Skill (Claude Code Skill)
Skill은 에이전트가 필요할 때 참고하는 지침·자료·스크립트 등을 묶은 재사용 단위입니다. BOAZ는 반복 업무를 Skill로 남길 때 절차와 함께 입력·출력·판단 기준·예외 처리를 정리하는 데 초점을 둡니다.
BOAZ · 최종 업데이트 2026-09-13
지침을 다시 사용할 수 있게 묶는다
Claude Code의 공식 Skill 문서는 지침과 참고 자료를 필요한 작업에 사용할 수 있게 구성하는 방법을 설명합니다. 절차, 도메인 지식, 예시, 실행 스크립트 등을 함께 둘 수 있습니다.
Skill 자체는 결과의 정확성을 보장하는 실행기가 아닙니다. 에이전트가 지침을 읽고 도구와 함께 수행하므로, 같은 파일을 써도 입력·모델·환경에 따라 결과가 달라질 수 있습니다.
BOAZ가 Skill에 남기는 것
회의록을 정리하는 일을 예로 들면 ‘요약하고 저장하라’는 순서만으로는 충분하지 않을 수 있습니다. 결정과 제안을 어떻게 나눌지, 담당자가 없으면 추측할지 확인 필요로 남길지 같은 판단이 결과의 품질을 바꿉니다.
| 항목 | 남길 내용 |
|---|---|
| 시작 조건 | 어떤 업무와 상황에서 사용하는가 |
| 입력 | 필요한 원문과 접근 방법 |
| 판단 기준 | 좋은 결과와 잘못된 결과를 어떻게 구분하는가 |
| 출력 | 어떤 형식과 위치에 결과를 남기는가 |
| 예외 | 근거 부족·충돌·실패 시 어떻게 처리하는가 |
| 검증 | 무엇으로 완료를 확인하는가 |
모든 업무에 긴 지침이 필요한 것은 아닙니다. 이미 잘하는 동작을 세세하게 반복하기보다 원하는 결과에 영향을 주는 조건을 남깁니다.
실제 작업에서 기준을 추출한다
처음부터 완성된 매뉴얼을 가정하기보다, 업무를 수행하고 결과를 고치는 과정에서 재사용할 기준을 찾습니다. 사용자가 왜 수정했는지, 어떤 문장은 유지했고 어떤 판단을 바꿨는지 확인합니다.
BOAZ가 Skill을 만드는 방식을 정리한 최근 메모에서도 원하는 수준의 결과를 만드는 최소한의 지침을 강조했습니다. 대화 전체를 복사하는 것보다 만족스러운 결과를 만든 기준을 추리는 것이 핵심입니다.
그다음 다른 입력으로 재실행합니다. 첫 결과만 잘 나온 것인지, 새 상황에서도 같은 기준을 적용하는지 확인해야 합니다. 이 과정은 검증 Loop와 이어집니다.
암묵지는 정상 사례와 경계 사례로 꺼낸다
‘이 정도면 적절히 정리됐다’는 판단을 그대로 적으면 다음 실행에서도 모호합니다. 가상 회의록 두 개를 비교하며 무엇을 결정으로 보고 무엇을 제안으로 남겼는지, 어떤 경우에 담당자 확인을 요청했는지 설명합니다.
예를 들어 ‘담당자가 언급되지 않았으면 추측해 채우지 않고 확인 필요로 표시한다’처럼 관찰 가능한 기준으로 바꿀 수 있습니다. 정상 사례뿐 아니라 기준이 적용되지 않는 예외도 함께 남깁니다.
이렇게 꺼낸 암묵지는 AI 자산화의 재료입니다. 새 회의록에도 같은 판단이 통하는지 검증하고, 개인의 문체 선호와 조직이 지켜야 하는 사실 처리 기준을 구분합니다.
회사 지식과 수행 절차를 나눈다
온톨로지와 위키는 회사의 대상·관계·사실을 정리할 수 있습니다. Skill은 그 지식을 참고해 업무를 처리하는 방법을 안내합니다.
