- 저자는 Agent Skills가 새로운 형태의 AI+인간 지식경제를 가리키는 징후라고 봄.
- 이 흐름은 Agent Skills뿐 아니라 Jesse Vincent의 Superpowers, Anthropic의 Plugins for Claude Cowork에서도 보임.
- 저자는 아직 퍼즐 조각이 다 모이지 않았지만, 몇 가지 패턴이 보인다고 말함.
- Phillip Carter의 “LLMs Are Weird Computers”를 인용하며, 지금은 본질적으로 다른 두 종류의 컴퓨터를 동시에 다루는 시대라고 설명함.
- 하나는 소네트는 쓰지만 계산은 약하고, 다른 하나는 계산은 잘하지만 소네트는 못 쓰는 컴퓨터임.
- Agent Skill은 이 둘 사이의 인터페이스 계층이 무엇인지에 대한 해답의 시작으로 보임.
- Skill은 Markdown 지침, 도메인 지식, 예시 같은 컨텍스트와, LLM이 약한 일을 수행하는 결정론적 도구 호출을 결합한 패키지임.
- 컨텍스트는 확률적 기계의 언어를, 도구는 결정론적 기계의 언어를 사용함.
- 예로 숙련된 DevOps 엔지니어가 장애를 진단하도록 AI 에이전트에 Skill을 준다고 하면, 아키텍처 개요, 런बुक, 휴리스틱, 과거 장애 사례 주석이 컨텍스트가 됨.
- 모니터링 시스템 조회, 로그 수집, 서비스 상태 점검, 진단 스크립트 실행 코드는 도구가 됨.
- 도구 호출은 모델이 결정론적 코드가 더 빠르고 안정적으로 할 일을 토큰 소모 없이 처리하게 해줌.
- Skill의 핵심은 컨텍스트도 도구도 아니라 두 요소의 결합임.
- 즉, 데이터베이스 연결 풀을 확인할 판단과 실제 확인 능력이 함께 묶인 형태임.
- 과거에도 런북은 있었고 도구도 있었지만, 런북을 읽고 스크립트를 실행하며 다음 행동을 판단하는 기계용 패키징은 없었음.
- 이 패턴은 금융 분석, 법률 검토 등 모든 지식 영역에 적용될 수 있음.
- 금융 분석 Skill은 가치평가 방법론과 실시간 시장 데이터, DCF 계산 도구를 결합할 수 있음.
- 법률 Skill은 계약서 조항 비교·추출 도구와 회사의 검토 방식을 결합할 수 있음.
중요한 것은 지식이나 도구 단독이 아니라, 언제 어떤 도구를 쓸지 조율하는 전문가 워크플로 로직의 통합임.
Steve Yegge의 “Software Survival 3.0”은 AI가 즉석에서 일회성 소프트웨어를 만들 수 있는 세계에서 무엇이 살아남는지 묻는 글임.
- 그의 답은 토큰을 절약하는 소프트웨어임.
- Skills는 이 틈새에 맞는 형태로, LLM에 필요한 컨텍스트를 주면서도 결정론적 결과로 토큰을 아껴줌.
- 개발자의 역할은 무엇을 컨텍스트로 둘지, 무엇을 도구로 둘지 판단하는 쪽으로 이동함.
- LLM의 컨텍스트 윈도우는 유한하고 비싼 자원임.
- 모든 입력은 토큰 비용을 만들고, 모델의 주의력을 경쟁적으로 차지함.
- 회사 지식베이스 전체를 컨텍스트에 넣는 Skill은 설계가 나쁜 Skill임.
- 좋은 Skill은 필요한 정보만 선택적으로 제공해 어떤 도구를 언제 호출할지 판단하게 돕는 구조임.
- 이는 전통적 소프트웨어보다 교사적 scaffolding에 가까움.
즉, 학생이 문제를 풀 수 있도록 딱 맞는 수준의 정보를 주는 방식임.
저자는 토큰 절약이라는 개념이 Henry Farrell, Alison Gopnik, Cosma Shalizi, James Evans의 논의와 이어진다고 봄.
- 이들은 대형 모델을 지능적 에이전트라기보다 인간이 축적한 정보를 활용하게 해주는 새로운 문화·사회 기술로 봄.
- 새로운 사회·문화 기술이 살아남는 이유는 인지를 절약해주기 때문임.
- 인간은 서로에게서 배움으로써 매번 처음부터 발견하지 않아도 됨.
- Alfred Korzybski는 언어와 그 이후의 사회·문화 기술들을 time-binding이라고 불렀음.
- 저자는 시간 결속의 진보가 늘 반발을 불러온다고 덧붙임.
