을 맡기는 코딩 방식과 활용 사례를 간략히 시연합니다.

[16:47] Daily Vibes라는 React 웹앱 예시를 들어 바이브 코딩의 실제 활용법을 보여줍니다. 사용자가 이모지로 기분을 선택하고 메모를 작성할 수 있는 앱을 AI가 자동으로 생성해주는 과정을 설명합니다.

[17:08] 바이브 코딩에도 올바른 기술과 원칙이 필요함을 강조하며, 5단계 프레임워크 'TFCDC'(작은 페럿들이 위험한 코드를 운반한다)를 소개합니다. 버전 컨트롤을 모르고 모든 것을 잃은 사례를 들어 주의사항을 언급합니다.

‘Tiny ferrets carry dangerous code’ 프레임워크로 기획(Thinking)→기술 스택 선택(Frameworks)→버전 관리(Checkpoints)→디버깅(Debugging)→맥락 제공(Context) 단계를 제시해 안정적 코드 생산을 돕습니다.

[17:42] 첫 번째 단계인 '사고(Thinking)'에 대해 설명합니다. 제품 요구사항 문서(PRD)를 작성하여 타겟 고객, 핵심 기능, 사용할 도구들을 명확히 정의하는 것의 중요성을 강조합니다.

[18:07] 두 번째 단계인 '프레임워크(Frameworks)'를 설명합니다. 유사한 제품들이 이미 존재할 가능성이 높으므로, AI에게 React, Tailwind, Three.js 등 적절한 도구를 지정해주는 것이 중요하다고 설명하며, 도구 선택에 대한 질문을 제기합니다.

[18:33] AI의 도움으로 적절한 프레임워크 선택하기. PRD 작성 시 AI에게 직접 질문하여 특정 유형의 애플리케이션(예: 3D 애니메이션 웹앱)에 적합한 프레임워크를 파악할 수 있다.

[18:48] 바이브 코딩 시대의 기본 지식 필요성. 모든 것을 직접 코딩할 필요는 없지만, 다양한 프레임워크와 파일 간 상호작용을 이해하는 것이 복잡한 기능 구현에 도움이 된다.

[19:13] 체크포인트의 중요성. Git이나 GitHub 같은 버전 관리 시스템을 반드시 사용해야 하며, 이를 소홀히 하면 모든 작업을 잃을 수 있다.

[19:27] 디버깅의 현실과 접근법. 새로운 기능 개발보다 디버깅에 더 많은 시간을 소모하게 되며, 체계적이고 인내심 있게 AI를 안내해야 한다.

[19:50] 효과적인 디버깅 전략. 오류 메시지를 AI에 복사 붙여넣기하고, 시각적 문제의 경우 스크린샷을 제공하며, 더 많은 세부사항과 맥락을 제공할수록 더 나은 해결책을 얻는다.

[20:05] 맥락의 중요성과 5단계 프레임워크 요약. 'tiny ferrets carry dangerous code' - thinking, frameworks, checkpoints, debugging, context로 구성되며, 바이브 코딩에는 기능 구현과 디버깅 두 가지 모드만 존재한다.

[20:39] 효과적인 바이브 코딩을 위해서는 기능 구현과 디버깅이라는 두 가지 모드를 이해해야 합니다. 기능 구현 시에는 컨텍스트 제공과 점진적 변경에 집중하고, 디버깅 시에는 프로젝트 구조와 에러 메시지 같은 구체적인 정보를 제공해야 합니다.

[21:04] 바이브 코딩 도구들은 사용자 수준에 따라 다양한 스펙트럼을 제공합니다. 초보자용으로는 Lovable, V0, Bolt가 있고, 중급자용으로는 Replit, 고급자용으로는 Firebase Studio가 있습니다.

초보자용 노코드 도구(LoVable·VZero·Bolt)부터 통합 IDE(Firebase Studio), 고급 에디터(Windsurf·Cursor), 명령줄 도구(cloud code)까지 단계별 개발 환경을 비교합니다.

[21:38] 더 고급 바이브 코딩 도구로는 Windsurf와 Cursor 같은 AI 코드 에디터가 있습니다. 이들은 로컬 머신에서 작동하며 프로덕션급 코드 개발에 적합합니다.

[22:06] 가장 고급 도구로는 Cloud Code 같은 명령줄 도구들이 있습니다. 이들은 터미널에서 직접 작동하며 더 많은 기능을 제공하지만 명령줄 사용에 익숙해야 합니다.

[22:40] 클라우드 코드는 복잡한 코드베이스 작업에서 진가를 발휘하지만, 코딩과 소프트웨어에 대한 깊은 이해가 필요합니다. 바이브 코딩에 대한 더 자세한 내용은 별도 영상에서 다루고 있습니다.

AI 발전 속도가 주 단위로 가속화되므로, 세 가지 트렌드(워크플로우 통합, 명령줄 도구 혁신, AI 에이전트 확산)에 집중해 필수 기초 지식을 다져야 함을 강조합니다.

[23:15] AI 분야에서는 연 단위가 아닌 주 단위로 변화를 측정하며, 모든 새로운 기술을 따라잡기보다는 근본적인 트렌드에 집중해야 합니다.

[24:03] 2025년의 주요 트렌드는 AI의 기존 워크플로우 통합입니다. 구글과 같은 기업들이 제품 전반에 AI를 통합하여 사용자 경험 개선과 비용 절감을 추구하고 있습니다.

[24:31] AI 보조 코딩과 바이브 코딩은 개발자 생산성을 크게 향상시키고, 비개발자들의 진입 장벽을 낮춥니다. 클라우드 코드 같은 명령줄 도구 학습이 핵심이 될 것입니다.

[00:00] 여러분을 위해 모든 AI 지식을 정리해 드렸습니다.

[00:01] 2025년에 AI에 대해 알아야 할 모든 것을

[00:03] 제 관점에서 요약본으로 만들었습니다.

[00:05] 초급부터 중급, 고급까지 다루면서

[00:08] 각 주제마다 집중 강의를 제공하고

[00:09] 더 깊이 알고 싶다면 추가 자료도

[00:11] 준비해 두었습니다.

[00:12] 이 영상을 끝까지 보시면

[00:14] 전체 인구의 99%보다

[00:16] AI에 대해 더 많이 알게 될 것입니다.

[00:17] 단, 정보를 제대로 흡수한다면 말이죠.

[00:20] 그래서 영상 중간중간

[00:22] 작은 평가 문제들을 넣어두었습니다.

[00:24] 집중해서 보세요.

[00:25] 시작합니다!

[00:26] 이 영상의 일부는 Retool이 후원합니다.

[00:29] 영상 구성을 말씀드리면,

[00:30] 먼저 AI의 기본 정의와

[00:32] 작동 원리를 살펴보겠습니다.

[00:33] 그다음 프롬프팅을 다루고,

[00:36] 요즘 핫한 AI 에이전트,

[00:38] 그리고 AI 보조 코딩을 다룹니다.

[00:41] 바이브 코딩이라고 불리는

[00:42] 애플리케이션 개발 방식과

[00:44] 마지막으로 2025년 하반기

[00:46] 주목할 신기술들을 살펴보겠습니다.

[00:48] 먼저 인공지능의 정의부터

[00:50] 시작해보겠습니다.

