AI를 잘 쓰고 싶은데, 정작 뭘 시켜야 할지 모르겠다는 분 계십니까? 저도 그랬습니다. 그러다 한 달 동안 Manus에 토큰을 다 태워봤는데, 솔직히 예상보다 훨씬 많이 달라졌습니다. 질문하던 사람이 '해와' 하고 시키는 사람으로 바뀌는 데 그렇게 오래 걸리지 않았습니다. (하단에 무료 크레딧 링크)
질문하던 시대는 끝났습니다
"이거 뭐야"라고 묻고 답을 받아 읽고, 다시 묻고, 또 받고, 그걸 제가 정리하던 시절이 있었습니다. 토큰은 타는데 정작 손발은 제가 다 움직이는 구조였습니다. 그때는 그게 당연하다고 생각했습니다.
Manus를 쓰고 나서 달라진 게 있습니다. "해줘"라고 시키면 끝입니다. 검색하고, 코드 짜고, 문서 만들고, 실행까지 합니다. 이걸 AI 에이전트(AI Agent)라고 부릅니다. AI Agent란 사용자의 지시를 받아 스스로 계획을 세우고, 외부 도구를 활용하며 목표를 완수하는 자율 실행 시스템을 말합니다. 기존의 챗봇이 답변만 생성하는 브레인이었다면, 에이전트는 실제로 손발이 달린 형태입니다.
제가 직접 써봤는데, 캘리포니아 부동산 조건 검색을 시켜봤습니다. 통근 40분 이내, 학군 8점 이상, 산불 위험 없음, 150만 달러 이하라는 조건을 던졌더니 16분 넘게 혼자 돌아가다가 지역별 매물 분석 보고서를 들고 왔습니다. 중간에 제가 아무것도 안 했습니다.
여기서 중요한 포인트가 있습니다. 기존 AI가 웹 검색(Web Search) 결과를 텍스트로 요약해 주는 방식이었다면, Manus는 VM(Virtual Machine), 즉 가상 컴퓨터를 실제로 실행해서 브라우저를 열고, 클릭하고, 데이터를 수집합니다. VM이란 물리적 컴퓨터 자원을 소프트웨어로 에뮬레이션한 독립된 실행 환경으로, Manus는 이 안에서 사람이 하는 것과 동일한 방식으로 인터넷을 탐색합니다. 그래서 로그인이 필요한 사이트, 동적으로 로딩되는 페이지도 접근이 가능합니다.
핵심 차이를 정리하면 다음과 같습니다.
- 기존 챗봇: 질문에 답변 생성 → 사용자가 다시 정리 및 실행
- AI 에이전트: 목표를 받으면 계획 수립 → 도구 실행 → 결과물 완성까지 자동
- Manus: VM 기반으로 실제 브라우저 조작, 클라우드에서 백그라운드 실행
AI 에이전트란 무엇이고, 왜 다른가
일반적인 생성형 AI(Generative AI)는 질문을 던지면 텍스트로 답변을 돌려주는 구조입니다. 여기서 생성형 AI란, 입력된 데이터를 바탕으로 텍스트·이미지·코드 등 새로운 콘텐츠를 만들어내는 모델을 말합니다. ChatGPT나 Claude가 대표적이죠.
Manus는 구조가 다릅니다. 에이전트(Agent) 방식으로 동작합니다. 에이전트란, 목표를 받으면 스스로 계획을 짜고 실행하고 결과물을 완성하는 자율 실행 시스템입니다. 단순히 답을 말해주는 게 아니라, VM(가상 머신)을 띄워서 실제 브라우저를 열고, 사이트에 접속하고, 데이터를 긁어오고, 코드를 짜고, 문서까지 만들어냅니다. 제가 직접 써봤는데, 부동산 조건 검색 하나를 던졌더니 16분 동안 한 번도 멈추지 않고 혼자 돌아가더라고요. 처음 봤을 땐 솔직히 좀 당황스러웠습니다.
이 차이가 실제로 어떻게 느껴지냐면, 기존 AI는 제가 방향을 계속 잡아줘야 했습니다. 답변 나오면 다시 지시하고, 또 나오면 또 지시하고. 결국 일을 쪼개서 처리하는 건 사람이었습니다. Manus는 목표만 줘도 스스로 단계를 쪼개고, 막히면 우회하고, 끝까지 결과를 만들어냅니다. 이게 처음엔 작은 차이처럼 보이는데, 실제로 써보면 업무 흐름 자체가 달라집니다.
Manus를 제대로 활용하려면 다음 세 가지를 먼저 파악해두면 좋습니다.
- 스킬(Skills): 자주 쓰는 작업 흐름을 저장해두는 기능. 한 번 잘 된 프로세스를 등록해두면 다음부터는 같은 품질을 반복 재현할 수 있습니다.
