์ธ๊ณต์ง๋ฅ
ํด๋ก๋์ ์คํฌ ํ๋ ์์ํฌ, ์ฐ์ ํ์ค์ผ๋ก ์กฐ์ฉํ ์๋ฆฌ ์ก๋ค
Anthropic이 스킬을 10월에 출시했을 때, 발표는 니치 개발자 기능처럼 보였다. 두 달 후, OpenAI는 동일한 아키텍처를 채택했으며, 조용한 수렴은 AI 에이전트가 향하는 방향에 대해 어떤 중요한 것을 보여준다.
스킬은 간단해 보이지만: AI 시스템이 특정 작업을 수행하는 방법을 설명하는 마크다운 파일을 포함하는 폴더이다. 그러나 주요 AI 연구소의 두 곳 모두에서 채택된 것은 산업이 기본적인 질문에 대한 공통의答案을 찾았다는 것을 의미한다: AI 어시스턴트가 전문 작업에 일관되게 좋은 성능을 내는 방법은 무엇인가?
OpenAI가 방금 한 일
개발자 Elias Judin은 12월 12일 ChatGPT의 코드 인터프리터를 실험하면서 OpenAI의 구현을 발견했다. 모델이 /home/oai/skills 디렉토리의 zip 파일을 생성하도록 요청했을 때, 그는 PDF, 스프레드시트, 문서를 위한 폴더를 발견했으며, 각 폴더에는 Anthropic의 사양과 구조적으로 동일한 지침 파일이 포함되어 있었다.
同じ 아키텍처는 두 주 전에 OpenAI의 Codex CLI 도구에 나타났으며, “feat: experimental support for skills.md”라는 제목의 풀 리퀘스트를 통해 구현되었다. 구현은 Anthropic의 접근 방식을 반영한다: 스킬은 로컬 디렉토리(~/.codex/skills)에 존재하며, 각 스킬은 메타데이터와 지침이 포함된 SKILL.md 파일로 정의된다.
OpenAI는 이 기능을 공식적으로 발표하지 않았다. 그러나 ChatGPT와 Codex의両方에 존재하는 것은 실험보다는 의도적인 전략을 나타낸다.
스킬이 중요한 이유
특정 작업에 대한 AI의 성능을 향상시키는 전통적인 접근 방식은 비용이 많이 들고 시간이 많이 걸리는 모델 훈련을 포함했다. 스킬은 더 가벼운 대안을 제공한다: 관련된 경우에만 로드되는 지침과 리소스이다.
Anthropic의 엔지니어링 팀은 이 설계 원리를 “진행적 공개”라고 설명했다. 각 스킬은 요약된 경우에 몇십 개의 토큰만을 차지하며, 전체 세부 정보는 작업이 요구할 때만 로드된다. 이것은 실제 문제를 해결한다: 컨텍스트 창은 귀중한 자산이며, 모든 가능한 지침을 모든 요청에 넣는 것은 자원을浪費한다.
이 아키텍처는 현대적인 AI 모델이 동적으로 지침을 읽고 따를 수 있기 때문에 작동한다. PDF 처리를 위한 스킬은 선호하는 라이브러리, 에지 케이스 처리, 출력 형식을 포함할 수 있으며, 모델이 PDF를 처리할 때만 필요한 정보이다.
수렴 이야기
OpenAI가 Anthropic의 접근 방식을 채택하는 것은 고립되어 있지 않다. AI 연구소는 정기적으로 다른 연구소의 발표된 연구에서 배운다. 주목할 점은 구조적 동일성이다: 동일한 파일 이름 규칙, 동일한 메타데이터 형식, 동일한 디렉토리 조직.
이 호환성은 Anthropic의 스킬이 OpenAI의 Codex CLI와 함께 작동할 수 있으며, 그 반대도 가능하다는 것을 의미한다. 개발자는 GitHub에서 스킬을 npm 패키지처럼 공유할 수 있다. 생태계는 단편화되지 않고 상호 운용 가능해진다.
타이밍은 더广泛한 표준화 노력과 일치한다. Anthropic은 12월 9일에 Model Context Protocol을 Linux Foundation에 기증했으며, 두 회사 모두 Block와 함께 Agentic AI Foundation을 공동 설립했다. Google, Microsoft, AWS는 회원으로 가입했다.