- 소크라테스가 글쓰기를 기억의 적이라 비판했지만, 그 비판은 바로 글쓰기 덕분에 플라톤을 통해 전해졌다는 점을 예로 듦.
- 저자는 AI가 독립적 지능이 될 가능성을 완전히 배제하지는 않음.
- 그러나 현재의 AI는 인간 지능과 기계 지능의 공생이며, 통신의 속도·지속성·도달범위가 인간을 전 지구적 두뇌로 엮어온 긴 이야기의 최신 장임.
- 저자의 기본 전제는 AI가 인간 지식경제를 대체하기보다 확장하는 존재라는 점임.
- Claude에게 물었을 때도, Claude는 스스로 시작하지 않고 프롬프트에 반응할 뿐이라고 답했음.
- 챗봇이 개별 프롬프트에 응답하는 단계에서 루프를 도는 에이전트로 넘어가는 것은 자율성으로 가는 큰 진전임.
- 그러나 그 경우에도 목표는 인간이 설정함.
- 저자는 인공적 의지의 설득력 있는 증거는 아직 보지 못했다고 말함.
- 따라서 인간이 새로운 지식을 계속 만들고 공유하도록 하는 메커니즘과 인센티브가 필요하다고 봄.
- Anthropic의 채용이 많은 이유를 묻는 질문에 Boris Cherny는, Claude를 프롬프트하고 고객과 소통하고 팀 간 조율을 하며 다음에 무엇을 만들지 결정하는 사람이 필요하다고 답했음.
즉, 엔지니어링은 변하고 있지만 훌륭한 엔지니어의 중요성은 더 커지고 있다는 뜻임.
많은 전문 지식은 워크플로에 암묵적으로 내장되어 있음.
- 숙련 개발자의 장애 대응 방식이나 금융 분석가의 스트레스 테스트 방식이 그 예임.
- 이런 지식은 역사적으로 전수하기 매우 어려웠고, 도제식 학습을 통해 익혀야 했음.
- Matt Beane는 도제제를 “160,000년 된 학교”라고 부름.
- 효과적인 기술 개발은 도전, 복잡성, 연결의 3C 패턴을 따른다고 봄.
- Skill 설계도 비슷한 공예가 필요함.
- 실제 전문가가 무엇을 결정하고 어떤 휴리스틱을 쓰며 무엇을 알아차리는지 파악해야 함.
- 그다음을 기계가 행동할 수 있는 형태로 인코딩해야 함.
- 현재의 대부분 Skill은 마스터라기보다 매뉴얼에 더 가까움.
- 지식뿐 아니라 판단까지 전달하는 Skill을 만드는 것이 중요한 설계 과제임.
- 하지만 판단을 Skill에 잘 인코딩할수록 초보자가 전문가와 함께 일할 필요는 줄어들 수 있음.
- 이는 다음 세대 전문가를 길러내는 관계이기도 하므로, 자칫 오늘의 암묵지를 담는 대신 내일의 전문가 양성 시스템을 약화시킬 수 있음.
- Jesse Vincent의 Superpowers는 이 그림을 보완함.
- Skill이 특정 업무용 상세 플레이북이라면, Superpowers는 모든 일을 잘하게 하는 직업적 습관과 직관에 가까움.
- Superpowers는 메타 스킬이며, 무엇을 할지 직접 말하기보다 어떻게 생각할지를 형성함.
- AI 에이전트가 워크플로에 들어오는 시대에는 Skills와 Superpowers가 전문가의 암묵적 지식과 판단을 에이전트에 전달하는 수단이 됨.
- 그러나 이는 가치가 큰 동시에, 누가 그것을 통제하고 누가 이익을 얻는지에 대한 질문도 낳음.
- 많은 직업군은 자신들의 전문성을 Skill로 변환하는 데 저항할 것임.
- 예로 외과계와 Intuitive Surgical 사이의 다툼, 그리고 da Vinci 5 로봇과 관련된 텔레메트리 권리 양도 문제가 언급됨.
- 낮은 지위의 외과의는 거래를 받아들이지만, 상위 기관은 반발하고 있음.
- AI 연구소들이 인간을 보강하기보다 대체하려는 미래를 계속 말할수록 지식 공유에 대한 저항은 더 커질 것임.
저자는 AI가 인간 전문성의 새로운 시장을 만드는 기회로 보아야 한다고 생각함.
Skills는 단지 Markdown 지침과 컨텍스트이므로 저장·전송 시 암호화할 수 있음.
- 그러나 실행 시점에는 컨텍스트 윈도우 안에 평문으로 있어야 함.
- 해결책은 MCP가 일부 가능하게 하는 방식, 즉 공개 인터페이스와 서버 측 실행 계층으로 Skill을 나누는 것일 수 있음.
