AI가 자기 실수에서 배운다 — ‘dreaming’ 에이전트란? (2026)

글쓴이 /
💡 이 글로 얻는 것
Anthropic이 2026년 5월 발표한 기능 중 ‘dreaming(드리밍)’이 특히 화제예요. 이름 그대로 AI 에이전트가 쉬는 동안 하루 작업을 ‘복기’하며 스스로 똑똑해지는 구조예요. 사람이 잠자며 기억을 정리하는 것에 빗댄 거죠. AI가 자기가 한 일을 되돌아보며 반복된 실수를 찾아내고, 잘 통한 방식을 기억해 다음엔 더 잘하게 됩니다. 실제로 한 법률 AI 회사는 이걸 적용한 뒤 작업 완료율이 약 6배로 뛰었다고 해요. 이게 코딩을 몰라도 왜 중요한 변화인지 정리했어요.

📌 ‘AI 에이전트’ 자체가 처음이면 AI 에이전트로 개발하기부터 보면 좋아요.

📑 목차
  1. dreaming, 한마디로
  2. 어떻게 작동하나 — 낮·밤·아침
  3. 무엇을 찾아내나 — 3가지
  4. 왜 중요한가 — 쓸수록 나아진다
  5. 코딩을 모르는 나에게 의미하는 것
  6. 들뜨기 전에 짚을 5가지
  7. 다음 단계 — 상황별로 고르기
  8. FAQ

 

🌙 dreaming, 한마디로

dreaming은 AI 에이전트가 쉬는 동안 하루치 작업 기록을 되돌아보며 스스로 배우는 기능이에요. 사람이 잠자는 사이 기억을 정리하듯, 에이전트가 지난 세션을 복기해 반복된 실수와 잘 통한 방식을 찾아내고 그걸 기억에 정리합니다. 그래서 다음에 같은 일을 할 때 조금 더 잘하게 돼요. Anthropic이 2026년 5월 ‘Code with Claude’에서 공개했어요.

왜 ‘꿈’에 빗댔나

사람은 자는 동안 뇌가 그날의 기억을 정리하고 중요한 걸 추려요. dreaming도 비슷해요. 에이전트가 일을 멈춘 사이에 그날의 작업을 훑어보고, “어디서 자꾸 틀렸지?”, “어떤 방식이 잘 통했지?”를 정리하는 거예요. 그래서 ‘꿈꾼다(dreaming)’는 이름이 붙었어요. 실제로 잠을 자는 건 아니고, 비유적인 표현이에요.

‘기억하는 AI’에서 한 걸음 더

요즘 AI는 대화 내용을 기억하는 기능이 늘고 있어요. dreaming은 거기서 한 발 더 나가, 단순히 기억하는 게 아니라 기억을 스스로 정리하고 거기서 교훈을 뽑아냅니다. 쌓인 기록을 그냥 두는 게 아니라, 쓸모 있는 패턴으로 다듬는 거예요. AI가 나를 기억하는 흐름 전반은 별도로 정리한 에이전트 메모리 글에서 함께 볼 수 있어요.

 

🔄 어떻게 작동하나 — 낮·밤·아침

하루의 흐름으로 보면 이해가 쉬워요.

dreaming 작동 낮에는 에이전트가 일하며 잘한 것과 실수가 쌓이고 밤에는 하루 세션을 복기해 패턴 추려 기억 정리 아침에는 같은 실수 덜 반복하고 더 나은 흐름으로 매일 반복하며 향상
사람이 자며 기억을 정리하듯, 에이전트도 쉬는 동안 복기한다.

낮 — 일한다

에이전트가 평소처럼 작업을 해요. 잘 풀린 것도, 헤맨 것도, 틀린 것도 기록으로 쌓여요.

밤 — ‘꿈꾼다’

일이 멈춘 사이, dreaming이 그날의 세션을 훑어봐요. 반복된 실수, 잘 통한 흐름, 자주 나오는 선호를 추려서 기억에 정리합니다. 이 정리를 자동으로 반영하거나, 사람이 검토한 뒤 반영하도록 둘 수도 있어요.

아침 — 더 낫다

정리된 기억 덕분에 다음 작업에선 같은 실수를 덜 반복하고, 잘 통하던 방식을 더 빨리 꺼내 써요. 이 낮-밤-아침 고리가 매일 돌면서 에이전트가 조금씩 나아집니다.

