챗GPT에게 "엑셀 파일로 저장해줘"라고 했더니 "저는 그게 안 됩니다"라는 답이 돌아왔습니다. 표는 예쁘게 뽑아줬는데, 정작 파일로 저장하는 건 못 한다고요. 그때 처음으로 AI 챗봇과 AI 에이전트의 차이가 피부로 와닿았습니다.
1.챗봇 한계: "표는 만들어드릴게요, 저장은 직접 하세요"
저는 사회복지 기관에서 일합니다. 지난달, 이번 분기 사례관리 실적을 정리해서 엑셀로 만들어달라고 챗GPT에 요청했습니다. 챗GPT는 깔끔한 표를 뚝딱 만들어줬습니다. 그런데 기관 공유 폴더에 저장해달라고 하자 장문의 거절 메시지가 돌아왔습니다. 결국 저는 그 표를 복사해서 엑셀에 직접 붙여 넣고, 셀 너비를 맞추고, 서식을 다듬고, 저장하는 과정을 손으로 다 했습니다. 30분이면 끝날 일이 한 시간을 훌쩍 넘겼습니다. 이것이 AI 챗봇(Chatbot)의 구조적 한계입니다. 챗봇이란 사용자와 텍스트로 대화하며 정보를 생성하거나 가공하는 AI를 말하는데, 핵심은 "대화 안에서만" 일이 완결된다는 점입니다. 파일 시스템에 접근하거나 외부 서비스에 직접 연결하는 기능이 없습니다. 챗GPT, 클로드 웹 버전 모두 이 한계에서 자유롭지 않습니다. 반면 AI 에이전트(AI Agent)는 다릅니다. 에이전트란 단순히 대답을 생성하는 것을 넘어, 사용자 대신 실제 작업을 수행하는 AI를 말합니다. 파일을 만들고, 저장하고, 구글 시트에 데이터를 입력하는 것까지 직접 해냅니다. 챗봇이 "설계도를 그려주는 사람"이라면, 에이전트는 "직접 집을 짓는 사람"에 가깝습니다.
2. 진입장벽: 설치하다 포기한 사람이 저뿐만은 아닐 겁니다
AI 에이전트를 실제로 써보려고 클로드 데스크탑 MCP 설치법을 찾아봤습니다. MCP(Model Context Protocol)란 AI 에이전트가 외부 도구나 서비스와 통신하기 위한 공통 규약으로, 앤스로픽이 주도해 만든 표준입니다. 쉽게 말해 AI와 각종 앱이 서로 알아듣는 공통 언어라고 보면 됩니다. 그런데 설치 과정이 만만치 않았습니다. 클로드 데스크탑 프로그램을 별도로 받은 다음, 설정 창을 열어 JSON 파일을 수정해야 했습니다. JSON(JavaScript Object Notation)이란 데이터를 구조화된 텍스트 형식으로 저장하는 방식인데, 코딩을 접해보지 않은 사람에게는 괄호와 따옴표의 연속이 암호처럼 느껴집니다. 저도 그 파일 앞에서 결국 멈췄습니다. 옆자리 동료에게 도움을 청했더니 "그거 개발자들이나 쓰는 거 아니야?"라는 답이 돌아왔습니다. n8n은 상황이 더 복잡합니다. 먼저 Node.js를 설치해야 하고, 명령 프롬프트(cmd) 창에서 직접 명령어를 입력해야 합니다. 그 뒤로는 워크플로(Workflow)라고 불리는 작업 흐름을 노드(Node) 단위로 하나하나 연결해줘야 합니다. 노드란 하나의 기능 단위를 말하는데, 예를 들어 "AI가 텍스트 분석" → "구글 시트에 저장" → "이메일로 알림 발송"처럼 각 단계를 블록처럼 연결하는 방식입니다. 설정 자체는 시각적으로 보여주기 때문에 익숙해지면 강력하지만, 처음 접하는 사람에게는 어디서부터 시작해야 할지가 막막합니다. 에이전트를 실제로 쓸 수 있는 상태로 만들기까지 필요한 과정을 정리하면 다음과 같습니다. - 클로드 데스크탑 MCP: 데스크탑 앱 설치 → JSON 설정 파일 수정 → 앱 완전 재시작 - n8n: Node.js 설치 → cmd에서 실행 명령어 입력 → 브라우저에서 워크플로 구성 → 구글 API 키 발급 및 연결 이 과정에서 수많은 시행착오가 발생하는 것은 경험자들 사이에서도 공통된 이야기입니다. 국내 AI 활용 실태를 살펴보면, 2024년 기준 생성형 AI 사용 경험이 있는 성인 비율은 꾸준히 늘고 있지만, 실제 업무 자동화 도구까지 활용하는 비율은 여전히 소수에 머물고 있습니다([출처: 한국지능정보사회진흥원](https://www.nia.or.kr)).