- 스케줄링(Scheduled Tasks): 특정 시간에 자동 실행을 설정하는 기능. 사용자가 접속하지 않아도 클라우드에서 혼자 돌아갑니다.
- 브라우저 권한(Browser): 로그인된 브라우저 환경을 그대로 넘겨서, 인증이 필요한 사이트에도 접근할 수 있게 하는 기능입니다.
국내 AI 활용 현황을 보면, 2024년 기준 국내 기업의 AI 도입률은 여전히 초기 단계에 머물러 있습니다(출처: 한국지능정보사회진흥원). 그 이유 중 하나가 "어떻게 써야 할지 모르겠다"는 것인데, 에이전트 방식은 그 진입 장벽을 상당히 낮춰줍니다.
스케줄링과 스킬이 바꾸는 실제 업무 방식
토큰맥싱을 하면서 가장 크게 달라진 건 이겁니다. 결과가 잘 안 나왔을 때 "AI가 못 하는구나"가 아니라 "내가 구조화를 못 했구나"로 생각이 바뀌었습니다. 프롬프트 엔지니어링(Prompt Engineering)이라는 말이 있는데, 이는 AI가 원하는 결과를 내도록 입력 지시문을 설계하는 기술을 말합니다. 제 경험상 이건 배워서 아는 것보다 많이 써보면서 몸으로 익히는 게 훨씬 빠릅니다. AI 강의 듣는 돈으로 그냥 토큰 사서 다 써버리는 게 낫다고 보는 이유가 여기 있습니다.
스케줄링 기능을 처음 써봤을 때 솔직히 이건 좀 예상 밖이었습니다. 기존 AI 도구들은 창을 닫으면 작업이 멈춥니다. 그래서 무거운 리서치 작업을 돌릴 때는 노트북을 켜둬야 했습니다. Manus는 클라우드 기반으로 동작하기 때문에 창을 닫아도 계속 돌아갑니다. 저는 자기 전에 "새벽 4시 이후 올라온 콘텐츠 기준에 따라 정리해서 오전 8시 30분에 메일로 보내줘"라고 설정해뒀는데, 일어나면 와 있더라고요. 이게 반복 업무에 얼마나 강력한지, 직접 써보기 전엔 잘 모릅니다.
스킬 기능도 마찬가지입니다. 웹사이트 분석을 예로 들면, 경쟁사 URL 하나만 붙여 넣으면 트래픽 규모, 방문자 수, 바운스 레이트, 유입 경로, 국가별 비율까지 한 번에 정리된 보고서가 나옵니다. 여기서 바운스 레이트(Bounce Rate)란, 사이트에 들어온 방문자가 다른 페이지로 이동하지 않고 바로 나가는 비율을 말합니다. 이 수치가 낮을수록 콘텐츠가 방문자를 붙잡고 있다는 의미입니다. 이런 분석을 매번 수작업으로 하던 걸 스킬로 등록해두면, 다음부터는 URL만 던지면 됩니다.
MAU(Monthly Active Users)라는 지표도 이 과정에서 자주 마주칩니다. MAU란 한 달 동안 서비스를 실제로 이용한 사용자 수로, 서비스의 실질적인 활성화 정도를 보여주는 핵심 지표입니다. Manus가 분석 보고서에 이런 수치들을 직접 긁어와서 정리해줄 때, 제 경험상 반나절짜리 작업이 20분으로 줄어드는 느낌이었습니다.
국내 디지털 업무 자동화 관련 동향을 보면, RPA(로봇 프로세스 자동화)와 AI 에이전트를 결합한 방식이 기업 생산성에 유의미한 영향을 미친다는 분석이 이어지고 있습니다(출처: 한국생산성본부). 개인 단위에서도 이 흐름은 같습니다. 같은 동작을 반복하고 있다면, 멈추고 어떻게 시킬지 고민하는 게 더 빠릅니다.
한 달 굴려보고 나서 드는 생각은 이렇습니다. AI를 잘 쓰는 사람과 못 쓰는 사람의 차이는 도구 지식보다 설계 능력에 있습니다. 어떤 반복 업무를 스킬로 만들 것인지, 어떤 무거운 작업을 스케줄링으로 위임할 것인지 구조를 잡는 사람이 결국 더 많은 시간을 법니다. 비싼 계정 결제가 아깝다는 생각이 들 수도 있는데, 저는 그걸 수업료라고 쳤습니다. 많이 써보는 게 비용이 아니라 자산이라는 말, 직접 써보고 나서야 실감했습니다.
이 글은 개인적인 경험과 의견을 공유한 것이며, 특정 서비스에 대한 전문적인 투자 또는 구매 조언이 아닙니다.
[무료 크레딧 링크]
https://manus.im/redeem?c=BZCF1G26
참고: https://www.youtube.com/watch?v=o3ywhppWjZ4
https://manus.im/redeem?c=BZCF1G26