AI 프로덕트 매니저 업무를 하면서 트렌드 센싱과 특정 주제 리서치는 매일 반복되는 일이다. 그런데 AI가 딥리서치를 대신해줘도 리포트로 다시 가공하는 과정은 생각보다 오래 걸린다. “정보는 넘치는데, 정리는 늘 내 몫” 이라는 생각이 들 때가 많다.
또한 큰 문제는 팩트 체크였다. 출처 링크를 열었는데 404가 뜨는 순간이 한두 번이 아니다. 실제 업무에 쓰려면 신뢰성을 확인해야 하는데, 그 과정이 시간을 갉아먹는다.
그래서 요즘 센세이셔널 한 Claude Code로 리서치 에이전트 팀을 만들어 보았다. 오늘은 그 과정을 공유해보고자 한다.
1. 리서치 에이전트 팀이 필요했던 이유
리서치 자체보다 리서치를 가공하는 시간이 더 길어졌다. 문제는 내용보다 신뢰성과 구조였다.
예를 들어보자. “새로운 AI 검색 모델 동향”을 딥리서치 한다면, AI가 수십 개 링크를 기반으로 장문의 내용을 뽑아준다. 그런데 그 링크가 실제로 살아 있는지, 주장에 근거가 있는지를 다시 확인하는 순간부터 시간적 투자가 생기기 마련이다. 결과적으로 리서치는 했는데 검증을 하는데 많은 시간이 들었다.
그래서 생각한 것은 나만의 에이전트 팀을 구축하면, 내가 원하는 소스들을 활용하고, 검증된 소스들 만을 선별해서 리서치 리포트를 생성한다면 확인을 하는데 시간이 극적으로 줄 수 있을 것이라고 생각했다.
이게 리서치 에이전트 팀을 구성한 이유다.
2. Claude Code 시작하기: 환경 선택과 실행
나는 Cursor + Claude Code 조합을 택했다. UI가 익숙했고, 폴더를 열어 작업하는 방식이 옵시디언 노트앱을 사용하던 것과 익숙하기 때문이였고, 나중에 이 옵시디언을 연동하기 쉬울 것 같아서였다.
VS Code나 다른 터미널 기반 IDE를 쓰는 사람이라면 굳이 바꿀 필요는 없다. 중요한 건 터미널에서 Claude Code를 실행할 수 있는 환경이라는 점이다.
설치는 간단하다. 공식 문서에 있는 설치 명령어를 입력하면 된다. 혹은 아래 npm 명령어를 사용해도 된다.
npm install -g @anthropic-ai/claude-code설치가 끝나면 터미널에서 claude 명령으로 실행할 수 있다.
나는 매번 컨펌하지 않고 자동으로 움직이게 하고 싶어서 아래 옵션을 사용했다. 하지만 보안 관점에서 신중히 선택하는 것이 좋다.
claude --dangerously-skip-permissions3. 에이전트 만들기: Plan Mode가 먼저다
에이전트를 만들기 전에 꼭 해야 하는 것은 Plan Mode다. 쉽게 말해, 에이전트가 해야 할 일을 문서로 먼저 고정하는 단계다.
Claude Code에서는 Shift + Tab으로 Plan Mode에 들어갈 수 있다. 그 안에서 “무엇을, 어떤 순서로, 어떤 기준으로”를 정리한 뒤 실행하면 결과가 훨씬 안정적이다.
예를 들어보자. “AI 트렌드 리포트를 매주 생성한다”는 요구사항을 Plan으로 정리해두면, 다음에 같은 작업을 할 때 재사용이 가능하다. 실제로 나는 이 Plan을 별도 마크다운 파일로 저장해두었다.
그 이유는 간단하다. Claude Code가 튕기거나 종료될 때, 저장된 Plan이 있으면 다시 이어서 진행하기 쉽다. “어디까지 했지?”라는 질문을 줄이는 것만으로도 큰 차이가 난다.
4. 에이전트 구성 팁: Sub Agent와 Skill 분리
Claude Code의 강점은 에이전트가 Sub Agent를 호출해 일을 나눌 수 있다는 점이다. 즉, 리더 에이전트가 전체를 관리하고, 세부 태스크를 서브 에이전트와 스킬로 분리한다.
여기서 Skill은 반복적이거나 코드로 처리 가능한 부분에 적합하다. 반대로 해석과 판단이 필요한 업무는 Sub Agent가 맡는 것이 좋다.
예를 들어보자. 리서치 결과를 정리하는 작업은 Sub Agent로 맡기고, 링크 유효성 검사 같은 반복 작업은 Skill로 넘긴다. 이 구조가 만들어지면, 리서치 팀이 실제로 움직이는 느낌이 든다.
나는 종종 원하는 방식과 다르게 구현될 때가 있었는데, 그럴 때는 공식 문서 링크를 함께 주는 것이 확실히 도움이 됐다.
- https://code.claude.com/docs/en/sub-agents
- https://code.claude.com/docs/en/skills
“이 문서 기준으로 Sub Agent와 Skill로 구성해줘”라고 말하면, 오해를 줄일 수 있다.
5. 사용량 보완 팁: Codex와 Gemini CLI 병행
Claude Pro를 쓰고 있어도 사용량 제한은 금방 온다. 특히 Opus 모델을 쓰면 더 빠르다.
그래서 나는 Codex나 Gemini CLI를 병행한다. 에이전트 설계는 Claude Code로 하고, 코드 개선이나 리포트 수정은 Codex로 처리하면 토큰 소비를 줄일 수 있다.
예를 들어보자. 블로그 초안이 이미 있는 상태에서 다시 Claude Code로 수정하면 문서를 통째로 다시 읽어야 한다. 이때 Codex로 부분 수정하면 전체 비용이 확실히 줄어든다.
결과적으로, 한 도구에 올인하기보다 역할에 따라 분업하는 것이 효율적이다. 이 방식은 리서치 팀을 운영하는 관점과도 맞닿아 있다.
실질적으로 어떤 의미가 있을까
리서치를 “자동화 가능한 프로세스”로 바꾼 것이 핵심이다. 사람이 해야 할 일은 질문을 만드는 것과 결과를 해석하는 것이고, 반복 작업은 에이전트가 맡는다.
특히 빠른 트렌드에 대한 센싱이 필요한 사람이라면, 에이전트를 통해 본질적으로 집중해야하는 인사이트 얻기와 같은 부분에 시간을 더 투자할 수 있는 결과를 만들 수 있을 것이다.
마무리
Claude Code로 리서치 팀을 만드는 것은 결국 시간을 구조화하는 일이다. 리서치 자체에 시간을 더 많이 쓰기 보다는 시간을 단순 작업에서 창의적인 작업으로 더 투자 할 수 있도록 만드는 것이다.
만약 트렌드 리서치나 특정 주제에 대한 리서치가 반복적으로 필요한 사람들이라면 Claude Code를 통해 에이전트 팀을 만드는 것을 한 번 시도해보는 것을 제안해본다.