앱에서 시작하는 AI 실습 — 왜 Claude Cowork를 선택했나

안녕하세요, 테라입니다.

TerraComes 코칭 서비스를 구상하면서 가장 많이 고민한 질문 중 하나는 이것이었습니다.

"고객이 처음 AI를 실습할 때, 어떤 환경이어야 할까?"

도구를 고르는 일이지만, 사실은 그 이상의 결정이었습니다. 실습 환경이 달라지면, 고객이 느끼는 감정과 경험도 달라지기 때문입니다.

오늘은 그 고민과 결론을 공유하려고 합니다.

1. 도구 설정에서 막히는 분들을 먼저 생각했습니다

TerraComes의 코칭 대상은 AI를 업무에 쓰고 싶은데 어디서부터 시작할지 모르는 분들입니다. 터미널을 열어본 적 없는 분, VS Code가 낯선 분, 새로운 프로그램을 설치하는 것 자체가 부담스러운 분들.

실제로 이런 분들이 AI 활용을 시작하다 포기하는 지점을 관찰해보면, 내용이 어려워서가 아닌 경우가 많습니다. 설정이 생각보다 복잡해서, 처음에 오류가 나서, 어느 버전을 받아야 할지 몰라서. 시작도 하기 전에 지쳐버리는 경우가 꽤 됩니다.

저도 비슷한 경험이 있습니다. AI 도구를 처음 쓰려고 찾아보면, 튜토리얼 첫 단계부터 API 키 설정이나 환경 변수 설정이 나옵니다. 도구를 쓰러 갔는데 어느새 설정을 배우고 있는 상황이 됩니다.

AI와 대화하며 업무 문제를 해결하는 경험이 목적인데, 도구 설정에 에너지를 쓰면 목적에 닿기 전에 소진됩니다.

2. 설치 하나면 충분한 이유가 있었습니다

그래서 선택한 실습 환경이 Claude Cowork, Anthropic의 데스크톱 앱입니다.

설치 과정이 복잡하지 않습니다. 앱을 내려받고, 계정으로 로그인하면 그게 전부입니다. 준비 시간은 5분도 걸리지 않습니다.

저는 이 부분을 실제로 테스트해봤습니다. 처음 Claude Cowork를 접하는 지인에게 "지금 바로 해볼게요"라고 했을 때, 실제로 2분 안에 첫 대화를 시작했습니다. API 키도, 환경 변수도, 터미널도 없이.

이것이 중요한 이유는 편의성만의 이야기가 아닙니다. 첫 경험이 막힘 없이 흘러갈 때, 사람은 "나도 할 수 있겠다"는 감각을 얻습니다. 그 감각이 이후 실습을 지속하게 만드는 힘이 됩니다.

3. 기능이 계속 추가되고 있다는 점도 고려했습니다

Claude Cowork를 선택한 또 다른 이유는 Anthropic이 이 플랫폼에 기능을 계속 추가하고 있다는 점입니다.

최근에는 Live artifacts 기능이 추가됐습니다. 대화 중에 바로 결과물 — 문서, 표, 시각화 자료 — 을 화면에 띄울 수 있습니다. 별도 도구 없이, 대화창 안에서 결과가 바로 보입니다. 글쓰기, 자료 정리, 업무 문서 초안 작성 등 일상 업무에 적용 가능한 범위가 넓어지고 있습니다.

저는 TerraComes 준비 과정에서 3개월간 매일 Claude Cowork를 사용했습니다. 그 기간 동안 플랫폼이 달라지는 걸 직접 느꼈습니다. 처음 쓰기 시작했을 때와 지금은 사용할 수 있는 기능의 폭이 다릅니다. 그런데도 기본 사용 방식은 그대로입니다. 처음 익혀둔 대화 방식이 새 기능에도 그대로 적용됩니다.

저는 이 점이 중요하다고 봅니다. 실습 환경이 성장하는 플랫폼이라는 것, 고객이 익힌 사용법이 앞으로 더 넓게 활용될 수 있다는 것. 한 번 익혀두면 계속 쓸 수 있는 환경이어야 합니다.

4. 도구보다 대화에 집중할 수 있어야 했습니다

TerraComes의 코칭은 AI와 대화하며 내 문제를 스스로 해결하는 경험을 중심으로 합니다. 그 경험에서 도구 자체는 수단입니다.

