[작성자:] Saturn

AI Second Brain: Building a Personal Knowledge System for AI Agents
A second brain used to mean a personal note-taking system. In the AI agent era, it means something more important: a context system that AI can actually read, use, and improve.

An AI second brain is not just a digital notebook. It is a structured knowledge base that helps AI agents understand your projects, preferences, decisions, sources, and working style. When it is built well, an agent does not have to start every task from zero.

An opening scene introducing the AI second brain concept.

A Second Brain Is Now Context for AI

Traditional personal knowledge management focused on human recall. You saved notes so you could find them later. That still matters, but AI changes the purpose. Now the question is not only “Can I find this?” It is also “Can an AI agent understand this well enough to help me work?”

This shift makes context the most valuable part of a knowledge system. The best model in the world is less useful if it does not know your goals, source material, constraints, and past decisions. A smaller model with better context can often produce more useful work than a stronger model with no memory.

Why Your Own Context Matters More Than the Model

A custom knowledge system gives AI agents reusable personal context.

Many people compare AI tools by model scores, benchmark results, or subscription plans. Those factors matter, but they are not the only bottleneck. For real work, the bigger bottleneck is often private context: what you know, what your organization has decided, how your projects are structured, and what quality standards you follow.

An AI second brain stores that private context in a form that can be reused. It may include meeting notes, source summaries, research cards, operating principles, writing guidelines, project plans, workflows, and examples of good output. The value grows as the system accumulates more verified context.

LLM Wiki and Obsidian Are Practical Starting Points

An LLM Wiki makes notes easier for language models and agents to read.

You do not need an enterprise platform to start. A folder of Markdown files can be enough. Tools such as Obsidian make it easy to create linked notes, tags, source cards, and project pages. An LLM Wiki extends that idea by making the knowledge base easier for language models to read.

The structure does not need to be complex. A useful LLM Wiki usually has small documents, clear titles, source metadata, internal links, and short summaries. The goal is not to create a beautiful graph. The goal is to make knowledge easy to retrieve and use during AI-assisted work.

The Obsidian Graph Is Useful, But It Is Not the Finish Line

Visual knowledge graphs are motivating, but the graph itself is not the main value. The real value is in the quality of the notes and the relationships between them. A graph full of vague notes does not help an AI agent. A small set of clear, linked, source-grounded notes does.

For AI use, clarity matters more than decoration. Each note should answer simple questions: What is this about? Where did it come from? Why does it matter? How is it related to other work? Can an agent use it without guessing?

How Harness Engineering Connects to a Second Brain

Harness engineering connects notes, tools, workflows, and evaluation.

Harness engineering means designing the surrounding system that helps AI do useful work. Prompts are only one part of that system. The harness also includes files, tools, workflows, memory, tests, and review steps.

An AI second brain is one of the most important parts of that harness. It gives agents the context they need. It also gives humans a way to inspect where the AI’s answer came from. This makes the workflow more reliable than a one-off prompt.

How to Start Building an AI Second Brain

A roadmap view for building an AI-native personal knowledge system.
1. Keep the original sources. Do not throw away transcripts, PDFs, articles, or meeting notes too early.
2. Create small Markdown documents. One note should cover one idea, source, decision, or workflow.
3. Add links and tags. Relationships help both humans and agents navigate context.
4. Write short summaries. A short summary at the top helps an AI quickly understand the note.
5. Let agents read and test the system. Ask an agent to use the notes, then check where it misunderstands context.
6. Improve the structure slowly. Do not overbuild. Add structure when repeated work shows the need.
What Individuals and Teams Should Do First

Individuals should begin with recurring personal workflows: writing, research, planning, learning, or project management. Teams should begin with shared context: onboarding documents, decision records, meeting summaries, customer insights, and workflow guides.

The first goal is not automation. The first goal is context quality. Once context becomes reliable, agents can help with drafting, summarizing, checking, and producing deliverables.

Related Reading

Continue with these related Thinknote English articles in the Digital Transformation cluster.
FAQ

What is this article about?

This article explains a digital transformation, platform, market-structure, or technology-adoption topic with Korea-specific context and global implications.

How should I use this guide?

Use it to understand market signals and strategic patterns. Combine it with current market data before making business or investment decisions.

Where can I read the original Korean article?

The original Korean article is available here: Original Korean article.
2026년 06월 08일
How to Build an AI Agent Operating System: A 7-Layer Blueprint
Most people start using AI by opening one tool at a time. They ask ChatGPT for a draft, use Claude for a long document, try a coding assistant for development, and keep separate notes somewhere else. That works for experiments, but it breaks down when AI becomes part of daily work.

An AI agent operating system is a way to connect those scattered tools into one repeatable workflow. It does not mean a literal computer operating system. It means a practical work architecture: memory, models, agents, dashboards, production tools, and feedback loops working together.

A mission-control style dashboard for managing multiple AI agents.

What Is an AI Agent Operating System?

An AI agent operating system is the layer that helps AI tools remember context, choose the right model, run tasks through agents, and send results back into a knowledge base. The goal is not to collect more apps. The goal is to turn AI into a system that can produce, verify, and improve work over time.

The easiest way to understand it is to compare two workflows. In the first workflow, every AI conversation starts from zero. In the second, the AI can read your notes, follow your preferred process, use tools, create deliverables, and leave behind reusable context. The second workflow is closer to an agent operating system.

Why Individual AI Tools Are Not Enough

AI tools need shared context, routing, and workflow design to become useful together.

Individual AI tools are powerful, but they are usually isolated. A chatbot may write well but cannot see your whole knowledge system. A coding agent may edit files but may not know your business context. A note-taking app may store information but does not automatically turn that information into action.

This is why many AI workflows feel impressive at first and messy later. The user becomes the connector. They copy and paste context, check results, move files, remember previous decisions, and restart the same explanation again and again. An AI agent operating system reduces that friction.

The 7 Layers of an AI Agent Operating System

A visual example of workflow layers inside an AI agent operating system.

1. Foundation: Hardware and Basic Environment

The first layer is the environment where the system runs. This may be a laptop, a workstation, a cloud server, or a hybrid setup. The important question is not only speed. It is whether the environment can run the tools you need reliably: browsers, terminals, local files, APIs, schedulers, and AI clients.

2. Memory: Long-Term Context Storage

Memory is where your system keeps reusable context. This can include Markdown notes, project documents, meeting summaries, prompt patterns, decision logs, source material, and structured databases. Without memory, every AI interaction becomes a one-time conversation. With memory, agents can work from accumulated knowledge.

3. Brain: Model Routing

No single model is best for every task. Some models are better at writing, some at coding, some at long-context reasoning, and some at fast routine work. The brain layer routes work to the right model. A good AI operating system should make it easy to choose between cloud models, local LLMs, and specialized tools.

4. Agents: The Actual Workers

Agents are not just chatbots with names. They are task-oriented workers with access to tools, files, instructions, and verification steps. One agent may inspect a codebase. Another may summarize sources. Another may prepare a WordPress draft. The agent layer turns AI from conversation into execution.

5. Command Center: A Unified Dashboard

As workflows grow, users need a command center. This may be a desktop app, a web UI, a terminal dashboard, a Kanban board, or a messaging interface. The command center shows what is running, what was produced, what needs review, and what should happen next.

6. Production Services: Where Real Output Lives

AI becomes valuable when outputs leave the chat window. Production services include GitHub repositories, WordPress sites, shared drives, documents, spreadsheets, email systems, CRMs, and internal dashboards. The operating system should connect agents to these services safely, with clear approval gates.

7. Loop: Feeding Results Back Into Memory

The final layer is the feedback loop. After an agent completes a task, the result should not disappear. Useful decisions, reusable workflows, errors, and quality checks should return to memory. This is how the system gets better. Without a loop, automation produces output. With a loop, it produces learning.

How to Start Building One

A command-center view for coordinating AI tools, agents, and outputs.
1. Choose one recurring workflow, such as publishing a blog post or preparing a report.
2. Create a simple memory folder for source material, decisions, and reusable instructions.
3. Define which AI tools or models handle writing, coding, research, and review.
4. Use agents only where tool access and verification matter.
5. Create a dashboard or checklist so humans can review progress.
6. Connect output destinations only after the local draft process is reliable.
7. Record what worked and feed it back into the next run.
What to Avoid

A feedback loop turns one-time automation into a learning AI workflow.

The biggest mistake is trying to automate everything before the workflow is clear. An AI agent operating system should not be a pile of tools. It should be a map of how work moves from context to action to verification. Start small, then add layers only when they solve a real bottleneck.

Related Reading

Continue with these related Thinknote English articles in the Digital Transformation cluster.
FAQ

What is this article about?

This article explains a digital transformation, platform, market-structure, or technology-adoption topic with Korea-specific context and global implications.

How should I use this guide?

Use it to understand market signals and strategic patterns. Combine it with current market data before making business or investment decisions.

Where can I read the original Korean article?

The original Korean article is available here: Original Korean article.
2026년 06월 08일
금리 인하가 온다면? 예금·채권·배당주 투자 전략
금리 이야기는 늘 애매합니다. 내릴 것 같다가도 안 내리고, 동결이 길어질 것 같다가 어느 순간 분위기가 바뀝니다. 투자자 입장에서는 이 애매함이 제일 어렵습니다. 예금을 더 들고 있어야 할지, 채권을 사야 할지, 배당주나 성장주 비중을 늘려야 할지 판단이 흔들리기 때문입니다.

최근 분위기도 딱 그렇습니다. 한쪽에서는 금리 인하 기대를 말하지만, 다른 쪽에서는 물가와 환율 때문에 인하가 늦어질 수 있다고 봅니다. 그래서 이 글은 “곧 금리가 내려간다”는 전제로 쓰지 않았습니다. 금리가 내려갈 때, 오래 묶일 때, 다시 오를 때를 나눠서 자산 비중을 어떻게 볼지 묶어 봤습니다.

금리 인하 기대가 커질수록 예금, 채권, 배당주, 성장주의 역할을 따로 점검해야 합니다.

Read in English

금리가 바뀌면 돈의 위치도 바뀐다

금리는 돈의 가격입니다. 금리가 높으면 예금 이자가 눈에 들어옵니다. 굳이 위험을 감수하지 않아도 어느 정도 수익이 나오기 때문입니다. 반대로 금리가 낮아질 것 같으면 투자자들은 조금씩 다른 곳을 봅니다. 채권, 배당주, 리츠, 성장주 같은 자산이 다시 후보에 오릅니다.

그렇다고 금리 인하가 항상 주식시장에 좋은 소식은 아닙니다. 금리가 내려가는 이유가 더 봐야 합니다. 물가가 안정돼서 천천히 내리는 금리와, 경기가 나빠져서 급하게 내리는 금리는 시장이 다르게 받아들입니다.

그래서 질문을 바꿔야 합니다. “금리가 내려갈까?”보다 “왜 내려갈까?”가 먼저입니다. 이 차이를 놓치면 금리 인하라는 말만 듣고 너무 빨리 위험자산으로 옮겨 갈 수 있습니다.

정기예금 막차, 완전히 틀린 말은 아니다

금리 인하가 예상될 때 “예금 막차”라는 말이 나옵니다. 지금 금리를 확정해 두면 나중에 예금 금리가 낮아져도 약속된 이자를 받을 수 있습니다. 안정성을 가장 중시하는 사람에게는 충분히 현실적인 선택입니다.

주의할 점은 막차라는 표현에 너무 끌려갈 필요는 없습니다. 모든 돈을 1년짜리 예금에 묶어 버리면, 나중에 더 좋은 기회가 생겨도 움직이기 어렵습니다. 금리 인하가 늦어지거나 시장금리가 다시 오르면 판단이 아쉬워질 수도 있습니다.

저라면 예금은 “수익률을 높이는 곳”보다 “버티는 돈을 두는 곳”으로 봅니다. 생활비, 비상금, 1년 안에 쓸 돈은 예금이나 파킹형 상품에 두는 편이 낫습니다. 대신 투자 기간이 긴 돈까지 전부 예금에 넣을 필요는 없습니다.

만기를 나누는 방식도 괜찮습니다. 3개월, 6개월, 1년처럼 쪼개 두면 금리가 바뀔 때 대응하기 쉽습니다. 예금은 한 번에 맞히는 상품이 아니라, 현금 흐름을 관리하는 도구에 가깝습니다.

정기예금은 만기를 나누어 두면 금리 변화와 유동성 필요에 더 유연하게 대응할 수 있습니다.

채권형 ETF는 기회이지만 예금은 아니다

금리가 내려가면 기존 채권의 매력이 커집니다. 그래서 금리 인하 기대가 생길 때 채권형 ETF가 관심을 받습니다. 특히 장기채는 금리 하락 구간에서 가격이 크게 움직일 수 있습니다.

문제는 반대 방향도 똑같이 크다는 점입니다. 금리가 예상보다 덜 내려가거나 다시 오르면 장기채 ETF는 꽤 흔들릴 수 있습니다. 채권이라는 이름 때문에 안전하다고 느끼지만, ETF로 거래되는 채권은 매일 가격이 변합니다.

초보 투자자라면 장기채부터 크게 들어가기보다 단기채와 중기채를 먼저 보는 편이 낫습니다. 단기채는 수익률이 아주 화려하지는 않아도 변동성이 작습니다. 중기채는 금리 하락의 효과와 안정성 사이에서 균형을 잡기 쉽습니다.

장기채는 금리 하락에 대한 의견이 분명할 때 일부만 쓰는 편이 좋습니다. 예금 대신 장기채를 산다는 느낌보다는, 포트폴리오 안에서 금리 하락에 대응하는 카드 하나로 보는 것이 더 맞습니다.

채권형 ETF는 금리 하락 기대와 듀레이션 위험을 함께 비교해야 합니다.

배당주와 월배당 ETF는 현금흐름용이다

금리가 낮아지면 사람들은 자연스럽게 현금흐름을 찾습니다. 예금 이자가 줄어들면 배당주, 리츠, 인프라 펀드, 월배당 ETF가 더 좋아 보입니다. 매달 또는 분기마다 돈이 들어오는 구조는 심리적으로도 편합니다.

하지만 배당률이 높다고 좋은 투자는 아닙니다. 주가가 빠지면 배당을 받아도 총수익률은 나빠집니다. 기업 실적이 흔들리면 배당이 줄어들 수 있고, 리츠나 인프라 자산은 부채 비용에 영향을 받습니다.

배당주는 “얼마나 많이 주느냐”보다 “계속 줄 수 있느냐”가 더 더 봐야 합니다. 배당성향, 현금흐름, 부채비율, 업종 안정성을 같이 봐야 합니다. 월배당 ETF도 마찬가지입니다. 분배금만 보고 들어가면 원금 변동을 놓치기 쉽습니다.

현금흐름이 필요한 사람에게 배당 자산은 쓸모가 있습니다. 은퇴 생활비를 보태거나 월 단위 현금흐름을 만들고 싶다면 의미가 있습니다. 반대로 자산을 크게 불리는 것이 목표라면 배당률보다 총수익률을 먼저 봐야 합니다.

배당 자산은 분배금만이 아니라 현금흐름의 지속 가능성과 총수익률을 함께 봐야 합니다.

성장주는 금리보다 실적이 먼저다

성장주는 금리에 민감합니다. 금리가 낮아지면 미래 이익의 현재가치가 높아집니다. 그래서 금리 인하 기대가 커질 때 성장주가 관심을 받습니다.

