AI와 바이브코딩이 우리의 업무를 어떻게 혁신할 수 있는가
'">AI와 바이브코딩이 실무 현장을 어떻게 변화시킬 수 있는지, 직접 체험하고 그 가능성을 확인하는 실습 중심 교육입니다. 단순히 하나의 도구를 만드는 것이 아니라, AI 시대에 리더가 갖춰야 할 새로운 업무 방식과 사고방식을 배웁니다.
| 교육 대상 | 미래에셋증권 리더 약 30명 |
|---|---|
| 교육 시간 | 총 4시간 (실습 중심) |
| 교육 일정 | 2026년 4월 6일 |
| 교육 장소 | 미래에셋증권 센터원 (을지로) |
| 교육 형태 | 실습 중심 교육 (노트북 대여 포함 예정) |
| 필요 환경 | VS Code + Claude Code (사전 설치) |
코드를 직접 작성하지 않고, AI와 자연어로 대화하며 실무형 프로토타입을 만드는 새로운 업무 방식을 체험합니다. "개발"이 아니라 "AI와의 협업"입니다.
단순 질의응답을 넘어, 여러 단계의 업무를 자동으로 연결하는 AI 에이전트의 구조와 원리를 이해하고 직접 경험합니다.
이론 강의가 아닌, VS Code와 Claude Code를 활용한 핸즈온 실습으로 교육 시간의 70% 이상을 실습에 할애합니다. 증권 상담 보조 시나리오를 통해 실무 적용 감각을 키웁니다.
AI와 바이브코딩이 실제 업무를 어떻게 바꿀 수 있는지, 증권 상담이라는 구체적인 시나리오를 통해 체험합니다. 이 시나리오는 바이브코딩과 AI 에이전트를 실습하기에 최적의 사례로 선정되었습니다.
'">상담 직원이 직면하는 정보 탐색의 어려움
고객 문의가 전화나 이메일로 들어올 때, 직원은 짧은 시간 안에 다음을 모두 수행해야 합니다.
고객이 누구인지 식별하고, 투자 성향과 최근 관심사를 확인해야 합니다. 정보가 여러 시스템에 흩어져 있을 수 있습니다.
관련 리서치 보고서를 찾아 핵심 내용을 파악해야 합니다. 수십 건의 보고서 중 적합한 내용을 빠르게 선별하기 어렵습니다.
고객의 투자 성향에 맞춰 전문적이고 정확한 설명을 준비해야 합니다. 응답 품질이 개인 역량에 의존합니다.
AI 에이전트가 고객 정보와 리서치 자료를 연결하여 맞춤 브리핑을 생성
증권 상담 보조는 바이브코딩과 AI 에이전트를 학습하기에 이상적인 시나리오입니다.
이 교육의 본질은 특정 챗봇을 만드는 것이 아니라, AI와 바이브코딩이 업무를 혁신하는 방식을 직접 경험하는 것입니다.
교육의 두 가지 핵심 키워드를 이해합니다.
'">자연어로 대화하며 소프트웨어를 만드는 바이브코딩
코드를 한 줄도 직접 작성하지 않고, AI에게 자연어로 원하는 것을 설명하면 AI가 코드를 작성하는 방식입니다.
기존 방식: 개발 언어 학습 → 문법 숙지 → 코드 작성 → 디버깅
바이브코딩: 원하는 것을 설명 → AI가 코드 생성 → 결과 확인 → 수정 요청
핵심 메시지: "비개발자도 AI와 협업하면 실무용 도구를 만들 수 있다."
사용자의 목표를 이해하고, 여러 단계의 작업을 스스로 판단하며 이어 수행하는 AI 시스템입니다.
단순 챗봇: 질문 → 답변 (1회성)
AI 에이전트: 목표 인식 → 고객 조회 → 자료 탐색 → 요약 → 브리핑 생성 (다단계)
핵심 메시지: "AI 에이전트는 대형 시스템이 아니라, 작은 파일 구조에서도 시작할 수 있다."
4시간 동안 실습 중심으로 진행되는 교육의 전체 흐름입니다.
'">기초부터 완성까지, 단계적으로 올라가는 학습 여정
교육의 실습 시나리오로 구현하게 되는 AI 상담 보조 에이전트의 모습입니다. 이 시나리오는 바이브코딩과 AI 에이전트의 핵심 개념을 체험하기에 최적화된 사례입니다.
파일 기반 데이터가 캐시를 거쳐 챗봇 응답으로 변환되는 구조
증권사 HTS 스타일의 전문적인 상담 보조 인터페이스
이름, 고유번호(001~010), 전화번호로 고객을 검색하고 확인 절차를 거쳐 확정합니다. 확정 후에는 해당 고객 데이터만 참조합니다.
키워드 가중치 점수로 관련 보고서를 찾아 고객 맞춤 브리핑을 생성합니다. 출처(보고서, 애널리스트, 날짜)를 반드시 표시합니다.