Claude Cowork를 선택한 가장 큰 이유는 여기에 있습니다. 설정 없이 시작 가능한 환경이어야, 고객이 처음부터 대화에 집중할 수 있습니다. 도구를 익히는 데 시간을 쓰지 않고, AI와 어떻게 대화하느냐에 집중할 수 있습니다.

물론 이 선택이 모든 분께 맞는 것은 아닐 수 있습니다. 이미 다른 AI 도구를 쓰시는 분, 개발 환경에 익숙한 분이라면 더 적합한 선택지가 있을 수 있습니다. 다만 이 서비스의 첫 번째 대상, AI와의 대화를 처음 시작하는 분들에게는 지금 가장 낮은 문턱을 제공하는 환경이라고 판단했습니다.

저도 처음에 "어떤 AI 도구부터 시작해야 하나"를 한 달 넘게 고민했습니다. 그 고민을 고객에게 그대로 넘기지 않으려 했습니다. 선택지를 하나로 좁혀두면, 고객은 도구 고민 없이 대화 자체에 집중할 수 있습니다. 그것이 첫 번째 코칭 세션에서 가장 필요한 조건이라고 봤습니다.

마무리

도구 선택은 결국 사람 선택입니다. TerraComes가 Claude Cowork를 선택한 건, 기술이 좋아서가 아니라 이 서비스의 고객에게 가장 맞는 시작점이라고 봤기 때문입니다.

여러분이 AI 실습 환경을 고른다면, 어떤 기준으로 고르실 것 같으신가요?

댓글

댓글 쓰기

이 블로그의 인기 게시물

AI한테 계속 물어봤는데 왜 답이 엉뚱할까 — 대화의 주도권을 바꾸는 한 문장

이미지
질문의 기술 안녕하세요, 테라입니다. 보고서 초안을 써달라고 했더니 너무 형식적인 문장이 나왔습니다. 다시 요청했습니다. 이번엔 방향이 전혀 달랐습니다. 세 번째 시도에서 포기하고 직접 썼습니다. 그때는 몰랐습니다. 문제가 AI에게 있는 게 아니었다는 걸. 오늘은 그 경험에서 찾아낸 방법을 이야기하려고 합니다. 엉뚱한 답이 나오는 진짜 이유 AI에게 "마케팅 보고서 써줘"라고 하면, AI는 마케팅 보고서를 씁니다. 정확히 요청한 대로입니다. 핵심은 내가 원하는 게 정확히 무엇인지 나 자신도 알지 못했다는 것입니다. 대상 독자가 누구인지, 어떤 결론을 원하는지, 어떤 데이터를 강조해야 하는지. 이 모든 것이 머릿속에서 안개처럼 흐릿한 채였습니다. 그 상태에서 요청하면, AI는 가장 일반적인 답을 내놓습니다. 틀린 건 아닙니다. 다만 내가 원하던 것과 다를 뿐입니다. 초기에 AI와 협업을 진행할 때마다, 이 패턴이 반복되었습니다. 요청하고, 실망하고, 다시 요청하고. 평균 3회에서 4회 수정 요청을 해야 간신히 쓸 만한 결과가 나왔습니다. 한 보고서에 20분 정도 쓸 작업이 실제로는 1시간 가까이 걸렸습니다. 그 시간 동안 저는 AI를 탓했습니다. "ChatGPT는 내 스타일을 모른다", "Claude는 맥락 파악을 못 한다". 지금 돌아보면 절반은 맞고 절반은 틀린 생각이었습니다. AI가 먼저 물어보게 만들면 달라집니다 어느 날 실험해봤습니다. 요청 대신 이 문장을 먼저 입력했습니다. "마케팅 보고서를 쓰려고 하는데, 시작하기 전에 내 상황을 파악할 수 있도록 필요한 것을 먼저 물어봐 줘." AI의 반응이 달랐습니다. 바로 결과물을 내놓는 대신, 질문을 시작했습니다. "보고서의 주요 독자는 누구인가요? 내부 팀인지, 외부 클라이언트인지요." "이 보고서에서 강조하고 싶은 핵심 메시지가 있나요?...
자세한 내용 보기

