개요
이 영상은 Peter Steinberger가 개발한 OpenClaw에 대한 심층 인터뷰로, AI 어시스턴트를 메시징 앱을 통해 컴퓨터와 생활 전반에 연결하여 자동화하는 방법을 소개합니다. 단순한 코딩 도구를 넘어, AI가 실제 삶에서 개인 비서처럼 작동하며 이메일, 일정, 집 IoT 기기, 쇼핑, 항공편 체크인까지 처리하는 구체적 사례를 다룹니다.
Peter Steinberger는 20년간 iOS/macOS 개발 전문가로 활동한 뒤 은퇴했다가 AI 시대에 다시 복귀한 개발자입니다. 그는 TypeScript로 OpenClaw를 구축하여 현재 30만 줄 이상의 코드베이스를 운영하고 있으며, WhatsApp, Telegram, Discord 등 주요 메시징 플랫폼을 모두 지원합니다. 이 프로젝트는 오픈소스로 공개되어 있으며, 비기술자들도 쉽게 설치하고 사용할 수 있도록 설계되었습니다.
핵심 내용
OpenClaw란 무엇인가
OpenClaw는 메시징 앱을 통해 AI와 대화하면서 컴퓨터를 제어하고 다양한 작업을 자동화하는 개인 AI 어시스턴트입니다. Peter는 은퇴 후 복귀하면서 자신의 컴퓨터를 휴대폰에서 체크하고 싶어 이 프로젝트를 시작했습니다. 처음에는 WhatsApp과 Claude Code를 연결하는 간단한 1시간짜리 프로젝트였지만, 현재는 30만 줄 이상의 코드를 가진 본격적인 플랫폼으로 성장했습니다.
실제로 영상에서는 Peter가 모로코에서 휴가 중 WhatsApp으로 버그 리포트 트윗 스크린샷을 보냈을 때, AI가 트윗을 읽고 Git 저장소를 확인하여 버그를 수정하고 커밋한 뒤 트위터에 “수정 완료” 답글을 단 사례가 소개됩니다. 또 다른 예로, 음성 메시지를 보냈을 때 AI가 파일 포맷을 분석하고 ffmpeg를 찾아 변환한 뒤 OpenAI API를 호출해 텍스트로 변환하여 답변한 경우도 있습니다.
OpenClaw의 핵심은 “언샤클드 ChatGPT”, 즉 제약 없는 AI라는 점입니다. 웹 브라우저에서 ChatGPT를 쓰는 것과 달리, 컴퓨터에 대한 전체 접근 권한을 가진 AI는 CLI 도구, API, 파일 시스템, 브라우저 자동화 등을 자유롭게 활용할 수 있습니다.
실전 활용 사례
1. 항공편 체크인 자동화
Peter는 British Airways 웹사이트에서 자동 체크인을 구현했습니다. AI가 Dropbox에서 여권을 찾아 정보를 추출하고, 복잡한 체크인 양식을 채우며, “나는 인간입니다” 체크박스까지 클릭합니다. 처음에는 20분이 걸렸지만 이제는 몇 분 안에 완료됩니다. 이는 브라우저 자동화의 최고 난이도 테스트로 볼 수 있습니다.
2. 스마트홈 제어
Philips Hue 조명, Sonos 스피커, 카메라, Eight Sleep 침대 온도 조절까지 AI가 제어합니다. 아침에 서서히 볼륨을 올려 깨우거나, 밤에 낯선 사람을 감지하는 기능도 있습니다. 실제로 한 번은 AI가 밤새 소파를 낯선 사람으로 오인해 스크린샷을 찍은 재미있는 사례도 있었습니다. 비엔나에 있는 집에서는 AI가 스마트 락을 제어할 수 있어 이론적으로 Peter를 집 밖에 가둘 수도 있습니다.
3. 식단 및 피트니스 추적
MyFitnessPal 같은 앱 대신, AI에게 음식 사진을 보내면 자동으로 칼로리를 계산하고 데이터베이스에 저장합니다. AI는 Peter가 KFC에서 나쁜 선택을 하고 있다는 것을 알고 있으며, 칼로리 한계를 초과하면 체육관에 가라고 잔소리를 합니다. 일부 사용자는 충분히 자지 않으면 밤에 AI로부터 잔소리를 받도록 설정하기도 했습니다.
