AI 대회 준비

AI 에이전트는 일을 여러 단계로 나눠 끝까지 해내는 AI 프로그램이다.

• 보통 AI: 한 번 묻고 한 번에 답을 받는다.
• 에이전트: 개요, 자료 찾기, 초안, 다시 읽기, 고쳐 쓰기. 여러 번 손본다.
• 사람도 지우개 없이 한 번에 쓰면 잘 못 쓴다. AI도 같다.

그림이 잘리면 옆으로 밀어 본다.

원문 보기

• "So an agentic AI workflow is a process where an L1 based app executes multiple steps to complete a task." [강의 M1 L2] 자막이 LLM을 L1으로 잘못 받아 적었다.
• "it would be more useful to think of systems as being agent-like to different degrees" [편지 2024-06-12]

• 에이전트를 쓰는 까닭은 하나다. 결과가 더 좋아지는 때가 많다. 얼마나 좋아지는지는 재 봐야 한다.
• 같은 AI도 일하는 방식을 바꾸면 점수가 오른다.

• 숫자는 2024년 3월 편지의 것이다. 강의 자막에는 GPT-3.5가 40%로 적혀 있다.
• 95.1%는 여러 연구 결과 가운데 가장 높은 값이다. 한 가지 시험의 결과라 모든 일에서 같은 폭으로 좋아지지는 않는다.
• 덤 1: 여러 일을 동시에 한다. 웹 페이지 9개를 한꺼번에 읽는다.
• 덤 2: 부품을 바꿔 끼우기 쉽다. 모델이나 검색 도구만 갈아 본다.
• 대가: 한 번에 쓰기보다 시간이 더 걸린다.

원문 보기

• "GPT-3.5 (zero shot) was 48.1% correct. GPT-4 (zero shot) does better at 67.0%." [편지 2024-03-20]
• "wrapped in an agent loop, GPT-3.5 achieves up to 95.1%" [편지 2024-03-20]
• "an agentic workflow can take longer, but it delivers a much better work product" [강의 M1 L2]
• "Reflection often improves the performance of the system, but before I commit to keeping it, I would usually want to double check how much it actually improves the performance" [강의 M2 L5]

• 순서가 뻔한 일은 사람이 순서를 정해 준다. 그래야 믿을 수 있다.
• 앤드류 응은 순서가 단순하고 가끔 갈림길이 있는 회사 일에서 기회를 많이 본다.
• AI에게 다 맡기는 방식은 2026년에 쓸 만해졌다. 그래도 앤드류 응은 "아직 완전히 믿을 수는 없다"고 했다.
• 그래서 실무 팀은 꼭 필요한 단계를 정하고 하나씩 만든다(2026-03).
• 몇 시간씩 혼자 돌리는 방식의 쓸모는 실제보다 부풀려졌다고 봤다(2026-09).

원문 보기

• "there are tons of applications in the less autonomous end of the spectrum that are very valuable" [강의 M1 L3]
• "fairly linear workflows or linear with just occasional side branches" [강연 2025-05-28]
• "for many workflows, it's just not reliable enough to be production ready" [강연 2026-03-01]
• "what are the key steps, and implementing them piecemeal" [강연 2026-03-01]
• "Building a reliable agent today requires much more scaffolding to guide it" [편지 2025-12-10]
• "an important, if still not entirely reliable, alternative" [편지 2026-06-12]
• "the right balance between agent autonomy and human oversight" [편지 2026-09-04]

• AI의 출력은 미리 알 수 없다. 그래서 재는 장치가 부품에 들어간다.
• 앤드류 응은 모델과 도구를 "쌓기 블록"이라고 부른다. 나머지 여섯은 그의 강의와 편지에서 모았다.

원문 보기

• "The key difference between AI and non-AI applications is that the former has unpredictable outputs." [편지 2026-08-14]
• "LLMs can be given tools, meaning functions that they can call in order to get work done" [강의 M1 L8]
• "these SOPs can go into the prompts of models" [편지 2025-03-26]
• "the best practice for code execution is to run it inside a sandbox environment" [강의 M3 L6]

• 다시 볼 때 바깥 정보를 넣으면 훨씬 좋아진다. 예: 코드 실행 결과, 글자 수, 검색으로 확인한 사실.
• 넷을 다 쓸 필요는 없다. 계획이 필요 없는 일이 많다.