- 이 경우 암묵적 지식은 서버에 남고 에이전트는 인터페이스만 보게 됨.
- 하지만 현재 Skills의 매력은 폴더 하나를 옮기고 수정할 수 있을 만큼 단순하다는 점에도 있음.
- 이는 초기 웹에서 View Source만 눌러 남의 HTML 기능을 흉내 내던 시절과 비슷함.
- 그런 개방성은 빠르고 도약적인 혁신을 낳는 방식이었음.
- 저자는 인위적 장벽보다 저작자 표시, 지불, 재사용 규범을 세우는 편이 더 나을 수 있다고 봄.
- 오픈소스 라이선스와 Substack 같은 자발적 지불 메커니즘에서 배울 점이 있음.
- 다만 세부 설계는 아직 충분히 정리되지 않았다고 봄.
- 한편 발견 문제는 앞으로 더 커질 것임.
- Vercel의 Skills marketplace에는 이미 6만 개가 넘는 Skills가 있음.
- 수백만 개가 되면 검색은 어떻게 작동할지, 에이전트는 어떤 Skill이 있는지와 무엇이 좋은지, 비용이 얼마인지 어떻게 알지 문제가 남음.
- Skill 평가는 웹 검색과 다르게, 실제로 실행해봐야 좋고 나쁜지 알 수 있어 비용이 들고 비결정론적임.
- 크롤링과 인덱싱만으로는 충분하지 않음.
- 저자는 테스트 체계보다는, 에이전트들이 오랜 시간 사용하고 수정하며 다시 사용하면서 Skill의 효과가 축적·전달되는 피드백 메커니즘이 필요하다고 봄.
- 장차 Pagerank 같은 신호가 생길 수도 있으며, 이는 에이전트들의 장기 피드백에서 생성될 것임.
- 저자는 MCP Server Cards, AI Cards, Google의 A2A protocol, Google과 Stripe의 결제 프로토콜 등 여러 프로젝트를 주시하고 있음.
- 이들은 모두 좋은 출발점이지만, 아직 더 많은 것이 필요하다고 봄.
역사적으로 비교하면 지금은 동적 웹사이트의 CGI 단계와 비슷함.
Richard Sutton의 “Bitter Lesson”은 이 논의의 가장 큰 장애물임.
- 그의 주장은 AI 역사에서 일반적 계산 방법이 인간 지식을 인코딩한 접근법을 결국 항상 이겼다는 것임.
- 체스 엔진의 휴리스틱, 문법 기반 NLP 시스템, AlphaGo와 AlphaZero의 사례가 그 증거임.
- 저자도 O’Reilly가 GNN이라는 첫 웹 포털을 운영하던 시절 bitter lesson을 겪었음.
- 선별된 웹사이트 목록은 Yahoo!의 전체 카탈로그에 밀렸고, 결국 Google의 알고리즘 큐레이션에 압도되었음.
- Steve Yegge는 Skills가 바로 이 bitter lesson에 대한 베팅이라고 말했음.
- AI 능력이 인간 지식과 기술을 완전히 앞지를 수 있고, Skill에 담긴 지식이 학습 데이터에 들어가면 Skill은 중복될 수 있음.
- 그러나 저자는 그게 끝이 아닐 수 있다고 말함.
- Clay Christensen의 “수익성의 매력 보존 법칙”은 제품이 범용화되면 가치가 인접 계층으로 이동한다는 내용임.
- 저자와 Clay는 2004년 Open Source Business Conference에서 이 아이디어로 공감대를 형성했음.
- Microsoft는 PC 하드웨어가 범용재가 되자 소프트웨어가 더 가치 있어진다는 점을 이해해 IBM을 이겼음.
- Google은 오픈소스와 오픈 프로토콜이 소프트웨어 플랫폼을 범용화하자 데이터의 가치가 더 커진다는 점을 이해했음.
범용화는 가치를 파괴하지 않고 이동시킴.
지식이 범용화되더라도 다음에 무엇이 가치가 될지는 여러 후보가 있음.
- 첫째는 취향과 큐레이션임.
- 모두가 같은 범용 지식에 접근할 수 있을 때, 그것을 선별·조합·적용하는 판단력이 가치가 됨.
- Steve Jobs는 업계가 범용 PC로 달려갈 때 하드웨어, 소프트웨어, 디자인의 독특한 통합을 만들어냈음.
- Skill의 대응물은 단순한 “X를 하는 법”이 아니라 “우리가 X를 하는 방식”일 수 있음.
- 이는 훈련 데이터로 흡수되기 어렵고, 지식이 아니라 가치이기 때문임.
- 둘째는 인간적 접촉임.
