유튜버이자 기업 교육 강사인 한 1인 사업가가 지난 한 달간 자기 업무의 **80%**를 AI 에이전트에 맡겨 봤습니다. 업무는 클로드 코드, 일상은 OpenClaw에 나눠 18개 에이전트를 24시간 돌렸더니, 일의 핵심이 실행에서 설계로 옮겨 갔다고 말합니다.
IT 업계에서 10년을 일했지만 개발자는 아니라고 스스로 선을 긋던 사람입니다. 노코드를 주제로 출발한 유튜버이자 AI 활용 기업 교육 강사인 그는, 2026년 들어 분위기가 바뀐 걸 체감하고 한 달간 자기 업무를 최대한 AI 에이전트로 옮기는 실험을 해 봤습니다. 이 글은 그 기록을 담은 영상(유튜브 '일잘러 장피엠' 채널, 2026년 4월 10일 공개)을 정리한 것입니다.
업무는 클로드 코드, 일상은 OpenClaw
그의 에이전트 시스템은 두 층입니다. 업무 비서는 클로드 코드, 일상 비서는 OpenClaw가 맡죠. 둘 다 사무실 맥미니에 깔아 두고 24시간 켜 둡니다. 그래서 텔레그램으로 언제든 일을 시킬 수 있고, 정해 둔 시간에는 에이전트가 먼저 알아서 돌면서 필요한 정보를 챙겨 보내 줍니다.
꼭 둘로 나눌 이유는 없고 하나로 다 해도 됩니다. 다만 그가 느낀 차이는 결국 하네스를 얼마나 빡빡하게 조일 수 있느냐입니다. 정밀하게 설계할 것인가, 유연하게 맡길 것인가. 업무는 일정 수준의 퀄리티가 담보돼야 하니 더 빡빡하게 규율되는 클로드 코드가 맞고, 일상은 가볍게 던져 보는 OpenClaw가 편하다는 거죠.
하네스 엔지니어링 — 적토마에 안장을 얹다
영상에서 그가 가장 힘주어 설명하는 개념입니다. 클로드 Opus 4.6, GPT-5.4 같은 요즘 모델은 정말 일을 잘합니다. 마치 적토마 같죠. 그런데 이 적토마는 길들여지지 않아서 때때로 엉뚱한 길로 내달립니다. 여기서 말에 안장을 얹어 내 의도대로 달리게 미리 정의해 두는 것 — 그게 하네스 엔지니어링입니다.
예전 ChatGPT의 GPTs도 비슷한 발상이었지만, GPTs가 프롬프트만으로 모델을 규율했다면 요즘 에이전트는 CLAUDE.md, 스킬, 서브 에이전트로 훨씬 촘촘하게 묶습니다. 그는 본질을 이렇게 짚습니다. 프롬프트뿐 아니라 코드 스크립트, 규정 문서, 참고 파일, 양식 파일까지 동원해 모델을 더 빡세게 규율하는 것이 하네스 엔지니어링의 핵심이라고요.
그래서 하네스가 잘 짜인 에이전트는 GPTs보다 안정적이고 복잡한 일도 잘 처리합니다. 그는 디지털 기반 지식 노동이라면 하네스 엔지니어링만 잘해도 에이전트로 전환할 수 있다고 봅니다. 조금 과장을 더해 "사실상 이미 AGI 수준에 왔다"고까지 말하죠.
자비스, 18개 프로젝트의 비서실장
현재 그의 클로드 코드 프로젝트는 18개입니다. 업무를 목적별로 쪼갠 폴더가 18개 있다고 보면 됩니다. 그 중심에 자비스라고 이름 붙인 비서실장 에이전트가 있는데, 역할은 라우터입니다. 폴더마다 VS Code를 켜고 오가는 게 번거롭고 텔레그램과 연결할 창구가 하나 필요했거든요. 그래서 자비스에게 전체 구성을 알려 주고, 일을 던지면 알맞은 프로젝트를 찾아 미리 짜 둔 하네스대로 처리하게 했습니다.
자비스 밑에 붙은 업무 에이전트들이 실제로 하는 일은 이렇습니다.
- 교육 설계 — 고객사·직무·수준을 넣으면 맞춤형 AI 실습 시나리오를 한 회사당 10여 개씩 생성. 예전엔 몇 시간씩 걸리던 작업이죠.
- 강의 슬라이드 — 디자인 가이드만 잡아 주면 HTML을 만든 뒤 PPT로 변환해 10분 만에 구글 드라이브까지 업로드.
- 콘텐츠 제작 — 회사 블로그 글 게재(실제 유입 증가), 모션 그래픽 영상·러프컷 편집은 파일럿 단계.
- 리서치 — 링크드인 15명의 계정과 경쟁 유튜브 채널을 매일 모니터링해 어제 올라온 글·주제·썸네일 아이디어를 정리.
- 영업 — Gmail에서 기업 강의 문의를 골라 적합한 노션 데이터베이스 페이지를 찾아 자동 업데이트하고 매일 아침 리마인드.
- 그 외 — 세금계산서 발행, 번역, 음성 생성, 크롤링까지. 특히 크롤링 에이전트는 쿠팡 리뷰·나라장터 공고를 Octoparse보다 잘 긁어 온다고 합니다.
필요한 도구를 이렇게 직접 만들어 쓰다 보니 B2B 소프트웨어 시장이 크게 줄어든다는 말이 실감 났다는군요.
