Meta 시대의 Manus 한눈에 이해하기

먼저 관점을 바꿔야 한다

대부분의 사람은 새로운 AI 도구를 처음 만나면 자연스럽게 이렇게 생각합니다. "이건 ChatGPT랑 뭐가 다르지?" 질문을 입력하면 답을 주고, 다시 물어보면 더 자세히 설명해 주는 도구라고 기대합니다. 실제로 지난 몇 년 동안 우리가 익숙해진 AI 경험은 거의 그런 방식이었습니다. 사용자가 묻고, AI가 답하고, 사용자가 다시 지시하고, AI가 고쳐 주는 대화의 흐름입니다.

Manus를 이해하려면 이 출발점부터 바꿔야 합니다. Manus는 단순히 "답변을 잘하는 AI"로 보는 순간 절반밖에 보이지 않습니다. Manus의 핵심은 답변이 아니라 실행입니다. 사용자가 "일본 벚꽃 여행 계획을 짜 줘"라고 말했을 때, 일반 챗봇은 도시 추천, 일정 예시, 준비물 목록을 글로 정리해 줄 수 있습니다. 반면 Manus가 지향하는 방식은 그 목표를 실제 작업으로 쪼개고, 웹을 탐색하고, 정보를 비교하고, 표와 문서로 정리해, 사용자가 바로 활용할 수 있는 결과물을 만드는 쪽에 가깝습니다.

그래서 이 책에서 Manus를 다룰 때 가장 중요한 첫 문장은 이것입니다. Manus는 '말을 잘하는 AI'가 아니라 '일을 끝내는 AI'에 가깝습니다.

물론 이 말이 Manus가 모든 일을 완벽하게 끝낸다는 뜻은 아닙니다. AI가 웹에서 찾은 정보는 틀릴 수 있고, 오래된 데이터가 섞일 수 있으며, 중요한 판단은 여전히 사람이 해야 합니다. 그러나 도구의 설계 방향이 다릅니다. Manus는 사용자와 계속 대화하는 데 머무르지 않고, 주어진 목표를 달성하기 위해 계획하고, 움직이고, 결과물을 남기도록 만들어진 자율형 AI 에이전트입니다.

Manus는 무엇인가

Manus는 Butterfly Effect가 개발한 범용 자율형 AI 에이전트입니다. Manus라는 이름은 라틴어로 '손'을 뜻하며, MIT의 표어로도 알려진 "Mens et Manus", 즉 "마음과 손"이라는 표현에서 착안한 것으로 알려져 있습니다.¹ 이름 그대로 Manus는 AI의 '생각'을 디지털 세계에서의 '행동'으로 연결하려는 도구입니다.

일반적인 대화형 AI는 사용자의 질문을 이해하고 자연어로 답하는 데 강합니다. 반면 Manus는 목표를 받으면 그 목표를 이루기 위해 여러 단계를 설계합니다. 예를 들어 "경쟁사 10곳의 가격 정책을 조사해서 표로 정리하고, 우리 제품 가격 전략을 제안해 줘"라는 요청은 단순한 질문이 아닙니다. 이 안에는 검색, 출처 확인, 가격 정보 추출, 비교표 작성, 해석, 전략 제안이라는 여러 일이 숨어 있습니다.

Manus는 이런 작업을 하나의 긴 업무 흐름으로 다룹니다. 먼저 무엇을 알아봐야 하는지 계획하고, 필요한 정보를 찾고, 중간 결과를 정리하고, 필요하면 코드나 브라우저 같은 도구를 사용해 데이터를 처리한 뒤, 마지막에 보고서나 표, 슬라이드, 웹페이지 같은 산출물로 묶어 냅니다. 이 점 때문에 Manus는 챗봇이라기보다 '디지털 작업자' 또는 'AI 인턴'에 가깝게 이해하는 편이 좋습니다.

