Mail

2026년 6월 마지막 주, Anthropic은 조용히 세 개의 폭탄을 떨어뜨렸다.

"조용히"라고 표현한 이유는 이미 Claude Fable 5와 Mythos 5라는 큰 뉴스가 앞에 있었기 때문이다. 하지만 실제 현업에서 매일 쓰는 사람 입장에서 이 세 가지 업데이트가 더 즉각적이고 실용적인 변화를 가져온다. Claude Code가 수백 개의 AI를 동시에 작동시켜 75만 줄짜리 코드베이스를 11일 만에 통째로 포팅했고, Claude Opus 4.8이 업계 최고 수준의 에이전트 벤치마크에서 GPT-5.5를 포함한 경쟁 모델을 모두 꺾었으며, Claude가 Slack에서 팀의 대화를 학습해 조직의 기억이 되는 AI 동료로 등장했다.

에듀테크 CEO이자 AI 도구 연구자로서 직접 살펴보고, 각각이 현장에서 무엇을 의미하는지 정리했다.

1. Claude Code Dynamic Workflows: 수백 개의 AI가 동시에 일한다

단 하나의 Claude Code 세션 안에서, Claude가 스스로 수십~수백 개의 서브에이전트로 분열해 병렬 작업을 수행한다.

이 문장만으로는 실감이 안 올 수 있다. 실제 사례로 설명하자. JavaScript 런타임인 Bun의 개발자 Jarred Sumner는 Claude Code Dynamic Workflows를 사용해 Bun의 코드베이스를 Zig에서 Rust로 포팅했다. 규모는 약 75만 줄의 Rust 코드. 기존 테스트의 99.8%가 통과한 상태로, 11일 만에 완료됐다. 한 명의 개발자가 AI를 "지시"해 수십 명이 몇 달 걸릴 작업을 해낸 것이다.

![Claude Code Dynamic Workflows — 하나의 세션에서 수십~수백 개의 서브에이전트가 병렬로 실행되며 작업을 분담하는 아키텍처 다이어그램]

Dynamic Workflows가 실제로 하는 일

Claude Code는 먼저 주어진 작업을 분석해 세부 과제로 쪼갠다. 그런 다음 각 과제를 독립적인 서브에이전트에게 배정해 동시에 실행시킨다. 마치 개발팀 리더가 30명에게 업무를 배분하는 것처럼, Claude가 Claude들을 지휘한다. 모든 서브에이전트의 결과가 모이면 검증 단계를 거쳐 최종 답변을 제출한다.

활용 시나리오	예시
전체 코드베이스 버그 탐색	수천 개 파일을 병렬로 분석해 패턴 매칭
프레임워크 마이그레이션	Zig→Rust, React→Next.js 등 대규모 포팅
보안 감사	API, DB, 인증 레이어를 동시 검토
API 대규모 리팩터링	수백 개 엔드포인트 동시 업데이트

바이브코딩의 한계를 넘다

"바이브코딩(vibe coding)"이라는 표현이 있다. 코드를 직접 짜지 않고 AI에게 말로 지시해 원하는 기능을 구현하는 방식이다. 지금까지 바이브코딩의 한계는 "규모"였다. 작은 기능이나 프로토타입은 가능했지만, 수십만 줄의 프로덕션 코드를 다루기엔 컨텍스트 한계와 일관성 문제가 있었다.

Dynamic Workflows는 이 한계를 구조적으로 해결한다. 전체 컨텍스트를 하나의 AI가 처리하는 대신, 작업을 분할해 각 에이전트가 집중할 수 있는 범위 안에서만 다루게 한다. 비유하자면, 두꺼운 소설 한 권을 혼자 읽는 대신 챕터마다 전문 독자를 배치하고 나중에 종합하는 것이다.

활용 팁: 현재 Dynamic Workflows는 리서치 프리뷰 단계로, Claude Code Max 구독자에게 우선 제공된다. 복잡한 작업을 시작할 때 /workflows를 입력해 워크플로우 모드를 활성화하고, 먼저 작은 코드베이스(파일 100개 이내)로 실험해 패턴을 익히자. 프롬프트에 "검증 단계 포함해서 실행해줘"를 명시하면 오류율을 크게 줄일 수 있다.

