많은 사람들이 OpenClaw를 실제로 어떻게 활용할 수 있는지 묻습니다.
어떤 사람들은 코딩, 프로젝트 자동화, 프리랜서 업무 등을 통해 수익을 창출하는 데 사용합니다.
저는 주로 회사 운영 워크플로우를 개선하는 데 사용합니다.
Discord 플랫폼을 여러 채널로 나누고, 각 채널마다 다른 시스템 프롬프트와 프로젝트에 맞는 스킬을 설정했습니다. 기사 작성 채널은 기사 작성, 코딩 채널은 코딩, 시장 조사 채널은 시장 조사에 특화했습니다.
더 복잡한 프로젝트의 경우, 도구 사용으로 인한 토큰 낭비를 줄이기 위해 시스템 프롬프트에 프로젝트 폴더 경로와 전용 메모리 라이브러리를 삽입했습니다.
또한 회사 Slack, Linear, GitHub 저장소, 그리고 멤버 그룹의 Telegram 그룹을 통합했습니다.
AI는 멤버 그룹의 채팅 기록을 정기적으로 분석합니다. 누군가 버그를 신고하거나 기능 개선을 요청하면, AI가 자동으로 심각도를 평가하고 Linear에 담당자에게 티켓을 자동으로 발급합니다.
저는 Whisper를 이용해서 매주 회의 녹음 내용을 녹취록으로 만들고, 이를 바탕으로 회의 요약과 실행 항목을 생성합니다.
하지만 이 모든 기능을 제대로 활용하려면 전제 조건이 있습니다. 바로 기본적인 정보를 먼저 입력해 주는 것입니다.
가장 흥미로운 점은 AI가 충분한 맥락 정보를 확보하면, 사전에 계획하지 않았던 작업까지 수행하기 시작한다는 것입니다.
지난주 회의에서 어떤 결정이 내려졌는지, 어떤 티켓이 누구에게 배정되었는지, 그리고 어떤 작업이 지연되고 있는지 등을 파악하고 있습니다. 따라서 작업이 기한을 넘기면 프로젝트 관리자(PM)에게 미리 작업을 완료하도록 제안합니다.
이것은 제가 규칙을 정해 놓은 것이 아닙니다. AI가 맥락 자체를 기반으로 무엇을 해야 할지 판단하는 것입니다.
이것이 바로 맥락의 힘입니다. 입력하는 정보가 완전할수록 AI는 더 많은 일을 해낼 수 있으며, 심지어는 사전에 생각지도 못했던 작업까지 수행할 수 있습니다.
회사 운영 외에도 최근에는 업무와는 전혀 관련 없는 새로운 채널 카테고리인 육아 관련 콘텐츠를 시작했습니다.
아들이 태어난 지 얼마 안 됐는데, 육아에 대해 진지하게 공부하고 싶었어요. 그런데 육아 정보가 너무 흩어져 있고, 중국어권에서는 콘텐츠의 질이 천차만별이고, 표절도 너무 많더라고요.
그래서 OpenClaw를 이용해서 해외의 유용한 육아 블로그들을 크롤링하고, 체계적인 콘텐츠들을 모았습니다. 그리고 NotebookLM의 스킬 기능을 이용해서 이 모든 정보를 입력하고, 구조화된 요약 파일로 출력하도록 했습니다.
이 요약 파일들을 바탕으로 지식 베이스를 구축했어요.
이제 육아 관련 질문이 있으면 디스코드 채널에 올리면 되고, 제가 직접 선별한 양질의 자료들을 기반으로 하기 때문에 질문이 잘못된 정보로 이어질 걱정도 없어요.
이런 용도로 OpenClaw를 사용하게 될 줄은 전혀 몰랐어요.
OpenClaw를 설치할 당시에는 티켓 관리나 프로젝트 관리자 진행 상황 추적에 사용할 거라고는 상상도 못 했죠. 제가 이 도구를 아이 양육 방법에 대한 연구에 사용하게 될 줄은 꿈에도 몰랐습니다.
설치 후 어떤 문제에 부딪혔을 때, 문득 "이걸로 해결할 수 있지 않을까?"라는 생각이 들었습니다.
이런 "한번 시도해 볼까?" 하는 생각은 도구를 직접 사용해 봐야만 가능합니다.
