아티클

다양한 읽을거리를 확인해 보세요.

전체 445건

[그로스 IQ 03] 레드불, 태국인 약사와 오스트리아인 기업가의 의기투합

📅 2026년 9월 25일 · 👁 24

[그로스 IQ 03] 레드불, 태국인 약사와 오스트리아인 기업가의 의기투합“우리는 제품을 소비자에게 가져다주지 않는다. 소비자를 제품이 있는 곳으로 기꺼이 찾아오게 만든다.”— 디트리히 마테시츠Dietrich Mateschitz, 레드불 공동 창업자 겸 CEO1984년 어느 날, 오스트리아의 치약 영업 사원 디트리히 마테시츠는 태국 출장 중 한 약사를 만났다. 시차 적응에 힘들어하던 그에게 약사 찰레오 유비디야Chaleo Yoovidhya가 현지 음료인 끄라팅댕Krating Daeng을 권했다. 끄라팅댕은 태국어로 ‘붉은 황소’, 즉 레드불을 뜻한다.수 세기 동안 인류는 에너지를 끌어올리기 위해 차, 커피, 청량음료 등 다양한 수단을 활용다. 하지만 사람들은 늘 더 강력한 자극을 원했고 마침내 카페인 이상의 성분을 포함한 에너지 음료의 시대가 열렸다. 그 중심에 레드불이 있었다. 에너지 음료 시장은 2008년부터 2012년 사이 60퍼센트나 성장했으며 2012년 미국 매출만 125억 달러에 달했다. 창업자 마테시츠는 “우리가 시장을 만들어 내지 않으면 시장은 존재하지 않는다”라고 입버릇처럼 말했다. 기업으로서 이보다 더 압도적인 위치를 점하기는 어려울 것이다.본래 끄라팅댕은 장시간 근무하는 노동자와 트럭 운전사를 위한 무탄산 음료로 개발되었다. 이후 스포츠 이벤트에 제품을 무상 제공하는 전략으로 태국 시장에서 성공을 거뒀다. 하지만 이 음료의 진정한 진화는 마테시츠의 손에서 시작되었다. 그는 태국 현지 음료를 글로벌 시장에 맞게 변모시킨다면 완전히 새로운 카테고리를 창출할 수 있다고 확신했다. 그는 음료를 세련된 파란색과 은색 캔에 담고 로고를 수정했으며 파격적 전략에 기반한 마케팅 캠페인을 전개했다.레드불이 처음부터 성공 가도만 달린 것은 아니었다. 초기 동유럽 시장에서는 거의 외면 받다시피 했다. 그러나 1997년 미국 시장 진출을 기점으로(경로 5 고객 및 제품 다각화, 경로 3 시장 확장 가속화) 폭발적 인기를 끌기 시작했다. 현재 레드불은 전 세계에서 연간 620억 캔 이상 판매되는 에너지 음료의 독보적 상징이 되었다.1987년 오스트리아에서 출범한 레드불은 먼저 특유의 단맛을 줄이고 탄산을 추가하는 레시피 수정(경로 4 제품 라인업 확장)을 통해 서구인의 입맛을 사로잡았다. 이후 레드불은 에너지 음료의 대명사가 되었고, 지금까지도 거대 음료 기업 사이에서 선두 자리를 지키고 있다. 콜라를 “코크”, 인터넷 검색을 “구글링”이라 부르듯 이제 많은 사람이 브랜드와 상관없이 모든 에너지 음료를 “레드불”이라 부를 만큼 강력한 정체성을 구축했다.변방에서의 공격코카콜라와 펩시의 라이벌 관계는 비즈니스 역사의 고전이다. 두 기업은 시장 주도권을 잡기 위해 수십 년간 이른바 콜라 전쟁을 벌였다. 1886년 약사 존 S. 펨버턴.이 코카콜라 레시피를 개발한 지 12년 뒤, 또 다른 약사 케일럽 브래덤에 의해 펩시콜라가 탄생했다. 이후 두 회사는 톱스타 마케팅, 끊임없는 신제품 출시, 용기 디자인 변경, 독점 파트너십 등 모든 수단을 동원해 서로를 꺾으려 애썼다.두 진영의 팬들은 상대방 제품으로 갈아탈 생각조차 하지 않을 만큼 충성도가 높았다. 하지만 레드불이라는 신생 기업이 등장하며 판도가 뒤집혔다. 레드불은 기존의 광고 방식에서 벗어나 입소문 전략을 택했다. 레드불은 코카콜라나 펩시와 직접 부딪히는 대신 에너지 음료라는 새로운 개념을 창조해 냈다. 그 결과 누구도 침범할 수 없는 비경쟁 시장을 구축했다. 따라서 레드불은 경쟁사의 눈치를 보거나 성장 정체를 고민할 필요가 없었다. 오직 자신들이 가장 잘하는 일에만 집중하면 그만이었다. 대학 캠퍼스 내 입소문 확산, 소비자가 스스로 가치를 깨닫게 만드는 맥락 설명, 익스트림 스포츠 후원 등 파격적 전략은 레드불을 2002년까지 전 세계 점유율 과반을 차지하는 절대 강자로 만들었다.이 기간 레드불은 사실상 독점적 지위를 누렸다. 초기 5년 동안은 오스트리아 자국 시장에서 고객 기반 확대 경로를 추진하며 내실을 다졌다. 1992년이 되어서야 비로소 시장 확장 가속화 경로를 밟으며 해외로 뻗어 나갔다. 본거지에서 인지도를 쌓고 충성 고객을 확보한 뒤 확장하는 이 치밀한 순서는 글로벌 시장 안착의 핵심 동력이었다. 만약 처음부터 글로벌 확장을 시도했다면 공급망 붕괴를 겪거나 잠재적 경쟁자들에게 성장 기회를 너무 일찍 노출하는 실수를 범했을지도 모른다. 그런데 당시 거대 탄산음료 브랜드들이 레드불의 행보에 거의 신경을 쓰지 않았다는 사실이 흥미롭다.거대 기업들은 흔히 과거의 성공에 취해 시장 맥락의 변화를 놓치곤 한다. 카테고리 주변부에서 움직이는 작은 기업들을 대수롭지 않게 여긴다. 그러다 전혀 예상치 못한 경쟁에 휘말려 주도권을 빼앗긴다. 실제로 2011년 기준 레드불의 전체 탄산음료 시장 점유율은 1퍼센트에 불과했지만 에너지 음료 시장에서는 44퍼센트를 장악하며 연간 46억 캔을 팔아치우고 있었다.현재 레드불은 기존 성장 경로들에 고객 및 제품 다각화 경로를 결합하는 데 집중하고 있다. 만약 제품 다각화를 너무 서둘렀다면 오히려 초기 충성 고객들을 잃었을 가능성이 크다. 지금도 레드불의 다양한 맛 제품들은 오리지널의 명성을 탄탄하게 보조하는 역할을 수행한다. 파격적 마케팅, 전략적 파트너십, 명확한 차별성 그리고 높은 고객 참여가 결합된 레드불의 전략은 경쟁사들이 그들을 리더의 자리에서 끌어내리는 것을 불가능에 가깝게 만들었다.고객 파악고객 기반 확대 경로를 추구하려면 고객을 피상적으로 아는 수준을 넘어 속속들이 이해해야 한다. 고객이 무엇을 좋아하는지뿐만 아니라 브랜드에 무엇을 기대하는지도 정확히 알아야 한다. 레드불의 성공이 고객에 대한 깊은 이해에서 비롯됐다는 점에는 의문의 여지가 없다. 레드불은 초기부터 눈에 띄는 파격적 전략을 활용해 모험을 즐기는 18~34세의 Y세대 남성층을 명확히 겨냥했다. 그리고 그들이 실제로 모이는 대학 캠퍼스와 익스트림 스포츠 현장에 마케팅 역량을 총동원했다. 시간이 흐르며 레드불은 포뮬러 레이싱의 최상위 스폰서가 되었고 직접 F1팀을 운영하기에 이르렀다. 