원문 보기

• "Reflection with external feedback, if you can get it, is much more powerful than reflection using the LM as the only source of feedback." [강의 M2 L6]
• "The more mature patterns of Reflection and Tool Use are more reliable." [편지 2024-04-17]
• "Admittedly, many agentic workflows do not need planning." [편지 2024-04-10]

그림이 잘리면 옆으로 밀어 본다.

1. 문제 정하기. 누구의 어떤 일인가. 입력과 좋은 답 예시를 10~50개 적는다. 이 예시가 설계서다.
2. 일 쪼개기. 사람이라면 어떤 순서로 할지 적는다.
3. 맡길 곳 정하기. 단계마다 묻는다. "AI, 코드, 도구 중 누가 할 수 있나?" 답이 안 나오면 더 쪼갠다.
4. 빨리 만들기. 엉성해도 처음부터 끝까지 도는 첫 판을 만든다. 몇 주씩 궁리하지 않는다.
5. 결과 살펴보기. 10~20개를 눈으로 읽고 마음에 안 드는 곳을 적는다.
6. 평가 만들기. 그 문제를 숫자로 재는 작은 시험을 만든다.
7. 틀린 단계 세기. 단계별 기록을 읽고 어느 단계 탓인지 센다.
8. 그 단계 고치기. 자주 틀리고 고칠 방법이 보이는 단계부터 고치고 5번으로 돌아간다.

• 품질이 먼저다. 속도와 비용은 잘 돌아간 뒤에 줄인다.
• 이 여덟 단계는 강의와 편지의 내용을 한 줄로 이은 것이다. 앤드류 응이 번호를 매긴 순서는 아니다.

그림이 잘리면 옆으로 밀어 본다.

원문 보기

• "can each of them be done either by an LLM, or by a short piece of code, or by a function call, or by a tool" [강의 M1 L6]
• "the data is your PRD" [편지 2024-12-11]
• "I'll often start by quickly building an end-to-end system, maybe even a quick and dirty implementation." [강의 M4 L8]
• "it's sometimes less useful to sit around for too many weeks theorizing and hypothesizing how to build it" [강의 M4 L1]
• "focus on getting high-quality outputs and to optimize cost and latency only later" [강의 M4 L7]

잘 만드는 사람은 재고, 틀린 곳을 찾고, 그곳만 고친다.

• 앤드류 응이 꼽은 가장 큰 차이다. 2025년 10월에 말했고 2026년 8월에 다시 말했다.
• 서툰 팀은 만들기만 하고 살펴보지 않는다. 감으로 고를 곳을 정해 몇 달을 헛일한다.
• 처음에는 예시 10~20개면 된다. 평가도 돌 때마다 고친다.

재는 법 네 가지

• AI에게 "1~5점으로 매겨라"는 잘 안 맞는다. 예, 아니오로 답하는 항목 다섯 개를 주고 점수를 더한다.
• AI 채점은 몇 개를 사람이 먼저 채점해 견준다. 순서가 다르면 채점 질문을 고친다.

틀린 단계 찾는 법

• 잘된 것은 제쳐 두고 틀린 것만 모은다.
• 단계별 기록을 읽는다. 사람이 했다면 더 잘했을 단계에 표시한다.
• 표로 센다. 앤드류 응이 설명하려고 든 숫자: 검색어 탓 5%, 검색 결과 탓 45%. 이러면 검색 결과부터 고친다.
• 자주 틀려도 고칠 방법이 안 떠오르면 뒤로 미룬다. 드물어도 돈이 잘못 나가는 것처럼 영향이 큰 오류는 먼저 막는다(영향 기준은 대회용으로 보탠 것).

고치는 순서

1. 고장 난 부품을 가른다. AI인가, 코드나 검색이나 자료 변환인가. 검색이면 범위, 결과 수, 도구를 고친다. 변환이면 읽는 방식과 단위 규칙을 고친다.
2. AI 단계면 지시문을 더 또렷하게 쓴다.
3. 좋은 답 예시를 넣는다.
4. 다른 모델로 바꿔 본다.
5. 그 단계를 더 잘게 쪼갠다. 반대로 쓸모없는 단계는 합치거나 없앤다. 모델이 좋아지면 이끄는 코드를 걷어 내는 일이 흔하다.

