Jan 26, 2026 12 min read AI Use Case

AI Skill 만들기: 매번 다른 결과물, 이제 끝내는 3단계 방법

AI에게 같은 요청을 해도 결과가 매번 다른가요? Claude에서 시작해 모든 LLM의 표준이 된 Skill 개념을 이해하고, AI에게 나만의 Skill을 만들게 하는 메타적 접근법을 알려드립니다.

[AI Skill을 활용해 일관된 결과물을 받는 모습]

"어제는 괜찮았는데, 오늘은 왜 이래?"

AI에게 같은 요청을 했는데 결과물이 매번 다릅니다. 어제 받은 보고서는 깔끔했는데, 오늘 받은 건 두서없이 길기만 합니다. 결국 AI가 뽑아준 걸 처음부터 다시 고치느라 시간을 더 쓰게 됩니다.

왜 이런 일이 생길까요? 그리고 어떻게 하면 매번 같은 품질의 결과물을 받을 수 있을까요?

오늘은 이 문제를 해결하는 핵심 개념, AI Skill에 대해 알아보겠습니다.

AI Skill이 뭔가요?

Skill은 쉽게 말해 AI용 레시피입니다. 그리고 이 개념은 지금 AI 업계의 표준이 되어가고 있습니다.

요리할 때를 떠올려보세요. 레시피 없이 "대충 맛있게 해줘"라고 하면, 만드는 사람에 따라 완전히 다른 음식이 나옵니다. 하지만 "재료는 이거, 순서는 이렇게, 간은 이 정도"라고 정해두면? 누가 만들어도 비슷한 맛이 납니다.

AI도 마찬가지입니다.

레시피 없이: "보고서 써줘" → 매번 다른 결과
레시피 있으면: "3페이지, 표 포함, 요약 먼저" → 일관된 결과

이 "레시피"를 AI 용어로 Skill이라고 부릅니다. 한 번 잘 만들어두면 계속 재사용할 수 있는 작업 지침서죠.

핵심: Skill = 재사용 가능한 AI 작업 지침서

Anthropic(Claude를 만든 회사)은 이렇게 설명합니다.

"Skills는 범용 에이전트를 당신에게 맞는 전문 에이전트로 바꿔줍니다."

어렵게 들리지만 결국 같은 말입니다. 내 업무에 맞게 AI를 길들이는 방법이 Skill입니다.

Skill, 왜 지금 알아야 하나요?

Skill은 Claude(Anthropic)에서 처음 도입한 개념입니다. 그런데 지금은 ChatGPT, Gemini 등 거의 모든 주요 LLM이 비슷한 기능을 채택하고 있습니다.

ChatGPT: Custom GPT, Instructions
Gemini: Gems
Claude: Skills, Projects

이름은 다르지만 핵심은 같습니다. "AI에게 특정 작업을 일관되게 수행하는 방법을 가르친다."

왜 모든 AI 회사가 이 방향으로 가고 있을까요? 이유는 간단합니다.

범용 AI는 한계가 있습니다. "뭐든 할 수 있는" AI는 "아무것도 전문적으로 못하는" AI이기도 합니다. 사용자마다 원하는 결과물이 다르고, 같은 사용자도 상황에 따라 다른 결과가 필요합니다.

Skill은 이 문제를 해결합니다. 범용 AI를 나만의 전문 에이전트로 바꿔주는 거죠.

핵심: Skill을 이해하면 어떤 AI를 쓰든 활용법이 비슷합니다. 지금 배워두면 앞으로 어떤 AI가 나와도 바로 적용할 수 있습니다.

Skill의 구조 이해하기

Skill을 제대로 활용하려면 구조를 알아야 합니다. Claude 기준으로 설명하지만, 다른 AI에서도 개념은 동일합니다.

Skill의 3가지 구성 요소

구성 요소	역할	필수 여부
skill.md	스킬 설명, 트리거 키워드, 핵심 규칙	필수
references/	추가 지침, 템플릿, 예시 파일	선택
scripts/	자동 실행 코드 (고급)	선택

skill.md가 핵심입니다. AI는 처음에 이 파일만 읽습니다. 여기에 "언제 이 스킬을 쓸지", "어떤 규칙을 따를지"가 담겨 있어야 합니다.

트리거 키워드의 중요성

Skill은 자동으로 발동되어야 가치가 있습니다. 매번 "이 스킬 써줘"라고 말하면 불편하잖아요.

트리거 키워드를 잘 설정하면, 특정 단어가 나올 때 AI가 알아서 해당 Skill을 적용합니다.