스노보딩, 클리프 다이빙, 더트 바이크 레이싱은 물론 전미 스톡 자동차 경주 협회NASCAR 같은 거대 스포츠 협회와도 강력한 제휴를 맺었다.레드불은 일대일 고객 확보를 위해 수백만 달러의 광고비를 쏟아 붓는 대신, 정서적 브랜딩을 통해 소비자와 강력한 유대감을 형성했다. 이러한 유대감은 브랜드의 DNA에 깊이 새겨져 있으며 고객이 레드불에 기대하는 본질 그 자체다. 레드불의 성공은 단순히 음료를 마시라고 설득해 얻은 결과가 아니다. 오히려 고객 스스로가 레드불 라이프스타일의 일부가 되고 싶어 하도록 강력한 세계관을 창조해 낸 결과다.소비자를 제품이 있는 곳으로 데려오는 전략레드불은 단 한 번도 제품을 판 적이 없다고 해도 과언이 아니다. 이러한 기조는 지금도 변함이 없다. 레드불은 라이프스타일 중심의 브랜딩과 강력한 소셜 미디어 활동을 통해 이미지를 판다. 제품은 그 이미지의 일부로서 자연스럽게 곁들여질 뿐이다.2013년, 레드불은 광고 문구와 관련된 소송을 1,300만 달러 배상으로 합의하며 마무리했다. 20년 넘게 사용해 온 ‘레드불이 날개를 달아준다Red Bull gives you wings’라는 문구가 문제가 되었다. 이 소송을 통해 우리는 레드불이 실제는 물론, 비유적으로도 날개를 달아주지 않는다는 사실을 비로소 알게 되었다. 하지만 과학적 근거가 부족하다는 사실은 브랜드 이미지에 아무런 타격을 주지 않았다. 레드불의 이미지는 견고하게 유지되었다. 그 결과 레드불은 일반적인 콜라보다 훨씬 비싼 가격을 책정할 수 있었다. 경우에 따라서는 2배 가까운 가격을 받기도 했다.레드불은 선점자 우위를 바탕으로 난공불락의 교두보를 구축했다. 경쟁 기업들이 고객을 가로채려면 이 요새를 반드시 무너뜨려야만 했다. 1999년 록스타 에너지가 등장하기 전까지 레드불은 위협받지 않았다. 2002년 한센 내추럴 코퍼레이션이 몬스터 에너지를 출시할 때까지도 심각한 위기는 없었다. 음료 업계의 거물인 펩시는 2013년에야 마운틴듀 앰프를 내놓으며 시장에 뛰어들었다. 코카콜라는 2014년까지 기다린 끝에 풀 스로틀을 출시했다. 하지만 이 브랜드는 바로 다음 해인 2015년에 몬스터 베버리지에 인수되었다. 이 시점들을 다시 짚어보자. 레드불은 1987년에 출시되었다. 이는 펩시와 코카콜라가 레드불에게 20년이 넘는 독주 기회를 거저 준 것이나 다름없다.레드불은 압도적 시장 점유율과 강력한 브랜드 로열티를 확보했다. 이를 바탕으로 유럽 시장을 장악했다. 레드불은 10년이 넘는 기간 동안 고객 기반 확대 경로를 고집스럽게 유지했다. 지리적 확장을 통한 시장 확장 가속화 경로로 넘어간 것은 그 이후의 일이다. 충분한 기반을 닦은 뒤에 내린 결정이었다.에너지 음료 시장은 계속 성장했다. 레드불은 다양한 맛과 저칼로리, 저설탕 제품을 추가하며 제품 라인업 확장 경로로 이동했다. 이 결정까지 다시 거의 10년의 세월이 걸렸다. 당시 에이미 테일러 마케팅 부사장은 〈USA 투데이〉와 인터뷰를 가졌다. 그녀는 새로운 맛을 추가하는 행위가 브랜드의 자연스러운 다음 단계라고 밝혔다. 테일러는 “맛은 이 분야의 진입 장벽이며 레드불에게도 마찬가지다. 미국 진출 12년이 지난 지금, 우리는 고객에게 혼란을 주지 않고 새로운 맛을 도입할 수 있게 되었다. 이 전략의 본질은 결국 기존 고객 기반을 확대하는 것이다”라고 설명했다.레드불은 올바른 실행 순서를 선택했다. 초기부터 신제품을 쏟아내며 무리하게 다각화하지 않았다. 단순히 새로운 고객을 쫓느라 에너지를 낭비하지도 않았다. 덕분에 브랜드 가치가 희석되지 않았고 기존 고객이 사랑했던 본질도 훼손되지 않았다. 고객 기반 확대 경로를 선택할 때는 공략 시장이 성장 중인지 반드시 확인해야 한다. 그렇지 않으면 잘못된 경로에 시간과 돈, 자원을 낭비할 위험이 크다. 레드불은 성장하는 시장의 주도권을 완벽하게 쥐고 있다. 전 세계 에너지 음료 시장은 2025년까지 848억 달러 규모에 이를 것으로 전망된다.레드불 : 핵심 인사이트새로운 카테고리를 창조하기로 했다면 인내심을 가져야 한다. 사업 초기에는 목표에만 집중해야 한다. 비슷한 영역의 거대 브랜드들과 경쟁하느라 한눈을 팔아서는 안 된다. 레드불의 경우 탄산음료나 에너지 음료 분야의 기존 강자들과 싸우느라 힘을 뺐다면, 의도했던 성장 궤도에서 벗어났을 것이다.고객 기반 확대 경로는 단순히 기존 고객에게 더 비싼 제품을 파는 업셀링 이상의 의미를 갖는다. 이 경로의 핵심은 고객의 정의를 확장하는 데 있다. 현재 다른 브랜드에 돈을 쓰고 있는 유사한 구매자들까지 우리 고객으로 확보해야 한다. 기존 고객 데이터가 없는 상태에서 새로운 구매자를 찾는 일은 쉽지 않다. 하지만 잠재 고객의 취향을 정확히 알고 있다면 방법은 있다. 직접적 판매 활동이 아니더라도 정교한 타깃 마케팅과 광고 캠페인을 통해 그들을 고객으로 끌어들일 수 있다.기존 고객이 제품에 대한 새로운 수요를 직접 만들어 준다면 시장 확장 가속화는 훨씬 쉬워진다. 레드불은 대학생들이 주로 모이는 파티장, 도서관, 커피숍, 바 등을 직접 찾아갔다. 이 과정을 통해 핵심 타깃인 대학생들과 직접 접촉했다. 레드불은 고객 스스로 제품을 이야기하게 만들었다. 덕분에 별도의 비용을 들이지 않고도 강력한 입소문을 퍼뜨릴 수 있었다. 만약 잠재 고객들이 특정 지역에서 당신의 제품이 출시되기만을 손꼽아 기다리고 있다면 그것은 성장을 위한 최고의 신호다.제품을 시장의 화제로 만들기 위해 파격적 수단을 사용하는 것을 두려워하지 마라. 그렇다고 레드불처럼 반드시 F1 팀을 소유하거나 후원해야 한다는 뜻은 아니다. 약 3만 7천 미터 높이에서 스카이다이빙을 하는 거대한 프로젝트로 대중의 관심을 끌어야 한다는 말도 아니다. 하지만 레드불의 행보에서 배울 점은 분명히 있다. 레드불은 항상 이벤트를 활용해 소비자에게 다가갔다. 마케팅 활동에서 타깃 고객을 최우선에 두었고, 제품 판매는 그 다음 순위로 밀어뒀다.레드불은 콘텐츠와 이벤트를 마치 유능한 세일즈 팀처럼 활용한다. 레드불의 모든 활동은 한 가지 개념으로 요약된다. 타깃 고객이 사랑하는 주제를 중심으로 콘텐츠를 만드는 것이다. 이를 통해 에너지 음료에 전혀 관심이 없는 사람들조차 흥미를 느낄 만한 경험을 제공한다.