2. Claude Opus 4.8: 슈퍼에이전트 벤치마크 1위, GPT-5.5를 넘다

2026년 5월 28일 출시된 Claude Opus 4.8은 현재 Anthropic이 공개한 가장 강력한 Opus 계열 모델이다.

출시 직후 업계의 시선을 끈 것은 벤치마크 점수가 아니라 "방식"이었다. Super-Agent Benchmark에서 Claude Opus 4.8은 실제 에이전트 작업(이메일 초안 작성, API 연동, 다단계 리서치 등)을 모든 케이스에서 처음부터 끝까지 완료한 유일한 모델이었다. GPT-5.5와 비용 대비 동급의 성능을 보이면서도 에이전트 완료율에서 앞섰다.

![Claude Opus 4.8 Super-Agent Benchmark — 여러 AI 모델 중 유일하게 모든 케이스를 완료한 막대 그래프]

핵심 스펙 요약

컨텍스트 창: 기본 100만 토큰 (약 책 4~5권 분량)
최대 출력: 128K 토큰 (이전 모델 대비 4배)
적응형 사고: 항상 켜진 상태 (Adaptive Thinking)
중간 시스템 메시지: 긴 에이전트 세션 중 지시 변경 가능
가격: 입력 $5/M 토큰, 출력$ 25/M 토큰

128K 출력 토큰이 의미하는 것

단순히 "더 긴 답변"이 아니다. 128K 출력 토큰은 약 96,000 단어에 해당한다. 소설 한 권 분량의 텍스트를 한 번의 응답으로 생성할 수 있다는 뜻이다. 교육 분야에서는 이것이 실질적으로 다음을 의미한다:

전 학기 강의 계획서와 모든 수업 자료를 단일 응답으로 생성
포괄적인 커리큘럼 보고서와 평가 루브릭을 한 번에 완성
복잡한 연구 논문의 초안 전체를 단일 세션에서 작업

에이전트로서의 Opus 4.8

Opus 4.8의 가장 중요한 변화는 "에이전트 내구성"이다. 기존 모델들은 긴 다단계 작업을 수행하다가 중간에 방향을 잃거나 초기 지시를 망각하는 경향이 있었다. Opus 4.8은 긴 작업 내내 맥락과 목표를 일관되게 유지하며, Claude Code Workflows의 서브에이전트로 작동할 때도 다른 에이전트들과 효과적으로 협업한다.

활용 팁: Claude Code를 사용한다면 /model 명령으로 Opus 4.8을 선택해 복잡한 다단계 작업에 투입하자. 일반 대화는 Sonnet 4.6으로 처리하고, 에이전트형 장시간 작업(연구, 대규모 코드 리뷰, 복잡한 분석)에만 Opus 4.8을 쓰면 비용 대비 효율을 극대화할 수 있다.

3. Claude Tag for Slack: 회사의 기억을 학습하는 AI 동료

2026년 6월 23일, Anthropic은 기업용 Slack에 @Claude를 공식 통합했다.

지금까지 Slack에서 AI를 쓰는 방법은 대부분 외부 도구를 따로 열거나, 내용을 복사해 ChatGPT/Claude에 붙여넣는 방식이었다. Claude Tag는 다르다. Slack 채널에 @Claude를 태그하면 그 채널의 대화 맥락을 실시간으로 이해하고, 코드베이스, 내부 문서, 연동된 데이터에 접근해 팀이 요청한 작업을 수행한다.

![Claude Tag 슬랙 인터페이스 — 팀 채널에서 @Claude를 태그한 화면과 AI가 맥락을 이해해 응답하는 모습]

Claude Tag가 실제로 할 수 있는 것

맥락 인식 (Context Memory) Claude Tag는 단순히 메시지에 답변하지 않는다. 채널의 이전 대화, 팀이 공유한 문서, 연동된 코드베이스를 바탕으로 답변한다. "지난주 회의에서 결정한 내용으로 이 이슈를 해결해줘"라고 말하면 실제로 그 결정을 참조한다.

비동기 작업 처리 (Async Task Handling) Claude Tag는 "이 보고서 작성해서 내일까지 채널에 올려줘"처럼 비동기 요청을 처리할 수 있다. 멤버들이 오프라인인 동안에도 백그라운드에서 작업하고 결과를 채널에 게시한다.

