MS 스킬 레코더 무료 공개, 화면 녹화 한 번으로 AI 업무 자동화 만드는 필수 도구

Table of Contents

안녕하세요! 성징어의 IT 잉크사이트(IT Ink-Sight) 성징어입니다.

최근 몇 주 사이 여러 빅테크가 잇달아 내놓는 에이전트형 AI 소식을 접하다 보면, 비슷한 발표가 계속 반복되는 것처럼 느껴질 때가 있습니다. 그런데 지난 7월 30일 마이크로소프트가 깃허브에 ‘스킬 레코더(Skill Recorder)’라는 데스크톱 앱을 조용히 공개했습니다. 설명을 요약하면 이렇습니다. 화면에서 작업하는 모습을 녹화하면, AI가 그 화면 조작을 분석해 재사용 가능한 절차로 바꿔준다는 겁니다. MIT 라이선스로 배포되기 때문에 상업적으로도 자유롭게 쓸 수 있습니다. 처음 이 소식을 접했을 때 저는 ‘녹화만 하면 자동화가 만들어진다’는 문장이 너무 단순하게 들려서 오히려 의심스러웠습니다. 그런데 실제 작동 방식을 들여다보니, 이게 단순한 매크로 녹화 도구와는 근본적으로 다른 접근이라는 걸 알게 됐습니다.

업무 자동화라는 주제 자체는 새롭지 않습니다. 엑셀 매크로부터 시작해 RPA, 그리고 최근 몇 년간은 노코드 자동화 플랫폼까지, ‘반복 업무를 컴퓨터가 대신하게 만들자’는 시도는 꾸준히 이어져 왔습니다. 그런데 이런 도구들은 공통적으로 한 가지 진입장벽을 가지고 있었습니다. 자동화를 만들려면 결국 그 절차를 누군가 명시적으로 설계하고 설정해야 했다는 점입니다. 절차를 짜는 그 과정 자체가 별도의 학습과 시간을 요구했고, 그래서 정작 자동화가 가장 필요한 현업 부서에서는 오히려 도입이 더디게 이뤄지는 역설도 흔했습니다. 스킬 레코더가 흥미로운 이유는 이 설계 과정 자체를 ‘그냥 하던 대로 일하기’로 대체하려 한다는 데 있습니다.

스킬 레코더란 무엇인가

스킬 레코더는 사용자의 화면 조작 세션을 녹화하는 데스크톱 앱입니다. 클릭한 위치, 전환한 앱과 창, 방문한 페이지, 그리고 원한다면 음성으로 남긴 설명까지 함께 기록합니다. 여기까지는 기존 화면 녹화 도구와 크게 다르지 않습니다. 화면을 그대로 담아두는 것 자체는 이미 여러 프로그램이 해오던 기능이기 때문입니다. 차이는 그다음 단계에서 나타납니다. 스킬 레코더는 이 녹화 내용을 GitHub Copilot CLI에 넘겨, 사용자가 실제로 무엇을 하려 했는지를 ‘의도’와 ‘순서가 있는 단계 목록’으로 재구성합니다.

단순히 마우스 좌표와 클릭 순서를 그대로 저장하는 매크로 방식과 비교하면 이 차이가 분명해집니다. 매크로는 화면 해상도가 바뀌거나 버튼 위치가 조금만 달라져도 오작동하기 쉽습니다. 반면 스킬 레코더는 ‘이 사람이 무엇을 하려고 이런 클릭들을 했는가’를 AI가 해석해서 절차로 정리하기 때문에, 같은 목적을 다른 화면 구성에서도 수행할 수 있는 여지가 생깁니다. 저는 이 지점이 스킬 레코더를 단순한 자동화 녹화 툴이 아니라 ‘업무 절차를 언어로 번역하는 도구’로 봐야 하는 이유라고 생각합니다.

녹화 자체도 특별한 준비 없이 시작할 수 있도록 설계됐습니다. 단축키(맥에서는 커맨드-시프트-R, 윈도우에서는 컨트롤-시프트-R)를 누르면 어디서든 바로 녹화가 시작되고, 사용자는 그냥 평소 하던 업무를 그대로 수행하면 됩니다. 별도의 시나리오 작성이나 사전 설정이 필요 없다는 점에서, 이 도구는 IT 전문 지식이 없는 현업 담당자도 바로 사용할 수 있도록 문턱을 낮추는 데 초점을 맞춘 것으로 보입니다.

