AI 관련 직무를 준비하는 취업 준비생의 프로젝트를 함께 점검하다 보면 카카오나 네이버 같은 플랫폼 기업의 AI 전략을 관심 있게 보고 있으면서도, 그것을 자신의 취업 준비와 연결하는 단계에서는 답변이 막히는 경우가 있습니다. 카카오가 AI 에이전트를 강화하고 있다는 뉴스는 알고 있고 ChatGPT나 LLM API를 사용한 프로젝트도 만들어봤지만, 플랫폼 기업에서 에이전트가 실제로 어떤 기술과 서비스를 연결해야 하는지 질문하면 AI 챗봇을 만든다는 설명에서 멈추는 식입니다. 사용자의 요청을 이해한 뒤 어떤 도구를 선택하고, 다른 서비스에서 필요한 정보를 가져오며, 실제 행동까지 이어지게 하는 구조는 프로젝트에서 충분히 경험하지 않은 것입니다.
최근 카카오가 공개한 방향을 보면 이런 차이가 더 선명하게 나타납니다. 카카오는 2026년 1분기 실적 발표에서 메신저를 넘어 에이전틱 AI 플랫폼으로 전환하겠다는 방향을 밝혔고, MCP 기반 개방형 플랫폼 PlayMCP를 통해 카카오 서비스와 외부 도구를 연결하는 생태계를 확장하고 있습니다. 2026년 5월 기준 PlayMCP에는 카카오톡 나와의 채팅방, 톡캘린더, 카카오맵, 선물하기, 멜론 등을 포함해 약 200개의 외부 MCP 서버가 등록됐다고 밝혔습니다.
카카오툴즈 역시 내부 서비스에만 머물지 않고 외부 파트너와 연결되는 구조로 확대되고 있습니다. 2026년 3월 카카오는 올리브영, 무신사, 현대백화점, 삼쩜삼, 마이리얼트립, 사람인, 우리의 식탁 등과의 연동 확대를 발표했고, 8월에는 에이전트의 등록과 검증, 탐색, 조합, 실행, 정산까지 하나의 플랫폼에서 제공하는 AI 에이전트 마켓플레이스 개발 사업에 참여한다고 밝혔습니다.
취업 준비 관점에서 보면 이런 변화는 AI 모델을 사용할 줄 아는 사람만 필요하다는 의미로 단순화하기 어렵습니다. 플랫폼을 설계하고 운영하는 역할, 외부 도구와 데이터를 안전하게 연결하는 역할, 그 연결을 사용자가 실제로 이용할 서비스로 만드는 역할이 함께 중요해지는 방향으로 볼 수 있습니다. 이번 글에서는 카카오의 AI 에이전트 전략에서 취업 준비생이 확인할 직무 변화를 플랫폼, 연동, 서비스 세 가지 기준으로 나누어 정리하겠습니다.
플랫폼은 여러 AI와 도구가 함께 작동할 수 있는 기반을 만드는 영역입니다
- 하나의 AI 모델보다 여러 기능을 연결할 수 있는 구조를 이해할 필요가 있습니다
AI 서비스를 처음 공부하면 어떤 LLM을 사용할지와 모델 성능에 관심이 집중되기 쉽습니다. 하지만 에이전트 플랫폼에서는 모델 하나가 모든 일을 처리하기보다 사용자의 요청에 따라 필요한 도구와 데이터를 선택하고 다른 시스템을 호출하는 구조가 중요해집니다.
플랫폼 관점에서는 다음 내용을 함께 볼 수 있습니다.
- AI 모델과 외부 도구가 어떤 방식으로 연결되는지 이해합니다.
- 서로 다른 서비스가 공통된 인터페이스를 통해 호출되는 구조를 확인합니다.
- 어떤 도구를 사용할지 판단하는 과정과 실제 실행을 구분합니다.
- 사용자의 요청과 도구가 필요로 하는 입력값의 차이를 이해합니다.
- 도구가 반환한 결과가 다음 단계로 어떻게 전달되는지 확인합니다.
- 하나의 도구가 실패했을 때 전체 서비스에 미치는 영향을 살펴봅니다.