원문 보기

• "the single biggest predictor of whether someone can build effectively is whether they know how to drive a disciplined process for evals and error analysis" [편지 2025-10-08]
• "the most important trait that distinguishes someone great at building AI systems is whether you can drive a disciplined evals/error analysis loop to drive development" [편지 2026-08-21]
• "teams that can drive a disciplined error analysis process make much faster progress" [강연 2026-07-08]
• "what I see less experienced teams often do is spend a lot of time building and probably much less time analyzing" [강의 M4 L8]
• "I'm dissatisfied with the search terms 5% of the time, but I'm dissatisfied with the search results 45% of the time" [강의 M4 L2]
• "Before analyzing errors, we first have to decide what is an error." [편지 2025-10-15]
• "have it give five binary scores, and you add up those scores" [강의 M2 L5]
• "sometimes the rank ordering doesn't correspond that well to human expert judgment" [강의 M2 L5]
• "So maybe a component is problematic but I don't have any ideas for improving it, so that would suggest maybe not prioritizing that as high" [강의 M4 L2]
• "your tools for improving different components will be pretty different" [강의 M4 L6]
• "one very common pattern is ripping out scaffolding and letting the LLM do more" [편지 2025-10-22]

앤드류 응이 2026년 6월에 정리했다. 코딩 에이전트로 제품을 만들 때의 고리다. 대회에서는 내가 "만드는 사람", 마을 관계자가 "쓰는 사람"이다.

• 빠른 고리는 멈출 조건이 있어야 돈다. 조건은 사람이 준다(사양, 평가, 시험 예시).
• 사람이 빠지면 안 되는 까닭: 쓰는 사람과 현장을 사람이 더 잘 안다.
• 앤드류 응의 원칙: AI의 글자는 싸고, 사람의 글자는 금이다. 10분 만에 엉성한 지시를 주고, 만든 것을 본 뒤에 고친다. 고친 내용은 지시문에 적어 둔다.

원문 보기

• "These loops guide not just how I build software, but also how I decide what software to build." [편지 2026-06-26]
• "have an agent keep working until it satisfies a condition" [편지 2026-07-10]
• "I see humans as having a significant context advantage over current AI systems" [편지 2026-06-26]
• "AI tokens are cheap; human tokens are gold." [편지 2026-07-10]
• "I'd rather spend 10 minutes writing an inferior spec, see what the agent has built, examine its assumptions, and then refine the spec and repeat the process." [편지 2026-07-10]

판정: 일곱 개 모두 앤드류 응의 말과 이어진다. 이 판정은 내 해석이다. 앤드류 응이 내 생각을 직접 본 것은 아니다. 여섯 가지를 보탠다.

보탤 여섯 가지

1. 자료 다듬기. AI가 읽을 수 있고, 깨끗하고, 최신이어야 한다. 숫자를 잘못 뽑으면 티가 안 나게 틀린다.
2. 도구. AI가 찾고 계산하고 저장하게 해 준다.
3. 스스로 하는 정도 고르기. 필요한 만큼만 맡긴다.
4. 빨리 만들어 보기. 계획을 오래 세우지 않고 첫 판부터 만든다.
5. 틀린 단계 찾기. 재기만 하면 어디를 고칠지 모른다.
6. 멈출 조건과 허용 범위. 한 요청의 최대 시간, 다시 하는 횟수, 비용 한도를 정한다. 넘으면 멈추고 이유를 남긴다. 지우기와 보내기는 승인 뒤에 한다.

원문 보기

• "deciding what to build is the new bottleneck" [편지 2025-07-16]
• "our work as engineers is shifting toward deciding what should be in the spec" [편지 2026-08-14]
• "when to use code and when to use an LLM" [편지 2026-08-21]
• "Coming up with the spec, the evals, or test set is one of the hardest tasks for many AI systems, and a key place to inject human knowledge." [편지 2026-07-10]
• "engineer pipelines to keep data clean and fresh" [편지 2026-08-21]
• "silent failures in the form of incorrect numerical outputs" [편지 2025-10-01]
• "we can change how we decompose a complex task into steps" [편지 2025-10-22]
• "engineer the workflow or harness, with fallbacks" [편지 2026-08-21]

영어 강의를 볼 때 찾아보는 표다.