[00:52] 인공지능은 일반적으로

[00:54] 인간의 지능과 관련된

[00:56] 인지 과업을 수행할 수 있는

[00:58] 컴퓨터 프로그램을 말합니다.

[01:00] AI 분야는 오랜 역사를 가지고 있고,

[01:02] 전통적인 인공지능의 예로는,

[01:04] 예전에는 머신러닝이라고 불렀던

[01:06] 구글 검색 알고리즘이나

[01:08] 이런 영상을 추천해주는

[01:09] 유튜브 추천 시스템 등이 있습니다.

[01:11] 하지만 요즘 우리가 AI라고 부르는 것은

[01:13] 생성형 AI라고 불리는

[01:15] 인공지능의 특정 하위분야로,

[01:18] 텍스트, 이미지, 오디오, 비디오 등

[01:20] 새로운 콘텐츠를 생성할 수 있는

[01:21] 기술입니다.

[01:23] 가장 인기 있는 생성형 AI 모델은

[01:25] 텍스트를 처리해서 텍스트를 출력하는

[01:27] 대규모 언어모델, 즉 LLM입니다.

[01:29] 대규모 언어모델의 예로는

[01:32] OpenAI의 GPT 계열,

[01:34] 구글의 Gemini,

[01:36] 그리고 Anthropic의 Claude 모델들이 있습니다.

[01:38] 요즘에는 정말 다양한 종류의 모델들이 있고

[01:41] 많은 모델들이 기본적으로 멀티모달합니다.

[01:43] 이는 텍스트뿐만 아니라

[01:45] 이미지, 오디오, 비디오도

[01:47] 입력하고 출력할 수 있다는 뜻입니다.

[01:49] 여러분이 좋아하는 GPT-4o나

[01:51] Gemini 2.5 Pro 같은 모델들이 모두 멀티모달입니다.

[01:54] 이제 AI 세계에서 사용되는

[01:56] 기본 핵심 용어들을 알게 되었습니다.

[01:58] 이제 이 섹션의

[02:00] 퀴즈를 화면에 띄워드릴게요.

[02:02] 댓글에 답변을

[02:03] 남겨주세요.

[02:05] 또한 이런 생성형 AI 모델들에 대한

[02:07] 더 자세한 내용을 원한다면,

[02:09] 모델의 내부 구조 깊이 파보기,

[02:11] 직장에서의 활용 방법,

[02:12] 그리고 AI의 책임감 있는 사용법까지,

[02:14] 구글의 8시간짜리 AI 필수 과정을

[02:16] 15분으로 압축한 영상을

[02:18] 여기 링크로 걸어두었으니

[02:19] 확인해보세요.

[02:21] 하지만 지금은 다음 섹션으로 넘어가서

[02:23] 실제로 어떻게 활용하는지

[02:25] 알아보겠습니다.

[02:27] 프롬프팅을 통해 이러한 AI 모델을 최대한 활용하는 방법에 대해 알아보겠습니다.

[02:29] 먼저 프롬프팅이 무엇인지 정의해보겠습니다.

[02:31] 프롬프팅은 생성형 AI 도구에 특정한 지시사항을 제공하여

[02:33] 새로운 정보를 받거나 원하는 작업 결과를

[02:36] 달성하는 과정입니다.

[02:38] 이는 텍스트, 이미지, 오디오, 비디오, 심지어

[02:40] 코드를 통해서도 가능합니다.

[02:42] 프롬프팅은 여러분이 배울 수 있는

[02:44] 가장 높은 투자 수익률을 가진 스킬입니다.

[02:46] 또한 다른 모든 고급 AI 스킬의

[02:48] 기초가 됩니다.

[02:50] 이는 프롬프팅이 AI 모델과

[02:51] 소통하는 방법이기 때문에 당연한 일입니다.

[02:53] 아무리 좋은 모델, 좋은 도구,

[02:55] 좋은 무언가를 가지고 있어도

[02:57] 상호작용하는 방법을 모르면

[02:58] 여전히 쓸모없기 때문입니다.

[03:00] 초보자로서 프롬프팅을 시작하고

[03:02] 연습하고 싶다면

[03:04] 첫 번째 단계는 여러분이 좋아하는

[03:06] AI 챗봇을 선택하는 것입니다.

[03:08] ChatGPT든 Gemini든 Claude든 여러분이 좋아하는

[03:11] 무엇이든 상관없습니다.

[03:13] 다음으로, 두 가지 기억법을 알려드리겠는데

[03:15] 이를 기억하고 구현할 수 있다면

[03:17] 전체 인구의 98%보다 프롬프팅을

[03:19] 더 잘할 수 있게 됩니다.

[03:21] 첫 번째는 제가 '작은 게들이 거대한 이구아나를 탄다'

[03:23] 프레임워크라고 부르는 것으로

[03:26] 작업, 맥락, 자원, 평가, 반복을

[03:28] 의미합니다.

[03:30] 프롬프트를 작성할 때

[03:31] 가장 먼저 생각해야 할 것은

[03:33] AI가 수행했으면 하는 작업입니다.

[03:35] AI가 무엇을 하길 원하는가요?

[03:37] 예를 들어, AI가 새로운 문어 굿즈 라인을

[03:39] 마케팅할 인스타그램 게시물을

[03:41] 만드는 데 도움을 주길 원할 수 있습니다.

[03:43] 그냥 '새로운 문어 굿즈 라인을 마케팅하는

[03:45] 인스타그램 게시물을 만들어줘'라고

[03:47] 프롬프트를 입력할 수 있습니다.

[03:49] 그러면 괜찮은 결과를 얻을 수 있겠지만

[03:51] 결과를 훨씬 더 좋게 만들 수 있습니다.

[03:54] 먼저 AI에게 전문 인스타그램 인플루언서 역할을

[03:56] 하도록 지시하여 페르소나를 추가할 수 있습니다.

[03:58] 이렇게 하면 AI가 인스타그램 인플루언서의

[04:00] 역할을 맡고 그 특정 도메인 지식을 활용하여

[04:02] 더 나은 인스타그램 게시물을 만들 수 있습니다.

[04:04] 또한 원하는 출력 형식도 추가할 수 있습니다.

[04:06] 현재 기본값은 해시태그가 포함된

[04:08] 일반적인 캡션이죠?

[04:10] 하지만 좀 더 구조화된

[04:11] 형태를 원할 수도 있습니다.

[04:13] 문어에 대한 재미있는 사실로 캡션을 시작하고

[04:15] 그 다음에 공지사항을 넣고

[04:17] 관련 해시태그 3개로

[04:18] 마무리하도록 요청할 수 있습니다.

[04:21] 좋습니다. 이제 훨씬 더 나아 보이지만

[04:23] 여전히 할 수 있는 일이 많습니다.

[04:24] 이 프레임워크의 다음 부분은 맥락입니다.

[04:27] 일반적인 경험 법칙은

[04:28] AI에게 더 많은 맥락을 제공할수록

[04:30] 더 구체적이고 더 좋은 결과를

[04:32] 얻을 수 있다는 것입니다.

[04:34] 지금 당장 제공할 수 있는

[04:35] 가장 분명한 맥락은

[04:36] 실제로 판매하고 있는 굿즈의

[04:38] 사진들입니다.

