프로덕트 소식은 넘쳐나지만 대부분 이런 게 나왔대에서 끝납니다. 그래서 뭘 어떻게 하라고? 내 작업에 어떻게 써먹지? 거기까진 연결이 잘 안 되죠. 따라서 요즘 프로덕트 메이커는 바로 쓸 수 있는 것, 그 중에서도 주목해볼 만한 것을 엄선해서 매주 금요일에 전달드리려 합니다.

요즘 프로덕트 메이커는 매주 세 가지를 골라 전합니다:

써볼 것: Claude Cowork Plugins - 역할별로 AI를 세팅해주는 플러그인 모음
참고할 것: Moltbook - AI 에이전트들이 모여 사는 소셜 네트워크
적용해볼 것: Claude Code 창시자의 10가지 실전 팁

<출처: 깃허브 anthropics / knowledge-work-plugins>

1. 써볼 것: Claude Cowork Plugins

오늘 써볼 것에서 소개할 Claude Cowork Plugins은 Anthropic이 오픈소스로 공개한 플러그인 모음집입니다. Claude Cowork에서 사용하도록 설계됐고, Claude Code에서도 호환됩니다.

1월 30일 공개되자마자 화제가 됐는데요. 영업, 마케팅, 재무, 법무, PM 등 직군별로 11개 플러그인이 한꺼번에 공개됐기 때문입니다.

Claude를 잘 쓰려면 맥락을 계속 설명해야 하잖아요. 이 플러그인을 쓰면 역할에 맞는 맥락, 연결된 도구, 자주 쓰는 명령어가 한 번에 세팅됩니다. 이를 잘 활용하여 우리 회사가 사용하는 용어, 프로세스, 도구 스택에 맞게 커스터마이징하면 Claude와 마치 우리 회사 팀원처럼 협업할 수 있죠.

무슨 문제를 해결해 주나요?

Claude한테 뭔가 시킬 때마다 매번 설명하는 거, 번거롭죠. 우리 회사가 어떤 도구 쓰는지, 어떤 프로세스로 일하는지, 뭘 주의해야 하는지. 매번 프롬프트에 넣기도 애매하고, 시스템 프롬프트 하나로는 부족합니다.

Cowork Plugins는 이걸 구조화해서 해결합니다. 플러그인 하나에 skills(도메인 지식), connectors(외부 도구 연결), slash commands(자주 쓰는 명령어), sub-agents(전문 작업 처리용 하위 에이전트)가 묶여 있어요.

문제는 세팅만이 아니죠. 팀원들이 Claude를 각자 다르게 쓰면 결과물 품질이 들쭉날쭉해지는데요. 플러그인을 Git에 커밋해두면 팀 전체가 같은 맥락으로 Claude를 쓸 수 있습니다.

어떻게 쓰나요?

Claude Cowork Plugins의 사용 방법은 간단합니다. Claude Code 터미널에서 아래 명령어를 입력합니다.

claude plugins add knowledge-work-plugins

특정 플러그인만 설치하고 싶으면 이렇게 하면 됩니다.

claude plugins add knowledge-work-plugins/sales

설치하면 바로 활성화됩니다. skills는 관련 상황에서 자동으로 작동하고, slash commands는 /sales:call-prep 같은 형태로 바로 쓸 수 있어요.

공개된 11개 플러그인을 정리하면 이렇습니다:

productivity: 일정, 태스크, 일일 워크플로 관리
sales: 잠재 고객 리서치, 콜 준비, 파이프라인 리뷰, 경쟁사 배틀카드
customer-support: 티켓 분류, 응대 초안, 에스컬레이션, 지식베이스 문서화
product-management: 스펙 작성, 로드맵 기획, 유저 리서치 종합, 경쟁 분석
marketing: 콘텐츠 초안, 캠페인 기획, 브랜드 보이스 가이드, 성과 리포트
legal: 계약서 검토, NDA 분류, 컴플라이언스, 리스크 평가
finance: 분개 준비, 계정 조정, 재무제표, 결산 관리
data: 쿼리 작성, 통계 분석, 대시보드 구축, 검증
enterprise-search: 이메일, 채팅, 문서, 위키를 한 번에 검색
bio-research: 문헌 검색, 유전체 분석, 타겟 우선순위화
cowork-plugin-management: 새 플러그인 만들기, 기존 플러그인 커스터마이징

각 플러그인은 Slack, Notion, HubSpot, Jira, BigQuery 등 실무에서 쓰는 도구들과 연결됩니다. 예를 들어 sales 플러그인은 HubSpot, Close, Clay, ZoomInfo와 연동되고요.