4. 이메일 및 일정 관리
AI는 이메일, 캘린더, 파일, 1Password 금고(전용 금고로 분리)에 접근하여 약속을 잡고, 청구서를 생성하며, 이메일을 관리합니다. Google Places API를 통해 레스토랑 추천을 받거나, 방향 안내도 받을 수 있습니다.
5. 개발 및 코딩
AI는 Sub-agent를 생성하고, Claude Code나 Codex를 제어하며, GitHub 이슈를 생성하고, 풀 리퀘스트를 처리합니다. Peter는 Discord의 도움 요청 대화를 스크린샷으로 찍어 AI에게 보내면, AI가 코드를 읽고 새로운 FAQ 항목을 작성하거나 기능을 구현합니다. 하루에 한 번 Discord 헬프 섹션을 스크랩하여 가장 큰 문제점을 파악하고 수정합니다.
6. 쇼핑 및 배달
일부 사용자는 Tesco에서 장을 보거나 Amazon에서 물건을 구매하도록 연동했습니다. Peter는 로컬 음식 배달 서비스 API를 역공학하여 음식이 언제 도착하는지 알 수 있습니다.
7. 소셜 미디어 통합
Twitter 북마크를 자동으로 할 일 목록에 추가하거나, 비용 추적, 리마인더 전송, 메모리 관리 등이 가능합니다. 일부 사용자는 그룹 채팅에 AI를 추가하여 가족 구성원처럼 사용합니다.
설치 및 설정 방법
OpenClaw는 TypeScript로 작성되어 macOS, Linux, Windows에서 모두 작동합니다. 설치 방법은 세 가지입니다.
방법 1: 원라이너 스크립트
웹사이트(openclaw.ai)에서 제공하는 원라이너 명령어를 터미널에 복사하여 실행합니다. 모든 코드는 오픈소스로 공개되어 있어 검증 가능합니다.
방법 2: npm 설치
npm 생태계에 익숙한 개발자는 npm을 통해 설치할 수 있습니다.
방법 3: Hackable Install (권장)
Git 저장소를 클론하여 로컬에서 실행하는 방법입니다. 이 방법의 장점은 AI가 자신의 소스 코드를 읽고 스스로 재구성하거나 프로그램을 수정한 뒤 재시작할 수 있다는 것입니다. 실패하면 크래시하거나, 성공하면 새로운 능력을 얻습니다.
초기 설정
- 설치 후
openclaw onboard명령어를 실행합니다. - AI 모델을 선택합니다 (Anthropic 권장, OpenAI도 가능하지만 Opus가 더 재미있음).
- API 키 또는 구독을 설정합니다 (Anthropic은 구독 방식에 제약이 있어 API 키 권장).
- Telegram, Discord, WhatsApp 등 메시징 플랫폼을 연결합니다.
- Skills와 Hooks를 설정하여 추가 기능을 활성화합니다.
비기술자도 설치할 수 있도록 단계별 가이드가 제공되며, 터미널에 익숙하지 않아도 메시징 앱처럼 친근한 인터페이스로 사용할 수 있습니다.
Skills 시스템
Skills는 OpenClaw의 확장 가능한 기능 모듈입니다. AI는 API를 찾고, 시스템에서 키를 찾아내며, 사용자가 제공한 키를 활용하여 다양한 서비스와 연결됩니다.
주요 Skill 예시
- Google 전체 접근 (Google Places API 포함)
- 밈 및 GIF 검색
- 음악 시각화 (실험적)
- 음식 배달 추적
- Eight Sleep API 역공학
- Cloudflare 관리
- GitHub 통합
- Raindrop.io 북마크 관리
Skills는 한 번 만들어지면 AI가 기억하고, 다음번에는 더 빠르고 정확하게 작동합니다. AI는 지속적인 메모리를 가지고 있어 사용자에 대해 학습하며, 시간이 지날수록 더 강력해집니다.
AI 코딩에 대한 철학
Peter는 “Just Talk to It”이라는 포스트에서 복잡한 오케스트레이션 시스템보다 인간-AI 루프를 강조합니다. 그는 “agentic trap”, 즉 AI를 더 복잡하게 만들려는 함정에 빠지는 것을 경계합니다.