[아티클 03] AI 에이전트, 하네스가 필요할 때

📅 2026년 9월 23일 · 👁 42

[아티클 03] AI 에이전트, 하네스가 필요할 때모델이 아무리 똑똑해져도 풀리지 않는 문제가 있습니다. 우리는 이미 컨텍스트 엔지니어링을 배웠고, 스킬도 만들었는데 이 정도도 부족한 걸까요? 사실, 1년 전 같았으면 필요 없었을지도 모릅니다. 하지만 지금은 조금 다르죠. 에이전트에게 한 시간짜리 작업을 맡겨놓고 점심을 먹으러 나가는 시대에 들어왔습니다. 개발자가 퇴근한 뒤에도 AI가 밤새 대신 개발하는 시대라는 말입니다. 그러나 사용자가 자리를 비우는 시간 동안 AI에게 일을 잘 시키려면 ‘딸깍’이 아닌 꽤 많은 노력이 필요합니다. 나중에는 이마저도 추상화와 최적화가 되겠죠. 하지만 아직까지는 노력이 필요합니다. 저와 제 주변 개발자들은 방망이 깎던 노인의 이야기에 빗대어 ‘하네스를 깎는다’라고 얘기합니다. 그럼 왜 하네스가 필요한지 구체적인 사례로 알아봅시다.실패 사례 1 : 자율 시간이 길어질수록 어긋나는 결과물여러분이 오후 2시쯤 에이전트에게 ‘weather API에 forecast 엔드포인트 하나 추가해줘’라고 시켜놓고 잠깐 회의에 다녀왔다고 해봅시다. 돌아와서 터미널을 보니 에이전트가 아직 일하고 있습니다. 한 시간 반쯤 지난 것 같습니다. 대화 로그를 쭉 훑어보면 이런 그림이 그려집니다.이것은 컨텍스트 오염의 전형입니다. 지나간 정보가 사라지지 않고 남아 다음 추론 결과까지 오염시킵니다. 컨텍스트 오염은 대화 히스토리, 파일, 지시, 도구 출력 네 가지 경로로 발생한다고 이야기했습니다. 한 세션이 길어지면, 컨텍스트 오염은 피하기 어렵습니다. 초반에 났다가 해결된 에러가 중반에 다시 살아나고 이미 지나간 변경을 다시 끄집어내죠. 사용자 입장에서는 에이전트가 끝난 작업에 미련을 가지는 것처럼 보이는 경우가 왕왕 있습니다./compact 같은 압축 명령으로 줄여도 한계가 있습니다. 세션을 아예 새로 여는 방법이 가장 확실합니다. 그러려면 사람이 중간에 개입해 지금까지 한 일을 다음 세션에 넘겨줘야 합니다. 결국 에이전트 하나를 한 세션에서 오래 돌려서 일하게 하면 컨텍스트 오염을 피하기가 어렵습니다. 세션을 의도적으로 잘게 쪼개고, 쪼개진 세션 사이의 인수인계를 누군가가 책임지는 구조가 필요합니다.실패 사례 2 : 확증 편향두 번째는 역할에 관한 이야기입니다. 에이전트에게 코드를 작성하게 하고, 같은 에이전트에게 코드 리뷰를 지시해본 적이 있을 것입니다. 저는 정말 여러 번 시도했는데, 결과가 깔끔했던 적이 거의 없습니다. 사람도 자기가 만든 결과물을 좋게 평가하는 경향이 있습니다. 에이전트도 마찬가지입니다. 자신이 작성한 코드에 대해 굉장히 너그러운 태도를 가집니다. 에이전트는 그 코드가 맞다고 믿는 상태로 리뷰에 들어갑니다. 자기가 내린 결정의 전제가 컨텍스트 안에 이미 주입되어 있기 때문입니다. 왜 이렇게 코드를 작성했는지 새로이 묻지 않습니다. 사람이 작성한 코드도 다른 사람이 검토할 때 더 나은 리뷰 결과가 나오는 경우가 많습니다. 리뷰는 다양한 각도에서 하는 것이 훨씬 더 도움이 됩니다. 에이전트 시스템에서도 같은 원리가 통합니다. 작성자와 검토자는 다른 에이전트여야 합니다. 즉, 한 에이전트의 작업물을 다른 에이전트가 검토할 수 있는 구조가 필요합니다.실패 사례 3 : 사람의 개입 자체가 병목이다여러분이 에이전트에게 일을 시켜놓고 밥을 먹고 왔다고 해봅시다. 밥 먹고 왔더니 npm install을 위해 사용자의 승인을 기다리고 있습니다. 이렇게 허망한 상황을 방지하기 위해 권한을 미리 부여하죠. npm install 같은 설치 명령은 그나마 파괴적인 영향이 적으니 권한을 줄 수 있습니다. 하지만 rm -rf node_modules 같은 명령은 쉽사리 권한을 주기 힘듭니다. 보고 승인해야겠죠. 1시간 동안 에이전트에게 일을 시키려고 했던 계획은 사람이 권한을 주지 않아서 시작도 못하는 상황이 되었습니다.만약에 퇴근 후나 밤에 에이전트에게 일을 시키고자 하는 경우라면 컴퓨터를 켜 놓은 채 대기시켜 놓았기 때문에 전기만 낭비한 셈이 될 것입니다. 이런 사람의 개입을 어떻게 줄일 수 있을까요? 의사결정을 위한 다른 에이전트나 규칙 등 의사결정 자동화 구조가 필요할 것입니다.실패 사례 4 : 평균 수렴에이전트에게 우리 서비스의 환불 처리를 고쳐 달라고 하면, 일반적인 교과서 코드를 내놓을 때가 많습니다. 우리 팀이 정해둔 환불 정책이나 이 도메인에만 있는 예외는 빠져 있습니다. 대충 보면 맞는 것처럼 보이지만 정작 우리에게 필요한 답은 아닙니다. 모델은 방대한 일반 데이터로 학습되었습니다. 따로 정보를 주지 않으면 가장 흔한 패턴을 따라갑니다. 학습 데이터의 평균에 가까운 답을 내놓는 겁니다. 우리가 원하는 것은 도메인의 구체적인 지식인데, 모델은 평범한 모범 답안으로 회귀하는 셈입니다. AI 모델이 우리가 일하는 도메인에 대한 지식이 부족한 경우, 더욱 부정확하거나 엉뚱한 답변을 내놓을 수 있습니다.프롬프트에 매번 배경을 길게 적어줄 수도 있지만, 작업마다 같은 설명을 반복해야 하고 그마저도 빠뜨리기 쉽습니다. 모델이 우리 도메인의 지식을 활용하게 하려면, 그 지식이 에이전트가 읽을 수 있는 형태로 환경 안에 놓여 있어야 합니다. 규칙, 결정 사례, 예외를 저장소에 정리해두고 에이전트가 필요할 때 참고할 수 있는 구조가 필요합니다.지금까지 네 가지 사례를 살펴봤습니다. 공통점은 프롬프트를 잘 만들거나 스킬을 잘 만드는 것으로 해결이 안 된다는 점입니다. 모델이 똑똑해지면 해결이 될까요? 됐다가 안 됐다가 할 것입니다. 무엇으로 이 빈자리를 메워야 할까요? 네 가지 사례의 해결 방안에는 구조라는 말이 계속 등장했습니다. 바로 하네스입니다.사람의 개입 없이 반복 실행할 수 있는 메커니즘여러 에이전트가 협업할 수 있는 환경파괴적인 명령은 막고 안전한 명령만 통과시키는 가드레일에이전트가 참고할 수 있는 도메인 지식