[04:40] 또한 우리 회사에 대한 배경 정보도

[04:41] 추가할 수 있습니다. 우리 회사는 Lonely Octopus라고 하고

[04:44] 사람들에게 AI 스킬을 가르치는 회사입니다.

[04:46] 최근 AI 에이전트 부트캠프 같은 것을 진행했는데

[04:47] 참고로 지난번에는 대기자 명단을 통해

[04:49] 단 40시간 만에 매진되었습니다.

[04:51] 그래서 곧 새로운 모집을 시작할 예정입니다.

[04:52] 관심 있으시면 대기자 명단에

[04:54] 등록해 주세요.

[04:55] 여기 링크해 드릴게요.

[04:56] 설명란에도 링크가 있습니다.

[04:58] 어쨌든, AI에게 줄 수 있는

[04:59] 추가 컨텍스트는 우리 마스코트인데,

[05:01] 여기 굿즈에 있는 이것은 '잉키'라고 불립니다.

[05:04] 우리는 출시 날짜와

[05:05] 굿즈의 타겟 오디언스에 대해서도

[05:07] 더 구체적으로 설명할 수 있습니다.

[05:08] 20세부터 40세까지의 사람들,

[05:10] 주로 직장인들 같은 식으로 말이죠.

[05:12] 이런 컨텍스트가 있으면

[05:13] 결과가 훨씬 더 정확하고

[05:16] 원하는 것에 특화될 것입니다.

[05:18] 하지만 더 잘할 수 있습니다.

[05:19] 그게 바로 프레임워크의

[05:20] 다음 단계인 참조입니다.

[05:22] 여기서 여러분이 좋아하는

[05:24] 다른 인스타그램 포스트 예시를

[05:25] 제공할 수 있습니다. 이렇게 하면

[05:28] AI가 이 예시에서 영감을 얻을 수 있습니다.

[05:29] 예시를 제공하는 것은 정말 강력한데

[05:31] 아무리 말로 설명해도

[05:32] 예시를 하나 제공하면

[05:34] 거기에 담을 수 있는 것들이 너무 많아서

[05:36] 뉘앙스를 포착하고

[05:38] 결과에 반영할 수 있습니다.

[05:40] 그리고 짜잔, 엔터를 누르면

[05:42] 인스타그램 포스트가 완성됩니다.

[05:44] 이제 평가해야 합니다.

[05:45] 마음에 드시나요? 조정하거나

[05:47] 바꾸고 싶은 것이 있나요?

[05:48] 그렇다면 프레임워크의 마지막 단계인

[05:50] 반복으로 넘어갑니다. AI 모델과

[05:52] 상호작용할 때는 매우 반복적인 과정입니다.

[05:54] 처음에 원하는 것을 얻지 못해도

[05:55] 이것을 좀 조정해달라고 하거나

[05:57] 여기에 뭔가 추가해달라고 하거나

[05:58] 색상을 바꿔달라고 하면서

[06:01] AI와 함께 작업해서

[06:02] 최종적으로 원하는 결과를 얻을 수 있습니다.

[06:05] 작은 게들이 거대한 이구아나를 탑니다.

[06:06] 이 기억법과 사용법을 기억할 수 있다면

[06:08] 프롬프트 작성에서 80%의 사람들보다

[06:10] 뛰어날 것입니다. 88%라고 하죠.

[06:12] 중국에서 행운의 숫자니까요.

[06:15] 하지만 인구의 98%보다

[06:16] 뛰어나고 싶다면 한 가지

[06:18] 프레임워크를 더 알려드리겠습니다.

[06:20] 작은 게들이 거대한 이구아나를 타는

[06:21] 프레임워크를 사용했는데도

[06:23] 결과가 아직 만족스럽지 않을 때입니다.

[06:25] 이때 '라면이 비극적인 바보들을 구한다'

[06:27] 프레임워크를 사용해서

[06:29] 한 단계 더 향상시킬 수 있습니다.

[06:31] 프레임워크의 첫 번째 부분은

[06:32] 작은 게들이 거대한 이구아나를 타는

[06:34] 프레임워크를 다시 검토하는 것입니다.

[06:35] 페르소나 같은 것을 더 추가할 수 있는지 보세요.

[06:37] 아웃풋에 대해 더 자세히 설명하고

[06:39] 더 많은 참조를 추가하세요.

[06:40] 또한 뭔가를 빼는 것도 고려해보세요.

[06:42] AI를 혼란스럽게 할 수 있는

[06:43] 상충되는 정보가 있나요?

[06:45] 프레임워크의 두 번째 부분은

[06:48] 프롬프트를 더 짧은 문장으로

[06:50] 나누는 것입니다. AI와 대화하는 것은

[06:52] 사람과 대화하는 것과 비슷해서

[06:54] 말을 마구 쏟아내면서

[06:56] 이것저것 많이 말하면

[06:58] AI가 혼란스러워할 수 있습니다.

[07:00] 그래서 말하는 내용을

[07:01] 여기저기 중언부언하는 대신에

[07:03] 그냥 '이거 하고, 저거 하고, 다음 이거'처럼

[07:04] 명확하게 하면 됩니다. 이해되죠?

[07:09] 세 번째 프레임워크는 다양한 표현 방식과

[07:11] 유사한 작업으로 접근해보는 것입니다.

[07:13] 예를 들어, AI에게 연설문 작성을

[07:14] 도와달라고 했는데 뭔가 아쉽죠?

[07:16] 원하는 만큼 좋지 않을 때

[07:18] 질문을 다시 구성해볼 수 있어요.

[07:19] '연설문을 써줘' 대신에

[07:21] '내가 전달하고 싶은 메시지를

[07:22] 보여주는 스토리를 써줘'

[07:24] 라고 말해보세요.

[07:27] 결국 좋은 연설이란

[07:28] 매력적이고 감동적인 스토리니까요.

[07:30] 안녕하세요. 미래에서 온 티나입니다.

[07:32] 오스틴에서 홍콩으로 막 돌아왔는데

[07:34] 시차적응 중에

[07:37] 이 프레임워크의 마지막 부분을

[07:39] 녹화하는 걸 깜빡했네요.

[07:41] 그래서 지금 하려고 하는데

[07:43] 바로 제약조건을 도입하는 것입니다.

[07:45] 주변에 이런 친구 있잖아요?

[07:46] 아니면 여러분이 그런 친구일 수도 있고요.

[07:48] 누군가 '점심 뭐 먹을래?'라고 물으면

[07:50] '아무거나요'라고 대답하는

[07:51] 그런 친구. 전혀 도움이 안 되죠.

[07:56] 마찬가지로 AI의 결과물이

[07:57] 뭔가 아쉽다고 느끼면

[07:58] 제약조건을 도입해서

[08:00] 더 구체적이고 타겟팅된

[08:02] 결과를 얻을 수 있어요.

[08:04] 예를 들어 텍사스 횡단 로드트립용

[08:06] 플레이리스트를 만들고 있는데

[08:08] 별로 마음에 들지 않는다면

[08:09] '여름에는 컨트리 음악만

[08:11] 포함해줘'같은 제약조건을

[08:12] 추가할 수 있어요. 훨씬 더 적합한 분위기가 나오죠.

[08:15] 자, 이제 과거의 티나로 돌아가겠습니다.

