AI 에이전트를 제대로 활용하려면: “어떻게 요청할 것인가”가 핵심이다

AI 기술이 빠르게 발전하면서, 이제는 단순한 질의응답을 넘어 업무를 대신 수행하는 AI 에이전트 시대가 열리고 있다. 하지만 많은 사람들이 간과하는 부분이 하나 있다.

바로 **“AI에게 무엇을 시키고, 어떻게 요청해야 하는가”**이다.

AI 에이전트는 사람이 던지는 지시(프롬프트)에 따라 일의 수준이 완전히 달라진다. 그냥 질문을 던지는 것과, 목적을 고려해 구조화된 요청을 하는 것은 결과물의 질에서 큰 차이가 난다.

특히 다음 네 가지 요소를 정리해 요청하면, 에이전트는 훨씬 더 정확하고, 빠르고, 지속 가능한 방식으로 동작한다.

역할(Role) 지침(Guidelines) 목표(Goal) 배경(Background)

---

1. 역할(Role): AI가 어떤 ‘정체성’으로 행동할지를 정한다

AI는 스스로 직업을 선택하지 않는다.

사용자가 어떤 관점과 역할로 생각하길 원하는지 명확히 알려주면 능력이 극대화된다.

예를 들면:

• “너는 지금 세무 전문가야.”
• “너는 경험 많은 CTO라고 생각하고 설명해줘.”
• “너는 영업 코치 역할을 해줘.”

역할을 부여하면, 에이전트는 그 역할의 기준, 용어, 사고방식을 자동으로 반영한다.

마치 회사에서 직책을 정해주는 것처럼, AI에게도 ‘자기 자신이 누구인지’를 먼저 알려줘야 한다.

2. 지침(Guidelines): 일의 방식과 선호 규칙을 설명한다

역할을 정해도, 모든 전문가가 같은 방식으로 일하는 것은 아니다.

따라서 일할 때 따라야 하는 규칙과 스타일을 짧게 제시하면 AI가 훨씬 더 일관적이고 선호에 맞게 작업한다.

예시:

• “설명은 짧고 명확하게.”
• “전문 용어는 쓰되, 처음 등장하는 용어는 풀어서 설명해줘.”
• “결론 → 이유 → 예시 순서로 정리해.”

이런 지침을 통해 AI는 ‘어떻게 해야 내가 원하는 방식으로 일할 수 있는지’를 이해한다.

3. 목표(Goal): 무엇을 얻고 싶은지 명확히 말한다

AI에게 일을 맡길 때 가장 중요한 요소다.

결국 에이전트는 목표가 명확할수록 스스로 더 많은 판단을 대신해준다.

목표가 불명확하면 결과물도 흐릿하다.

반대로 목표가 명확하면, AI는 필요한 정보, 분석 방향, 산출물을 스스로 추론해낸다.

예:

• “10분이면 읽을 수 있는 블로그 글을 작성하는 것이 목표야.”
• “우리 팀이 의사결정을 빨리 할 수 있도록 요약해줘.”
• “실제 개발에 바로 사용할 수 있는 코드가 필요해.”

AI에게 의도와 목적을 공유하는 것만으로도 결과물 수준이 확 높아진다.

4. 배경(Background): 상황·맥락·제약을 알려주기

사람도 상황을 모르면 제대로 일하기 어렵다.

AI도 마찬가지다.

따라서 요청할 때는 왜 이 작업이 필요한지, 현재 어떤 상황인지, 어떤 제약이 있는지 알려주는 것이 좋다.

예:

• “신규 고객을 위한 이메일을 작성해야 하고, 고객층은 40대 자영업자야.”
• “현재 우리 회사는 Flutter + Unreal Engine 구조로 개발 중이야.”
• “한국 기준 법적 요건에 맞춰야 해.”

이런 배경 정보를 주면, AI 에이전트는 단순히 텍스트를 생성하는 것이 아니라 맥락을 이해한 상태에서 판단하게 된다.

왜 이 네 가지가 중요한가?

AI 에이전트는 지시의 구조에 따라 사람처럼 역할을 수행하며 멀티스텝 사고를 한다.

하지만 무엇을 기준으로 판단해야 하는지 모르면, 효율이 떨어질 수밖에 없다.