자동화의 성역이 무너졌다
일상 비서 OpenClaw는 하네스를 느슨하게 잡고 컴퓨터를 직접 쓰게 하는 쪽입니다. 캘린더 관리가 첫 번째죠. "다음 주 화요일 오후 2시에 김민수 씨와 티타임 한 시간 잡아 줘"라고 텔레그램에 던지면 일정이 생기고, 매일 아침 9시엔 그날 일정을 브리핑해 줍니다.
카카오톡 아카이빙도 합니다. 그는 길 가다 떠오른 메모나 링크를 카톡 '나에게 보내기'로 쌓아 두는데, OpenClaw가 하루 두 번 그 내역을 긁어 구글 시트에 정리합니다. 링크가 있으면 들어가 내용까지 보강하죠. 이렇게 모인 자료는 직접 바이브 코딩으로 만든 학습 사이트(Readwise를 벤치마킹했다고 합니다)에서 다시 들여다봅니다.
가장 흥미로운 건 KTX 좌석 감시입니다. 코레일 웹사이트는 모든 자동 접근을 철저히 막아 두는데, 모바일 앱은 막지 않았더라고요. 그래서 안 쓰는 구형 안드로이드 폰을 맥미니에 연결하고 ADB와 scrcpy로 컴퓨터가 폰을 제어하게 한 뒤, OpenClaw가 코레일톡 앱을 직접 조작해 좌석을 조회하고 빈자리가 날 때까지 감시하게 했습니다. 카톡이 API를 안 주든 코레일 웹이 막혀 있든, 사람처럼 화면을 쓰는 에이전트는 막을 수 없다는 거죠.
검증·개선 루프와 오토리서치
그가 한 달간 배운 핵심은 에이전트를 만든 다음입니다. 진짜 중요한 건 검증하고 개선하는 루프를 도는 것이죠. 결과물에 피드백을 주거나 "어떻게 개선할 수 있어?"라고 계속 물으며 루프를 돌리면, 신입에게 OJT를 하듯 에이전트가 같은 실수를 줄이고 점점 나아집니다. 쓸수록 나에게 맞춰진다는 게 단순 LLM 사용과 가장 다른 점이라고요.
여기서 한발 더 나아간 것이 오토리서치입니다. Andrej Karpathy가 처음 제시한 개념으로, AI에게 평가 기준을 주고 그 기준을 충족할 때까지 스스로 실행·평가·개선을 반복하게 하는 방식입니다. 점수가 낮으면 원인을 분석해 새 시도를 하고, 높으면 반영하고 아니면 버리는 루프를 혼자 돕니다. 그가 PPT 제작 에이전트에 적용했더니 첫 번째 버전과 열 번째 실험의 결과물이 눈에 띄게 달라졌습니다.
이 과정에서 그는 자기 일의 상당 부분이 검증 가능한 평가 기준으로 측정된다는 걸 깨달았다고 합니다. 예쁜 PPT를 만드는 일조차 기준을 세우면 점수가 매겨지더라는 거죠. 그래서 사무 노동은 AI가 스스로 개선하게 두고, 인간은 관계나 더 근본적인 고찰·연구 쪽으로 옮겨 가야겠다는 생각이 들었다고 합니다. 셀프 비판을 시킬 땐 클로드 코드와 Codex를 함께 붙여, 서로 다른 의견을 교차시키며 완결성을 끌어올리기도 하고요.
무엇이 가능한지만 알면
마지막으로 그가 거듭 놀란 지점입니다. 이제는 무엇이 가능한지만 알면 AI가 해 준다는 겁니다. 누군가 어떤 문제를 풀어냈다는 사실, 혹은 이런 식으로 접근하면 된다는 아이디어만 있어도 에이전트가 끝내 그 문제를 해결해 준다는 거죠.
그래서 벤치마킹이 무척 쉬워졌습니다. 가장 직접적인 건 GitHub입니다. 비개발자라도 마음에 드는 저장소 링크를 클로드 코드에 주고 "이 깃허브처럼 나도 하려면 어떻게 해?"라고만 물으면 됩니다. 심층 리서치로 "PPT를 클로드 코드로 만드는 저장소를 찾아 줘" 식으로 레포를 찾게 해 출발점으로 삼기도 하죠. 유튜브 영상을 텍스트로 전사해 주거나 논문·블로그를 건네며 "이 접근법을 적용해 줘"라고 해도 됩니다.
물론 좋기만 한 건 아닙니다. 에이전트가 늘수록 읽고 판단할 거리가 많아져 지치고, API나 웹 구조가 바뀌면 파이프라인이 고장 나 유지보수에 손이 갑니다. 사람이 아니라 에이전트를 관리한다는 점만 빼면, 팀장이나 대표가 하는 관리 업무와 크게 다르지 않다고 그는 말합니다.
한 달의 소감을 그는 이렇게 정리합니다. AI 에이전트는 이미 닥친 현실이고, 업무의 핵심이 실행에서 설계로 바뀐다는 것. 건설·제조·공공처럼 전통적이라 여겨지던 분야에서도 에이전트가 실제로 돌아가는 걸 목격하고 있으니, 방향만 잡아 주면 디테일은 AI가 채운다는 거죠. 그러니 한번 직접 체험해 보라는 권유로 영상을 닫습니다.