설치해 보지 않은 사람들은 이런 생각조차 하지 못할 겁니다.
대부분의 사람들은 AI 도구에 대해 "무엇을 하고 싶은지 먼저 생각해 보고 설치 여부를 결정한다"는 태도를 보입니다.
하지만 이 논리에는 치명적인 결함이 있습니다. 직접 사용해 보지 않으면 그 도구가 무엇을 할 수 있는지 알 수 없기 때문입니다.
직접 사용해 보지 않으면 다른 사람들의 설명, 스크린샷, 트윗에만 의존하게 됩니다. 이러한 정보는 모두 간접적인 정보일 뿐입니다.
간접 정보의 가장 큰 문제는 다른 사람들이 유용하다고 생각하는 것만 알려준다는 것입니다.
하지만 진정으로 업무 방식을 바꿔주는 것은 직접 사용해 보면서 우연히 발견하는 것들입니다. 이런 것들은 너무나 개인적인 경험이기 때문에 누구도 튜토리얼을 만들지 않습니다. 직접 경험해봐야만 배울 수 있는 것들이죠.
회사 운영에 Lobster를 활용하는 방법을 알아보던 중, 관련 정보가 거의 없다는 것을 알게 되었습니다. 모두가 아직 방법을 찾아가는 중이었기 때문입니다.
Lobster는 작년 11월에 출시된 프로젝트이지만, 올해 1월 중순에 이르러서야 본격적으로 입소문을 타기 시작했습니다. 즉, 대중에게 알려진 지는 한 달 남짓밖에 되지 않았다는 뜻입니다. 모든 사용자가 개척자입니다. 모두가 어둠 속에서 길을 더듬어 가고 있죠. 다시 말해, 지금까지 등장한 대부분의 활용 사례는 대부분의 사람들이 처음에는 생각지도 못했던 것들입니다.
현재 사람들의 90%는 여전히 챗봇의 "GPT 3.5 시대"에 머물러 있지만, 기술 세계는 완전히 변모했습니다.
오늘날 모두가 컨텍스트 엔지니어링에 대해 이야기하고 있습니다. AI 에이전트를 다뤄본 적이 없다면 이해하기 어려울 것입니다. 내일은 모두가 멀티 에이전트 워크플로에 대해 이야기할 것입니다. 직접 사용해 보지 않았다면 이해하기가 훨씬 더 어려울 겁니다.
작년에는 모두가 다양한 프롬프트 템플릿을 복사하곤 했고, 그다음에는 많은 사람들이 MCP(Multi-Centered Practice)를 연구했고, 지금은 모두가 스킬(Skills)에 대해 이야기합니다. 트렌드는 몇 달마다 바뀝니다. 직접 사용해 보지 않으면 이런 것들이 무엇을 하는지, 왜 사람들이 이리저리 옮겨 다니는지조차 알 수 없습니다.
"지켜보자"라고 생각할 때마다 이 격차는 더욱 벌어집니다.
그리고 이 격차에는 무서운 특징이 있습니다. 바로 그 변화를 느끼지 못한다는 것입니다.
모르는 것이 무엇인지조차 모르기 때문입니다.
아직 도구를 설치하지 않았다고 생각할 수도 있지만, 실제로는 인지적 업데이트의 중요한 단계를 놓치고 있는 것입니다. 이미 사용해 본 사람들은 문제를 바라보는 방식이 다릅니다. 어떤 과제를 보면 자동으로 "AI가 할 수 있다"는 생각이 떠오릅니다.
이것은 지식의 격차가 아니라 사고방식의 격차입니다.
지식은 습득할 수 있지만, 사고방식은 바꿀 수 없습니다. 사고방식은 오직 경험을 통해서만 개발될 수 있습니다.
그렇다면 왜 굳이 특정한 목적에만 사용해야 한다고 주장할까요?
초기 인터넷 사용자들은 전자상거래나 게임을 위해 인터넷을 사용하지 않았습니다. 그저 인터넷이 멋있다고 생각했을 뿐입니다.
빠르게 발전하는 기술과 명확한 정답이 없는 이 시대에, "먼저 행동하고 나서 말하라"는 행동 원칙은 어쩌면 가장 과소평가되고 있는지도 모릅니다.