[08:18] 이해했나요? '라면이 바보들을 구한다'

[08:20] 이 두 프레임워크를 함께 사용하면

[08:22] 여러분은 98%의 사람들보다 프롬프팅을 잘하게 될 거예요.

[08:24] 그런데 말이죠, 이 프레임워크들을

[08:26] 제가 혼자 만든 건 아니에요.

[08:27] 저는 멋진 기억술에 대해서만

[08:29] 책임집니다. 실제 프레임워크는

[08:30] 구글에서 나온 것이거든요.

[08:32] 그래서 더 깊이 파고들어서

[08:34] 99%나 심지어 100%의 사람들보다

[08:36] 프롬프팅을 잘하고 싶다면

[08:38] 링크로 연결해드릴 이 영상을

[08:40] 확인해보시길 추천해요.

[08:41] 구글의 프롬프팅 과정을 요약한 영상인데

[08:43] 지금까지 찾은 것 중 최고의

[08:44] 일반적인 프롬프팅 코스예요.

[08:46] 또한 특정 모델들을 위한

[08:47] 프롬프트 생성기들도 확인해보세요.

[08:50] OpenAI, Gemini,

[08:51] Anthropic에서 제공하는 것들이 있어요.

[08:54] 이런 도구들은 첫 번째 초안을 만들고

[08:55] 특정 모델들을 최대한 활용하는 데

[08:57] 도움이 됩니다.

[08:59] 프롬프팅이라는 스킬이

[09:00] obsolete해질 거라고 생각하는 분들에게

[09:02] 다시 생각해보라고 말하고 싶어요.

[09:04] 특히 에이전트 구축이나 코딩 같은

[09:06] 고급 애플리케이션에서는

[09:08] 프롬프팅이 그 어느 때보다

[09:09] 중요해지고 있어요.

[09:11] 모든 것을 하나로 묶어서

[09:13] 일관되게 원하는 결과를 얻게 해주는

[09:15] 접착제 같은 역할이거든요.

[09:17] 자, 고급 스킬 얘기가 나온 김에

[09:20] 다음 주제인 에이전트로 넘어가 보겠습니다. AI 에이전트는 소프트웨어 시스템으로

[09:23] AI를 활용해 사용자를 대신해 목표를 추구하고 작업을 완료하는 시스템입니다.

[09:25] AI 에이전트라고 하면 보통

[09:28] 특정 역할의 AI 버전을 말합니다.

[09:30] 예를 들어, 고객 서비스 AI 에이전트는

[09:32] 이메일을 받을 수 있어야 합니다.

[09:34] 누군가가 '비밀번호를 잊어버려서'

[09:36] '로그인할 수 없어요'라고 말하면

[09:38] 그 이메일에 답장할 수 있어야 하고

[09:40] 웹사이트의 비밀번호 찾기 페이지를

[09:41] 참조할 수 있어야 합니다.

[09:42] 현재로서는 모든 일을 할 수는 없고

[09:45] 고객 서비스 담당자가 받는

[09:47] 모든 문의를 처리할 수는 없지만,

[09:48] 사람들이 가질 수 있는

[09:50] 일반적이고 흔한 질문들은

[09:53] 모두 자율적으로 처리할 수 있습니다.

[09:56] 마찬가지로 코딩 에이전트의 경우,

[09:58] 잘 프롬프트하고 웹 애플리케이션을

[10:00] 만들어 달라고 요청하면

[10:02] 그 웹 애플리케이션의 MVP 버전을

[10:04] 만들어서 돌려줄 수 있습니다.

[10:06] 물론 여러 기능을 추가하고

[10:08] 조정해야 하지만,

[10:10] 첫 번째 버전의 코드는 작성할 수 있습니다.

[10:11] AI 에이전트는 많은 관심과

[10:13] 막대한 투자가 이뤄지는 분야이며

[10:15] 시간이 지날수록 더욱 발전하여

[10:16] 모든 종류의 제품과 비즈니스에

[10:18] 통합될 것으로 기대합니다.

[10:19] 사실 AI 에이전트에 대해

[10:21] 제가 들어본 가장 귀중한 조언은

[10:23] YC 비디오에서 나온 것인데,

[10:24] 모든 SaaS 회사에는

[10:27] 수직적 AI 에이전트 버전이 있을 것이라는 겁니다.

[10:29] SaaS 유니콘 기업마다

[10:31] 수직적 AI 유니콘

[10:33] 대응 기업이 있다고 상상할 수 있습니다.

[10:36] 그럼 AI 에이전트를 구성하는 요소는

[10:38] 정확히 무엇일까요?

[10:40] 많은 프레임워크가 있지만

[10:42] 지금까지 본 것 중 가장 좋은 것은

[10:44] OpenAI에서 나온 것입니다.

[10:46] AI 에이전트를 구성하는 6가지 요소를 제시합니다.

[10:48] 첫 번째는 실제 AI 모델입니다.

[10:51] 모델 없이는 AI 에이전트가 있을 수 없죠.

[10:53] 이것은 AI 에이전트의 추론과

[10:55] 의사결정 능력을 구동하는 엔진입니다.

[10:56] 두 번째는 도구입니다.

[10:59] AI 에이전트에 다양한 도구를 제공하면

[11:01] 다양한 인터페이스와 상호작용하고

[11:03] 다양한 정보에 접근할 수 있게 됩니다.

[11:05] 예를 들어, AI 에이전트에

[11:07] 이메일 도구를 제공하면

[11:08] 이메일 계정에 접근하여

[11:10] 대신 이메일을 보낼 수 있습니다.

[11:12] 다음은 지식과 메모리입니다.

[11:15] 에이전트에 회사의 특정 데이터베이스

[11:16] 접근 권한을 제공하면

[11:18] 질문에 답하고 회사 특정 데이터를

[11:21] 분석할 수 있습니다.

[11:22] 메모리는 특정 유형의 에이전트에

[11:24] 중요합니다.

[11:26] 예를 들어 치료 에이전트가 있고

[11:28] 정말 좋은 세션을 가졌는데

[11:31] 다음번에는 무슨 얘기를 했는지

[11:32] 완전히 잊어버린다면

[11:33] 좋지 않겠죠.

[11:34] 그래서 에이전트가 메모리에

[11:36] 접근할 수 있게 해서

[11:38] 이전에 가진 모든 세션을

[11:40] 기억할 수 있게 하는 것입니다.

[11:41] 그리고 오디오와 음성 기능이 있습니다.

[11:43] 이는 AI 에이전트가 자연어를 통해

[11:44] 상호작용할 수 있는 능력을 제공합니다.

[11:46] 자연어로 상호작용할 수 있는 기능을 제공합니다.

[11:48] 다양한 언어로 AI와 자연스럽게 대화할 수 있죠.

[11:50] 그리고 다양한 언어로 소통이 가능합니다.

[11:51] 다음으로 가드레일이 있습니다.

[11:54] AI 에이전트가 통제를 벗어나서

[11:56] 의도하지 않은 행동을 하면 안 되겠죠.

[11:57] 그래서 AI 에이전트를 통제하는 시스템이 있습니다.

[11:59] AI 에이전트를 안전하게 관리하는 거죠.

[12:01] 마지막으로 오케스트레이션이 있습니다.

[12:03] 이는 에이전트를 특정 환경에 배포하고,

[12:05] 모니터링하며, 시간이 지남에 따라 개선할 수 있는 프로세스입니다.