3. 디지털 격차: 인터페이스가 쉬워져도 남는 문제
편리한 인터페이스를 갖춘 에이전트가 등장하면 모두 쓰게 될 것이라는 시각도 있습니다. 저는 그 전망에 절반만 동의합니다. 인터페이스가 쉬워지는 것과, 그 도구를 내 업무에 어떻게 연결할지 아는 것은 다른 문제이기 때문입니다. 챗GPT가 빠르게 퍼진 건 단순히 인터페이스가 쉬워서만이 아니었습니다. 유튜브에 활용 사례가 쏟아졌고, "이렇게 쓰면 이런 게 됩니다"라는 식의 구체적인 콘텐츠가 넘쳐났습니다. 그 덕분에 코딩을 전혀 모르는 사람도 "아, 이렇게 쓰면 되는구나"를 빠르게 익힐 수 있었습니다. 디지털 리터러시(Digital Literacy), 즉 디지털 도구를 이해하고 활용하는 능력이 콘텐츠를 통해 빠르게 전파된 셈입니다. 에이전트는 아직 그 단계가 부족합니다. 특히 사회복지, 교육, 소규모 자영업처럼 IT와 거리가 먼 직군은 "이 도구로 내가 뭘 할 수 있는지" 자체를 모르는 경우가 대부분입니다. 우리 기관에서 챗봇을 쓰는 직원은 여럿이지만, 에이전트를 실제로 업무에 연결해본 사람은 단 한 명도 없습니다. 제가 직접 겪어보니, 이건 의지나 관심의 문제가 아니라 "어떻게 시작하면 되는지"를 안내해주는 사람이 없다는 문제였습니다. 디지털 격차(Digital Divide)는 단순히 기기나 인터넷 접근성의 문제가 아닙니다. 새로운 기술이 등장할 때마다 먼저 배운 소수와 뒤처지는 다수 사이의 간극이 새로운 형태로 반복된다는 점에서, 에이전트 시대의 격차도 이미 시작된 것으로 보입니다. 실제로 AI 도입에 따른 업무 능력 격차 확대를 우려하는 목소리는 국내외 연구에서도 꾸준히 제기되고 있습니다([출처: OECD](https://www.oecd.org)).
에이전트가 대중화되려면 쉬운 인터페이스와 함께, 비기술 직군을 위한 구체적인 활용 사례와 안내가 먼저 따라와야 한다고 봅니다. 그렇지 않으면 인터페이스가 아무리 쉬워져도, 결국 일부 얼리어답터들의 전유물로 남을 가능성이 큽니다. 저는 지금도 챗봇으로 표를 받아 손으로 옮기는 방식으로 일하고 있습니다. 하지만 언젠가는 에이전트가 그 귀찮은 단계를 통째로 대신해주는 날이 올 거라고 생각합니다. 그때 이미 써본 사람과 처음 시작하는 사람의 차이는 꽤 클 겁니다. 지금 당장 설치까지 하지 못하더라도, 에이전트가 어떤 일을 할 수 있는지 개념만큼은 익혀두는 것이 그래서 의미 있다고 생각합니다.