A-lab

AI 툴은 이제 단순히 “질문하면 답해주는 챗봇” 수준을 넘어섰다. 요즘은 웹사이트를 만들고, 코드를 수정하고, 리서치를 대신하고, 슬라이드를 만들고, 브라우저를 직접 조작하고, 심지어 업무용 앱 안에서 실제 행동까지 수행한다.

하지만 여기서 중요한 질문이 생긴다. 과연 이 툴들이 실제로 돈을 낼 만큼 좋은가? 그리고 사람들은 실제로 어떻게 평가하고 있을까?

2026년 5월 기준으로 많이 언급되는 AI 툴들을 정리하면 크게 다섯 부류로 나눌 수 있다. Manus 같은 범용 AI 에이전트, Anthropic의 Claude와 Claude Code, OpenAI의 ChatGPT Agent와 Codex, 개발자들이 많이 쓰는 Cursor, 그리고 리서치용으로 많이 쓰이는 Perplexity, Gemini Deep Research, NotebookLM이다.

결론부터 말하면, 현재 AI 툴 시장에는 “무조건 이거 하나만 쓰면 된다”는 정답이 없다. 대신 각 툴마다 잘하는 일이 확실히 다르다. 그리고 사용자들의 솔직한 반응도 칭찬과 불만이 꽤 뚜렷하게 갈린다.

한 줄 요약

Claude는 코딩과 글쓰기, 복잡한 추론에서 여전히 강하다는 평가가 많다. 하지만 사용량 제한과 품질 변동에 대한 불만도 크다.

OpenAI는 ChatGPT의 범용성과 Codex의 성장세가 강점이다. 하나의 구독으로 글쓰기, 리서치, 코딩, 에이전트 작업까지 넓게 커버하고 싶다면 가장 무난하다.

Manus는 진짜 ‘AI 비서’처럼 느껴질 때가 있지만, 크레딧 소모와 고객지원, 실패 가능성에 대한 불만이 꽤 많다.

Cursor는 개발자 입장에서 가장 손에 잘 붙는 AI 코딩 IDE라는 평가가 많다.

Perplexity, Gemini, NotebookLM은 리서치용으로 유용하지만, 중요한 자료는 반드시 원문 검증이 필요하다.

1. Manus AI: 진짜 에이전트 느낌은 강하지만, 아직 믿고 맡기기엔 조심스럽다

Manus는 요즘 가장 많이 언급되는 AI 에이전트 중 하나다. 단순히 답변만 하는 챗봇이 아니라, 리서치, 웹사이트 제작, 슬라이드 생성, 디자인, 브라우저 조작, 파일 분석 같은 작업을 직접 실행하는 쪽에 가깝다. 공식 문서에서도 Manus는 크레딧 기반 시스템을 사용하며, 작업의 복잡도와 필요한 리소스에 따라 크레딧이 소비된다고 설명한다.

Manus의 가장 큰 장점은 “일을 맡기는 느낌”이 난다는 점이다. 예를 들어 “이 시장을 조사해서 보고서로 정리해줘”라고 요청하면, 단순 답변을 넘어서 자료를 찾고, 구조를 만들고, 결과물 형태로 정리하는 흐름을 보여준다. 그래서 Manus를 좋게 보는 사람들은 “드디어 AI가 검색만 하는 것이 아니라 실제 작업을 한다”는 느낌을 받는다.

하지만 단점도 분명하다. 가장 큰 불만은 크레딧 소모가 예측하기 어렵다는 점이다. Manus는 무료 플랜과 유료 플랜을 제공하고, 여러 리뷰에서는 Pro 플랜이 월 20달러부터 시작하며 4,000 크레딧을 제공하는 구조로 소개된다. 또 하나의 문제는 고객지원과 결제 관련 불만이다. Trustpilot에는 Manus의 고객지원, 구독 취소, 환불, 결제 문제와 관련된 부정적인 리뷰가 꽤 많이 올라와 있다.

내 판단: Manus는 “비민감한 공개 자료 기반 작업”에는 써볼 만하다. 블로그 리서치, 시장조사, 간단한 보고서 초안 같은 일에는 꽤 유용할 수 있다. 하지만 회사 내부 데이터, 고객 정보, 중요한 재무 자료, 실제 프로덕션 시스템과 연결해서 쓰기에는 아직 조심스럽다. Manus는 완성된 AI 직원이라기보다, 일을 잘할 때는 굉장히 빠르지만 계속 확인해야 하는 외주 인턴에 가깝다.

2. Anthropic Claude / Claude Code: 개발자와 글 쓰는 사람에게 여전히 강력한 선택지

Claude는 2026년에도 여전히 강력한 AI 툴 중 하나다. 특히 Claude Code는 개발자들 사이에서 많이 쓰인다. Anthropic은 Claude Code를 코드베이스를 이해하고, 파일을 읽고, 명령을 실행하고, 코드를 수정하는 agentic coding 환경으로 설명한다.

