10월 26일, Manus의 공동 설립자이자 제품 파트너인 장타오(온라인 별명 HideCloud)는 최근 자신의 공식 계정 ‘잠운사사’에 ‘Manus로 Manus를 개조하다’라는 제목의 장문을 게시했습니다.
기사의 시작은 그에게 깊은 인상을 남긴 한 장면으로부터 시작된다. 그는 엔지니어에게 몇 가지 요구사항과 버그를 전달했고, 잠시 후 진행 상황을 확인해 보니 상대방의 컴퓨터에는 Codex와 Manus의 세션이 줄지어 열려 있었다. 아무 세션이나 하나를 클릭해 보니, 입력된 내용은 바로 그가 방금 Slack에서 올린 요구사항 원문 그대로였고, 단 한 글자도 수정되지 않은 상태였다.
더욱 놀라운 점은, 그 엔지니어가 당시 동시에 십여 개에서 이십여 개의 요구사항을 처리하고 있었다는 사실이었다. 오늘날 Manus에서는 이것이 이미 일상적인 일이 되었다.
이 기사에는 많은 정보가 담겨 있으며, 그중에서도 가장 기억해 둘 만한 몇 가지 사항이 있습니다.
Manus 내부에는 Manus-mono라는 통합 코드 포트가 마련되어 있으며, AI가 사용할 수 있도록 작성된 설명서까지 함께 제공되어, AI가 리포지토리 간의 전반적인 구조를 파악할 수 있게 합니다. 하나의 요구사항만으로도 한 명이 모든 클라이언트 측을 완성할 수 있습니다. 모바일팀은 항상 7명에 불과하지만, 동시에 두 개의 제품과 네 개의 앱을 담당하며, 진행 상황은 웹 버전과 거의 동기화되고 있습니다.
모든 제품 관리자는 Manus에 코드를 제출했으며, 그중 약 절반은 요구사항을 독립적으로 구현해 서비스에 배포할 수 있습니다. 일부 제품 관리자가 제출한 요구사항은 이미 문서에서 동영상으로 변환되기도 했습니다.
마케팅 팀에 ‘디지털 동료’가 생겼습니다. 이 동료는 스스로 업무를 배치하고 프로젝트 진행 상황을 적극적으로 알리며, 팀 간 협업을 통해 기능 세부사항까지 명확히 파악합니다.
9월, 회사의 AI 지출은 1인당 1만 달러를 넘어섰으며, 일부 직원들은 한 달에 7~8만 달러를 사용하기도 했습니다. 장타오는 외부의 의혹에 대해 별도의 섹션을 통해 직접 답변했습니다.
기사가 게재된 시점도 매우 미묘하다. 9월 말에는 Manus가 2.0 버전과 개인형 인공지능 애플리케이션인 Cue를 출시했으며, 10월 초에는 모회사인 플라잉 이펙트가 5억 달러가 넘는 신규 투자 유치를 완료했다고 발표하는 동시에 베이징에서 17개의 채용 공고를 내놓았다.
이 노드에서 보면, 이 글은 마누스 팀이 2.0 시대에 진입했음을 알리는 선언과도 같습니다. 조직이 AI를 어떻게 활용해 발전해 나갈 것인지에 대해 이야기하지만, 실제로 드러나는 것은 이 회사의 제품 방향, 비용 전략 및 인재 채용 기준입니다.
01
Manus 자체가 바로 2.0의 모델룸입니다
기사에 나온 내부 실무와 Manus 2.0의 기능 목록을 함께 비교해 보면, 거의 일대일로 대응되는 것을 확인할 수 있습니다.
마케팅 팀의 디지털 동료들이 사내 웹사이트를 사용하기 불편하다고 느낄 경우, 피드백 인터페이스를 통해 직접 요구사항을 제출할 수 있으며, 요청이 들어오자마자 자동으로 Manus의 개발 작업이 트리거됩니다. 이는 2.0 버전의 Automations 기능을 활용한 것으로, 외부 알림을 수신하면 자동으로 작업이 시작됩니다.