따라서 역할·지침·목표·배경을 포함한 요청을 하는 방식은 중요한 프레임워크가 된다.

이 구조로 요청하면 무엇이 좋아지는가?

• 결과물이 더 정확하다
• 반복작업에 일관성이 생긴다
• 오해나 불필요한 수정이 줄어든다
• 장기적 프로젝트에서 에이전트가 ‘연속성’을 갖는다
• 사람의 개입 없이도 똑똑하게 판단한다

즉, AI가 ‘내 일을 대신하는 동료’처럼 움직이게 된다.

마무리: AI 에이전트 시대의 핵심 역량은 “요청하는 능력”

AI를 잘 쓰는 사람과 못 쓰는 사람의 차이는 기술 이해도가 아니다.

가장 큰 차이는 AI에게 어떻게 요청하느냐, 즉 ‘지시를 구조화하는 능력’이다.

역할(Role)

지침(Guidelines)

목표(Goal)

배경(Background)

이 네 가지를 의식적으로 구성해 요청하기만 해도,

AI 에이전트는 여러분의 일을 대신해줄 수 있는 강력한 파트너가 된다.

토이 판매점이었던 코엑스 NABITA(나비타)에, War Hammer 4000 과 도색 용품이 들어왔습니다.

나비타 코액스 방문.

CITADEL 아크릴 페인트 (수입품 계열  국내 취급점이 별로 없음)

CITADEL 페인트 컬러 확인이 가능하게 아래와 같이 진열 되어있습니다.

도료의 종류? 특성? 이 여러가지로 구분되어있더군요.

- 베이스, 레이어, 쉐이드, 드라이, 컨트라스트, 테크니컬 ..

베이스가 일반적으로 사용하는 페인트이고,

컨트라스트는 묽어서 틈세쪽이나 굴곡아래쪽으로 진하게 덮여지는 것으로 이해 되더군요.

특성 파악은 칠해보면서 확인이 필요해 보이네요.

CITADEL 도료도 색상이 '쨍' 한 느낌으로 잘 나온다고 해서 기대되네요. ^^

WAR HAMMER 40000

간혹 우리는 DB를 작성하고 DB에서 전체 검색을 하고 하고 싶을 때가 있습니다.

그런데 column들이 나눠져 있다보니 이를 합쳐서 검색하기도 쉽지 않고, 또 연관관계까지 고려해서 작성하기도 쉽지 않습니다.

Postgres 에서는 ts_vector로 데이터를 vector로 합치고 검색하기 쉽게 되어있습니다.

supabase에서도 이를 이용해서 검색을 용이하게 하기 위한 인터페이스를 제공  하고 있죠.

https://supabase.com/docs/guides/database/full-text-search?queryGroups=language&language=js#search-multiple-columns

(supabse 의 textSearch는 postgres의 ts_query 를 기반으로 만들어져 있다.)

그러나 문제는 client api로 단어 검색을 하려다 보면, 완성된 단어는 잘 검색이 되는데, 중간 단어는 검색이 잘 안됩니다.

완성되지 않은 단어의 경우에는 (Partial search 참조) 따로 RPC 함수를 만들어 사용하라고 가이드 되어있습니다.

Partial search#
Partial search is particularly useful when you want to find matches on substrings within your data.
Implementing partial search#
You can use the :* syntax with to_tsquery(). Here's an example that searches for any book titles beginning with "Lit":

DB함수를 만들고 RPC로 호출 하는 것도 나쁘진 않습니다.

db 함수를 만들고.

select title from books where to_tsvector(title) @@ to_tsquery('Lit:*');

client에서 아래와 같이 사용한다.

const { data, error } = await supabase.rpc('search_books_by_title_prefix', { prefix: 'Lit' })

그러나 불편한 점도 있고,

아래 처럼 하나의 함수에서 다양한 쿼리 옵션들과 합쳐서 사용하기 힘들죠.

