찰리초이 스토리 블로그

"Grok @Bot got much faster." 일론 머스크(@elonmusk)가 이렇게 인용한 Grok Bot 업데이트가 2026년 10월 17일 오전 4시 55분(KST) @bot 공식 계정에 올라왔습니다. 리서처K 쇼츠로 정리한 주요 업데이트 5가지를, 회사 발표와 외신 보도를 구분해서 적어 봅니다. ▶ YouTube에서 쇼츠 보기 1. 속도: 컴퓨터 작업 평균 3배 (회사 수치) @bot 공식 게시물에 따르면 Grok Bot의 컴퓨터 작업은 평균 3배 빨리 끝나고, 그 밖의 답장은 절반도 안 되는 시간에 도착합니다. 다만 '3배'는 회사가 밝힌 자체 수치이고 측정 방법은 공개되지 않았습니다. 확인일 기준 Grok Bot 공식 changelog에는 10월 7일 "Bots work faster on their computer" 항목만 있고 배수는 적혀 있지 않습니다. 2. 채팅 카드 새 디자인 채팅 카드가 더 깔끔한 레이아웃으로 바뀌었습니다(@bot 공식). 새 글꼴과 테마도 함께 적용됐다는 내용은 외신 iPhone in Canada가 보도했습니다. 3. 음성 통화 개선 음성 통화가 더 빠르고 안정적이 됐고, 지난 대화를 더 잘 기억합니다(@bot 공식). 4. 이메일 플러스 별칭 이메일 주소에 플러스 별칭(이름+태그@…)을 붙일 수 있어서, 특정 주소로 온 메일에만 루틴이 실행되도록 나눌 수 있습니다(@bot 공식). 5. 알림은 지금 쓰는 기기로만 알림이 여러 기기로 흩어지지 않고, 지금 쓰고 있는 기기로만 갑니다(@bot 공식). 정리 이번 Grok Bot 업데이트의 핵심은 속도입니다. 다만 3배라는 숫자는 회사 발표이니, 내 작업에서 얼마나 빨라졌는지는 직접 써 보며 확인해 보시길 권합니다. 위 5가지는 @bot 스레드에서 리서처K가 고른 주요 항목이고, 스레드 전체에는 이 밖의 내용도 있습니다. AI 에이전트를 업무에 어떻게 쓸지 고민이시라면 찰리초...

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다 Uber Engineering이 공개한 “Running a Software Factory Efficiently at Uber Scale” 글은 단순한 AI 코딩 도구 소개가 아닙니다. 핵심은 AI 에이전트를 개발 현장에 많이 쓰면서도 비용을 통제하기 위한 운영 구조 입니다. 저는 이 글을 보면서 개인용 AI 오케스트레이션, 특히 제가 정리하고 있는 CPAO(Cost-aware Personal Agentic Orchestration) 와 매우 가까운 문제의식을 느꼈습니다. 규모는 Uber처럼 크지 않더라도, 개인·소규모 조직도 이제 AI를 “가끔 쓰는 도구”가 아니라 “반복 업무를 맡기는 업무팀”으로 운영해야 하는 단계에 들어섰기 때문입니다. 1. Uber가 말하는 AI Software Factory Uber는 AI 도구가 소프트웨어 개발 전 과정에 들어와 있다고 설명합니다. 코드 작성, 코드 리뷰, CI 실패 복구, 버그 분석, 온콜 알림 처리, 유지보수 PR 생성 등 여러 업무가 에이전트 기반으로 움직이고 있습니다. 인상적인 것은 사용량 증가입니다. Uber에 따르면 2026년 2월부터 8월까지 주간 활성 사용자는 7배, 주간 에이전트 요청은 9.4배 증가했습니다. 그런데 총 AI 비용은 4월 이후 비교적 안정화됐다고 합니다. 동일 모델 기준으로 보면 1,000개 요청당 비용은 피크 대비 약 34%, 세션당 비용은 6월 피크 대비 52% 낮아졌다고 합니다. 즉, Uber의 방향은 “AI를 덜 쓰자”가 아닙니다. 오히려 더 많이 쓰되, 낭비되는 턴·요청·토큰을 줄이는 방식 입니다. 2. 핵심은 비용 방정식이다 Uber는 AI 에이전트 비용을 다음과 같은 식으로 분해합니다. 총비용 = 사용자 수 × 세션/사용자 × 턴/세션 × 요청/턴 × 토큰/요청 × 토큰당 가격 이 식이 중요한 이유는 AI 비용을 막연한 “...