Manus 공식 설명에서도 자신들의 방향을 단순한 응답 생성이 아니라 "연구, 자동화, 복잡한 작업 해결을 돕는 범용 AI 에이전트"로 제시합니다. 또한 Manus는 출시 후 몇 달 동안 147조 개 이상의 토큰을 처리하고 8천만 개 이상의 가상 컴퓨터 생성을 지원했다고 밝혔습니다.² 숫자의 크기보다 중요한 것은, Manus가 텍스트 몇 줄을 주고받는 도구가 아니라 작업 실행 환경을 전제로 설계되었다는 점입니다.

챗봇과 에이전트의 차이

ChatGPT, Claude, Gemini 같은 대화형 AI도 매우 강력합니다. 글쓰기, 번역, 코딩 설명, 아이디어 발상, 문서 요약에서는 이미 많은 사람의 일상 도구가 되었습니다. 하지만 전통적인 챗봇 사용 방식에는 분명한 특징이 있습니다. 사용자가 한 단계씩 지시해야 하고, AI는 대체로 그 지시에 응답한 뒤 다음 입력을 기다립니다.

Manus는 이 흐름을 바꾸려 합니다. 사용자가 세세한 절차를 모두 지정하지 않아도, Manus가 스스로 작업 단계를 나누고 실행합니다. 공식 비교 페이지에서도 Manus는 ChatGPT와의 차이를 "목표 지향적"이라는 말로 설명합니다. ChatGPT가 사용자의 지시를 따라 조언하거나 단계별 도움을 줄 수 있다면, Manus는 목표를 달성하기 위해 경로를 찾고, 도구를 결합하고, 결과물을 완성하는 데 초점을 둔다고 설명합니다.³

다음 차이를 떠올리면 이해가 쉽습니다.

여기서 핵심은 "누가 일을 이어 가는가"입니다. 대화형 AI에서는 사용자가 프로젝트 매니저이자 실행자에 가깝습니다. AI가 좋은 답을 주더라도, 다음 자료를 찾고, 표로 옮기고, 문서로 편집하고, 웹사이트에 반영하는 일은 사용자가 다시 해야 하는 경우가 많습니다. Manus는 이 중간 실행 과정을 최대한 대신하려고 합니다.

비유하자면 ChatGPT는 옆자리의 뛰어난 조언자에 가깝고, Manus는 노트북을 받은 신입 인턴에 가깝습니다. 조언자는 빠르게 설명하고 방향을 제시합니다. 인턴은 시간이 조금 더 걸리더라도 자료를 찾아오고, 표를 만들고, 초안을 작성하고, 때로는 결과 파일까지 만들어 옵니다. 어느 쪽이 더 좋다고 단정할 수는 없습니다. 간단한 설명이나 빠른 아이디어가 필요할 때는 대화형 AI가 더 편할 수 있습니다. 반대로 조사, 분석, 정리, 산출이 이어지는 일에는 Manus 같은 에이전트가 더 잘 맞습니다.

Manus가 '실행형 AI'로 작동하는 방식

Manus를 처음 보면 채팅창이 있으니 그냥 챗봇처럼 느껴질 수 있습니다. 하지만 뒤에서는 조금 다른 일이 벌어집니다. 사용자가 목표를 입력하면 Manus는 먼저 그 목표를 해석합니다. 그런 다음 해야 할 일을 작은 단위로 나눕니다. 이 과정을 작업 분해라고 부릅니다. 어려운 말처럼 들리지만, 실제로는 사람이 일을 시작할 때 머릿속으로 하는 것과 비슷합니다.

예를 들어 "서울 성수동에 작은 디저트 카페를 열려고 해. 주변 상권과 경쟁 카페를 조사해서 창업 전략 보고서를 만들어 줘"라고 요청했다고 해 보겠습니다. 이 요청을 처리하려면 단순히 카페 창업 조언을 쓰는 것으로는 부족합니다. 먼저 성수동 상권의 특징을 알아봐야 하고, 경쟁 카페의 메뉴와 가격대를 비교해야 하며, 임대료나 유동 인구 같은 자료를 참고해야 합니다. 그런 다음 타깃 고객, 메뉴 콘셉트, 가격 전략, 홍보 채널을 연결해 보고서로 정리해야 합니다.

