1 · 교육 세션 · 처음 쓰는 사람들을 위해1 · Learning session · for first-time users
시작하기 전에, 솔직한 고백 하나 하고 갈게요. 제가 이 발표 자료를 Claude Code랑 같이 만들었거든요. 준비하다가 물어봤어요. "슬래시 b t w, 그런 명령어 있지?" 그랬더니 Claude가 아주 당당하게 — "그런 명령어는 없습니다" 하고 단언하더라고요. 파일까지 뒤져보면서요.Before we start, a little confession. I built this whole deck together with Claude Code. While prepping, I asked it: "There's a slash-b-t-w command, right?" And Claude told me, very confidently — "No such command exists." Even after digging through the files.
근데 보세요. 슬래시 b 만 쳐도 맨 위에 딱 뜨는 명령이었어요. "Ask a quick side question." 있는데 없다고, 그것도 아주 자신 있게 우긴 거죠.But watch this. Just type slash-b, and there it is, right at the top of the list. "Ask a quick side question." It existed all along — and Claude insisted it didn't, with total confidence.
그래서 오늘 세션의 첫 문장은 이겁니다. Rule No.1 — Do not trust result from Claude. 클로드의 결과를 믿지 마세요. 이게 오늘 우리가, 그리고 앞으로 여러분이 이 도구를 쓰는 내내, 가장 중요한 규칙이에요. 그리고 이건 개인 팁만은 아니에요. 조직이 AI를 들일 때 첫 투자처는 속도가 아니라 '검증 체계'라는 얘기이기도 합니다.So here's the first sentence of today's session. Rule No.1 — Do not trust result from Claude. Don't trust what Claude hands you. This is the single most important rule for today, and for every day you use this tool from now on. And this isn't just a personal tip. It also means that when an organization brings in AI, the first place to invest isn't speed — it's a system for verification.
2 · 00:00 — 콜드 오픈2 · 00:00 — Cold open
방금 건 명령어 얘기였지만, 이건 여러분 업무에서 매일 일어나는 일이에요. "작년 한국 온라인 리테일 시장 규모랑 성장률 알려줘" 하면, "11조 2천억, 전년 대비 23.4퍼센트 성장, 출처는 통계청" — 소수점까지 자신 있게 대답합니다.That was about a command, but this happens in your work every single day. Ask it "What was last year's online retail market size and growth rate in Korea?" and it'll say "11.2 trillion won, up 23.4 percent year over year, source: the national statistics office" — confident right down to the decimal.
그럴듯하죠? 근데 그 숫자도, 그 출처도 통째로 지어낸 것일 수 있어요. 이게 그 유명한 할루시네이션, 환각이에요. 왜 이러는지는 다음 장에서 풀어드릴게요.Sounds legit, right? But that number, and that source, could be completely made up. That's the famous hallucination. Why it does this — I'll unpack on the next slide.
3 · 1막 — 이게 뭔가3 · Act 1 — What is this
Claude Code 안에 들어 있는 건 Claude라는 LLM, 거대 언어 모델이에요. 핵심만 말씀드릴게요. 이건 사실을 기억하는 사전이 아닙니다. "지금까지 나온 말 다음에, 가장 그럴듯한 단어가 뭘까"를 확률로 이어붙이는 기계예요. 그래서 아까 그 숫자도 이렇게 나온 거예요. 진짜 통계를 찾은 게 아니라, '통계청 몇 조, 몇 퍼센트'라는 말의 모양새가 그 자리에 가장 그럴듯해서 만들어낸 거죠. 맞는 답이 아니라 그럴듯한 답을 뱉도록 만들어진 기계라, 모르면서도 당당할 수밖에 없어요.Inside Claude Code is an LLM — a large language model — called Claude. Here's the key thing. It is not a dictionary of facts. It's a machine that predicts, by probability, the most plausible next word given everything said so far. So that number from earlier? That's how it came out. It didn't actually look up a statistic — it just produced what sounded most plausible in that slot: "the statistics office, so many trillion, such-and-such percent." It's a machine built to spit out the plausible answer, not the correct one — so it can't help sounding confident even when it has no idea.
그래서 대부분은 굉장히 똑똑하고, 가끔은 아까처럼 당당하게 틀리고, 매번 조금씩 다르게 답합니다. 그래서 우리 일은 "답을 받는 것"이 아니라 "답을 검증하는 것"이 돼요. 이게 Rule No.1의 정체입니다.So most of the time it's brilliant, sometimes — like before — it's confidently wrong, and it answers a little differently each time. Which means our job isn't to take the answer; it's to verify it. That's what Rule No.1 really means.