 async getPaginatedOpt({columns, keyword, offset, range=10, landscapeOnly, orderBy, orderByDesc}:{columns?: string, keyword?: string, offset?: number, range?: number, landscapeOnly?: boolean, orderBy?: string, orderByDesc?: boolean}): Promise<{ v: Partial<MyItem>[], total: number }> {

    let query = supabase.from("myitems_table").select(columns||'*', { count: 'exact' });

    if(landscapeOnly){
      query = query.eq('landscaping', landscapeOnly);
    }

    if(keyword){
      // query = query.or(`s_name.ilike.%${keyword}%,kr_name.ilike.%${keyword}%,jp_name.ilike.%${keyword}%,eng_name.ilike.%${keyword}%,nk_name.ilike.%${keyword}%`);
      query = query.textSearch('text_search',`${keyword}`,{type:'plain', config:'simple',});
    }

    if(offset!==undefined && range!==undefined){
      query = query.range(offset, offset + (range<1?1:range) - 1);
    }

    if(orderBy){
      query = query.order(orderBy, { ascending: orderByDesc||false });
    }

    const { data, count, error } = await query;
    
    if (error) {
      console.error('getPaginated error:', error);
      return { v: [], total: 0 };
    }

    return { v: data as Partial<MyItem>[] ?? [], total: count ?? 0 };
  },

우연찮게 textSearch 옵션에 'raw' 를 찾았습니다.

공식적으로는 plain, phrase, websearch만 명시되어있습니다만, "PostgREST의 FTS 연산자와 동일하게 작동" 한다고 되어있습니다.

FTS에는 raw라는 query가 있고, 이를 활용하면 접두사를 사용할 수 있습니다. " 오징:*" 와 같이 prefix 형태를 사용할 수 있죠.

// @ts-expect-error
query = query.textSearch('text_search',`${keyword}:*`,{type:'raw', config:'simple',});

물론 공식 API에는 제공되는것이 아니라서 typscript lint에서는 에러로 보입니다. ㅠ_ㅠ

공식 문서에서는 plain, phrase, websearch 3가지만 제공 됩니다. 그리고 이것은 완성된 단어들의 조합만 검색 가능합니다.

때로는 위와 같이 완성되지 않은 단어 검색도 필요하게 됩니다.

이때는 위와 같이 raw + keyword:* 가 되도록 해서 사용해보는 것도 좋을것 같네요.

이 방식의 단점
여전히 완벽하지 않다.

이렇게 구현해서 서비스에 적용하였으나, 검색이 완벽하지 않았습니다.
예를 들어,
"펨브록웰시코기" 라는 개의 종류 이름 있다고 합시다.
이 경우 "펨브록:*" 이렇게 하면 검색이 되지만, "웰시코기:*" 이렇게는 검색이 안됩니다.
즉, 단어의 맨 앞 글자부터 나오는 것만 검색이 된다는 것이죠.

DB 내의 검색 서비스를 만드는것은 다양한 것들을 고려해야하네요.~

#해피 코딩

AI 홈페이지 제작 도구 총정리

1. 전체 자동 제작형 (AI가 거의 다 만들어줌)

Durable

• URL: https://durable.co
• 특징: 30초 안에 AI가 전체 웹사이트 생성
• 설명: 업종만 입력하면 텍스트, 이미지, 레이아웃 포함된 홈페이지 자동 생성
• 추천 대상: 빠르게 간단한 비즈니스용 홈페이지 만들고 싶은 사람

10Web

• URL: https://10web.io
• 특징: WordPress 기반 AI 웹사이트 빌더
• 설명: 챗봇 스타일로 대화하면 AI가 콘텐츠 구성 + 디자인 자동 생성
• 추천 대상: 워드프레스를 기반으로 AI 기능을 활용하고 싶은 사용자

Bookmark (with AIDA)

• URL: https://www.bookmark.com
• 특징: AI 디자인 어시스턴트 ‘AIDA’
• 설명: 사용자의 입력에 따라 자동으로 섹션 구성과 디자인 선택
• 추천 대상: 웹 디자인 지식 없이 깔끔한 사이트 만들고 싶은 사람

2. 반자동 제작형 (템플릿 + AI 보조)

Wix with Wix ADI

• URL: https://www.wix.com
• 특징: Wix ADI가 자동 제작 / 세부 디자인은 수동 조정 가능
• 설명: 업종, 목적, 색상 등을 입력하면 초기 레이아웃 생성 → 이후 세부 조정
• 추천 대상: 디테일 커스터마이징도 하면서 빠르게 시작하고 싶은 사람

Zyro (by Hostinger)