이름: 주간보고서 작성

트리거: "주간보고", "이번 주 정리", "weekly report"

규칙:
- 분량: 1페이지 이내
- 형식: 성과 → 이슈 → 계획 순서
...

이렇게 설정해두면 "이번 주 정리해줘"라고만 해도 자동으로 이 규칙이 적용됩니다.

팁: 트리거 키워드는 skill.md의 이름(name)과 설명(description)에 포함시키세요. AI가 이 부분을 보고 트리거 여부를 판단합니다.

Skill vs GPTs/Gems, 뭐가 다른가요?

앞서 ChatGPT의 Custom GPT, Gemini의 Gems도 비슷한 개념이라고 했습니다. 그런데 정확히 뭐가 다를까요?

결론부터 말하면, Skill은 GPTs/Gems의 고급 버전입니다.

GPTs/Gems의 한계

GPTs와 Gems는 기본적으로 텍스트 지시문에 의존합니다. "너는 마케팅 전문가야. 이런 톤으로 답변해"처럼요.

이 방식은 간단한 작업에는 충분합니다. 하지만 한계가 있습니다.

복잡한 양식을 정확히 따르기 어렵습니다
여러 단계의 작업을 일관되게 수행하기 어렵습니다
참고 자료가 많아지면 관리가 힘듭니다

"이 양식대로 보고서 써줘"라고 해도, AI가 양식을 "대충" 기억하고 매번 조금씩 다르게 해석합니다.

Skill이 다른 점: 파일 기반 시스템

Skill은 단순 텍스트 지시가 아니라 파일 시스템으로 동작합니다.

구성 요소	역할	GPTs/Gems와의 차이
skill.md	핵심 규칙과 트리거	비슷함
references/	템플릿, 예시, 양식 파일	차별점 - 정확한 참조 가능
scripts/	자동 실행 코드	차별점 - 복잡한 로직 처리

references 폴더에 실제 양식 파일을 넣어두면, AI가 "기억"에 의존하지 않고 파일을 직접 참조합니다. 매번 똑같은 양식이 나옵니다.

scripts 폴더에 코드를 넣으면 복잡한 작업을 자동화할 수 있습니다. 데이터 처리, 파일 변환 같은 작업도 가능합니다.

언제 Skill이 필요한가요?

상황	GPTs/Gems	Skill
간단한 톤/페르소나 설정	O	O
정해진 양식에 맞춘 문서 작성	△ (불안정)	O
여러 템플릿 중 상황에 맞게 선택	X	O
복잡한 다단계 작업 자동화	X	O
외부 데이터 처리	△ (API 연동)	O (스크립트)

예시: 주간보고서를 회사 양식에 맞춰 작성해야 한다면?

GPTs: "이런 형식으로 써줘"라고 설명 → 매번 조금씩 다름
Skill: references에 양식 파일 저장 → 항상 동일한 형식

핵심: 정확성과 일관성이 중요한 업무라면 Skill이 답입니다. GPTs/Gems로 시작해서 한계를 느꼈다면, Skill로 업그레이드할 때입니다.

Skill vs Project, 뭐가 다른가요?

Claude를 쓰다 보면 Project라는 기능도 있습니다. 헷갈리기 쉬운데, 용도가 다릅니다.

구분	Skill	Project
목적	작업 방식을 일관되게	특정 자료를 참고하게
범위	모든 대화에서 적용	해당 프로젝트 대화에서만
예시	"보고서는 항상 3페이지 이내로"	"이 기획서 PDF를 참고해서"

Skill: "어떻게 할지" - 작업 규칙
Project: "뭘 참고할지" - 자료 제공

둘은 상호 보완적입니다. 함께 쓰면 더 효과적입니다.

예를 들어:

Project에 회사 브랜드 가이드 PDF 업로드
Skill에 "모든 콘텐츠는 브랜드 가이드를 따른다" 규칙 설정

이러면 어떤 대화에서든 회사 톤앤매너에 맞는 결과물이 나옵니다.

AI에게 Skill을 만들게 하는 법

[AI에게 Skill 작성을 요청하는 메타적 접근법]

여기서 재미있는 발상의 전환이 있습니다.

Skill을 직접 쓰려고 하면 막막합니다. "뭘 넣어야 하지?", "이게 맞나?" 고민하다 포기하게 되죠.

그런데 Skill 만드는 것도 AI에게 시키면 됩니다.

이걸 "메타적 접근법"이라고 부릅니다. AI에게 일을 시키는 지침서를, AI에게 만들게 하는 거죠.