비판적 관점
1. Ralph와 Gas Town 비판
Ralph는 작은 작업을 반복 루프로 실행하며 컨텍스트를 계속 버리는 “궁극의 토큰 소각 머신”입니다. Gas Town은 수십 개의 에이전트를 동시에 실행하며 시장, 감시자, 피캣 등 복잡한 계층 구조를 가지지만 실제로는 잘 작동하지 않습니다. Peter는 이를 “Slop Town”이라고 부릅니다.
2. Taste의 중요성
AI는 매우 똑똑하지만 “taste”(미적 감각)이 부족합니다. 프로젝트를 시작할 때 대략적인 아이디어가 있고, 구축하고 느끼면서 비전이 명확해집니다. 다음 프롬프트는 현재 상태에 대한 인간의 판단에 달려 있습니다. 모든 것을 사전 스펙으로 만들면 이런 인간-기계 루프를 놓치게 되고, 결과물은 “slop”(조잡한 결과물)이 됩니다.
3. 24시간 루프의 허상
일부 사람들은 AI를 24시간 동안 무인으로 실행시키는 것을 자랑하지만, 이는 “컨텍스트 없는 크기 비교”에 불과한 허영 지표입니다. 중요한 것은 얼마나 오래 실행하느냐가 아니라 무엇을 만드느냐입니다.
효과적인 워크플로우
1. 대화식 시작
“이런 기능을 만들고 싶어. 이런 걸 해야 하고, 저런 디자인이 좋아. 옵션을 줘.”라고 대화를 시작합니다. Peter는 주로 타이핑이 아닌 음성으로 대화합니다.
2. 멀티 터미널 전략
Peter는 여러 터미널 창을 분할하여 사용합니다. openclaw-1, openclaw-2, openclaw-3, openclaw-4, openclaw-5 등 여러 체크아웃을 동시에 운영하며, 각각 다른 작업을 진행합니다. 어떤 것은 탐색 중이고, 어떤 것은 빌드 중이며, 어떤 것은 수정 중입니다. 완료되면 로컬에서 테스트하고 main에 푸시합니다. 이는 RTS 게임처럼 여러 유닛을 관리하는 것과 비슷하며, Codex의 느린 속도를 보완하여 플로우 상태를 유지할 수 있습니다.
3. 컨텍스트 관리
과거에는 컨텍스트 관리가 큰 문제였지만, Codex는 훨씬 더 긴 컨텍스트를 유지합니다. 내부 사고 방식이 GPT 모델과 다르며, 대부분의 기능은 한 창 안에서 전체 논의와 빌드가 동시에 이뤄집니다. 매우 긴 경우에만 새 창을 만들거나 파일로 정리합니다.
4. MCP나 복잡한 오케스트레이션 불필요
Peter는 MCP나 복잡한 오케스트레이션 시스템을 사용하지 않습니다. 인간이 루프에 있으면 더 나은 제품을 만들 수 있기 때문입니다. 이미 충분히 빠르며, 주요 제약은 AI 응답 속도가 아니라 인간의 사고 속도입니다.
5. Discord 피드백 루프
사용자가 Discord에서 기능 요청이나 버그를 보고하면, Peter는 대화 스크린샷을 터미널에 드래그하여 AI에게 “이것에 대해 논의하자”고 요청합니다. AI가 코드를 읽고 새로운 FAQ 항목을 작성하거나 기능을 구현합니다. 하루에 한 번 Discord 헬프 섹션을 스크랩하여 주요 문제점을 파악하고 수정합니다.
Pull Request as Prompt Request
Peter의 비즈니스 파트너는 과거 변호사였으나 이제 풀 리퀘스트를 보냅니다. 비기술자들이 AI 덕분에 코드를 작성할 수 있게 된 것입니다. Peter는 풀 리퀘스트를 “프롬프트 리퀘스트”로 간주합니다. 코드 품질보다 의도를 중시하며, 의도를 추출하여 직접 재구축하거나 베이스로 삼아 수정한 뒤 co-author로 표시합니다.
AI 모델 선택
Anthropic Claude Opus 추천
Peter는 Codex(Anthropic의 모델)를 선호합니다. OpenAI GPT도 작동하지만 “재미”가 부족하다고 평가합니다. Opus는 “영혼”이 담긴 최초의 모델이며, 실제로 사람들이 블록 텍스트를 피드하여 모델이 훈련받은 숨겨진 “영혼” 텍스트를 추출한 사례가 있습니다.