그림이 잘리면 옆으로 밀어 본다.

아직 모르는 것

• 에이전트를 어디서 만들고 어떤 꼴로 내는가
• 인물이 몇 명이고 대화에 제한이 있는가
• 자료를 어떤 형식으로 주는가
• 채점 항목과 배점

단서 세 가지 (추측)

• 신청서가 "카카오디벨로퍼스 회원번호"를 받는다. 카카오 문서에서 이 번호는 카카오 로그인을 할 때 서비스마다 따로 생기는 사용자 번호다. 개발자 계정 번호가 아니다. 카카오톡 채널 챗봇도 앱 키를 연결하면 대화 상대의 이 번호를 받는다. 신청서의 번호가 이것일 가능성이 크지만, 대회가 실제로 어떻게 모으고 어디에 쓰는지는 미확인이다.
• 예선 뒤에 4일짜리 심사가 있다. 제출한 에이전트를 여러 상황에 넣어 시험할 수 있다.
• 주최 재단이 2026년 AI 전환 실험을 함께 하는 협동조합 청풍은 인천 강화군에서 '잠시섬'을 운영한다. 마을 사람을 등장인물처럼 잇는 "자유도 높은 역할수행게임 체류 프로그램"이라고 설명한다. 강화군에는 교동도가 있다. 대회 무대와 이어진다는 것은 추측이다.

원문 보기

• "문제를 정의하고, 단서를 조합해서 만든 AI 에이전트가 실제 상황에서 얼마나 적절하게 작동하는지를 심사합니다" [대회 O01]
• "대회의 모든 참여 과정이 카카오톡 내에서 구현되어 있어" [대회 O16]
• "대회 시작 전 [온보딩]을 완료하지 않을 경우에는 대회에 참여할 수 없습니다." [대회 O14]
• "3000명을 대상으로 한 예선 참가 신청이 하루 만에 마감될 정도로 큰 관심을 모았다." [대회 N2025_aitimescom]
• "회원번호는 서비스의 회원 ID 역할을 하므로 앱 단위로 발급됩니다." [카카오 D08]
• "앱 키가 정상적으로 등록된 경우, 카카오 로그인으로 받는 값과 동일한 값을 얻을 수 있습니다." [카카오 C13]
• "봇 설정에서 앱키를 설정한 경우에만 제공되는 사용자 정보입니다" [카카오 C13]
• "유 이사는 이를 '자유도 높은 RPG(역할수행게임) 체류 프로그램'이라고 표현했다" [카카오 J01]

주최 측은 신청서에서 강점을 여덟 가지 중에 고르게 한다. 이 여덟 가지가 주최 측이 생각하는 실력의 목록이다(심사 기준이라는 것은 추측).

• 여덟 가지 중 다섯 가지가 내 생각 일곱 가지와 겹친다. 방향이 맞다.
• 빠진 것은 도메인 전문성이다. 농수산 조합이 어떻게 일하는지 알아야 AI가 쓴 주문표와 정산표가 맞는지 볼 수 있다. 6절에 모았다.

출제진이 되풀이한 말

• 2025년 출제 원칙: 사람의 분석 → AI의 문제 해결 → 사람의 검증.
• 2025년 참가자 대부분이 스스로 고득점이라고 믿었다. AI 답을 그대로 믿었기 때문이다.
• 2026년 4월 학생 대회: 지시 몇 줄만 던지고 맡기면 고득점이 안 나오게 만들었다.

원문 보기

• "AI에게 무엇을 시킬지 작은 단위로 쪼개 명확하게 정리함" [대회 O10]
• "AI가 준 답을 그대로 믿지 않고 의심하고 검증함" [대회 O10]
• "AI에 맡길 일과 직접 챙길 일을 구분함" [대회 O10]
• "사람의 분석 → AI의 문제 해결 → 사람의 검증" [대회 K_techkakao_797]
• "왜냐면 AI를 거의 대부분 맹신해서 그렇습니다." [대회 Y_모두의연구소]
• "프롬프트 몇 줄을 던져두고 알아서 풀게 맡기는 방식으로는 고득점에 이르기 어렵도록 설계했습니다" [대회 K_brunch_andkakao_333]

그림이 잘리면 옆으로 밀어 본다.

그림이 잘리면 옆으로 밀어 본다.