조금 더 깊이 들어가 볼게요 — 어려우면 편하게 흘리셔도 돼요. 이 모델은 방대한 텍스트로 '사전학습'을 하면서, 다음에 올 단어의 '확률분포'를 맞히도록 최적화된 거예요. 그래서 '진실'을 따르는 게 아니라 '학습한 분포에서 가장 그럴듯한 것'을 따릅니다. 환각이 가끔 생기는 버그가 아니라 작동 원리의 그림자인 이유가 여기 있어요. 같은 질문에도 매번 답이 조금씩 다른 것도, 그 분포에서 매번 새로 뽑기 때문이고요 — 이걸 'temperature'라고 불러요. 더 큰 모델, 더 좋은 데이터로 줄일 순 있어도 0으로 만들 순 없어요. 그래서 검증, Rule No.1은 영원히 필요한 겁니다.Let me go one layer deeper — feel free to let this wash over you if it's too much. This model was pre-trained on a vast amount of text, optimized to predict the probability distribution of the next word. So it doesn't follow "the truth" — it follows "what's most plausible in the distribution it learned." That's exactly why hallucination isn't an occasional bug but the shadow of how it works. And the reason you get a slightly different answer to the same question each time is that it samples fresh from that distribution every time — that knob is called temperature. A bigger model and better data can shrink it, but never to zero. Which is why verification — Rule No.1 — is needed forever.
4 · 1막 — 모델 & 비용4 · Act 1 — Models & cost
그리고 Claude는 한 종류가 아니에요. 세 가지만 기억하시면 됩니다. Opus는 제일 똑똑하지만 느리고 비싸요 — 계획 세우고 어려운 추론할 때. Sonnet은 균형형 — 실제 작업, 실행할 때. Haiku는 빠르고 싸요 — 검색, 분류, 단순 반복 잡일.And Claude isn't just one model. Just remember three. Opus is the smartest but slow and pricey — for planning and hard reasoning. Sonnet is the balanced one — for the actual work, the doing. Haiku is fast and cheap — for search, sorting, simple repetitive chores.
외우실 한 문장은 이거예요. "계획은 Opus, 실행은 Sonnet, 잡일은 Haiku." 비용은 "토큰"이라는, 글자 수 비슷한 단위로 매겨지는데 — 대화가 길어질수록 비싸집니다. 아끼는 법은 뒤에서 알려드릴게요.One sentence to memorize: "Plan with Opus, execute with Sonnet, chores with Haiku." Cost is measured in tokens — roughly like character count — and the longer the conversation, the more it costs. I'll show you how to save later.
5 · 2막5 · Act 2
자, 도구가 뭔지 알았으니 이제 길들이는 법이에요. 같은 목표인데, 어떻게 묻느냐에 따라 결과가 완전히 달라집니다. 지금부터 다섯 개를 보여드릴게요. 왼쪽은 평범한 프롬프트, 오른쪽은 정확한 프롬프트 — 오른쪽 결과는 잠깐 가려두겠습니다.Okay, we know the tool — now let's tame it. Same goal, but how you ask changes the result completely. I'll show you five examples. On the left, a plain prompt; on the right, a precise one — and I'll keep the right-side result hidden for a beat.
6 · Before / After · ① 데이터 · 분석6 · Before / After · ① Data · Analysis
첫 번째, 데이터 분석이에요. 평범한 쪽은 이렇게 묻죠. "지난달 매출 왜 떨어졌는지 분석해줘."First, data analysis. The plain version asks: "Analyze why our sales dropped last month."
그럼 뭐가 나올까요? 데이터도 안 줬는데 "경쟁이 심해졌겠죠, 계절성이겠죠" 하고 추측을 사실처럼 말합니다. 듣고 나면 "그래서 뭘 어쩌라고?" 싶죠.So what comes out? Without any data, it goes "probably tougher competition, probably seasonality" — dressing up guesses as facts. You're left thinking, "Okay… so what?"
이번엔 정확한 쪽이에요. 역할을 주고, 실제 숫자 표를 주고, "추측 금지"를 박았어요. 그랬더니 전환율 하락이 주범이라고 수치로 분해해줍니다. 차이는 Claude 실력이 아니에요. 여러분이 머릿속 맥락을 얼마나 꺼내줬느냐예요.Now the precise version. We gave it a role, handed it a real table of numbers, and baked in "no guessing." And now it breaks the drop down by the numbers — conversion rate was the real culprit. The difference isn't Claude's skill; it's how much of your own context you handed over.
7 · Before / After · ② 주간 비즈니스 리뷰7 · Before / After · ② Weekly Business Review
두 번째, 주간 비즈니스 리뷰예요. 평범한 쪽은 "이번 주 실적 리포트 써줘."Second, the weekly business review. Plain version: "Write this week's performance report."
결과는 교과서 목차 같은 거예요. 그럴듯한 제목들에 빈칸투성이. 정작 채울 숫자는 없죠.The result reads like a textbook table of contents. Nice-looking headings, full of blanks — and none of the actual numbers filled in.
정확한 쪽은 이래요. "90초에 읽는 임원용으로, 이 숫자만 써, 추측 금지, 구조는 이렇게." 그러면 바로 공유 가능한 완성형이 나옵니다. 여기서 그 "추측 금지" 한 줄, 이게 바로 Rule No.1을 프롬프트에 박아 넣는 방법이에요.The precise one goes: "A 90-second read for an exec, use only these numbers, no guessing, structure it like this." And out comes something you can share as-is. That one line — "no guessing" — is exactly how you bake Rule No.1 right into your prompt.
8 · Before / After · ③ FP&A · 예측/시나리오8 · Before / After · ③ FP&A · Forecast
세 번째, 재무 예측이에요. 평범한 쪽은 "내년 매출 예측해줘."Third, financial forecasting. Plain version: "Forecast next year's revenue."
