Claude Code

Claude Code는 앤트로픽이 만든 터미널(CLI) 기반 AI 에이전트로, 웹 브라우저의 챗봇 창이 아니라 사용자의 컴퓨터 안 실제 폴더·파일에서 직접 실행됩니다. 질문을 던지고 답을 받아 복사해 옮기는 대신, 파일을 직접 읽고 고치고 명령을 실행해 결과물을 그 자리에 남깁니다. 회의록 정리부터 배포까지 실무를 직접 수행한다는 점이 일반적인 AI 챗봇과 가장 크게 다른 지점입니다.

Claude Code란 무엇인가 — 터미널에서 실행되는 AI 에이전트

대부분의 사람이 AI를 처음 만나는 창구는 브라우저의 채팅 화면입니다. 질문을 적고 답을 받고 필요하면 그 답을 복사해 다른 문서에 옮겨 붙입니다. 이 구조에서 AI는 조언자에 가깝습니다. 판단은 AI가 돕지만 그 판단을 실제 파일과 결과물로 옮기는 일은 여전히 사람의 손을 거칩니다.

Claude Code는 이 구조를 뒤집습니다. 터미널(명령줄)에서 claude라는 명령어로 실행하면, AI가 지금 있는 폴더를 작업 공간으로 인식하고 그 안의 파일을 직접 읽고 쓰고 실행합니다. 여기서 폴더는 단순한 저장 공간이 아니라 AI가 일하는 단위입니다. 회의록 폴더에서 실행하면 회의록을 다루는 에이전트가 되고 프로젝트 폴더에서 실행하면 그 프로젝트를 만드는 에이전트가 됩니다. 웹 챗봇이 "질문에 답하는 창"이라면, Claude Code는 "폴더 단위로 배정된 실무자"에 가깝습니다.

이 차이는 단순한 사용성의 문제가 아닙니다. 폴더 안에서 직접 작업한다는 것은, AI가 지금 다루는 파일이 정확히 무엇인지 사람과 같은 기준으로 보고 있다는 뜻입니다. 챗봇 창에서는 파일을 매번 업로드하거나 내용을 붙여 넣어야 하지만 Claude Code는 폴더에 있는 파일을 그대로 참조하고 수정합니다. 이 연결이 있어야 "답을 받는 것"에서 "일이 끝나는 것"으로 넘어갈 수 있습니다.

왜 챗봇 창이 아니라 CLI인가 — 기억(Context)을 직접 관리한다는 것

CLI(Command Line Interface, 명령줄 인터페이스)가 낯설게 느껴지는 실무자에게 가장 먼저 설명해야 할 것은 "왜 굳이 이 방식이어야 하는가"입니다. 답은 AI의 기억, 즉 Context에 있습니다.

LLM 기반 AI는 대화가 오간 내용을 기억이라는 범위 안에 담아두고 그 범위 안에서 판단합니다. 이 범위는 무한하지 않습니다. 대화가 길어질수록 관련 없는 내용까지 함께 쌓입니다. 그렇게 쌓인 내용이 늘어날수록 정작 중요한 지시를 놓치거나 앞서 말한 내용과 다르게 답하는 일이 생깁니다. 챗봇 창에서는 이 범위가 대화창 뒤에 숨어 있어 사용자가 손댈 수 없습니다. 대화가 길어져 답이 이상해져도, 사용자가 할 수 있는 일은 새 창을 열고 처음부터 다시 설명하는 것뿐입니다.

반면 CLI는 이 범위를 사용자가 직접 관리하도록 열어 둡니다. 작업 하나가 끝나면 기억을 비우고 다음 작업을 깨끗한 상태에서 시작할 수 있고, 이전 작업을 이어가야 한다면 그 세션을 다시 불러올 수 있고, 폴더를 나누어 작업 성격별로 기억을 애초에 분리할 수 있습니다. 대화가 끊긴 게 아니라 사람이 기억의 경계를 의도적으로 그은 셈입니다.

이 차이는 사소해 보이지만 결과물의 질을 가릅니다. 기억이 뒤섞인 채로 작업을 이어가면 AI는 이전 작업의 맥락과 지금 작업의 맥락을 헷갈려 엉뚱한 결과를 내놓습니다. 반대로 기억을 작업 단위로 정확히 관리하면, 매번 상황을 처음부터 설명하지 않아도 AI가 지금 무엇을 해야 하는지 정확히 압니다. 결국 Claude Code를 익힌다는 것은 명령어를 외우는 게 아니라 AI의 기억을 관리하는 습관을 들이는 일입니다.

비개발자·실무자는 Claude Code로 무엇을 할 수 있나

"개발 도구 아닌가?"라는 질문을 자주 받지만, Claude Code가 다루는 대상은 코드로 한정되지 않습니다. 폴더 안에 있는 것이라면 텍스트든 문서든 데이터든 직접 읽고 고치고 만듭니다. 실무에서 흔히 쓰이는 방식은 이렇습니다.