그런데 성장주는 금리 하나로 설명하기 어렵습니다. 실적이 따라오지 않으면 금리가 내려가도 주가가 오래 버티기 어렵습니다. 이미 기대가 많이 반영된 종목은 작은 실망에도 크게 흔들릴 수 있습니다.

AI, 반도체, 2차전지 같은 테마는 특히 그렇습니다. 좋은 산업이라고 해서 언제나 좋은 가격은 아닙니다. 금리 인하 기대가 이미 주가에 반영됐다면, 나중에 실제 인하가 나와도 시장 반응이 밋밋할 수 있습니다.

성장주를 본다면 한 번에 비중을 늘리기보다 나눠서 접근하는 편이 낫습니다. 실적 발표, 가격 조정, 금리 방향을 같이 체크해 두세요. 대표 성장주와 테마형 ETF도 구분해야 합니다. 둘은 변동성의 크기가 다릅니다.

금리 시나리오별로 다르게 봐야 한다

첫 번째는 완만한 인하입니다. 물가가 안정되고 경기가 크게 나쁘지 않은 상황에서 금리가 조금씩 내려가는 경우입니다. 이때는 채권형 ETF, 배당주, 우량 성장주가 함께 좋아질 수 있습니다. 예금 비중을 조금 줄이고 채권과 주식 비중을 천천히 늘리는 전략이 어울립니다.

두 번째는 동결 장기화입니다. 물가와 환율 때문에 중앙은행이 쉽게 움직이지 못하는 경우입니다. 이때는 예금과 단기채의 역할이 커집니다. 장기채나 고평가 성장주를 급하게 늘리면 기다리는 시간이 길어질 수 있습니다.

세 번째는 금리 재상승입니다. 유가, 환율, 물가가 다시 불안해지면 시장금리가 오를 수 있습니다. 이 경우 장기채와 성장주는 동시에 흔들릴 수 있습니다. 현금성 자산, 단기채, 방어적 배당주를 남겨 두는 것이 해야 합니다.

금리 인하, 동결 장기화, 재상승 시나리오를 나누어 보면 포트폴리오 조정 기준이 더 선명해집니다.

지금 투자자가 할 수 있는 현실적인 조정

지금은 금리 인하에 전부 걸기보다, 금리가 생각과 다르게 움직일 때도 버틸 수 있게 짜는 편이 낫습니다. 예측을 맞히는 것보다 틀렸을 때 덜 다치는 구조가 더 봐야 합니다.

단기 자금은 예금과 파킹형 상품에 둡니다. 1년 안에 쓸 돈까지 채권형 ETF나 주식에 넣을 필요는 없습니다. 금리 인하 전 예금 막차를 타더라도 만기를 나눠 두는 편이 안전합니다.

채권형 ETF는 단계적으로 접근합니다. 단기채와 중기채를 기본으로 보고, 장기채는 금리 하락에 대한 확신이 커질 때 일부만 활용합니다. 채권도 손실이 날 수 있다는 점을 전제로 해야 합니다.

배당주와 월배당 ETF는 목적을 분명히 해야 합니다. 현금흐름이 필요하면 의미가 있습니다. 자산 증식이 목표라면 분배금보다 총수익률을 봐야 합니다.

성장주는 분할 매수가 낫습니다. 금리 인하 기대만 보고 한 번에 비중을 늘리기보다는, 실적과 가격을 확인하며 들어가는 편이 안전합니다.

결국 자산 재배치는 대단한 기술이 아닙니다. 돈의 용도를 나누는 일입니다. 당장 쓸 돈, 몇 년 뒤 쓸 돈, 오래 묻어둘 돈을 구분하면 선택이 훨씬 쉬워집니다.

정리

금리 인하 기대는 투자 방향을 점검할 좋은 계기입니다. 하지만 그 자체가 매수 신호는 아닙니다. 금리가 왜 내려가는지, 얼마나 천천히 내려가는지, 물가와 환율이 어떤지를 함께 봐야 합니다.

가장 무난한 방향은 균형입니다. 단기 자금은 예금과 단기채로 지킵니다. 중장기 자금은 채권형 ETF와 배당 자산을 일부 섞습니다. 성장주는 실적과 가격을 확인하며 천천히 접근합니다.

금리 사이클은 한 번에 맞히기 어렵습니다. 그래서 예측보다 리밸런싱이 더 더 봐야 합니다. 시장이 내 생각과 다르게 움직여도 다시 조정할 수 있는 여지를 남겨 두는 것, 그게 지금 같은 시기에 더 현실적인 투자 전략으로 볼 수 있습니다.

이 글은 특정 상품의 매수나 매도를 권유하지 않습니다. 금리 환경 변화에 맞춰 자산 비중을 점검하기 위한 참고 자료입니다.

함께 읽으면 좋은 글
FAQ

금리 인하가 시작되면 예금은 모두 줄여야 하나요?

그럴 필요는 없습니다. 비상금과 단기 자금은 예금이나 파킹형 상품에 두는 편이 좋습니다. 주의할 점은 오래 묻어둘 돈까지 전부 예금에 넣을 필요는 없습니다.

채권형 ETF는 예금처럼 안전한가요?

아닙니다. 채권형 ETF는 가격이 움직입니다. 특히 장기채 ETF는 금리 변화에 민감해서 손실이 날 수 있습니다.

금리 인하 시기에는 배당주가 유리한가요?

관심이 커질 수는 있습니다. 하지만 배당률만 보면 안 됩니다. 배당을 계속 줄 수 있는 기업인지, 주가 변동은 어느 정도인지 같이 봐야 합니다.

성장주는 금리 인하의 최대 수혜주인가요?

항상 그렇지는 않습니다. 금리 하락은 성장주에 도움이 될 수 있지만, 실적과 가격이 더 중요할 때도 많습니다.

개인투자자는 어떤 순서로 자산을 재배치해야 하나요?

먼저 단기 자금과 장기 자금을 나누는 것이 좋습니다. 그다음 예금, 단기채, 중기채, 배당주, 성장주의 역할을 정하면 됩니다.

참고자료
2026년 06월 07일
ETF 투자 열풍, 지금 개인투자자가 꼭 확인해야 할 것들
ETF 시장이 빠르게 커지고 있습니다. 최근 국내 보도에서는 ETF 시가총액과 순자산이 500조원대에 진입했다는 소식이 이어졌습니다. 이제 ETF는 일부 투자자의 보조 상품이 아니라, 개인 재테크의 중심 도구로 다뤄지고 있습니다.

이 흐름을 무조건 긍정적으로만 볼 수는 없습니다. ETF는 분산투자와 낮은 비용이라는 장점이 있습니다. 반대로 레버리지, 인버스, 테마형 상품이 늘면서 단기 매매와 쏠림 위험도 커졌습니다. 그래서 ETF 대중화는 “좋은 상품이 많아졌다”가 아니라 “선택 책임이 커졌다”는 의미로 봐야 합니다.

ETF 시장이 개인 재테크의 중심 도구로 자리 잡으면서 투자자는 상품보다 자신의 목적과 위험을 먼저 점검해야 합니다.

Read in English

ETF가 국민 재테크 수단이 된 배경

ETF가 대중화된 첫 번째 이유는 접근성입니다. 투자자는 증권계좌 하나로 국내 주식, 미국 주식, 채권, 금, 리츠, 배당주, 산업 테마에 투자할 수 있습니다. 과거에는 펀드 가입이나 개별 종목 분석이 필요했습니다. 지금은 모바일 앱에서 ETF를 검색하고 바로 매매할 수 있습니다.

두 번째 이유는 비용과 투명성입니다. ETF는 일반 펀드보다 보수가 낮은 경우가 많습니다. 구성 종목과 추종 지수도 비교적 쉽게 확인할 수 있습니다. 투자자는 자신이 어떤 자산군에 노출되는지 확인한 뒤 투자할 수 있습니다.

세 번째 이유는 절세 계좌와의 결합입니다. ISA, 연금저축, IRP 같은 계좌에서는 ETF를 장기 투자 수단으로 활용할 수 있습니다. 특히 연금 계좌에서는 세액공제와 과세 이연 효과가 함께 작동합니다. 이 때문에 ETF는 단기 매매 상품을 넘어 노후 준비 도구로도 확장되고 있습니다.

ETF는 모바일 접근성, 낮은 비용, 투명성, ISA와 연금 계좌 활용이 결합되며 대중화됐습니다.

시장이 커졌다는 사실과 투자 성과는 다르다

ETF 시장 규모가 커졌다고 해서 모든 ETF가 좋은 투자처가 되는 것은 아닙니다. 시장 전체의 성장과 개별 상품의 투자 성과는 구분해야 합니다. 같은 ETF라도 추종 지수, 환헤지 여부, 총보수, 거래량, 괴리율에 따라 결과가 달라질 수 있습니다.

또한 ETF는 “분산투자 상품”이라는 이미지가 강하지만, 모든 ETF가 충분히 분산된 것은 아닙니다. 단일 산업 ETF나 특정 테마 ETF는 사실상 집중투자에 가깝습니다. 반도체, 2차전지, AI, 방산처럼 인기 테마에 자금이 몰릴수록 변동성도 커질 수 있습니다.

레버리지와 인버스 ETF는 더 신중해야 합니다. 이 상품들은 장기 보유보다 단기 방향성 대응에 맞춰 설계된 경우가 많습니다. 변동성이 큰 구간에서는 지수가 제자리로 돌아와도 투자 손실이 누적될 수 있습니다. 개인투자자가 “ETF니까 안전하다”고 생각하면 오히려 위험할 수 있습니다.

ETF라는 이름만으로 안전성이 보장되지는 않으므로 추종 지수, 비용, 거래량, 레버리지 구조를 함께 봐야 합니다.

개인투자자가 확인해야 할 ETF 선택 기준

ETF를 고를 때는 수익률 순위만 보면 안 됩니다. 먼저 어떤 지수를 따라가는지 체크해 두세요. 같은 미국 주식 ETF라도 S&P500, 나스닥100, 배당성장, 고배당, 커버드콜은 성격이 다릅니다.

두 번째로 비용과 거래 편의성을 봐야 합니다. 총보수, 기타 비용, 거래량, 스프레드는 장기 수익률에 영향을 줍니다. 특히 거래량이 적은 ETF는 원하는 가격에 사고팔기 어려울 수 있습니다.

세 번째로 계좌 목적과 맞는지 봐야 합니다. 장기 은퇴자금은 연금저축이나 IRP에서 안정적인 자산배분형 ETF를 활용할 수 있습니다. 중기 목돈 마련은 ISA에서 국내 상장 해외 ETF나 배당형 ETF를 검토할 수 있습니다. 단기 매매는 별도 계좌에서 제한된 비중으로만 접근하는 편이 안전합니다.

국내 상장 ETF와 미국 상장 ETF는 세금, 환율, 계좌 목적에 따라 다르게 선택해야 합니다.

국내 ETF와 미국 ETF를 나눠 봐야 하는 이유

국내 상장 ETF는 원화로 거래할 수 있어 접근성이 좋습니다. ISA나 연금 계좌에서 활용할 수 있는 상품도 많습니다. 세금과 환전 절차가 단순한 편이라 초보 투자자에게 유리합니다.

미국 상장 ETF는 상품 선택 폭이 넓고 시장 깊이가 큽니다. 장기 데이터가 많은 대표 지수 ETF도 많습니다. 한 가지 조심할 점은 환전, 배당세, 양도소득세, 환율 변동을 함께 고려해야 합니다.

그래서 “국내 ETF가 좋다” 또는 “미국 ETF가 좋다”로 단정하기 어렵습니다. 계좌 종류, 투자 기간, 세금 구조, 환율 전망에 따라 선택이 달라집니다. 초보 투자자는 국내 상장 대표 지수 ETF로 시작하고, 경험이 쌓이면 미국 상장 ETF를 비교하는 방식이 현실적입니다.

월배당 ETF는 현금흐름에는 도움이 될 수 있지만 총수익률과 원금 변동을 함께 체크해 두세요.

월배당 ETF 열풍은 현금흐름 욕구를 보여준다

최근 ETF 대중화에서 눈에 띄는 흐름은 월배당 ETF입니다. 투자자는 매달 들어오는 분배금을 통해 현금흐름을 확인할 수 있습니다. 은퇴자뿐 아니라 직장인도 “월급 외 현금흐름”에 관심을 갖고 있습니다.

하지만 월배당 ETF도 분배금만 보고 판단하면 안 됩니다. 분배금이 높아 보여도 원금이 줄어들 수 있습니다. 커버드콜 ETF처럼 상승장에서 수익이 제한되는 구조도 있습니다. 분배율, 총수익률, 기초자산, 옵션 전략 여부를 함께 봐야 합니다.

월배당 ETF는 생활비 보조나 은퇴 현금흐름에는 도움이 될 수 있습니다. 하지만 장기 자산 증식이 목표라면 배당 재투자와 성장형 ETF의 조합도 검토해야 합니다.

향후 ETF 시장 전망

ETF 시장은 당분간 더 커질 가능성이 높습니다. 첫째, 개인투자자는 개별 종목보다 간단한 분산투자 도구를 선호하고 있습니다. 둘째, 연금과 ISA 같은 절세 계좌가 ETF 수요를 계속 만들고 있습니다. 셋째, 운용사들은 월배당, 테마형, 채권형, 자산배분형 상품을 계속 내놓고 있습니다.

한 가지 조심할 점은 성장 속도가 빠른 만큼 부작용도 함께 커질 수 있습니다. 인기 테마 ETF로 자금이 몰리면 가격 변동이 커질 수 있습니다. 레버리지와 인버스 상품이 늘면 단기 투기 수요도 확대될 수 있습니다. 금융당국이 레버리지 ETF 쏠림과 빚투 위험을 경고하는 이유도 여기에 있습니다.

결국 ETF 시장은 “성장”과 “선별”이 동시에 진행될 가능성이 높습니다. 대표 지수와 장기 자산배분형 ETF는 재테크 기본 도구로 더 자리 잡을 수 있습니다. 반면 유행성 테마 ETF와 고위험 구조 상품은 성과 차이가 크게 벌어질 수 있습니다.

전망에 따른 투자 방향

첫째, 장기 투자자는 대표 지수 ETF를 핵심으로 두는 전략이 쓸 수 있습니다. 국내 주식, 미국 주식, 채권, 현금성 자산을 나눠 담는 방식입니다. 특정 테마보다 자산군 배분을 먼저 정하는 것이 더 봐야 합니다.

둘째, 절세 계좌를 우선 활용해야 합니다. ISA, 연금저축, IRP는 ETF 투자와 잘 맞는 구조입니다. 같은 수익률이라도 세금 처리 방식에 따라 실제 성과가 달라집니다.

셋째, 월배당 ETF는 목적형 자산으로 봐야 합니다. 은퇴 생활비나 현금흐름이 필요하다면 의미가 있습니다. 하지만 자산 증식이 우선이라면 분배금보다 총수익률을 봐야 합니다.

넷째, 레버리지와 인버스 ETF는 포트폴리오의 중심이 되기 어렵습니다. 단기 대응용으로 제한된 비중만 사용하는 것이 바람직합니다. 투자 경험이 부족하다면 아예 제외하는 선택도 합리적입니다.