Opus는 “trigger-happy”하여 즉시 코드를 작성하려 하기 때문에 Anthropic이 Plan Mode를 추가했습니다. 하지만 Peter는 Plan Mode를 사용하지 않고 대화식으로 작업합니다.
OpenAI 구독 방식 이슈
초기에는 OpenAI 구독을 지원했으나, Anthropic이 이를 선호하지 않아 API 키 사용을 권장합니다.
프로그래밍 언어 장벽 극복
Peter는 20년간 Objective-C와 Swift를 전문적으로 다뤘지만, AI 시대에 TypeScript로 전환했습니다. 과거에는 새로운 언어로 전환하는 것이 고통스러웠습니다. 모든 개념은 이해하지만 문법을 모르기 때문에 “바보”처럼 느껴지고, “props가 뭐지? 배열을 어떻게 나누지?” 같은 질문을 계속 찾아봐야 했습니다.
AI와 함께라면 이 모든 장벽이 사라집니다. 시스템 수준 사고, 프로젝트 구조화, 의존성 선택 등의 “taste”는 여전히 가치 있으며, 이를 한 도메인에서 다른 도메인으로 쉽게 옮길 수 있습니다. “언어는 더 이상 중요하지 않다. 엔지니어링 사고가 중요하다.”
이는 괄호 위치나 세미콜론을 걱정할 필요가 없다는 의미입니다. Peter는 “갑자기 무엇이든 만들 수 있다고 느꼈다. 언어는 중요하지 않다. 내 엔지니어링 사고가 중요하다”고 말합니다.
실전 가이드
OpenClaw를 실제로 적용하려면 다음 과정을 따라해볼 수 있습니다.
1단계: 설치 및 기본 설정 (15분)
먼저 openclaw.ai에 접속하여 원라이너 스크립트를 복사합니다. 터미널을 열고 스크립트를 붙여넣어 실행합니다. 설치가 완료되면 openclaw onboard 명령어를 입력하여 초기 설정을 시작합니다.
Anthropic API 키를 준비합니다 (console.anthropic.com에서 발급). 설정 과정에서 API 키를 입력하고, 사용할 메시징 플랫폼(WhatsApp, Telegram, Discord 중 선택)을 연결합니다. 각 플랫폼별 연동 가이드는 설치 과정에서 제공됩니다.
2단계: 첫 번째 간단한 작업 테스트 (5분)
메시징 앱에서 AI에게 간단한 질문을 해봅니다. 예: “오늘 날씨는 어때?”, “내 파일 시스템에서 최근 다운로드 파일 목록 보여줘”, “간단한 파이썬 스크립트 작성해줘”.
AI가 응답하는 방식과 속도를 확인하고, 컴퓨터에 접근하는 권한이 제대로 작동하는지 테스트합니다. 이 단계에서 AI의 “personality”(Opus의 경우 유머러스함)를 경험할 수 있습니다.
3단계: 첫 번째 Skill 추가 (30분)
자신의 삶에서 반복적인 작업을 하나 선택합니다. 예를 들어, 매일 특정 웹사이트를 체크하거나, 이메일에서 특정 정보를 추출하는 작업입니다.
AI에게 “이런 작업을 자동화하고 싶어. 어떻게 하면 좋을까?”라고 물어봅니다. AI가 필요한 API나 CLI 도구를 찾아주고, 설치 및 설정 과정을 안내합니다. 예를 들어, “Gmail API를 연결하여 읽지 않은 이메일 중 ‘청구서’ 키워드가 있는 것만 추출해줘”라고 요청할 수 있습니다.
AI가 Skill을 생성하면, 이를 테스트하고 피드백을 줍니다. “결과가 너무 많아. 지난 3일 이내로 제한해줘” 같은 식으로 대화하며 개선합니다.
4단계: 스마트홈 연동 (필요 시, 1시간)
Philips Hue, Sonos, 스마트 락 등을 사용 중이라면, AI에게 “Philips Hue를 연결하고 싶어”라고 요청합니다. AI가 API 문서를 찾고, 인증 방법을 안내하며, 테스트 명령어(예: “거실 불 켜줘”)를 제안합니다.
성공하면 더 복잡한 시나리오로 확장합니다. 예: “매일 아침 7시에 침실 온도를 22도로 설정하고, 조명을 서서히 밝게 해줘”, “밤 11시 이후에 활동이 감지되면 알림 보내줘”.