Manus식 접근은 이런 흐름에 맞춰 진행됩니다. 먼저 조사 범위를 정하고, 웹을 탐색하고, 정보를 수집한 뒤, 표나 차트로 비교하고, 마지막으로 보고서 형태로 정리합니다. 일부 작업에서는 파이썬 같은 코드 실행 환경을 사용해 데이터를 처리하거나, 브라우저를 열어 실제 웹페이지를 확인하거나, 파일을 읽고 새 파일을 만들어 내기도 합니다.

업계 분석에서는 Manus의 강점을 모델 자체보다 '오케스트레이션'에 있다고 봅니다. 오케스트레이션은 여러 도구와 단계를 지휘하는 능력입니다. 하나의 AI 모델이 똑똑한 답을 내는 것도 중요하지만, 실제 업무에서는 검색, 계산, 파일 처리, 오류 수정, 결과물 생성이 끊기지 않고 이어져야 합니다. Manus는 바로 이 실행 레이어, 즉 AI가 실제 일을 수행하는 층을 제품으로 만든 사례로 자주 언급됩니다.⁴

이 차이는 작아 보이지만 매우 큽니다. AI가 "이렇게 하세요"라고 말하는 단계에서 "제가 해 보겠습니다"로 넘어가는 순간, 사용자의 시간 사용 방식이 달라집니다. 사용자는 더 이상 모든 단계를 직접 지시하지 않고, 목표와 기준을 설정한 뒤 결과를 검토하는 역할로 이동합니다.

왜 Meta 시대의 Manus인가

Manus가 더 큰 주목을 받은 이유 중 하나는 Meta와의 연결입니다. 2025년 말 Meta는 싱가포르 기반의 AI 에이전트 기업 Manus를 인수한다고 발표했고, 여러 매체는 거래 규모가 20억 달러 이상이라고 보도했습니다.⁵ 이후 2026년 들어 중국 당국의 심사와 제동 보도가 이어지며 거래의 규제적 불확실성도 함께 부각되었습니다.⁶ 따라서 2026년 5월 현재 이 이슈를 단순히 "인수가 끝났다"는 한 문장으로만 이해하기보다는, 빅테크가 왜 Manus 같은 실행형 AI에 큰 관심을 보이는지에 주목하는 편이 더 정확합니다.

Meta가 Manus에 관심을 가진 이유는 분명합니다. AI 경쟁의 중심이 모델 성능만으로는 충분하지 않은 단계에 들어섰기 때문입니다. 한동안 AI 업계의 관심은 "누가 더 똑똑한 모델을 만들었는가"에 집중되었습니다. 더 긴 글을 이해하고, 더 어려운 문제를 풀고, 더 자연스럽게 말하는 모델이 주목받았습니다. 그러나 실제 사용자는 곧 다른 질문을 던지기 시작했습니다.

"그래서 이 AI가 내 일을 어디까지 대신해 줄 수 있지?"

이 질문이 바로 실행 레이어 경쟁의 출발점입니다. 사용자는 멋진 답변보다 완성된 문서, 정리된 표, 예약 가능한 일정, 검증된 후보 목록, 배포 가능한 웹사이트를 원합니다. 기업은 단순한 아이디어보다 비용을 줄이고 시간을 단축하는 자동화 흐름을 원합니다. Manus는 이 지점에서 빅테크가 탐낼 만한 제품입니다. 이미 사용자가 비용을 지불하고 쓰는 실행형 AI 서비스이며, 연구, 코딩, 데이터 분석, 콘텐츠 제작 같은 여러 작업에 적용될 수 있기 때문입니다.

Meta 입장에서 Manus는 Meta AI, WhatsApp, Instagram, Facebook, 광고 도구, 비즈니스 메시징과 연결될 가능성이 있습니다. 예를 들어 소상공인이 Instagram에서 판매 콘텐츠를 만들고, WhatsApp으로 고객 문의를 받고, Meta 광고 관리자에서 캠페인을 운영한다고 생각해 봅시다. 여기에 Manus식 에이전트가 붙으면 단순히 광고 문구를 써 주는 수준을 넘어, 제품 사진을 정리하고, 경쟁 광고를 조사하고, 타깃 고객을 나누고, 캠페인 초안을 만들고, 성과 보고서를 요약하는 흐름까지 자동화할 수 있습니다.