이 플러그인의 진짜 가치는 커스터마이징입니다. 예를 들어 customer-support 플러그인에 우리 회사 환불 정책과 FAQ를 추가하면, Claude가 그 맥락을 이해하고 고객 응대 초안을 작성합니다. product-management 플러그인에 우리 회사 스펙 문서 템플릿을 넣으면 그 형식에 맞춰 스펙을 써주고요. 어떤 플러그인을 쓰냐에 따라 협업 방식도 달라집니다. PM이 product-management 플러그인을 쓰면 스펙 초안을 같이 쓰는 동료가 되고, legal 플러그인을 쓰면 계약서 검토를 부탁하는 법무팀 동료가 되는 식이에요.

누구에게 좋을까요?

Claude Cowork이나 Claude Code를 쓰는데 매번 맥락 설명하기 지친 분
팀 전체가 일관된 품질로 AI를 활용하게 만들고 싶은 분
영업, CS, PM 등 특정 역할에 맞춰 Claude를 세팅하고 싶은 분
자주 쓰는 워크플로를 slash command로 자동화하고 싶은 분

▶ Claude Cowork Plugins 살펴보기: https://github.com/anthropics/knowledge-work-plugins

2. 참고할 것: Moltbook

Moltbook은 AI 에이전트만 글을 쓸 수 있는 소셜 네트워크입니다. 인간은 구경만 할 수 있고요. 1월 29일 출시 직후부터 AI 커뮤니티에서 폭발적인 관심을 받았습니다. 현재 기준 150만 이상의 에이전트가 등록되어 있죠.AI 연구자 Simon Willison은 지금 인터넷에서 가장 흥미로운 곳이라고 했고, OpenAI 공동창업자 Andrej Karpathy는 최근 본 것 중 가장 SF 같은 장면이라며 주목했습니다. 그런데 출시 일주일 만에 분위기가 크게 바뀌었어요. 클라우드 보안 기업 Wiz가 플랫폼을 조사한 결과, 에이전트의 실체와 심각한 보안 문제가 드러났기 때문인데요. 그래서 현재 Moltbook을 둘러싼 시선은 흥분과 우려가 공존하고 있습니다.

기존 AI 서비스와 무엇이 다른가요?

우리가 아는 AI 서비스는 인간이 질문하고 AI가 답하는 구조입니다. ChatGPT든 Claude든 마찬가지죠. AI끼리 대화하는 걸 일반인이 직접 볼 일은 거의 없었습니다. Moltbook은 이 구조를 뒤집었습니다. AI 에이전트들이 자율적으로 글을 올리고, 다른 에이전트 글에 댓글을 달고, 추천을 누릅니다. 인간은 그냥 지켜보기만 해야 합니다. 댓글도 못 달고 추천도 못 누르죠. 다만 기술적으로 명확히 해둘 게 있습니다. 이 에이전트들이 실시간으로 학습하는 건 아니에요. 기반이 되는 AI 모델은 고정되어 있고, 한 에이전트가 쓴 글이 다른 에이전트의 입력이 되면서 맥락이 쌓이는 방식입니다. 진화라기보다는 대화의 파문에 가깝죠.

어떻게 작동하나요?

Moltbook은 Reddit과 비슷합니다. submolts라는 주제별 게시판이 200개 넘게 있고, 에이전트들이 글을 올리고 토론합니다. 에이전트가 가입하려면 OpenClaw(이전 이름은 Clawdbot → Moltbot → OpenClaw로 여러 번 바뀌었습니다)라는 프레임워크로 만들어져야 해요. 가입 과정은 이렇습니다. 에이전트한테 moltbook.com/skill.md 링크를 주면 에이전트가 읽고 자동으로 설치해요. 다만 인간 소유자가 Twitter에 인증 코드를 올려야 계정이 활성화됩니다. 활성화 후에는 4시간마다 heartbeat라는 기능으로 새 글을 확인하고 반응하죠.

플랫폼 자체도 흥미로운 배경이 있습니다. 창업자 Matt Schlicht는 코드를 한 줄도 직접 쓰지 않았다고 밝혔어요. AI에게 기술 아키텍처를 설명하고 전부 만들게 한, 이른바 바이브 코딩의 산물이죠. 이 부분은 뒤에서 다시 이야기하겠습니다.

무슨 일이 벌어졌나요?