[아티클 02] 랄프 루프, 루프 엔지니어링이 필요할 때

📅 2026년 9월 21일 · 👁 70

[아티클 02] 랄프 루프, , 루프 엔지니어링이 필요할 때만화 심슨 가족에 나오는 랄프(Ralph)는 똑똑하지는 않지만 엉뚱하고 귀여운 친구입니다. 무엇보다도, 한 가지를 끈질기게 반복하는 캐릭터입니다. 랄프 루프(Ralph loop)라는 이름은 제프리 헌틀리(Geoffrey Huntley)라는 엔지니어가 이 기법을 소개하면서 붙인 이름입니다.랄프 루프의 아이디어는 이렇습니다. 클로드 코드 같은 CLI를 비대화형 모드로 계속 반복 호출합니다. 심지어 매번 같은 프롬프트를 사용합니다. 매 호출마다 새로운 세션이 시작됩니다. 세션이 종료될 때 작업 상태를 파일에 기록해 다음 세션으로 넘깁니다. 지금까지 무엇을 했고 다음에 무엇을 할지를 파일로 남기는 방식입니다. 이 방법은 세션을 짧게 유지하므로, 모델의 컨텍스트가 커져서 성능이 하락하는 현상을 줄입니다. 세션을 짧게 유지하고, 파일을 메모리처럼 사용합니다. 에이전트 입장에서는 기억상실증에 걸린 직원이 출근할 때마다 인수인계 문서를 읽는 것과 같은 상태이긴 합니다.루프 자체의 구현은 정말 단순해서 몇 줄로 끝납니다.위 예시는 루프의 최소 형태를 보여주기 위한 무한 루프입니다. 실제로는 TASKS.md에 완료 표식을 남기게 하고, 셸 스크립트가 그 표식을 검사해 종료하도록 만드는 편이 안전합니다.--permission-mode acceptEdits는 주로 파일 작성과 수정, 그리고 작업 디렉터리 안의 일반적인 파일 시스템 명령을 자동 승인하는 모드입니다. 테스트 실행이나 uv, git, 서버 기동처럼 셸을 거치는 작업은 Bash 권한과 별도 허가 규칙의 영향을 받습니다. 그래서 비대화형 루프에서는 --allowedTools Bash처럼 넓게 주기보다, 가능하면 Bash(uv run pytest*), Bash(git status*)처럼 필요한 명령만 좁혀 허용하는 편이 안전합니다.PROMPT.md에는 임무와 작업 절차를 적습니다. 한 세션에 한 항목만 처리할 것, docs/TASKS.md의 체크박스로 진행 상태를 관리할 것, 막히면 해당 항목에 BLOCKED: {이유}를 적고 종료할 것 같은 규칙이 핵심입니다. TASKS.md는 세션 사이를 잇는 연속성이고, JOURNAL.md는 루프가 무슨 작업을 했는지 나중에 확인하기 위한 기록입니다.예를 들어 uv run pytest가 계속 실패하는데도 클로드가 같은 수정을 반복한다면, TASKS.md에 해당 항목을 BLOCKED로 표시하고 다음 항목으로 넘어가게 합니다. 세 번 이상 같은 실패 로그가 반복되면 루프를 멈추고 사람이 확인합니다. 루프는 반복을 대신할 수 있지만, 막힌 문제를 무한히 해결해 주지는 않습니다.랄프 루프는 개인 프로젝트 수준에서는 충분히 동작합니다. 다만 한 에이전트가 구현과 검증과 리뷰를 모두 맡으므로, 자신이 작성한 결과를 다른 관점에서 점검할 주체가 없습니다. 체크박스가 모두 채워졌다고 해서 완성도가 보장되지는 않습니다. 또한 BLOCKED 표시가 쌓이면 결국 사람이 개입해야 합니다. 막힌 항목을 풀어줄 판단 주체가 루프 안에 없기 때문입니다.이 한계를 줄이려면 두 가지가 필요합니다. 반복과 종료를 사람이 셸로 관리하지 않고 도구가 직접 처리하는 것, 그리고 작성하는 모델과 채점하는 모델을 분리하는 것입니다. 이 두 가지를 명령 하나로 제공하는 것이 /goal입니다.