제품 매니저가 요구사항 문서 대신 영상을 사용하는 데는 2.0 버전에서 대폭 강화된 영상 기능이 핵심입니다. 이미지로 영상을 생성할 수 있을 뿐만 아니라 코드를 이용해 애니메이션도 제작할 수 있습니다. 음성 텍스트 변환 기능을 담당한 제품 매니저의 사례는 매우 전형적입니다. 그녀는 먼저 마누스에게 10여 개의 모델을 테스트하게 한 뒤, 하나를 선정해 연동하고, 기존 설계 규격에 따라 데모를 제작했습니다. 이후 마누스가 사용자가 직면할 수 있는 다양한 시나리오를 하나씩 이미지로 만들어 내고, 이를 일일이 검토하며 수정한 끝에 최종적으로 데모를 영상으로 편집했습니다. 방안이 명확해지자, 그녀는 아예 해당 기능을 완전히 구현했고, 웹과 데스크톱 두 플랫폼의 UI까지 모두 직접 디자인했습니다.
동료가 만든 Slack 봇은 클라우드 컴퓨터에서 실행됩니다. 개발자가 아닌 동료들은 특정 기능이 어떻게 구현되는지, 문구는 어디에 있는지, 출시 여부를 알고 싶을 때, 먼저 누가 담당하는지 알아보지 않고 바로 봇에게 물어보면 됩니다. 이는 2.0 버전에서 7×24시간 상시 대기 가능한 클라우드 컴퓨터와도 연결됩니다.
또한 일부 기능은 현재 내부에서만 사용되고 있습니다. 예를 들어, 동일한 프로젝트의 구성원들은 기본적으로 서로의 세션을 볼 수 있으며, 엔지니어와 AI가 대부분의 작업을 마친 후에는 제품 관리자가 같은 세션에 접속하여 간격, 스타일 및 문구를 추가로 조정할 수 있습니다.
장타오는 글 말미에 매우 직접적으로 적었는데, 이는 마누스가 앞으로 잘 해내야 할 일들로, “우리는 먼저 스스로 시험해 본 뒤에 사용자에게 전달할 것입니다.”라고 밝혔다.
“자기 개밥을 먹는다”는 표현은 소프트웨어 업계에서 수십 년간 회자되어 왔습니다. 일반적으로 이는 1988년 마이크로소프트의 고위 임원 폴 마리츠가 작성한 내부 메일 제목인 “Eating our own Dogfood”에서 유래한 것으로, 직원들에게 자사 제품을 더 많이 사용하라고 권장한 내용입니다. 이후 더 유명해진 사례로는 Slack이 있는데, 이는 원래 게임 회사 타이니 스펙이 ‘글리치’를 개발하면서 자체적으로 사용하던 커뮤니케이션 도구였으나, 결국 게임이 성공하지 못하고 도구가 오히려 주력 사업으로 자리 잡게 되었습니다.
Manus는 또 다른 방향을 택합니다. 먼저 제품을 개발한 뒤, 사내에서 이를 어떻게 활용하는지 상세히 기술하여 이를 제품의 가장 좋은 시연 공간으로 삼습니다. 범용 에이전트를 판매하는 회사로서는, “우리 회사 전체가 이렇게 일하고 있다”는 모습만큼 설득력 있는 시연은 없습니다.
02
한 사람당 하나의 에이전트에서,
한 팀에 하나의 세션
이 선언문에서 가장 주목할 만한 부분은 ‘우리가 본 기회’라는 절입니다.
지난 1년간 개인 에이전트는 대기업의 기본 구성 요소로 자리매김했습니다. 앤트로픽에는 ‘코워크’가 있으며, 메타의 ‘뮤즈’는 출시된 지 얼마 되지 않아 미국 앱스토어 무료 순위 1위에 올랐고, 텐센트의 ‘워크버디’는 중국 내 PC 기반 업무용 인공지능의 월간 방문자 수가 2,000만 명을 돌파했습니다. “모든 사람에게 당신을 대신해 일하는 AI를 하나씩 배치한다”는 목표는 이제 모두가 실천하고 있는 일이 되고 있습니다.
장타오가 제시한 세 가지 기회는 또 다른 차원을 가리킨다.