MS 깃허브에서 스킬 레코더 다운로드 받기

레코딩 한 번이 스킬 또는 자동화로 바뀌는 과정

녹화가 끝나면 사용자는 두 가지 결과물 중 하나를 선택할 수 있습니다. 하나는 ‘스킬’로, 에이전트가 필요할 때마다 실행할 수 있는 절차서를 SKILL.md라는 마크다운 파일로 만들어줍니다. 다른 하나는 ‘자동화’로, 같은 절차를 특정 일정이나 조건에 따라 자동으로 실행하도록 설정하는 방식입니다. 이 두 결과물은 각각 Microsoft Scout, Microsoft Copilot Cowork, Copilot Studio라는 마이크로소프트의 에이전트 서비스에서 곧바로 활용할 수 있습니다.

여기서 눈여겨볼 대목은 스킬 레코더가 만든 절차가 화면 클릭을 그대로 재생하는 방식을 최우선으로 삼지 않는다는 점입니다. 대신 GitHub CLI나 웹 요청 같은 에이전트의 네이티브 도구를 우선 활용하도록 설계됐습니다. 즉 사용자가 브라우저에서 클릭 몇 번으로 처리한 작업을, 에이전트는 더 안정적인 명령줄 도구나 API 호출로 대신 수행할 수 있다는 뜻입니다. 화면을 그대로 흉내 내는 게 아니라, 같은 결과를 더 견고한 방식으로 만들어내는 셈입니다.

화면 클릭 재현 방식과 네이티브 도구 활용 방식의 안정성 차이를 표현한 일러스트

폼 하나 등록해봤을 뿐인데, 전체가 자동화된다

스킬 레코더의 설명 중 제가 가장 흥미롭게 본 대목은 ‘하나의 예시로부터 일반화한다’는 표현입니다. 예를 들어 사용자가 양식 하나를 제출하는 과정을 녹화하면, 에이전트는 이를 학습해 비슷한 양식 전체를 처리하는 능력을 갖추게 된다는 설명입니다. 반복적인 데이터 입력 업무가 많은 조직이라면, 담당자가 단 한 번의 작업만 녹화해도 이후 수십, 수백 건의 유사 작업을 에이전트가 대신 처리할 수 있다는 뜻입니다.

이 지점에서 저는 기존 RPA(로보틱 프로세스 자동화) 도구들과의 차이를 떠올렸습니다. 전통적인 RPA는 자동화 시나리오를 만들기 위해 별도의 개발 인력이 절차를 하나하나 스크립트로 짜야 했습니다. 스킬 레코더는 이 진입장벽을 크게 낮춥니다. 업무를 잘 아는 담당자가 평소처럼 작업을 한 번 수행하고, 필요하면 음성으로 “이건 이런 이유로 이렇게 처리한다”는 설명을 덧붙이기만 하면, 그 지식이 AI가 이해할 수 있는 절차로 변환됩니다. 코드를 몰라도 자동화를 만들 수 있는 문턱이 한층 낮아진 셈입니다.

다만 저는 이 ‘일반화’라는 단어를 조금 신중하게 받아들일 필요가 있다고 봅니다. 하나의 예시로부터 비슷한 작업 전체를 처리하는 능력이 생긴다는 설명은 매력적이지만, 실제로 그 일반화가 어느 범위까지 안정적으로 작동하는지는 여러 실사용 사례가 쌓여야 검증될 부분입니다. 양식의 항목이 조금 달라지거나 예외 상황이 발생했을 때도 AI가 올바르게 판단할 수 있는지는, 공개된 설명만으로는 확신하기 어렵습니다. 그래서 이런 도구를 실무에 도입할 때는 초반에 사람이 결과물을 꼼꼼히 검수하는 단계를 반드시 거쳐야 합니다.

녹화는 로컬에서, 분석만 클라우드로

상시 작동하는 화면 녹화 도구라고 하면 자연스럽게 개인정보나 보안 우려가 따라옵니다. 스킬 레코더는 이 부분에 대한 설계 원칙을 명확히 밝히고 있습니다. 녹화와 저장, 화면 프레임 추출, 그리고 음성 설명을 글로 옮기는 작업까지는 모두 사용자의 컴퓨터에서 로컬로 처리됩니다. 녹화하는 동안에는 어떤 데이터도 외부로 나가지 않습니다. 사용자가 ‘분석하기’를 선택했을 때만 녹화 데이터가 깃허브의 클라우드로 전송돼 절차로 재구성되는 구조입니다.