그럼 가정을 멋대로 지어내고는 숫자 하나 툭 던집니다. 근거도 없고, 어떻게 나온 숫자인지도 모르니까 믿을 수가 없죠.So it invents its own assumptions out of thin air and tosses out a single number. No reasoning, no idea how it got there — so you can't trust it.
정확한 쪽은 "가정은 내가 준 것만 써, 시나리오는 세 개, 가정표랑 리스크도 같이." 그러면 회의에서 방어 가능한 예측이 나와요. 예측은 숫자가 아니라 가정이 핵심이거든요.The precise one: "Use only the assumptions I gave you, three scenarios, plus an assumptions table and the risks." And you get a forecast you can defend in a meeting. Because a forecast isn't about the number — it's about the assumptions.
9 · Before / After · ④ 기획 · OKR9 · Before / After · ④ Planning · OKR
네 번째, OKR 짜기예요. 평범한 쪽은 "우리 팀 OKR 잡아줘."Fourth, setting OKRs. Plain version: "Set our team's OKRs."
그러면 측정도 안 되는 구호 같은 게 나옵니다. "고객 만족을 극대화한다" 같은 거요. 듣기엔 좋은데 이걸로 뭘 할 수가 없죠.And you get measureless slogans. Stuff like "maximize customer satisfaction." Sounds nice, but you can't actually do anything with it.
정확한 쪽은요, 여기서 슬래시 okrs 라는 플러그인을 씁니다. 그러면 OKR 전문가의 사고 절차가 통째로 적용돼서, 숫자 들어간 KR 세 개에 "일부러 안 할 것"까지 나와요. 같은 질문인데 명령어 하나로 격이 달라지죠. 플러그인은 이따 더 볼게요.On the precise side, here we use a plugin called slash-okrs. That applies an OKR expert's entire thought process — so you get three key results with real numbers, and even a list of what you'll deliberately not do. Same question, but one command changes the whole class of the answer. We'll come back to plugins later.
10 · Before / After · ⑤ 자료 · 디자인10 · Before / After · ⑤ Decks · Design
다섯 번째, 디자인이에요. 평범한 쪽은 "발표 자료 한 장 만들어줘." 그러면 딱 2010년 파워포인트가 나옵니다. 회색 배경에 기본 폰트, 가운데 정렬 불릿.Fifth, design. Plain version: "Make a slide for my deck." And you get pure 2010 PowerPoint. Gray background, default font, centered bullets.
그럼 어떻게 물어야 임원 앞에 내놓을 자료가 나올까요?So how do you ask to get something you'd actually put in front of an exec?
frontend-design 플러그인을 켜고 의도를 주면 — 임원용 퀄리티가 나옵니다. 그 증거가 바로 지금 보고 계신 이 자료예요. 이거 전부 Claude Code로 만들었어요. 그리고 — 이젠 이걸 에이전트 팀이 유지합니다. 그 얘기는 이따 제대로 해드릴게요.Turn on the frontend-design plugin, give it your intent — and you get exec-grade quality. The proof? This very deck you're looking at. All of it, built with Claude Code. And here's the kicker — it's now maintained by a team of agents. I'll get to that properly later.
11 · 요약 — 좋은 프롬프트의 공식11 · Summary — the prompt formula
다섯 개가 다 같은 패턴이었어요. 평범은 그냥 "X 해줘." 정확은 이거예요. "역할로서, 이 독자를 위해, 이 데이터를 가지고, 이 제약 안에서, 이 형식으로 X 하고, 검증까지 해줘." 역할, 독자, 데이터, 제약, 형식, 검증. 이거 하나만 가져가셔도 오늘 본전은 뽑으신 거예요. 치트시트에도 그대로 있습니다.All five were the same pattern. Plain is just "Do X." Precise is this: "As a role, for this reader, with this data, within these limits, in this format, do X — and verify it." Role, reader, data, limits, format, verify. Take just this one thing home and today already paid for itself. It's on the cheatsheet too.
12 · 2막 → 3막 다리 · 지적 하이라이트12 · Bridge to Act 3 · the intellectual highlight
여기서 한 단계 더 올라가 볼게요. 방금 한 건 "프롬프트 엔지니어링", 질문 하나 잘 쓰기예요. 근데 이 맥락을 매번 타이핑하긴 귀찮잖아요. 무엇을 보여줄지 설계하는 게 "컨텍스트 엔지니어링", 그리고 도구랑 기억이랑 여러 에이전트까지 시스템 전체를 짜는 게 "하네스 엔지니어링"입니다.Let's level up one notch. What we just did is prompt engineering — writing one good question. But retyping all that context every time is a pain, right? Designing what to show is context engineering. And building the whole system — tools, memory, multiple agents — that's harness engineering.
한 문장으로 정리하면 이거예요. 초보는 프롬프트를 다듬고, 중수는 컨텍스트를 설계하고, 고수는 하네스를 만든다. 오늘 여러분을 최소 "중수"까지 올려드리는 게 제 목표예요. 이 "하네스"라는 단어, 기억해두세요. 뒤에서 다시 만납니다.One sentence: beginners polish prompts, intermediates design context, experts build the harness. My goal today is to get you to at least intermediate. And remember that word — harness. We'll meet it again later.