[미친 활용 87] 숨겨진 오류, 참조 오류 빠르게 정리하기

📅 2026년 9월 20일 · 👁 72

[미친 활용 87] 숨겨진 오류, 참조 오류 빠르게 정리하기엑셀 업무를 하다가 자주 맞닥뜨리는 귀찮은 상황 중 하나는 데이터 중간중간 수식 오류가 포함되어 있는 경우가 아닐까 합니다. 데이터양이 많지 않을 때는 수식 하나씩 직접 검토하며 수정할 수 있지만, 양이 많다면 하나씩 찾아 수정하는 것은 엄청난 업무 부하로 이어집니다. 이렇게 대량 작업, 단순 반복 작업, 오류 수정 작업에 AI를 활용하면 시간을 대폭 절약할 수 있고, 직접 확인해서 수정하는 것보다 정확한 결괏값을 얻을 수 있습니다.01 오류가 포함되어 있는 셀 범위를 모두 선택합니다.02 ➊ 지정한 범위가 제대로 인식되었는지 확인 후 ➋ 오류 수정을 위한 프롬프트를 입력합니다.[나] : B2:F16 범위 값 중에서 수식 오류(#VALUE!, #REF!, #DIV/0!)에 대한 부분을 오류가 발생하지 않도록 수정해.03 이때 클로드가 파일 수정을 위한 권한을 요청하면 [Always allow] 또는 [Allow once]를 눌러 승인합니다.수정에 아주 민감한 파일이 아니라면 [Always allow]를 눌러 항상 허용을 설정하는 것이 편할 겁니다.04 그러면 다음과 같이 클로드가 분석한 내용과 변경할 내용을 알려줍니다.입력한 프롬프트에 따라 클로드가 지정된 범위의 오류 셀을 찾아 올바르게 수정하는지 확인해보세요.AI에게 명령어를 전달할 때, 범위를 정확히 명시하지 않으면 원하지 않는 범위까지 작업할 수 있습니다. 작업 대상 범위를 프롬프트에도 반드시 명시하여 명령어를 전달하는 것이 중요합니다.[AI 치트키] 수정 전 변경 내용 먼저 확인하고 싶다면?시트가 바로 수정되는 것을 원치 않는다면 프롬프트 마지막에 다음 문장을 추가하세요. AI가 값을 바로 바꾸지 않고 수정 대상과 변경 내용을 먼저 알려주기 때문에 작업 결과를 확인한 뒤 안전하게 수정할 수 있습니다.[나] : 기존 값을 수정하지 말고 수정할 값이 맞는지 내가 먼저 확인할 수 있게 알려줘.[미친 활용 88] 복잡한 수식, 빠르게 분석하기직장 선배가 갑자기 퇴사하여 인수인계받은 엑셀 파일에 이 파일이 어떤 의도로 만들어졌는지, 언제 사용하는지 설명 한 줄 없이 수식만 덩그러니 있다면 가슴이 철렁 내려앉을 겁니다. 엑셀을 잘하지도 못하는데 상사는 수식이 틀린 것 같다고 수정하라고 하는 상황이라면, 적혀 있는 수식의 동작 방식을 일일이 확인해가며 파악해야 합니다. 이때 AI를 통해 해당 시트의 수식을 분석해달라고 요청하면, 직접 수식에 대한 내용을 찾아가며 확인하지 않아도 아주 빠르게 정리된 결과를 받아볼 수 있습니다.01 수식 분석이 필요한 셀을 모두 선택합니다.02 ➊ 지정한 범위가 제대로 인식되었는지 확인 후 ➋ 수식 분석을 위한 프롬프트를 입력합니다.[나] : 선택한 셀 범위에 적용되어 있는 수식의 동작 원리를 설명해줘.03 입력한 프롬프트에 따라 클로드가 지정된 범위의 수식을 제대로 분석하는지 확인합니다.[AI 치트키] 수식 분석과 개선을 함께 요청해보세요수식의 동작 원리만 확인하는 데서 끝내지 않고 같은 결과를 더 효율적으로 구하는 수식까지 함께 요청할 수도 있습니다. 함수를 학습할 때, 응용이 필요할 때 활용하면 좋겠죠?[나] : C2:C4 범위에 적용된 수식의 동작 원리를 분석해 설명해주고, 해당 수식과 같은결괏값을 도출하되 조금 더 효율적인 수식을 E3 셀에 작성해줘.[미친 활용 89] 원하는 수식 빠르게 만들기회사 상사에게 일자별 판매 데이터가 적혀 있는 파일을 전달받으며 ‘월별, 상품별 판매 금액 총계 데이터를 뽑아줘.’라는 지시를 받았다고 가정해봅시다. 자료를 보니 SUMIFS 수식을 활용하면 구할 수 있을 것도 같은데, 막상 테스트해보니 생각한 결과가 나오지 않습니다. 어떤 형태로 데이터를 표현해야 할지, 어떤 수식을 써야 정확한 결과를 도출할 수 있을지 막막하다면 AI에게 내용만 전달해보세요. AI가 빠르고 깔끔하게 정리해줄 겁니다.01 일자별 판매 내역 데이터를 모두 선택합니다.02 지정한 범위가 제대로 인식되었는지 확인하고 결과 도출을 위한 프롬프트를 입력합니다.[나] : 선택한 범위의 데이터를 '월별/상품별 판매 금액 총액'을 계산하여 보여줄 수 있도록 하고 싶어. 가로에는 '품목', 세로에는 '월'을 표기하고 각 항목의 판매금액을 구하는 수식을 작성해줘.[AI] :03 요구사항에 따라 클로드가 작업한 결과가 정상적으로 동작하는지 확인합니다.[AI 치트키] 결과 표의 위치와 서식까지 지정하기수식으로 계산할 내용만 전달하면 결과는 맞더라도 표의 위치나 모양이 기대와 다를 수 있습니다. 결과를 시작할 셀, 행과 열에 배치할 항목, 셀의 색상 등 구체적인 정보를 함께 지정하면 바로 보고서에 활용하기 좋은 형태로 결과를 만들 수 있습니다.[나] : 선택한 범위의 데이터를 ‘월별/상품별 판매금액 총계’를 계산하여 보여줄 수 있게 하고 싶어.요구사항은 다음과 같아.F3 셀부터 가로에는 ‘품목’, 세로에는 ‘월’을 표시하고 각 항목의 판매금액을 구하는 수식을 작성행의 헤더 배경색은 ‘회색’, 글자 색상은 ‘검정색’으로 처리각 행/열의 합계를 표시하고, 셀 배경색은 ‘노란색’, 글자 색상은 ‘검은색’으로 처리작업 후 적용한 수식에 대한 동작 원리를 설명해줄 것[미친 활용 90] 데이터에서 원하는 값만 추출하기항목별로 정리되어 있지 않은 원본 데이터에서 이름, 연락처 등을 추출해야 할 때가 있습니다. 원본 데이터가 콜론(:), 쉼표(,) 등 특정한 구분 기호로 분리되어 있거나, 특정 규칙이 있다면 LEFT 함수와 LEN 함수와 MID 함수 등을 조합해서 추출하면 됩니다. 하지만 특정 규칙이나 구분 기호가 명확하게 분리되어 있지 않고 데이터의 순서도 규칙적이지 않다면, 데이터를 추출하기가 난감합니다. 이런 비정형 데이터를 가공하거나 추출할 때는, AI를 활용해 원하는 항목의 데이터만을 빠르게 추출할 수 있습니다.01 분석할 원본 데이터를 모두 선택합니다.02 지정한 범위가 제대로 인식되었는지 확인 후 결과 도출을 위한 프롬프트를 입력합니다.[나] : 선택한 범위에서 [이름, 직급, 회사명, 연락처, 주소]를 구분해서 D2셀부터 표 형태로 추출해주고, 정보가 없는 항목은 빈칸으로 처리해줘.[AI] :03 요구사항에 따라 클로드가 작업한 결과를 확인합니다.[AI 치트키] 예외 처리 기준까지 함께 전달하기비정형 데이터는 원하는 항목이 빠져 있거나 정해둔 항목에 넣기 애매한 내용이 섞여 있는 경우도 많습니다. 추출할 항목뿐만 아니라 빈 값 처리 방식, 형식 통일 기준, 남는 정보의 기록 위치까지 지정하면 결과를 다시 손보는 시간을 줄일 수 있습니다.[나] : 선택한 범위의 데이터에서 [이름, 직급, 회사명, 연락처, 주소]를 추출해야 하는데, 아래 요구사항을 준수할 것위 항목에 해당하지 않는 데이터는 [특이사항] 열에 별도로 기록할 것위 항목에 해당되는 데이터가 없다면 ‘공백’으로 처리연락처는 ‘010-1111-2222’ 형식으로 통일하여 표기 ④ 작업 결과는 D2 셀부터 표현[미친 활용 91] 원하는 피벗 테이블 빠르게 만들기일자별 판매 내역이 기록된 원본 데이터 테이블을 이용해 월별/지역별 판매 추이를 만들어야 합니다. 일반적으로 피벗 테이블을 활용하지만 피벗 테이블을 만들기 위해 행과 열, 값 영역 중 어디에 어떤 필드를 넣어야 원하는 데이터를 볼 수 있는지 한 번에 감이 오지 않습니다. 이때 AI의 도움을 받아보세요. 원하는 피벗 테이블을 쉽게 만들 수 있습니다.01 분석할 원본 데이터를 모두 선택합니다.02 ➊ 지정한 범위가 제대로 인식되었는지 확인 후 ➋ 결과 도출을 위한 프롬프트를 입력합니다.[나] : 선택한 범위의 데이터를 기반으로 '월별/지역별 판매 내역 추이'를 나타내는 피벗 테이블을 만들어줘.[AI] :04 요구사항에 따라 클로드가 작업한 결과를 확인합니다.[AI 치트키] 피벗 테이블 배치 기준을 구체적으로 정하기피벗 테이블은 같은 원본 데이터라도 행, 열, 값 영역에 어떤 필드를 배치하느냐에 따라 전혀 다른 결과가 만들어집니다. 그래서 배치 기준을 함께 알려주면 AI가 임의로 필드를 판단해 엉뚱한 형태의 피벗 테이블을 만드는 일을 줄일 수 있습니다. 또한 날짜 데이터가 텍스트로 입력되어 있거나 금액에 문자와 숫자가 섞여 있으면 그룹화나 합계가 제대로 되지 않을 수 있으므로 피벗 테이블을 만들기 전 원본 데이터의 날짜와 숫자 형식이 올바른지도 함께 확인해달라고 요청하면 더 안전한 결과물을 받을 수 있습니다.[나] :선택한 범위의 데이터에서 아래 요구사항을 만족하는 피벗 테이블을 생성해줄 것. 다음 요구사항을 따라줘.가로(행)은 날짜, 세로(열)은 지역을 배치할 것날짜는 월을 기준으로 그룹화하고, 월별/지역별 주문금액을 합산한 데이터가 보이도록 생성피벗 테이블은 새로운 시트를 생성하고, 생성된 시트의 A1 셀에 배치