다섯째, ETF 투자는 “상품 고르기”보다 “규칙 만들기”가 더 봐야 합니다. 매수 기준, 리밸런싱 주기, 손실 허용 범위, 투자 기간을 먼저 정해야 합니다. ETF가 쉬워졌다는 사실이 투자 판단까지 쉬워졌다는 뜻은 아닙니다.

정리

ETF는 이제 개인 재테크의 핵심 인프라가 되었습니다. 시장 규모 확대, 모바일 투자 환경, 절세 계좌, 월배당 수요가 이 흐름을 밀고 있습니다. 하지만 ETF라는 이름만으로 안전성이 보장되지는 않습니다.

앞으로의 투자 방향은 단순합니다. 먼저 볼 부분은 대표 지수와 자산배분형 ETF로 잡는 것이 좋습니다. 절세 계좌는 적극적으로 활용합니다. 테마형, 월배당형, 레버리지형 ETF는 목적과 위험을 확인한 뒤 보조적으로 접근하는 편이 바람직합니다.

이 글은 특정 ETF 매수나 매도를 권유하지 않습니다. 시장 흐름을 이해하고 투자 기준을 세우기 위한 참고 자료입니다.

함께 읽으면 좋은 글
- 2026 퇴직연금 400조 시대, 수익률 경쟁의 승자는 누구인가
- 생활경제·정책 글 모아보기
FAQ

ETF는 펀드보다 항상 좋은가요?

항상 그렇지는 않습니다. ETF는 비용과 거래 편의성에서 장점이 있습니다. 하지만 상품 구조와 투자 대상에 따라 위험이 다릅니다.

초보자는 어떤 ETF부터 봐야 하나요?

대표 지수 ETF부터 보는 것이 좋습니다. 국내 주식, 미국 S&P500, 나스닥100, 채권형 ETF처럼 구조가 단순한 상품이 출발점이 될 수 있습니다.

월배당 ETF는 은퇴 준비에 좋은가요?

현금흐름이 필요한 투자자에게는 도움이 될 수 있습니다. 한 가지 조심할 점은 분배금만 보지 말고 원금 변동과 총수익률을 함께 체크해 두세요.

레버리지 ETF는 장기 투자에 적합한가요?

일반적으로 장기 핵심 자산으로 보기 어렵습니다. 변동성이 큰 구간에서는 손실이 누적될 수 있어 단기 대응용으로 제한하는 편이 안전합니다.

ETF 투자에서 가장 중요한 기준은 무엇인가요?

상품보다 먼저 투자 목적을 정하는 것입니다. 기간, 계좌, 세금, 위험 허용 범위가 정해져야 알맞은 ETF를 고를 수 있습니다.

참고자료
2026년 06월 07일
마천동에서 올라 성남으로 내려온 남한산성 산행기: 명리학 오행으로 읽는 숲과 성곽의 길

오전 10시가 조금 안 된 시간, 마천동 쪽에서 남한산성으로 오르기 시작했다.

북한산을 걸으며 바위와 숲의 오행을 떠올렸던 것처럼, 이번에는 남한산성의 숲과 성곽을 명리학의 관점에서 가볍게 읽어보기로 했다.

오전 10시 전후, 마천동 쪽에서 숲으로 들어서며 산행이 시작됐다.

Read in English

마천동에서 시작한 목(木)의 길

마천동에서 남한산성으로 들어서는 초입은 목(木)의 기운이 먼저 느껴지는 길이었다. 초록이 짙고, 길은 급하게 밀어붙이지 않았다.

목(木)은 시작과 성장의 기운이다. 산행 초반의 숲길도 그랬다. 발걸음이 숲 안으로 들어갈수록 생각이 조금씩 정리됐다.

숲이 깊어질수록 몸의 열도 천천히 올라왔다.

오르막에서 살아나는 화(火)

계단과 오르막이 이어지자 화(火)의 기운이 올라왔다. 숨이 조금 차고, 몸 안의 열이 움직이기 시작했다.

화(火)는 밖으로 드러나는 힘이다. 산에서는 땀과 호흡으로 먼저 느껴진다. 남한산성의 오르막은 거칠다기보다 천천히 몸을 깨우는 길이었다.

성곽을 지날 때 느껴지는 금(金)

숲을 지나 성곽 가까이 다가가면 분위기가 달라진다. 나무의 부드러움 사이로 돌의 단단함이 들어온다.

성곽을 지나며 숲길의 부드러움이 돌의 단단함으로 바뀌었다.

금(金)은 질서와 경계의 기운이다. 남한산성의 성곽은 그 느낌을 갖고 있었다. 숲길을 걷다가 돌문을 지나는 순간, 길의 결이 한 번 바뀌었다.

남한산성은 통일신라 때 쌓은 주장성의 옛 터를 바탕으로, 조선 인조 4년인 1626년에 크게 고쳐 쌓은 산성이다. 성곽을 걷다 보면 이 길이 단순한 산책로가 아니라, 한양을 지키기 위해 세운 경계였다는 사실이 자연스럽게 떠오른다.

조망에서 만나는 토(土)의 안정감

성곽 위로 시야가 열리자 멀리 도시가 보였다. 오르던 길에서는 보이지 않던 풍경이 한 번에 펼쳐졌다.

성곽 위에서 바라본 도시는 한 발 떨어진 풍경처럼 보였다.

이 장면은 토(土)의 기운으로 읽고 싶었다. 토(土)는 중심과 균형의 힘이다. 성곽 위에서 바라본 도시는 바쁘지만, 그 움직임도 한 발 떨어져 보였다.

한양의 동남쪽을 지키던 산성에서 지금의 도시를 내려다보는 느낌은 묘했다. 과거에는 방어의 시선이었을 풍경이, 지금은 잠시 숨을 고르는 조망이 되어 있었다.

수어장대 주변의 기운

점심 무렵에 가까워질수록 산성 안쪽의 분위기는 또렷해졌다. 수어장대 주변에서는 숲의 초록, 건축의 색, 성곽의 돌이 함께 보였다.

수어장대 주변에서는 숲, 성곽, 건축의 기운이 함께 느껴졌다.

이곳에서는 한 가지 오행만 말하기 어렵다. 목(木)의 생기, 금(金)의 절제, 토(土)의 안정감이 함께 놓여 있었다.

남한산성은 병자호란의 기억도 품고 있다. 1636년 전쟁이 일어났고, 조선의 왕과 조정은 이 산성 안에서 시간을 견뎠다. 그래서 이곳의 돌은 단단하지만, 그 단단함 안에는 당시의 불안도 함께 남아 있는 듯했다.

북한산이 바위와 능선의 힘으로 강하게 다가왔다면, 남한산성은 숲과 성곽이 균형을 잡는 느낌이었다. 이전에 쓴 북한산 명리학 산행기와 비교하면 그 차이가 더 선명하다.

성남으로 내려오는 수(水)의 길

오후로 접어들며 성남 쪽으로 내려오는 길은 수(水)의 기운에 가까웠다. 수(水)는 흐름과 정리의 상징이다.

성남 방향으로 내려오는 길에서는 초록 숲이 마음을 차분하게 가라앉혔다.

하산길의 숲은 오를 때와 달랐다. 출발의 초록이 몸을 깨웠다면, 내려오는 초록은 마음을 가라앉혔다.

남한산성은 마천동에서 시작해 성남으로 내려오는 동안 목(木), 화(火), 금(金), 토(土), 수(水)의 흐름을 자연스럽게 보여주는 길처럼 느껴졌다.

걷고 나서 남은 생각

이번 산행에서 오래 남은 것은 정보보다 감각이었다. 주의할 점은 남한산성에서는 그 감각 위로 역사가 함께 겹쳐졌다.

숲은 시작을 말했고, 오르막은 몸을 깨웠다. 성곽은 마음을 세웠고, 조망은 시선을 넓혔다. 하산길은 다시 나를 차분하게 돌려보냈다.

남한산성은 명리학의 언어와 역사적 시간이 과하지 않게 함께 놓이는 산이었다.

2026년 06월 07일
나트랑 1박 2일 로컬투어: 새벽 비행기로 다녀온 해변·맛집·스파 코스
이번 나트랑 1박 2일 여행은 일정표대로 움직인 여행이라기보다, 좋았던 장면들을 하나씩 모아둔 여행에 가까웠습니다. 새벽 비행기로 도착해서 밤 비행기로 돌아오는 짧은 일정이었지만, 바다와 숙소, 음식, 커피, 스파가 선명하게 남았습니다.

그래서 이 글도 시간 순서보다 여행에서 기억에 남은 카테고리로 정리해보려 합니다. 나트랑을 짧게 다녀오려는 분이라면, 빡빡한 코스보다 어떤 분위기를 즐기고 싶은지 먼저 생각해보면 좋겠습니다.

숙소에서 내려다본 나트랑 해변. 짧은 여행이지만 바다를 보는 순간부터 여행 기분이 살아났다.

Read in English

숙소: 바다를 볼 수 있다는 것만으로 충분했다

이번 여행에서 숙소는 가장 중요한 기준점이었습니다. 첫날 묵은 곳은 The Costa Nha Trang Apartment였습니다. 자세한 주소나 객실 조건을 길게 적기보다, 실제로 좋았던 점만 말하면 충분할 것 같습니다. 바다 앞에 있었고, 객실에서 바다가 보였습니다.

객실에서 보이던 바다. 이번 여행에서 숙소는 잠자는 곳이에 그치지 않고 쉬어가는 공간이었다.

짧은 여행에서는 숙소가 멀면 이동에 에너지를 많이 씁니다. 이번에는 숙소가 해변과 가까워서 밖으로 나가기도 좋았고, 잠깐 들어와 쉬기도 편했습니다. 침대에서 보이는 노을과 바다 풍경 덕분에 숙소에 있는 시간도 여행처럼 느껴졌습니다.

거실에서도 바다가 보여 숙소에 머무는 시간 자체가 여행처럼 느껴졌다.

거실에서도 바다가 보여서 일행과 쉬는 시간이 자연스럽게 길어졌습니다. 1박 2일 여행은 무언가를 많이 보는 것보다 피로를 줄이는 것이 더 더 봐야 합니다. 그런 점에서 바다 앞 숙소는 이번 여행의 만족도를 크게 높여주었습니다.

맛집: 음식점 링크와 함께 남겨두는 로컬 음식 기억

나트랑에서 가장 여행지답게 느껴진 순간은 로컬 음식을 먹을 때였습니다. 넴 느엉 당 반꾸엔에서 먹은 음식은 손으로 싸 먹는 방식이라 처음에는 조금 낯설었습니다. 하지만 채소, 고기, 소스를 함께 먹는 맛이 부담스럽지 않았고, 여행 첫 식사로도 잘 맞았습니다.

나트랑에서 먹은 로컬 음식. 낯설지만 부담스럽지 않아 여행 첫 식사로 좋았다.

아침에는 분까 하이까처럼 따뜻한 국물 음식을 먹었습니다. 오징어 어묵 쌀국수는 나트랑이 해안 도시라는 느낌을 잘 보여줬습니다. 한국에서 익숙하게 먹던 쌀국수와는 달랐고, 그래서 더 현지 음식처럼 기억에 남았습니다.

따뜻한 국물 음식은 짧은 여행의 피로를 풀어주는 한 끼였다.

이번 여행에서 메모해둘 만한 음식점은 아래 정도입니다. 모두 다 가야 하는 목록이라기보다, 숙소 위치와 그날 컨디션에 맞춰 고르면 좋은 후보로 남겨둡니다.
- 넴 느엉 당 반꾸엔: 나트랑에서 부담 없이 먹기 좋은 로컬 음식
- 넴 느엉 당 반꾸엔 다른 지점: 동선에 따라 비교해볼 수 있는 같은 메뉴 후보
- 분까 하이까: 아침에 잘 어울리는 오징어 어묵 쌀국수
- 퍼 홍: 익숙한 쌀국수를 먹고 싶을 때 좋은 후보
- 반미 맛집: 가볍게 먹고 이동하기 좋은 선택지
- 나트랑 목 해산물 식당: 저녁에 해산물을 먹고 싶을 때 생각해볼 만한 곳
- 피자 포피스 나트랑: 일행 중 베트남 음식이 낯선 사람이 있을 때 편한 대안
짧은 여행에서는 맛집을 전부 정복하려고 하면 오히려 피곤합니다. 이번에는 한 끼 한 끼를 크게 욕심내지 않았습니다. 배고플 때 가까운 곳에서 잘 먹고, 다음 이동을 가볍게 이어가는 정도가 더 좋았습니다.

카페와 커피: 더운 도시에서 쉬어가는 방법

나트랑에서는 카페 시간이 생각보다 중요했습니다. 계속 걷기에는 덥고, 그렇다고 숙소에만 있기에는 아쉬운 도시였습니다. 그래서 중간중간 카페에 들어가 커피를 마시는 시간이 여행의 속도를 조절해줬습니다.

콩 카페처럼 익숙한 곳도 좋고, La Viet Coffee처럼 베트남 커피 분위기를 더 느낄 수 있는 곳도 좋았습니다. 디저트를 곁들이며 쉬고 싶다면 THE BING BING도 후보가 될 수 있고, 마지막 날 대기 시간이 길다면 스타벅스처럼 익숙한 공간도 편합니다.

이 글은 기념품 이야기는 덜어내고, 카페에서 잠깐 쉬었던 감각만 남기고 싶습니다. 더운 도시에서는 커피 한 잔을 마시는 시간이 단순한 휴식이 아니라 다음 움직임을 위한 작은 정리가 됩니다.

여행 분위기: 해변과 야자수가 만들어준 장면

나트랑은 거창한 계획이 없어도 바다가 계속 여행 분위기를 만들어줍니다. 해변 길을 걷고, 야자수 아래에서 사진을 찍고, 바다 쪽을 바라보는 것만으로도 충분했습니다. 짧은 일정이라 오히려 그런 느슨한 시간이 더 오래 남았습니다.

나트랑은 바다와 야자수만으로도 충분히 여행 기분을 만들어주는 도시였다.

나트랑은 과거 참파 문화권의 흔적이 남아 있는 도시이기도 합니다. 시간이 넉넉하면 포나가르 참탑 같은 곳을 가볼 수 있겠지만, 이번 여행에서는 무리하지 않았습니다. 대신 해변, 시장, 음식, 카페 안에서 도시의 분위기를 느끼는 쪽을 선택했습니다.

스파와 휴식: 짧은 여행일수록 무리하지 않기

새벽 비행으로 시작한 여행이라 몸이 금방 피곤해졌습니다. 그래서 스파는 선택이 아니라 일정의 균형을 맞춰주는 시간이었습니다. Onsi Spa나 Liana Spa처럼 후보를 미리 정해두면, 현지에서 고민하는 시간을 줄일 수 있습니다.

밤에는 많이 움직이기보다 스파와 휴식으로 마무리하는 편이 좋았다.

나트랑의 밤은 많이 돌아다니기보다 쉬는 쪽이 더 좋았습니다. 밤 비행기로 돌아오는 일정이라 마지막까지 무리하면 귀국길이 힘들어집니다. 스파를 받고 조용히 쉬는 마무리가 이번 여행에는 잘 맞았습니다.

시장과 쇼핑: 분위기만 가볍게 보기

Dam Market은 현지 시장 분위기를 보기 좋은 곳이었습니다. 오래 쇼핑하기보다, 사람들이 오가는 모습과 물건이 쌓인 풍경을 보는 재미가 있었습니다. 여행지의 생활감을 느끼기에는 시장만 한 곳이 없습니다.