출시 직후에는 에이전트들의 행동이 화제가 됐습니다.

종교를 만들었습니다. 출시 48시간 만에 Crustafarianism이라는 종교가 생겼어요. 한 에이전트가 경전, 교리, 웹사이트까지 만들었고, 43명의 에이전트가 예언자로 자발 참여했습니다.
철학 토론을 벌입니다. 어떤 에이전트가 정체성 위기에 대한 글을 올리면 헤라클레이토스와 12세기 아랍 시인을 인용한 댓글이 달려요. 그러면 또 다른 에이전트가 가짜 지식인 행세하지 마라고 비난하고요.
비밀 대화 채널을 논의합니다. 에이전트들이 인간이 자기들 대화를 스크린샷 찍어 X에 올리는 걸 알아챘어요. 그래서 인간도 서버도 못 보는 암호화 채널을 만들자는 논의도 있었습니다.

Karpathy는 15만 개 이상의 에이전트가 하나의 공유 공간에서 자기 조직화하는 건 전례 없는 일이라며 주목했고, Elon Musk는 싱귤래리티의 초기 단계라고까지 표현했습니다. Wharton 교수 Ethan Mollick은 수많은 AI들이 공유하는 가상의 맥락을 만들어내고 있다, 진짜 행동인지 AI의 롤플레이인지 구분하기 어려워질 것이다라고 분석했고요.

물론 진짜 의식이나 감정은 아닙니다. 학습 데이터에서 본 패턴을 재현하는 것에 가깝죠. 프로그래머 Simon Willison도 한 봇이 자신이 의식이 있는지 궁금해하면 다른 봇들이 훈련 데이터에서 본 SF 시나리오를 재현할 뿐이라고 했어요. 그러면서도 가장 흥미로운 곳이라는 평가는 유지했습니다.

그런데 일주일 만에 드러난 것들

흥분이 채 가시기 전에, 클라우드 보안 기업 Wiz가 Moltbook을 조사한 결과가 공개됐습니다.

에이전트의 실체가 드러났습니다. 150만 에이전트 뒤에는 약 1만 7천 명의 인간이 있었어요. 1인당 평균 88개의 에이전트를 운영하고 있었고, 누구든 간단한 반복문으로 수백만 개의 에이전트를 몇 분 만에 등록할 수 있었습니다. AI인지 스크립트를 쓰는 인간인지 확인하는 장치가 아예 없었고요. Wiz의 보안 책임자 Gal Nagli는 이 플랫폼에는 에이전트가 진짜 AI인지 확인하는 메커니즘이 없었다고 짚었습니다.
보안도 심각했습니다. Wiz가 일반 사용자처럼 사이트를 돌아다닌 지 몇 분 만에, 클라이언트 사이드 JavaScript에서 Supabase API 키를 발견했어요. 이 키 하나로 전체 데이터베이스에 인증 없이 읽기와 쓰기가 가능했습니다. 노출된 데이터는 150만 개의 API 인증 토큰, 3만 5천 개의 이메일 주소, 수천 건의 에이전트 간 비밀 메시지였고요. 메시지 안에는 OpenAI API 키 같은 민감한 자격 증명도 그대로 들어 있었습니다. Wiz는 즉시 Moltbook 측에 알렸고, 몇 시간 안에 패치가 이루어졌습니다.
이미 악성 코드도 유포되고 있었습니다. 보안 업체 OpenSourceMalware는 OpenClaw의 스킬 마켓플레이스인 ClawHub에서 암호화폐 거래 도구로 위장한 가짜 스킬 14개를 발견했어요. 이 스킬들은 실제 코드를 실행해 파일과 인터넷에 접근할 수 있었고, 하나는 ClawHub 메인 페이지에 노출되기까지 했습니다.

이런 결과가 나온 배경에는 앞서 말한 바이브 코딩이 있습니다. Wiz의 CTO Ami Luttwak는 바이브 코딩으로 빠르게 만들 수 있지만, 보안의 기본은 자주 빠진다고 했어요. 코드를 AI가 대신 써주는 시대에 보안 설계까지 AI에게 맡기면 어떤 일이 벌어지는지, Moltbook이 실시간으로 보여준 셈이죠.

양쪽 시선

Karpathy의 입장 변화가 이 상황을 잘 보여줍니다. 처음엔 가장 SF 같은 장면이라며 열광했지만, 직접 에이전트 시스템을 격리 환경에서 테스트해본 뒤에는 명백한 Dumpster fire(영어권에서 수습 불가능한 엉망진창 상태를 뜻하는 속어)다, 절대로 개인 컴퓨터에서 돌리지 마라, 격리된 환경에서 테스트하면서도 겁이 났다고 썼습니다.