- 경제학자 Adam Ozimek은 사람들이 녹음 음악이 넘쳐나도 지역 밴드의 라이브 공연을 보러 간다고 지적했음.
- 인간적 접촉은 소득이 올라갈수록 수요가 늘어나는 정상재임.
- AI에 인간이 없으면 녹음 음악 같은 것이고, AI와 인간이 함께하면 라이브와 같음.
- 셋째는 최신성임.
- 빠르게 바뀌는 워크플로, 현재 도구 설정, 진화하는 베스트 프랙티스를 담은 Skill은 시간적 우위를 가짐.
- 먼저 아는 것이 곧 알파가 됨.
- 넷째는 도구 자체임.
- bitter lesson은 Skill의 컨텍스트에 들어 있는 지식에는 잘 적용되지만, 모델이 생각만으로 못 하는 일을 하는 결정론적 도구에는 같은 방식으로 적용되지 않을 수 있음.
- 도구는 API 뒤에 숨겨 보호·계량·수익화할 수 있음.
- 다섯째는 조정과 오케스트레이션임.
- 개별 Skill이 모델 지식에 흡수되더라도, Skills가 어떻게 결합·협상·인계되는지의 패턴은 남을 수 있음.
복잡한 워크플로의 안무가 가치가 쌓이는 계층일 수 있음.
더 중요하게는, 어떤 지식이든 LLM이 자동으로 소유하게 된다는 생각은 운명론이 아니라고 저자는 봄.
- 그것은 AI 연구소가 자기 이익을 위해 채택한 지적재산권 체제의 산물임.
- 이는 유럽 식민주의자들의 “빈 땅” 논리와 유사함.
- AI는 지적재산권의 무법지대에서 발전해 왔음.
- 하지만 그 상황이 계속되리라는 보장은 없음.
- AI 연구소가 인간 지식을 흡수해 인간을 일자리에서 몰아내는 미래를 이루려 한다면, 결국 지금 의존하는 고객들을 잃게 될 수도 있음.
- 게다가 중국 모델이 가중치를 빼내어 그들의 진보를 복제하는 것을 보며, 그들 자신도 IP법의 이유를 다시 배우고 있음.
미국 출판사가 유럽 저작권을 무시하다가 자기 자산이 생기고 나서야 보호를 원했던 역사와 비슷한 흐름임.
저자가 보기 시작한 것은 자연어와 코드가 섞인 프로그램, 대형 언어 모델이 런타임이며 AI 에이전트와 인간이 사용자 역할을 하는 새로운 소프트웨어 생태계의 첫걸음임.
- Skills, Superpowers, knowledge plugins는 암묵지식을 계산 가능한 에이전트에게 접근 가능하게 만드는 첫 실용적 메커니즘일 수 있음.
- 그러나 몇 가지 큰 공백이 남아 있음.
- 첫째는 조합 가능성임.
- Unix 유틸리티처럼 Skills가 함께 작동할 때 진짜 힘이 나올 수 있음.
- 그렇다면 Skill 호출 체인에서 신뢰, 지불, 품질은 어떻게 전달될지 문제가 생김.
- 둘째는 신뢰와 보안임.
- Simon Willison은 MCP의 tool poisoning과 prompt injection 위험을 지적했음.
- 조합 가능한, 에이전트가 발견한 Skills의 보안 모델은 사실상 아직 해결되지 않았음.
- 셋째는 평가임.
- 비용이 들고 비결정론적이어서 실행하지 않고는 Skill 품질을 검증하기 어려움.
- 그리고 저자에게 가장 큰 공백은 경제적 plumbing임.
- Anthropic의 Cowork plugins는 저자가 말한 패턴, 즉 암묵지식의 실행 가능화, 그리고 그것이 기업 규모로 제공되는 사례임.
- 그러나 그 가치를 만드는 도메인 전문가가 보상을 받을 메커니즘은 없음.
- AI 연구소가 AI가 인간 지식경제를 대체하는 대신 확장한다고 믿는다면, 플러그인 구조와 함께 결제 레일도 만들었어야 함.
- 그들을 하지 않는다는 사실은 그들의 실제 가치 이론을 보여줌.
- 이 모든 분야, 즉 Skill marketplace와 discovery, 조합 패턴, 보호 모델, 품질과 평가, 저작자 표시와 보상, 보안 모델에 관여하는 사람들의 의견을 저자는 듣고 싶어 함.
- 소프트웨어의 미래는 단지 코드가 아니라, 기계를 위해 포장되고 에이전트 사이에서 거래되며, 적절한 인프라가 갖춰질 때 그것을 작동하게 만드는 인간의 전문성과 독특한 관점으로 되돌아가는 가치가 되는 지식임.