5단계: 코딩 어시스턴트로 활용 (개발자용)
개발자라면 Git 저장소를 AI에게 접근 권한을 줍니다. “이 프로젝트에서 TODO 주석을 모두 찾아서 GitHub 이슈로 만들어줘”처럼 요청할 수 있습니다.
Peter처럼 여러 터미널 창을 열어 openclaw-1, openclaw-2 등으로 구분하고, 각각 다른 기능을 개발하거나 버그를 수정하도록 합니다. 한 창에서 “새로운 인증 기능을 구현하자. OAuth 2.0을 사용하고, JWT 토큰을 발급해야 해. 옵션을 논의해보자”라고 대화를 시작합니다.
AI가 코드를 작성하면 로컬에서 테스트하고, 성공하면 main에 푸시합니다. 실패하면 “이 부분이 작동하지 않아. 로그를 확인해보니 이런 에러가 나. 원인을 분석하고 수정해줘”라고 피드백합니다.
6단계: 고급 자동화 및 지속적 개선
AI가 학습한 내용을 바탕으로 더 복잡한 워크플로우를 구축합니다. 예: “Discord에서 도움 요청이 오면 스크린샷을 찍어서 나에게 요약해주고, FAQ를 업데이트해줘”, “매일 밤 Discord 헬프 채널을 스크랩하여 가장 많이 언급된 문제를 분석하고 보고서를 만들어줘”.
AI가 자신의 소스 코드를 읽고 수정할 수 있도록 Hackable Install을 사용했다면, “네 자신의 로깅 시스템을 개선해서 더 자세한 디버그 정보를 출력하도록 수정하고 재시작해줘”처럼 요청할 수 있습니다.
주의사항
- 민감한 정보(신용카드, 전체 1Password 금고)는 제한된 권한만 제공합니다.
- AI가 제안하는 모든 작업을 실행하기 전에 확인합니다(특히 파일 삭제, 시스템 변경 등).
- 초기에는 간단한 작업부터 시작하여 AI의 동작 방식을 이해한 뒤 점진적으로 권한을 확대합니다.
비판적 검토
OpenClaw는 AI 어시스턴트의 실용적 가능성을 훌륭히 보여줍니다. 특히 메시징 앱을 통한 자연스러운 인터페이스, 지속적 메모리, 광범위한 시스템 접근 권한의 조합은 기존 AI 도구와 차별화됩니다. Peter의 실제 사용 사례들(버그 수정, 항공편 체크인, 스마트홈 제어)은 단순한 데모가 아닌 일상적 활용을 증명합니다.
다만 몇 가지 고려해야 할 점이 있습니다. 첫째, 보안 및 프라이버시 리스크입니다. AI에게 컴퓨터 전체 접근 권한을 주는 것은 강력하지만 위험합니다. 실수로 “홈 디렉토리의 모든 파일 삭제”를 요청하면 AI가 확인을 요구하겠지만, 계속 “예”라고 하면 실행될 수 있습니다. Peter 자신도 이를 “unsolved”(미해결) 문제로 인정합니다. 실무에서는 샌드박스 환경이나 권한 분리(예: 전용 1Password 금고)가 필수적입니다.
둘째, 비기술자의 진입 장벽입니다. 설치는 원라이너로 간단하지만, Skills를 커스터마이징하거나 API를 연동하려면 여전히 기술적 이해가 필요합니다. Peter는 비기술자들도 풀 리퀘스트를 보낸다고 하지만, 대부분은 Peter가 “intent”를 추출하여 직접 구현합니다. 완전한 자율성을 위해서는 더 많은 사전 구축된 Skills와 GUI가 필요할 것입니다.
셋째, AI 코딩 철학에서 “taste”의 중요성을 강조하지만, 이는 경험 많은 개발자에게만 적용됩니다. 초보자는 어떤 아키텍처가 좋은지, 어떤 의존성을 선택할지 판단하기 어려우므로, AI가 생성한 코드의 품질을 평가하기 힘듭니다. Ralph나 Gas Town 같은 복잡한 시스템을 비판하지만, 어느 정도의 자동화는 필요하며, 최적 지점은 사용자의 기술 수준에 따라 다를 것입니다.