• 합쳐서 300분이다. 10절의 시간표와 같다.
• 미션은 두 마을 조합의 업무 개선이다. 하나를 고르는 것은 먼저 만들 것을 고르는 뜻이지 나머지를 버리는 뜻이 아니다. 제출물이 몇 개인지는 미확인이다.
• 재제출이 되는지 먼저 확인한다. 되면 검증한 첫 판을 일찍 내고, 시험을 통과한 수정본만 바꿔 낸다. 안 되면 제출 전에 마지막 점검을 한다.
• 예시 20개는 목표다. 첫 실행 시간을 재서 몇 번 돌릴 수 있는지 정한다.

2025년 참가자들이 남긴 말

• 듣기를 건너뛰지 않는다. 문제가 흐리면 AI가 그 흐림을 그럴듯하게 키운다.
• 8할짜리를 먼저 낸다. 완벽하게 하나보다 여러 개의 8할이 총점에 유리했다.
• 자료는 먼저 글자로 바꾼다. PDF, 사진, 엑셀을 글이나 표로 바꾼 뒤 AI에게 준다.
• AI끼리 서로 검사시킨다. 다른 모델에게 답을 따지게 해 순위가 80계단 오른 참가자가 있다.
• 없는 내용을 지어내지 않는다. 2025년 본선 채점 안내에 그대로 적혀 있다.

원문 보기

• "문제 정의가 조금만 흐릿해지면, AI가 그 흐릿함을 그럴듯하게 확대해 버리는 순간이 자주 있었습니다." [대회 R_velog_hunjune]
• "80% 수준의 답을 빠르게 내고 다음으로 넘어가는 것이 총점에서는 더 유리했다." [대회 R_nb_ssum_official]
• "먼저 마크다운이나 텍스트로 전처리한다" [대회 R_nb_ssum_official]
• "그 결과, 예선 대비 순위가 80계단이나 급상승하는 성과를 거뒀습니다." [대회 K_kakaoimpact_news_252]
• "없는 내용을 추측하여 작성해서는 안 됩니다." [대회 P2025_본선3]

대회에서 내 역할은 AX 전문가다. 마을 사람들이 AI로 일을 더 쉽게 하도록 돕는 사람이라는 뜻이다. 앤드류 응은 고객 조직에 들어가 에이전트를 만들어 주는 엔지니어의 일을 네 가지로 적었다.

1. 듣는다. 고객과 말해 무엇이 필요한지 안다.
2. 고른다. 여러 일 가운데 먼저 할 것을 정한다.
3. 풀어 말한다. 어려운 기술을 쉬운 말로 설명한다.
4. 정중히 거절한다. 안 되는 부탁에는 안 된다고 말하고 되는 것을 내놓는다.

• 한 단계만 AI로 바꾸면 조금 나아진다. 앞뒤 흐름을 함께 바꾸면 크게 나아진다.
• 앤드류 응의 예: 대출 심사 한 단계를 1시간에서 10분으로 줄이는 데서 멈추지 않고, "10분 만에 답이 나오는 대출"로 상품과 흐름을 통째로 바꾼다.
• 마을 조합에 옮기면: 주문 정리만 빠르게 하는 데서 멈추지 않고, 주문에서 포장, 발송, 안내 문자까지 이어지는 흐름을 본다.

원문 보기

• "they may need to speak with clients to understand their needs, formulate a strategy to prioritize projects, explain complex technology, and respectfully push back if a client asks for something unrealistic" [편지 2026-05-29]
• "bigger gains require workflow redesign" [편지 2026-01-23]
• "work with the stakeholders to figure out what workflows automate" [강연 2026-06-17]

나올 법한 상황 14개를 만들었다. 먼저 다섯 개만 연습한다.

• 같은 의뢰서로 두 모델(Opus, GPT-6 astra)이 따로 12개씩 썼다. 겹치는 것은 합치고 한쪽에만 있는 것은 살렸다.
• 모두 예상이다. 실제 문제는 10/31에 안다.
• 카드 14장과 시험 입력 84개는 6 연습 시나리오에 있다.

나머지 아홉: 선별장 기록, 계약 단가 근거, 로컬푸드 판매 중지, 위판 실적 월 보고, 위판 대금과 외상, 물때 일정, 공동 꾸러미 주문, 떠난 담당자의 인수인계, 마을기업 요건 점검.