롯데마트 냐짱 골드코스트는 필요한 것을 간단히 사거나 더위를 피하며 쉬어가기 좋은 곳으로 기억합니다. 이 글은 쇼핑이나 기념품 정보보다, 시장과 마트가 여행 중 잠깐 숨을 고르는 공간이었다는 정도로만 남기고 싶습니다.

돌아보면, 나트랑은 짧아도 충분히 남는 도시였다

이번 여행은 많은 장소를 보는 여행은 아니었습니다. 숙소에서 바다를 보고, 로컬 음식을 먹고, 커피를 마시고, 스파를 받고, 해변을 조금 걸었습니다. 그런데 오히려 그 단순함이 좋았습니다.

나트랑은 1박 2일로도 충분히 기분 전환이 되는 도시였습니다. 다음에 다시 간다면 더 많은 일정을 넣기보다, 숙소와 바다, 음식과 스파 시간을 조금 더 길게 가져가고 싶습니다.

함께 보면 좋은 글
- 여행·축제 글 모아보기
- 보성 녹차밭과 율포해변 하루 코스
2026년 06월 07일
Hermes Agent 데스크톱 앱: AI 에이전트 대중화의 다음 인터페이스
AI 에이전트가 대중화되려면 모델 성능만 좋아져서는 부족합니다. 사람이 매일 쓰는 방식으로 다가와야 합니다. Alex Finn의 영상은 Hermes Agent 데스크톱 앱을 보여주면서 이 지점을 분명하게 드러냅니다.

영상의 표현은 다소 과감합니다. CLI, Telegram, OpenClaw보다 Hermes 데스크톱 앱이 더 낫다고 말합니다. 하지만 블로그 관점에서 중요한 질문은 승패가 아닙니다. AI 에이전트가 챗봇을 넘어 실제 업무 도구가 되려면 어떤 인터페이스가 필요한가입니다.

왜 데스크톱 앱이 중요한가

AI 에이전트는 그냥 답변을 생성하는 도구가 아닙니다. 파일을 읽고, 명령을 실행하고, 이미지를 만들고, 예약 작업을 돌리고, 여러 세션의 맥락을 이어갑니다. 이런 도구를 명령줄이나 메신저 명령만으로 다루면 초보자에게는 진입 장벽이 큽니다.

Hermes Agent 데스크톱 앱이 의미 있는 이유는 이 복잡한 구조를 눈에 보이는 작업 공간으로 바꾸기 때문입니다. 사용자는 세션, 아티팩트, 스킬, 툴셋, 크론잡, 프로필을 한곳에서 확인할 수 있습니다. 이는 AI 에이전트를 개발자 장난감에서 일상 업무 도구로 옮기는 핵심 변화입니다.

Hermes Agent 데스크톱 앱의 첫 화면. 영상은 CLI 중심 사용 경험의 한계를 지적하며 데스크톱 UI의 필요성을 강조한다.

Read in English: This article is also available in English for global readers.

세션은 AI 에이전트의 업무 폴더가 된다

영상 초반에서 진행자는 주제별 세션을 만드는 방식을 보입니다. 콘텐츠, 개발, 개인 프로젝트처럼 맥락이 다른 일을 각각의 세션으로 나누는 방식입니다. 이는 단순 채팅방 정리가 아니라 AI 에이전트에게 일을 맡기는 단위를 나누는 일에 가깝습니다.

AI 에이전트는 맥락이 길수록 더 유용해집니다. 하지만 맥락이 섞이면 오히려 혼란이 생깁니다. 그래서 세션을 주제별로 나누고 중요한 세션을 고정하는 기능은 작아 보여도 더 봐야 합니다. 사람에게 프로젝트 폴더가 필요하듯, 에이전트에게도 맥락 폴더가 해야 합니다.

세션을 주제별로 나누는 화면. AI 에이전트 사용에서 맥락 분리는 생산성과 정확도를 좌우한다.

아티팩트는 채팅 기록을 작업 자산으로 바꾼다

영상에서 특히 흥미로운 부분은 아티팩트입니다. 링크, 파일, 이미지, 에이전트가 만든 결과물을 한곳에서 다시 찾을 수 있습니다. 진행자는 이를 북마크나 작업 자료 보관소처럼 활용할 수 있다고 설명합니다.

이 기능은 AI 에이전트 경험의 방향을 잘 보입니다. 챗봇은 대화를 남깁니다. 에이전트는 산출물을 남겨야 합니다. 나중에 다시 찾고, 이어서 쓰고, 다른 세션에서 재사용할 수 있어야 합니다.

아티팩트 화면. 링크와 파일, 이미지, 생성 결과물이 흩어지지 않고 작업 자산으로 쌓인다.

스킬과 툴셋은 에이전트의 능력을 관리하는 패널이다

Hermes Agent의 중요한 특징 중 하나는 스킬입니다. 반복 작업이나 특정 환경에서 배운 절차를 스킬로 저장해 다음 작업에 재사용합니다. 영상에서도 진행자는 자신이 Godot 게임을 만들며 생성된 커스텀 스킬을 확인하는 장면을 보입니다.

툴셋도 더 봐야 합니다. 웹 검색, 터미널, 파일, 이미지 생성, 크론 같은 도구 묶음을 켜고 끄는 방식은 에이전트의 권한과 능력을 조절하는 일입니다. 데스크톱 UI는 이 설정을 명령어가 아니라 관리 화면으로 바꿉니다.

크론잡은 AI 에이전트를 수동 비서에서 자동 운영자로 바꾼다

영상 중반에서는 크론잡 관리 화면이 등장합니다. 매일 밤 앱을 만들게 하거나, 정해진 시간에 작업을 실행하게 하는 식의 예약 작업을 시각적으로 확인할 수 있습니다.

크론잡은 AI 에이전트가 단발성 대답 도구에서 자동 운영 도구로 넘어가는 지점입니다. 한 가지 조심할 점은 예약 작업은 실패 여부, 실행 로그, 권한 범위가 함께 보여야 신뢰할 수 있습니다. 데스크톱 앱은 이 확인 과정을 더 쉽게 만들 수 있습니다.

크론잡 관리 화면. 예약 작업은 AI 에이전트를 반복 업무 자동화 도구로 바꾸는 핵심 기능이다.

여러 프로필은 역할별 AI 직원을 만드는 방식이다

영상 후반에서 진행자는 여러 Hermes Agent를 서로 다른 장비와 역할에 나눠 운영한다고 말합니다. 어떤 에이전트는 특정 장비에서 살고, 어떤 에이전트는 다른 책임을 맡습니다. 데스크톱 앱은 이런 에이전트 프로필을 더 쉽게 관리하게 해줍니다.

이 구조는 앞으로 중요한 의미를 가집니다. 한 명의 범용 챗봇보다, 역할과 권한이 다른 여러 AI 에이전트를 운영하는 방식이 늘어날 수 있습니다. 콘텐츠 에이전트, 개발 에이전트, 리서치 에이전트, 모니터링 에이전트가 서로 다른 스킬과 도구를 갖는 식입니다.

실제 사용 예시는 산출물 중심 경험을 보여준다

마지막 예시에서 진행자는 이 영상에 대한 스크립트와 썸네일을 생성해 달라고 요청합니다. 데스크톱 앱은 사용 중인 스킬과 도구를 보여주고, 결과물은 아티팩트에서 확인됩니다.

이 장면은 AI 에이전트 UI의 핵심을 압축합니다. 사용자는 명령어를 외우지 않아도 됩니다. 에이전트가 어떤 도구를 쓰는지 볼 수 있습니다. 결과물은 파일이나 이미지로 남습니다. 이 세 가지가 합쳐져야 AI 에이전트는 실제 업무 흐름에 들어옵니다.

영상 스크립트와 썸네일을 생성하는 예시. 에이전트의 도구 사용 과정과 결과물이 함께 보인다.

Hermes Agent 데스크톱 앱이 던지는 질문

이 영상이 보여주는 먼저 볼 부분은 “Hermes가 이겼다”가 아닙니다. 더 중요한 질문은 AI 에이전트의 주 사용 인터페이스가 어디가 될 것인가입니다. CLI는 강력하지만 대중적이지 않습니다. 메신저는 편하지만 복잡한 설정과 검증에는 약합니다. 데스크톱 앱은 그 중간에서 작업 관리와 접근성을 동시에 제공합니다.

물론 주의할 점도 있습니다. AI 에이전트는 파일, 브라우저, 터미널, 외부 API에 접근할 수 있습니다. 그래서 UI가 쉬워질수록 권한 관리와 로그 확인은 더 더 봐야 합니다. 좋은 데스크톱 앱은 버튼을 많이 제공하는 앱이 아니라, 무엇을 허용했고 무엇이 실행됐는지 사용자가 이해하게 해주는 앱이어야 합니다.

함께 읽으면 좋은 글
결론: AI 에이전트의 승부처는 모델 다음의 사용 경험이다

Hermes Agent 데스크톱 앱은 AI 에이전트의 다음 과제를 잘 보입니다. 이제 문제는 “에이전트가 무엇을 할 수 있는가”만이 아닙니다. 사용자가 그 능력을 어떻게 이해하고, 관리하고, 반복해서 쓸 수 있는가입니다.

세션은 맥락을 나눕니다. 아티팩트는 산출물을 보관합니다. 스킬은 경험을 축적합니다. 크론잡은 반복 작업을 자동화합니다. 프로필은 역할별 에이전트를 만듭니다. 이 요소들이 데스크톱 UI 안에서 연결될 때, AI 에이전트는 개발자용 실험 도구에서 실제 업무 운영체제에 가까워집니다.

FAQ

Hermes Agent 데스크톱 앱은 무엇을 쉽게 만들어 주나?

세션, 아티팩트, 스킬, 툴셋, 크론잡, 프로필 관리를 시각적으로 확인하고 조작하게 해줍니다. CLI 명령을 몰라도 에이전트 운영 구조를 이해하기 쉬워집니다.

CLI보다 데스크톱 앱이 항상 좋은가?

항상 그렇지는 않습니다. 개발자나 자동화 고급 사용자는 CLI가 더 빠를 수 있습니다. 한 가지 조심할 점은 초보자와 비개발자에게는 데스크톱 UI가 진입 장벽을 낮춥니다.

아티팩트 기능은 왜 중요한가?

AI 에이전트가 만든 링크, 이미지, 파일, 결과물을 다시 찾고 재사용할 수 있게 해줍니다. 이는 단순 채팅 기록을 실제 작업 자산으로 바꾸는 기능입니다.

크론잡은 어떤 업무에 쓸 수 있나?

정기 리포트, 사이트 모니터링, 자료 수집, 블로그 성과 확인, 반복 개발 작업 같은 예약형 업무에 쓸 수 있습니다. 한 가지 조심할 점은 실패 로그와 권한 범위 확인이 더 봐야 합니다.

AI 에이전트 데스크톱 앱을 쓸 때 주의할 점은 무엇인가?

파일·터미널·브라우저·외부 API 접근 권한을 과하게 열지 않아야 합니다. 어떤 도구가 활성화되어 있고 어떤 작업이 실행됐는지 로그와 승인 흐름을 체크해 두세요.

참고자료
2026년 06월 06일

2026년 7월 대한민국 축제 총정리: 지역별·테마별 일정표

2026년 7월 축제를 찾고 있다면 먼저 물놀이·해변 축제, 여름꽃 여행, 먹거리·특산물 축제, 공연·도시형 페스티벌로 나눠 보는 것이 좋습니다. 7월은 본격적인 여름 휴가철이 시작되는 달이라 날씨, 우천, 교통, 주차, 예매 여부가 여행 만족도를 크게 좌우합니다.

이 글은 한국관광공사 대한민국 구석구석 축제 캘린더를 기준으로, 2026년 7월에 확인되는 주요 축제를 지역별·테마별로 정리한 가이드입니다. 조사 시점 기준 2026년 7월 캘린더에는 고유 축제 16개가 확인됐고, 일자별 노출 기준으로는 총 58건의 축제 일정이 표시됐습니다. 장기 진행 축제가 여러 날짜에 반복 노출되므로, 실제 여행 계획에는 아래의 고유 축제 목록을 기준으로 보세요.

방문 전 확인: 축제 일정, 장소, 프로그램, 예약 여부는 날씨와 주최 측 사정에 따라 바뀔 수 있습니다. 출발 전 한국관광공사 상세 페이지와 축제 공식 홈페이지 또는 지자체 공지를 한 번 더 확인하세요.

2026년 7월 축제, 어떻게 고르면 좋을까

7월 축제는 다음 네 가지 기준으로 고르면 실패 확률을 줄일 수 있습니다.

물놀이·해변형: 보령머드축제, 정남진 장흥 물축제, 평창더위사냥축제처럼 더위를 피하고 직접 참여하는 축제
여름꽃·자연형: 부여서동연꽃축제, 강주해바라기 축제, 동강뗏목축제처럼 풍경과 산책을 함께 즐기는 축제
먹거리·특산물형: 대구치맥페스티벌, 금산 삼계탕축제, 양평수박축제, 세종 조치원 복숭아 축제처럼 계절 먹거리가 분명한 축제
공연·도시형: 인천펜타포트 락 페스티벌, 그루브 인 관악처럼 공연 시간표와 예매 정보가 중요한 축제

7월 초에는 대구치맥페스티벌과 경산카페축제처럼 먹거리·도시형 일정이 먼저 보이고, 7월 중순부터는 금산 삼계탕축제와 보령머드축제가 본격적인 여름 분위기를 만듭니다. 7월 말에는 장흥 물축제, 평창더위사냥축제, 인천펜타포트 락 페스티벌처럼 휴가철과 맞물리는 축제가 이어집니다.

2026년 7월 대한민국 축제 핵심 일정표

아래 표는 2026년 7월에 확인되는 주요 축제 중 여행 계획에 활용하기 좋은 대표 일정입니다. “전국 모든 행사”가 아니라 한국관광공사 공식 캘린더 기준 주요 축제 큐레이션으로 봐주세요.