중요한 건 이게 개인의 스킬이 아니라는 거예요. 조직의 성숙도 단계입니다. 우리 팀은 지금 몇 단계에 있습니까?The key thing: this is not a personal skill. It is an organizational maturity stage. Where is your team right now?
13 · 3막 — 어디에 저장되고, 누가·어떻게·무엇을 기억하나13 · Act 3 — Where it lives: who, how, what it remembers
이제 매번 칠 필요 없는 얘기예요. "추측 없이 사실만 말해줘", "우리 팀은 이런 데이터 봐" — 한 번 적어두면 됩니다. 규칙을 적어두는 층이 두 개예요. 하나는 전역 규칙 — 어떤 작업을 하든 항상 적용되는 내 기본 규칙입니다. 예를 들면 "추측하지 말고, 모든 숫자는 실제를 확인해서 알려줘" 같은 거죠. 바로 Rule No.1을 기본값으로 박아두는 거예요. 다른 하나는 프로젝트 규칙 — 이 프로젝트에서만 적용되는 규칙이에요. 화면에 보이는 파일 경로는 그게 저장되는 위치일 뿐, 외우실 필요 없어요. 핵심은 '전역'과 '이 프로젝트', 이 두 층위입니다.These are the things you no longer have to retype. "Give me facts only, no guessing," "my team looks at this kind of data" — write it once. There are two layers for writing rules. One is global rules — my default rules that always apply no matter what I'm working on. For example, "Don't guess, and verify every number against the real source." That's baking Rule No.1 in as your default. The other is project rules — rules that apply only in this project. The file paths you see on screen are just where these live; no need to memorize them. The key is the two layers: global, and this project.
여기 보세요. 위에도 CLAUDE.md, 아래에도 CLAUDE.md. 이름은 똑같은데 범위가 달라요. 헷갈리기 쉬운 지점인데 — 둘은 덮어쓰는 게 아니라, 둘 다 같이 읽힙니다. 전역에 적어둔 "나는 누구, 어떻게 일한다"가 먼저 깔리고, 그 위에 프로젝트의 "이 일만의 규칙"이 더해져요. 더 구체적인 프로젝트 쪽이 나중에 읽힐 뿐, 전역이 사라지는 게 아니에요.Look here. There's a CLAUDE.md up top, and a CLAUDE.md down below. Same name, different scope. This trips people up — but they don't override each other; both get read together. Your global "who I am, how I work" loads first, then the project's "rules just for this job" gets added on top. The more specific project one just loads later — the global one doesn't disappear.
나머지는 두 갈래만 더 보면 돼요. agents 폴더는 "누가" — 전문 일꾼들이고, skills 폴더는 "어떻게" — 작업 노하우예요. memory는 세션이 끝나도 남는 기억, workspace는 일꾼들이 남기는 중간 산출물이고요. 에이전트랑 스킬은 이따 한 장 통째로 보여드릴게요.Just two more branches to know. The agents folder is the "who" — your specialist workers. The skills folder is the "how" — task know-how. Memory is what sticks around after a session ends, and workspace is the working files your workers leave behind. Agents and skills get a whole slide of their own in a bit.
한 번 보여드릴게요. 전역 CLAUDE.md에 "항상 표로 요약해줘" 딱 한 줄을 추가했어요. 그랬더니 같은 질문의 답이, 줄글에서 깔끔한 표로 바뀌죠? 한 줄로 행동이 바뀌는 것 — 이게 바로 "길들인다"는 거예요.Let me show you. I add one single line to the global CLAUDE.md: "always summarize as a table." And now the answer to the same question flips from prose into a clean table — see that? One line changes its behavior. That's what taming it looks like.
14 · 3막 — 익혀두면 좋은 명령어 & 단축키14 · Act 3 — Handy commands & shortcuts
이제 실무에서 매일 쓸 기본기예요. 외울 필요 없어요. 슬래시만 치면 다 나오니까요. 딱 세 개만 기억하세요. 슬래시 context로 지금 대화가 얼마나 찼나 보고, 슬래시 compact로 그걸 요약해 압축하고, 슬래시 clear로 새로 시작. 이 세 개가 비용을 좌우합니다. 나머지는 — 비용 확인하는 슬래시 cost, 모델 바꾸는 슬래시 model, 세션 이어가는 슬래시 resume, 갈래치는 슬래시 branch, 그리고 아까 그 슬래시 btw까지 — 화면에도 있고 치트시트에도 그대로 있어요. 지금 다 외우려 하지 마시고, '이런 게 있구나'만 가져가세요.Now the basics you'll use every day at work. No need to memorize them — just type slash and they all pop up. Remember only three. Slash-context to see how full the conversation is, slash-compact to summarize and shrink it, slash-clear to start fresh. These three drive your cost. The rest — slash-cost to check the bill, slash-model to switch models, slash-resume to pick back up, slash-branch to fork off, and that slash-btw from earlier — they're on the screen and on the cheatsheet. Don't try to memorize them all now; just take away "oh, these exist."