• URL: https://zyro.com
• 특징: AI 텍스트 생성기 + AI 이미지 도구 내장
• 설명: 템플릿 기반으로 시작하고, 내부 콘텐츠는 AI가 제안
• 추천 대상: 브랜드 소개용 홈페이지, 랜딩 페이지 제작

Framer AI

• URL: https://www.framer.com
• 특징: 텍스트로 명령하면 UI 전체 구성
• 설명: GPT 기반 텍스트 명령 → 실시간 웹사이트 디자인 생성 + 배포까지
• 추천 대상: 디자이너, 프로토타이핑, 포트폴리오 제작

3. 마케팅 & 랜딩 페이지 특화

Unbounce Smart Builder

• URL: https://unbounce.com
• 특징: AI로 랜딩 페이지 생성 + A/B 테스트
• 설명: 마케팅용 랜딩 페이지 자동 생성, 고객 유입 최적화에 특화
• 추천 대상: 스타트업, 광고 마케터, 퍼포먼스 마케팅 팀

Copy.ai – Website Generator

• URL: https://www.copy.ai/tools/website-copy-generator
• 특징: 웹사이트 카피라이팅에 특화된 AI
• 설명: 회사 소개, 제품 설명 등 홈페이지용 문구 자동 작성
• 추천 대상: 콘텐츠 텍스트가 고민인 마케터, 창업가

v0.dev (by Vercel)

• URL: https://v0.dev
• 특징 / 목적: AI 기반 프론트엔드 UI 코드 생성기
• 설명:사용자는 “블로그용 카드형 UI”, “로그인 화면”, “상품 목록 그리드 UI”와 같은 자연어를 입력하면,Vercel과 연동되어 있어, 작성한 UI를 실제 프로젝트에 빠르게 적용할 수 있으며,
• 개발자에게는 디자인 시스템과 코딩 사이의 간극을 줄여주는 매우 강력한 도구입니다.
• 그에 맞는 실제 코드 형태의 React 컴포넌트가 생성되며, 바로 수정하거나 복사하여 사용 가능합니다.
• v0는 OpenAI의 GPT 모델을 활용해 텍스트로 React + Tailwind 기반 UI 컴포넌트를 자동 생성하는 도구입니다.
• 추천 대상:
  • 디자이너 → 코드 없이 UI 설계 결과 확인
  • 프론트엔드 개발자 → 반복적인 UI 코드 작성 시간 단축
  • 스타트업 → MVP/랜딩페이지 빠르게 구성
  • 기획자 → 시각적 프로토타입 생성

기계는 생각할 수 있을까?

 
 
 
지금 우리가 너무나 익숙하게 사용하는 인공지능.
하지만 그 시작은 아주 단순한 질문에서 출발했습니다.
“기계도 인간처럼 생각할 수 있을까?”
 
이 물음에 답하기 위해 수많은 천재들이 바통을 이어달렸습니다.
그 긴 여정을 함께 따라가 보겠습니다.
 

제1주자: 앨런 튜링 — 질문으로 시작된 혁명

 
1950년, 영국의 수학자 **앨런 튜링(Alan Turing)**은 이런 질문을 던졌습니다.
“기계가 생각할 수 있을까?”
 
튜링은 2차 세계대전 당시 독일군의 암호 시스템 **에니그마(Enigma)**를 해독한 인물로,
현대 컴퓨터 과학의 아버지로도 불립니다.
 
 

튜링의 주요 업적

• 1936년: 튜링 머신 개념을 발표하며 컴퓨터 이론의 토대를 마련
• 1940년대: 에니그마 해독 성공으로 전쟁 종식에 기여
• 1950년: AI 철학을 담은 논문 「Computing Machinery and Intelligence」 발표

 
그는 여기서 **‘튜링 테스트’**라는 개념을 제안합니다.
 

“기계가 인간처럼 대화해 판별자가 그것을 사람으로 착각한다면, 그 기계는 지능이 있다고 간주하자.”

제2주자: 존 매카시 — AI라는 이름을 붙이다

 
1956년, 다트머스 회의에서 미국의 수학자 **존 매카시(John McCarthy)**는
‘Artificial Intelligence(인공지능)’라는 이름을 처음으로 사용합니다.
 
