Claude Cowork 화면 녹화로 재사용 가능한 에이전트 스킬 만들기

화면 시연이 자동화 정의가 되는 방식

2026년 7월 21일, Anthropic은 Claude 데스크톱 Cowork 앱에 Record a Skill 기능을 추가했다. 사용자가 화면에서 업무를 수행하며 과정을 음성으로 설명하면, Claude가 이를 분석해 다시 쓸 수 있는 Skill로 만든다. 절차를 프롬프트로 정교하게 작성하거나 문서화하지 않아도 업무 시연 자체가 자동화의 입력이 된다.

이 기능은 Pro, Max, Team 구독 티어 사용자가 이용할 수 있으며, 접근 경로는 채팅창 좌측 하단 + → Skills → Manage skills → Add → Record your screen이다. 화면 활동, 마우스 클릭, 키 입력, 음성 나레이션을 함께 캡처한다.

정기 리포트 작성, 스프레드시트 갱신, 파일 정리처럼 반복되는 업무가 대표적인 활용 대상이다. 사용자가 작업 흐름을 자연스럽게 수행하고 각 행동의 이유를 설명하면, 시스템은 클릭·이동·입력 순서와 그 목적을 함께 파악한다. 초기 테스터가 탐색 중 다소 서투르게 행동해도 일관된 자동화가 만들어진다고 표현한 이유도 여기에 있다.

녹화에서 실행 가능한 스킬까지

핵심은 화면상의 좌표를 그대로 재생하는 macro가 아니라, 행동과 나레이션에서 의도를 읽어 절차로 만드는 데 있다. 녹화 세션에서는 화면 프레임, 클릭 좌표, 키 입력, 네비게이션 이벤트가 시간 순서대로 수집된다. 음성 나레이션은 STT로 텍스트화되고, 행동 이벤트와 시간축에서 정렬돼 각 단계가 무엇을 위해 수행됐는지 해석하는 단서가 된다.

이 결과물은 고정값과 가변값을 분리해 입력 파라미터로 다룰 수 있으며, workspace 안에 저장된 뒤 반복 호출할 수 있다. 특정 단계에 API 기반 connector가 있다면 brittle한 UI 자동화보다 구조화된 통합을 우선 제안하는 흐름도 포함된다. 생성에는 대형 모델을, 실행에는 저비용 모델을 쓰는 tiered 경제성 설계도 가능하다.

⤢✕

좌표를 기반으로 한 replay는 UI가 조금만 달라져도 실패하기 쉽다. 반면 의미론적 절차는 특정 좌표보다 “장바구니 담기 버튼을 누른다”는 목적을 중심으로 단계를 정의하므로, 레이아웃 변화에 상대적으로 견고하다.

다만 실행 격리(execution isolation)와 권한 경계의 구체 명세는 아직 충분히 공개되지 않았다. 녹화 콘텐츠의 데이터 보존과 학습 사용 여부 역시 privacy 측면에서 남은 쟁점이다.

조직 도입은 통제 모델부터 설계해야 한다

시연 기반 자동화는 현업이 직접 만들기 쉽다는 장점이 있지만, 이 특성 때문에 확산 이전에 통제 체계를 정해야 한다. 도입 대상은 리포트나 파일 정리 같은 정형·반복·저위험 업무부터 잡고, 결재·자금 이체처럼 위험도가 높은 업무에는 human-in-the-loop을 유지해야 한다.

녹화 화면에는 개인정보, 계정 정보, 토큰, 내부 문서가 의도치 않게 드러날 수 있다. 마스킹·redaction 정책을 마련하고, 녹화 데이터의 보존 기간 및 training 사용 여부를 계약으로 명시할 필요가 있다. 녹화 전에 화면을 정리하는 가이드, 자동 마스킹, 접근 로그 감사도 표준 절차로 다뤄야 한다.

생성된 스킬은 프로덕션에 넣기 전 sandbox에서 검증한다. semantic 추론이 의도와 다른 절차를 만들어낼 수 있기 때문이다. 대상 서비스의 UI나 API가 바뀌면 재실행 결과를 정기적으로 점검해 silent failure도 막아야 한다.