AI가 쓴 '기계적인 글'을 내 말투로 바꾸는 프롬프트

이미지
안녕하세요, 테라입니다. "오늘 이 시간에는 AI 활용법에 대해 알아보도록 하겠습니다." 저도 처음엔 이런 문장을 받아들고 멍하니 화면을 봤습니다. AI한테 초안을 부탁했더니 낯설고 어색한 문장이 나왔습니다. 분명 제 블로그 글인데, 읽으면 읽을수록 제 목소리가 아니었습니다. 결국 지우고 다시 썼습니다. 세 번쯤 반복하고 나서야 깨달았습니다. 문제는 AI가 아니라 제가 규칙을 안 줬기 때문이라는 것을요. 오늘은 그 규칙을 공유하려고 합니다. 1. AI가 번역투로 쓰는 건 AI 탓이 아닙니다 AI는 지시가 없으면 '중립적인' 글을 씁니다. 학습 데이터 중 가장 평균적인 문장 패턴이 나옵니다. 번역된 것처럼 느껴지는 건, 영어 원문을 그대로 직역한 문체가 그 평균에 가깝기 때문입니다. "생산성을 향상시키는 AI 도구의 중요성은 현대 비즈니스 환경에서 매우 강조되고 있습니다." 이 문장을 보면 어떤 느낌이 드시나요? 읽히기는 하는데, 누군가 말하는 느낌은 없습니다. 글쓴이가 보이지 않습니다. 저는 이걸 고치는 데 처음엔 30분 이 걸렸습니다. 초안을 받고, 한 문장씩 고치고, 다시 읽어보고. 지금은 5분 입니다. 달라진 건 AI의 성능이 아니라, 제가 주는 글을 쓰는 지침이었습니다. 2. Before / After — 같은 내용, 다른 말투 다음 두 문장은 같은 내용입니다. Before (AI 기본 출력) "본 포스팅에서는 효과적인 AI 글쓰기 전략을 체계적으로 정리하여 제공해 드리고자 합니다." After (규칙 3줄 추가 후) "저도 처음엔 AI 툴만 10 개 이상 깔아두고 정작 쓰는 건 하나도 없었습니다. 오늘은 제가 정착한 딱 하나의 방법을 이야기하려 합니다." 달라진 점은 세 가지입니다. 1인칭 고백으로 시작했습니다. 과도한 수식어("체계적으로", "제공해 드리고자")를 뺐...
자세한 내용 보기

AI의 응답은 대화의 시작입니다 - 2005년 코치가 내게 가르쳐준 것

이미지
2005년 코치가 내게 가르쳐준 것 안녕하세요, 테라입니다. "ChatGPT 써봤는데, 신기하긴 한데 막상 도움은 안 되더라." 이런 말을 들을 때마다 떠오르는 기억이 있습니다. 20년 전, 한 코치에게 들은 이야기입니다. 그때 배운 것이 지금 제가 AI와 일하는 방식을 바꿔놓았습니다. 📑 목차 2005년 어느 날 메시지를 읽기 시작했습니다 20년이 지났습니다 며칠 전 있었던 일 AI와 대화하는 법 마무리 2005년 어느 날 대학원에서 생물정보학을 전공하던 시절이었습니다. 매일 코드를 짜고, 매일 에러를 만났습니다. 어느 날 애자일 코칭 시간에 코치가 물었습니다. "코딩할 때 에러가 나면 어떤 기분이 드세요?" 저는 솔직하게 대답했습니다. "스트레스가 올라갑니다. 에러를 줄이려고 신경이 곤두서요." 코치는 잠시 생각하더니 이렇게 말했습니다. "에러는 컴퓨터가 당신의 입력에 대답하는 메시지입니다." 그 한마디에 멈칫했습니다. 에러가 실패가 아니라 대답이라고요? 메시지를 읽기 시작했습니다 그 후로 에러를 보는 눈이 달라졌습니다. "아, 내가 이렇게 요청했는데 컴퓨터는 이렇게 답했구나." 그렇게 생각하니 에러가 두렵지 않았습니다. 대화의 시작이었으니까요. 에러 메시지를 읽고, 요청을 수정하고, 다시 실행하고. 그 과정이 자연스러워졌습니다. 저는 그때 컴퓨터와 대화하는 법 을 배웠습니다. 20년이 지났습니다 지금은 AI와 일합니다. 그런데 주변에서 같은 패턴을 봅니다. ChatGPT가 엉뚱한 답을 주면, "역시 AI는 아직 멀었어"라고 실망합니다. 한두 번 시도하고 포기합니다. 그럴 때마다 20년 전 코치의 말이 떠오릅니다. 2005년 코딩 2026년 AI 에러 = 스트레스 AI 응답 = 실망 에러 = 컴퓨터...
자세한 내용 보기