[12:07] AI 에이전트를 구축한 후에는

[12:09] 그냥 방치하고 알아서 작동하길 바라면 안 됩니다.

[12:11] AI 에이전트 이야기가 나왔으니,

[12:12] Retool이 최근 출시한

[12:14] 엔터프라이즈급 에이전트 개발 플랫폼을 소개해드리겠습니다.

[12:16] 현재 AI 데모를 만드는 것과

[12:18] 실제 비즈니스에서 유용한 AI를 만드는 것

[12:19] 사이에는 여전히 큰 격차가 있습니다.

[12:21] Retool을 사용하면 실제 시스템에 연결되어

[12:23] 실제 작업을 수행하는 앱을 구축할 수 있습니다.

[12:25] 클로드, 제미나이, OpenAI 등

[12:26] 어떤 언어 모델이든 사용할 수 있습니다.

[12:28] 에이전트는 단순히 채팅만 하는 것이 아니라

[12:30] 데이터베이스에서 실제로 읽고 쓸 수 있습니다.

[12:32] 또한 성능 추적을 위한 테스트와 이메일,

[12:33] 모니터링, 접근 제어 등을 포함한

[12:35] 완전한 엔드투엔드 지원을 제공합니다.

[12:37] 이런 기능들은 화려하지 않지만

[12:39] 실제 비즈니스 구현에는 정말 중요합니다.

[12:41] Retool과 AI를 함께 사용하는 회사들은

[12:43] 이미 정말 인상적인 결과를 보고 있습니다.

[12:45] 예를 들어, 텍사스 대학교 의료센터는

[12:46] 진단 역량을 10배나 향상시켰습니다.

[12:48] 이미 10,000개 이상의 회사가

[12:50] Retool을 사용하고 있습니다.

[12:51] 그냥 인상적으로 보이는 것이 아니라

[12:53] 실제로 유용한 AI를 구축하고 싶으시다면

[12:55] retool.com/tina를 확인해보세요.

[12:57] 설명란에도 링크를 달아두었습니다.

[12:59] 이 영상 부분을 후원해주신

[13:01] Retool에게 진심으로 감사드립니다.

[13:02] 정리하자면, 모델은 지능을 제공하고,

[13:04] 도구는 행동을 가능하게 하며,

[13:05] 메모리와 지식은 의사결정에 정보를 제공합니다.

[13:08] 음성과 오디오는 자연스러운 상호작용을 가능하게 하고,

[13:11] 가드레일은 안전을 보장하며,

[13:14] 오케스트레이션은 이 모든 것을 관리합니다.

[13:15] 에이전트에 있어서 프롬프팅도 정말 중요하다는 점을

[13:18] 강조하고 싶습니다.

[13:21] 특히 단일 에이전트가 아닌

[13:23] 멀티 에이전트 시스템을 구축할 때는

[13:24] 에이전트들이 서로 상호작용하는

[13:26] 에이전트 네트워크를 실제로 구성하게 됩니다.

[13:28] 이때 프롬프트는 매우 정확해야 하고

[13:30] 일관된 결과를 생성해야 합니다.

[13:31] 그렇다면 실제로 이런 AI 에이전트를

[13:33] 어떻게 구축할까요? 어떤 기술을 사용할까요?

[13:35] 현재 노코드와 로우코드 도구로

[13:37] 사용할 수 있는 것들이 꽤 많습니다.

[13:38] 개인적으로 일반적인 사용 사례에는

[13:40] n8n이 최고라고 생각하고,

[13:41] 엔터프라이즈 사용 사례에는 Gumloop이 훌륭합니다.

[13:43] 코딩을 할 줄 안다면

[13:46] OpenAI의 에이전트 SDK를 확인해보길 추천합니다.

[13:48] 이 모든 구성 요소가 내장되어 있습니다.

[13:50] 무료 옵션을 원한다면

[13:51] Google의 ADK 에이전트 개발 키트가 있습니다.

[13:53] 코딩 에이전트 전용인 Claude Code SDK도 있습니다.

[13:56] 솔직히 이런 다양한 기술들과

[13:59] 구현 방법들은

[14:01] 시간이 지남에 따라 계속 변화할 것이고,

[14:03] 앞으로 몇 달 안에

[14:05] 더 많은 에이전트 도구들이 나올 것이라고 확신합니다.

[14:07] 앞으로 계속 변화할 것입니다.

[14:08] 몇 달 안에

[14:10] 더 많은 에이전트 빌더들이

[14:11] 등장할 것이라고 확신합니다.

[14:13] 그래서 정말 추천하는 것은

[14:14] AI 에이전트의 구성 요소에 대한

[14:15] 이런 기본 지식에

[14:17] 실제로 집중하는 것입니다. 다양한 프로토콜과

[14:18] 다양한 시스템들이 무엇인지 말이죠.

[14:20] 이런 근본적인 기초 지식은

[14:21] 그렇게 빨리 변하지 않을 것이고

[14:23] 새로 나오는 어떤 도구나

[14:24] 기술에도 적용할 수 있을 것입니다.

[14:26] 만약 AI 에이전트에 대해

[14:27] 좀 더 깊이 알고 싶다면, 여기에

[14:29] 제가 AI 에이전트 기초에 대해 만든 영상이 있습니다.

[14:31] 그리고 AI 에이전트 구축을

[14:33] 시작하고 싶다면

[14:34] 'AI 에이전트 구축'이라는

[14:36] 다른 영상도 있으니

[14:38] 여기에서 확인해보세요.

[14:40] AI 에이전트에 대해 훨씬 더 자세히

[14:42] 다루고 있습니다. 이것들이

[14:44] 하나의 AI 에이전트를 구성하는

[14:45] 요소들입니다. 하지만 종종

[14:47] 멀티 에이전트 시스템을

[14:49] 구축하고 싶을 수도 있습니다.

[14:50] 하나의 에이전트만 있는 것이 아니라

[14:52] 함께 작업하는

[14:53] 에이전트 시스템을 가질 수 있죠.

[14:54] 그 이유는 회사에서

[14:55] 한 사람이 모든 일을

[14:58] 하려고 하는 것과 같습니다.

[14:59] 아마 좋지 않을 것입니다.

[15:00] 그 사람은 동시에 모든 것을

[15:01] 관리하려고 하면서 매우 혼란스러워할 것입니다.

[15:03] 그래서 회사를 구성하는

[15:06] 특정 역할을 가진 사람들이

[15:07] 있는 것이 훨씬 낫습니다.

[15:08] 에이전트도 매우 비슷합니다.

[15:10] 하나의 에이전트가 모든 것을

[15:11] 하려고 한다면 혼란스러워질 것입니다.

[15:12] 많은 일들이 일어나게 됩니다.

[15:14] 그래서 종종 특정 역할을 가진

[15:16] 다양한 서브 에이전트로

[15:17] 나누어서 함께 작업하여

[15:19] 원하는 결과를 얻는 것이 좋습니다.

[15:21] 멀티 에이전트 시스템에 대해 더 알고 싶다면

[15:22] Anthropic에서 정말 좋은

[15:23] 아티클이 있으니

[15:25] 설명란에 링크를 걸어두겠습니다.

[15:27] 그런데 제가 언급하는

[15:28] 모든 리소스들을 설명란에

[15:30] 링크해두겠습니다.