마이크로소프트는 또한 비밀번호 같은 민감 정보는 녹화하지 않도록 주의를 당부하고 있습니다. 다만 이 주의사항이 자동으로 필터링되는 기술적 장치인지, 아니면 단순히 사용자의 주의를 요구하는 안내 문구에 그치는지는 공개된 설명만으로는 명확하지 않습니다. 업무 화면에는 고객 정보나 내부 시스템 접근 정보가 빈번하게 노출되기 때문에, 실제 업무에 이 도구를 도입하려는 조직이라면 녹화 대상 화면을 사전에 조정하거나, 민감한 단계는 녹화에서 제외하는 별도의 운영 지침을 마련해둘 필요가 있어 보입니다.

이런 로컬 우선 처리 방식은 최근 AI 도구들이 개인정보 우려에 대응하는 공통된 흐름과도 맞닿아 있습니다. 데이터를 무조건 클라우드로 올려 처리하는 대신, 가능한 단계까지는 사용자 기기에서 처리하고 꼭 필요한 순간에만 외부로 전송하는 방식은 최근 여러 AI 서비스에서 채택하고 있는 설계 원칙입니다. 다만 이런 원칙이 실제로 얼마나 엄격하게 지켜지는지는 사용자가 직접 확인하기 어렵다는 한계도 함께 존재합니다. 결국 사용자 입장에서는 서비스 제공자가 공개한 설명을 신뢰하고 쓸 것인지, 아니면 민감한 업무에는 이런 도구 자체를 배제할 것인지를 스스로 판단해야 하는 상황입니다.

무료로 공개된 이유, MIT 라이선스가 갖는 의미

스킬 레코더는 깃허브에 MIT 라이선스로 공개돼 있어 상업적 이용도 자유롭습니다. 이 점이 중요한 이유는, 마이크로소프트가 이 도구 자체로 직접적인 수익을 노리기보다 자사의 에이전트 생태계로 사용자를 끌어들이는 입구로 활용하고 있다는 걸 보여주기 때문입니다. 스킬 레코더로 만든 결과물이 결국 Microsoft Scout나 Copilot Cowork, Copilot Studio에서 쓰인다는 점에서, 무료 도구가 유료 에이전트 서비스로 이어지는 구조입니다.

이용하려면 GitHub Copilot에 접근할 수 있는 깃허브 계정이 필요합니다. 별도의 유료 결제 없이 곧바로 시험해볼 수 있다는 점에서, 관심 있는 개발자나 IT 담당자라면 부담 없이 먼저 손에 익혀볼 만합니다. 주요 타깃은 macOS이지만 윈도우 11도 지원한다고 알려져 있습니다. 저는 이 배포 전략이 개발자 커뮤니티를 우선 공략하려는 의도로 읽힙니다. 깃허브 코파일럿을 이미 쓰고 있는 개발자나 IT 부서 담당자가 먼저 스킬 레코더를 접하고, 이들이 조직 내부에 자동화를 확산시키는 초기 전파자 역할을 하도록 설계된 셈입니다.

이런 방식은 마이크로소프트가 과거 여러 제품에서 반복해온 확산 전략과도 닮아 있습니다. 개발자 도구를 먼저 무료로 풀어 개발자 커뮤니티의 신뢰와 관심을 확보한 뒤, 그 도구가 만들어내는 결과물을 유료 플랫폼과 연결하는 방식입니다. 스킬 레코더 역시 도구 자체는 무료지만, 이 도구로 만든 절차서와 자동화가 실제로 작동하려면 결국 마이크로소프트의 에이전트 서비스 안에서 실행돼야 한다는 점에서 이 패턴을 그대로 따르고 있습니다.

Copilot Cowork와 Microsoft Scout, 이 생태계의 큰 그림

스킬 레코더를 제대로 이해하려면 이 도구가 연결되는 세 서비스도 함께 봐야 합니다. 마이크로소프트는 지난 6월, 여러 도구와 조직 맥락을 넘나드는 복잡하고 장기적인 업무를 처리하는 에이전트 시스템인 코파일럿 코워크(Copilot Cowork)를 공개했습니다. 코워크는 이메일 발송, 회의 일정 조율, 문서 작성, 팀즈 게시, 캘린더 관리까지 폭넓게 수행하되, 각 행동을 실행하기 전에 사용자 승인을 거치는 구조입니다. 마이크로소프트365 환경의 기존 보안·컴플라이언스·거버넌스 통제 안에서 작동한다는 설명도 함께 나왔습니다.