첫 번째로, 세션 자체가 다인 협업의 작업 대상이 됩니다. 한 사람이 문제를 제기하면 디자이너가 방안을 내놓고, 엔지니어가 구현하며, 프로덕트 매니저가 이후 운영까지 같은 세션 안에서 진행합니다.
두 번째는 기기 간 및 동료 간 협업입니다.
세 번째는 에이전트가 회사의 시스템과 지식베이스에 진입한 뒤, 사람들이 미처 생각지 못한 해결책을 스스로 찾아낼 수 있다는 점입니다.
세 가지 모두 조직에 대해 이야기하며, 여러 사람과 여러 에이전트가 어떻게 함께 일하는지에 대해 설명합니다.
이는 Cue의 접근 방식과 일맥상통합니다. Cue는 각 에이전트에게 독립적인 이메일 주소, 전화번호, 지갑, 그리고 컴퓨터를 부여합니다. CEO 샤오훙은 발표 당시, 이러한 ‘물건’을 ‘사람’이라고 부를 수 있을지도 모른다고 말하며, 이어서 “그렇다면 많은 사람과 봇으로 이루어진 그룹도 있어야 하지 않을까요?”라고 덧붙였습니다. Cue는 이 아이디어를 개인 생활에 적용했고, 기사 속의 숫자로 표현된 동료들은 회사 내에서의 모습을 보여줍니다.
디지털 동료에 관한 몇 가지 세부 사항은 어떤 기능 소개보다도 생생합니다.
많은 동료들이 동시에 이를 찾기 때문에, 이는 하나의 ‘워크스테이션’ 세션에서만 모두와 대화하고, 구체적인 작업은 다른 세션으로 분산시켜 병렬로 처리합니다. Slack 메시지는 매우 많으므로, 먼저 자신과 관련이 있는지 여부를 판단한 뒤, 관련된 메시지는 다시 ‘현재 하던 일을 중단해야 함’과 ‘끝낸 후 처리함’ 두 가지로 분류합니다. 장타오는 특히 이 규칙은 AI가 개발 과정에서 스스로 설계한 것이라고 언급했습니다.
한번은 동료들이 Slack에서 두 개의 프로젝트에 대해 논의하던 중, 그중 하나가 어느 단계까지 진행되었는지 잠시 기억이 나지 않았습니다. 아무도 해당 항목을 @하지 않았지만, 이 시스템이 스스로 알림을 보내며 “B는 아직 테스트 단계입니다. A의 결과가 나온 뒤에 B를 확인하는 게 좋을까요?”라고 물었습니다. 제품팀이 3D 모델 생성과 뼈대 바인딩 기능을 출시한 후에는, 다시 자동으로 적용 조건을 확인해 뼈대 바인딩이 현재 물고기, 뱀, 사족류 등 총 일곱 가지 종류의 오브젝트를 지원한다는 점을 파악한 뒤, 외부에 소개할 때도 정확히 설명할 수 있었습니다.
장타오는 그 순간 그것이 마치 회의를 늘 성실히 듣고 있는 동료와 같다고 말했다.
단일 에이전트가 표준 구성으로 자리 잡으면, 범용 에이전트의 다음 영역은 아마도 팀 협업 단계일 것입니다. 마누스는 먼저 자신의 회사를 실험장으로 삼았습니다.
03
1인당 1만 달러
기사에서 가장 논란이 된 수치는 9월의 1인당 AI 지출이 1만 달러를 넘었다는 것이다. 장타오는 이달 초 위챗 모멘트에 한 차례 언급해 ‘지나치게 많이 쓴다’는 비판을 불러왔고, 이번에는 직접 세 가지 이유를 제시했다.
첫째, 이 비용은 시간과 주의력을 구매하는 데 쓰입니다. 팀 규모가 커지면 소통 비용이 증가하는데, AI는 각 개인의 주의력을 절감하여 모든 사람이 자신에게 맡겨진 일에 대해 보다 완전한 통제를 갖도록 해줍니다.