그는 AI의 초기 방향을 설정하고, 이를 프로그래밍할 수 있는 언어 LISP도 개발합니다.
이 언어는 이후 수십 년간 AI 연구의 표준 언어로 사용됩니다.
 

제3주자: AI의 첫 번째 겨울 (1974–1980)

 
초기 챗봇 ELIZA의 등장은 잠깐의 기대를 안겨주었지만,
실제 수준은 매우 단순했습니다.
“정말로 기계가 이해하고 대화하는 걸까?”라는 의심이 퍼지면서
연구 자금이 끊기고 정부 지원도 줄어듭니다.
 
 

AI의 겨울이란?
기술의 발전 속도가 기대에 못 미치며,
연구와 투자가 대폭 줄어든 시기를 ‘AI의 겨울’이라고 부릅니다.

제4주자: 전문가 시스템의 시대 (1980–1987)

 
AI는 새로운 방식으로 다시 주목받기 시작합니다.
전문가 시스템이 그 중심에 있었죠.
 
전문가 시스템은 사람의 지식을 ‘규칙’으로 입력하여
기계가 특정 분야의 문제를 해결하게 하는 방식입니다.
대표 사례로는 의학 진단 시스템 MYCIN이 있습니다.
 
하지만 규칙이 많아질수록 오류가 늘고,
기계는 여전히 스스로 배울 수 없다는 한계가 존재했습니다.
 

제5주자: 두 번째 겨울 (1987–1993)

 
기술적 한계로 인해 또다시 AI에 대한 회의가 퍼졌고,
두 번째 겨울이 찾아옵니다.
 
 

이유는 다음과 같았습니다:

• 전문가 시스템의 확장 한계
• 규칙 기반 시스템의 오류율 증가
• 자동 학습 기능 부재
• 현실 적용 실패

제6주자: 딥블루 vs 인간 (1997)

 
AI는 또 다른 방식으로 모습을 드러냅니다.
**IBM의 딥블루(Deep Blue)**는 1997년,
체스 세계 챔피언 가리 카스파로프를 꺾습니다.
 
기계가 계산 능력만큼은 인간을 앞지를 수 있다는 사실을
전 세계에 각인시킨 사건이었습니다.
 

제7주자: 딥러닝의 부활 (2012)

 
2012년, 캐나다 토론토 대학의 교수 **제프리 힌튼(Geoffrey Hinton)**이
딥러닝 기반 이미지 분류 모델 AlexNet으로
세계 이미지 인식 대회에서 압도적인 성과를 내며 주목받습니다.
 
 

딥러닝이란?

인간 뇌의 신경망 구조를 본떠 만든 인공 신경망을 통해
데이터에서 직접 특징을 학습하는 기술입니다.

 
이제 AI는 사람이 모든 규칙을 알려주지 않아도
스스로 배울 수 있게 됩니다.
 

제8주자: 알파고 — 인간 직관의 무너짐 (2016)

 
2016년, 구글 딥마인드의 **알파고(AlphaGo)**는
바둑 세계 랭킹 1위였던 이세돌 9단에게 4:1로 승리합니다.
 
딥러닝과 강화학습을 통해
AI는 인간조차 두지 않는 수를 두며,
‘창의적’이라는 평가를 받습니다.
 

제9주자: ChatGPT의 등장 (2022)

 
2022년 말, OpenAI는 ChatGPT를 공개합니다.
이제 AI는 누구나 사용할 수 있는 도구가 되었고,
단순한 대화는 물론, 문서 작성, 코드 생성, 이미지 설명까지 가능해졌습니다.
 
GPT-4, GPT-4o에서는 멀티모달 AI로 발전하며
텍스트, 이미지, 음성, 영상까지 처리할 수 있는 AI 파트너 시대를 열었습니다.
 
 
 
 
 
 

마치며

 
튜링이 던진 질문 하나가
오늘날의 ChatGPT까지 이어졌습니다.
그리고 그 여정은 여전히 현재진행형입니다.
 
컴퓨터시대가 그랬듯이,
이제 다음 주자는 AI를 만들고 주도하는 기업이나 단체가 뿐만아니라 AI를 활용하고 생활화 하는 모든 사회 구성원들이 될것입니다.
 
#해피 코딩!!