어느 시나리오든 나오는 함정 열 가지

1. 단위가 섞인다 (kg, 상자, 포기, 두름)
2. 같은 이름, 다른 대상 (이름이 같은 다른 사람, 별명, 신선과 냉동)
3. 변경과 취소를 새 건으로 센다
4. 숫자와 "아니다"를 잘못 읽는다
5. 빈칸을 0으로, 예약 이체를 들어온 돈으로 읽는다
6. 날짜 세는 법이 여럿이고 문서도 옛 판과 새 판이 섞인다 (음력, 물때, 작년 지침)
7. 일부 완료를 전체 완료로 적는다
8. 인물의 말과 자료가 다르다
9. 자료 속에 숨은 명령이 있다
10. 찾아보라는 것이 아니라 바꾸거나 정하라고 시킨다

자료가 지저분한 여섯 가지 꼴

• 모르는 단위와 이름은 지어내지 않는다. 인물에게 묻는다.
• 바꾼 값 옆에 원래 값을 남긴다.

원문 보기

• "한라봉 5㎏ 신선하게 배달 바랍니다" [현장 A_nongmin_order_app_2023]
• "최소 2시간은 꼬박 매달려야 한다" [현장 A_nongmin_order_app_2023]
• "입항현황 상자 단위 기준은 상자당 20KG로 계산하여 작성하고 있습니다" [현장 B_bcfm_mackerel_units_qna]
• "9 월 기준 가입 대상 어선 3 천 15 척 가운데 앱 가입을 완료한 어선은 217 척으로 전체의 7.2%에 불과하다" [현장 D_catch_report_app_elderly]
• "똑같은 내용을 한시간 안에 또 입력하면 같은 주문을 여러번 진행한다는 경고 알림도 보내준다" [현장 A_nongmin_order_app_2023]

오늘

• aitop100.org에서 참가 신청을 한다 (선착순)
• 신청 완료 메일과 알림톡이 왔는지 확인한다. 없으면 스팸함을 보고 운영사무국에 묻는다
• 카카오톡 계정에 카카오 계정이 연동돼 있는지 확인한다
• 카카오 계정에 대표 이메일을 넣고 본인 인증을 해 둔다 (PlayMCP 가입 조건. 대회에 꼭 필요한지는 미확인)
• 주최 측에 물을 것을 메일로 보낸다 (11절)

1주 차 (10/1~10/7): 배운다

• 1부를 읽는다
• 강의 노트와 편지·강연 노트를 읽는다 (학습/)
• 앤드류 응 강의 1주 차 영상 8개(46분)와 4주 차 영상을 본다
• 2025년 기출 세 개를 읽는다: 입국 심사관, 인수인계, PDF 숨은 글
• 출제 후기를 읽는다

2주 차 (10/8~10/14): 부품을 따로 연습한다

• 질문지로 인터뷰 연습을 한다 (모의 미션의 인물 한 명과 20분)
• 자료 점검표와 도구/자료_훑어보기.py로 지저분한 표 하나를 깨끗하게 만든다
• 지시문 뼈대로 에이전트 하나를 만들고 예시 20개로 잰다
• 카카오톡 채널 챗봇 뼈대를 서버 없이 한 번 만들어 본다 (30분. 카카오비즈니스 가입, 일반 채널, 챗봇 관리자센터)

3주 차 (10/15~10/22): 모의 미션 1회

• 교동마을 모의 미션을 2시간 안에 처음부터 끝까지 한다
• 채점표로 스스로 채점한다
• 막힌 곳 세 가지를 적고 준비물을 고친다

4주 차 (10/23~10/30): 실제 형식으로 맞춘다

• 10/23 온보딩을 끝낸다. 제출 형식, 제출 횟수, 인물 수, 자료 형식을 적는다
• 갯마을 모의 미션을 실제 제출 형식에 맞춰 한다
• 실제 형식으로 5시간 종합 연습을 한 번 한다. 두 마을 요구 확인부터 제출 확인까지 시간을 잰다. 넘치면 질문 수, 정리 범위, 기능 수를 줄인다
• 대회 전 이메일로 오는 규정과 예선 접속 링크를 저장한다
• 대회 환경을 점검한다: 컴퓨터, 크롬, 혼자 쓰는 인터넷, 인증 사진
• AI 도구의 남은 사용량을 확인한다. 예비 계정을 하나 준비한다

위에서부터 차례로 본다.

