구독료 내던 시대는 끝났다? AI 에이전트와 성과 기반 과금이 바꿀 투자 지도

솔직히 저는 AI가 '시키는 대로만 하는 도구'라고 생각했습니다. 챗GPT에게 질문하면 답변을 주고, 제가 다시 지시하면 그때 또 움직이는 식이었죠. 그런데 최근 구글, 마이크로소프트, 오픈AI가 모두 'AI 에이전트'를 외치기 시작했습니다. 단순히 답변만 하는 게 아니라 스스로 판단하고 행동하며 결과까지 개선하는 AI라는 겁니다. 저처럼 일과 육아를 병행하는 엄마 입장에서 이건 그냥 신기한 기술이 아니라, 제 시간을 벌어다 줄 수 있는 진짜 비서의 탄생을 의미했습니다.

지금까지 써온 AI는 사실 '수동형'이었습니다

여러분은 혹시 AI에게 "내일 미팅 일정 알려줘"라고 물어본 적 있으신가요? 저는 챗GPT에게 이렇게 물었다가 "죄송하지만 제가 캘린더에 접근할 수 없어요"라는 답변을 받았습니다. 이게 바로 LLM(Large Language Model)의 한계입니다. LLM은 방대한 데이터를 학습해 자연어를 이해하고 생성하는 언어 모델을 뜻합니다. 쉽게 말해 텍스트 기반으로 대화하고 글을 쓰는 데 특화된 AI라는 겁니다.

문제는 LLM이 개인 정보나 실시간 데이터에 접근할 수 없다는 점입니다. 제가 아무리 "제 다음 약속이 뭐야?"라고 물어봐도, 제 구글 캘린더를 들여다볼 수 없으니 답을 줄 수가 없었죠. 게다가 LLM은 철저히 수동적입니다. 제가 명령을 내려야만 움직이고, 명령이 끝나면 거기서 멈춥니다(출처: OpenAI 공식 문서).

제가 직접 써보니 확실히 느껴지더라고요. 커피 요청 이메일을 써달라고 하면 완벽하게 써주지만, "지난주에 제가 뭐 했죠?"라고 물으면 아무것도 기억하지 못합니다. 왜냐면 LLM은 대화가 끝나면 문맥을 유지하지 못하고, 외부 시스템과 연동할 수 있는 권한도 없기 때문입니다.

워크플로우는 '규칙 기반 자동화'였습니다

그래서 등장한 게 AI 워크플로우입니다. 워크플로우란 미리 정해진 규칙에 따라 작업이 순차적으로 실행되는 자동화 시스템을 의미합니다. 예를 들어 "이메일이 오면 → 캘린더에 일정 등록 → 슬랙으로 알림 보내기" 같은 식으로 조건과 행동을 연결해 두는 거죠.

저는 실제로 N8N이라는 도구로 뉴스 요약 자동화를 만들어봤습니다. 구글 시트에서 뉴스 링크를 수집하고, Perplexity AI로 기사를 요약한 뒤, Claude로 링크드인 포스트를 작성해서 매일 오전 8시에 자동 업로드되게 설정했습니다. 처음엔 "와, 이거 진짜 편하다"고 생각했어요. 제가 손 하나 까딱 안 해도 콘텐츠가 올라가니까요.

근데 문제가 생겼습니다. 어느 날 보니 링크드인 글 반응이 너무 없는 겁니다. 글이 딱딱하고 재미가 없었거든요. 그래서 프롬프트를 고쳐야 했는데, 이게 결국 제가 직접 해야 하는 일이더라고요. 워크플로우는 제가 짜놓은 경로를 따라가기만 할 뿐, "이 글 반응이 별로네? 다른 스타일로 다시 써볼까?"라는 판단은 하지 못했습니다. 정해진 규칙 밖의 상황에서는 여전히 사람의 개입이 필요했던 겁니다(출처: Make 자동화 가이드).

AI 에이전트는 '자율 판단형 AI'입니다

그럼 AI 에이전트는 뭐가 다를까요? 에이전트는 목표를 받으면 스스로 추론하고 행동하며 결과를 개선하는 자율형 AI입니다. 여기서 자율형이란 사람이 일일이 지시하지 않아도 AI가 스스로 다음 행동을 결정한다는 뜻입니다. 핵심은 세 가지입니다.