여러분 AI시대에는 무엇을 해야 할까요?

직업으로 보자면, AI 전문가가 되어야하나?, 코딩을 배워야 하나?, 내 직업이 조만간 없어질수 도 있다는데? 무엇을 해야 하지?

아마 이런 고민들을 하고 계시는 분들은 AI시대를 피부로 느끼시는 분들일 것이라 생각됩니다.

저도 항상 이런 고민들을 하고 있는 AI와 옆에서 경쟁을 하고 있는 개발자다 보니 더더욱 고민이 되는 부분입니다. 

지금까지는 AI를 도구처럼 사용하고 있지만, 점차 도구로 사용되던 AI 보다는 에이전트( 옆에서 도와주는 도우미?, 어시스턴트?, 집사?) 이런 개념이 될것입니다.

로봇은 제외 하더라도 우리가 쓰는 모든 기기에 AI가 들어가거나 AI를 이용해서 제어하는 시스템이 될거에요.

차, 도어락, 집안 조명, 티브이, 냉장고, 세탁기, 에이컨, 보일러 ... 등등 수많은 것들에 들어가겠죠.

아 .. 이런 이야기를 하려던건 아니었는데 주제가 잠시 비켜갔네요. (하지만 연결되어있어요)

소비라는 관점에서 살펴봅시다.

소비의 주체는 사람이죠(기업간의 거래 환경유지, 세금 뭐 이런걸 다 한다 하더라도 가장 밑바닥은 사람이라고 생각하는게 합리적입니다.)  생산의 주체는 기업입니다.

기업은 이익을 위해서 AI를 사용해서 보다 좋은 서비스를 소비자에게 제공해야 합니다. 그래야 이익을 남기고 더 좋은 AI를 개발하겠죠.

인간이 끼어들 틈은 어디일까요?

우리는 소비라는 부분에 집중해서 생각해볼 필요가 있어요.

인간이 하는 소비는 크게 2가지로 나눠 볼수 있어요. 

필수품에 대한 소비, 기호에 의한 소비 이죠.

하지만 현대 시대에 문명, 문화를 누릴수 있는 곳에서 살고 있는 사람이라면, 필수품과 기호품에 대한 구분이 모호해 집니다.

밥은 분명 섭취해야 하는 필수 품이지만, 밥을 만드는 쌀은 종류가 너무나 많죠? 또 밥을 제공해주는 식당들도 너무 다양합니다.

결국 사람의 기호에 의해서, 그날의 기분에의해서 밥의 종류도 달라집니다.

즉, 소비라는 측면은 곧 인간의 욕구, 개인의 욕구에 해당하는 부분이 될 수 도 있다는 것이죠.

그러나 개인의 욕구는 너무나도 다양합니다. 또 너무나도 변화 무쌍합니다.

"오늘 정말 맛있는 빵을 파는 빵집을 발견했어요."

하지만 1주일 이상 그 빵만 먹으면 더이상 그 빵은 맛있는 빵이 아니게 됩니다.

다른 빵을 파는 빵집을 찾겠죠. 또 그 빵집이 최애 빵집이 됩니다. 그 빵집도 1주일을 못갈거에요.

기업들은 다른 기업과의 경쟁에서 우위를 갖기 위해서 이런 데이터가 정말 필요할것 같지 않나요?

생각해보면, 내가 원하는것을 바로 찾아주고 , 바로 반영해주는  AI와 내가 원하는 것을 일일이 말해주고 설정해주고 결과를 가져와서 적용해야 하는 AI 두가지가 있다고 한다면, 소비자는 전자를 원하겠죠.

그렇게 되기 위해서는 기업은 사람을 이해해야 합니다.

자! 그럼 AI시대에 무엇을 해야 하는가?

1. 사람들의 취향을 모으는 데이터를 만들어 가는 것도 좋은 비지니스가 될수 있을 것 같네요.

2. 나의 취향을 제공하는 것도 비지니스가 되지 않을까요?

3. 항상 변화하는 나의 갈대같은 마음도 데이터가 되고 분석이 될수 있지 않을까요?

AI에게 학습할 수 있는 꺼리들을 만들어 주는 것 자체가 하나의 비지니스가 될 수 있습니다.