• 회의록 → 결과물 배포: 회의 녹음을 회의록·요약·시각화 문서로 정리하고, 그 결과물을 실제로 접근 가능한 형태로 만들어 팀과 공유합니다.
• 반복 업무 문서화: 매주 반복하는 보고서 작성, 데이터 정리 같은 업무 절차를 글로 명문화해 AI가 다음에도 같은 기준으로 재현하게 만듭니다. 이렇게 절차를 문서로 남겨 반복 재사용하는 단위를 BOAZ AX 과정에서는 Skill이라고 부릅니다.
• 자료 수집·정리: 여러 파일에 흩어진 자료를 훑어 원하는 기준으로 취합·정리합니다.
• 간단한 웹 결과물 제작: 아이디어를 설명하면 실제로 작동하는 페이지나 도구를 만들고, 이를 팀과 공유할 수 있는 형태로 내보냅니다.

공통점은 "질문하고 답을 받는" 데서 끝나지 않고, 실제 파일과 결과물이 남는다는 것입니다. 개발자가 아니어도 자기 업무를 파일과 폴더 단위로 정리할 수 있다면 같은 방식으로 활용할 수 있습니다. 오히려 실무자에게 중요한 것은 코드 지식이 아니라, 자신의 업무를 AI가 처리할 수 있는 작은 단위로 쪼개는 감각입니다.

챗봇과 Claude Code, 무엇이 다른가

표에서 드러나듯 두 방식은 경쟁 관계가 아니라 용도가 다릅니다. 짧은 질문에는 챗봇 창이 여전히 빠르고, 여러 단계에 걸쳐 파일과 결과물을 다루는 실무에는 CLI가 더 적합합니다. 문제는 많은 조직이 후자에 속하는 업무마저 여전히 챗봇 창으로 붙잡고 있다는 점입니다. 매번 자료를 붙여 넣고, 매번 상황을 다시 설명하고, 나온 답을 다시 손으로 옮기는 과정이 반복되면서, 정작 AI가 할 수 있는 일의 상당 부분이 사람의 손에 남아 있게 됩니다.

팀에 처음 도입할 때 무엇부터 시작해야 하나

Claude Code를 팀에 들이는 첫 단계는 도구 설치가 아니라 "어떤 업무를 맡길 것인가"를 정하는 일입니다. 아래 항목을 점검하면 시작점이 보입니다.

• 반복되지만 아직 문서화되지 않은 업무가 있다 (예: 매주 보고서 작성, 회의록 정리)
• 그 업무가 파일·폴더 단위로 나눌 수 있는 형태다
• 결과물을 검증할 기준(무엇이 잘된 결과인지)이 어느 정도 있다
• 처음에는 잘 안 되는 것을 당연하게 받아들일 여지가 있다
• 막혔을 때 사람에게 먼저 묻지 않고 AI에게 먼저 물어보는 시도를 해볼 팀원이 있다

"예"가 많을수록 바로 실무 적용을 시작할 수 있고, 적을수록 업무를 잘게 쪼개는 연습부터 필요합니다. 처음부터 완벽하게 자동화된 결과를 기대하기보다, 작은 업무 하나를 끝까지 맡겨보고 그 결과를 기준으로 다음 업무를 정하는 방식이 실패 확률을 줄입니다. 도입 초반에 흔히 하는 실수는 가장 복잡한 업무부터 맡기는 것입니다. 검증 기준이 모호한 업무를 먼저 맡기면 결과가 맞는지조차 판단하기 어렵고 그 경험이 "역시 아직 못 미덥다"는 결론으로 이어져 도입 자체가 멈추는 경우가 많습니다.

"개발자만 쓰는 도구"라는 오해

Claude Code라는 이름과 터미널 화면 때문에 개발자 전용 도구로 오해받는 경우가 많습니다. 실제로는 반대에 가깝습니다. 터미널이 다루는 것은 프로그래밍 언어가 아니라 텍스트로 된 명령입니다. 사용자가 입력하는 것도 대부분 "이 폴더의 파일들을 정리해서 표로 만들어줘" 같은 자연어 문장입니다. 코드를 몰라도 사용하는 데 지장이 없습니다.

오히려 넘어야 할 장벽은 기술이 아니라 습관입니다. 챗봇 창에 익숙한 사람은 결과가 한 번에 완벽하지 않으면 도구가 부족하다고 판단하고 멈추는 경우가 많습니다. Claude Code는 처음 시도에서 원하는 결과가 나오지 않는 것을 전제로 다루는 도구에 가깝습니다. 안 되는 것을 당연하게 받아들이고, 업무를 AI가 처리할 수 있는 작은 단위로 쪼개고, 막히면 사람을 부르기 전에 AI에게 먼저 물어보는 태도가 갖춰지면, 개발 경험과 무관하게 실무에 바로 적용할 수 있습니다.

결국 Claude Code를 가르는 기준은 "코드를 아는가"가 아니라 "업무를 AI에게 맡길 수 있는 단위로 나눌 수 있는가"입니다. 이 기준에서 보면 비개발자 실무자가 오히려 더 유리한 경우도 있습니다. 자기 업무의 절차와 판단 기준을 누구보다 잘 알고 있기 때문입니다. 필요한 것은 코딩 능력이 아니라, 그 업무를 AI가 이해할 수 있는 언어로 옮기는 연습입니다.