권한과 감사에는 CIS MCP Companion Guide(2026년 4월)가 제시한 per-tool capability grant, auditable invocation, least-privilege 원칙을 적용할 수 있다. Pro·Max는 조직 보안 통제가 사실상 없으므로 조직 도입은 Enterprise 티어를 전제로 하며, Cowork는 Anthropic의 BAA(Business Associate Agreement) 적용 대상에서 제외된다는 점도 고려해야 한다.

스킬 등록, 승인, 폐기의 lifecycle을 정의하고 저장소를 지식자산으로 관리하는 방식이 필요하다. 자동화를 개별 사용자의 편의 기능으로 방치하면 shadow automation이 될 수 있다.

코드 자동화와 RPA 사이의 새로운 선택지

구분	시연(녹화) 기반 스킬	코드/스크립트 자동화	일회성 프롬프트	전통 RPA
생성 비용	매우 낮음(시연 1회)	높음(개발 필요)	낮음	중간(레코딩·규칙)
재사용성	높음(영속 스킬)	높음	없음	높음
UI 변화 견고성	상대적 높음(의도 기반)	높음(API 기반)	해당 없음	낮음(좌표 기반)
필요 역량	업무 지식만	개발 역량	프롬프트 작성	RPA 도구 숙련
유연성	높음(비정형 대응)	매우 높음	높음	낮음(rigid if-then)
감사·거버넌스	확립 중	성숙	미흡	성숙

코드와 스크립트 자동화는 정밀성과 안정성이 높지만, 개발 역량과 유지보수 비용을 요구한다. 시연 기반 방식은 업무 지식만으로 자동화를 만들 수 있어 비개발자의 진입장벽을 낮춘다.

일회성 프롬프트와의 차이도 명확하다. 일회성 요청은 매번 필요한 맥락을 다시 넣어야 하지만, 재사용 스킬은 workspace에 남아 반복 호출할 수 있다. 그 과정에서 비용과 결과 편차를 줄일 수 있다.

전통적인 RPA는 rigid한 if-then 로직에 의존하므로 서식이 다른 인보이스처럼 입력이 조금만 바뀌어도 실패할 수 있다. 에이전트 스킬 자동화는 의도를 해석해 비정형 변화에 대응하는 위치를 지향한다.

숙련자의 암묵지를 스킬 자산으로 전환하기

시연 기반 스킬 학습은 업무 자동화와 지식관리 거버넌스가 만나는 지점에 있다. 현업 담당자가 자동화를 직접 만드는 citizen automation이 가능해지면서 IT 부서의 병목 없이 자동화가 확산될 수 있다. 반대로 통제 없는 확산은 shadow automation 리스크를 만든다.

시연은 숙련자의 암묵지(tacit knowledge)를 형식지(explicit skill)로 바꾸는 행위이기도 하다. 업무 노하우가 재사용 가능한 스킬로 축적되면 조직 지식베이스의 일부가 된다. 따라서 스킬을 정보자산으로 분류하고 등록, 검증, 버전관리, 폐기까지 lifecycle 통제를 적용해야 한다.

ISMS-P 관점에서는 녹화 데이터의 수집·보관·파기 정책이 개인정보 보호 요구사항과 맞아야 한다. least-privilege 권한 부여와 auditable invocation 로그는 SOD(Segregation of Duties) 및 감사 추적성을 뒷받침한다. 민감 화면의 캡처, semantic 추론 오류, UI 변경으로 인한 회귀 실패는 정보보안·운영 리스크 항목으로 등록해 관리할 대상이다.

확산을 앞둔 과제

개인과 조직이 만든 스킬을 공유·거래하는 마켓플레이스 생태계가 형성될 가능성이 있다. 생성은 대형 모델, 실행은 저비용 모델로 분리하는 경제성 설계도 확산될 수 있다.

CIS MCP Companion Guide 같은 프레임워크를 바탕으로 스킬 거버넌스 표준이 정립될 수 있으며, 화면과 음성을 넘어 문맥·의도 추론의 정밀도가 높아질 여지도 있다. 동시에 녹화 데이터의 개인정보와 기밀을 보호하기 위한 법적·계약적 통제는 더 강해질 전망이다.

시연 기반 스킬 학습은 자동화의 출발점을 프롬프트 작성에서 실제 업무 수행으로 옮겼다. 하지만 재사용 가능한 스킬이 조직의 무형자산으로 쌓일수록 품질, 보안, 수명주기를 통제하는 거버넌스의 성숙도가 자동화의 실질적 가치를 좌우한다.