 

🧩 무엇을 찾아내나 — 3가지

dreaming이 복기하며 뽑아내는 건 크게 세 가지예요.

dreaming이 쌓인 작업 세션에서 찾아내는 3가지 반복된 실수 자주 틀리는 지점 자주 쓰는 흐름 잘 통한 방식 팀 공통 선호 여러 에이전트가 공유할 취향 규칙 혼자선 못 보는 패턴
한 에이전트가 혼자선 못 보는 패턴까지 끌어올린다.

① 반복된 실수

자꾸 틀리는 지점을 찾아내요. “여기서 늘 헤매네”를 알면 다음엔 피하거나 다르게 접근할 수 있어요. 사람이 같은 실수를 메모해두는 것과 비슷해요.

② 자주 쓰는 흐름

잘 통하던 방식을 정리해 재사용해요. 매번 처음부터 헤매지 않고, 효과 본 순서를 기억해두는 거예요. 일종의 ‘나만의 매뉴얼’이 쌓이는 셈이에요.

③ 팀 공통 선호

여러 에이전트를 함께 운영하면, 그들이 공유할 취향·규칙도 추려내요. 한 에이전트가 배운 걸 다른 에이전트도 쓰게 되는 거예요. 혼자선 못 보는 패턴을 모아준다는 게 dreaming의 핵심이에요.

 

📈 왜 중요한가 — 쓸수록 나아진다

지금까지 AI는 대화가 끝나면 배운 걸 잊고, 같은 실수를 다시 하기 쉬웠어요. dreaming은 이 한계를 깨요. 모델 전체를 다시 학습시키지 않고도, 쓰는 동안 쌓인 경험에서 교훈을 뽑아 점점 나아집니다. 한 법률 AI 회사는 dreaming 적용 후 작업 완료율이 약 6배로 올랐다고 밝혔어요.
dreaming 있을 때와 없을 때 비교 없으면 같은 실수 반복하며 제자리 있으면 복기하며 시간 지날수록 점점 향상 한 법률 AI는 dreaming 적용 후 작업 완료율 약 6배로 상승
없으면 제자리, 있으면 쓸수록 향상 — 한 사례에선 완료율이 약 6배로.

‘잊지 않는’ 게 왜 큰일인가

사람은 실수에서 배워 다음에 안 틀려요. 그런데 그동안 AI는 그게 약했어요. 어제 알려준 걸 오늘 또 틀리는 식이죠. dreaming은 “어제의 교훈을 오늘 기억하는” 능력을 줘요. 이게 쌓이면 같은 도구라도 쓸수록 내 일에 맞게 다듬어집니다.

전체 재학습 없이 나아진다

보통 AI를 더 똑똑하게 하려면 모델을 통째로 다시 학습시켜야 했어요. 비싸고 오래 걸리죠. dreaming은 그 대신 “경험 기억을 정리”하는 가벼운 방식으로 향상을 만들어요. 6배 같은 수치는 특정 사례라 그대로 일반화할 순 없지만, 방향은 분명해요.

 

🎯 코딩을 모르는 나에게 의미하는 것

dreaming의 핵심 의미는 “AI 도구가 쓸수록 내 일에 맞게 나아진다”예요. 다만 지금은 팀이 여러 에이전트를 대규모로 운영할 때 쓰는 인프라 단계라, 일반 사용자가 당장 켜는 기능은 아니에요. 그래도 흐름을 알면, 앞으로 ‘AI가 나를 학습해 점점 손발이 맞는’ 시대를 미리 대비할 수 있어요.

도구가 나를 알아갈수록 손발이 맞는다

지금은 AI에 매번 같은 설명을 반복해야 할 때가 많아요. dreaming이 보편화되면, 한 번 알려준 건 도구가 기억하고 다듬어가요. 쓸수록 내 방식·취향을 알아가는 거예요. 이때 잘 시키는 능력, 즉 무엇을 어떻게 맡길지 또렷이 주는 감각이 더 중요해지는데, 이건 별도로 정리한 컨텍스트 엔지니어링과 그대로 이어져요.