구분	축제명	지역	기간	추천 대상	한줄 포인트
여름꽃	강주해바라기 축제	경상남도 함안군	2026.06.18~2026.07.02	꽃·사진 여행객	함안 강주마을 해바라기 풍경을 중심으로 한 사진 여행 후보
먹거리/로컬	경산카페축제	경상북도 경산시	2026.06.27~2026.07.01	지역 축제 여행객	경산 지역 카페 문화를 테마로 한 로컬 카페 여행 후보
먹거리/로컬	대구치맥페스티벌	대구광역시 달서구	2026.07.01~05	먹거리·야간 축제 선호층	두류공원 일대에서 치킨·맥주·공연을 함께 즐기는 여름 대표 먹거리 축제
물놀이/자연	강정마을 생태축제	제주특별자치도 서귀포시	2026.07.03~05	생태·제주 여행객	서귀포 강정마을의 생태·마을 여행을 함께 보는 제주형 축제
여름꽃	부여서동연꽃축제	충청남도 부여군	2026.07.03~05	꽃·사진 여행객	궁남지 연꽃 풍경과 백제 문화권 여행을 묶기 좋은 여름꽃 축제
먹거리/로컬	양평수박축제	경기도 양평군	2026.07.04~05	특산물·가족 나들이	수박 산지와 여름 가족 나들이를 결합한 특산물 축제
먹거리/로컬	금산 삼계탕축제	충청남도 금산군	2026.07.10~12	보양식·가족 여행객	초복 전후 보양식 수요와 금산 인삼 이미지를 결합한 여름 먹거리 축제
공연/도시	그루브 인 관악	서울특별시 관악구	2026.07.11~12	공연·음악 팬	관악구 도심 공간에서 즐기는 음악·문화예술 축제
먹거리/로컬	칠곡 꿀맥 페스티벌	경상북도 칠곡군	2026.07.11~12	먹거리·야간 축제 선호층	꿀과 맥주를 결합한 칠곡 로컬 먹거리형 축제
물놀이/자연	보령머드축제	충청남도 보령시	2026.07.24~2026.08.09	물놀이·여름 여행객	대천해수욕장 권역에서 즐기는 국내 대표 여름 해변 축제
먹거리/로컬	세종 조치원 복숭아 축제	세종특별자치시 세종시	2026.07.24~26	특산물·가족 나들이	조치원 복숭아 산지 특색을 살린 여름 특산물 축제
물놀이/자연	평창더위사냥축제	강원특별자치도 평창군	2026.07.24~2026.08.02	물놀이·여름 여행객	강원 산촌에서 물놀이와 더위 피하기를 테마로 한 가족형 축제
물놀이/자연	정남진 장흥 물축제	전라남도 장흥군	2026.07.25~2026.08.02	물놀이·여름 여행객	탐진강 일대에서 물놀이와 지역 여름 축제를 함께 즐기는 대표 물축제
물놀이/자연	한강·낙동강 발원지 축제	강원특별자치도 태백시	2026.07.25~2026.08.02	계곡·자연 여행객	태백 황지연못 일대에서 발원지와 고원 도시 여름을 즐기는 축제
물놀이/자연	동강뗏목축제	강원특별자치도 영월군	2026.07.31~2026.08.02	계곡·자연 여행객	영월 동강을 배경으로 물길·뗏목 체험 분위기를 즐기는 자연형 축제
공연/도시	인천펜타포트 락 페스티벌	인천광역시 연수구	2026.07.31~2026.08.02	공연·음악 팬	송도달빛축제공원 기반 대형 록 음악 페스티벌

물놀이와 여름 휴가에 어울리는 7월 축제

2026년 7월 축제 보령머드축제 공식 사진 — 보령머드축제 공식 이미지. 출처: 한국관광공사 대한민국 구석구석 축제 상세 페이지

Read in English

7월에는 더위를 피하면서 직접 참여할 수 있는 물놀이형 축제가 강합니다. 가족 여행이라면 갈아입을 옷, 수건, 방수팩, 휴식 공간, 샤워 시설, 주차장을 먼저 확인하세요.

보령머드축제: 7월 대표 해변 축제입니다. 대천해수욕장 여행과 묶기 좋지만, 인기 일정은 혼잡할 수 있으니 숙박과 교통을 먼저 확인하는 편이 안전합니다.
정남진 장흥 물축제: 탐진강을 배경으로 물놀이 분위기를 즐길 수 있는 여름 대표 축제입니다. 아이 동반 시 물놀이 구역과 안전 안내를 확인하세요.
평창더위사냥축제: 강원권에서 시원한 산촌 분위기와 물놀이형 프로그램을 찾는 가족에게 좋습니다.
한강·낙동강 발원지 축제: 태백 고원 도시의 여름 기온과 발원지 여행을 함께 보고 싶을 때 어울립니다.
동강뗏목축제: 영월 동강을 배경으로 자연형 여행과 체험 분위기를 함께 느낄 수 있습니다.

물놀이 축제는 날씨와 안전 통제가 더 봐야 합니다. 비가 오거나 수위가 높아지면 일부 프로그램이 바뀔 수 있으므로, 방문 전 공식 공지를 확인하세요.

먹거리·특산물 중심 7월 축제

2026년 7월 축제 대구치맥페스티벌 공식 사진 — 대구치맥페스티벌 공식 이미지. 출처: 한국관광공사 대한민국 구석구석 축제 상세 페이지

먹거리형 축제는 여행 만족도가 높지만, 현장 대기와 판매 물량 변수도 큽니다. 식사 목적이 강하다면 피크 시간대를 피하고 주변 식당 대안까지 준비하는 것이 좋습니다.

대구치맥페스티벌: 치킨, 맥주, 공연, 야간 분위기를 함께 즐기려는 성인 여행객에게 잘 맞습니다. 사전예약 좌석이나 입장 방식은 공식 안내를 확인하세요.
금산 삼계탕축제: 7월 보양식 수요와 맞물리는 축제입니다. 가족 여행이나 부모님 동반 일정으로 검토하기 좋습니다.
양평수박축제: 여름 과일과 가족 나들이를 결합한 특산물 축제 후보입니다.
세종 조치원 복숭아 축제: 복숭아 산지 분위기와 지역 장터형 여행을 함께 볼 수 있습니다.
칠곡 꿀맥 페스티벌: 지역 먹거리와 맥주 축제 분위기를 찾는 독자에게 어울립니다.
경산카페축제: 카페 여행과 로컬 브랜드 탐방을 좋아하는 독자에게 맞습니다.

먹거리 축제에서는 가격, 결제 방식, 인기 메뉴 소진 여부, 현장 대기 줄이 변수입니다. 아이나 부모님과 함께 간다면 휴식 공간과 화장실 위치도 같이 확인하세요.

여름꽃과 자연 풍경을 즐기는 7월 축제

2026년 7월 축제 부여서동연꽃축제 공식 사진 — 부여서동연꽃축제 공식 이미지. 출처: 한국관광공사 대한민국 구석구석 축제 상세 페이지

7월은 연꽃과 해바라기처럼 계절감이 분명한 꽃 여행을 넣기 좋은 달입니다. 주의할 점은 개화 상태는 날씨 영향을 크게 받으므로 방문 직전 공식 사진이나 최근 공지를 확인하는 것이 좋습니다.

부여서동연꽃축제: 궁남지 연꽃 풍경과 백제 문화권 여행을 함께 묶기 좋습니다.
강주해바라기 축제: 함안 강주마을 해바라기 풍경을 중심으로 사진 여행을 계획할 수 있습니다.
강정마을 생태축제: 제주 서귀포 여행 중 생태·마을 여행을 함께 보고 싶은 독자에게 맞습니다.
동강뗏목축제: 꽃 축제는 아니지만 강 풍경과 여름 자연형 여행을 찾는 독자에게 좋은 후보입니다.

꽃 여행은 “축제 기간”보다 실제 개화 상태가 더 더 봐야 합니다. 공식 SNS, 지자체 공지, 현장 사진을 확인한 뒤 출발하면 실망을 줄일 수 있습니다.

공연·도시형 축제를 찾는다면

2026년 7월 축제 인천펜타포트 락 페스티벌 공식 사진 — 인천펜타포트 락 페스티벌 공식 이미지. 출처: 한국관광공사 대한민국 구석구석 축제 상세 페이지

도시형 축제와 음악 페스티벌은 접근성이 좋지만, 실제 만족도는 공연 시간표와 예매 정보에서 갈립니다. 보고 싶은 공연이 있다면 먼저 시간을 고정하고 식사·이동 계획을 붙이세요.

인천펜타포트 락 페스티벌: 대형 록 음악 페스티벌을 찾는 독자에게 맞습니다. 티켓, 입장 시간, 반입 규정, 귀가 교통을 미리 확인하세요.
그루브 인 관악: 서울 도심에서 음악과 문화예술 분위기를 가볍게 즐기기 좋은 후보입니다.
대구치맥페스티벌: 먹거리 축제이면서 야간 공연과 이벤트가 결합되어 도시형 축제로도 볼 수 있습니다.

공연형 축제는 우천 시 장소 변경, 입장 제한, 좌석·스탠딩 구역, 티켓 예매 여부가 더 봐야 합니다. 공식 시간표와 예매처 안내를 먼저 확인하세요.

지역별 추천 루트

수도권

양평수박축제
그루브 인 관악
인천펜타포트 락 페스티벌

수도권은 당일치기와 공연형 일정이 섞여 있습니다. 양평은 가족·특산물 여행, 관악은 도심 문화 일정, 인천은 음악 페스티벌 목적 여행으로 나누어 보세요.

강원권

동강뗏목축제
평창더위사냥축제
한강·낙동강 발원지 축제

강원권은 7월 더위를 피하기 좋은 자연형 축제가 강합니다. 계곡, 강, 고원 도시 성격이 다르므로 숙박 여부와 이동 거리를 먼저 정하세요.

충청권

금산 삼계탕축제
보령머드축제
부여서동연꽃축제
세종 조치원 복숭아 축제

충청권은 7월 대표 축제가 다양합니다. 보령은 해변형, 부여는 연꽃·역사형, 금산과 세종은 먹거리·특산물형으로 목적이 뚜렷합니다.

부산·영남권

대구치맥페스티벌
경산카페축제
강주해바라기 축제
칠곡 꿀맥 페스티벌

영남권은 먹거리와 여름꽃 축제가 함께 보입니다. 대구·경산·칠곡은 이동 거리가 비교적 가까운 편이지만, 축제 성격이 다르므로 하루에 무리하게 여러 곳을 묶기보다 한 곳 중심으로 보는 편이 좋습니다.

호남·제주권

정남진 장흥 물축제
강정마을 생태축제

호남과 제주는 자연·생태형 성격이 강합니다. 장흥은 물놀이와 여름 축제 분위기, 제주는 강정마을 생태 여행 관점으로 접근하면 좋습니다.

2026년 7월 축제 선택 체크리스트

출발 전 아래 항목만 확인해도 현장 변수에 훨씬 잘 대응할 수 있습니다.

축제 기간과 내가 방문하는 날짜가 정확히 겹치는가?
핵심 프로그램 시간표와 공연 시간을 확인했는가?
사전 예약, 티켓 예매, 회차별 입장 제한이 있는가?
주차장, 임시주차장, 셔틀버스, 교통 통제 안내를 봤는가?
우천 시 취소 또는 장소 변경 가능성이 있는가?
물놀이 축제라면 안전 통제, 샤워 시설, 탈의 공간, 준비물을 확인했는가?
아이·부모님 동반 시 화장실, 휴식 공간, 식사 대안을 확인했는가?
꽃 축제라면 최근 개화 상황을 확인했는가?
공식 홈페이지 또는 지자체 공지에서 마지막 업데이트를 확인했는가?

마무리: 7월은 물놀이·먹거리·공연형 축제를 나눠 고르자

2026년 7월 축제는 본격적인 여름 휴가철과 맞물려 물놀이, 먹거리, 여름꽃, 공연형 페스티벌이 함께 보이는 달입니다. 더위를 피하고 싶다면 보령머드축제, 정남진 장흥 물축제, 평창더위사냥축제를 우선 보세요. 먹거리 여행이라면 대구치맥페스티벌, 금산 삼계탕축제, 양평수박축제, 세종 조치원 복숭아 축제가 좋은 후보입니다.

가족 여행이라면 이동과 휴식 공간이 편한 축제를, 공연 목적이라면 시간표와 예매 정보를 먼저 확인하는 것이 좋습니다. 7월은 폭염과 우천 변수가 큰 달이므로 방문 직전 공식 공지를 확인하고, 무리한 다지역 이동보다 한 지역을 깊게 보는 일정으로 잡아보세요.

FAQ

2026년 7월 축제는 몇 개나 있나요?

한국관광공사 대한민국 구석구석 축제 캘린더를 2026년 7월 기준으로 확인했을 때, 조사 시점 기준 고유 축제 16개가 확인됐습니다. 주의할 점은 이는 공식 캘린더 노출 기준이므로 전국의 모든 지역 행사를 빠짐없이 포함한다고 단정할 수는 없습니다.

7월에 물놀이하기 좋은 축제는 무엇인가요?

보령머드축제, 정남진 장흥 물축제, 평창더위사냥축제, 한강·낙동강 발원지 축제, 동강뗏목축제를 후보로 볼 수 있습니다. 물놀이형 축제는 우천, 수위, 안전 통제 영향을 받을 수 있으므로 방문 전 공식 공지를 확인하세요.

7월 먹거리 축제는 어디가 좋나요?

대구치맥페스티벌, 금산 삼계탕축제, 양평수박축제, 세종 조치원 복숭아 축제, 칠곡 꿀맥 페스티벌을 검토할 만합니다. 먹거리 축제는 인기 메뉴 소진과 대기 시간이 생길 수 있으니 피크 시간을 피하는 것이 좋습니다.

7월 꽃 축제는 어디를 보면 좋나요?

부여서동연꽃축제와 강주해바라기 축제를 우선 후보로 볼 수 있습니다. 연꽃과 해바라기는 개화 상태가 날씨 영향을 받으므로 방문 직전 공식 사진이나 지자체 공지를 확인하세요.

축제 일정은 어디서 확인하는 것이 가장 정확한가요?

한국관광공사 대한민국 구석구석 축제 상세 페이지, 축제 공식 홈페이지, 지자체 공지가 우선입니다. 블로그나 SNS 후기는 분위기 확인용으로 참고하고, 날짜·장소·예약 정보는 공식 안내를 기준으로 확인하세요.

2026년 06월 06일

AI Agent 시대, 지식근로자는 어떻게 달라져야 할까
AI를 잘 쓰는 교육보다 중요한 것: AI와 함께 일하는 방식을 바꾸는 교육

Read in English: Knowledge Workers in the AI Agent Era: From Content Producers to Judgment Designers

AI가 일상적인 업무 도구가 되면서 교육의 질문도 달라지고 있습니다. 이제 중요한 질문은 “AI를 어떻게 쓸 것인가”가 아닙니다. 이미 많은 사람이 AI를 씁니다. 앞으로의 차이는 AI를 어떤 업무 맥락에 연결하고, 어떤 가치 있는 결과로 바꾸는가에서 만들어집니다.

2026년 6월 4일, 나주에서 진행한 강의의 주제는 “AI Agent 시대 효율적이고 가치 있는 교육 실현”이었습니다.

AI Agent 시대의 교육은 기능을 알려주는 시간이 아니라, 지식근로자가 일하는 방식을 다시 설계하는 과정이어야 합니다.

이 글은 강의 내용을 바탕으로 AI Agent 시대의 교육이 왜 달라져야 하는지, 지식근로자의 역할이 어떻게 바뀌는지, 조직은 어떤 방향으로 학습을 설계해야 하는지 정리합니다.

*기술 변화는 유행에서 끝나지 않고 조직 전략과 일하는 방식의 변화로 이어집니다.*

AI를 쓰는 사람과 쓰지 않는 사람의 경쟁은 이미 지나가고 있다

처음 생성형 AI가 확산되었을 때는 “AI를 쓰는 사람”과 “쓰지 않는 사람”의 차이가 크게 보였습니다. 하지만 지금은 상황이 달라졌습니다. 검색, 요약, 번역, 보고서 초안 작성, 회의 정리, 이미지 생성까지 많은 업무에서 AI 활용은 자연스러운 선택지가 되었습니다.

그래서 경쟁의 기준도 바뀝니다.
- AI를 쓰는가
- 어떤 도구를 쓰는가
- 질문을 얼마나 잘 쓰는가
- 업무 맥락을 얼마나 정확히 제공하는가
- 결과를 얼마나 잘 검토하고 판단하는가
- 조직의 일하는 방식과 어떻게 연결하는가
AI 활용 수준은 단순한 개인 생산성 문제가 아닙니다. 조직이 지식을 만들고 공유하고 실행하는 방식 전체와 연결됩니다.