[15:31] 요즘 많은 사람들이

[15:33] 이야기하고 있는 MCP에 대해서도

[15:34] 들어보셨을 것입니다.

[15:37] 이것도 Anthropic에서 개발한 것으로

[15:38] 기본적으로 에이전트가 도구와 지식에

[15:41] 접근할 수 있는

[15:42] 표준화된 방법입니다.

[15:45] 범용 USB 플러그처럼

[15:46] 생각하시면 됩니다.

[15:48] MCP 이전에는 실제로

[15:49] 에이전트에게 특정 도구에

[15:51] 접근권을 주는 것이

[15:52] 꽤 어려웠습니다.

[15:54] 왜냐하면 모든 다른 웹사이트들과

[15:57] 모든 다른 API들, 데이터베이스들도

[15:59] 다른 방식으로 작동하기 때문입니다.

[16:00] 모두 조금씩 다르게

[16:02] 구성되어 있어서

[16:04] 에이전트와 연결하는 것이

[16:06] 정말 골치 아픈 일이었습니다.

[16:08] 하지만 MCP가 있으면

[16:10] 범용 USB 플러그가 있기 때문에 이제

[16:10] 이제 AI를 활용한 애플리케이션 개발로 넘어가 보겠습니다.

[16:12] 즉, AI 지원 코딩, 바이브 코딩이라고도 불리는 방법입니다.

[16:15] 바이브 코딩이라고 하죠.

[16:19] 2025년 2월, OpenAI의 공동 창립자인

[16:21] 안드레 카파시가 바이럴 트윗을 남겼습니다.

[16:23] 그는 이렇게 말했어요. "바이브 코딩이라고 부르는

[16:25] 새로운 종류의 코딩이 있는데,

[16:27] 완전히 분위기에 몸을 맡기고,

[16:29] 지수적 성장을 받아들이며,

[16:31] 코드가 존재한다는 사실조차 잊어버리는 것입니다.

[16:33] 이것이 가능한 이유는 LLM이 너무 좋아졌기 때문입니다.

[16:35] 단순히 AI에게 무엇을 만들고 싶은지 말하면

[16:37] 구현을 대신 처리해 줍니다.

[16:39] 그리고 제 생각에는 이것이

[16:40] AI를 제품과 워크플로에 통합하는 새로운 방식입니다.

[16:43] 바이브 코딩을 사용해서 무언가를 만드는 것이죠.

[16:45] 예를 들어, LLM에게 간단히

[16:47] "Daily Vibes라는 간단한 React 웹앱을 만들어 주세요.

[16:49] 사용자는 이모지 목록에서 기분을 선택할 수 있고,

[16:51] 선택적으로 짧은 메모를 작성하고

[16:54] 아래에 제출할 수 있습니다.

[16:55] 날짜와 메모가 포함된 과거 기분 항목들의 목록을 보여주세요."

[16:57] 라고 말하면 됩니다.

[16:59] 엔터를 누르기만 하면 LLM이

[17:01] 코드를 작성해 주고,

[17:03] 이 앱을 생성해 줍니다.

[17:05] 짜잔, 완성입니다. 하지만 여기서 끝이 아닙니다.

[17:08] 여전히 AI와 함께 작업하여

[17:09] 올바르게 바이브 코딩을 하고

[17:11] 실제로 사용 가능하고 확장 가능한

[17:14] 제품을 만들기 위한

[17:15] 기술, 원칙, 그리고 모범 사례들이 있습니다.

[17:17] 이제 바이브 코딩을 위한 5단계 프레임워크를

[17:19] "작은 페럿들이 위험한 코드를 운반한다"

[17:22] 라는 기억술로 소개해 드리겠습니다.

[17:24] 위험한 코드라고 하는 이유는

[17:26] 제대로 하지 않으면

[17:27] 여기 이 사람처럼 될 수 있기 때문입니다.

[17:29] 이 사람은 바이브 코딩으로 앱을 만들었다가

[17:31] 버전 컨트롤이라는 것을 이해하지 못해서

[17:33] 모든 것을 잃어버렸습니다.

[17:35] "작은 페럿들이 위험한 코드를 운반한다"는

[17:37] 사고(Thinking), 프레임워크(Frameworks),

[17:39] 체크포인트(Checkpoints), 디버깅(Debugging),

[17:42] 그리고 컨텍스트(Context)를 의미합니다.

[17:44] 사고는 말 그대로, 실제로 무엇을 만들고 싶은지

[17:45] 정말 열심히 생각하는 것입니다.

[17:47] 정확히 무엇을 만들고 싶은지도 모르면서

[17:48] 어떻게 AI가 그것을 할 수 있기를 기대할 수 있겠습니까?

[17:50] 제 생각에 가장 좋은 방법은

[17:52] 제품 요구사항 문서나

[17:53] PRD라고 불리는 것을 만드는 것입니다.

[17:55] 여기서 타겟 고객층을 정의하고,

[17:57] 핵심 기능들과 제품을 만들 때

[17:59] 사용할 도구들을 정의합니다.

[18:00] 설명란에 PRD 예시를 링크해 두겠지만,

[18:02] 기본적으로 만들려는 것이 무엇인지

[18:04] 상당한 시간을 들여서

[18:05] 충분히 생각해 보시기 바랍니다.

[18:07] 다음은 프레임워크입니다.

[18:10] 무엇을 만들려고 하든,

[18:11] 아마도 이전에 매우 비슷한 것들이

[18:13] 만들어졌을 가능성이 큽니다.

[18:14] 그래서 모든 것을 재발명하려고 하거나

[18:16] AI에게 모든 것을 알아내라고 하는 대신,

[18:18] AI가 특정 제품을 만들기 위한

[18:19] 올바른 도구들을 향하도록

[18:20] React나 Tailwind를 사용하라고 하거나,

[18:22] 3D 인터랙티브 경험을　만든다면

[18:24] Three.js를 사용하라고 알려주는 것이 훨씬 좋습니다.

[18:27] 하지만 티나, 여러분이 물어볼 수도 있겠죠.

[18:29] 뭘 사용하라고 AI에게 말해야 하는지도 모르는데

[18:31] 어떻게 알 수 있을까요?

[18:33] 어떤 걸 사용해야 할지 모르겠다고요? 좋은 질문이네요.

[18:34] AI가 그것도 도와줄 수 있어요.

[18:36] PRD를 작성할 때 AI에게 직접 물어보세요.

[18:38] 저는 이런 걸 만들려고 하는데요,

[18:39] 예를 들어 3D 애니메이션이 많이 들어가고,

[18:40] 웹 앱으로 만들고 싶어요.

[18:43] 이런 걸 만들 때 일반적으로 사용하는 프레임워크는 뭐가 있나요?

[18:45] 이렇게 질문하면서 동시에

[18:48] 특정 기능을 구현할 때 일반적으로 사용하는

[18:49] 프레임워크가 무엇인지 스스로 배우게 됩니다.

[18:50] 시간이 지나면서 필요한 것들을

[18:52] 훨씬 더 잘 파악하게 될 거예요.

[18:53] 바이브 코딩 시대에는

[18:55] 모든 걸 직접 코딩할 필요는 없지만,

[18:57] 다양한 애플리케이션을 만들 때 사용되는

[18:59] 일반적인 프레임워크를 이해하는 건

[19:00] 여전히 매우 도움이 됩니다.