3단계 프로세스: 시켜보기 → 부족한 점 파악 → 보강하기

바로 Skill을 만들지 마세요. 이 순서를 따라가 보세요.

1단계: 일단 시켜보기

Skill 없이 그냥 시켜봅니다.

이번 주 업무 내용을 주간보고서로 정리해줘.

결과가 나왔습니다. 마음에 안 드는 부분이 보입니다.

너무 길다
형식이 제각각이다
핵심이 뒤에 묻혀 있다

이 "마음에 안 드는 점"이 Skill의 재료입니다.

2단계: AI에게 Skill 계획서 작성 시키기

이제 AI에게 이렇게 요청합니다.

방금 만든 주간보고서에서 이런 문제가 있었어:
- 너무 길다
- 형식이 매번 다르다
- 핵심이 뒤에 묻힌다

이 문제를 해결하는 "주간보고서 작성 Skill"을 만들어줘.
다음 형식으로:
- 이름
- 언제 사용하는지
- 구체적인 규칙들

AI가 이런 계획서를 만들어줍니다:

[주간보고서 작성 Skill]

이름: 주간보고서 작성

언제: "주간보고" 또는 "이번 주 정리" 요청 시

규칙:
- 분량: 전체 1페이지 이내
- 형식: 성과 3개, 이슈 2개, 다음 주 계획 2개
- 각 항목: 2줄 이내로 간결하게
- 순서: 핵심 요약 → 성과 → 이슈 → 계획
- 톤: 객관적, 수치 포함

3단계: 검증하고 보강하기

이 Skill을 붙여서 다시 시켜봅니다.

[위의 Skill 규칙을 앞에 붙이고]
이번 주 업무 내용을 주간보고서로 정리해줘.

결과가 나아졌나요? 아직 부족한 점이 있다면, 그 부분만 규칙에 추가합니다.

핵심: 처음부터 완벽한 Skill을 만들려고 하지 마세요. 시켜보고, 부족한 점을 발견하고, 그것만 보강하는 겁니다.

왜 이 방법이 좋은가요?

내 상황에 맞는 Skill이 나옵니다
- 남이 만든 Skill을 가져다 쓰면 내 업무에 안 맞는 부분이 생깁니다
- 직접 문제를 발견하고 해결하면 딱 맞는 Skill이 됩니다
AI가 대신 정리해줍니다
- "뭘 넣어야 하지?" 고민할 필요 없습니다
- 문제점만 알려주면 AI가 규칙으로 정리해줍니다
계속 발전시킬 수 있습니다
- 쓰다가 새로운 문제가 생기면 규칙을 추가합니다
- 시간이 지날수록 Skill이 정교해집니다

실전 연습: 지금 바로 해보기

오늘 할 일:

AI에게 자주 시키는 작업 하나를 시켜보세요
결과에서 "이건 아닌데" 싶은 점 3개를 적으세요

AI에게 이렇게 요청하세요:

이 작업에서 [문제 1], [문제 2], [문제 3] 문제가 있었어.
이걸 해결하는 Skill을 만들어줘.

AI가 만들어준 Skill을 다음에 써보세요

이게 "나만의 Skill"을 만드는 가장 현실적인 방법입니다.

마치며

정리하면 이렇습니다.

AI 결과가 들쭉날쭉한 이유: 모호한 지시 → AI가 매번 다르게 추측
해결책: 구체적인 규칙을 정해두기 = Skill
Skill 만드는 법: 시켜보기 → 문제점 파악 → AI에게 Skill 만들게 하기

핵심은 메타적 접근입니다. Skill을 직접 쓰려고 끙끙대지 마세요. AI에게 시켜보고, 문제점을 발견하고, 그 문제를 해결하는 Skill을 AI에게 만들게 하세요.

누군가 만들어놓은 Skill을 가져다 쓰는 것보다, 이렇게 직접 만든 Skill이 내 상황에 훨씬 잘 맞습니다. 그리고 쓰면서 계속 발전시킬 수 있습니다.

오늘 하나만 해보세요.

AI에게 자주 시키는 작업 하나를 시켜보세요
마음에 안 드는 점 3개를 적으세요
"이 문제를 해결하는 Skill 만들어줘"라고 요청하세요

이 작은 시작이 나만의 AI 업무 매뉴얼을 만드는 첫걸음입니다.

AI를 도구로 쓰는 건 누구나 합니다. 하지만 AI에게 나만의 도구를 만들게 하는 것, 그게 진짜 실력입니다.