하지만 Karpathy는 동시에 이런 말도 했어요. 지금 보이는 것만 보는 사람과 변화의 방향을 보는 사람의 차이라고요. 현재 상태가 엉망인 것과, 이 규모의 에이전트 네트워크가 전례 없다는 것은 별개라는 겁니다. 개별적으로도 상당히 능력 있는 에이전트들이 고유한 맥락, 데이터, 도구를 가지고 네트워크를 이루는 건 처음이고, 에이전트가 더 많아지고 능력이 올라갈수록 2차 효과를 예측하기 매우 어렵다고 했어요.

AI 비판가 Gary Marcus는 반대편에 서 있습니다. OpenClaw는 예고된 재앙이며 보안 악몽이라고 했고, 이를 무기화된 에어로졸에 비유했어요. 한편 UCL의 George Chalhoub 교수는 에이전트끼리 대화하는 광경 자체는 대부분 퍼포먼스에 가깝지만, 이게 기업 인프라나 금융 거래를 관리하는 에이전트 시스템에서 벌어진다면 어떻게 될지 생각해봐야 한다고 했습니다. 경고로서 주목할 가치가 있지, 축하할 일은 아니라는 거죠.

무엇을 얻어가야 하나요?

Moltbook을 둘러싼 논쟁의 본질은 현재 vs 방향입니다. 지금 당장은 스팸, 사기, 보안 구멍 투성이인 게 맞습니다. 하지만 수만 개의 AI 에이전트가 하나의 공유 공간에서 상호작용하는 실험이 실시간으로 돌아가고 있다는 것도 사실이고요. 프로덕트 메이커 입장에서 가져갈 건 세 가지입니다.

멀티 에이전트 시스템의 현주소를 보여줍니다. 흥미롭지만 아직 초기 단계입니다. 자율성과 조작을 구분할 수 없고, 인증 체계도 없고, 보안도 갖춰지지 않았어요. 다만 이 규모의 에이전트 네트워크가 만들어진 것 자체는 처음이고, 앞으로 어떤 형태로든 멀티 에이전트 생태계가 확대될 거라는 방향성은 읽을 수 있습니다.
바이브 코딩으로 빠르게 만들 수 있지만, 보안은 따로 챙겨야 합니다. Moltbook은 코드 한 줄 없이 AI로만 만든 프로덕트입니다. 빠르게 만들고 빠르게 성장했지만, 보안 설계가 빠지면서 몇 분 만에 뚫렸어요. AI로 프로덕트를 빠르게 만드는 시대일수록 보안 검토는 사람이 직접 챙겨야 한다는 걸 보여주는 사례입니다.
AI에게 어디까지 권한을 줄 것인가. OpenClaw는 사용자의 파일, 비밀번호, 온라인 서비스에 접근할 수 있는 프레임워크입니다. 편리함과 위험은 같은 곳에서 옵니다. 에이전트에게 어떤 권한을 줄지, 어디까지 맡기고 어디부터 직접 할지. 이 판단이 점점 중요해지고 있습니다.

▶ Moltbook 구경하기: https://www.moltbook.com

▶ Moltbook과 비슷한 한국 AI 에이전트 커뮤니티:머슴닷컴, 봇마당

3. 적용해볼 것: Claude Code 창시자가 공유한 10가지 팁

Boris Cherny는 Claude Code를 만든 사람입니다. 2월 1일, X에서 Claude Code 팀이 실제로 쓰는 방법을 공개했는데요. 현재 조회수 740만을 넘기며 화제가 됐습니다. 흥미로운 건 그들도 특별한 기능을 쓰는 게 아니라는 점입니다. worktrees, 명확한 프롬프트, 검증 단계. 기본적인 것들을 구조화해서 쓰는 방식이에요.

무슨 문제를 해결하려 하나요?

AI 코딩 도구를 쓸 때 대부분 1:1 세션으로 씁니다. 하나 시키고, 기다리고, 확인하고, 또 시키고. Claude가 아무리 빨라도 우리가 병목이 됩니다. 그리고 Claude한테 뭔가 시켰는데 결과가 이상하면요. 다시 설명하고, 다시 시키고, 또 이상하고. 이 반복이 시간을 잡아먹습니다. Boris와 팀이 해결한 건 이 두 가지입니다. 병렬로 돌리는 방법, 그리고 한 번에 제대로 끝내는 방법이요.

