클로드 코드가 전략가가 될 때 교사는 무엇을 지켜야 하나?

“AI는 비서다”라는 말을 이제는 바꿔야 한다. 우리는 지금 단순 반복 업무에 머물지 않고, 복잡한 문제 해결의 전체 과정을 설계하고 실행하는 ‘전략적 에이전트’의 시대를 맞이한다. 이 변화는 교육 현장에 상상 이상의 효율성을 가져올 수 있으나, 동시에 인간 고유의 사고와 비판 역량을 어떻게 지켜낼 것인가 하는 근본적인 질문을 던진다.

영상이 짚은 클로드 코드 기능, 네 갈래로 정리

코드팩토리가 13분 안에 훑은 기능은 뻔한 것을 빼고 독특하고 유용한 것만 추린 묶음이다. 흩어 놓고 보면 외울 게 많아 보이지만, 쓰임새로 묶으면 네 갈래로 정리된다. 아래 표를 먼저 손에 쥔 뒤 교육적 의미를 따지는 편이 빠르다.

복잡한 작업을 스스로 설계하고 실행하는 자율 계열

기능	무엇을 하나	언제 쓰나
딥 리서치	소스 수집·크로스체크·검증·생성을 단계별 워크플로로 설계해 실행한다. /workflows로 지금 어느 단계인지 확인된다	검증 단계에서 잘못된 정보를 걸러내야 하는 진지한 조사
다이내믹 워크플로	복잡한 목표를 조사·실행·검증·합치 단계로 쪼개 그 과정까지 병렬로 처리한다	논리적 연계가 중요하고 복잡성이 높은 작업
배치(/batch)	워커 5~30개를 병렬로 생성해 같은 패턴의 작업을 나눠 처리한다	반복적이고 병렬화가 되는 대량 작업
울트라 코드	에포트 최고 레벨. 여러 에이전트가 동시에 정보 수집·고강도 추론·코드 수정·검증·테스트까지 한 번에 끝낸다	코드베이스 전체 마이그레이션 같은 초고난도 작업

계획과 검토의 완성도를 끌어올리는 계열

기능	무엇을 하나	언제 쓰나
울트라 플랜	터미널이 아닌 웹에서 도는 계획 전용 모드. 토큰을 더 쓰는 대신 더 정확한 플랜을 만들고 터미널은 풀어 준다	시간·토큰에 여유가 있는 복잡한 작업의 계획 단계
울트라 리뷰	추가 비용(엑스트라 유세지 활성, 회당 약 5달러)을 내고 받는 고품질 리뷰. 무료 5회가 주어진다	비용을 감수할 가치가 있는 중요한 리뷰
골(/goal)	목표·배경·제약·원칙·수용 기준을 담은 상세 목표 프롬프트를 만든다. “골 프롬프트를 작성해 줘” 식 메타프롬프팅이 권장된다	오래 도는 고완성 작업을 한 번에 끝내고 싶을 때
코드 리뷰(/code-review)	리뷰할 에이전트와 목표를 지정한다. 리뷰에 최적화돼 더 나은 리포트를 준다	머지하기 전 코드 점검

세션을 다루는 생산성 계열

기능	무엇을 하나	언제 쓰나
백그라운드(/bg)	작업을 백그라운드로 보내 터미널을 비운다. claude agent로 세션 패널에 돌아와 리뷰한다	다른 커맨드를 병행하거나 여러 세션을 관리할 때
BTW(/btw)	세션을 더럽히지 않고 곁다리 질문을 한다. F로 기존 맥락을 유지한 채 포크한다	맥락을 공유하는 병렬 세션 시작
리와인드	특정 프롬프트로 되돌아가 대화만 복원하거나, summarize from here(아래로 압축)·up to here(위까지 압축)로 압축한다	프롬프팅 실수를 되돌릴 때
슬래시 카피(/copy)	바로 직전 프롬프트를 드래그 없이 복사한다	직전 프롬프트 재사용
fewer permissions	지금까지 안전하게 허가한 작업을 분석해 allowlist를 만들어 권한 질문 반복을 없앤다	권한 모드가 번거로운 일반 모드 사용자

배우고 공유하는 계열

기능	무엇을 하나	언제 쓰나
스킬 크리에이터	원하는 스킬을 자동 생성하고, 벤치마킹·리소스 절감량·모델 내장 여부까지 알려 준다. 같은 세션 맥락으로 만들면 정확도가 오른다	반복 프로세스를 자동화하거나 기록할 때
팀 온보딩	세션 트랜스크립트 전체를 읽어 신규 팀원용 가이드와 체크리스트(“how we use claude”)를 만든다	협업 온보딩, 세션 작업 기록
파워업(/powerup)	애니메이션과 함께 기능 사용법을 짚어 주는 튜토리얼이다	기능을 익힐 때
레디오(/radio)	클로드 채널의 24시간 코딩용 라디오를 튼다	작업 중 배경음이 필요할 때

스무 가지가 넘는 기능을 한 줄로 줄이면 공통점이 드러난다. 모두 인간이 단계마다 내리던 판단(무엇을 조사할지, 어디까지 검증할지, 언제 끝낼지)을 에이전트가 대신 설계한다. 효율은 분명하지만, 그만큼 사고의 어느 부분을 넘겨주는지도 또렷하다. 이 점이 다음 절의 출발점이다.