물론 이 모든 통합이 한 번에 현실이 되는 것은 아닙니다. 개인정보, 보안, 정확도, 규제 문제가 반드시 따라옵니다. 하지만 방향은 분명합니다. AI는 점점 대화창 안에 머무르지 않고, 우리가 일하는 앱과 파일, 브라우저, 업무 시스템 속으로 들어가고 있습니다.

공개 사례로 보는 Manus의 강점

Manus가 특히 강한 영역은 단발성 질문보다 여러 단계가 이어지는 실무형 과제입니다. 공개된 사용 사례와 리뷰를 보면 반복적으로 등장하는 패턴이 있습니다. 여행 일정 수립, 후보자 검토, 주식 포트폴리오 분석, 시장 조사, 웹사이트 제작, 슬라이드 생성, 데이터 시각화처럼 정보 수집과 판단, 문서화가 이어지는 업무입니다.⁷

여행 일정을 예로 들어 보겠습니다. "4월에 일본 7박 8일 여행을 갈 건데, 벚꽃 명소 중심으로 일정과 예산을 짜 줘"라는 요청은 생각보다 복잡합니다. 도시별 개화 시기, 이동 거리, 숙박 위치, 관광지 예약 가능 여부, 예산, 식당, 교통권을 함께 고려해야 합니다. 일반 챗봇은 그럴듯한 일정표를 바로 써 줄 수 있지만, 실제 예약 가능성이나 최신 정보를 충분히 반영하지 못할 수 있습니다. Manus는 이런 요청을 조사형 작업으로 보고 웹 정보를 탐색하고, 비교하고, 일정표나 문서 형태로 정리하는 쪽에 강점을 보입니다.

후보자 검토도 마찬가지입니다. 채용 담당자가 여러 명의 이력서를 검토해야 할 때, 단순히 "좋은 개발자의 기준"을 설명받는 것보다 각 후보자의 경력, 기술 스택, 직무 적합도, 우려 사항을 표로 정리받는 것이 훨씬 유용합니다. Manus의 초기 데모와 보도에서도 이력서 선별과 주식 분석 같은 작업이 대표 사례로 언급되었습니다.⁸ 이런 작업은 정보를 읽고, 기준에 맞춰 비교하고, 판단 근거를 문서로 남겨야 하므로 에이전트형 AI의 장점이 잘 드러납니다.

주식 포트폴리오 분석에서는 데이터를 모으고, 지표를 계산하고, 그래프를 만들고, 위험 요소를 설명해야 합니다. 웹사이트 제작에서는 요구사항을 해석하고, 구조를 설계하고, 코드를 작성하고, 화면을 확인하고, 수정해야 합니다. 이 모든 작업은 "한 번의 답변"으로 끝나지 않습니다. 조사, 분석, 제작, 검토가 이어집니다. Manus는 바로 이 연속 작업에 맞춰 설계된 도구입니다.

다만 여기서 중요한 균형감이 필요합니다. Manus가 산출물을 만든다고 해서 그 결과가 항상 정확하거나 최종본이라는 뜻은 아닙니다. 여행 정보는 바뀔 수 있고, 주식 분석은 투자 조언이 아니며, 채용 평가는 편향을 포함할 수 있습니다. 사용자는 Manus의 결과를 초안, 조사 보조, 분석 보조로 활용하되, 최종 판단은 직접 내려야 합니다.

Manus를 'AI 인턴'처럼 대하라

Manus를 잘 쓰는 가장 현실적인 비유는 'AI 인턴'입니다. 인턴은 일을 덜어 주지만, 회사의 최종 책임자는 아닙니다. 자료 조사를 맡길 수 있고, 회의록 초안을 맡길 수 있으며, 엑셀 표 정리나 경쟁사 비교를 시킬 수 있습니다. 그러나 중요한 계약서에 서명하거나, 법률적 판단을 내리거나, 회사의 투자 결정을 혼자 맡기지는 않습니다.