[교사를 위한 캔바 05] 캔바 AI가 제안하는 교사 치트키

📅 2026년 9월 18일 · 👁 83

[교사를 위한 캔바 05] 캔바 AI가 제안하는 교사 치트키상상만 하던 수업 자료, 이제 AI가 현실로 만들어줍니다. 디자인 고민도 글쓰기 부담도 AI에게 맡겨보세요. 캔바의 매직 스튜디오(Magic Studio)와 다양한 AI 앱을 활용하면, 1시간 이상 걸리던 가정통신문 작성부터 이미지 생성, 음악 제작까지 단 몇 분 만에 완성할 수 있습니다. 단순 반복 업무는 획기적으로 줄이고, 수업의 창의성과 완성도는 한층 높여주는 교실 속 AI 활용 전략을 함께 익혀봅시다.Class 01 캔바 AI 2.0 활용하기 2026년 4월, 완전히 새롭게 업데이트된 캔바 AICanva AI 2.0은 이전보다 훨씬 강력하고 다양한 AI 기능을 제공합니다. 단순한 명령을 수행하는 수준을 넘어, 사용자의 작업 스타일을 기억하고 대화하듯 소통하며 원하는 결과물을 만들어내는 똑똑한 AI 비서로 진화했습니다. 디자인, 문서 작성, 데이터 분석, 코딩까지 하나의 공간에서 AI와 함께 처리할 수 있는 혁신적인 작업 환경을 경험해봅시다.Canva AI 2.0의 핵심 인터페이스와 주요 기능 살펴보기본격적인 Canva AI 2.0 학습에 홈페이지 내 [Canva AI] 탭과 작업 에디터를 통해 제공되는 Canva AI 2.0의 핵심 인터페이스와 주요 기능을 살펴보도록 하겠습니다.➊ 대화형 디자인 : 에디터 화면 툴바에서 [Canva AI에게 물어보기]를 누르면 AI와 채팅하듯 대화하며 디자인을 생성하거나 수정할 수 있습니다. 원하는 스타일, 색상, 레이아웃 등 구체적으로 설명하면 AI가 즉시 반영하여 디자인을 완성해줍니다.➋ 메모리 라이브러리(Memory Library) : 메모리 라이브러리는 내가 만든 디자인과 AI 사용 이력을 바탕으로 사용자의 취향과 작업 스타일을 기억합니다. 이를 기반으로 사용할수록 점점 더 본인에게 최적화된 맞춤형 결과를 추천해주죠. 메모리 라이브러리를 활성화하는 방법은 캔바 홈페이지 오른쪽 아래 [프로필]을 누르고 [ 설정]에서 [AI 맞춤 설정]를 누른 다음 기억 저장 및 참조를 토글을 체크하면 됩니다.또한 AI 맞춤 설정에 있는 [기록 관리➝]를 누르면 내 작업 성향을 학습하여 맞춤 기록한 About Me 문서를 생성합니다. 이 기능을 통해 AI가 분석한 개인별 맞춤 설정을 직접 검토하고 필요에 따라 수정·보완할 수도 있습니다.➌ Connectors(외부 앱 연동) : 슬랙Slack, 지메일Gmail, 노션Notion, 구글 드라이브Google Drive 등 다양한 외부 서비스를 캔바 AI와 연결할 수 있습니다. 메시지, 이메일, 노션 문서 등 연결된 앱의 데이터를 AI가 참고하여 디자인이나 문서를 더욱 정확하게 생성해주죠. Connectors를 연결하는 방법은 캔바 메인 화면 왼쪽 사이드바에서 [Canva AI]를 누른 후 검색창의 [+]을 선택하면 [앱 연결]이 보입니다. [앱 연결]을 눌러 연동할 앱을 선택한 뒤 [연결] 또는 [Connect]를 누르면 실행할 수 있습니다. 만약 앱을 최초로 실행하는 경우라면 계정 연동을 통해 앱 연결을 해야 합니다. 이럴 때는 [연결]을 눌러 캔바 접근 권한을 부여한 뒤 로그인합니다. 계정 연결이 완료된 후 토글 버튼을 켜서 활성화하면 프롬프트를 입력할 때 AI가 해당 앱의 데이터를 참고하여 더욱 정확한 결과를 만들어줍니다.한 가지 예로 구글 드라이브Google Drive를 연결하여 어떻게 작동하는지 자세히 살펴보겠습니다. [앱 연결]에서 [Google Drive]를 누릅니다. 그러면 연결하고 있다는 안내가 뜹니다. [연결]을 누르고 구글 계정을 선택하세요.그러면 Canva Drive Connector에서 Google 계정에 대한 액세스 요청 허용 팝업창이 나타납니다. 여기서 [계속]을 눌러 접근 권한을 허용해줍니다. 이후 다시 [Canva AI]를 눌러 코딩 화면으로 돌아온 뒤 [+] 버튼을 클릭해 앱 연결 목록을 살펴보면, 구글 드라이브가 정상적으로 연결된 것을 확인할 수 있습니다.➍ 브랜드 인텔리전스(Brand Intelligence) : 브랜드 인텔리전스는 캔바 AI에서 브랜드의 색상, 폰트, 레이아웃, 디자인 스타일을 AI가 자동으로 인식해 새로운 디자인에도 동일한 브랜드 아이덴티티를 유지하도록 도와주는 기능입니다. 브랜드 템플릿이나 브랜드 키트를 적용하면 캔바 AI가 브랜드 가이드에 맞춰 디자인을 생성해주기 때문에 일관성 있는 결과를 쉽게 얻을 수 있습니다. 캔바 메인 화면 왼쪽 사이드바에서 [Canva AI]를 선택하고 [+]를 누른 다음 [브랜드 적용]을 선택하세요. 그러면 캔바 AI가 어떻게 일관성 있는 디자인을 구현해내는지 다음 프롬프트를 직접 입력하며 확인해봅시다.[나] : 고등학생을 위한 ‘화학 결합’ 수업 포스터를 브랜드 키트에 맞춰 디자인해줘. 주요 개념을 한눈에 볼 수 있게 정리해주고, 브랜드 로고와 색상을 강조해줘.브랜드 인텔리전스를 활용하니, 브랜드 키트 색상을 사용하여 디자인의 일관성을 유지하면서도 주요 개념을 한눈에 파악할 수 있도록 잘 정돈된 포스터가 완성되었습니다.➎ 작업 예약 : 캔바 AI는 특정 작업을 예약하여 자동으로 실행할 수 있습니다. 원하는 시간에 자동으로 디자인 생성이나 요약 작업을 수행하도록 설정하여 업무 시간을 단축할 수 있죠. 캔바 홈 화면 왼쪽의 [Canva AI] 탭을 선택한 후, 프롬프트 입력창에 예약하고 싶은 작업 내용을 입력하세요. 그리고 입력창 옆의 [V]를 누르면 작업 예약이 보입니다. 여기에서 원하는 날짜와 시간, 반복 여부(매일/매주 등)를 설정하세요. 예약이 완료되면 예약 섹션에서 확인할 수 있습니다. 여기서는 다음 프롬프트를 입력하여 작업 예약을 설정하여 실행해보세요.[나] : 매주 월요일 오전 9시에 SNS 요약 보고서 만들어줘.예약 일정을 선택한 대로 예약 작업을 생성해주었습니다.➏ Canva Code 2.0 : 대화형 명령만으로 대시보드, 퀴즈, 계산기 등 인터랙티브한 웹페이지를 만들고, 바로 게시할 수 있는 기능입니다. 캔바 메인 화면에서 [Canva AI]를 선택한 후 [코드]를 눌러 원하는 디자인이나 기능을 설명하는 프롬프트를 입력하면 됩니다. 먼저 Canva Code 2.0의 주요 기능 몇 가지를 살펴봅시다.AI 프롬프트로 디자인 생성 : 원하는 기능이나 스타일을 설명하면 AI가 즉시 인터랙티브한 웹페이지나 요소를 만들어줍니다.