Microsoft Scout는 이보다 한 단계 더 나아간 상시 작동형 개인 에이전트입니다. 클라우드와 데스크톱, 웹을 넘나들며 팀즈, 아웃룩, 원드라이브, 셰어포인트와 연동되고, 대화나 이메일, 일정, 연락처 같은 일상 데이터까지 다룹니다. 마이크로소프트는 이를 두고 “요청받았을 때만 응답하거나 협업하는 AI에서, 필요를 미리 예측하고 정보를 준비하며 업무의 연속성을 유지하는 AI로의 전환”이라고 설명했습니다. Scout는 클라우드를 넘어 실제 기기에 접근해 로컬 파일을 보고, 브라우저를 실행하고, 코드를 작성해 실행할 수도 있다는 점에서 코워크보다 더 깊숙이 사용자 환경에 관여합니다.

Copilot Studio는 이 둘과는 결이 조금 다릅니다. 코워크와 Scout가 이미 완성된 에이전트를 제공하는 쪽이라면, 코파일럿 스튜디오는 기업이나 개발자가 직접 자신만의 에이전트를 설계하고 조립할 수 있는 제작 도구에 가깝습니다. 완성품을 그대로 쓰기보다 조직의 특수한 업무 흐름에 맞춰 세부 로직을 직접 다듬고 싶은 기업이라면, 이 스튜디오 쪽을 더 눈여겨볼 만합니다. 세 서비스를 나란히 놓고 보면 마이크로소프트가 에이전트 생태계를 완제품과 반제품, 그리고 그 반제품을 만드는 공구까지 세 층위로 나눠 구축하고 있다는 그림이 그려집니다. 스킬 레코더는 이 세 층위 모두에 재료를 공급하는 입구 역할을 맡고 있는 셈입니다.

스킬 레코더가 코파일럿 코워크와 마이크로소프트 스카우트로 이어지는 생태계 구조를 표현한 다이어그램

스킬 레코더가 이 생태계에서 맡는 역할

이 세 서비스, 즉 코워크와 Scout, 코파일럿 스튜디오는 저마다 강력한 기능을 갖췄지만 공통된 약점이 하나 있습니다. 에이전트가 조직의 고유한 업무 방식을 알아서 학습하지는 못한다는 점입니다. 아무리 뛰어난 언어모델을 기반으로 만들어졌어도, 특정 회사의 결재 체계나 부서별 보고 양식까지 처음부터 알고 있을 수는 없습니다. 회사마다, 부서마다 문서 결재 절차나 보고서 양식, 데이터 입력 규칙이 제각각인데, 이런 세부적인 업무 지식을 에이전트에게 어떻게 가르칠지가 실제 도입의 걸림돌이 되곤 합니다. 스킬 레코더는 바로 이 공백을 메우는 도구입니다.

기존이라면 이런 업무 매뉴얼은 담당자가 워드 문서나 위키 페이지에 글로 정리해야 했습니다. 그마저도 시간이 지나면 실제 업무 방식과 어긋나거나, 새로 온 담당자가 문서를 미처 읽지 않아 무용지물이 되는 경우가 흔했습니다. 스킬 레코더는 이 과정을 ‘한 번 해보고 녹화하면 끝’으로 압축합니다. 문서를 쓰는 대신 일을 하면서 그 자체가 매뉴얼이 되도록 만든 셈입니다. 저는 이 접근이 앞으로 업무 매뉴얼 작성 방식 자체를 바꿔놓을 수 있다고 봅니다.

이 문제는 사실 조직마다 오래도록 씨름해온 ‘암묵지의 형식지화’라는 오래된 과제와도 맞닿아 있습니다. 숙련된 담당자의 머릿속에만 있던 노하우를 글로 옮기는 작업은 늘 시간과 노력이 많이 들었고, 그 담당자가 퇴사하거나 부서를 옮기면 그 지식도 함께 사라지는 일이 반복돼 왔습니다. 스킬 레코더는 이 지식 전수 과정을 ‘작업하는 순간을 그대로 기록한다’는 방식으로 우회하려 합니다. 문서화라는 별도의 노력을 요구하지 않고, 평소 업무 그 자체가 지식 자산이 되도록 만든다는 점에서, 이 도구는 조직의 지식 관리 방식에도 작지 않은 영향을 미칠 수 있습니다.