둘째, 비용이 높은 이유는 최고의 모델을 사용하기 때문이며, 이는 AI의 능력 한계를 파악하는 핵심적인 방법입니다. 그는 코드 검토 로봇의 사례를 들었습니다. 연구개발 효율을 담당하는 동료에 따르면, 최근 반년 동안 문제가 있는 코드를 합류시켜 발생한 온라인 장애 소식을 들어본 적이 없다고 합니다. 또한 AI 프로그래밍이 보급된 이후 회사의 일일 코드 커밋량은 “매우 엄청나다”고 합니다. 이 동료는 이것이 아마도 회사에서 가장 비용 대비 효과가 큰 지출일 것이라고 생각합니다.
세 번째 항목이 가장 흥미롭습니다. 점점 더 많은 개발 작업이 마누스 스튜디오에서 이루어지고 있으며, 스튜디오는 마누스의 자체 제품입니다. 내부에서 소모되는 모든 토큰은 각각 어디에서 낭비되고 있는지 파악할 수 있는 데이터로 전환됩니다. 제품이 개선되면 낭비가 줄어들고 비용이 감소하며, 사용자도 그 혜택을 누리게 됩니다.
이 로직은 한 건의 비용을 연구개발 투자로 표현하고 있다. 장타오의 판단에 따르면, 오늘 매월 1만 달러를 들여 얻는 업무 방식이 2년 뒤에는 수백 달러만으로도 가능해질 수 있다.
다시 한 번 바라보면, 이 계산은 애플리케이션 계층의 에이전트 기업들이 공통으로 처한 상황을 드러내기도 한다. 글의 서두에 등장한 그 엔지니어의 화면에는 Manus 외에도 OpenAI의 Codex가 열려 있었다. Manus의 연구개발은 최고 수준의 모델 없이는 불가능하며, 이러한 모델을 제공하는 회사들 역시 자체적으로 에이전트 제품을 개발하고 있다.
일부 평론가들은 이러한 모델을 ‘의존형 혁신’이라고 부르며, 타인이 이미 구축한 플랫폼 위에서 기능과 사용자 간의 틈새를 찾아내는 방식으로, 그 대가로 각 거래마다 잠재적 경쟁자에게 일정 금액을 지불해야 한다고 지적합니다.
이러한 관점에서 볼 때, 1인당 1만 달러는 동시에 두 가지 사실을 입증하고 있다. 첫째, 팀이 실제로 모델 성능의 한계를 파악했다는 점이고, 둘째, Manus가 사용자들보다 먼저 에이전트의 비용 문제에 부딪혔으며, 따라서 이를 먼저 해결할 수 있는 기회를 더 많이 갖게 되었다는 점이다.
04
속도, 그리고 장타오의 불안
선언의 또 다른 면은 마누스 팀의 구성원들이다.
이 글에서는 거의 모든 직무가 재편성되었습니다. 엔지니어는 직접 코드를 작성하는 데서 벗어나 AI가 수행하는 작업을 지휘하고 결과에 대한 책임을 지게 되었습니다. 프로덕트 매니저는 기능을 개발해 실제로 서비스에 적용할 수 있어야 하며, Manus Studio에서 사용자가 보는 대부분의 인터페이스와 Video Editor 역시 모두 프로덕트 매니저의 손에서 탄생했습니다. 디자이너들도 최근에는 코드를 작성하기 시작했습니다.
장타오는 이러한 변화를 한마디로 요약하며, ‘Human in the loop’에서 ‘Human on the loop’으로의 전환이라고 표현했습니다. 과거에는 AI가 70~80% 정도의 작업을 수행하고 나머지는 사람이 보완하는 방식이었지만, 이제는 사람이 규칙을 설계하고 여러 AI의 작업을 감독하며 핵심적인 지점에서 판단을 내리고 필요 시 개입하는 형태로 바뀌었습니다.
팀에서 AI를 가장 많이 사용하는 그 동료의 업무 방식은 가장 ‘과장’되어 있다. 그는 전체 Manus 세션을 하나 가지고 있는데, 자신이 결정해야 할 사항만 목록으로 작성하고 권장 방안을 첨부한다. 모두가 Slack에서 열띤 토론을 벌이는 동안, 그는 Slack을 열지 않고 AI에게 “지금 내가 결정해야 할 일이 무엇인가요?”라고 물어보기만 하면 된다.