[19:02] 또한 프로젝트의 다른 부분들과

[19:04] 다른 파일들이 서로 어떻게

[19:05] 상호작용하는지도 알아야 합니다.

[19:07] 이는 더 복잡한 기능들을

[19:08] 제품에 구축할 때 정말 큰 도움이 될 거예요.

[19:10] 프레임워크의 세 번째 단계는

[19:12] 체크포인트입니다.

[19:13] Git이나 GitHub 같은 버전 관리를

[19:15] 항상 사용하세요. 그렇지 않으면

[19:17] 문제가 생기고 진행 상황을 잃게 되어

[19:19] 매우 슬픈 상황에 처할 거예요.

[19:21] 바이브 코딩으로 전체 애플리케이션을 만든 후

[19:22] 버전 관리를 이해하지 못해서

[19:24] 모든 걸 잃어버린 이 분처럼 말이죠.

[19:26] 네 번째 단계는 디버깅입니다.

[19:27] 아마 새로운 걸 만드는 것보다

[19:29] 디버깅하고 코드를 고치는 데

[19:31] 더 많은 시간을 보내게 될 거예요.

[19:32] 그게 현실입니다.

[19:34] 체계적이고 인내심을 갖고

[19:37] AI가 어디를 고쳐야 하는지 안내해 주세요.

[19:39] 디버깅할 때 파일 구조와

[19:41] 무슨 일이 일어나고 있는지 이해한다면

[19:43] 코드베이스에서 AI가 어디를

[19:45] 디버깅해야 하는지에 대한

[19:46] 구체적인 지시를 제공하는 데

[19:48] 훨씬 더 나을 거예요.

[19:50] 오류를 마주했을 때 시작할 첫 번째 장소는

[19:52] 오류 메시지를 AI에 복사 붙여넣기하고

[19:53] 고쳐달라고 말하는 것입니다.

[19:55] 시각적으로 고쳐야 할 것이 있다면

[19:57] AI에게 스크린샷도 제공하세요.

[19:59] AI에게 더 많은 세부사항과

[20:00] 더 많은 맥락을 제공할수록

[20:02] 문제를 해결하는 방법을

[20:03] 더 잘 파악할 수 있을 거예요.

[20:05] 맥락에 대해 말하자면,

[20:07] 프레임워크의 마지막 부분은

[20:09] 맥락입니다. 의심스러울 때는

[20:11] 더 많은 맥락을 추가하세요.

[20:13] 일반적으로 말해서, 구축하든

[20:14] 디버깅하든 무엇을 하든

[20:16] AI에게 더 많은 맥락을 제공할수록

[20:17] 더 나은 결과를 얻을 수 있어요.

[20:19] 여기에는 AI에게 목업, 예시,

[20:20] 스크린샷을 제공하는 것도 포함됩니다.

[20:22] 이 5단계 프레임워크를 기억하는

[20:24] 니모닉은 'tiny ferrets carry dangerous code'

[20:26] thinking, frameworks, checkpoints,

[20:28] debugging, context입니다.

[20:30] 바이브 코딩 과정에서 이 프레임워크의

[20:31] 원칙들이 어떻게 잘 작동하는지

[20:33] 생각해보는 유용한 방법은

[20:35] 오직 두 가지 모드만 있다는 걸

[20:36] 깨닫는 것입니다.

[20:38] 기능을 구현하거나

[20:39] 또는 코드를 디버깅하는 상황입니다. 기능을 구현할 때는

[20:40] 더 많은 컨텍스트를 제공하는 방법을 생각해야 합니다.

[20:42] 프레임워크를 언급하고

[20:43] 점진적인 변경을 하는 것이죠. 항상

[20:45] 새로운 것을 구축할 때는 한 번에 하나씩

[20:47] 접근하려고 해야 합니다. 제품을 만들 때는 한 번에 하나의 기능씩

[20:48] 구현하세요. 디버깅 모드에 있을 때는

[20:50] 프로젝트의 기본 구조와

[20:52] AI가 어디를 향해 수정해야 하는지

[20:53] 생각해야 합니다.

[20:55] 그리고 에러 메시지나

[20:56] 스크린샷 같은 더 많은 컨텍스트를 제공해야 합니다.

[20:58] 이제 좋은 바이브 코딩을 만드는

[20:59] 기본 원칙들을 알게 되었습니다.

[21:01] 그렇다면 실제로 사용하는 도구들은 무엇일까요?

[21:02] 개발 도구들은 전체 스펙트럽이 있습니다.

[21:04] 한쪽 끝에는 완전한 초보자들,

[21:06] 엔지니어링 배경이나 코딩 배경이 전혀 없는 사람들을 위한 것들이 있습니다.

[21:07] 인기 있는 초보자 친화적인 바이브 코딩 도구로는

[21:09] Lovable, V0, Bolt가 있습니다.

[21:11] 조금 더 중급자용으로는

[21:13] Replit 같은 것이 있습니다. 이것도 여전히

[21:14] 초보자에게 친화적이지만

[21:15] 코드베이스를 보여주기도 해서

[21:17] 실제로 조금 더 깊이 들어가서 프로젝트의 구조를 이해할 수 있습니다.

[21:20] 조금 더 고급으로는

[21:21] Firebase Studio 같은 것이 있습니다.

[21:23] Firebase Studio는 두 가지 모드가 있습니다.

[21:24] 매우 사용자 친화적인 프롬프팅 모드와

[21:26] 완전한 IDE(통합 개발 환경) 경험을 제공합니다.

[21:27] IDE는 코드 작성과 작업을 위해

[21:28] 특별히 설계된 인터페이스입니다.

[21:30] 이 경우에는 매우 인기 있는 IDE인

[21:31] VS Code 위에 구축되었습니다.

[21:33] Firebase Studio에서는 노코드 프롬프팅 보기와

[21:35] 코딩 모드를 번갈아가며 사용할 수 있습니다.

[21:36] Firebase Studio는 무료라는 장점도 있습니다.

[21:38] 이제 더 고급 바이브 코딩 도구들로 넘어가겠습니다.

[21:40] 이것들은 Windsurf나 Cursor 같은

[21:42] AI 코드 에디터와 코딩 에이전트들입니다.

[21:44] 앞서 얘기한 모든 것들은 웹 기반이었기 때문에

[21:45] 설정이 정말 쉽습니다. 환경이 격리되어 있고

[21:47] 많은 것들을 알아서 처리해줍니다.

[21:48] 하지만 정말로 프로덕션에 적합한 확장 가능한

[21:50] 코드를 만들고 싶다면

[21:52] 일반적으로 Windsurf나 Cursor 같은 것을 사용하기 시작해야 합니다.

[21:54] 개발은 여러분의 로컬 머신에서 이루어지므로

[21:56] 설정이 조금 더 복잡하지만

[21:58] 전체 개발 도구 세트와

[22:00] Windsurf와 Cursor의 다양한 기능들에 접근할 수 있습니다.

[22:01] 바로 코딩 환경인 IDE를 직접 사용할 수 있습니다.

[22:03] 스펙트럼의 가장 고급 쪽에는

[22:04] Cloud Code 같은 명령줄 도구들이 있습니다.