아직은 ‘대규모 운영’ 단계

솔직히 dreaming은 지금 당장 개인이 버튼 하나로 켜는 기능은 아니에요. 여러 에이전트를 굴리는 팀이 기억·품질을 관리하려고 쓰는 인프라에 가까워요. 그러니 “나도 당장 써야 하나” 조급해할 필요는 없어요. 다만 AI가 점점 자기 경험에서 배우는 방향으로 간다는 큰 그림을 알아두면 충분해요.

 

⚠️ 들뜨기 전에 짚을 5가지

흥미로운 기능이지만, 차분히 볼 점도 있어요.

① 아직 초기·제한적이다

dreaming은 연구 프리뷰 단계로 공개됐어요. 모두가 바로 쓰는 완성 기능이 아니라, 특정 환경에서 시험되는 중이에요. “곧 모든 AI가 이렇게 된다”고 단정하긴 일러요.

② 개인용이 아니라 인프라다

팀이 여러 에이전트를 대규모로 운영할 때 의미가 커요. 가볍게 챗봇 쓰는 사람에게 당장 와닿는 기능은 아니에요. 내 상황에 맞는지부터 보세요.

③ 기억에는 사생활·보안 문제가 따른다

AI가 작업 기록을 정리해 쌓는다는 건, 그 안에 민감한 정보가 담길 수 있다는 뜻이에요. 무엇을 기억하게 둘지, 누가 그 기억에 접근하는지 관리가 필요해요.

④ ‘자동 반영’은 검토와 함께

dreaming이 정리한 걸 자동으로 반영하게 둘 수도 있는데, 잘못된 교훈을 굳혀버릴 위험도 있어요. 중요한 영역은 사람이 검토한 뒤 반영하도록 두는 게 안전해요.

⑤ 6배 같은 수치는 사례다

작업 완료율 6배는 특정 회사 사례예요. 모든 곳에서 똑같이 나오는 보장은 없어요. 방향을 읽는 참고로 쓰되, 내 경우의 효과는 직접 확인해야 해요.

 

🚀 다음 단계 — 상황별로 고르기

지금 상황에 따라 할 일이 달라요. 가까운 쪽으로 가시면 됩니다.

방향 ① — 개념만 알고 싶다면

“AI가 쉬는 동안 복기하며 스스로 나아진다”는 큰 그림만 잡아두면 충분해요. 앞으로 AI 도구가 쓸수록 손발이 맞아가는 흐름을 이해하는 것만으로 대비가 됩니다.

방향 ② — AI를 더 잘 쓰고 싶다면

지금 쓰는 AI에 “내 선호·자료를 기억하게” 하는 기능부터 활용해보세요. 손에 잡히는 걸 만들며 익히고 싶다면 AI 챗봇 30분 만들기로 직접 기억을 넣어보는 것도 좋아요.

방향 ③ — 진로·커리어로 잇고 싶다면

여러 에이전트를 운영·관리하는 일은 코딩 깊이보다 설계·판단력이 중요해 비전공자에게도 길이 열려요. 어떤 직군이 뜨는지는 별도로 정리한 AI 코딩 자동화 시대 살아남는 5개 직군에서 확인할 수 있어요.

 

📌 1줄 결론
dreaming은 AI 에이전트가 쉬는 동안 하루 작업을 복기해 반복된 실수와 잘 통한 방식을 정리하고, 다음엔 더 잘하게 되는 기능이에요. 모델을 통째로 다시 학습시키지 않고도 ‘쓸수록 나아지는’ AI를 만든다는 게 핵심이에요. 다만 지금은 팀의 대규모 운영용 인프라 단계라 당장 켜는 기능은 아니에요. AI가 자기 경험에서 배우는 방향으로 간다는 큰 그림만 잡아두면 충분합니다.

 

❓ FAQ

질문을 누르면 답변이 펼쳐집니다.