도구에서 사고의 조력자로 진화하는 AI 에이전트

영상은 클로드 코드의 새로운 기능들을 소개하며 AI가 단순한 코드 생성기에서 복잡한 작업을 자율적으로 수행하는 에이전트 시스템으로 진화하고 있음을 단적으로 보여준다. AI는 이제 사용자의 지시를 받아 딥 리서치를 수행하고, 울트라 코드를 이용해 복잡한 코드베이스 마이그레이션을 계획, 구현, 테스트, 위험 정리까지 해낸다. 강연자는 리서치 기능이 “소스를 수집하고 크로스 체크하며 검증도 하고 결과물을 생성하는 페이즈들을 전부 다 스텝 바이 스텝으로 설계해서 구현”한다고 설명한다.

여기서 핵심은 AI가 단순한 정보 검색에 그치지 않고, 특정 목표 달성을 위한 ‘워크플로’를 스스로 설계하고 실행한다는 점이다. 특히 배치와 다이내믹 워크플로 기능은 작업의 성격에 따라 AI 에이전트의 활용 방식이 달라짐을 명확히 보여준다.

특징	배치(Batch)	다이내믹 워크플로(Dynamic Workflow)
목표	같은 패턴의 반복적 대량 작업 처리	복잡하고 논리적 중요성이 높은 목표 달성
실행 방식	여러 워커를 병렬로 생성, 작업 분할 처리	목표에 따라 조사-실행-검증-합치 등 스텝별 에이전트 활용
최적 상황	반복적이고 병렬 실행 가능한 많은 작업	복잡성이 높고 논리적 연계가 중요한 작업
예시	프로젝트를 컨버트로 일괄 마이그레이션	레거시 API를 새 HTTP 클라이언트로 마이그레이션 계획 및 실행

구조적으로 보면 AI는 인간의 인지 부하를 줄이는 대신, 특정 사고 과정을 AI에 전가하는 경향이 분명하다. 교사들은 이 사실을 직시해야 한다. 학생들이 ‘생성된’ 결과물만 보고 과정에 대한 이해를 놓치지 않도록, AI가 수행한 워크플로를 해부하고 그 안의 논리를 분석하는 교육 과정이 반드시 필요하다. AI가 복잡한 문제를 해결하는 방식 자체를 메타인지적 학습 도구로 활용할 방안을 모색해야 한다.

전략적 계획과 목표 설정, AI와 협업하는 고등 사고

AI는 이제 전략적 플래닝 영역에서도 그 능력을 증명한다. 울트라 플랜은 터미널에서 벗어나 웹 환경에서 ‘플래닝에 최적화된’ 더 정확하고 완성도 높은 계획을 생성한다고 강연자는 말한다. 더 많은 토큰을 소모하지만, 복잡한 작업에서 그 가치를 발휘한다.

가장 인상적인 기능은 골(Goal)이다. 단순히 “이렇게 해 줘”가 아니라, “이 프로젝트를 컨버트 기반으로 변경할 수 있도록 골 프롬프트를 작성해 줘”와 같은 메타 프롬프팅으로 AI가 스스로 목표, 배경, 제약, 원칙, 수용 기준 등을 포함하는 상세한 목표 프롬프트를 생성한다. 강연자는 “오랫동안 실행이 되고 완성도가 높은 작업을 우리가 한 번에 진행하도록 유도”하기 위해 이 기능이 중요하다고 강조한다.

AI는 ‘어떻게(How)’를 탁월하게 설계하지만, ‘무엇을(What)’과 ‘왜(Why)’를 묻는 주체는 언제나 인간이어야 한다. 이 관점에서 골 기능은 교육 현장에 큰 시사점을 준다. 학생들에게 주어지는 프로젝트 과제에서 AI가 목표 설정 프롬프트를 생성하는 과정을 관찰하고, 그 구성 요소(배경, 제약, 성공 조건 등)가 왜 중요한지 토론하는 활동을 설계할 수 있다. 이는 복잡한 문제 해결의 첫 단추인 문제 정의 능력과 목표 설정 역량을 기르는 효과적인 방법이 된다. AI는 단순히 답을 주는 도구가 아니라, 사고 과정을 구조화하는 코치 역할을 수행한다.

AI 활용의 윤리적 딜레마와 교사 공동체의 역할

AI의 기능적 진보는 교육 현장에 균등한 가치로 배분되리라 가정하는 것은 순진한 발상이다. 강연자가 언급한 울트라 리뷰의 5달러 비용이나, 울트라 플랜이 더 많은 토큰을 소모한다는 점은 AI의 강력한 기능이 비용이라는 장벽을 갖는다는 현실을 명확히 보여준다. 이 경제적 장벽은 교육 현장의 디지털 격차를 심화할 수 있다. 특정 학교나 학생들만이 고성능 AI의 이점을 누리고, 그렇지 못한 곳은 뒤처지는 상황이 현실화될 위험이 있다.