• 추론(Reasoning): "이 목표를 달성하려면 어떤 방법이 최선일까?" 스스로 생각합니다
• 행동(Action): 필요한 도구를 찾아 직접 실행합니다
• 개선(Refinement): 결과가 만족스럽지 않으면 다시 시도합니다

제가 실제로 Crew AI를 써봤는데, 정말 신기했습니다. "우리 유튜브 채널 성과 분석해서 다음 영상 기획안 만들어줘"라고 하나의 목표만 던졌어요. 그랬더니 에이전트가 스스로 유튜브 API로 데이터를 가져왔습니다. 어떤 영상이 조회수가 높았는지 찾아냈고, 댓글 반응까지 분석했습니다. 그리고 "이런 패턴의 영상을 만들면 더 잘 될 것 같아요"라고 제안까지 해주더라고요.

더 놀라운 건 마케팅 콘텐츠 제작 에이전트를 만들었을 때입니다. 리서처 에이전트가 트렌드를 찾고, 라이터 에이전트가 글을 쓰고, 에디터 에이전트가 최종 검토를 하는 식으로 여러 에이전트가 협업했습니다. 심지어 에이전트끼리 대화하면서 "이 부분 좀 더 다듬을까?"라고 의견을 주고받았어요. 제가 중간에 개입하지 않아도 결과물이 만족스러울 때까지 스스로 반복하더라고요. 이게 바로 자율성입니다(출처: Crew AI 공식 문서).

육아하는 엄마 입장에서 본 에이전트의 가능성

솔직히 저는 이 기술을 보면서 "아, 이거 육아에 써먹을 수 있겠다"는 생각이 먼저 들었습니다. 이번 주말에 아이 데리고 어디 갈까 고민할 때마다 검색하고, 날씨 확인하고, 준비물 챙기는 게 번거로웠거든요. 근데 AI 에이전트에게 "에너자이저 아이가 좋아할 만한 30분 거리 내 야외 활동 3곳과 준비물 짜줘"라고 하면 어떨까요?

일반 AI는 리스트만 나열합니다. "공원, 놀이터, 키즈카페" 이런 식으로요. 하지만 에이전트는 다릅니다. 제 위치 정보를 확인하고, 실시간 날씨를 체크하고, 아이의 나이와 발달 특성까지 고려해서 최적의 장소를 추천합니다. 동선까지 짜주고, 준비물 리스트까지 만들어주죠. 제가 일정 짜는 시간을 줄이면 그 시간에 아이랑 더 놀아줄 수 있습니다.

저는 요즘 "우리 아이가 커서 AI 에이전트를 지휘하는 대장이 되게 해야겠다"는 생각을 자주 합니다. 지금은 단순히 지식을 많이 외우는 아이가 똑똑하다고 인정받지만, 앞으로는 AI 팀원들을 능숙하게 부리는 리더십을 가진 아이가 경쟁력을 가질 거예요. 질문하고 기다리는 단계를 넘어, 목표를 명확히 설정하고 AI가 그 목표를 달성하도록 지시하는 능력이 핵심이 될 겁니다.

저는 지금 당장이라도 AI 에이전트를 제 업무와 육아에 적극 활용하려고 합니다. 다만 한 가지 걸리는 건, AI가 내린 판단이 정말 최선인지 검증하는 과정이 여전히 제 몫이라는 점입니다. 에이전트가 추천한 장소가 정말 우리 아이에게 맞는지, 제가 원하는 교육 방향과 일치하는지는 결국 엄마인 제가 확인해야 합니다. AI의 자율성이 높아질수록, 역설적으로 사람의 검증 능력이 더 중요해지는 시대가 온 것 같습니다. 그래도 생산성 차이가 100배까지 벌어질 수 있다는 말에는 공감합니다. 지금 배워두지 않으면 정말 뒤처질 수 있겠다는 위기감이 듭니다.

---

참고: https://www.youtube.com/watch?v=MkScRelUMhQ