AI시대는 학습 모델을 만드는 것도 매우중요한 일이지만,

나만의 데이터를 모으는 것이 정말 중요해지는 시대일것 같습니다.

만약 내가 내 생활 패턴을 1년동안 기록했다. 10년 동안 기록했다. 그렇다면, 이 데이터를 판매 할수 있지 않을까요?

또

나만의 데이터를 그동안 활용을 못했었지만, 앞으로는 얼마든지 활용할 수 있는 도구들이 만들어질거에요. 또 쉽게 만들 수도 있어요.

#해피 코딩  ㅠ_ㅠ

/np_lora/lora.py

import time
import logging

class LoraSetting:
    gateway = ["Gateway1","Gateway2", "Gateway3" ]

    def __init__(self):
        logging.basicConfig(level=logging.INFO)
        self.logger = logging.getLogger("gateway")

    def main(self):
        i = 0
        while True:
            self.logger.info(self.gateway[i % len(self.gateway)])
            i += 1
            time.sleep(1)

lora = LoraSetting()
lora.main()

np_lora.service

[Unit]
Description=Lora Setting
After=multi-user.target

[Service]
Type=forking
ExecStart=/usr/bin/python /usr/np_lora/lora.py
Restart=always
WorkingDirectory=/usr/np_lora/
ExecStop=/bin/kill $MAINPID

[Install]
WantedBy=multi-user.target

ubuntu 에 service daemon을 등록 및 실행하는 과정입니다.

lora 라는 서비스를 만들어 등록하려고 한다고 합시다.


/etc/systemd/system/np_lora.service    <- 이 위치에 서비스 파일을 만듭니다.

systemctl daemon-reload    <- daemon관리자를 reload해서 새로 만든 서비스 파일을 인식할 수 있도록 합니다.

# systemctl 이라는 명령을 이용하여 서비스를 enable / start/ stop 등의 상태 조절이 가능합니다.

systemctl enable np_lora  <- 서비스를 enable 합니다.
systemctl start np_lora  <- 서비스 스타트
systemctl stop np_lora <- 서비스 종료

AI는 더 이상 전문가들만의 기술이 아닙니다.

학생은 과제를 도와주고, 직장인은 보고서를 대신 써주고, 일반인은 콘텐츠를 만들 수 있죠.

오늘은 여러분이 쉽게 활용할 수 있는 AI 서비스들을 목적별로 정리해봤습니다.

서비스명 / URL / 특징 / 설명 / 추천 대상까지 한눈에 보세요!

 1. 텍스트 기반 AI

ChatGPT

• URL: https://chat.openai.com
• 특징: 전방위 AI 비서, 질문 응답, 글쓰기, 요약
• 설명: 일상 대화부터 코드 작성까지, 가장 범용적인 AI 챗봇
• 추천 대상: 전 연령 (일반인, 직장인, 학생)

Perplexity AI

• URL: https://www.perplexity.ai
• 특징: 최신 정보 검색 + 출처 명시
• 설명: ChatGPT처럼 질문에 답하지만, 웹에서 실시간으로 정보를 가져와 신뢰도가 높음
• 추천 대상: 리서치가 많은 직장인, 대학생

Claude (by Anthropic)

• URL: https://claude.ai
• 특징: 긴 문서 요약, 인간처럼 부드러운 대화
• 설명: 입력 가능한 텍스트 양이 많아 문서 기반 작업에 유용
• 추천 대상: 문서 작성자, 대학생 이상, 직장인

📝 2. 문서 작성 & 번역 도구

Notion AI

• URL: https://www.notion.so/product/ai
• 특징: 회의록, 보고서 자동 작성
• 설명: Notion 문서 안에서 AI가 초안을 만들고 요약도 가능
• 추천 대상: 기획자, PM, 보고서 업무 많은 직장인

Grammarly

• URL: https://www.grammarly.com
• 특징: 영어 문법 및 스타일 교정
• 설명: 이메일, 과제, 이력서 등 영어 문장을 더 자연스럽게 만들어줌
• 추천 대상: 영어 글쓰기가 필요한 직장인, 학생

DeepL Translator

• URL: https://www.deepl.com/translator
• 특징: 고품질 자연스러운 번역
• 설명: 기존 번역기보다 문맥에 강해 자연스러운 결과를 제공
• 추천 대상: 해외 문서 해석이 필요한 누구나