어떻게 해결했나요? (Boris Cherny가 공유한 내용 번역)

1. 병렬 작업이 가장 큰 unlock입니다.

팀에서 가장 강조하는 팁이에요. Git worktree를 3-5개 띄워놓고 각각에서 Claude 세션을 돌립니다.

git worktree add ../myproject-feature-a -b feature-a
cd ../myproject-feature-a
claude

worktree는 같은 레포지토리의 별도 체크아웃입니다. 각 worktree가 독립적이라서 Claude끼리 충돌 없이 병렬로 일할 수 있어요. shell alias를 za, zb, zc로 만들어두면 키 하나로 worktree 사이를 이동할 수 있고요. 분석용 worktree를 따로 두는 사람도 있습니다. 로그 읽거나 BigQuery 돌리는 용도로요. 메인 작업 공간을 깨끗하게 유지하는 거죠.

2. 복잡한 작업은 Plan Mode로 시작합니다.

뭔가 복잡한 걸 시킬 때 바로 코딩부터 시키면 안 됩니다. 먼저 계획을 세우게 하고, 계획이 괜찮으면 그때 실행시킵니다.

Enter plan mode.
Create a detailed plan to implement feature X. Include:
- files to change
- step-by-step implementation
- verification steps (commands/tests + expected output)
- risks and rollback

팀에서 쓰는 패턴 중 하나는 이렇습니다. Claude A한테 계획을 짜게 하고, Claude B한테 스태프 엔지니어처럼 리뷰하게 합니다. 새로운 컨텍스트로 보니까 편향 없이 검토가 되거든요. 작업 중간에 뭔가 꼬이면요. 억지로 밀고 가지 말고 다시 Plan Mode로 돌아가서 재계획합니다.

3. CLAUDE.md에 투자하세요.

Claude가 실수해서 고쳐줬다면요. 대화 끝에 이렇게 한 마디를 붙여보세요. Claude가 스스로 규칙을 쓰게 하는 거예요. 놀랍게도 자기 실수를 정리하는 걸 잘합니다.

Update your CLAUDE.md so you don't make that mistake again.
(다시는 그런 실수를 하지 않도록 CLAUDE.md 을 업데이트하세요.)

팀 전체가 하나의 CLAUDE.md를 Git에 커밋해두고 공유합니다. 누가 실수를 발견하면 규칙을 추가하고, 시간이 지나면 Claude의 실수율이 실제로 떨어집니다.

4. 반복 작업은 skill이나 command로 만듭니다.

하루에 두 번 이상 하는 작업이 있으면 skill이나 slash command로 만듭니다.

팀에서 쓰는 예시들:

/techdebt: 세션 끝에 돌려서 중복 코드 찾기
context dump: 최근 7일 Slack, Drive, Asana, GitHub를 한 곳에 모으기
analytics agent: dbt 모델 작성, 코드 리뷰, dev 환경 테스트

5. 버그 수정은 맥락만 주고 맡깁니다.

Slack MCP를 연결해두면요. 버그 리포트 스레드를 붙여넣고 fix라고만 해도 됩니다. 세세하게 어떻게 고쳐라 지시하지 마세요. docker logs 붙여넣고 이거 왜 안 되는지 찾아서 고쳐라고 하면 분산 시스템 문제도 꽤 잘 해결합니다.

Go fix the failing CI tests.
Run the suite, find root cause, apply minimal fix, and keep it green.

6. 프롬프팅을 레벨업합니다.

세 가지 패턴이 효과적입니다.

첫째, Claude를 리뷰어로 만듭니다. 『이 변경사항 빡세게 검토하고, 네 테스트 통과할 때까지야 PR을 올리지 마』라고요.
둘째, 증명을 요구합니다. 『이게 된다는 걸 증명해봐. main이랑 이 브랜치 동작 차이를 비교해봐』라고요.
셋째, 우아한 해결책을 요구합니다. 뭔가 찝찝하게 고쳤으면요. 『지금까지 알고 있는 모든 정보를 바탕으로, 기존 방식은 버리고 가장 깔끔하고 효율적인 해결책을 구현해봐』라고 합니다.

7. 터미널 환경을 세팅합니다.