이러한 새로운 정의는 어느 정도 채용 공고와도 같습니다. 글의 마지막에는 사람이 여전히 중요하므로 “우리는 여전히 인재를 모집하고 있다”고 적혀 있습니다. 거의 비슷한 시기에 Manus는 베이징에서 에이전트 하네스 엔지니어부터 비즈니스 분석에 이르기까지 17개의 채용 포지션을 내놓았고, CEO 샤오훙은 하루 만에 수천 건의 이력서를 받았다고 밝혔습니다. GitLab은 사원 매뉴얼을 온라인에 공개했으며, Netflix는 초기에 문화 매뉴얼을 발표한 바 있는데, 그 이치는 서로 통합니다.
한 회사가 어떻게 일을 하는지 명확히 설명하는 것 자체가, 어떤 인재가 들어올지를 선별하는 과정입니다.
하지만 이 기사에서 지커궁이 가장 크게 감동한 부분은 오히려 장타오가 그다지 확신하지 못하는 대목이다.
그는 자신의 마음이 매우 복잡하다고 털어놓으며, 설렘과 동시에 불안함도 느낀다고 밝혔다:
“이 속도가 맞나요? 충분히 빠른 건가요, 아니면 너무 빠른 건가요?”
이 문제는 더 깊이 따져볼 만하다. 한 사람이 동시에 스무 가지 요구사항을 떠맡는다면, 품질은 어떻게 보장되고, 문제가 발생했을 때 책임은 어떻게 분담될까? “반년 동안 온라인 장애 소식을 듣지 못했다”는 한 동료의 감상으로는 아직 통계로 보기에는 부족하다. 제품 관리자 절반은 이미 독립적으로 배포를 진행할 수 있지만, 나머지 절반은 과연 어떻게 따라잡을 수 있을까? 기사에서는 이에 대해 구체적으로 다루지 않았으며, 아마도 답은 아직 모색 중일지도 모른다.
또한 매우 개인적인 부분도 있습니다. 장타오는 자신이 ADHD를 앓고 있으며, 매일 20여 개의 할 일 목록을 가지고 있다고 적었습니다. 그중에서도 가장 어려운 것은 ‘시작하는 것’입니다. 현재 그는 모든 할 일을 별도의 Manus 프로젝트에 맡기고 있는데, 이 프로젝트는 즉시 실행할 수 있는 일은 바로 시작하고, 확실하지 않은 일은 다시 그에게 문의합니다. 그리고 Slack, Gmail, Notion 등을 활용해 먼저 한 차례 조사를 진행한 뒤, 해당 제품 매니저에게 넘깁니다.
그는 이것이 매일 ‘어디서부터 시작해야 할지 모르겠다’는 불안을 크게 줄여주었다고 말했다.
글의 마무리에서 장타오는 다시 그 질문으로 돌아갔다. 사람은 마지막에 무엇을 해야 하는가? 그의 답은 문제를 정의하고, 품질을 판단하며, 무엇이 가치 있는 일인지 결정한 뒤, 그 결과에 대해 책임을 지는 것이라고 했다.
AI 네이티브 조직에서는 사람의 역할이 축소된 것이 아니라 오히려 더욱 집중되었습니다.
이 선언은 마누스 자체의 조직 효율성을 입증했습니다. 이것이 타사가 기꺼이 비용을 지불할 만한 제품으로 거듭날 수 있을지는, 앞으로 ‘내부 전용’ 기능들이 언제, 어떤 형태로 사용자에게 제공될지에 달려 있습니다.
장타오는 글 말미에서, 반년 또는 1년 뒤에 이 주제를 다시 다룬다면 그들의 업무 방식은 과연 어떻게 달라져 있을지 궁금해했다.
제 생각에는, 그때쯤 되어 다시 돌아보면, 우리는 아마 이 글이 하나의 선언인지 아니면 하나의 예고인지 알게 될 것입니다.
*헤드라인 이미지 출처: Manus
본 기사는 지커파크의 독창적 기사로, 전재 시에는 지커쥔의 위챗 계정 geekparkGO에 문의해 주시기 바랍니다.