윈도우용 Codex·Claude 앱을 잘 쓰다가 개인 하네스를 직접 만들게 된 이유와, 만들면서 깨달은 것들을 적었습니다. 진짜 개인화, 의심하며 점검하는 능력, 외우는 공부가 끝난 뒤의 학습과 면접 이야기입니다.
AI 앱을 잘 쓰게 되니까, 내 걸 직접 만들고 싶어졌다
오랜만에 글을 쓴다. 요즘 계속 머릿속에 맴도는 생각이 있어서.
나는 회사 일이 아닌 개인 프로젝트로 하네스를 하나 만들고 있다. AI 모델에 스킬, 기억, 예약, 도구를 붙여 실제로 일을 시킬 수 있게 감싸는 틀이다. 1편에서 소개한 AI 오피스가 그거다. 재밌는 건 회사 일도 이 개인 하네스로 돌린다는 거다. 회사에서 맡은 프로젝트를 여기서 진행하고, 반복되는 일은 자동화해 둔다.

있는 앱을 쓰는 건 그 회사의 생각을 쓰는 거다

윈도우용 Codex 앱도 있고 Claude 앱도 있다. 둘 다 좋다. 나쁘다는 얘기가 아니다.
다만 만들면 만들수록 드는 생각이 있다. 남이 만든 앱을 쓰는 건 그 회사가 생각한 방식, 그 철학대로 쓰는 거더라. 좋은 기능이 생기면 "오 좋네" 하고 쓴다. 또 생기면 또 쓴다. 근데 그게 왜 그렇게 동작하는지는 모른다. 원리는 전혀 모르면서 쓰기만 한다.
그게 나쁘냐 하면, 그건 또 아닌 것 같다. 잘 쓰고 성과 내면 그만이니까.
근데 잘 쓰게 되니까 욕심이 생겼다. 이건 왜 이렇게 만들었을까. 저건 왜 저렇게 했을까. 더 좋은 방법은 없을까. 그걸 계속 고민하다 보니 결국 직접 만들게 됐다.
만들어 보니 그제야 보였다

직접 만들어 보니 "아, 이래서 이렇게 만들었구나" 하는 순간이 계속 온다.
AI 하나를 일하게 하려면 생각보다 많은 게 필요했다.
- 일하는 방법을 담은 스킬
- 기능을 붙였다 뗐다 하는 플러그인
- 특정 행동 직전·직후에 끼어드는 훅
- 바깥에서 신호를 받는 웹훅
- 정해진 시각에 일을 시키는 예약(스케줄링)
- 모든 기록을 담는 DB
- 실제로 일을 돌리는 워커
- PC, 폰, 회사 시스템까지 이어 주는 연결
그리고 하나 더 크게 배운 게 있다. AI한테 A부터 Z까지 처음부터 다 만들게 하면 안 된다. 대기열이나 재시도 같은 건 이미 검증된 라이브러리가 있다. 내 하네스도 대기열은 pg-boss, 서버는 Fastify, 화면은 React와 Vite, DB는 PostgreSQL을 쓴다. 이걸 잘 골라서 잘 잇는 게 일의 절반이다. 개발 언어도 고민거리다. Node로 할지, Python으로 할지, Rust로 할지. 고를 게 정말 많다.
그래서 내 생각은 이렇다. AI 시대가 됐다고 갑자기 판이 뒤집히는 게 아니다. 예전에도 남이 만든 걸 잘 가져다 쓰는 개발자가 있었고, 원리를 알고 제대로 만드는 개발자가 있었다. AI 시대에도 똑같다. 아는 사람이 AI한테 더 잘 시키고, 결과도 더 잘 나온다.
배운 게 다시 일로 돌아온다

이게 신기하게 선순환이 된다. 플라이휠처럼.
하네스를 만들면서 배운 게 회사에서 AI를 쓸 때 그대로 올라간다. 회사 일을 하면서 바뀐 방식은 다시 "내 하네스도 이렇게 고쳐 볼까?"로 돌아온다. 그러면 또 배운다. 요즘은 내 지식이 날마다 조금씩 커지는 느낌을 받는다.
진짜 개인화는 내 걸 만드는 거 아닐까

