핵심 내용 요약
코즈(Coze)는 지난 3년 동안 두 가지 중요한 진화 과정을 거쳤습니다. 첫째, 개발 방식이 “드래그 앤 드롭 방식의 저코드 모델”에서 “요구사항을 말하면 AI가 작업을 수행하는 자연어 프로그래밍”으로 업그레이드되었습니다. 둘째, 협업 방식은 단일 AI 에이전트의 독립적인 작업에서 여러 AI 에이전트가 팀을 이루어 분업하는 형태로 발전했습니다. 최신 3.0 버전은 이러한 협업 방식의 중요한 전환점으로, 단일 AI의 문맥 이해 부족, 장치 간 동기화 문제, 역량의 한계와 같은 문제들을 해결했습니다. 이 글은 코즈와 디파이(Dify), n8n과 같은 다른 플랫폼들의 발전 방향을 비교하며, 앞으로 이러한 AI 도구들의 경쟁 초점이 기능의 강약에서 업계 경험(KnowHow)의 축적으로 옮겨갈 것이라고 지적합니다. 왜냐하면 AI는 작업을 수행할 수 있지만, “무엇을 해야 하고 어떤 기준으로 해야 하는지”를 결정하는 권한은 여전히 인간에게 있기 때문입니다.
상세 분석
1. 코즈의 두 가지 진화 경로
코즈의 업그레이드는 단일한 방향으로만 이루어진 것이 아니라, 두 가지 경로가 병행되었습니다:
- 개발 경로: “AI 앱을 더 쉽게 구축하는 방법”에 초점을 맞췄습니다. 1.0 버전은 “드래그 앤 드롭 방식으로 기능 모듈을 연결하는 것”이었고, 2.0 버전에서는 “자연어로 요구사항을 설명하면 AI가 자동으로 프로세스를 생성하는 방식”으로 바뀌었습니다.
- 협업 경로: “누가 더 효율적으로 작업을 완수할 수 있는지”에 초점을 맞췄습니다. 1.0과 2.0 버전에서는 단일 AI가 모든 작업을 수행했지만, 3.0 버전에서는 여러 AI가 팀을 이루어 역할을 분담합니다 (예: 조사를 위한 AI, 보고서 작성을 위한 AI, 문장 수정을 위한 AI).
이 두 경로의 상호 작용으로 코즈는 “저코드 도구”에서 “AI 팀 협업 플랫폼”으로 진화했습니다.
2. 개발 방식의 변화: 왜 더 이상 “블록을 조립하는” 방식을 사용하지 않는가?
코즈 1.0의 드래그 앤 드롭 방식은 초보자에게는 친화적이었지만, 복잡한 작업에서는 불편했습니다. 예를 들어, 수백 개의 단계로 이루어진 워크플로우를 구축할 때 화면이 복잡해졌고, 단일 단계를 수정하더라도 전체 시스템에 영향을 미쳤으며, 디버깅은 마치 엉클린 실에서 실선을 찾는 것과 같았습니다.
모델의 성능이 향상되고(2025년에는 AI 프로그래밍 수준이 크게 향상됨), 사용자들도 더 이상 수동으로 단계를 조작하고 싶어하지 않았으며, 커서(Cursor)와 같은 AI 프로그래밍 도구들의 등장으로 코즈는 자연어 프로그래밍 방식으로 전환해야만 했습니다. 이제 사용자는 요구사항을 명확히 작성하기만 하면(예: “HR이 이력서를 선별하여 피슈우(Flybook) 표에 저장하도록 도와달라”), AI가 자동으로 프로세스를 생성해줍니다. 효율성은 향상되었지만, AI의 이해가 부정확할 수 있고 디버깅 시 코드 로그를 확인해야 하는 등 새로운 문제도 발생했습니다.
3. 협업 방식의 업그레이드: “단일 AI의 작업”에서 “여러 AI의 팀 협업”으로
단일 AI 에이전트에는 세 가지 주요 문제가 있었습니다:
- 장기적인 작업 기억력 부족: 예를 들어, 주간 보고서를 작성할 때 다음 주에 이전 진행 상황을 잊어버림.
- 장치 간의 단절: 스마트폰에서 작업을 시작했다가 컴퓨터에서는 데이터를 확인할 수 없음.
- 역량의 한계: 시장 조사, 콘텐츠 작성, PPT 제작 등을 동시에 수행할 수 없음.
코즈 3.0은 “프로젝트 + 다중 에이전트 팀” 방식으로 이러한 문제를 해결합니다. 사용자가 목표를 설정하면(예: “2025년 커피 산업 보고서 작성”), 플랫폼이 자동으로 작업을 분담하여 각 AI가 역할을 수행합니다(조사를 위한 AI, 분석을 위한 AI, 시각화를 위한 AI). 사용자는 방향만 정하고 결과만 확인하면 되며, 중간 단계는 신경 쓸 필요가 없습니다.
4. 플랫폼들의 발전 방향 차이: 각각의 “타겟 사용자층”
AI 프로그래밍의 추세에 따라 다른 플랫폼들은 서로 다른 방향을 선택했습니다:
- 코즈: 드래그 앤 드롭 방식을 완전히 포기하고(초보자를 대상으로 하며, 복잡한 단계를 보여주고 싶지 않음).
- 디파이(Dify): 시각화된 단계를 유지하면서도(기업 사용자에게 서비스를 제공하며, 각 단계의 실행 방법을 통제할 수 있음), 커뮤니티에서는 AI가 생성한 프로세스 코드를 가져올 수 있음.
- n8n: 블록은 그대로 유지하지만 AI의 도움으로 구축을 진행함(기술 전문가에게 서비스를 제공하며, 유연성을 원하지만 수동 조작을 싫어함).
이러한 차이는 각 플랫폼의 사용자층이 다르기 때문입니다. 모두 수동 작업을 줄이고 AI가 작업을 돕도록 하는 것이 목표입니다.
5. 미래 경쟁의 핵심: 도구가 아닌 “업계 지식”
글은 앞으로 AI 도구들의 기능이 점점 비슷해질 것이지만, 진정한 차별화는 “업계 경험(KnowHow)”에 있을 것이라고 지적합니다. 예를 들어, 이력서 선별은 AI가 수행할 수 있지만, 평가 기준(예: 5년 이상의 경험, 대기업 출신, Python 사용 능력)은 인간의 업계 지식에 의존합니다. 투자 자문 AI는 데이터를 분석할 수 있지만, 주식의 성과를 판단하는 논리(예: PE 비율, 업계 동향)도 인간의 경험에 기반합니다. 이러한 “업계 지식”은 AI가 대체할 수 없으며, 플랫폼의 경쟁력을 결정하는 요소입니다.
마지막 말
AI 도구들은 점점 더 발전할 것이지만, 최종적으로 결과를 결정하는 것은 인간의 “무엇을 원하는지, 어떤 기준으로 수행해야 하는지”를 아는 능력입니다. 이것이 가장 귀중한 자원입니다.