예를 들어 프로그램 대상이 바뀌면 지식 원천을 고치고, 소개문이 제안과 확정을 섞어 쓰면 작성 절차와 검증 기준을 고칩니다. 둘 다 바뀌었다면 둘 다 수정합니다. 지식 갱신을 Skill 수정 하나로 대신할 수는 없습니다.
Skill과 에이전트는 조합한다
Skill은 지침과 재료이고 에이전트는 실행 주체입니다. Skill이 쌓여야만 에이전트가 되는 고정 단계는 아닙니다. 서브에이전트에 Skill을 제공하거나, 필요에 따라 별도 맥락에서 실행하는 구성도 가능합니다.
팀 공유가 필요하면 플러그인으로 묶을 수 있습니다. 배포 후에는 실제 적용 버전과 결과를 확인하고 실패가 다음 수정으로 이어지도록 담당자를 정합니다.
자주 묻는 질문
Skill과 저장한 프롬프트는 무엇이 다른가요?+
프롬프트도 저장해 재사용할 수 있습니다. Skill은 지침뿐 아니라 참고 자료·스크립트 등을 묶고 필요할 때 발견해 사용하는 구조를 제공합니다. 무엇을 담고 어떻게 실행하는지가 차이입니다.
절차만 담으면 Skill이 아닌가요?+
절차나 참고 지식을 담은 것도 Skill입니다. 다만 조직 업무의 품질을 유지하려면 절차 외에 판단 기준과 예외를 함께 남기는 것이 유용합니다.
Skill을 어떻게 개선하나요?+
실제 수행 결과에서 부족한 부분과 사용자의 수정을 확인하고 재사용할 기준만 반영합니다. 다른 입력으로도 실행해 개선됐는지 확인합니다.
Skill과 회사 위키에는 무엇을 나눠 담나요?+
회사 사실과 개념·관계의 정의는 지식 원천에, 업무의 순서와 결과 확인 방법은 Skill에 둡니다. 자주 바뀌는 같은 사실을 여러 Skill에 복사하면 갱신이 어긋날 수 있습니다.
LINE 엔지니어 출신이, 실효성 있는 AX 프로그램을 진행합니다. 대기업 임원 및 실무자 대상 AX 프로그램 진행 경험을 바탕으로, 기업의 실제 업무를 분석하고 작동하는 AI 활용 결과물까지 함께 만듭니다.
관련 용어
맡·당·쪼
맡·당·쪼(맡당쪼)는 BOAZ가 AX 교육에서 쓰는 실행 원칙으로, AI에게 업무를 맡기고(맡), 처음 결과가 부족한 건 당연하다고 받아들이며(당), 업무를 AI가 처리할 수 있는 단위로 잘게 쪼개는(쪼) 태도를 말합니다. 막히면 강사가 아니라 AI에게 먼저 묻는 습관까지 포함합니다.
바이브 코딩 (Vibe Coding)
바이브 코딩은 프로그래밍 언어로 코드를 직접 작성하는 대신, 원하는 결과를 자연어로 설명해 AI가 코드를 생성하고 실행까지 하게 만드는 방식을 말합니다. 비개발자도 아이디어를 작동하는 결과물로 옮길 수 있게 해주지만, 코드를 몰라도 된다는 뜻이 아니라 결과물을 검증하는 기준을 사람이 갖춰야 한다는 뜻입니다.
서브에이전트 (Subagent)
서브에이전트는 메인 에이전트가 일부 작업을 맡기는 별도의 실행 단위입니다. 자체 Context에서 작업하지만 어떤 이전 맥락과 자료를 받는지는 도구와 설정에 따라 다릅니다. 분리의 가치는 병렬 처리와 맥락 관리에 있으며, 정확성이 자동으로 보장되지는 않습니다.
업무 쪼개기 (Work Decomposition)
업무 쪼개기는 큰 업무를 입력, 처리, 판단 기준, 산출물, 책임이 분명한 실행 단위로 나누는 일입니다. AI와 코드가 수행할 부분, 사람이 판단할 부분을 구분해 실제로 맡길 수 있는 형태로 만듭니다.