카카오가 PlayMCP를 운영하는 것도 이런 플랫폼 관점과 연결해서 볼 수 있습니다. MCP는 AI 모델이 외부 데이터와 도구를 사용할 수 있도록 연결 방식을 표준화하는 규약이며, 카카오는 이를 기반으로 개발자가 여러 MCP 서버를 등록하고 실험할 수 있는 개방형 환경을 만들고 있습니다. 취업 준비에서도 단순한 LLM API 호출 프로젝트보다 AI가 어떤 도구를 어떤 조건에서 사용하고 결과를 다시 서비스에 전달하는지를 구조로 설명할 수 있는 프로젝트가 플랫폼의 변화를 이해하는 데 더 직접적으로 연결됩니다.
- 플랫폼 개발은 모델 개발과 같은 업무라고 보기 어렵습니다
AI라는 단어가 붙으면 모든 직무가 모델을 학습하고 성능을 높이는 업무라고 생각하기 쉽습니다. 하지만 에이전트 플랫폼에서는 백엔드와 API, 인증, 데이터 구조, 실행 관리처럼 소프트웨어 플랫폼에 가까운 역량도 함께 필요할 수 있습니다.
- 모델 중심의 역할: 학습 데이터와 모델 구조, 평가 지표를 다루면서 모델의 추론 성능을 개선합니다.
- 플랫폼 중심의 역할: 여러 AI 모델과 도구가 동일한 서비스 환경에서 사용할 수 있도록 인터페이스와 실행 구조를 만듭니다.
- 백엔드 중심의 역할: 사용자의 요청을 받아 필요한 시스템으로 전달하고 결과를 저장하거나 다른 서비스에 반환합니다.
- 운영 중심의 역할: 여러 도구와 요청이 동시에 실행될 때 오류와 지연, 사용량을 확인하고 시스템을 안정적으로 유지합니다.
- 보안 중심의 역할: 외부 시스템과 연결될 때 인증과 권한, 데이터 접근 범위를 통제합니다.
카카오가 2026년 PlayMCP를 기반으로 개발 공모전을 진행하고, 참가자가 만든 MCP 서버를 Kakao Tools를 통해 실제 이용자에게 공개할 수 있는 구조를 마련한 것도 에이전트 생태계를 단일 모델 개발보다 넓은 플랫폼과 도구 개발 영역으로 확장하려는 흐름으로 볼 수 있습니다.
- 플랫폼 관점에서는 API와 인증, 권한도 AI 지식만큼 중요해질 수 있습니다
AI가 외부 시스템과 연결되면 모델 성능만으로 서비스가 완성되지 않습니다. 어떤 사용자가 어떤 데이터와 도구에 접근할 수 있는지 결정해야 하고, 외부 서비스에 요청을 보낼 때 인증을 안전하게 처리해야 합니다.
플랫폼 관련 프로젝트에서는 다음과 같은 경험을 만들 수 있습니다.
- 외부 API를 호출하고 응답 데이터를 구조화합니다.
- 사용자별 접근 가능한 기능을 구분합니다.
- API 키와 토큰을 코드에 직접 노출하지 않는 방식을 이해합니다.
- 읽기 권한과 실제 변경 권한을 분리합니다.
- 실행한 도구와 결과를 로그로 남깁니다.
- 외부 시스템 오류가 발생했을 때 재시도와 중단 조건을 구분합니다.
카카오는 2026년 5월 PlayMCP와 오픈소스 AI 에이전트 연동을 발표하면서 연동 과정에 10분 동안만 유효한 원타임 토큰을 적용한다고 밝혔습니다. 이는 에이전트 플랫폼에서 서비스 연결 확대와 함께 인증과 보안 구조가 같이 고려되고 있다는 사례입니다. 따라서 AI 플랫폼 취업을 준비할 때도 모델 API를 사용했다는 경험뿐 아니라 서비스 연결 과정에서 인증과 권한을 어떻게 관리했는지가 중요한 설명 자료가 될 수 있습니다.
- 플랫폼 직무 변화는 AI만 공부하면 된다는 의미보다 기존 개발 역량의 확장을 의미합니다
에이전틱 AI 플랫폼이 확대된다고 해서 기존 백엔드나 클라우드, 보안 지식이 중요하지 않게 되는 것은 아닙니다. 오히려 AI가 기존 시스템을 더 많이 호출할수록 이러한 기초 기술이 연결되는 지점이 많아질 수 있습니다.