Manus도 마찬가지입니다. 잘 맡기면 시간을 크게 줄여 줍니다. 반복 조사를 대신하고, 초안을 만들고, 자료를 정리하고, 간단한 실행 업무를 처리합니다. 그러나 사용자는 업무의 목적과 기준을 명확히 알려 주고, 중간 결과를 확인하고, 최종 산출물을 검토해야 합니다.

AI 인턴에게 일을 맡길 때 특히 중요한 태도는 세 가지입니다.

• 목표를 구체적으로 말한다. "시장 조사해 줘"보다 "국내 20대 여성을 타깃으로 한 저가 스킨케어 브랜드 5곳의 가격, 채널, 메시지를 비교해 줘"가 좋습니다.

• 결과물 형식을 지정한다. "정리해 줘"보다 "표 1개와 1페이지 요약 보고서로 만들어 줘"가 좋습니다.

• 판단 기준을 알려 준다. "좋은 후보를 골라 줘"보다 "B2B SaaS 영업 경험, 영어 커뮤니케이션, 3년 이상 경력을 기준으로 우선순위를 매겨 줘"가 좋습니다.

이 세 가지를 지키면 Manus는 훨씬 안정적으로 작동합니다. 반대로 목표가 흐릿하고 기준이 없으면, Manus는 많은 일을 하는 것처럼 보이지만 사용자가 원하는 결과와 멀어질 수 있습니다. 자율형 에이전트일수록 처음 지시의 품질이 중요합니다. 운전자가 목적지를 잘못 입력하면 내비게이션이 아무리 똑똑해도 엉뚱한 곳으로 가는 것과 같습니다.

Manus가 잘하는 일과 아직 조심해야 할 일

Manus를 과대평가해도 안 되고, 과소평가해도 안 됩니다. "이제 사람은 필요 없다"는 식의 기대는 위험합니다. 반대로 "AI가 다 거기서 거기지"라고 보면 Manus가 제공하는 실행 자동화의 가치를 놓치게 됩니다.

Manus가 특히 잘 맞는 일은 구조가 어느 정도 있고, 정보 수집과 정리가 많이 필요하며, 최종 산출물의 형태가 비교적 분명한 작업입니다. 예를 들어 경쟁사 분석 보고서, 여행 계획표, 후보자 비교표, 시장 리서치 요약, 데이터 시각화, 블로그 초안과 배포용 콘텐츠 묶음, 간단한 랜딩페이지 제작 등이 그렇습니다. 이런 작업은 사람이 하면 몇 시간에서 며칠이 걸리지만, Manus를 잘 활용하면 초안까지 가는 시간을 크게 줄일 수 있습니다.

반대로 조심해야 할 일도 있습니다. 법률 자문, 세무 판단, 투자 결정, 의료 판단, 인사상 불이익을 줄 수 있는 결정처럼 책임이 큰 영역에서는 Manus의 결과를 그대로 따르면 안 됩니다. 최신성과 정확성이 중요한 자료도 반드시 출처를 확인해야 합니다. 민감한 개인정보, 영업비밀, 고객 데이터는 입력 전에 회사 정책과 보안 기준을 점검해야 합니다.

특히 자율형 AI 에이전트는 여러 도구를 사용하고 외부 웹을 탐색할 수 있기 때문에, 편리함과 동시에 새로운 위험을 가집니다. 잘못된 사이트에서 정보를 가져올 수도 있고, 그럴듯하지만 틀린 표를 만들 수도 있으며, 사용자가 의도하지 않은 범위까지 작업하려 할 수도 있습니다. 따라서 Manus를 사용할 때는 "맡기되, 방치하지 않는다"는 원칙이 필요합니다.

실행 레이어가 바꾸는 업무 방식

Manus가 중요한 이유는 특정 제품 하나가 유행했기 때문만은 아닙니다. Manus는 AI 사용 방식의 변화를 보여 주는 대표적인 사례입니다. 과거의 AI 사용법은 대체로 "질문을 잘하는 법"에 가까웠습니다. 좋은 프롬프트를 쓰면 좋은 답을 얻을 수 있었습니다. 하지만 에이전트 시대의 AI 사용법은 "일을 잘 맡기는 법"으로 바뀝니다.