온톨로지 (Ontology)
온톨로지는 특정 업무 영역의 개념, 개념 사이의 관계, 그 관계가 뜻하는 바를 명시한 지식 모델입니다. 같은 단어를 같은 뜻으로 쓰고, 개별 사실을 일관된 구조로 표현하는 기준이 됩니다.
지식 갱신 (Knowledge Update)
지식 갱신은 새 원문이나 결정을 기존 지식과 대조해, 설명·관계·적용 범위를 수정하고 그 이유와 이력을 남기는 과정입니다. 문서를 추가하는 일뿐 아니라 오래된 답을 바꾸거나 판단을 보류하는 일도 포함합니다.
AI 자산화 (업무 자산화)
AI 자산화는 업무 지식·판단 기준·코드·수행 절차를 조직이 다시 활용하고 개선할 수 있는 형태로 남기는 과정입니다. BOAZ는 재사용 가능성, 결과를 확인할 기준, 갱신 경로를 함께 살펴봅니다.
AI Agent (AI 에이전트)
AI 에이전트는 모델이 목표와 현재 상태를 바탕으로 필요한 도구와 다음 행동을 선택하며 작업을 이어가는 시스템입니다. 계획·실행·확인을 반복할 수 있지만, 자율적으로 동작한다는 사실이 작업의 성공이나 정확성을 보장하지는 않습니다.
Claude Code
Claude Code는 Anthropic의 AI 코딩 에이전트로, 프로젝트의 파일을 읽고 수정하며 명령과 도구를 사용해 작업을 수행합니다. 터미널뿐 아니라 IDE·데스크톱·웹 등 지원 환경에서 사용할 수 있으며, 실제 파일 접근 범위는 실행 환경과 권한에 따라 달라집니다.
Claude Code 플러그인 (Plugin)
Claude Code 플러그인은 Skill·에이전트·훅·외부 도구 연결 등을 묶어 설치하고 관리하는 패키지입니다. 팀의 실행 지침을 배포하는 데 유용하지만, 실제 적용 버전과 갱신 시점은 설치 방식과 설정에 따라 달라집니다.
Harness (하네스)
AI 하네스(Harness)는 모델이 작업을 수행하도록 도구, 실행 상태, Context, 권한, 검증과 종료 조건을 연결하는 주변 시스템입니다. 모델의 응답을 실제 업무 실행으로 이어주며, 어떤 조건에서 계속하거나 멈출지를 관리합니다.
Loop (검증 Loop·개선 Loop)
검증 Loop는 결과물을 정해진 기준과 대조하고 필요한 부분을 수정해 다시 확인하는 반복입니다. 개선 Loop는 실행에서 얻은 피드백으로 지식·Skill·도구·기준을 고칩니다. 두 과정 모두 통과뿐 아니라 중단·보류 조건이 필요합니다.
MCP (Model Context Protocol)
MCP(Model Context Protocol)는 AI 모델을 외부 도구·데이터·시스템에 표준화된 방식으로 연결하기 위해 앤트로픽이 제안한 개방형 프로토콜입니다. 매번 자료를 붙여 넣거나 개별 연동을 새로 짜는 대신, 한 번 정해진 방식으로 AI와 사내 시스템을 잇는다는 점이 핵심입니다.
PRD (제품 요구사항 문서)
PRD(Product Requirements Document)는 제품이나 기능의 목적, 대상 사용자, 범위와 요구사항을 정리한 문서입니다. AI와 개발할 때는 무엇을 만들고 무엇으로 완료를 확인할지 합의하는 기준으로 사용할 수 있습니다.
우리 조직에 맞는 AX가 궁금하다면
조직 상황과 대상(임원·실무자·전사)을 알려주시면, 어떤 프로그램이 맞는지 — 혹은 아직 워크숍이 필요 없는 단계인지 — 솔직하게 답해드립니다.