이 재단은 MCP, Block의 goose 프로젝트, OpenAI의 AGENTS.md 사양을 관리할 것이다. 스킬은 자연스럽게 이 표준화 추진에 맞춰진다: 플랫폼 전체에서 작동하는 재사용 가능한 기능 모듈이다.
AI 코딩 도구에 대한 의미
스킬 아키텍처는 전문 지식이 출력 품질을 크게 향상시키는 AI 코딩 도구에서 가장 중요하다. React 개발을 위한 스킬은 컴포넌트 패턴, 상태 관리 선호도, 테스트 규칙을 지정할 수 있다. 데이터베이스 마이그레이션을 위한 스킬은 안전성 검사 및 롤백 절차를 포함할 수 있다.
AI 코딩 스타트업은 특정 개발 작업에 대한 AI의 유용성을 높이는 비즈니스 모델을 구축했다. 스킬 프레임워크는 모델 제공업체가 유사한 사용자 지정 기능을 표준화된 방식으로 제공할 수 있는 방법을 제공한다: 실행에 따라서는 제3자 도구를 위협하거나 보완할 수 있다.
기업 개발자에게는 상호 운용 가능한 스킬이 의미하는 바는 기관의 지식이 이식 가능하다는 것이다. 회사의 내부 코딩 표준, 보안 요구 사항, 워크플로우 선호도는 한 번만 인코딩되어 팀이 사용하는 모든 AI 도구에 적용할 수 있다.
전략적 하위 텍스트
OpenAI의 채택은 전략적 의미를 지닌다. 이 회사는 역사적으로 독점적인 접근 방식을 선호해 왔다: GPT 액션, 사용자 지정 GPT, 플랫폼별 통합. 스킬은 도구 전체에서 작동하는 공개 표준으로의 전환을 나타낸다.
한 가지 해석: OpenAI는 개발자 생태계가 이 단계에서 독점적 인 잠금보다 더 중요하다는 것을認識한다. 스킬이 표준이 되면 호환성이 더 중요해진다.
또 다른 해석: Anthropic의 개발자 경험과 경쟁하기 위해 OpenAI는 기능을 일치시켜야 한다. Claude Code는 공격적으로 성장하여 10억 달러의 연간 매출을 달성하고 Slack에 통합되었다. 스킬은 Claude Code가 유용한 이유 중 하나이며, OpenAI는 반응해야 했다.
진실은 아마도 두 요인이 모두 포함되어 있을 것이다. AI 연구소는 벤치마크와 기능에서 격렬하게 경쟁하면서 모든 사람이 혜택을 받는 인프라 표준에 대해 협력한다. 스킬은 후者の 범주에 속한다.
다음은 무엇인가
즉각적인 기회는 스킬 마켓플레이스이다: 개발자가 공통 작업을 위한 전문 지침 세트를 공유하는 GitHub 리포지토리이다. Anthropic은 이미 anthropics/skills 리포지토리를 가지고 있다. OpenAI가 이를 따를 것으로 예상되며, 커뮤니티에서 기여한 스킬이 phổ及할 것으로 예상된다.
더 긴 기간 동안의 질문은 스킬이 AI 제품에 얼마나 깊이 통합되는지이다. 현재 스킬은 주로 CLI 도구를 사용하는 개발자에게 관련이 있다. 그러나 동일한 아키텍처는 소비자 제품의 사용자 지정에 동력을 줄 수 있다: 개인화된 작성 도우미, 전문 연구 도구, 도메인별 채팅봇.
현재로서는 스킬의 수렴은 AI에서 드문 것 중 하나이다: 경쟁 회사들이 표준화가 모든 사람에게 서비스를한다는 것을 동의한다. 이러한 협력이 다른 논쟁의 영역으로 확장되는지 여부는 불확실하다: 안전성 표준, 기능 공개, 배포 지침.
그러나 AI 플랫폼을 사용하는 개발자에게는 메시지가 분명하다: 스킬은 인프라가 되고 있다. 지금 스킬을 작성하는 것을 배우면 내일 AI 도구가 작동하는 방식을 준비할 수 있다.