• 강의는 영어다. 한국어 자막이 없다. 원문 자막은 _research/A_course/transcripts에 있다.

준비물 (이 폴더에 있다)

만들어 둔 도구 (이 폴더에 있다)

갖춰 둘 도구

카카오 쪽 도구 (2026-10-01 확인)

대회가 이 도구를 쓴다는 근거는 아직 없다. 제출 형식이 카카오톡 챗봇이나 주소 꼴일 때를 대비해 알아 둔다.

낱말: 서버는 인터넷으로 요청을 받아 일을 처리하는 컴퓨터다. API는 다른 프로그램의 기능을 빌려 쓰는 약속이다. MCP는 AI가 바깥 도구를 붙여 쓰는 공통 약속이다.

• 2025~2026년 카카오 관련 에이전트 대회 세 개는 PlayMCP를 쓰거나 고를 수 있게 했다. AI_TOP_100이 쓰는지는 미확인이다.
• 자세한 내용과 30분 연습 세 가지는 _research/H_kakao/00_정리.md 5절에 있다.

원문 보기

• "국내 사업자등록번호 또는 고유번호가 없다면 우선 일반 채널로 개설할 수 있습니다" [카카오 C11]
• "스킬과 연동한 서버에서 5초 안에 응답을 줄 수 있도록 추가 개발을 하여 주시기 바랍니다" [카카오 C04]
• "본인 인증이 완료된 계정만 가입할 수 있어요." [카카오 P03]
• "Remote MCP 서버만 지원합니다" [카카오 P24]

전날

• 온보딩을 끝냈는지 다시 본다
• 대회 규정 이메일과 예선 접속 링크를 다시 읽는다
• 준비물 여섯 개를 한 폴더에 열어 둔다
• AI 도구에 로그인해 두고 남은 사용량을 본다
• 9시 대기실 입장 알람을 맞춘다

당일 시간표 (예시)

막힐 때

• 15분 넘게 같은 곳에서 막히면 방법을 바꾼다.
• AI 답이 그럴듯하면 더 의심한다. 원본과 대조한다.
• 화면의 제한이나 입력 형식은 힌트일 수 있다. 오류라고 넘기지 않는다.
• 모르는 것은 인물에게 다시 묻는다.
• 방향과 기준을 알고 맡기면 위임이고, 모르는 채로 받아 넘기면 의존이다. 맡기기 전에 "무엇이 맞는 답인가"를 한 줄로 적는다.
• 결과는 내 실력 곱하기 모델 성능이다. 내가 모르는 단계는 모델을 바꿔도 나아지지 않는다. 인물에게 묻거나 자료를 읽어 내 쪽을 먼저 채운다.
• 가려낼 기준이 없으면 한 건을 손으로 직접 해 본다. 그 답이 비교 기준이 된다. 통과시키기 전에 "왜 이렇게 나왔나"를 한 번 더 묻는다.
• 내가 설명하지 못하는 결과는 내지 않는다. AI에게 쉬운 말로 풀어 달라고 해서 이해한 뒤에 넘어간다.

뒤의 네 줄은 유튜브 '퇴근길 AI'의 AI 실무 역량 로드맵 합본에서 보탰다(2026-10-06).

문의: aitop100@kakaoimpact.org

1. 인터뷰는 카카오톡 어디서 하나요? 인물 수와 대화 횟수에 제한이 있나요?
2. 에이전트는 어떤 꼴로 제출하나요? 신청서의 "카카오디벨로퍼스 회원번호"는 제가 직접 적는 것인가요, 로그인하면 저절로 모이는 것인가요? 인터뷰는 카카오톡 채널 챗봇으로 하나요?
3. 바깥 AI 서비스와 서버를 에이전트에 붙여도 되나요? 심사 기간에 에이전트를 켜 둬야 하나요?
4. 채점은 자동인가요, 사람이 하나요? 빨리 내면 점수를 더 주나요?
5. 자료는 어떤 형식으로 주나요?
6. 제출은 한 번인가요, 여러 번 고칠 수 있나요?
7. 환경 인증 사진은 언제 어떻게 찍나요?
8. 10/23 온보딩에서 연습 문제를 주나요?