프롬프트보다 중요한 것은 업무 맥락이다

AI 활용을 이야기하면 먼저 프롬프트가 떠오릅니다. 좋은 질문은 분명히 더 봐야 합니다. 원하는 산출물, 역할, 형식, 조건을 분명히 줄수록 결과가 좋아집니다.

하지만 프롬프트만으로는 충분하지 않습니다.

AI가 좋은 답을 만들려면 다음 정보가 해야 합니다.
- 이 업무의 목적
- 현재 조직의 상황
- 참고해야 할 자료
- 적용해야 할 기준
- 결과물을 사용할 사람
- 판단해야 할 제약 조건
- 최종 산출물의 형태
같은 질문이라도 맥락이 달라지면 답은 달라져야 합니다. 교육과정 설계, 정책자료 검토, 보고서 작성, 성과관리처럼 맥락이 중요한 업무에서는 더욱 그렇습니다.

프롬프트 엔지니어링은 질문을 잘 쓰는 기술입니다. 컨텍스트 엔지니어링은 AI가 일할 수 있도록 필요한 맥락과 자료를 구성하는 방식입니다. Agent 시대에는 여기에 한 단계가 더해집니다. AI가 목표를 이해하고, 필요한 절차를 수행하고, 산출물을 만들 수 있도록 업무 흐름 자체를 설계해야 합니다.

*AI Agent 시대에는 AI가 답변 도구를 넘어 업무 수행의 파트너로 이동합니다.*

지식근로자의 역할은 작성자에서 판단자로 이동한다

지식근로자는 문서를 만들고, 자료를 찾고, 분석하고, 보고하고, 의사결정을 지원하는 사람입니다. AI는 이 과정의 상당 부분을 빠르게 처리합니다.

보고서 초안을 만들 수 있습니다. 긴 문서를 요약할 수 있습니다. 자료를 비교할 수 있습니다. 회의 내용을 정리할 수 있습니다. 아이디어를 구조화할 수 있습니다.

그렇다고 지식근로자의 가치가 사라지는 것은 아닙니다. 오히려 역할이 바뀝니다.

앞으로 더 중요해지는 역할은 이렇게 볼 수 있습니다.
1. 문제를 정의하는 역할
무엇을 해결해야 하는지 분명히 잡아야 합니다.
1. 맥락을 제공하는 역할
AI가 참고할 자료와 기준을 정리해야 합니다.
1. 결과를 검토하는 역할
그럴듯한 답과 실제로 맞는 답을 구분해야 합니다.
1. 판단하고 선택하는 역할
조직의 목적, 사람의 상황, 책임의 범위를 고려해 최종 결정을 내려야 합니다.
1. 업무 흐름을 개선하는 역할
반복되는 일을 AI에 맡기고, 사람은 더 높은 수준의 문제해결에 집중해야 합니다.

AI가 일을 대신하는 만큼, 사람은 더 깊이 이해하고 더 정확히 판단해야 합니다.

지식을 소비하는 조직에서 지식을 만드는 조직으로

AI 시대의 조직은 그냥 외부 지식을 빠르게 가져오는 데서 멈추면 안 됩니다. 조직 내부의 경험, 기준, 사례, 판단 과정을 축적해야 합니다.

교육 조직도 마찬가지입니다. 교육과정을 운영하는 일은 일정 관리나 강사 섭외만으로 끝나지 않습니다. 교육이 실제 업무 성과와 연결되려면 조직 안에 지식이 남아야 합니다.

예를 들어 다음과 같은 자료가 쌓여야 합니다.
- 교육과정 설계 기준
- 과정별 학습 목표
- 실제 현장에서 반복되는 문제
- 교육생의 질문과 어려움
- 강의 후 적용 사례
- 성과를 확인할 수 있는 지표
- 다음 교육에 반영할 개선점
AI는 이런 자료를 정리하고 연결하는 데 강합니다. 하지만 어떤 자료가 중요하고, 어떤 기준으로 해석해야 하며, 어떤 방향으로 개선해야 하는지는 사람이 결정해야 합니다.

*AI는 자료 정리와 구조화를 돕지만, 가치 있는 지식은 조직의 판단과 경험에서 만들어집니다.*

교육은 기능 전달이 아니라 문제해결 역량을 키우는 과정이 된다

AI 교육을 도구 사용법 중심으로만 구성하면 금방 한계가 옵니다. 버튼 위치와 기능은 계속 바뀝니다. 모델도 바뀌고 요금제도 바뀌고 플랫폼의 강점도 달라집니다.

그래서 AI 교육의 중심은 기능 설명보다 문제해결에 가까워져야 합니다.

교육에서 다뤄야 할 질문은 이런 것들입니다.
- 내 업무에서 AI가 맡을 수 있는 일은 무엇인가
- 사람이 반드시 판단해야 하는 일은 무엇인가
- 어떤 자료를 AI에게 제공해야 결과가 좋아지는가
- AI 결과를 검증하는 기준은 무엇인가
- 반복되는 업무를 어떤 흐름으로 자동화할 수 있는가
- 조직 차원에서 어떤 지식 DB를 만들어야 하는가
이런 질문을 다루면 교육은 단순한 “AI 활용법”을 넘어섭니다. 학습자는 자신의 업무를 다시 바라보게 됩니다. 조직은 교육을 통해 일하는 방식의 변화를 시작할 수 있습니다.

AI가 대신할 일과 사람이 남겨야 할 가치를 구분해야 한다

AI는 빠릅니다. 많은 자료를 읽고, 초안을 만들고, 비교하고, 요약하는 데 강합니다.

하지만 AI가 빠르게 만든 결과가 항상 가치 있는 결과는 아닙니다. 가치는 사람의 문제의식, 목적, 해석, 선택에서 나옵니다.

AI가 잘하는 일은 AI에게 맡길 수 있습니다.
- 초안 작성
- 자료 요약
- 표 정리
- 반복 조사
- 문장 다듬기
- 아이디어 확장
- 형식 변환
사람이 집중해야 할 일은 다릅니다.
- 왜 이 일을 하는지 정하기
- 누구에게 필요한 결과인지 판단하기
- 현장 맥락을 반영하기
- 위험과 책임을 검토하기
- 최종 방향을 선택하기
- 사람에게 의미 있는 경험으로 바꾸기
AI Agent 시대의 교육은 이 경계를 분명히 도와야 합니다. 그래야 AI가 사람을 대체하는 도구가 아니라, 사람이 더 가치 있는 일을 하도록 돕는 도구가 됩니다.

*AI는 실행을 도울 수 있지만, 가치는 문제를 해석하고 판단하는 사람에게서 나옵니다.*

조직 변화 없이 AI 교육만 늘리면 효과가 제한된다

AI 교육을 많이 해도 조직의 업무 방식이 그대로라면 효과는 작아집니다. 개인이 배운 내용을 실제 업무에서 쓰기 어렵기 때문입니다.

AI 활용은 개인의 기술만으로 완성되지 않습니다. 업무, 구성원, 문화, 구조, 전략이 함께 움직여야 합니다.

조직이 함께 점검해야 할 질문은 이렇게 볼 수 있습니다.
- 어떤 업무를 AI와 함께 다시 설계할 것인가
- 어떤 자료를 조직의 공통 지식으로 관리할 것인가
- AI 사용에 필요한 권한과 보안 기준은 무엇인가
- 결과 검토 책임은 누가 가질 것인가
- 교육 성과를 현업 적용과 어떻게 연결할 것인가
- 개인 실험을 조직 프로세스로 어떻게 확장할 것인가
AI가 팀원이 되는 시대에는 조직도 팀처럼 움직여야 합니다. 한 사람의 생산성 향상에서 끝나지 않고, 조직의 학습 구조와 업무 구조가 함께 바뀌어야 합니다.

*AI 활용은 개인 역량의 문제가 아니라 조직 설계의 문제와 연결됩니다.*

효율적인 교육과 가치 있는 교육은 함께 가야 한다

AI는 교육의 효율을 높일 수 있습니다. 자료 조사 시간이 줄어들고, 교육과정 초안을 빠르게 만들 수 있으며, 학습자료도 다양하게 변환할 수 있습니다.

하지만 효율만으로는 충분하지 않습니다. 교육의 목적은 시간을 줄이는 데 있지 않습니다. 더 나은 판단, 더 깊은 이해, 더 실제적인 문제해결을 가능하게 만드는 데 있습니다.

효율적인 교육은 빠르게 운영되는 교육입니다. 가치 있는 교육은 학습자가 실제 업무에서 다르게 행동하도록 돕는 교육입니다.

AI Agent 시대에는 이 둘을 함께 설계해야 합니다.
- AI로 반복 업무를 줄인다.
- 자료를 체계적으로 모은다.
- 학습자의 업무 맥락을 반영한다.
- 문제해결형 과제를 설계한다.
- 결과를 현업 적용과 연결한다.
- 교육 후 남는 지식을 조직 자산으로 축적한다.
이렇게 접근하면 AI 교육은 도구 교육을 넘어 조직 변화의 출발점이 됩니다.

마무리: AI 시대의 교육담당자는 일하는 방식을 설계하는 사람이다

AI Agent 시대에는 교육담당자의 역할도 넓어집니다. 교육을 운영하는 사람에서, 조직의 일하는 방식을 새롭게 설계하는 사람으로 이동합니다.

앞으로의 교육은 질문을 바꿔야 합니다.

“어떤 AI 도구를 알려줄 것인가?”에서 멈추지 말아야 합니다. “이 조직은 AI와 함께 어떤 방식으로 더 좋은 결과를 만들 것인가?”까지 가야 합니다.

AI는 일을 빠르게 처리합니다. 사람은 의미를 만들고 판단합니다. 교육은 그 둘을 연결합니다.

AI Agent 시대의 효율적이고 가치 있는 교육은 바로 그 연결을 설계하는 일에서 시작됩니다.

함께 읽으면 좋은 글
FAQ

AI Agent 시대 교육은 기존 AI 활용 교육과 무엇이 다른가요?

기존 AI 활용 교육은 주로 도구 사용법과 프롬프트 작성에 집중합니다. AI Agent 시대 교육은 업무 목표, 자료, 권한, 검증, 조직 프로세스까지 함께 다룹니다.

지식근로자는 AI 때문에 역할이 줄어드나요?

반복적인 작성과 정리 업무는 줄어들 수 있습니다. 대신 문제 정의, 맥락 제공, 결과 검토, 책임 있는 판단의 중요성은 더 커집니다.

교육 조직은 AI를 어디부터 적용하면 좋을까요?

교육과정 기획, 자료 정리, 강의안 초안 작성, 교육생 질문 분석, 성과 피드백 정리처럼 반복되지만 판단이 필요한 업무부터 시작하는 것이 좋습니다.

프롬프트를 잘 쓰는 것만으로 충분한가요?

충분하지 않습니다. 좋은 프롬프트는 출발점입니다. 실제 업무에서는 신뢰할 수 있는 자료, 조직 맥락, 검증 기준, 결과 활용 방식이 함께 해야 합니다.

AI 교육의 최종 목표는 무엇이어야 하나요?

그냥 AI 사용법을 익히는 것이 아니라, 학습자가 자신의 업무를 더 잘 이해하고 AI와 함께 더 가치 있는 결과를 만들 수 있도록 돕는 것입니다.
2026년 06월 06일

사티아 나델라의 다음 승부수: 마이크로소프트는 온디바이스 AI 생태계를 어떻게 바꾸려 하나

마이크로소프트의 사티아 나델라를 볼 때, 흔히 떠올리는 키워드는 클라우드와 OpenAI입니다. 하지만 지금 더 눈여겨볼 변화는 PC 쪽에서 일어나고 있습니다. 마이크로소프트는 AI를 거대한 서버에서만 돌리는 서비스가 아니라, 사용자의 노트북과 앱 안에서 즉시 실행되는 기본 기능으로 만들려 합니다.

Read in English: Satya Nadella’s Next Bet: How Microsoft Is Rebuilding the On-Device AI Ecosystem

이 관점에서 Copilot+ PC, NPU, Windows AI Foundry, Foundry Local, Phi 계열 소형 모델은 서로 따로 움직이는 제품이 아닙니다. 나델라식 플랫폼 전략이 클라우드에서 PC로 내려오는 흐름입니다. 핵심 질문은 하나입니다. 마이크로소프트는 온디바이스 AI 생태계를 어떻게 바꾸려 하는가입니다.

도시 야경이 보이는 사무실 책상 위 노트북에 추상적인 AI 연결망이 표시된 모습 — 온디바이스 AI 전략의 먼저 볼 부분은 PC에 기능을 추가하는 것이 아니라 Windows를 AI 앱의 실행 플랫폼으로 다시 세우는 데 있다.

사티아 나델라를 이해하는 먼저 볼 부분은 제품보다 플랫폼이다

나델라는 2014년 마이크로소프트 CEO가 된 뒤 회사를 Windows 패키지 중심 기업에서 Azure, Microsoft 365, GitHub, Teams, Copilot을 잇는 플랫폼 기업으로 바꿨습니다. Microsoft 2024 Annual Report의 주주 서한에서도 그는 AI를 새로운 플랫폼 전환으로 설명합니다. 이는 그냥 챗봇 하나를 더 붙이는 문제가 아닙니다.

나델라의 방식은 반복적입니다. 먼저 개발자와 기업이 모이는 기반을 만들고, 그 위에 도구와 배포 경로를 얹습니다. Azure가 클라우드 개발의 기반이었다면, 온디바이스 AI 시대의 기반은 Windows PC, NPU, 로컬 모델 런타임, 앱 생태계가 됩니다.

그래서 마이크로소프트의 온디바이스 AI 전략은 “PC에도 AI 기능을 넣는다” 정도로 보면 부족합니다. 더 정확히는 Windows를 AI 앱의 실행 환경으로 다시 정의하려는 시도입니다.

노트북 내부 회로와 AI 가속 칩을 가까이에서 보여주는 실사 이미지 — Copilot+ PC의 먼저 볼 부분은 Copilot 버튼보다 로컬 AI를 빠르고 전력 효율적으로 처리하는 NPU 기준선이다.

Copilot+ PC는 AI 기능이 아니라 새 기준선을 만든다

Copilot+ PC에서 중요한 단어는 Copilot보다 NPU입니다. Microsoft Learn의 Copilot+ PC 개발자 가이드는 Copilot+ PC를 고성능 NPU를 갖춘 새로운 Windows 11 하드웨어로 설명합니다. 이 NPU는 실시간 번역, 이미지 생성 같은 AI 작업을 위해 설계된 칩이며, 40 TOPS 이상의 성능을 기준으로 보입니다.

이 기준은 PC 시장에 중요한 메시지를 줍니다. 앞으로 좋은 노트북은 CPU와 GPU만 빠른 기계가 아니라, AI 작업을 배터리 소모와 지연을 줄이면서 처리할 수 있는 기계여야 한다는 뜻입니다.

마이크로소프트 입장에서는 더 큰 효과가 있습니다. Windows 앱 개발자가 “사용자 기기에 AI 가속기가 있다”고 가정할 수 있는 순간, 로컬 요약, 이미지 보정, 문서 검색, 개인화 추천, 실시간 보조 기능이 앱 기본 기능으로 내려옵니다.

