AI 사용자가 두 부류로 나뉘고 있다 — 파워 유저 vs 챗 유저, 격차는 가속 중

• AI 사용자가 두 부류로 나뉘고 있다는 이야기인데, 이 격차가 점점 빠르게 벌어지고 있다는 게 핵심임

파워 유저 vs 챗 유저

• 파워 유저: Claude Code, MCP, 스킬 등 최신 AI 도구를 적극적으로 채택하는 사람들. 놀랍게도 이 그룹에 비기술직이 많음. 재무 담당자들이 Excel의 한계를 넘어 Python 생태계의 파워를 활용하면서 엄청난 가치를 뽑아내고 있음
• 일반 유저: ChatGPT 같은 챗 인터페이스로만 AI를 쓰는 사람들. 예상외로 이 캠프에 머물러 있는 사람이 많음

M365 Copilot이 만든 재앙

• Microsoft Copilot이 엔터프라이즈에서 번들로 깔려 있어서 시장 점유율은 높은데, 품질이 처참함. 에이전트 기능은 CLI 코딩 에이전트(GitHub Copilot CLI)에 비하면 웃음거리 수준
• MS 자체 내부 팀이 Claude Code를 도입함 — Copilot에 거의 공짜로 접근 가능하고, OpenAI 지분까지 갖고 있는 회사가. 이 사실 하나로 얼마나 뒤처져 있는지 설명 끝
• 코드 실행 도구는 큰 파일에서 제대로 안 돌아가고, 메모리/CPU 제한이 과도하게 걸려 있음. 느리고 불안정함

엔터프라이즈가 위험한 이유

• 극도로 잠긴 환경 — 로컬에서 기본 스크립트 인터프리터조차 못 돌림 (운 좋으면 VBA)
• 레거시 소프트웨어에 내부 API가 없음 — 에이전트가 연결할 곳 자체가 없음
• 엔지니어링 부서가 완전히 사일로화(또는 외주) — 안전하게 샌드박스된 에이전트 인프라를 만들 사람이 내부에 없음
• 보안 우려는 현실적임 — 코딩 에이전트가 프로덕션 DB에 무통제로 접근하면 안 되는 건 맞음. 하지만 그래서 아무것도 안 하는 게 문제

소규모 회사의 반격

• 한 비기술 임원이 Claude Code로 30개 시트짜리 복잡한 Excel 재무 모델을 Python으로 거의 원샷 변환한 사례가 나옴. Python으로 바꾸고 나면 몬테카를로 시뮬레이션, 외부 데이터 소스 연동, 웹 대시보드 제작 등이 가능해짐 — 사실상 포켓 데이터 사이언스 팀
• 예전에는 소규모 회사가 대기업의 리소스와 팀을 부러워했는데, 이제 추가 반대 방향으로 흔들리고 있음

미래 전망

• 진짜 생산성 도약은 탑다운 AI 전략이 아니라 직원들이 자발적으로 만드는 워크플로에서 나옴. 프로세스를 가장 잘 아는 사람이 직접 AI 보조 워크플로를 만들 때 최고의 결과가 나옴
• 내부 시스템에 API가 있는 회사가 압도적으로 유리함. 읽기 전용 데이터 웨어하우스라도 있으면 시작이 됨
• 레거시 엔터프라이즈 SaaS는 어마어마한 락인이거나, 어마어마하게 취약하거나 둘 중 하나. API-first가 아닌 제품은 에이전트 시대의 병목이 될 것
• "bash 샌드박스 + 프로그래밍 언어 + API 접근 + 에이전틱 하네스"의 조합이 비기술 유저에게도 거의 모든 표준 생산성 앱을 대체할 수 있는 결과를 낸다는 게 저자의 핵심 관찰