일을 잘 맡긴다는 것은 단순히 명령을 길게 쓰는 것이 아닙니다. 목표, 배경, 제약, 자료, 형식, 검토 기준을 함께 전달하는 것입니다. 예를 들어 "보고서 써 줘"는 질문에 가깝지만, "우리 회사가 다음 분기에 진출할 만한 일본 B2B SaaS 시장을 조사해 줘. 공식 통계와 최근 기사 위주로 근거를 찾고, 시장 규모, 주요 경쟁사, 진입 장벽, 추천 전략을 5페이지 보고서로 정리해 줘"는 업무 지시에 가깝습니다.

이 차이가 앞으로의 생산성을 가릅니다. AI가 대화 상대에서 실행 파트너로 바뀌면, 사용자는 더 이상 모든 세부 작업을 직접 하지 않아도 됩니다. 대신 어떤 일을 맡길지 판단하고, 좋은 기준을 세우고, 결과를 검증하는 능력이 중요해집니다. 즉 AI 시대의 능력은 "내가 얼마나 많이 아는가"에서 "AI와 함께 얼마나 좋은 결과를 만들어 내는가"로 이동합니다.

Manus는 이 변화를 꽤 선명하게 보여 줍니다. 사용자는 Manus에게 단순한 질문을 던질 수도 있지만, 그렇게 쓰면 Manus의 장점이 잘 살아나지 않습니다. Manus의 진짜 힘은 일을 통째로 맡길 때 드러납니다. 조사하고, 비교하고, 정리하고, 만들고, 고치는 과정을 하나의 목표 안에 담아 요청할 때 Manus는 일반 챗봇과 다른 존재가 됩니다.

이 책에서 배울 Manus 사용법

이 책은 Manus를 처음 쓰는 사람도 따라올 수 있도록 아주 기초적인 사용법부터 시작합니다. 가입하고 첫 화면을 이해하는 법, Chat Mode와 Agent Mode를 구분하는 법, Manus식 프롬프트를 쓰는 법을 차근차근 다룹니다. 그런 다음 커피숍 매출 분석 같은 쉬운 실습으로 감을 잡고, 파일 첨부와 Knowledge를 활용해 나만의 작업자를 만드는 방법으로 넘어갑니다.

중반부에서는 Manus의 진짜 강점인 대규모 리서치, 보고서와 슬라이드 제작, 콘텐츠 마케팅, 이미지와 디자인 작업, 웹사이트와 앱 제작, 브라우저 자동화를 다룹니다. 후반부에서는 데스크톱 앱, 팀 업무 통합, 개인 생활 자동화, 보안과 정확도 검증, 문제 해결 노하우, 산업별 사례까지 확장합니다.

처음부터 모든 기능을 완벽히 알 필요는 없습니다. 오히려 중요한 것은 관점입니다. Manus를 검색창처럼 쓰면 검색 결과보다 조금 나은 답변을 얻는 데 그칠 수 있습니다. Manus를 채팅창처럼 쓰면 친절한 설명을 얻는 데 만족하게 됩니다. 하지만 Manus를 AI 인턴이자 가상 동료로 대하면, 반복 업무를 줄이고 더 큰 목표를 빠르게 실험할 수 있습니다.

Manus 시대의 핵심 질문은 "무엇을 물어볼까?"가 아닙니다. "어떤 일을 맡길까?"입니다. 이 질문으로 출발하면, Manus는 단순한 AI 도구가 아니라 당신의 업무 방식을 다시 설계하는 실행 파트너가 됩니다.

참고

¹Manus (AI agent) - Wikipedia

²혁신의 새로운 시대를 위해 Manus가 Meta에 합류합니다

³Manus vs. ChatGPT: 우리는 ChatGPT가 할 수 없는 것을 합니다

⁴Why Meta bought Manus — and what it signals for your enterprise AI agent strategy

⁵Meta acquires intelligent agent firm Manus, capping year of aggressive AI moves

⁶China blocks Meta's $2B Manus deal after months-long probe

⁷Manus AI Review 2026: The Viral Agent Worth It?

⁸What is Manus, the Chinese-founded AI startup Meta is buying for over $2 billion?