또한 스킬 크리에이터는 특정 프로세스를 자동화하거나 기록하는 커스텀 스킬을 생성하여 리소스를 절약하고 정확도를 높인다고 설명한다. 그러나 이것이 역설적으로 인간의 기본 스킬을 퇴화시킬 수 있다는 우려를 낳는다. AI가 특정 작업을 “벤치마킹하고 리소스 절약을 알려주는” 것은 분명 효율적이지만, 그 작업의 본질적 이해와 개선 능력은 인간이 직접 체득해야 할 영역이다.

이러한 문제의식 속에서 전문적 학습 공동체(PLC)는 AI 시대 교육의 핵심 기관이 된다. 강연자가 소개한 팀 온보딩 기능은 현재까지의 세션 트랜스크립트를 읽고 새로운 팀 멤버를 위한 가이드를 생성하는데, 이는 곧 교사 공동체가 AI 활용 경험을 공유하고 표준화하며, 윤리적 활용 방안을 집단적으로 성찰하는 데 직접적인 영감을 준다. AI 활용의 효율성 뒤에 숨은 부작용과 윤리적 딜레마는 개별 교사의 노력만으로는 해결할 수 없는 문제다.

교사들은 AI가 제공하는 “개쩌는 기능”들을 무비판적으로 수용하기보다, 다음과 같은 질문들을 함께 던져야 한다.

• AI가 수행한 이 작업에서 학생들이 무엇을 배워야 하는가?
• AI의 도움 없이도 수행할 수 있는 최소한의 역량은 어디까지인가?
• 특정 AI 기능의 비용이 교육의 평등권을 침해하지는 않는가?
• AI의 산출물을 어떤 기준으로, 누가, 어떻게 검증하고 평가할 것인가?

이러한 질문들에 대한 답을 공동으로 찾아나가고, AI 활용의 모범 사례와 실패 사례를 공유하며, 교육적 가치를 중심으로 AI 도구를 재설계하는 일이 우리에게 주어진 과제다.

AI와 함께 성장하는 교사를 위한 세 가지 지침

AI 에이전트의 발전은 교사들에게 새로운 역할과 책임을 부여한다. 더 이상 AI 도구를 피하거나 단순 활용에 그쳐서는 안 된다. 교사들은 이제 AI의 작동 원리를 이해하고, 비판적으로 평가하며, 교육적 맥락에 맞게 재구성하는 AI 프롬프트 엔지니어이자 학습 설계자가 되어야 한다.

첫째, 메타인지적 학습 설계를 최우선으로 한다. AI가 제공하는 딥 리서치나 울트라 플랜의 결과물을 그대로 수용하게 하기보다, AI가 어떻게 그 결과를 도출했는지 과정을 추적하고 분석하게 해야 한다. AI의 워크플로를 ‘교수 학습 자료’ 삼아 학생들의 비판적 사고력을 길러야 한다.

둘째, AI 활용 경험을 개인의 몫으로 남기지 않는다. 팀 온보딩 기능이 보여주듯이, 한 교사가 시행착오 끝에 얻은 프롬프트 노하우는 공유될 때 비로소 공동의 자산이 된다. 거창한 연수가 아니어도 된다. 학년 공유 문서에 그날 잘 통한 프롬프트 한 줄, 반대로 엉뚱한 답을 내놓은 실패 사례 하나를 적어 두는 데서 시작한다. 그 기록이 한 학기 쌓이면, 같은 고민을 하는 옆 반 동료의 출발선이 달라진다.

셋째, AI의 ‘블랙박스’를 해체하는 비판적 AI 리터러시 교육을 강화한다. 울트라 코드와 같은 복잡한 에이전트 시스템은 그 내부 작동 원리를 파악하기 어렵다. 학생들은 AI의 결과가 완벽하지 않으며, 특정 편향이나 오류를 포함할 수 있음을 인지하고 다각도로 검증하는 습관을 들여야 한다. AI의 능력을 맹신하는 태도는 스스로의 사고력을 마비시키는 지름길이 된다.

우리는 AI의 발전 속도에 놀라기보다, 이 기술이 교육 현장에 어떤 구조적 변화를 가져올 것인지, 그리고 그 변화 속에서 인간과 AI가 어떻게 상호 보완적 관계를 구축할 것인지에 대한 깊은 성찰을 시작해야 한다. AI가 ‘전략적 탐구자’가 되는 시대, 우리의 학생들도 그렇게 성장하도록 돕는 것이 교사의 새로운 책무이다.

출처

• 코드팩토리. (2026-06-01). Claude Code 필수 지식 20가지 13분 정리!. YouTube.