- AI 중심의 접근: LLM과 프롬프트, 추론 결과에 집중합니다.
- 백엔드가 결합된 접근: 모델이 호출할 API와 데이터베이스, 사용자 요청 처리 구조까지 이해합니다.
- 클라우드가 결합된 접근: 여러 에이전트와 도구를 실행할 서버와 컨테이너, 확장 환경을 운영합니다.
- 보안이 결합된 접근: 도구별 권한과 민감 데이터 접근, 실행 기록을 관리합니다.
- 플랫폼이 결합된 접근: 여러 기술을 하나의 공통 환경에서 연결하고 개발자가 쉽게 사용할 수 있는 구조를 만듭니다.
따라서 취업 준비생 입장에서는 AI 때문에 기존 IT 공부가 의미 없어졌다고 보기보다 기존 개발과 인프라 역량 위에 AI와 도구 연결 능력이 추가되는 변화로 보는 편이 현실적입니다.
연동은 AI가 다른 서비스의 데이터와 기능을 실제로 사용할 수 있게 만드는 영역입니다
- 에이전트 시대에는 서비스를 만드는 것만큼 연결하는 능력도 중요해집니다
카카오의 최근 전략에서 반복해서 나타나는 특징 중 하나는 카카오 내부 서비스뿐 아니라 외부 서비스와의 연결입니다. 카카오툴즈는 카카오맵, 선물하기, 톡캘린더, 멜론 등의 기능뿐 아니라 외부 파트너 서비스를 추가하는 방향으로 확대되고 있습니다.
이런 환경에서는 사용자가 자연어로 요청했을 때 어떤 서비스를 호출해야 하는지를 판단하고 필요한 데이터를 전달하는 연결 구조가 중요해집니다.
연동을 이해할 때는 다음 항목을 함께 볼 수 있습니다.
- 사용자 요청에서 실제 실행할 기능을 구분합니다.
- 필요한 서비스의 API를 선택합니다.
- 요청에 필요한 파라미터와 데이터 형식을 맞춥니다.
- 서비스별 인증 방식의 차이를 이해합니다.
- 여러 서비스의 결과를 하나의 응답으로 결합합니다.
- 외부 서비스 장애가 전체 사용자 경험에 미치는 영향을 확인합니다.
예를 들어 사용자가 일정과 장소를 함께 요청한다면 캘린더와 지도 같은 서로 다른 기능이 하나의 대화 안에서 연결될 수 있습니다. 이런 경험은 단순 API 실습을 넘어 여러 서비스를 하나의 사용자 목적에 맞춰 조합하는 시스템 설계 경험으로 연결됩니다.
- API 연결과 서비스 연동은 목적과 상태 관리에서 차이가 생깁니다
API를 한 번 호출해 결과를 받아오는 것은 비교적 단순한 실습입니다. 하지만 에이전트가 여러 서비스를 이용해 하나의 업무를 수행하려면 각 단계의 결과와 상태를 이어서 관리해야 할 수 있습니다.
- 단순 API 호출: 사용자가 검색어를 입력하면 검색 API 결과를 그대로 반환합니다.
- 서비스 연동: 검색 결과에서 필요한 정보를 추출한 뒤 다른 서비스가 사용할 입력으로 변환합니다.
- 다단계 연동: 첫 번째 서비스에서 얻은 결과를 바탕으로 두 번째 도구를 선택하고 실행합니다.
- 상태를 유지하는 연동: 이전 단계에서 사용자가 선택한 조건을 기억하고 다음 작업에 반영합니다.
- 실패까지 고려한 연동: 중간 서비스가 실패하면 어느 단계까지 유지하고 어떤 작업을 다시 수행할지 결정합니다.
카카오가 AI 모델과 내부·외부 서비스를 연결해 사용자의 목적을 실행까지 이어가는 방향을 제시하고 있다는 점에서, 취업 준비에서도 단일 API 호출보다 여러 기능이 이어지는 전체 데이터 흐름을 경험하는 것이 도움이 됩니다.