[22:06] 이런 도구들은 컴퓨터의 루트에 있는

[22:07] 터미널에 직접 존재합니다.

[22:09] 이런 도구들을 사용하려면 터미널이나

[22:11] 명령줄에서 작업하는 것에 익숙해야 합니다.

[22:12] 하지만 훨씬 더 많은 기능을 제공하고

[22:14] 어떤 타입의 IDE와도 함께 사용할 수 있습니다.

[22:15]

[22:40] 본인이 선택하는 것입니다. 클라우드

[22:42] 코드는 복잡한 코드 베이스로

[22:43] 작업할 때 진정으로 빛을 발하기 시작합니다. 하지만

[22:45] 여기서 기대하는 것은 정말로

[22:46] 코딩하는 방법을 알고 컴퓨터를

[22:48] 다룰 줄 알며 소프트웨어에 대한

[22:50] 깊은 이해가 있어야 한다는 것입니다. 좋습니다,

[22:51] 이것이 바이브 코딩에 대한 속성 강좌였습니다.

[22:54] 이 내용을 더 깊이 파고들고 싶다면

[22:56] 바이브 코딩 기초라는 전체 영상을 만들었는데

[22:57] 거기서 훨씬 더 자세히 다룹니다.

[22:59] 또한 Firebase Studio에 대한 영상도

[23:01] 따로 만들었는데 여기 링크해놓겠고

[23:03] 클라우드 모델과 클라우드 코드에 대해

[23:05] 다룬 또 다른 영상도

[23:06] 여기 링크해놓겠습니다. 이제

[23:08] 화면에 간단한 평가를 올려놓을 테니

[23:10] 바이브 코딩에 대한 정보를

[23:12] 제대로 기억하고 있는지 확인해보세요. 마지막 섹션입니다.

[23:14] 미래에는 어떤 일들이

[23:16] 기다리고 있을까요?

[23:21] AI 세계에서는 연도나

[23:23] 심지어 개월 단위로 측정하지 않습니다.

[23:25] 주 단위로 측정합니다. 그리고

[23:28] 일정은 점점 더

[23:29] 압축되고 있습니다. 제가 코드 위드 클라우드

[23:31] 컨퍼런스에 있을 때 Anthropic의 CEO인

[23:32] 다리오가 정말 좋은

[23:34] 비유를 했습니다. 기본적으로

[23:36] 시간과 공간을 통과하는 로켓에

[23:38] 묶여있는 것과 같고 시간과 공간이

[23:40] 왜곡되어 모든 것이

[23:41] 점점 더 빠르게

[23:43] 가속화되고 있다고 말했습니다. 특히 이런 상황에서

[23:45] 모든 AI 뉴스와

[23:46] 나오는 모든 것들, 새로운 모델들,

[23:47] 새로운 도구들, 새로운 기술들을

[23:49] 따라잡으려고만 한다면

[23:51] 모든 것을 따라잡을 수 없고

[23:52] 아마 그 과정에서 매우

[23:54] 스트레스받을 것입니다. 그래서

[23:55] 제 조언은 나오는 모든 새로운 것들에

[23:57] 너무 많은 관심을 기울이지 말고

[23:58] 대신 일어나고 있는

[24:00] 근본적인 트렌드에 집중하라는 것입니다.

[24:02] 그리고 세 가지 주요한

[24:03] 근본적인 트렌드가 있다고 생각합니다. 첫 번째는

[24:05] 워크플로우와 기존 제품으로의

[24:07] 통합입니다. 2025년은 확실히 사람들이 AI를

[24:10] 실제로 기존

[24:11] 워크플로우에 통합하는

[24:13] 해가 될 것입니다. 대표적인 예가

[24:14] 구글 자체입니다. 구글 IO 컨퍼런스에

[24:16] 참석했는데 그들은

[24:18] AI를 전반적으로 통합하여 구글 제품을

[24:20] 더 좋게 만드는 데 많은 노력을 기울이고 있습니다.

[24:22] 그리고 이것이 모든 회사의

[24:23] 모델이 되어야 한다고 생각합니다. AI를 통합하여

[24:25] 프로세스를 어떻게 개선할지

[24:27] 생각해보세요. 더 나은 사용자 경험과

[24:29] 비용 절감을 위해서 말입니다.

[24:31] 이를 구현할 때는

[24:32] AI 보조 코딩이나 바이브 코딩을 배우면

[24:34] 엄청난 생산성 향상이 있습니다.

[24:36] 이런 전체 스펙트럼의 코딩 도구들로

[24:37] 무언가를 만들고 싶지만

[24:39] 코딩 방법을 모르는 사람들의

[24:40] 진입 장벽이 극적으로 낮아집니다. 하지만

[24:42] 개발자들의 생산성을

[24:44] 높이는 방향으로도

[24:45] 큰 추진이 있습니다.

[24:46] 클라우드 코드 같은 명령줄 도구를 경험한 후

[24:49] 이런 도구들의 엄청난 이점을

[24:50] 절대적으로 확인할 수 있습니다. 그리고

[24:52] 명령줄 도구를 개발하고

[24:53] 개선하는 데 엄청난 집중이

[24:55] 있을 것이라고 생각합니다. 따라서

[24:57] 기술적인 사람이거나 기술적인

[24:58] 것들을 배우려는 의지가 있는 사람이라면

[25:00] 클라우드 코드 같은 명령줄 도구를

[25:01] 배우는 것이 핵심이 될 것입니다.

[25:04] 그리고 마지막으로 AI 에이전트에 대한 집중은

[25:05] 전혀 사라지지 않고 있습니다. 사실

[25:07] AI 에이전트 구축에 대한 관심이

[25:09] 점점 더 높아지고 있는데 AI 에이전트가

[25:11] 기존 제품을 개선하고

[25:13] 새로운 제품을 구축하는 데도

[25:15] 엄청난 잠재력을 가지고 있기 때문입니다.

[25:17] AI 에이전트는 경험을 개인화하고 24시간 연중무휴로

[25:20] 훨씬 낮은 비용으로 제공할 수 있게 해줍니다.

[25:22] 웨이시가 말했듯이 모든 SaaS 유니콘

[25:24] 회사에 대해 동등한 AI 에이전트

[25:26] 회사가 있을 것입니다. 앞으로 몇 달 안에

[25:27] 에이전트를 더욱 쉽게

[25:28] 구현하고 구축할 수 있는

[25:30] 도구들이 더 많이 나올 것이라고

[25:31] 확신합니다. 따라서 무언가를 만들고

[25:32] 비즈니스를 구축하고 스타트업을

[25:33] 하려고 한다면

[25:35] AI 에이전트를 살펴보라고 권하고 싶습니다. 좋아요,

[25:37] 오늘 여러분을 위한 내용은 여기까지입니다. 여기

[25:39] 마지막 간단한 평가가 있습니다.

[25:40] 댓글에 이 질문들에 답해주세요.

[25:42] 이 영상을 끝까지 시청해주셔서

[25:44] 정말 감사합니다. 여러분이

[25:45] AI를 사용해서 하게 될 모든

[25:47] 일들과 만들어낼 것들을 보게 되어 정말 기대됩니다.

[25:49] 이것이 도움이 되고 여러분의 AI

[25:50] 여정에 행운이 있기를 바랍니다.

[25:52] 다음 비디오나 라이브 스트림에서 뵙겠습니다.