기억 쪽엔 슬래시 init, 슬래시 memory, 그리고 우물정자 한 줄 기억, 골뱅이 파일 참조, 느낌표 명령 실행. 흐름 쪽엔 Shift+Tab으로 플랜 모드 들어가고, Esc로 중간에 멈춰 방향 잡기 — 이게 스티어링이에요. Esc 두 번이면 되돌리기고요.On the memory side: slash-init, slash-memory, plus hash to remember one line, at-sign to reference a file, exclamation mark to run a command. On the flow side: Shift+Tab drops into plan mode, Esc stops it mid-stream to redirect — that's steering — and Esc twice rewinds.
그리고 아까 말씀드렸듯이 — 이 자료 만든 AI조차 슬래시 btw를 "없다"고 우겼어요. 명령어는 버전마다 바뀝니다. 그러니까 슬래시 help가 최종 진실이에요. 이게 또 Rule No.1이죠.And like I said earlier — even the AI that built this deck insisted slash-btw "doesn't exist." Commands change with every version. So slash-help is your ground truth. That, again, is Rule No.1.
15 · Rule No.1의 본론 — 무엇을 믿고 무엇을 검증하나15 · The heart of Rule No.1 — what to trust, what to verify
다시 Rule No.1로 돌아와서, 그럼 구체적으로 뭘 믿고 뭘 검증하느냐. 왼쪽, 비교적 믿어도 되는 것들 — 정리 방향 제안, 방금 내가 준 자료의 요약, 내가 직접 검산할 수 있는 계산, 그리고 일반적인 개념 설명이에요.Back to Rule No.1 — so what exactly do you trust, and what do you verify? On the left, the usually-OK-to-trust stuff: suggestions on how to organize, a summary of material you just handed it, a calculation you can check yourself, and general concept explanations.
오른쪽, 반드시 검증해야 하는 것들 — 구체적인 수치랑 날짜, "존재한다"고 우기는 출처나 기능, "확인했어요"라는 말, 그리고 외부 사실이나 인용이에요. 한마디로 — 검증되는 일엔 강하고, "사실을 안다"고 우길 땐 약합니다.On the right, the always-verify stuff: specific numbers and dates, any source or feature it insists "exists," the words "I checked," and external facts or quotes. In short — it's strong where things can be verified, and weak whenever it insists it "knows a fact."
16 · 3막 — 큰 작업을 다루는 법16 · Act 3 — Handling big work
큰 일을 시킬 땐 자율주행이 아니라 운전 보조라고 생각하세요. 첫째, 계획부터. 바로 시키면 엉뚱한 데로 30분을 갑니다. 계획을 먼저 받아 승인하고 실행하세요. 계획은 Opus, 실행은 Sonnet. 둘째, 스티어링. 가다가 틀리면 Esc로 "아니 그쪽 말고" 하고 계속 잡아주는 거예요.For big jobs, think driver-assist, not self-driving. First, plan first. Tell it to just go and it'll spend 30 minutes heading the wrong way. Get the plan, approve it, then execute. Plan with Opus, execute with Sonnet. Second, steering. When it drifts, hit Esc and go "no, not that way" — keep nudging it back.
셋째, 크로스체크예요. 중요한 결론은 다른 세션에 같은 질문을 다시 던져보세요. 독립적으로 같은 답이 나오면 신뢰도가 올라갑니다. 이게 Rule No.1을 실무로 푸는 가장 확실한 방법이에요. 그런데 이 검증을 "전담하는 일꾼"을 따로 둘 수도 있어요 — 그게 에이전트입니다. 바로 다음 장에서 제대로 보여드릴게요.Third, cross-check. For important conclusions, ask the same question in a separate session. If you independently get the same answer, your confidence goes up. This is the surest way to put Rule No.1 into practice. But you can also set up a dedicated worker just for this verifying — that's an agent. Let me show you properly on the next slide.
17 · 3막 — 누가 일하나: 스킬과 에이전트17 · Act 3 — Who does the work: skills & agents
방금 폴더에서 두 갈래 봤죠. 이제 그 둘만 제대로 짚을게요. 어렵지 않아요, 딱 두 단어예요. 먼저 스킬은 "어떻게"예요. 반복하는 작업의 노하우를 한 번만 박제해 두는 거죠. 예를 들어 매주 똑같은 방식으로 쓰는 주간 리뷰가 있다면, 그 "쓰는 법"을 통째로 스킬로 저장해 두는 거예요. 그리고 필요할 때만 불려 나와요.We saw those two branches in the folder. Now let's nail down just those two. It's easy — only two words. First, a skill is the "how." You freeze the know-how of a repeated task, just once. Say you write the same weekly review the same way every week — you save that whole recipe as a skill. And it only loads when you actually need it.
그리고 에이전트는 "누가"예요. 한 가지 일만 맡는 전문 일꾼이죠. 예를 들어 "사실 검증만 전담하는 일꾼"을 따로 두는 거예요. 아까 크로스체크 말씀드렸죠? 그걸 사람이 매번 직접 하는 대신, 전담 일꾼한테 맡기는 겁니다.And an agent is the "who." A specialist worker that takes on just one job. For example, a worker dedicated only to fact-checking. Remember the cross-check from before? Instead of doing it by hand every time, you hand it to a dedicated worker.