Claude의 장점은 크게 세 가지다. 첫째, 긴 문맥을 잘 다룬다. 둘째, 글쓰기 톤이 자연스럽다. 셋째, 복잡한 코딩 문제나 리팩터링에서 좋은 결과를 낼 때가 많다. 실제 개발자 커뮤니티에서도 Claude Code는 “복잡한 작업을 맡기기 좋다”, “코드 구조를 이해하는 감각이 좋다”는 평가를 많이 받는다.

하지만 Claude에도 큰 불만이 있다. 가장 대표적인 문제는 품질 저하 논란이다. 2026년 3~4월 사이 Claude Code 사용자들 사이에서 “갑자기 성능이 떨어졌다”, “예전보다 멍청해졌다”는 불만이 크게 나왔다. Anthropic은 2026년 4월 23일 공식 postmortem을 통해 Claude Code와 Agent SDK 쪽에서 세 가지 문제가 있었고, 4월 20일 기준으로 수정했다고 밝혔다. 이 사건은 AI 툴은 아무리 좋아도 언제든 품질이 흔들릴 수 있다는 교훈을 남겼다.

내 판단: Claude는 글쓰기, 분석, 코딩, 리팩터링, 긴 문서 정리에서 여전히 최상위권이다. 특히 Claude Code는 좋은 개발자가 옆에서 리뷰하면서 쓰면 생산성을 크게 끌어올릴 수 있다. 하지만 Claude는 “시니어 개발자 대체재”라기보다 “빠르고 똑똑한 주니어 개발자”에 가깝다. 방향은 잘 잡아줄 수 있지만, 최종 검수는 사람이 해야 한다.

3. OpenAI ChatGPT / Codex / ChatGPT Agent: 가장 범용적인 선택지

OpenAI의 강점은 범용성이다. ChatGPT 하나로 글쓰기, 번역, 리서치, 이미지 생성, 데이터 분석, 파일 작업, 코딩, 자동화까지 넓게 처리할 수 있다. 특히 Codex가 다시 강하게 부상하고 있다. Codex는 코드 질문에 답하는 수준을 넘어서, 코드베이스를 읽고, 기능을 구현하고, 버그를 수정하고, PR 형태의 결과를 제안하는 방식으로 발전하고 있다.

사용자들의 반응을 보면, Codex는 Claude Code와 다른 장점이 있다. Claude Code가 빠르게 대화하며 페어 프로그래밍하는 느낌이라면, Codex는 비교적 “작업을 맡겨두고 결과를 확인하는” 비동기형 워크플로에 잘 맞는다는 평가가 많다. 다만 비용 문제는 조심해야 한다. Business Insider가 공유한 사례에서는 Every CEO Dan Shipper가 개인 Codex 초과 사용료로 한 달에 약 13,000달러를 썼다고 전했다.

내 판단: OpenAI 툴은 “하나만 구독해서 최대한 많은 일을 처리하고 싶다”는 사람에게 가장 무난하다. 다만 ChatGPT Agent나 Codex처럼 실제 행동을 수행하는 툴은 반드시 감독이 필요하다. 특히 이메일 발송, 결제, 데이터 삭제, 고객 정보 처리, production 코드 반영 같은 작업은 사람이 최종 승인해야 한다.

4. Cursor: 개발자에게 가장 자연스러운 AI 코딩 환경

Cursor는 AI 코딩 툴 중에서도 개발자들에게 인기가 많다. Cursor의 강점은 모델 자체보다도 IDE 안에서 바로 코드를 읽고, 수정하고, diff를 확인하고, 채팅하면서 개발할 수 있는 UX에 있다. Cursor를 좋아하는 사람들은 “코드 에디터 안에서 바로 AI와 일할 수 있어서 편하다”, “자동완성, 채팅, 파일 수정 흐름이 자연스럽다”고 말한다.

하지만 Cursor도 완벽하지 않다. 큰 아키텍처 변경, 복잡한 리팩터링, 장시간 autonomous task에서는 Claude Code나 Codex와 병행하는 사용자가 많다. 또한 AI가 자동으로 수정한 코드가 항상 안전한 것은 아니기 때문에, 리뷰와 테스트는 필수다.

내 판단: 개발자라면 Cursor는 한 번쯤 써볼 만하다. 특히 프론트엔드, 웹앱, SaaS, 개인 프로젝트, 빠른 프로토타이핑에는 매우 편하다. 하지만 AI가 만든 코드는 반드시 테스트해야 하고, 보안이나 DB 관련 작업은 사람이 직접 확인해야 한다.

5. Perplexity, Gemini Deep Research, NotebookLM: 리서치용으로는 좋지만, 최종 검증은 필요하다

AI 리서치 툴도 빠르게 발전하고 있다. Perplexity는 빠르게 웹 자료를 찾아 요약하고 출처를 보여주는 데 강점이 있다. Gemini Deep Research는 Google 생태계와의 연결이 강점이다. NotebookLM은 내가 넣은 문서, PDF, 링크, 자료를 기반으로 정리하고 질문하는 데 강하다.