요즘 좀 덜 쓰는 말이긴 한데, 개인화라는 말이 있다. 초개인화라고도 하고.
AI 시대에도 기업들은 앱을 내고, 개인 비서를 낸다. 다들 개인화, 초개인화를 말한다. 근데 남이 만든 걸 쓰는 게 정말 개인화일까. 내가 필요한 건 결국 내가 만들어야 하는 거 아닌가 싶다.
물론 만들 수 없는 사람은 있는 걸 쓰면 된다. 그것도 맞다. 다만 이제는 이런 도구로 내 거를 직접 만들 수 있는 시대가 됐다. 나는 그게 진짜 개인화라고 생각한다.
AI 시대에 필요한 능력, 의심

AI는 딸깍 하면 다 해 준다고들 한다. 직접 만들어 보니 그게 아니었다. 그러면서 필요한 능력 하나를 알게 됐다. 의심하는 능력이다.
표현이 좀 애매한데, AI가 만든 결과물을 못 믿겠다는 뜻은 아니다. 이 방향이 맞나. 이렇게 하는 게 맞나. 이 철학이 맞나. 내가 놓친 건 없나. 이런 걸 계속 의심하는 거다. 다시 점검해 보면 역시 놓친 게 있다. 그럼 또 생각한다. 이쪽에서 놓쳤으면 저쪽에서도 놓친 게 있지 않을까.
그렇게 짚어 주면 AI가 "아, 이런 문제가 있었네요" 하고 고친다. 내가 보기에 AI는 문제가 뭔지 명확하게 알수록 잘 고친다.
요즘 AI로 개발할 땐 Rust가 좋다는 얘기가 들리는 것도 비슷한 이유 같다. Rust는 컴파일러가 어디가 왜 틀렸는지 정확하게 짚어 주니까. OpenAI도 2025년 5월에 Codex CLI를 Node·TypeScript에서 Rust로 다시 만든다고 발표했다.
외워서 맞히는 시대는 끝난 것 같다

요즘 AI 안경이나 AI 기기로 시험에서 부정행위를 했다는 얘기가 자주 나온다.
나는 유명한 사람도 아니고, 교육을 논할 사람도 아니다. 그래도 이건 확실히 느낀다. 외워서 정답을 잘 맞히는 시대는 끝난 것 같다.
그럼 이제 뭐가 필요할까. 지금 내가 느끼는 건 이렇다.
- 외우는 능력보다 이해하는 능력
- 빠르게 이해하고, 그 이해를 바탕으로 빠르게 받아들이고
- 받아들인 걸 빨리 써 보고
- 써 본 경험으로 배워서 다른 데 응용하는 것
경험으로 쌓는 지능이라고 해야 하나. 요즘의 학습은 이런 거 아닐까. 그리고 평가도 이걸 볼 수 있게 바뀌어야 한다. 그러면 지금 같은 부정행위도 애초에 의미가 없어진다.
그래서 면접에서 지식을 묻지 않는다

면접도 마찬가지다. 아는 지식을 물어보는 게 무슨 의미가 있을까.
그래서 나는 AI 시대가 되고부터 면접에서 지식을 묻지 않는다. 대신 회의하듯이 문제를 던진다. "우리한테 이런 문제가 있다"는 가정을 주기도 하고, 실제로 지금 진행 중인 프로젝트의 문제를 꺼내기도 한다. 그리고 이걸 같이 어떻게 풀어 갈지 이야기한다.
이건 외워서 답할 수 있는 게 아니다. 실제로 그렇게 면접을 보고 들어온 팀원들한테 물어보면, 면접이 색달랐다고 한다. 어려웠다, 힘들었다는 말도 많이 한다.
나는 사회도 이렇게 평가하는 쪽으로 가야 한다고 생각한다. 외운 걸 확인하는 게 아니라, 이해하고 받아들이고 써 보는 힘을 보는 쪽으로.
일단 지금은 그렇게 생각한다. 하네스를 계속 고치다 보면 이 생각도 또 바뀔지 모르겠다.