Claude API의 스트리밍 기능으로 브리핑이 실시간으로 생성됩니다. 타이핑하듯 답변이 나타나 자연스러운 대화 경험을 제공합니다.
화이트/다크 테마 전환, 폰트 크기 조절(14~22px), 대화 초기화 기능으로 사용 편의성을 높였습니다.
각 단계에서 참가자가 경험하는 구체적인 내용입니다.
"오늘 만들 것"의 완성된 모습을 먼저 보여주어 동기를 부여하고, 바이브코딩과 AI 에이전트의 개념을 이해합니다.
AI 에이전트가 참조할 "지식 기반"을 만듭니다. 고객 정보 10명, 리서치 보고서 10건을 Claude Code에게 지시하여 생성합니다.
| 형식 | JSON (고객 1명 = 파일 1개) |
|---|---|
| 건수 | 10명 (고유번호 001~010) |
| 포함 정보 | 이름, 전화번호, 이메일, 세그먼트, 투자 성향, 보유 요약, 최근 상담 이력, 메모 |
| 형식 | Markdown + YAML frontmatter (보고서 1건 = 파일 1개) |
|---|---|
| 건수 | 10건 (종목분석 7건, 섹터리포트 2건, 매크로분석 1건) |
| 포함 정보 | 제목, 애널리스트, 날짜, 카테고리, 종목, 투자의견, 목표가, 태그, 요약, 본문 |
참가자는 Claude Code에게 "반도체 섹터에 대한 리서치 보고서를 작성해줘. HBM과 AI 서버 수요를 중심으로."라고 자연어로 지시하면 됩니다. AI가 전문적인 형식의 보고서 파일을 자동으로 생성합니다.
데이터를 읽어 캐시하고, 검색하고, AI 브리핑을 생성하는 핵심 엔진을 만듭니다. Next.js 서버가 실행되는 것을 확인합니다.
서버 시작 시 data 폴더의 모든 파일을 읽어 메모리에 캐시합니다. 이후 모든 검색은 이 캐시를 기반으로 동작합니다.
이름, 고유번호, 전화번호, 이메일로 고객을 찾습니다. 부분 매칭을 지원하여 "김민"만 입력해도 "김민준"을 찾습니다.
키워드에 가중치 점수를 부여하여 가장 관련 높은 보고서 상위 3건을 반환합니다.
고객 정보 + 검색된 보고서로 시스템 프롬프트를 구성하고, Claude API에 스트리밍 요청을 보냅니다.
고객이 확정되면 이후 대화에서는 오직 해당 고객의 데이터만 참조합니다. 다른 고객의 정보는 프롬프트에 포함하지 않으며, 이를 통해 정보 혼선을 방지합니다.
증권사 HTS처럼 보이는 전문적인 채팅 UI를 만들고, 브라우저에서 실제로 동작하는 것을 확인합니다.
만든 챗봇을 실제 시나리오로 테스트하고, 교육의 핵심 메시지를 정리합니다.
| 시나리오 1 | 고객 이름으로 조회 → 확인 → 투자 질문 → 맞춤 브리핑 수신 |
|---|---|
| 시나리오 2 | 고유번호(007)로 고객 조회 |
| 시나리오 3 | 전화번호 일부로 고객 검색 |
| 시나리오 4 | 리서치에 없는 내용 질문 → "관련 자료를 찾지 못했습니다" 확인 |
| 시나리오 5 | 테마 전환 / 폰트 조절 / 대화 초기화 동작 확인 |
이 교육을 통해 참가자와 조직이 얻게 되는 구체적인 가치입니다.
'">AI 활용 역량을 갖춘 리더들이 조직의 디지털 전환을 주도
"AI가 이런 것도 할 수 있구나"가 아니라, "내 업무에 이렇게 적용할 수 있겠다"는 구체적 감각을 갖게 됩니다.
아이디어를 빠르게 프로토타입으로 구현하여 검증하는 방법을 익힙니다. 개발팀에 의존하지 않고도 PoC를 만들 수 있습니다.
AI에게 효과적으로 지시하는 방법(프롬프트 엔지니어링)과 단계적으로 발전시키는 방법을 체험합니다.
리더가 직접 AI를 체험함으로써, 팀 내 AI 도입과 활용에 대한 의사결정을 보다 정보에 기반하여 내릴 수 있습니다.
| 산출물 | 로컬에서 실행되는 AI 상담 보조 웹 애플리케이션 |
|---|---|
| 데이터 | 샘플 고객 JSON 10건 + 리서치 보고서 Markdown 10건 |
| 주요 기능 | 고객 조회, 리서치 검색, AI 브리핑 생성, 스트리밍 응답 |
| UI | HTS 스타일 챗봇 (화이트/다크 테마, 폰트 조절, 대화 초기화) |
| 기술 스택 | Next.js + React + Tailwind CSS + Claude API |
| 실행 방법 | npm run dev → 브라우저에서 확인 |
| 교육 형태 | 대면 실습 교육 (센터원, 을지로) |
|---|---|
| 교육 일정 | 2026년 4월 6일 |