코딩 도구인 클로드 코드(Claude Code)로 여름 휴가 계획을 짜는 사람들이 생겼다. 영수증 정리, 이메일 요약, 지출 보고서 작성—코딩과 전혀 무관한 업무들이다. 개발자용으로 만든 도구를 비개발자들이 훨씬 넓은 용도로 갖다 쓰기 시작한 것이다. Anthropic도 처음엔 예상 못 했을 거다. 이 ‘그림자 활용’이 결국 클로드 코워크(Claude Cowork) 탄생의 방아쇠가 됐다.
AI 에이전트가 내 폴더에 들어오기까지
LLM 기반 AI의 진화 방향이 여기서 한 번 갈렸다. 텍스트를 주고받는 수준에 머물던 AI가 이제 실제 파일 시스템에 손을 뻗기 시작했다. 단순히 ‘이렇게 고치면 어때요?’라고 제안하는 게 아니라, 직접 파일을 열고 수정하고 저장하는 단계다. Anthropic은 클로드 코드 사용자들의 비기술적 활용 패턴을 포착하고, 비개발자도 AI 에이전트의 자동화 능력을 쉽게 쓸 수 있는 솔루션을 내놨다. 그게 코워크다.
코워크, 실제로 뭘 해주냐 하면
클로드 코워크는 사용자가 지정한 로컬 폴더에 직접 접근해서 작업을 처리한다. 기술 전문가가 아니어도 쓸 수 있게 설계됐다는 게 핵심이다. 폴더를 지정하면 에이전트가 그 안에서 네 가지 일을 한다.
- 파일 읽기 및 분석: 폴더 내 문서를 전부 훑어서 정보를 추출하고 맥락을 파악한다.
- 파일 수정 및 편집: 기존 문서를 직접 고치거나 특정 섹션을 업데이트한다.
- 파일 생성: 분석 결과를 바탕으로 새 문서, 스프레드시트, 보고서를 만들어낸다.
- 파일 정리 및 구성: 뒤섞인 파일을 종류별로 분류하고, 파일명을 알아서 바꾼다.
실제 예시를 보면 더 와닿는다. 스크린샷으로 찍어둔 영수증 사진이 폴더에 쌓여 있다고 치자. 코워크에 연결하면 AI가 사진들에서 날짜·금액·항목을 뽑아내 지출 보고서 스프레드시트를 자동으로 만들어준다. 여러 문서에 흩어진 메모를 모아 보고서 초안을 써내는 것도 가능하다. 현재는 macOS 데스크톱 앱으로, 클로드 맥스(Claude Max) 구독자를 대상으로 연구 미리보기 형태로 제공 중이다. 윈도우 확장은 추후 예정이다.
챗봇이랑 뭐가 다른 건데
기존 챗봇은 텍스트를 복사해서 붙여넣으면 텍스트로 답을 돌려줬다. 코워크는 다르다. ‘에이전트 루프(agentic loop)’를 통해 스스로 움직인다. 작업을 맡기면 네 단계를 밟는다.
1. 목표 설정 및 계획 수립: 주어진 작업을 이해하고 구체적인 실행 단계를 계획한다.
2. 실행: 계획에 따라 지정 폴더에서 파일을 읽고, 수정하고, 생성한다.
3. 자기 검증 및 피드백: 작업 결과를 스스로 평가한다. 오류가 있으면 수정하거나 다른 방법을 시도한다.
4. 모호할 때의 질의: 지시가 불분명하거나 정보가 부족하면 사용자에게 확인을 요청한다.
이게 실제로 동료에게 업무를 위임하는 것과 비슷한 느낌을 준다. Anthropic의 기존 ‘커넥터(Connectors)’ 생태계와도 연동되어 아사나(Asana), 노션(Notion), 페이팔(PayPal) 같은 외부 서비스와도 연결된다. ‘클로드 인 크롬(Claude in Chrome)’ 브라우저 확장과 함께 쓰면 웹 탐색, 양식 작성, 정보 수집도 소화된다. ‘스킬(Skills)’ 기능으로 특정 문서 작성이나 프레젠테이션 제작도 가능해서 활용 폭이 꽤 넓다.
1주일 반 만에 만들었다고요
코워크 출시 소식에서 가장 충격적이었던 건 이 숫자다. Anthropic 내부 관계자에 따르면 코워크 핵심 기능 대부분을 단 1주일 반 만에 개발했다고 한다. 이게 가능했던 건 개발팀이 자사 AI 코딩 에이전트인 클로드 코드를 직접 활용해서 상당 부분을 구축했기 때문이다.
AI 도구가 스스로 더 나은 AI 도구를 만들어내는 ‘재귀적 개선 루프(recursive improvement loop)’가 이미 현실이 됐다는 증거다. 이게 AI 연구실 간 기술 격차를 빠르게 벌려놓을 수 있는 이유이기도 하다. 에이전트를 내부적으로 잘 쓰는 조직은 그렇지 못한 조직보다 제품 출시 속도가 근본적으로 달라진다. 개발 주기가 몇 주에서 며칠로 압축되면, 실험 횟수 자체가 달라지니까.