 

🔰 큰 그림에 대한 질문

Q. dreaming이 정확히 뭔가요?
AI 에이전트가 쉬는 동안 하루치 작업 기록을 복기하며 스스로 배우는 기능이에요. 사람이 자며 기억을 정리하듯, 지난 세션에서 반복된 실수와 잘 통한 방식을 찾아 기억에 정리합니다. 그래서 다음에 같은 일을 할 때 더 잘하게 돼요. Anthropic이 2026년 5월 공개했어요.
Q. AI가 진짜로 자고 꿈을 꾸나요?
아니에요. 비유적인 표현이에요. 사람이 자는 동안 뇌가 기억을 정리하는 것에 빗대, 에이전트가 일을 멈춘 사이 그날 작업을 되돌아보고 교훈을 추리는 과정을 ‘dreaming’이라 부르는 거예요.
Q. 기억하는 AI랑 같은 건가요?
한 걸음 더 나간 거예요. 기억은 대화 내용을 저장하는 것이고, dreaming은 그 기억을 스스로 정리하고 거기서 교훈을 뽑아냅니다. 그냥 쌓아두는 게 아니라 쓸모 있는 패턴으로 다듬는다는 점이 달라요.

 

⚙ 실행·실전 질문

Q. 저도 지금 쓸 수 있나요?
아직은 연구 프리뷰 단계이고, 여러 에이전트를 대규모로 운영하는 팀을 위한 인프라에 가까워요. 가볍게 챗봇 쓰는 개인이 당장 버튼으로 켜는 기능은 아니에요. 내 상황에 맞는지부터 보고, 우선 흐름을 이해해두면 충분해요.
Q. 무엇을 찾아내 주나요?
크게 세 가지예요. 자꾸 틀리는 반복된 실수, 잘 통하던 자주 쓰는 흐름, 여러 에이전트가 공유할 팀 공통 선호. 한 에이전트가 혼자선 못 보는 패턴까지 모아준다는 게 핵심이에요.
Q. 정리한 걸 자동으로 반영하나요?
자동 반영도 가능하고, 사람이 검토한 뒤 반영하도록 둘 수도 있어요. 다만 자동에 맡기면 잘못된 교훈을 굳혀버릴 위험이 있어서, 중요한 영역은 사람이 한 번 확인하고 반영하는 게 안전해요.
Q. 정말 6배나 좋아지나요?
작업 완료율 약 6배는 한 법률 AI 회사의 특정 사례예요. 모든 곳에서 똑같이 나온다는 보장은 없어요. 방향을 읽는 참고로 보고, 내 경우의 효과는 직접 확인하는 게 맞아요.

 

🚀 다음 단계·확장 질문

Q. 코딩을 모르는데 알 필요가 있나요?
있어요. dreaming이 보편화되면 AI 도구가 쓸수록 내 방식·취향을 알아가 손발이 맞아가요. 매번 같은 설명을 반복할 일이 줄죠. 그 흐름을 알면 ‘AI가 나를 학습하는’ 시대를 미리 대비할 수 있어요.
Q. 이걸 부업이나 커리어로 이을 수 있나요?
가능해요. 여러 에이전트를 운영·관리하고 무엇을 기억하게 둘지 설계하는 일은 코딩 깊이보다 판단력이 중요해 비전공자에게도 길이 열려요. 에이전트 운영이 늘수록 이런 역할 수요도 커집니다.
Q. 지금 배운 게 금방 쓸모없어지지 않나요?
구체적 기능·이름은 바뀌어도 “AI가 경험에서 배워 나아진다”는 방향과, 무엇을 기억하게 둘지 판단하는 감각은 그대로 쓰여요. 도구가 아니라 그 감각에 투자하면 됩니다.

 

📢 면책 조항
dreaming은 2026년 5월 Anthropic이 ‘Code with Claude’에서 공개한 기능으로, 발표 시점 기준 연구 프리뷰 단계예요. 동작 방식·제공 범위·이름이 바뀔 수 있습니다. 작업 완료율 약 6배 같은 수치는 특정 회사(법률 AI Harvey) 사례 기준이라 모든 환경에 그대로 적용되지 않아요. AI가 작업 기록을 기억·정리하는 만큼 사생활·보안 관리가 필요하니, 실제 도입 전 공식 안내와 데이터 정책을 확인하시길 권장드려요.

🚀 바이브코딩, 직접 해보고 싶다면?
Git, Node.js, VS Code 설치부터 첫 배포까지 — 복사 붙여넣기만으로 끝.
VibeStart에서 무료로 시작하기 →

 

📚 에이전틱 AI 트렌드 시리즈

 

🔗 추가 관련 글

 

📚 참고 자료

Post Views: 13

관련 게시물

위로 스크롤