AI 에이전트 트렌드 말 잘하는 AI에서, 일 잘하는 AI 팀으로 — Hermes Agent v0.18이 바꾼 것들 에이전트가 "완료했습니다"라고 말하는 것과, 실제로 완료된 것은 다르다. 찰리초이 스토리 AI 에이전트 · 실무 자동화 이 글의 순서 근본적으로 달라진 것 세 가지 기능별로 뜯어보기 Telegram, 24시간 AI 업무팀을 부르는 리모컨 Telegram 실전 활용 예시 찰리의 한마디 & 정리 지금까지 우리가 써온 AI 에이전트는 대부분 "말 잘하는 비서" 에 가까웠습니다. 요청을 하면 그럴듯한 답을 내놓지만, 그 결과가 실제로 완료된 것인지, 파일이 진짜 저장됐는지, 테스트를 통과했는지는 사용자가 일일이 확인해야 했습니다. 최근 업데이트된 Hermes Agent v0.18 은 이 지점을 정면으로 겨냥합니다. 한마디로 정리하면, AI 에이전트를 대화 도구에서 스스로 작업을 나누고, 검증하고, 학습하는 운영형 업무 파트너 로 끌어올린 업데이트입니다. 그리고 이번 업데이트는 Telegram 같은 메신저 채널에서 더 진가를 발휘하도록 설계됐습니다. 핵심 요약 여러 하위 에이전트가 조사·분석·작성을 동시에 병렬 처리 완료 조건을 기준으로 결과물을 실제로 검증 반복 업무는 /learn 으로 저장해 재사용 Telegram에서 Rich Markdown 보고서 로 결과를 받고, /status 등으로 운영 상태 확인 Gateway·Cron·보안까지 개선되어 24시간 운영 이 가능한 수준으로 안정화 근본적으로 달라진 것 세 가지 이번 업그레이드를 관통하는 키워드는 세 가지, 검증(Verification) , 병렬 작업(Parallelization) , 자기학습(Self-learning) 입니다. 예를 들어 "시장조사 자료를 정리해줘"라고 요청하면, 예전에는 하나의 에이전트가 처음부터 끝까지 순서대로 일을 처리했습니다. v0.18에서는 이 요청을 여러 하위 에이전트에게 나눌 수 있습니다. 01 나누는 능력...

AI PM + 실행팀 작은 AI 회사처럼 움직이는 헤르미 팀 헤르미는 단순히 질문에 답하는 챗봇이 아니라, 찰리님의 일을 실제로 함께 수행하는 역할 기반 AI 실행팀 입니다. 오더리가 정리하고, 플래니가 계획하고, 메이키가 만들고, 체키가 검증하고, 가디가 지키고, 브리피가 보고합니다. 헤르미는 VPS 에서 24시간 365일 일을 하는 AI 에이전트입니다.  헤르미 팀이 만들어진 배경 처음에는 “답변을 잘하는 AI”가 목표였지만, 실제 업무에서는 답변보다 더 중요한 것이 있었습니다. 요청을 정확히 이해하고, 일을 작게 나누고, 실제로 만들고, 결과를 확인하고, 위험한 부분을 점검한 뒤, 사람이 이해하기 쉽게 보고하는 과정입니다. 그래서 헤르미는 혼자서 모든 역할을 하는 대신, 내부에 여러 전문 팀원을 둔 것처럼 움직입니다. 각 팀원은 실제 사람이 아니라, 헤르미가 일을 처리할 때 사용하는 역할 기반 AI 팀원 입니다. 요구사항 정리 계획 수립 제작·실행 검증 리스크 점검 요약 보고 헤르미 팀원 소개 ☰ Orderly 오더리 질서를 잡고 요청을 정돈하는 팀원 찰리님의 요청을 목표, 요구사항, 빠뜨리면 안 되는 조건으로 정리합니다. 모든 작업의 출발점을 분명하게 만드는 역할입니다. △ Planny 플래니 계획을 세우는 작전 참모 정리된 목표를 실행 순서로 바꿉니다. 필요한 도구, 작업 단계, 우선순위를 판단하는 프로젝트 매니저 역할을 합니다. ✦ Makey 메이키 실제로 결과물을 만드는 제작자 글, 코드, 웹앱, 문서, 발표 자료, 자동화 스크립트처럼 눈에 보이는 산출물을 직접 만들어냅니다. ✓ Checky 체키 결과를 확인하는 품질검사 담당자 만든 결과물이 요청과 맞는지, 오류는 없는지, 실제로 작동하는지 점검합니다. “했다”보다 “확인했다”를 중요하게 봅니다. ♢ Guardy 가디 위험을 살피는 보호자 개인정보, 보안, 비용 발생, 배포, 삭제처럼 조심해야 할 부분을 확인합니다. AI 자동화의 안전벨트 역할입니다. ≡ Briefy 브리피 사람이 이해하기...