자, 여기서 솔직한 고백 하나 더 할게요. 슬라이드 10에서 "이 발표 자료, Claude Code로 만들었다"고 했죠? 사실은 거기서 한 발 더 갔어요. 이젠 이 자료를, 6인 에이전트 팀이 유지합니다. 한 명은 교육 설계를 맡고, 한 명은 슬라이드를, 한 명은 이 치트시트랑 스크립트를 쓰고, 한 명은 명령어가 진짜 있는지 검증하고, 한 명은 한국어 영어 중국어 세 버전이 안 어긋나는지 점검해요. 그리고 마지막 한 명은, 지금 이 영상의 음성을 만들었습니다.Okay, one more confession. On slide 10 I said "this deck was built with Claude Code," right? Truth is, it went one step further. This deck is now maintained by a team of six agents. One handles instructional design, one does the slides, one writes this cheatsheet and script, one verifies whether the commands actually exist, one checks that the Korean, English, and Chinese versions never drift apart. And the last one made the very voice you're hearing in this video.
기억나세요? 맨 처음에 제가 슬래시 btw 없다고 우긴 AI 얘기 했잖아요. 그런 사고를 막으려고, 이제 "사실 검증만 하는 일꾼"을 팀에 박아둔 거예요. 제가 자료를 한 군데만 고치면, 이 팀이 세 산출물을 한 영 중으로 동기화하고, 모든 명령어 주장을 검증하고, 정합성을 자동으로 점검합니다.Remember the AI at the start that insisted slash-btw didn't exist? To stop that kind of mistake, we've now planted a worker in the team whose only job is fact-checking. I fix one spot in the material, and the team syncs all three deliverables across Korean, English, and Chinese, verifies every command claim, and auto-checks consistency.
이게 바로 아까 말씀드린 그 단어예요. 초보는 프롬프트, 중수는 컨텍스트, 고수는 하네스. 고수는 답을 받지 않고, 하네스를 만들어요. 지금 여러분이 보고 계신 이 자료가, 그 하네스의 실물입니다.And this is exactly that word from before. Beginners, prompts; intermediates, context; experts, the harness. Experts don't take answers — they build the harness. This very deck you're looking at is that harness, in the flesh.
18 · 3막 — 왜 플러그인을 쓰나 · 추천 618 · Act 3 — Why plugins · 6 picks
방금 그 에이전트랑 스킬을, 묶어서 통째로 배포하는 형태가 플러그인이에요. "전문가의 작업 방식을 통째로 빌려오는 것"이라고 보면 돼요.Bundle up those agents and skills and ship them as one package — that's a plugin. Think of it as borrowing an expert's entire workflow, all at once.
여섯 개 빠르게 볼게요. pmprompt은 OKR이나 PRD 같은 PM 전략 프레임워크 모음, frontend-design은 자료를 제품 수준 디자인으로 — 이 발표가 증거고요. deep-research는 여러 출처를 교차검증해서 출처 달린 리포트를 줘요 — 할루시네이션의 정반대죠. claude-mem은 세션 넘어 기억하는 지식 브레인, wowerpoint는 리포트를 공유용 슬라이드로, MCP는 Gmail이나 드라이브, 공공데이터 연결이에요. 안 쓰면 일반인 답, 쓰면 그 분야 전문가 답입니다.Six quick ones. pmprompt is a pack of PM and strategy frameworks like OKRs and PRDs. frontend-design turns your materials into product-grade design — this deck is the proof. deep-research cross-checks multiple sources and gives you a report with citations — the exact opposite of hallucination. claude-mem is a knowledge brain that remembers across sessions, wowerpoint turns a report into shareable slides, and MCP connects to Gmail, Drive, public data. Without them, a layperson's answer; with them, an expert's.
19 · 그래서 — 왜 우리 회사에서19 · So — why at work
"그래서 얼마나 빨라지냐" — 막연한 말 대신 제 실제 경험을 말씀드릴게요. 예전에 마트 쿼리 만들고, 검증하고, 데이터 파이프라인까지 짜는 일이 5일 넘게 걸렸어요. 그걸 Claude Code랑 같이 했더니 — 하루 만에 끝났습니다."So how much faster, really?" — instead of vague promises, let me give you my actual experience. Building a mart query, verifying it, and wiring up the whole data pipeline used to take me over five days. Did it with Claude Code — done in a single day.
한 사람의 5일이 하루가 됐어요. 이게 저 혼자가 아니라 팀 전체에, 매주 누적되면 일하는 방식 자체가 바뀝니다. 거창하게 시작하지 마시고, 여러분 업무 중 가장 반복적인 것 하나부터 해보세요.One person's five days became one. Now imagine that across a whole team, compounding every week — the way you work fundamentally changes. Don't start big. Start with the single most repetitive thing in your job.
숫자로 보면 더 선명해요. 한 사람이 주 4일을 회수하고, 팀이 10명이면 분기에 500시간입니다. 채용 없이 확보하는 캐파예요.The numbers make it crystal clear. Four days saved per person, ten people on a team — five hundred hours a quarter. Capacity gained without a single hire.