3. 학습 & 튜터 AI

Socratic (by Google)

• URL: https://socratic.org
• 특징: 문제 사진 찍으면 해설 제공
• 설명: 수학, 과학, 역사 등 주요 과목에 대한 개념 설명 제공
• 추천 대상: 초·중·고등학생, 학부모

Khanmigo (Khan Academy AI)

• URL: https://www.khanacademy.org/khan-labs
• 특징: AI 개인 튜터
• 설명: Khan Academy 기반으로 학습 진단, 과외형 설명 제공
• 추천 대상: 초·중·고·대학생, 자녀 학습 지원하는 부모

4. 이미지 & 디자인 생성 AI

Canva Magic Studio

• URL: https://www.canva.com/magic-studio/
• 특징: 디자인 자동화, 콘텐츠 생성
• 설명: 카드뉴스, SNS 포스트, 프레젠테이션 등을 쉽고 예쁘게 제작
• 추천 대상: 마케터, 프리랜서, 디자이너, 콘텐츠 제작자

DALL·E (by OpenAI)

• URL: https://openai.com/dall-e
• 특징: 텍스트 → 이미지 생성
• 설명: 원하는 문장을 입력하면 해당 이미지를 생성
• 추천 대상: 블로거, 디자이너, 창작자

5. 영상 & 오디오 AI

Runway ML

• URL: https://runwayml.com
• 특징: 영상 생성, 편집 자동화
• 설명: 텍스트에서 영상 생성, 배경 제거, 음성 대체 등 고급 기능 제공
• 추천 대상: 유튜버, 영상 크리에이터

Suno AI

• URL: https://suno.com
• 특징: AI 작곡, 자동 노래 제작
• 설명: 가사 입력하면 곡 + 보컬까지 자동 생성
• 추천 대상: 뮤직 크리에이터, 유튜버, 일반인

ElevenLabs

• URL: https://www.elevenlabs.io
• 특징: 고품질 TTS(음성합성)
• 설명: 자연스러운 목소리로 음성 콘텐츠 제작
• 추천 대상: 영상 제작자, 오디오북 제작자

6. 업무 자동화 & 회의 AI

Fireflies.ai

• URL: https://fireflies.ai
• 특징: 회의 녹음 및 요약
• 설명: Zoom, Google Meet에 자동 참여 후 회의 내용 텍스트화
• 추천 대상: 팀 리더, 기획자, 미팅 잦은 직장인

Microsoft Copilot

• URL: https://www.microsoft.com/en-us/microsoft-copilot
• 특징: Office 앱 자동화
• 설명: 워드 문서 요약, 엑셀 데이터 분석, 파워포인트 슬라이드 생성
• 추천 대상: 오피스 사용자 전원

Google Duet AI

• URL: https://workspace.google.com/duet-ai/
• 특징: Gmail, Docs, Sheets 자동화
• 설명: 구글 기반 앱에서 초안 작성, 회신 추천, 데이터 분석 지원
• 추천 대상: Google Workspace 사용자

7. 감정 케어 & 대화형 AI

Replika

• URL: https://replika.com
• 특징: 감정 챗봇, AI 친구
• 설명: 인간처럼 대화하며 정서적 위로를 제공
• 추천 대상: 감정 공유가 필요한 일반인, 외로움 해소

Wysa

• URL: https://www.wysa.io
• 특징: 정신 건강 AI 챗봇
• 설명: 인지행동치료(CBT) 기반의 마음챙김 서비스
• 추천 대상: 불안, 스트레스 관리가 필요한 사용자

마무리: 나에게 맞는 AI는?

• ✏️ 글쓰기/보고서가 많다면 → ChatGPT, Notion AI
• 🎓 공부와 학습 → Socratic, Khanmigo
• 🧑‍💼 업무와 회의 → Fireflies, Microsoft Copilot
• 🎨 디자인과 콘텐츠 → Canva, DALL·E, Suno
• 💬 감정 케어 → Replika, Wysa

👉 AI는 잘 쓰면 시간을 벌어주고, 창의력을 키워주는 도구입니다.

당신에게 딱 맞는 AI 서비스, 오늘 하나 골라 써보세요!