  AI 에이전트 · 바이브코딩 · Codex SDK Codex SDK 출시의 의미 바이브코딩은 어디로 진화하는가? 이제 Codex는 단순히 사람이 직접 사용하는 코딩 도구를 넘어, 앱과 AI 에이전트 안에 들어가는 “개발 자동화 엔진”으로 확장되고 있습니다. 1. Codex SDK 공식 사이트 OpenAI가 공개한 Codex SDK 공식 문서는 아래에서 확인할 수 있습니다. 공식 URL: https://developers.openai.com/codex/sdk 공식 문서에 따르면 Codex SDK는 Codex를 프로그래밍 방식으로 제어하기 위한 도구입니다. 쉽게 말하면, 사람이 직접 Codex 화면에 명령을 입력하는 방식에서 한 걸음 더 나아가 내가 만든 앱, 자동화 시스템, AI 에이전트가 Codex를 호출해서 개발 업무를 맡길 수 있게 해주는 SDK 입니다. 2. Codex SDK를 한마디로 설명하면? Codex SDK는 “앱 안에 넣을 수 있는 코딩 담당 AI 직원”에 가깝습니다. 기존에는 사용자가 Codex CLI, Codex 앱, IDE 확장 도구 등을 직접 열고 “이 코드 수정해줘”, “버그 고쳐줘”, “테스트 실행해줘”라고 지시했습니다. 그런데 Codex SDK가 등장하면 구조가 달라집니다. 이제는 사용자가 직접 Codex를 조작하지 않아도, 다른 웹앱이나 AI 에이전트가 Codex에게 개발 업무를 자동으로 맡길 수 있습니다. 기존 방식: 사람이 Codex에게 직접 지시한다. SDK 방식: 내가 만든 시스템이 Codex에게 개발 업무를 지시한다. 3. 기존 바이브코딩과 무엇이 다른가? 기존의 바이브코딩은 주로 사람이 AI에게 자연어로 개발을 지시하는 방식이었습니다. 예를 들면 이런 식입니다. “고객 상담 FAQ 검색 웹앱을 만들어줘.” “검색창 대신 카테고리 메뉴 방식으로 바꿔줘.” “모바일에서 보기 좋게 카드형 UI로 수정해줘.” 이 방식도 충분히 강력합니다. 하지만 Codex SDK가 더해지면 단순히 한 사람이 AI에게 개발을 시키는 ...

  심층 분석 리포트 AI 시대, 세수 급감과 재정 대응 전략 위기의 본질:  AI가 고소득 전문직(변호사, 회계사 등)을 대체하며, 국가의 핵심 세원인 '근로소득세'가 급감할 위기입니다. 재정 절벽:  노동 소득은 세율이 높지만, 이를 대체하는 자본(AI) 소득은 세율이 낮고 조세 회피가 쉽습니다. 딜레마:  세수는 줄어드는데, 실직한 전문직을 위한 재교육 및 복지 비용은 폭증하는 '가위 효과'가 발생합니다. 해법:  로봇세를 넘어선 '데이터세', '컴퓨팅세', 그리고 정부가 AI 지분을 갖는 '국가 지분 참여 모델'이 필요합니다. 1. 모라벡의 역설 붕괴: 전문직이 위험하다 과거의 자동화는 주로 육체노동을 대체했습니다. 걷거나 물건을 집는 것은 로봇에게 어려웠지만, 계산은 쉬웠기 때문이죠(모라벡의 역설). 하지만 생성형 AI의 등장으로 이 공식이 뒤집혔습니다. 이제 AI는 변호사, 금융 분석가, 개발자와 같은  고소득 전문직(White/Gold Collar) 의 인지 노동을 직접 겨냥하고 있습니다. IMF 분석에 따르면 선진국 일자리의 약 60%가 AI 노출 영향권에 있습니다. 이는 노동 시장의 최상위 계층이 무너질 수 있음을 의미합니다. 2. 재정 절벽(Fiscal Cliff)의 도래 문제는 현대 국가의 조세 시스템이  고소득자의 근로소득세 에 절대적으로 의존하고 있다는 점입니다. 상위 10%가 전체 소득세의 절반 이상을 부담하는 구조에서, 이들이 AI로 대체된다면 국가 재정은 어떻게 될까요? 구분 산업용 로봇 (과거) AI / 인지 자동화 (현재) 주 대체 대상 블루칼라 (단순 반복) 전문직, 화이트칼라 자본 성격 물리적 설비 (과세 용이) 무형 자산 (국경 초월) 세수 충격 제한적 (소비세 위주) 치명적 (고율 소득세 붕괴) 재정 증발 시뮬레이션 상황: 로펌이 연봉 2억 변호사 100명을 AI로 대체하고, 비용 90%를 절감하여 이익을 냈다고 가정. 📉  노동 소득 소멸: ...