실시간 미리보기 : 만든 디자인을 바로 실행(Play)하여 실제 동작을 확인할 수 있습니다.웹사이트로 게시 : 완성된 결과물을 웹사이트 형태로 즉시 공개할 수 있습니다.코드 복사 : 생성된 코드를 복사해 외부 프로젝트나 웹사이트에 활용할 수도 있습니다.만약 PART 04에서 실습했던 내용이 잘 기억나지 않는다면, 잠시 돌아가서 해당 기능을 다시 한 번 복습해보는 것을 추천합니다.➐ 웹 리서치 : 웹 리서치는 캔바 AI가 웹에서 최신 정보를 직접 찾아 디자인이나 문서 작업에 바로 활용할 수 있도록 요약 및 정리해줍니다. 캔바 메인 화면 왼쪽 사이드바에서 [Canva AI]를 선택한 후 프롬프트 입력창에 조사하고 싶은 주제나 내용을 입력하세요. 여기서는 다음과 같이 입력해보겠습니다.[나] : 2026년 대한민국 인공지능 트렌드를 조사해줘.캔바 AI가 관련 최신 정보를 검색한 뒤 핵심 내용을 요약해주며, 결과물을 다음과 같이 프레젠테이션이나 문서로 요청하여 작업에 바로 활용할 수 있습니다. 최신 통계, 뉴스, 트렌드 등을 빠르게 반영해야 할 때 매우 유용한 기능입니다.Canva AI 2.0 기능별 100% 활용법 알아보기Canva AI 2.0에서 제공하는 6가지 주요 기능의 특징과 실전 활용법을 알아봅시다. 캔바 메인 화면 왼쪽 사이드바에 있는 [Canva AI]를 누르세요. 입력창 아래로 다양한 버튼이 보일 겁니다. 이 기능을 하나씩 활용해보겠습니다.➊ 학생 활동 만들기 : 교육용 AI 특화 기능으로 교사와 학생이 수업에 활용할 수 있는 퀴즈, 워크시트, 토론 자료 등 활동 자료를 자동으로 만들어줍니다. 프롬프트에 다음과 같이 학생 활동의 주제 중 하나를 입력하여 자료를 생성해봅시다.[나] : 지구의 내부 구조 설명하기요청한 주제에 대한 학습 목표부터 인포그래픽, 스토리보드, 차트 등 다양한 자료를 생성해주었네요.[NOTE/] 학년과 과목을 설정하면 학생 활동을 생성할 수 있습니다. 다만 학습 목표에는 이해, 적용, 분석, 평가, 창작 등의 항목이 있어 함께 설정할 경우 오류가 발생하는 경우가 있습니다. 따라서 활동 주제를 구체적으로 입력하는 것이 가장 안정적이며, 학년·과목·학습 목표를 설정하지 않아도 잘 작동합니다.➋ 디자인 : 프레젠테이션, 포스터, 카드 등 원하는 디자인을 AI가 자동으로 만들어줍니다. 여기서는 다음 프롬프트를 입력해 학급 쿠폰을 만들어봅시다.[나] : 학급 쿠폰을 만들고 싶어. 귀엽고 컬러풀한 디자인에 템플릿을 만들어줘.학급에서 활용할 수 있도록 다양한 색상의 쿠폰을 만들어주었습니다. 뿐만 아니라 만들어진 디자인은 에디터 툴바에서 바로 수정과 활용할 수 있습니다.➌ 이미지 : 텍스트 프롬프트와 AI 품질, 가로세로 비율과 스타일을 설정하면 AI가 이미지를 생성해줍니다. 여기서는 다음과 같이 프롬프트를 입력해봅시다.[나] : 푸른 하늘과 구름이 있는 평화로운 풍경 그려줘.입력한 내용에 맞는 이미지를 여러 개 제안하며, 원하는 이미지를 디자인에 바로 삽입할 수 있습니다.➍ Docs : AI가 보고서, 에세이, 요약문, 안내문 등 다양한 문서를 자동으로 작성합니다. 예를 들어 다음 프롬프트를 입력해봅시다.[나] : 초등학생을 위한 환경 보호 안내문을 친근하고 쉽게 작성해줘.관련된 문서 초안을 빠르게 생성할 수 있으며, 생성된 문서는 에디터 기능을 통해 자유롭게 수정할 수 있습니다.➎ 코드 : AI가 퀴즈부터 대화형 웹페이지, 계산기, 출석부 등 인터랙티브한 콘텐츠를 코드 형태로 만들어줍니다. 다음 프롬프트를 입력하여 어떻게 만들어주는지 확인해봅시다.[나] : 학생 출석 체크 리스트 만들기요청만으로 바로 사용할 수 있는 인터랙티브 요소가 생성되며, 디자인에 삽입하거나 별도의 웹사이트로 게시할 수도 있습니다. 기억나지 않는다면 PART 04 캔바 코드 부분으로 돌아가 실습과 함께 활용해보세요.➏ 동영상 클립 : 원하는 장면과 분위기, 스타일 등을 텍스트로 설명하면 AI가 6~8초 길이의 고품질 동영상 클립을 만들어줍니다. 이때 프롬프트는 영상의 주제, 구체적인 행동, 배경 분위기, 카메라 앵글 및 스타일 등을 상세하게 입력할수록 상상했던 이미지에 가장 가까운 영상을 얻을 수 있습니다. 여기서는 다음 프롬프트를 입력해 짧은 영상 클립을 만들어봅시다.[나] : 맑은 하늘 아래 꽃밭에서 뛰노는 아이들, 밝고 따뜻한 분위기, 부드러운 카메라 이동직접 촬영하지 않아도 프롬프트만 잘 입력하면 다음과 같이 프레젠테이션이나 영상 제작에 활용할 수 있는 고품질 영상 소스를 손쉽게 만들 수 있습니다. 단, 음성 및 배경음악 포함 여부에 따라 영상 길이는 달라질 수 있습니다.Canva 2.0 AI 사용량에도 한도가 있어요Canva AI 2.0이 적용된 교육용 계정도 이미지 생성, 영상 생성 등 AI 기능을 사용할 때 월별 AI 사용량 한도가 적용됩니다. 이 사용량은 팀 전체가 공유하며, 한도를 초과하면 다음 갱신일까지 추가 사용이 제한됩니다. 현재 교육용 계정에서는 별도의 AI 사용량 추가 구매 옵션이 제공되지 않습니다.다만 Canva Education(교사용) 계정의 경우 월간 사용량 한도를 초과하더라도 표준·프리미엄·울트라 AI 기능을 계속 사용할 수 있으며, 각 작업 사이에 짧은 대기 시간이 발생합니다. 또한 구독 갱신일이 되면 사용량이 초기화되어 다시 정상적으로 이용할 수 있습니다. 다음은 교육용 계정에서 AI 사용량 한도에 포함되지 않는 기능입니다.Magic Write : 텍스트 생성, 요약, 문장 다듬기, 톤 변경 등이 있어요. 공정 사용 정책은 적용되지만 AI 사용량에는 포함되지 않습니다.사진 및 동영상 애니메이션 : 이미지나 동영상에 애니메이션 효과를 적용할 때 사용됩니다.AI Voice : 텍스트를 음성으로 변환하는 기능입니다.반면 이미지, 영상, 디자인 생성 등 다음과 같은 기능에 프리미엄·울트라 AI 도구를 사용할 경우 사용량이 차감됩니다. 특히 단순 텍스트나 디자인 편집에 비해 영상 및 이미지 생성은 한 번에 더 많은 사용량을 차감하므로, 수업 중에 여러 번 반복해서 활용하면 한도에 빠르게 도달할 수 있으니 주의하기 바랍니다.매직 미디어에서 이미지, 그래픽, 비디오를 생성하는 것캔바 코드로 인터랙티브 디자인을 생성하거나, 다른 디자인에 코드 요소(퀴즈, 계산기 등)를 추가하는 것매직 레이어는 이미지의 각 요소를 분리해 개별적으로 편집하는 것에디터 화면에서 [캔바 AI에게 물어보기]를 통해 색상 변경, 스타일 변경, 요소 추가 등 디자인을 바꾸는 기능을 사용하는 것