챗봇에서 실행형 에이전트로, 빅테크가 향하는 같은 방향

스킬 레코더는 마이크로소프트만의 독자적 움직임이 아닙니다. 구글 역시 지메일과 캘린더, 문서를 넘나들며 백그라운드에서 반복 업무를 처리하는 개인 AI 에이전트를 최근 한국에 출시했습니다. 방식은 다르지만 지향점은 같습니다. 사용자가 매번 지시하지 않아도 AI가 알아서 반복 업무를 처리하게 만드는 것, 즉 대화형 AI에서 실행형 AI로의 전환입니다.

두 접근을 비교해보면 흥미로운 차이가 드러납니다. 구글의 방식은 특정 서비스 생태계 안에서 자동으로 작동하는 폐쇄적 완결성을 택한 반면, 마이크로소프트의 스킬 레코더는 사용자가 화면에서 무엇을 하든 그것을 녹화해 학습시킬 수 있는 개방적 확장성을 택했습니다. 어떤 애플리케이션이든 자동화 대상으로 삼을 수 있다는 점에서, 스킬 레코더는 특정 소프트웨어에 종속되지 않는 범용성을 확보하려는 시도로 보입니다. 이 두 전략 중 어느 쪽이 시장에서 더 널리 받아들여질지는 아직 단정하기 이르지만, 결국 실행형 에이전트 경쟁이 여러 갈래로 확산되고 있다는 사실만큼은 분명합니다.

이 경쟁 구도를 조금 더 넓혀보면, 결국 관건은 ‘누가 사용자의 업무 지식을 가장 쉽게 AI에게 옮길 수 있느냐’는 질문으로 수렴합니다. 구글은 이미 자사 생태계 안에 축적된 사용자 데이터를 활용하는 방식을 택했고, 마이크로소프트는 사용자가 실제로 일하는 모습을 녹화해 그 자리에서 지식을 추출하는 방식을 택했습니다. 두 방식 모두 결국 사람이 가진 암묵적인 업무 노하우를 AI가 이해할 수 있는 형태로 바꾸는 게 핵심 과제라는 점에서는 같은 문제를 다른 각도에서 풀고 있는 셈입니다. 이 경쟁이 앞으로 어떤 방향으로 흘러가든, 업무 지식을 문서화하는 방식 자체가 근본적으로 달라지고 있다는 흐름은 이제 되돌리기 어려워 보입니다.

마무리하며

지금까지 살펴본 내용을 정리하면, 스킬 레코더는 화려한 신기술을 내세우기보다 업무 지식을 AI에게 가르치는 방식 자체를 단순화하려는 실용적인 시도에 가깝습니다. 무료로 공개된 작은 데스크톱 앱 하나가, 결국 코워크와 Scout, 코파일럿 스튜디오라는 훨씬 큰 에이전트 생태계로 사용자를 끌어들이는 입구 역할을 한다는 점에서, 이 도구를 개별 제품이 아니라 전체 전략의 한 조각으로 바라볼 필요가 있습니다. 문서를 쓰는 대신 일을 하면서 그 자체가 매뉴얼이 되도록 만든다는 발상은, 특히 반복적인 업무가 많은 조직일수록 매력적으로 다가올 수 있습니다. 다만 녹화 데이터가 클라우드로 전송되는 구조와 민감 정보 노출 가능성은, 특히 공공 부문에서 신중하게 검토해야 할 대목입니다. 편리함과 통제 가능성 사이에서 어디에 선을 그을지는, 결국 각 조직이 다루는 데이터의 민감도와 위험 감수 수준에 따라 다르게 판단될 수밖에 없습니다.

여러분의 조직에서도 반복되는 화면 작업이 있다면, 그 작업을 녹화하는 것만으로 자동화가 만들어지는 상상을 해보신 적 있으신가요. 스킬 레코더나 비슷한 도구를 써보셨다면, 실제로 어느 정도까지 정확하게 절차를 재구성해내는지 댓글로 경험을 나눠주시면 좋겠습니다.