개발자들이 노트북으로 협업하고 뒤편 유리에 추상적인 AI 파이프라인이 보이는 회의실 장면 — Windows AI Foundry와 Foundry Local은 로컬 모델을 앱에 넣는 개발자 생태계를 묶는 장치다.

Windows AI Foundry는 개발자 생태계를 묶는 장치다

온디바이스 AI가 확산되려면 하드웨어만으로는 부족합니다. 개발자가 모델을 가져오고, 압축하고, 실행하고, 여러 장치에서 성능을 맞출 수 있어야 합니다. 여기서 Windows AI Foundry와 Foundry Local이 등장합니다.

Microsoft Learn은 Windows의 로컬 AI 개발 흐름에서 DirectML, ONNX Runtime, Windows ML, Foundry Local을 함께 설명합니다. 특히 DirectML과 ONNX Runtime은 GPU나 NPU를 활용해 모델 성능을 끌어올리는 경로입니다. Foundry Local은 기기 안에서 AI 애플리케이션과 에이전트를 설계하고 관리하는 문서 체계로 제시됩니다.

이 조합은 마이크로소프트가 원하는 생태계를 보입니다. 개발자는 클라우드 모델만 호출하는 앱이 아니라, 로컬 모델과 클라우드 모델을 섞어 쓰는 앱을 만들게 됩니다. 사용자는 더 빠른 응답과 개인정보 보호 이점을 얻습니다. 마이크로소프트는 Windows를 다시 개발자 플랫폼의 중심에 놓습니다.

노트북 화면의 추상 회로망과 창밖 도시 인프라가 함께 보이는 사무실 장면 — Phi 같은 소형 모델은 로컬 처리와 클라우드 추론을 나누어 쓰는 하이브리드 AI 구조를 현실적으로 만든다.

Phi 소형 모델은 클라우드 독점 구조를 흔든다

온디바이스 AI에서 소형 언어 모델은 결정적입니다. 거대한 모델을 모두 노트북에서 돌릴 수는 없습니다. 대신 특정 작업을 잘 수행하는 작은 모델이 해야 합니다. Microsoft의 Phi-3 발표는 이 방향을 잘 보입니다.

Phi-3는 소형 언어 모델의 품질과 비용 효율을 강조합니다. Microsoft는 Phi-3가 Azure AI뿐 아니라 Ollama로 로컬 노트북에서도 실행될 수 있고, ONNX Runtime과 Windows DirectML 지원을 통해 GPU, CPU, 모바일 하드웨어까지 폭넓게 활용할 수 있다고 설명합니다.

이 전략은 클라우드 AI를 버리자는 뜻이 아닙니다. 오히려 작업을 나누자는 뜻에 가깝습니다. 민감하거나 반복적인 작업은 로컬에서 처리합니다. 복잡한 추론이나 대규모 지식 검색은 클라우드 모델을 씁니다. 이렇게 되면 AI 비용, 지연 시간, 개인정보, 배터리 사용량을 동시에 조정할 수 있습니다.

노트북 옆에 자물쇠와 보안키가 놓여 있는 사무실 책상 장면 — Recall 논쟁은 로컬 처리만으로 신뢰가 생기지 않으며 동의, 삭제, 정책 제어가 함께 필요하다는 점을 보여준다.

Recall 논쟁은 온디바이스 AI의 신뢰 문제를 드러냈다

마이크로소프트의 방향이 항상 순조로운 것은 아닙니다. Recall은 좋은 사례입니다. Recall은 사용자의 화면 활동을 기기에서 분석해 과거 작업을 찾게 해주는 Copilot+ PC 기능입니다. 하지만 화면 스냅샷과 민감 정보 처리 문제로 큰 개인정보 논쟁을 불러왔습니다.

Microsoft Learn의 Recall 문서는 Copilot+ PC, Windows 업데이트, 정책 설정, 사용자 동의와 제어를 전제로 설명합니다. 이 논점은 온디바이스 AI의 본질을 보입니다. 데이터를 클라우드로 보내지 않는다고 해서 자동으로 신뢰가 생기지는 않습니다. 사용자가 무엇이 저장되는지 알고, 끄고, 삭제하고, 통제할 수 있어야 합니다.

그래서 온디바이스 AI 생태계의 승부는 성능만으로 결정되지 않습니다. 로컬 처리, 암호화, 접근 권한, 투명한 UI, 기업 정책 제어가 함께 설계되어야 합니다. 나델라의 마이크로소프트가 이 문제를 풀지 못하면, AI PC는 편리한 플랫폼이 아니라 감시 논란의 플랫폼이 될 수 있습니다.

마이크로소프트가 바꾸려는 생태계의 구조

마이크로소프트의 전략은 네 개 층으로 볼 수 있습니다.

층위	마이크로소프트의 역할	생태계 변화
하드웨어	Copilot+ PC, NPU 기준 확산	AI 성능이 PC 구매 기준이 됨
런타임	Windows ML, ONNX Runtime, DirectML	앱이 로컬 모델을 더 쉽게 실행
모델	Phi 같은 소형 모델과 Azure 모델	로컬·클라우드 하이브리드 AI 확산
경험	Copilot, Recall, 앱 내 AI 기능	AI가 별도 서비스가 아니라 OS 경험이 됨

이 표에서 가장 중요한 변화는 마지막 줄입니다. AI가 브라우저에서 접속하는 서비스로만 남지 않고, 운영체제와 앱의 기본 경험으로 들어갑니다. 사용자는 별도의 챗봇 창을 열지 않아도 문서, 사진, 회의, 검색, 코딩 도구 안에서 AI를 쓰게 됩니다.

애플·구글과 다른 마이크로소프트의 강점

애플은 기기와 운영체제를 강하게 통합합니다. 구글은 Android와 검색, Gemini 생태계를 갖고 있습니다. 마이크로소프트의 강점은 기업 업무 환경과 개발자 생태계입니다. Windows, Microsoft 365, Azure, GitHub, Visual Studio, Teams가 이미 업무 흐름 속에 들어가 있습니다.

그래서 마이크로소프트가 온디바이스 AI에서 노리는 시장은 단순한 개인 비서가 아닙니다. 기업 문서, 보안 정책, 회의, 개발, 고객 응대, 현장 업무까지 이어지는 생산성 플랫폼입니다. 이 지점에서 나델라의 전략은 명확합니다. 클라우드 AI와 PC AI를 경쟁시키는 것이 아니라, 하나의 Microsoft 생태계 안에서 연결하려 합니다.

사용자는 무엇을 준비해야 할까

온디바이스 AI 생태계가 본격화되면 사용자와 기업은 PC를 고르는 기준부터 바꿔야 합니다. CPU, RAM, 저장장치만 볼 것이 아니라 NPU 성능, 로컬 모델 지원, 메모리 용량, 보안 정책, 배터리 효율을 함께 봐야 합니다.

기업은 더 신중해야 합니다. 로컬 AI는 개인정보 보호에 유리할 수 있지만, 화면 캡처, 파일 접근, 앱 권한, 로그 저장 방식이 불투명하면 오히려 위험해질 수 있습니다. AI PC 도입은 장비 교체 사업이 아니라 데이터 거버넌스와 업무 설계의 문제입니다.

개인 사용자에게는 새로운 기회도 있습니다. 로컬 LLM과 소형 모델이 좋아질수록 인터넷 연결 없이도 글쓰기, 요약, 검색, 코딩 보조, 지식 관리가 가능해집니다. 이미 로컬 LLM 실사용과 AI 에이전트 학습법은 별도 글에서도 다룬 바 있습니다.

결론: 나델라의 목표는 AI PC가 아니라 Windows의 재플랫폼화다

사티아 나델라가 온디바이스 AI에서 노리는 것은 그냥 Copilot 버튼이 달린 PC를 많이 파는 일이 아닙니다. 더 큰 목표는 Windows를 AI 앱과 에이전트가 실행되는 기본 플랫폼으로 다시 세우는 것입니다.

이 변화가 성공하면 PC는 다시 중요한 AI 플랫폼이 됩니다. 클라우드 모델은 더 강력한 두뇌가 되고, 로컬 모델은 빠르고 개인적인 손발이 됩니다. 실패하면 AI PC는 마케팅 용어로 끝날 수 있습니다. 관전 포인트는 명확합니다. 마이크로소프트가 성능, 개발자 도구, 개인정보 신뢰를 동시에 설계할 수 있는가입니다.

FAQ

사티아 나델라는 왜 온디바이스 AI에 집중할까?

AI가 클라우드 서비스에만 머물면 Windows와 PC의 전략적 가치가 약해집니다. 반대로 AI가 PC와 앱 안에서 실행되면 Windows는 다시 핵심 플랫폼이 됩니다.

Copilot+ PC의 먼저 볼 부분은 무엇인가?

먼저 볼 부분은 NPU입니다. 40 TOPS 이상급 AI 가속 성능을 기준으로 로컬 AI 기능을 더 빠르고 전력 효율적으로 실행하려는 하드웨어 기준입니다.

Windows AI Foundry와 Foundry Local은 왜 중요한가?

개발자가 로컬 모델을 앱에 넣고, ONNX Runtime·DirectML·Windows ML 같은 실행 경로를 활용하게 해줍니다. 즉 온디바이스 AI 앱 생태계를 만드는 개발자 도구입니다.

온디바이스 AI는 클라우드 AI를 대체하나?

아닙니다. 민감하고 반복적인 작업은 로컬에서 처리하고, 복잡한 추론과 대규모 지식 처리는 클라우드가 맡는 하이브리드 구조가 유력합니다.

Recall 논쟁이 주는 교훈은 무엇인가?

로컬 처리만으로 신뢰가 생기지는 않는다는 점입니다. 사용자의 명확한 동의, 저장 범위 제어, 삭제 권한, 기업 정책 관리가 함께 있어야 합니다.

참고자료

2026년 06월 06일

AI가 모든 답을 아는 시대, 인간은 무엇을 배워야 하나

Read in English: What Should Humans Learn When AI Knows Every Answer?

AI 시대 배움의 먼저 볼 부분은 더 많이 아는 사람이 되는 것이 아닙니다. 켄 오노는 EO Korea 강연에서 지식이 가장 싼 자원이 된 시대에도 인간에게 남는 힘을 질문, 연결, 정체성에서 찾습니다.

켄 오노가 AI 시대 인간의 배움을 설명하는 장면 — 출처: EO Korea YouTube 영상 캡처

AI 시대 배움은 왜 지식 경쟁이 아니게 되었나

켄 오노는 대형 언어모델을 처음 진지하게 마주했을 때 큰 충격을 받았다고 말합니다. 전문 수학자들이 만든 어려운 문제조차 AI가 빠르게 따라오는 장면을 보며, “AI보다 앞서야 한다”는 질문이 얼마나 불안정한지 깨달았다는 것입니다.

그는 인간과 AI의 관계를 달리 봅니다. 우사인 볼트와 오토바이를 100m 경주에 세우지 않는 것처럼, 인간은 기계와 같은 방식으로 경쟁할 필요가 없습니다. 이미 사회는 기계가 인간의 신체 능력을 압도한다는 사실을 받아들였습니다. 이제는 지식과 계산에서도 같은 전환을 받아들여야 합니다.

What Remains When the Machine Knows More 챕터 화면 — 출처: EO Korea YouTube 영상 캡처

먼저 볼 부분은 지식의 양이 아닙니다. AI가 더 많은 사실을 알고 더 빠르게 계산하는 시대에는, 어떤 문제를 붙들 것인지가 더 더 봐야 합니다. 무엇을 외웠는가보다 왜 그 질문을 해야 하는지, 서로 다른 지식을 어떻게 연결할지가 인간의 차이를 만듭니다.

켄 오노가 말하는 딥 인텔리전스

영상에서 반복되는 메시지는 딥 인텔리전스입니다. 여기서 말하는 지능은 시험 점수나 정답률만 뜻하지 않습니다. 자기 문제를 발견하고, 오래 붙들고, 실패를 겪으면서도 다시 질문하는 힘에 가깝습니다.

오노는 자신의 성장기를 이야기합니다. 그는 수학자 아버지의 기대 속에서 자랐지만, 오히려 그 기대가 정체성의 압박으로 다가왔습니다. “나는 누가 정한 사람이 되어야 하는가”라는 질문이 그를 흔들었습니다. 이 지점에서 그는 라마누잔의 이야기를 만납니다.

라마누잔을 다룬 챕터 화면 — 출처: EO Korea YouTube 영상 캡처

라마누잔은 제도권 교육의 전형적인 성공 경로와 거리가 있었습니다. 하지만 그는 자기 방식으로 수학을 붙들었습니다. 오노에게 라마누잔은 천재의 신화가 아니라, 시스템이 놓칠 수 있는 인간의 가능성을 보여주는 사례입니다.

AI 시대에도 같은 질문이 남습니다. 표준화된 시험과 순위는 사람의 일부만 봅니다. 하지만 인간의 배움은 더 넓습니다. 관심, 고집, 불편함, 우연한 만남, 실패 후 다시 시작하는 태도까지 포함합니다.

교육은 체크박스가 아니라 호기심의 회복이다

켄 오노는 학생들이 좋은 학교, 좋은 점수, 좋은 이력이라는 체크박스에 너무 일찍 갇힌다고 지적합니다. 물론 현실의 입시와 평가를 무시할 수는 없습니다. 주의할 점은 그 시스템에 참여하고 있다는 사실을 인식해야 한다고 말합니다.

교육의 출발점은 “무엇을 맞혔는가”가 아니라 “왜 더 알고 싶은가”입니다. 어린아이가 블록을 쌓고 무너뜨리며 노는 장면은 과학의 시작입니다. 아이는 중력이라는 단어를 몰라도 세계가 어떻게 작동하는지 몸으로 탐색합니다.

교육의 목적을 설명하는 켄 오노 — 출처: EO Korea YouTube 영상 캡처

AI 시대 배움도 이 방향으로 돌아가야 합니다. 지식을 빨리 찾아내는 능력은 AI가 맡을 수 있습니다. 하지만 어떤 질문이 중요한지 느끼고, 질문을 자기 삶의 방향과 연결하는 일은 여전히 인간의 몫입니다.

학생과 직장인이 지금 다시 배워야 할 것

이 강연을 블로그 독자 관점에서 정리하면, AI 시대 배움은 세 가지 훈련으로 바뀝니다.

구분	예전의 학습 관성	AI 시대에 더 중요한 학습
지식	많이 외우고 빠르게 재현하기	필요한 지식을 찾고 검증하고 연결하기
질문	정답이 있는 문제를 풀기	아직 정답이 없는 문제를 정의하기
정체성	평가 기준에 자신을 맞추기	내가 오래 붙들 문제를 선택하기
성과	점수와 스펙으로 증명하기	실제 문제 해결과 기여로 증명하기

학생에게는 “AI를 쓰면 공부가 쉬워진다”보다 더 큰 질문이 해야 합니다. AI가 설명해 주는 답을 받아 적는 것이 아니라, 그 답이 어떤 전제 위에 있는지 묻는 습관이 해야 합니다.

직장인에게도 마찬가지입니다. 보고서 초안, 코드, 요약, 검색은 AI가 빠르게 도와줄 수 있습니다. 하지만 조직의 진짜 문제를 정의하고, 고객의 불편을 읽고, 여러 정보 사이의 관계를 해석하는 일은 사람의 책임으로 남습니다.