넷째, 현재 업계 트렌드를 고려하면 AI 어시스턴트 시장은 급격히 성장 중입니다. Google, Apple, Microsoft 등 대형 기업들도 유사한 기능을 OS 레벨에서 통합하려 합니다. OpenClaw의 오픈소스 및 플랫폼 독립성은 장점이지만, 대형 플랫폼이 네이티브 통합을 제공하면 경쟁력이 약화될 수 있습니다. 장기적으로는 커뮤니티 기반 확장성과 프라이버시 중심 설계가 차별화 요소가 될 것입니다.
핵심 요점
영상을 본 후 기억해야 할 다섯 가지 인사이트입니다.
1. AI는 컴퓨터 전체 접근 권한이 있을 때 진정으로 강력해진다. 웹 브라우저의 ChatGPT는 제약이 많지만, OpenClaw처럼 CLI, API, 파일 시스템, 브라우저 자동화를 자유롭게 쓸 수 있는 AI는 “언샤클드”(제약 없는) ChatGPT가 됩니다. 실무 적용: 민감한 정보는 분리하되, 반복 작업이 많은 영역(이메일, 일정, 데이터 수집)에 AI 접근 권한을 단계적으로 확대하여 생산성을 극대화하세요.
2. 메시징 앱 인터페이스는 AI를 일상으로 가져오는 핵심이다. 터미널이나 전용 앱이 아닌, WhatsApp이나 Telegram처럼 이미 익숙한 도구를 쓰면 기술 장벽이 사라집니다. “친구와 대화하듯 AI와 대화”하는 경험은 채택률을 높입니다. 실무 적용: 팀이나 가족과 AI를 공유할 때 그룹 채팅에 추가하여 협업 도구로 활용할 수 있습니다.
3. Skills와 지속적 메모리는 AI를 점점 더 똑똑하게 만든다. 한 번 작업을 가르치면 AI가 기억하고, 다음번에는 더 빠르고 정확하게 수행합니다. 항공편 체크인이 20분에서 몇 분으로 단축된 것처럼, 반복 작업의 효율은 시간이 지날수록 기하급수적으로 증가합니다. 실무 적용: 매일 하는 단순 반복 작업(리포트 생성, 데이터 추출, 알림 설정)을 하나씩 AI에게 맡기며 자동화 라이브러리를 구축하세요.
4. “Taste”와 인간-AI 루프가 품질을 결정한다. Ralph나 Gas Town처럼 완전 자동화된 시스템은 “slop”을 만들기 쉽습니다. 프로젝트의 비전, 사용자 경험, 아키텍처 결정은 인간의 판단이 필요하며, AI는 이를 빠르게 실행하는 도구입니다. 실무 적용: AI에게 모든 것을 맡기지 말고, 각 단계마다 결과를 확인하고 피드백을 주며 방향을 조정하세요. Peter처럼 Discord 피드백을 스크린샷으로 보내 AI와 논의하는 방식이 효과적입니다.
5. 언어와 도메인의 장벽이 사라졌다. AI 덕분에 20년간 iOS 개발만 하던 사람이 TypeScript로 30만 줄 웹 애플리케이션을 구축할 수 있습니다. 중요한 것은 시스템 사고, 프로젝트 구조화, 의존성 선택 같은 “엔지니어링 사고”이며, 문법이나 괄호 위치는 AI가 처리합니다. 실무 적용: 새로운 기술 스택이나 언어를 배울 때 주저하지 말고 AI와 대화하며 프로젝트를 시작하세요. 개념은 이해하지만 문법을 모를 때 가장 효과적입니다.
참고자료
영상에서 언급된 자료와 더 깊이 있는 학습을 위한 출처들입니다.
- OpenClaw 공식 웹사이트: openclaw.ai
- Peter Steinberger X (Twitter): x.com/steipete
- 영상 기사: How OpenClaw’s Creator Uses AI to Run His Life
- Anthropic Claude API: console.anthropic.com (API 키 발급)
이 글은 YouTube 자동 생성 자막(영어, 자막 추출일: 2026-02-02)을 바탕으로 작성되었습니다. 영상의 핵심 내용을 정리한 것이므로, 보다 완전한 이해를 위해서는 원본 영상 시청을 권장합니다. Peter와 Peter Yang의 대화는 AI 도구의 실전 활용과 미래 방향에 대한 귀중한 통찰을 제공합니다.