멀티플레이어 협업 팀원 여러 명이 같은 Claude와 동시에 작업할 수 있다. 한 사람이 리서치를 요청하는 동안 다른 사람이 같은 Claude에게 초안 수정을 요청해도 각 흐름이 독립적으로 관리된다.

접근 제어 (Controlled Access) 관리자가 Claude가 접근할 수 있는 도구, 데이터, 코드베이스 범위를 명시적으로 설정한다. 민감 채널에서는 외부 데이터 접근을 차단하는 등 기업 거버넌스 요건에 맞게 조정할 수 있다.

"회사를 학습하는 AI"의 의미

TechCrunch는 Claude Tag를 "한 번에 한 Slack 메시지씩 회사를 학습하는 AI"라고 표현했다. 이 표현이 핵심을 정확히 짚는다. 신입 직원이 회사 맥락을 파악하는 데 수 개월이 걸린다면, Claude Tag는 그 정보를 즉시 흡수하고 팀의 전문 용어, 의사결정 패턴, 프로젝트 이력을 바탕으로 대화한다.

에듀테크 분야에 적용하면: 학교 운영팀이 매년 반복하는 업무(입시 안내, 학부모 소통, 교육과정 업데이트)를 채널에서 바로 처리할 수 있다. 교사가 학기 초마다 새로 설명해야 했던 내용을 Claude Tag가 이미 알고 있게 된다.

활용 팁: 현재 Enterprise 및 Team 구독자 베타 단계. 먼저 하나의 프로젝트 채널에서만 Claude를 초대해 팀의 반응과 사용 패턴을 파악하자. 초기에는 "이 채널의 맥락을 요약해줘" 같은 단순 작업으로 시작해 팀이 AI와 협업하는 리듬을 익힌 후 복잡한 작업으로 확장하는 것을 권장한다.

4. 세 업데이트가 가리키는 방향

2026년 6월 말, Anthropic이 내놓은 세 가지 업데이트를 관통하는 흐름이 하나 있다.

AI가 단독 도구에서 팀 인프라로 바뀌고 있다.

Dynamic Workflows: 한 명의 AI가 혼자 일하는 것이 아니라, AI 팀이 병렬로 협업해 인간 팀의 작업 규모를 뛰어넘는다
Opus 4.8: 단발성 응답이 아니라 긴 시간 동안 맥락을 유지하며 완결된 작업을 수행하는 에이전트로 진화한다
Claude Tag: AI가 개인 도구에서 벗어나 팀의 공유 인프라가 된다

이 방향성이 교육 현장에 주는 시사점은 명확하다. 앞으로 AI를 잘 쓰는 것은 "AI에게 좋은 질문을 하는 능력"만이 아니다. AI를 팀 내에 제대로 배치하고, 접근 범위를 설계하며, 업무 흐름에 통합하는 역량이 함께 요구된다. 이것이 앞으로 교육자와 학습자 모두에게 필요한 "AI 문해력"의 새로운 층위다.

지금 바로 해볼 수 있는 활용 팁 요약

이번 주 안에 시도할 수 있는 3가지

Claude Code Dynamic Workflows: Claude Code Max 구독자라면 복잡한 리팩터링 작업에 /workflows를 입력해 워크플로우 모드를 활성화해보자. 단순 Q&A가 아닌, AI가 계획→분업→실행→검증을 자율적으로 수행하는 경험이 이전과 다르다는 것을 체감할 수 있다.
Claude Opus 4.8: Claude Code에서 /model opus-4.8로 전환 후 복잡한 분석 또는 긴 문서 작성을 요청해보자. 특히 다단계 작업(예: "이 논문들을 분석하고 → 핵심 주장을 비교하고 → 반박 논거를 정리해줘")에서 이전 모델과의 차이가 두드러진다.
Claude Tag for Slack: 팀에서 Anthropic 엔터프라이즈 또는 팀 플랜을 쓴다면 베타 신청을 지금 해두자. 당장 쓸 수 없더라도 Slack 내에서 어떤 채널에 AI를 먼저 통합하면 팀 생산성에 가장 큰 영향을 줄지 미리 설계해두는 것이 좋다.

2026년 6월 말 Claude 3대 혁신: 다이나믹 워크플로우·Opus 4.8·Slack 에이전트

목차