양날의 검: 내 파일을 AI가 지운다면
좋은 소식만 있는 건 아니다. AI 에이전트가 파일을 직접 수정하고 삭제까지 할 수 있다는 건—솔직히 좀 불안하다. Anthropic도 코워크 출시 발표에서 이 위험성을 투명하게 인정했다.
- 파일 조작 위험: 클로드는 사용자의 지시에 따라 로컬 파일 삭제 같은 잠재적으로 파괴적인 행동을 수행할 수 있다. AI가 지시를 잘못 해석할 가능성이 있으므로, 민감한 작업에는 매우 명확한 지침이 필요하다.
- 프롬프트 인젝션 공격: 악의적인 행위자가 AI가 접근하는 콘텐츠(웹 페이지, 문서 등)에 숨겨진 지시를 심어서 AI를 오작동시킬 수 있다. Anthropic이 방어책을 구축 중이지만, 에이전트 안전 문제는 여전히 업계 전반에서 연구 중인 미해결 과제다.
Anthropic은 이 위험이 코워크만의 문제가 아니라 AI 에이전트 기술 자체에 내재된 특성이라고 강조한다. 마이크로소프트 코파일럿(Copilot)과 비교해보면, Anthropic은 에이전트를 특정 폴더에만 가두고 명시적인 커넥터만 허용하는 ‘샌드박스(sandboxed)’ 방식을 택했다. 운영체제 전체에 에이전트가 개입하는 방식보다 보안 위험을 낮추려는 설계다. 그래도 사용자가 위험을 직접 인지하고 신중하게 관리해야 한다는 전제는 변하지 않는다.
솔직히 써보니까
코워크 소식을 처음 접했을 때 든 생각은 두 가지였다. ‘드디어 올 게 왔구나’와 ‘근데 이걸 어디까지 믿고 쓰지?’ 동시에. 영수증 정리, 문서 요약 같은 반복적인 작업을 맡길 수 있다는 건 확실히 매력적이다. 여러 파일에 흩어진 정보를 취합해서 보고서 초안을 써주는 기능은—매번 손으로 하던 작업이라 기대가 크다. 유능한 인턴에게 일을 시키는 기분이라고 해야 할까.
근데 보안 걱정이 사라지진 않는다. 지정 폴더 안에서 파일을 만들고 수정하고 삭제까지 할 수 있다는 건 분명 위험 요소다. Anthropic이 샌드박스 방식을 택해 위험을 줄이려 했지만, 사용자가 잘못된 지시를 내리거나 AI가 지시를 오해하는 상황은 언제든 생길 수 있다. 아직 macOS 구독자만 연구 미리보기로 쓸 수 있다는 것도 아쉽다. 윈도우까지 확장되면 접근성이 훨씬 넓어질 텐데. 잠재력은 크다고 생각하지만, 그 전에 기술의 한계를 제대로 이해하는 게 먼저다.
결국 어떻게 써야 하나
AI 에이전트 도입은 ‘업무 위임’이라는 새로운 패러다임이다. 반복적이고 지루한 일은 에이전트에게 맡기고, 창의적이고 전략적인 업무에 집중하는 구조다. 이 방향으로 실제로 가려면 몇 가지를 미리 챙겨야 한다.
- 명확한 목표 설정: 에이전트의 성능은 지시의 명확성에 달려 있다. 모호한 요청일수록 결과도 모호해진다. 목표, 제약 조건, 기대 결과물을 구체적으로 제시해야 한다.
- 단계적 도입과 모니터링: 핵심 업무에 처음부터 에이전트를 전면 투입하는 건 위험하다. 비교적 덜 중요한 업무나 테스트 환경에서 먼저 써보면서 작동 방식을 파악하는 과정이 필요하다. 작업 과정을 꾸준히 확인해서 예상치 못한 결과를 사전에 막는 것도 중요하다.
- 보안 및 데이터 관리 원칙 수립: AI 에이전트에게 어떤 데이터까지 접근을 허용할지 내부 정책을 먼저 세워야 한다. 민감한 정보는 별도 보안 환경에서 다루거나, 에이전트 접근 권한을 엄격히 제한하는 게 현명하다.
- 협업 도구와의 통합: 코워크의 커넥터 기능처럼, AI 에이전트가 평소 쓰는 협업 도구—프로젝트 관리, 문서 공유 등—와 매끄럽게 연동될 때 생산성 향상이 실제로 체감된다.
파일 정리, 데이터 분석, 보고서 작성, 웹 정보 수집—이런 작업들을 에이전트에게 위임하는 미래가 생각보다 빨리 오고 있다. VentureBeat AI가 전한 바에 따르면 이 기술은 이미 실사용 단계에 진입했다. 사용자의 신중한 관리와 탄탄한 보안 인식이 뒷받침된다면, AI 에이전트는 개인 생산성과 기업 디지털 전환을 동시에 앞당기는 엔진이 될 것이다. 지금 당장 쓸 수 있는 도구가 눈앞에 있다. 단, 눈을 뜨고 써야 한다.
출처: VentureBeat AI
AI리서치팀
Home-In-One AI리서치팀은 인공지능, 머신러닝, 생성형 AI의 최신 동향과 실용적 활용법을 연구합니다. ChatGPT, 클로드, 미드저니 등 AI 도구 비교 분석과 활용 가이드를 제공합니다.