20 · 5막 — 그래서, 사람20 · Act 5 — So, the human
이제 마지막, 사람 얘기예요. 이런 도구가 나오면 다들 한 번쯤 생각하시죠. "내 일 없어지는 거 아냐?" 제 답은 — 대체가 아니라 증폭입니다. 이 도구는 여러분이 아는 만큼 깊어져요. 기본만 아는 사람이 던지면 일반적인 답이, 그 분야를 깊이 아는 전문가가 던지면 전문가 수준 답이 나옵니다. 결국 이 무한한 잠재력을 끝까지 끌어내는 건, 자기 일을 정말 깊이 아는 사람이에요. 여러분의 전문성이 곧 출력의 상한선입니다.Now for the last part — the people. When a tool like this shows up, everyone wonders once: "Is my job going away?" My answer — not replacement, amplification. This tool goes as deep as you know. Someone with just the basics gets a generic answer; an expert who knows the field deeply gets an expert-level one. In the end, the one who draws out all of this limitless potential is the person who truly knows their own work. Your expertise is the ceiling of its output.
21 · 5막 — 전문성의 역설21 · Act 5 — The expertise paradox
AI가 나올수록 전문가가 더 크게 앞서갑니다. 도구가 좋아질수록, 그 도구로 가장 큰 성과를 내는 사람은 오히려 전문가예요.The more AI shows up, the further ahead the experts pull. The better the tool gets, the one who gets the most out of it is, of all people, the expert.
왜냐하면요. 역할·독자·데이터·제약·형식·검증 — 전부 내가 알아야 채울 수 있는 칸이에요. 모르면 뭘 시켜야 할지, 나온 게 맞는지 판단조차 못 해요.Here's why. Role, reader, data, limits, format, verify — every one of those is a blank only I can fill if I actually know my field. Without that, I can't even tell what to ask for, or whether the result is right.
전문 지시라야, 전문 결과. AI 시대에 전문성은 사라지는 게 아니라 더 비싸집니다. 도메인 지식이 이 도구를 조종하는 핸들이 되는 거예요.Expert instructions, expert results. In the age of AI, expertise doesn't vanish — it gets more expensive. Your domain knowledge becomes the steering wheel for this tool.
22 · 5막 — 내 무기 벼리기22 · Act 5 — Sharpen your weapon
나만의 지식 창고를 곁에 두는 게 진짜 무기예요. 요즘 RAG라고 부르는 게 바로 이거예요. 풀어 말하면, 필요한 지식, 내 자료를 AI 곁에 두고 답할 때마다 그걸 근거로 끌어오게 하는 거죠. 기억나세요? 슬라이드 2에서 출처를 지어냈던 그 문제, 이게 바로 그 해독제예요. 그리고 한 걸음 더 가면, 그 지식들 사이의 관계까지 정리해 줄 수 있어요. 이걸 온톨로지라고 불러요. 풀어 말하면, 용어를 정의하고 개념끼리의 관계를 정리한 지도예요. 예를 들어 'GMV는 거래액이다', '셀러는 파트너의 하위 개념이다' 같은 식으로요. RAG가 필요한 지식을 곁에 두는 것이라면, 온톨로지는 그 지식들이 서로 어떻게 연결되는지까지 정리해 두는 겁니다.Keeping your own knowledge vault close at hand — that's the real weapon. What people call RAG these days is exactly this. Unpacked, it just means: keep the knowledge you need, your own material, right beside the AI and have it pull from that as evidence every time it answers. Remember slide two, where it invented a source out of thin air? This is the antidote to that. And one step further, you can also organize the relationships between those pieces of knowledge. That's called an ontology. Unpacked, it's a map that defines your terms and lays out how the concepts relate — like "GMV means gross merchandise value," or "a seller is a sub-type of partner." If RAG is keeping the knowledge you need close by, an ontology is also organizing how that knowledge connects to itself.
우리 팀 용어·지표 계산·작년 결정의 이유. 이런 나만의·우리 팀만의 지식 창고를 만들어서 AI가 일할 때마다 꺼내 보게 하는 거예요. CLAUDE.md와 메모리가 첫 삽이에요.Our team's terminology, how we compute our metrics, the reasons behind last year's decisions. You build a knowledge vault that's yours and your team's, and have the AI pull from it every time it works. CLAUDE.md and memory are the first shovelful.
정리는 한 번, 효과는 매번. 잘 정리해둔 맥락은 다시 읽을 때 더 싸게 처리되기도 합니다. 수백 개가 넘는 플러그인 중 내게 맞는 스킬을 찾아 더 뾰족한 무기를 만들어 보세요.Organize once, benefit every time. Well-organized context can even be processed more cheaply on re-reads — that's the caching hint. And out of hundreds of plugins, find the skills that fit you and forge yourself a sharper weapon.
23 · 5막 — 호랑이에게 날개를23 · Act 5 — Wings for the tiger
여호첨익, 如虎添翼 — 호랑이에게 날개를 달아준다는 뜻이에요. 이미 날개(AI)는 준비됐습니다. 내가 얼마나 잘 다느냐에 따라 닭 날개가 될 수도, 용 날개가 될 수도, 로켓 발사체가 될 수도 있어요.如虎添翼 — adding wings to a tiger. The wings, the AI, are already here. Depending on how well you wield them, they can be chicken wings, dragon wings, or a rocket booster.
포인트는 순서예요. 내가 먼저 호랑이여야 합니다. 날개만 있고 호랑이가 없으면 그냥 날아다니는 깃털이에요. 자기 분야에서 단단한 호랑이가 날개를 달 때 진짜 무서워집니다.The point is the order. You have to be the tiger first. Wings without a tiger are just feathers blowing in the wind. It gets truly fearsome only when a solid tiger — solid in its own field — puts the wings on.