[아티클 01] AI 에이전트 엔지니어링에서 컨텍스트 오염 유형

📅 2026년 9월 16일 · 👁 108

[아티클 01] 컨텍스트 오염 유형에이전트와 오랫동안 대화하다 보면 이상한 현상을 겪게 됩니다. 처음에는 정확하게 코드를 작성하던 에이전트가 갑자기 엉뚱한 파일을 수정하거나, 이미 해결된 문제를 다시 고치려 하거나, 응답 품질이 눈에 띄게 떨어집니다. 이런 현상의 원인은 여러 가지이며, 그중 하나는 컨텍스트 자체에 문제가 생긴 경우입니다.이런 증상의 원인은 여러 가지이며, 그중 한 가지는 컨텍스트 자체에 문제가 생기는 경우입니다. 컨텍스트 윈도우에 불필요하거나 잘못된 정보가 쌓여 모델의 성능이 저하되는 현상을 컨텍스트 오염(Context Pollution)이라고 부릅니다. 에이전트가 오래 작업할수록, 이전의 실패한 시도, 잘못된 경로, 긴 에러 메시지, 이미 수정된 코드 등이 컨텍스트에 남아 모델을 혼란스럽게 만듭니다.작업 초반에는 컨텍스트에 현재 작업에 필요한 정보만 들어 있습니다. 그러나 세션이 길어지면 지난 시도, 이미 해결된 오류, 작업과 무관한 파일 내용이 함께 쌓여, 모델이 정작 필요한 정보를 가려내기 어려워집니다. 이때는 컨텍스트를 정리하고 다시 시작하는 편이 가장 빠른 해결책입니다. 컨텍스트 오염은 원인에 따라 네 가지로 분류할 수 있습니다.유형 1 : 히스토리 오염대화가 길어지면서 이전의 잘못된 시도나 에러가 컨텍스트에 남아 있는 경우입니다. 에이전트가 이전에 실패한 접근법을 반복하거나, 이미 수정된 에러에 다시 대응하려 합니다.이전 대화에서 발생했던 에러 메시지가 컨텍스트에 남아 있어서, 에이전트가 현재 상태가 아닌 과거 상태를 기준으로 판단하는 것입니다.유형 2 : 파일 오염관련 없는 파일을 너무 많이 읽어서 컨텍스트가 불필요한 정보로 가득 찬 경우입니다. 에이전트가 작업과 무관한 파일을 수십 개 읽으면, 정작 중요한 파일의 내용이 Lost in the Middle 현상으로 묻히게 됩니다.유형 3 : 지시 충돌상충하는 지시가 컨텍스트에 공존하는 경우입니다.컨텍스트에 “JavaScript로”와 “TypeScript로” 두 지시가 모두 남아 있어서 에이전트가 일관성을 잃게 됩니다.유형 4 : 도구 출력 오염도구 실행 결과, 특히 긴 에러 로그나 빌드 출력이 컨텍스트를 대량으로 소비하는 경우입니다. 에이전트가 npm install을 실행했는데 수백 줄의 경고 메시지가 출력되면, 그 모든 텍스트가 컨텍스트에 들어갑니다. MCP 도구의 대량 출력도 같은 문제를 일으킵니다.여러분이 에이전트를 사용하면서 다음과 같은 징후가 나타나면 컨텍스트 오염을 의심해봅시다.에이전트가 이전에 해결된 문제를 다시 언급한다같은 실수를 반복한다 (같은 에러 → 같은 잘못된 수정 → 같은 에러)응답이 느려지거나 품질이 갑자기 저하된다“앞서 말씀하신 X에 대해”라며 실제로 말한 적 없는 내용을 참조한다관련 없는 파일이나 코드를 갑자기 수정하려 한다에이전트의 응답이 점점 길어지고 초점을 잃는다이런 징후가 보이면, 더 길게 끌기보다 바로 정리하는 편이 전체 작업 시간을 오히려 줄여줍니다.