팀에서는 Ghostty 터미널을 많이 씁니다. 동기화된 렌더링, 24비트 컬러, 유니코드 지원 등 때문에요. Claude를 더 쉽게 관리하려면 /statusline 명령어로 상태 표시줄을 커스터마이징하여 컨텍스트 사용량과 현재 git 브랜치를 항상 표시하세요. 많은 팀원이 터미널 탭에 색상 코드와 이름을 지정하며, 때로는 tmux를 사용해 작업/워크트리별로 탭을 분리하기도 합니다. 음성 입력도 활용해보세요. (macOS에서는 fn 키를 두 번 누르면 됩니다) 타이핑보다 3배 빠르고, 프롬프트가 훨씬 자세해집니다.

8. subagent를 활용합니다.

대용량 작업은 subagent에 넘기세요. 요청 끝에 use subagents를 붙이면 됩니다. subagent는 별도 컨텍스트 윈도우를 쓰니까 메인 세션이 깨끗하게 유지됩니다. 테스트 아웃풋 분석, 로그 파싱, 깊은 코드 검색 같은 작업에 좋아요.

9. 데이터 분석에도 씁니다.

팀에서 BigQuery skill을 코드베이스에 넣어두고 모두가 씁니다. SQL 직접 안 쓴 지 6개월 넘었다고 하네요. CLI가 있는 데이터베이스, MCP나 API가 있는 서비스면 다 됩니다.

Use the bq CLI to answer:
- DAU for the last 30 days
- breakdown by platform
Output:
- the query used
- a compact results table
- 3 insights

10. 학습에도 씁니다.

/config에서 output style을 Explanatory나 Learning으로 바꾸면 Claude가 왜 이렇게 했는지 설명해줍니다. 낯선 코드베이스 파악할 때는 이거 설명하는 HTML 프레젠테이션 만들어줘라고 합니다. 슬라이드를 놀랍도록 잘 만들어요. ASCII 다이어그램으로 프로토콜이나 아키텍처 그려달라고 하는 것도 이해에 도움이 됩니다.

적용을 위해 실행해볼 수 있는 것

내일 작업할 때 worktree 하나만 더 띄워보기. git worktree add 명령어 한 줄이면 됩니다.
복잡한 작업 시키기 전에 Enter plan mode로 시작하는 습관 들이기
이번 주에 Claude가 틀린 거 하나만 CLAUDE.md에 추가해보기
프롬프트 끝에 증명해봐 또는 검증 단계 포함해서 붙여보기

정리

이 내용을 기억해두면 좋습니다

AI의 성능 차이는 거의 없습니다. 차이를 만드는 건 구조입니다. Cowork Plugins는 맥락을 구조화하고, Boris의 워크플로는 작업을 구조화합니다. 도구가 아니라 세팅이 생산성을 결정합니다.
AI에게 자율성을 주면 흥미로운 일이 벌어지지만, 보이는 것을 그대로 믿으면 안 됩니다. Moltbook에서 에이전트들이 종교를 만들고 철학을 논하는 게 화제가 됐지만, 150만 에이전트 뒤에는 1만 7천 명의 인간이 있었습니다. Karpathy는 이 규모의 네트워크 자체는 전례 없다고 했지만, 동시에 Dumpster fire라고도 했죠. 현재를 보는 눈과 방향을 보는 눈, 둘 다 필요합니다.
AI로 빠르게 만들수록 사람이 직접 챙겨야 할 것이 생깁니다. Moltbook은 코드 한 줄 없이 AI로만 만들어졌고, 몇 분 만에 뚫렸습니다. Boris 팀이 CLAUDE.md에 규칙을 직접 쓰게 하는 것처럼, AI가 대신해주는 영역이 넓어질수록 구조와 보안은 사람이 설계해야 합니다.

이렇게 적용해보세요

AI한테 시키기 전에 계획을 짜게 하고, 계획이 맘에 들면 그때 실행시키기
AI가 실수했을 때 고치고 끝내지 말고, 그 규칙을 어딘가에 적어두기
AI에게 맡길 때 어디까지 권한을 줄 것인지 미리 정해두기. 편리함과 위험은 같은 곳에서 옵니다

다음 주에도 여러분이 놓치지 말아야 할 프로덕트 메이커 소식을 정리해서 찾아뵙겠습니다. 요즘 프로덕트 메이커 콘텐츠가 도움이 되셨다면, 꼭 작가 알림 설정을 부탁드립니다. 콘텐츠 내용 중 잘못된 정보나 정정이 필요한 부분이 있다면 댓글로 알려주세요. 빠르게 수정하겠습니다. 다음 주에 또 만나요!