도구는 날개일 뿐, 호랑이는 끝까지 나 자신이에요. 우리 조직 모두가 잘 적응해서, 생산성과 결과물이 로켓처럼 날아오르길 바랍니다.The tool is only the wings; the tiger, to the very end, is you. I hope every one of us adapts well, and that our productivity and our output take off like a rocket.
24 · 5막 — 그리고, 속도24 · Act 5 — And the speed
속도 얘기 하나만 더. 여러분 실력은 기하급수적으로 올라갑니다. 오늘 시작한 분, 일주일 뒤, 한 달 뒤가 직선이 아니라 곡선으로 벌어져요. 단, 이건 양날이에요. 계속 더 공부하고 연마하는 사람만 그 곡선을 탑니다. 내가 멈추면, 그 사이 다른 사람들은 계속 위로 올라가고, 나는 그만큼 뒤처져요.One more note on speed. Your skill curve goes exponential. Start today, and you at one week, then one month, diverge on a curve, not a straight line. But it cuts both ways. Only those who keep learning and sharpening ride that curve. Stop, and others keep climbing while you fall behind.
25 · 5막 — 시작은 쉬워졌다, 그래서25 · Act 5 — Starting got easy, and so…
한 가지만 더 짚고 갈게요. 요즘을 "딸깍의 시대"라고 하잖아요. 맞아요 — 시작은 누구나 쉬워졌어요. AI한테 "이런 거 만들어줘" 딸깍 한 번이면 뭔가 나옵니다.One last thing. They call this the age of "one click," right? True — starting got easy for anyone. Tell the AI "make me something like this," one click, and out comes… something.
그런데 — 시작이 쉬워진 만큼, 완성은 오히려 더 어려워졌어요. 나도 납득이 가고, 남한테 자신 있게 보여줄 만한 퀄리티로 끝까지 끌고 가는 거요. 왜냐면 모두의 눈높이가 같이 올라갔거든요. 누구나 딸깍으로 뭔가 만드니까, 이제 "그냥 만든 것"으로는 안 통해요.But here's the thing — as much as starting got easy, finishing got harder. Carrying it all the way to a quality you'd accept yourself and proudly show others. Because everyone's standards rose together. When anyone can click out "something," "just made it" no longer cuts it.
끝까지 못 끌고 가면 어떻게 되냐. 물론 배우는 건 있어요, 그건 남아요. 그런데 결과물만 보면, 토큰이랑 시간만 쓰거나 — 개발 안 하시는 분들을 위해 풀어 말하면 — 여기저기 얽히고설켜서 결국 아무도 못 쓰는 결과물만 남아요. 손볼 수도 없고, 버리자니 아깝고. 그런 게 제일 안타깝죠.And if you don't carry it all the way? Sure, you still learn — that part stays with you. But look at the output and it's just burned tokens and time, or — for the non-developers — a tangled mess nobody can use. Can't fix it, hate to throw it out. That's the saddest outcome.
그래서 더더욱, 자기 실력을 키워야 한다는 거예요. 딸깍은 시작일 뿐이고, 완성까지 끌고 가는 게 진짜 실력이거든요. 그러니 — 작게라도, 끝까지.Which is exactly why you have to build your own skill. The click is only the start; carrying it through to finished is the real skill. So — small, but all the way.
26 · 가장 빠르게 느는 법26 · The fastest way to level up
가장 빠르게 느는 법, 알려드릴게요. 회사 일로 배우는 게 아니에요. 퇴근하고, 혼자, 아주 작은 거 하나 만들어보세요. 웹이든 앱이든 상관없어요. "바이브 코딩"으로 그냥 부딪혀 보세요. 거기서 깨지고 헤매면서 배우는 게, 어떤 강의보다 빠릅니다.Here's the fastest way to level up. It's not through work. After hours, alone, build just one tiny thing. Web, app, doesn't matter. Just dive in, "vibe coding" style. You'll learn faster from breaking things and getting lost than from any lecture.
마지막으로 기억하세요. 초보는 프롬프트, 중수는 컨텍스트, 고수는 하네스. 오늘 여러분은 그 "하네스"의 실물을 직접 보셨어요. 이 자료를 만들고 지금도 유지하는 6인 에이전트 팀, 그게 하네스예요. 거창한 게 아니라, 여러분 업무 하나에서도 시작할 수 있어요. 오늘, 딱 하나만 시작해보세요.And finally, remember: beginners, prompts; intermediates, context; experts, the harness. Today you saw that harness in the flesh — the six-agent team that built and still maintains this deck. It's not some grand thing; you can start from one task in your own job. Today, just start one thing.
리더분이라면, 한 가지 더. 우리 팀에서 가장 반복적인 업무 하나를 이번 분기 파일럿으로 잡아보세요.For those of you who are leaders — one more thing. Pick your team's most repetitive task, and make it your pilot this quarter.
여기까지 들어주셔서 감사합니다. 오늘 만난 이 도구가, 여러분의 다음 한 걸음에 날개가 되어주길 바랄게요. 감사합니다.Thank you for staying with me all the way. I hope the tool we met today becomes wings for your next step. Thank you.