- 연동이 늘어날수록 데이터와 권한의 경계를 구분하는 경험이 중요합니다
에이전트가 여러 서비스를 사용할수록 접근할 수 있는 데이터와 실행할 수 있는 기능도 많아집니다. 따라서 모든 API를 자유롭게 연결하는 것이 좋은 설계라고 볼 수는 없습니다.
연동 프로젝트에서는 다음과 같은 기준을 적용할 수 있습니다.
- 개인 데이터와 공개 데이터를 구분합니다.
- 읽기 기능과 수정 기능의 권한을 나눕니다.
- 사용자가 동의해야 하는 작업을 별도로 구분합니다.
- 어떤 데이터가 외부 시스템으로 전달되는지 확인합니다.
- 실제 실행 전 사람의 확인이 필요한 작업을 정의합니다.
- 실행 이후 어떤 서비스가 호출되었는지 기록합니다.
예를 들어 장소 정보를 검색하는 작업과 결제나 예약처럼 실제 상태를 변경하는 작업은 같은 위험 수준으로 보기 어렵습니다. 실행 영향이 큰 기능일수록 인증과 확인 절차도 달라질 수 있습니다. 이런 관점은 AI 개발자뿐 아니라 백엔드, 클라우드, 정보보안 취업 준비에서도 활용할 수 있습니다. 에이전트 연동이 확대될수록 API와 데이터, 접근권한을 함께 이해하는 능력이 더 중요해질 수 있기 때문입니다.
- MCP 확산은 특정 서비스 코드를 만드는 것에서 재사용 가능한 연결 구조로 관심을 넓힙니다
기존에는 서비스마다 개별 API 연동 코드를 만드는 방식이 일반적이었습니다. MCP와 같은 표준이 확산되면서 AI가 외부 도구를 사용할 수 있는 연결 방식을 공통된 형태로 제공하려는 시도가 늘고 있습니다.
- 개별 연동 중심: 특정 애플리케이션에서 필요한 API 코드를 직접 구현합니다.
- 표준 인터페이스 중심: AI가 사용할 도구의 기능과 입력 형식을 일정한 구조로 제공합니다.
- 도구 재사용 중심: 한 번 만든 도구를 여러 에이전트 환경에서 활용할 가능성이 생깁니다.
- 생태계 중심: 플랫폼에서 다양한 개발자의 도구를 탐색하고 조합할 수 있는 구조로 확장됩니다.
카카오는 PlayMCP에 등록된 MCP 서버를 Claude와 ChatGPT, 오픈클로 같은 외부 AI 환경에서도 사용할 수 있도록 범위를 넓히고 있으며, 2027년까지 에이전트의 등록과 검증, 조합, 실행까지 지원하는 마켓플레이스 구축 계획도 밝힌 상태입니다. 취업 준비 관점에서는 MCP라는 단어 자체를 암기하는 것보다 하나의 AI 앱을 만드는 것과 여러 AI가 재사용할 수 있는 도구를 만드는 것의 구조적 차이를 이해하는 것이 더 중요합니다.
서비스는 플랫폼과 연동 기술을 실제 사용자의 행동으로 완성하는 영역입니다
- 에이전트 서비스는 답변을 생성하는 것에서 실제 행동을 끝내는 방향으로 확장됩니다
기존 챗봇은 질문을 이해하고 적절한 답변을 반환하는 경험이 중심이었습니다. 에이전트 서비스는 여기에서 한 단계 더 나아가 사용자가 원하는 목적을 실제 기능 실행으로 이어주는 방향을 목표로 할 수 있습니다.
서비스를 설계할 때는 다음 내용을 확인할 수 있습니다.
- 사용자가 어떤 목적을 가지고 요청하는지 구분합니다.
- 필요한 정보가 부족하면 추가 입력을 받을 수 있는지 확인합니다.
- 실제 실행할 도구를 선택하는 기준을 정합니다.
- 실행 전에 사용자의 확인이 필요한지 구분합니다.
- 도구 실행 결과가 최종 목적을 충족했는지 확인합니다.
- 실패했을 때 사용자가 다음 행동을 선택할 수 있게 합니다.