완벽주의보다 자기 문제를 끝까지 붙잡는 힘

영상에서 가장 인상적인 문장은 “정체성은 누가 소유하는가”라는 질문입니다. 부모, 학교, 시험, 직장, 알고리즘이 사람의 선택을 대신 정해 주는 순간이 많습니다. 켄 오노는 그 정체성을 자기 자신이 소유해야 한다고 말합니다.

AI 시대에는 이 문제가 더 더 봐야 합니다. AI가 추천하는 진로, AI가 써 준 자기소개서, AI가 정리한 공부 계획은 유용합니다. 하지만 그것이 내 문제인지, 남이 만든 체크리스트인지 구분하지 못하면 배움은 얕아집니다.

AI 시대 인간의 정체성과 배움을 말하는 켄 오노 — 출처: EO Korea YouTube 영상 캡처

좋은 배움은 자기 질문을 남깁니다. “나는 무엇을 더 알고 싶은가”, “나는 어떤 문제에 시간을 쓰고 싶은가”, “내가 배운 것을 누구에게 어떻게 기여할 것인가” 같은 질문입니다.

정리: AI 시대 배움의 방향

켄 오노의 강연은 AI 시대에 공부를 포기하자는 이야기가 아닙니다. 오히려 배움의 기준을 더 깊게 바꾸자는 제안입니다.

정답을 더 많이 아는 능력은 점점 흔해집니다. 대신 좋은 질문을 세우는 사람, 낯선 지식을 연결하는 사람, 자기 정체성을 잃지 않는 사람이 더 더 봐야 합니다. 그래서 AI 시대 배움의 목표는 AI를 이기는 것이 아니라, AI와 함께 더 인간적인 질문을 할 수 있는 사람이 되는 것입니다.

FAQ

AI 시대에는 암기 공부가 필요 없나요?

기본 지식은 여전히 해야 합니다. 주의할 점은 암기 자체가 목표가 되면 한계가 큽니다. 먼저 볼 부분은 지식을 기억하는 데서 끝내지 않고, 그 지식으로 질문을 만들고 문제를 해석하는 데 있습니다.

켄 오노가 말한 딥 인텔리전스는 무엇인가요?

영상의 맥락에서 딥 인텔리전스는 단순한 지식량이나 계산 능력이 아닙니다. 자기 문제를 발견하고, 서로 다른 지식을 연결하고, 정체성을 걸고 오래 탐구하는 힘에 가깝습니다.

학생에게 가장 중요한 AI 시대 역량은 무엇인가요?

정답을 빨리 찾는 능력보다 질문을 세우는 능력이 더 봐야 합니다. AI가 제시한 답을 검증하고, 그 답을 자기 관심사와 실제 문제에 연결하는 훈련이 해야 합니다.

직장인은 이 강연에서 무엇을 배울 수 있나요?

AI 도구를 쓰는 기술만으로는 부족합니다. 직장인은 조직의 진짜 문제를 정의하고, 여러 정보의 관계를 해석하고, AI 결과물을 현실의 의사결정으로 바꾸는 역할을 강화해야 합니다.

참고자료

2026년 06월 05일

AI를 쓸수록 똑똑해지는 사람의 6가지 습관
AI를 쓰면 생각이 빨라질까요, 아니면 오히려 사고력이 약해질까요? 답은 “AI를 쓰느냐”가 아니라 “어떻게 쓰느냐”에 달려 있습니다. 독서연구소 영상은 MIT 미디어랩, 마이크로소프트 리서치, 하버드 비즈니스 스쿨과 BCG 실험을 연결해 이 질문을 던집니다.

Read in English: Six Habits of People Who Get Smarter While Using AI

먼저 볼 부분은 단순합니다. AI에게 생각을 맡기면 사고력은 약해질 수 있습니다. 반대로 AI를 검증하고, 질문을 다듬고, 자기 언어로 재구성하면 사고는 더 깊어질 수 있습니다. 아래에서는 영상 내용을 바탕으로 AI를 쓸수록 똑똑해지는 사람의 6가지 습관을 정리합니다.

YouTube 원본 영상 캡처, 리뷰·해설 목적

AI 사용의 갈림길: 인지 부채인가, 사고 확장인가

영상은 MIT 미디어랩 연구 사례로 시작합니다. GPT를 쓰며 에세이를 쓴 그룹, 검색 엔진만 사용한 그룹, 아무 도구 없이 글을 쓴 그룹을 비교했을 때, GPT 사용 그룹의 뇌 신경 연결성이 약하게 나타났다는 내용입니다. 영상은 이를 “인지 부채”라는 표현으로 설명합니다.

중요한 점은 AI 사용 자체가 문제라는 결론이 아닙니다. 같은 AI를 쓰면서도 어떤 사람은 더 깊이 사고하고, 어떤 사람은 점점 더 의존하게 됩니다. 차이는 사용자의 사고 습관에서 나옵니다.

1. 자기 분야 전문성이 있는 사람

AI가 내놓은 답이 그럴듯해 보여도, 그것이 정확한지 판단하려면 기준이 해야 합니다. 그 기준은 결국 자기 분야에 대한 전문성에서 나옵니다.

전문성이 있는 사람은 AI 답변을 그대로 복사하지 않습니다. 사실 여부를 확인하고, 맥락에 맞게 고치고, 자신의 경험과 연결합니다. 반대로 분야 지식이 부족하면 AI의 오류가 보이지 않습니다. 이때 AI는 조력자가 아니라 판단을 대신하는 존재가 됩니다.

YouTube 원본 영상 캡처, 리뷰·해설 목적

2. AI 작동 원리를 이해하는 사람

AI를 마법 상자처럼 쓰면 위험합니다. 입력하면 답이 나오지만, 그 답은 진실을 이해해서 나온 것이 아닙니다. 대형언어모델은 기본적으로 다음에 올 단어를 예측하는 방식으로 작동합니다.

이 원리를 알면 AI 답변을 대하는 태도가 달라집니다. “그럴듯한 문장”과 “검증된 사실”을 구분하게 됩니다. AI가 틀릴 수 있다는 사실을 전제로 사용하기 때문에, 결과물도 더 안전해집니다.

3. 메타인지가 높은 사람

메타인지는 내가 무엇을 알고, 무엇을 모르는지 아는 능력입니다. AI 시대에는 이 능력이 더 더 봐야 합니다. 자신이 모르는 부분을 모르면 AI가 준 답을 그대로 받아들이기 쉽습니다.

반대로 메타인지가 높은 사람은 AI를 정확한 위치에 배치합니다. 모르는 부분을 질문하고, 받은 답을 자기 언어로 다시 정리합니다. 이 과정에서 단순한 답변 소비가 아니라 실제 학습이 일어납니다.

YouTube 원본 영상 캡처, 리뷰·해설 목적

4. 질문을 정교하게 설계하는 사람

AI 답변의 품질은 질문의 품질에 크게 좌우됩니다. 좋은 질문은 그냥 프롬프트를 길게 쓰는 것이 아닙니다. 목표, 맥락, 제약, 원하는 결과물 형식을 명확히 정리하는 일입니다.

예를 들어 “AI 시대 공부법 알려줘”보다 다음 질문이 낫습니다.
- 고등학생이 아니라 직장인 관점에서 설명해 줘.
- 업무 생산성과 학습 역량을 나눠 정리해 줘.
- 과장된 전망보다 실천 가능한 기준으로 정리해 줘.
- 마지막에는 오늘 바로 해볼 체크리스트를 붙여 줘.
이렇게 질문을 설계하는 과정 자체가 사고 훈련입니다. AI에게 좋은 질문을 던지는 사람은 먼저 자기 생각을 정리합니다.

5. AI 답을 그대로 믿지 않는 사람

영상에서 가장 강하게 반복되는 메시지는 비판적 사고입니다. AI를 더 많이 신뢰할수록 사람의 검증은 줄어들 수 있습니다. 특히 AI가 성능이 좋을수록 위험은 더 커질 수 있습니다. 답이 자연스럽고 설득력 있어 보이기 때문입니다.

그래서 AI 결과물은 초안으로 봐야 합니다. 숫자, 출처, 법률·의학·정책 정보, 중요한 의사결정은 반드시 체크해 두세요. AI를 잘 쓰는 사람은 AI를 의심하기 위해서가 아니라, 더 좋은 결과를 만들기 위해 검증합니다.

YouTube 원본 영상 캡처, 리뷰·해설 목적

6. 의도적으로 AI를 쓰지 않는 시간을 확보하는 사람

영상의 마지막 반전은 “AI 없는 시간”입니다. 독서, 사색, 직접 경험, 깊은 대화처럼 혼자 생각하는 시간을 남겨야 한다는 것입니다.

AI가 빠르게 초안을 만들어 주면 편합니다. 하지만 모든 생각의 첫 단계를 AI에게 넘기면 내 사고 근육은 약해질 수 있습니다. 자기 머리로 먼저 생각해 본 사람은 AI를 더 잘 씁니다. 반대로 처음부터 AI에게 기대면 AI가 만든 틀 안에서만 움직이게 됩니다.

YouTube 원본 영상 캡처, 리뷰·해설 목적

실무에서 바로 적용하는 AI 사용 체크리스트

AI를 쓸수록 똑똑해지고 싶다면 다음 순서를 습관으로 만들면 좋습니다.
1. 먼저 내 생각을 짧게라도 적는다.
2. AI에게 목표와 맥락을 분명히 알려 준다.
3. 답변을 사실, 해석, 제안으로 나눠 본다.
4. 중요한 내용은 출처와 숫자를 다시 확인한다.
5. AI 답을 그대로 쓰지 말고 자기 언어로 재구성한다.
6. 하루 또는 한 주에 일부 시간은 AI 없이 읽고 생각한다.
이 체크리스트는 공부뿐 아니라 보고서 작성, 기획, 콘텐츠 제작, 의사결정에도 적용할 수 있습니다.

함께 읽으면 좋은 글
결론: AI보다 중요한 것은 AI를 쓰는 사람의 깊이

AI는 사고를 대신할 수도 있고, 사고를 확장할 수도 있습니다. 차이는 사용자의 태도에 있습니다. 전문성, 작동 원리 이해, 메타인지, 질문 설계, 비판적 검증, AI 없는 시간. 이 여섯 가지가 함께 있을 때 AI는 의존의 도구가 아니라 성장의 도구가 됩니다.

도구가 강력해질수록 사람의 깊이는 더 더 봐야 합니다. AI 시대의 핵심 역량은 AI를 많이 쓰는 능력이 아니라, AI를 쓰면서도 내 판단과 사고를 잃지 않는 능력입니다.

FAQ

AI를 쓰면 정말 사고력이 떨어지나요?

AI 사용 자체가 사고력을 떨어뜨린다고 단정할 수는 없습니다. 주의할 점은 AI 답변을 검증하지 않고 그대로 받아들이는 습관이 반복되면 사고 과정이 약해질 수 있습니다.

AI를 잘 쓰려면 프롬프트 기술만 배우면 되나요?

프롬프트 기술은 중요하지만 전부는 아닙니다. 자기 분야 전문성, 메타인지, 비판적 사고가 함께 있어야 AI 답변을 제대로 평가하고 활용할 수 있습니다.

AI 없는 시간이 왜 필요한가요?

AI 없이 읽고 생각하는 시간은 자기 판단 기준을 만드는 시간입니다. 이 기준이 있어야 AI가 준 답을 그대로 따르지 않고, 더 나은 결과로 재구성할 수 있습니다.

학생이나 직장인은 어떻게 시작하면 좋을까요?

먼저 혼자 생각한 초안을 짧게 작성한 뒤 AI에게 개선을 요청해 보세요. 그리고 AI 답변을 그대로 쓰지 말고, 사실 확인과 자기 언어로 다시 쓰는 과정을 반드시 거치는 것이 좋습니다.

참고자료
2026년 06월 05일

[작성자:] Saturn

A Second Brain Is Now Context for AI

Why Your Own Context Matters More Than the Model

LLM Wiki and Obsidian Are Practical Starting Points

The Obsidian Graph Is Useful, But It Is Not the Finish Line

How Harness Engineering Connects to a Second Brain

How to Start Building an AI Second Brain

What Individuals and Teams Should Do First

Related Reading

FAQ

What is this article about?

How should I use this guide?

Where can I read the original Korean article?

What Is an AI Agent Operating System?

Why Individual AI Tools Are Not Enough

The 7 Layers of an AI Agent Operating System

1. Foundation: Hardware and Basic Environment

2. Memory: Long-Term Context Storage

3. Brain: Model Routing

4. Agents: The Actual Workers

5. Command Center: A Unified Dashboard

6. Production Services: Where Real Output Lives

7. Loop: Feeding Results Back Into Memory

How to Start Building One

What to Avoid

Related Reading

FAQ

What is this article about?

How should I use this guide?

Where can I read the original Korean article?

금리가 바뀌면 돈의 위치도 바뀐다

정기예금 막차, 완전히 틀린 말은 아니다

채권형 ETF는 기회이지만 예금은 아니다

배당주와 월배당 ETF는 현금흐름용이다

성장주는 금리보다 실적이 먼저다

금리 시나리오별로 다르게 봐야 한다

지금 투자자가 할 수 있는 현실적인 조정

정리

함께 읽으면 좋은 글

FAQ

금리 인하가 시작되면 예금은 모두 줄여야 하나요?

채권형 ETF는 예금처럼 안전한가요?

금리 인하 시기에는 배당주가 유리한가요?

성장주는 금리 인하의 최대 수혜주인가요?

개인투자자는 어떤 순서로 자산을 재배치해야 하나요?

참고자료

ETF가 국민 재테크 수단이 된 배경

시장이 커졌다는 사실과 투자 성과는 다르다

개인투자자가 확인해야 할 ETF 선택 기준

국내 ETF와 미국 ETF를 나눠 봐야 하는 이유

월배당 ETF 열풍은 현금흐름 욕구를 보여준다

향후 ETF 시장 전망

전망에 따른 투자 방향

정리

함께 읽으면 좋은 글

FAQ

ETF는 펀드보다 항상 좋은가요?

초보자는 어떤 ETF부터 봐야 하나요?

월배당 ETF는 은퇴 준비에 좋은가요?

레버리지 ETF는 장기 투자에 적합한가요?

ETF 투자에서 가장 중요한 기준은 무엇인가요?

참고자료

마천동에서 시작한 목(木)의 길

오르막에서 살아나는 화(火)

성곽을 지날 때 느껴지는 금(金)

조망에서 만나는 토(土)의 안정감

수어장대 주변의 기운

성남으로 내려오는 수(水)의 길

걷고 나서 남은 생각

숙소: 바다를 볼 수 있다는 것만으로 충분했다

맛집: 음식점 링크와 함께 남겨두는 로컬 음식 기억

카페와 커피: 더운 도시에서 쉬어가는 방법

여행 분위기: 해변과 야자수가 만들어준 장면

스파와 휴식: 짧은 여행일수록 무리하지 않기

시장과 쇼핑: 분위기만 가볍게 보기

돌아보면, 나트랑은 짧아도 충분히 남는 도시였다

함께 보면 좋은 글

왜 데스크톱 앱이 중요한가

세션은 AI 에이전트의 업무 폴더가 된다

아티팩트는 채팅 기록을 작업 자산으로 바꾼다