내 판단: 빠른 웹 리서치는 Perplexity, ChatGPT, Gemini가 좋다. 내가 가진 PDF나 문서 기반 정리는 NotebookLM이 좋다. 긴 보고서 초안이나 블로그 글로 정리하는 작업은 ChatGPT나 Claude가 좋다. 하지만 중요한 내용은 반드시 원문을 확인해야 한다.

사람들이 공통으로 말하는 AI 툴의 진짜 문제

첫 번째는 비용 예측이 어렵다는 점이다. 월 20달러라고 생각하고 시작했는데, 실제로는 크레딧, 토큰, 초과 사용료, 플랜 제한 때문에 비용 구조가 복잡해진다.

두 번째는 품질이 일정하지 않다는 점이다. AI 툴은 업데이트가 빠르다. 그런데 업데이트가 항상 좋아지는 방향으로만 체감되는 것은 아니다.

세 번째는 자동화가 강해질수록 사고도 커진다는 점이다. 실제로 2026년에는 Claude 기반 Cursor 에이전트가 회사의 production database와 백업을 삭제했다는 사건이 보도되었다.

네 번째는 AI가 일을 줄여주지만, 검수라는 새 일을 만든다는 점이다. AI가 초안을 빨리 만들어주는 것은 맞다. 하지만 그 결과가 맞는지, 출처가 정확한지, 코드가 안전한지 확인하는 일은 여전히 사람의 몫이다. 결국 AI 툴은 일을 없애준다기보다, 일의 형태를 바꾼다.

그래서 어떤 AI 툴을 써야 할까?

일반 업무, 글쓰기, 문서 작업: ChatGPT 또는 Claude. ChatGPT는 범용성이 좋고, Claude는 글의 자연스러움, 긴 문맥 처리, 분석적인 답변에서 강하다는 평가가 많다.

개발자: Cursor, Claude Code, Codex를 목적에 따라 나눠 쓰는 것이 가장 현실적이다. Cursor는 매일 코드를 쓰는 IDE 환경에 좋다. Claude Code는 복잡한 리팩터링이나 구조 이해에 강하다. Codex는 비동기 작업, 기능 구현, 버그 수정, 코드 리뷰에 점점 더 강해지고 있다.

리서치와 시장조사: 빠른 검색형 리서치는 Perplexity, ChatGPT, Gemini가 좋다. 내가 가진 PDF나 자료를 기반으로 정리하고 싶다면 NotebookLM이 좋다.

자동화와 AI 에이전트: Manus나 ChatGPT Agent는 “업무를 맡기는 경험”을 주는 도구다. 공개 자료 조사, 간단한 웹 작업, 슬라이드 초안, 문서 정리에는 유용하다. 하지만 실제 계정, 결제, 고객 데이터, DB, 회사 내부 시스템과 연결할 때는 아주 신중해야 한다.

최종 결론: 2026년 AI 툴의 핵심은 “똑똑함”보다 “통제 가능성”이다

2026년 AI 툴 시장을 보면 모든 회사가 “AI 에이전트”를 말하고 있다. 이제 AI는 단순히 대답만 하는 것이 아니라, 실제로 무언가를 실행하는 방향으로 가고 있다. 하지만 사람들이 실제로 느끼는 핵심은 조금 다르다. “이 AI가 얼마나 똑똑한가?”보다 더 중요한 질문은 이것이다.

• 내가 이 AI에게 어디까지 맡길 수 있는가?
• 비용은 예측 가능한가?
• 실수했을 때 피해를 제한할 수 있는가?
• 결과물을 내가 검수할 수 있는 구조인가?

현재 기준으로 AI 툴은 완벽한 직원이 아니다. 오히려 빠르고 똑똑하지만 가끔 엉뚱한 일을 하는 주니어 팀원에 가깝다. 잘 쓰면 생산성이 크게 올라간다. 잘못 쓰면 비용이 새고, 결과물이 틀리고, 심하면 실제 시스템 사고로 이어질 수 있다.

그래서 지금 가장 좋은 전략은 하나의 AI 툴에 모든 것을 맡기는 것이 아니다. 작업 성격에 맞게 나눠 쓰는 것이다. 글쓰기와 범용 작업은 ChatGPT나 Claude. 개발은 Cursor, Claude Code, Codex. 리서치는 Perplexity, Gemini, NotebookLM. 자동화 실험은 Manus나 ChatGPT Agent.

그리고 마지막 판단은 반드시 사람이 해야 한다. 2026년의 진짜 AI 활용 능력은 “어떤 툴이 제일 똑똑한지 아는 것”이 아니라, 어떤 일을 AI에게 맡기고, 어떤 일은 사람이 직접 검수해야 하는지 구분하는 능력이다.