카카오는 ChatGPT for Kakao와 카카오 에이전트를 통해 카카오맵, 선물하기, 톡캘린더, 멜론 등과 연결하고 사용자의 목적을 실행까지 이어가는 경험을 제시해 왔습니다. 따라서 AI 서비스 직무에서도 자연스러운 대화만큼 사용자가 실제 원하는 결과에 도달했는지가 중요한 설계 기준이 될 수 있습니다.
- AI 서비스에서는 모델 성능과 사용자 경험을 따로 볼 수 없습니다
모델이 정확한 답변을 생성한다고 해도 사용자가 복잡한 절차를 반복해야 하거나 잘못된 실행을 수정하기 어렵다면 좋은 서비스라고 보기 어렵습니다.
- 모델 중심의 평가: AI가 질문을 얼마나 정확하게 이해하고 좋은 문장을 생성하는지 확인합니다.
- 서비스 중심의 평가: 사용자가 원하는 작업을 몇 단계 안에 완료할 수 있는지 살펴봅니다.
- 실행 중심의 평가: 도구 호출이 실제로 성공했고 최종 상태가 예상대로 변경되었는지 확인합니다.
- 실패 경험 중심의 평가: 잘못된 도구가 선택되거나 실행에 실패했을 때 사용자가 상황을 이해할 수 있는지 봅니다.
- 신뢰 중심의 평가: 중요한 행동이 실행되기 전에 사용자가 확인할 수 있는 구조인지 살펴봅니다.
이런 차이를 이해하면 AI 서비스 기획과 개발에서도 모델 정확도만 개선하는 것이 아니라 사용자의 전체 작업 경험을 설계하고 검증하는 역할이 중요하다는 점을 알 수 있습니다.
- 카카오의 서비스 확대는 AI와 기존 서비스 도메인의 결합을 보여줍니다
카카오툴즈에 지도와 일정, 쇼핑, 여행, 채용 등 서로 다른 영역의 서비스가 연결되면 AI 기능을 개발하는 것만으로는 충분하지 않을 수 있습니다. 각 서비스가 어떤 데이터를 다루고 어떤 사용자 행동을 처리하는지도 이해해야 하기 때문입니다.
서비스 직무 준비에서는 다음 요소를 함께 볼 수 있습니다.
- 지도 서비스라면 위치와 검색, 장소 데이터를 이해합니다.
- 커머스 서비스라면 상품과 주문, 결제 흐름을 구분합니다.
- 일정 서비스라면 시간과 참석자, 변경 상태를 이해합니다.
- 채용 서비스라면 공고와 지원자 데이터의 구조를 살펴봅니다.
- 여행 서비스라면 장소와 일정, 예약 상태가 어떻게 연결되는지 확인합니다.
- AI가 각 도메인의 어떤 작업까지 수행하는지 범위를 구분합니다.
2026년 카카오툴즈가 다양한 외부 파트너로 확대된 것은 에이전트 서비스가 하나의 범용 챗봇보다 여러 실제 생활 서비스와 결합하는 방향으로 확장되고 있음을 보여주는 사례입니다. 취업 준비에서도 AI 프로젝트에 모델만 넣기보다 특정 도메인의 실제 업무 흐름을 AI와 연결하는 경험이 더 구체적인 포트폴리오가 될 수 있습니다.
- 서비스 중심의 변화는 개발자와 기획자, 데이터와 인프라 역할이 함께 움직인다는 뜻입니다
AI 에이전트 서비스를 실제 이용자에게 제공하려면 하나의 직무만으로 모든 과정이 완성되기 어렵습니다.
- AI 개발 역할: 사용자 요청을 이해하고 적절한 도구를 선택할 모델과 추론 구조를 개선합니다.
- 백엔드 역할: 도구와 API, 데이터베이스를 연결하고 실제 실행 흐름을 구현합니다.
- 서비스 기획 역할: 사용자가 어떤 상황에서 에이전트를 이용하고 어디까지 자동 실행할지를 정의합니다.
- 데이터 역할: 서비스 이용 패턴과 성공률, 실패 원인을 분석해 개선 방향을 찾습니다.
