핵심 요약

  • 클레어는 GPT 5.5가 약 6시간 동안 데이터 이전 작업을 진행하고, 다른 모델로 풀지 못했던 블루투스 기기의 통신 방식을 해석했다고 전했다. 일상적인 작업에는 그 성능과 비용이 과할 수 있다고 봤다.
  • 클로드 디자인은 브랜드에 맞춘 랜딩 페이지와 발표 자료 제작에 강점을 보였지만, 복잡한 제품 사용 흐름과 반복 수정에서는 한계가 있었다.
  • GPT Images 2.0은 클레어의 시험에서 글자와 레이아웃을 갖춘 여러 페이지의 브랜드 자료를 생성했다.
  • 제이슨 레빈은 코드를 직접 작성하지 않고 Memelord를 연간 반복 매출 10만 달러까지 키운 뒤, AI 에이전트가 사용할 수 있는 API 중심 제품으로 재구축했다고 설명했다.

GPT 5.5가 맡은 장시간 데이터 이전

클레어는 GPT 5.5를 일상적인 ChatGPT 작업에 적용할 때 적절한 문제를 찾기 어려웠다고 했다. 초등학교 1학년 자녀를 위한 간단한 뺄셈 앱을 만드는 방법을 생각하는 데 17분을 쓴 사례는, 높은 성능이 모든 작업에서 효율적인 것은 아니라는 판단으로 이어졌다.

반면 구조화되지 않은 데이터 200만 행을 이전하는 작업에서는 다른 모습을 보였다. 클레어는 모델에 판단, 하위 에이전트 활용, 테스트, 문제 발견과 수정까지 맡겼다. 그의 설명에 따르면 GPT 5.5는 후속 지시나 방향 수정 없이 거의 6시간 작업했고, 승인을 요청한 경우는 한 번이었다. 클레어가 장시간 자율적으로 움직이는 에이전트를 본 것은 처음이라고 평가한 사례다. 그는 이 작업으로 검증과 기술 부채 정리가 이뤄졌으며, 모델 비용을 자신의 시간이나 엔지니어링 팀의 시간보다 낮게 평가했다.

블루투스 기기에서 확인한 문제 해결 능력

클레어는 독자적인 인코딩을 사용하는 중국산 블루투스 스피커를 몇 달 동안 역공학하려 했다. 다른 AI 도구로 해결하지 못한 뒤 블루투스 분석 도구, 패킷 수집 결과, 중국어 문서 저장소에서 찾은 자료를 GPT 5.5에 제공했다. 그 결과 비트맵 인코딩과 블루투스 전송 방식을 파악했다고 전했다. 이후 터미널에서 스피커로 메시지를 보내고, 기기에 알림을 표시하는 Codex 훅도 만들었다. 이 성과에는 모델에 앞서 클레어가 수집한 기술 자료가 함께 투입됐다는 조건이 있다.

브랜드 제작에 강한 클로드 디자인

클레어의 시험에서 클로드 디자인은 글꼴, 색상, 구성 요소, 브랜드 자산을 담은 디자인 시스템을 먼저 가져와 작업에 활용했다. 랜딩 페이지, 마케팅 사이트, 발표 자료처럼 브랜드 일관성이 중요한 결과물에는 잘 맞았다. 특히 기사와 디자인 시스템을 넣어 브랜드에 맞는 슬라이드 자료를 만드는 작업이 유용했다고 평가했다.

제품 화면의 구성 요소나 복잡한 사용 흐름에서는 디자인 시스템의 제약을 충분히 반영하지 못했다. 생성에는 5~10분이 걸렸고, 작은 수정에도 다시 모델을 호출해야 했다. 클레어는 글꼴과 색상을 즉시 바꿀 수 있는 피그마가 반복 수정에서는 더 빠르다고 봤다. 또 클로드 디자인이 랜딩 페이지에 기울임꼴 세리프 글꼴을 자주 쓰는 경향을 지적했다.

디자인 시스템 없이 1990년대 GeoCities 스타일의 Lenny’s Newsletter를 만들도록 했을 때는 Comic Sans와 벽돌 배경을 사용한 결과물이 나왔다. 클레어는 뜻밖의 시안을 원할 때 구체적인 스타일 참조가 엄격한 브랜드 제약보다 효과적일 수 있다고 평가했다.

이미지 모델로 만든 브랜드 자료

클레어는 GPT Images 2.0으로 여러 페이지의 브랜드 자료를 시험했다. 그의 평가에 따르면 이 모델은 이전 이미지 모델에서 어려웠던 글자 표현, 일관된 레이아웃, 타이포그래피를 갖춘 결과물을 만들었다. 이미지와 문구, 배치를 한데 담아야 하는 브랜드 작업에서 가능성을 확인한 사례지만, 이는 클레어가 제작한 자료에 대한 평가다.

비개발자가 만든 Memelord와 무료 도구

제이슨 레빈은 Bubble의 워크플로 395개를 사용해 Memelord를 연간 반복 매출 10만 달러까지 키웠다고 말했다. 초기에는 호출량 제한의 의미를 몰라 서비스 시작 이틀째 제한에 걸리기도 했다. 이후 제품을 AI 에이전트가 접근할 수 있는 API 중심으로 재구축했다. 그는 몇 달 동안 다듬은 가입 절차도 에이전트가 제품을 사용하면 거치지 않을 수 있다고 봤다.

Memelord에서는 마케터도 Cursor를 이용해 직접 도구를 만든다고 한다. 레빈은 비개발자 마케터들이 만든 무료 도구에서 수십만 개의 이메일 주소를 확보했다고 주장했다. 터키에서 확산된 ‘bust down filter’도 그 사례로 들었다. 그는 무료 도구가 사용자의 첫 문제를 해결하고 더 큰 제품으로 이어지는 접점이 될 수 있다고 설명했다.

개인용 소프트웨어에 대한 실험

레빈은 밤에 떠오른 생각을 기록하려고 침대 옆에 두는 라즈베리 파이 키보드를 만들었다. 집 안에서 열쇠를 둔 위치를 추적하는 AI 카메라 시스템도 만들고 있다고 했다. 그는 이런 도구를 판매할 제품이 아니라 자신의 특정한 문제를 해결하는 소프트웨어로 소개했다.

결론

세 사례는 AI 도구의 성과가 작업의 성격과 입력 자료에 따라 달라졌음을 보여준다. 클레어는 복잡한 기술 문제와 브랜드 자료 제작에서 성과를 확인하면서도 일상 작업의 비용, 제품 디자인의 제약, 수정 속도를 함께 짚었다. 레빈의 사례는 비개발자가 제품과 무료 도구를 만들고 유통한 방식에 초점을 맞춘다.