- 클라우드와 플랫폼 역할: 많은 사용자의 요청과 여러 도구 실행을 안정적으로 처리할 환경을 운영합니다.
- 보안 역할: 민감 데이터와 계정 권한, 외부 서비스 접근 범위를 관리합니다.
카카오가 2026년 카카오테크 캠퍼스를 에이전틱 AI 중심 과정으로 개편하고, 별도 테크 부트캠프에서도 AI 개발과 풀스택, 클라우드 네이티브 트랙을 함께 운영한 점 역시 AI 서비스가 모델 개발 하나만으로 구성되지 않는다는 흐름을 참고할 수 있는 사례입니다. 따라서 취업 준비에서는 새로운 AI 직무만 찾기보다 자신이 준비하던 개발, 데이터, 클라우드, 보안, 기획 역량이 에이전트 서비스에서 어디에 연결될 수 있는지를 확인하는 것이 더 현실적인 접근입니다.
- conclusion
카카오의 AI 에이전트 전략을 취업 준비 관점에서 볼 때 가장 주의해야 할 부분은 에이전트 개발자라는 새로운 직무만 생길 것이라고 단순하게 해석하는 것입니다. 카카오가 현재 공개한 방향은 카카오톡이라는 대규모 사용자 플랫폼을 중심으로 AI와 내부 서비스, 외부 파트너, 개발자 도구를 연결하고 이를 하나의 에이전틱 AI 생태계로 확장하는 데 가깝습니다. 2026년에는 PlayMCP와 Kakao Tools의 연동 확대뿐 아니라 에이전트 마켓플레이스 구축 계획까지 이어지고 있습니다.
플랫폼 영역에서는 AI가 여러 도구를 안정적으로 사용할 수 있는 실행 구조와 API, 인증, 권한 관리가 중요해집니다. 연동 영역에서는 서로 다른 서비스의 데이터와 기능을 공통된 사용자 목적 안에서 연결하고 실패와 상태 변화까지 관리해야 합니다. 서비스 영역에서는 이렇게 연결된 기술을 사용자가 실제로 사용할 수 있는 흐름으로 만들고, 결과가 목적에 맞게 완료되었는지를 검증해야 합니다.
최종적으로 확인할 항목은 다음과 같습니다.
- AI 모델과 외부 도구가 어떤 구조로 연결되는지 이해하고 있는지 확인합니다.
- MCP와 API 연동의 역할 차이를 설명할 수 있는지 살펴봅니다.
- 인증과 권한, 데이터 접근 범위를 프로젝트에서 구분했는지 확인합니다.
- 여러 서비스를 하나의 워크플로로 연결한 경험이 있는지 점검합니다.
- 사용자가 요청한 목적이 실제 기능 실행까지 이어지는지 살펴봅니다.
- 실패와 오류, 사용자 확인 단계가 서비스 설계에 포함되어 있는지 확인합니다.
취업 준비 흐름은 다음과 같이 연결할 수 있습니다.
- 기존 직무 역량 확인 → 카카오 AI 플랫폼 구조 이해 → MCP와 API 기본 학습 → 작은 외부 도구 연결 → 인증과 권한 설정 → 여러 기능의 워크플로 구성 → 실제 사용자 시나리오 설계 → 실패 조건 추가 → 실행 결과 검증 → 로그와 서비스 지표 확인 → 프로젝트 문서화 → 포트폴리오와 면접 연결.
결국 카카오의 AI 에이전트 전략에서 취업 준비생이 볼 핵심 변화는 AI 모델 하나에만 있지 않습니다. 플랫폼에서는 여러 AI와 도구를 사용할 수 있는 기반을 만들고, 연동에서는 기존 서비스와 외부 기능을 안전하게 연결하며, 서비스에서는 그 연결을 사용자의 실제 행동과 결과로 완성하는 역량이 중요해지고 있습니다. 따라서 AI 직무를 새로 준비하는 사람뿐 아니라 백엔드, 클라우드, 데이터, 보안, IT 기획을 준비하던 취업 준비생도 자신의 기존 역량을 에이전트 구조 안에서 어떻게 확장할 것인지가 앞으로 프로젝트를 설계할 때 중요한 기준이 될 수 있습니다.
