기본 콘텐츠로 건너뛰기

ChatGPT 결제했는데 잘 안 쓰는 이유 — Claude로 옮겨간 인프라 엔지니어의 후기

들어가며

ChatGPT를 6개월 전에 결제했습니다. 그런데 지금은 Claude를 주로 씁니다.

두 도구를 다 써본 사람으로서 솔직하게 정리해보려고 합니다. ChatGPT가 나쁜 도구라는 게 아닙니다. 다만 제가 하는 일에는 Claude가 더 맞았다는 이야기예요. 특히 코드를 다루고, 길고 정확한 답변이 필요한 작업에서요.

이 글이 두 도구 사이에서 고민하는 분들께, 또는 "왜 사람들이 Claude로 옮겨가지?" 궁금하신 분들께 작은 참고가 됐으면 합니다.


1. ChatGPT 결제 — 왜 시작했나

저는 IT 인프라 엔지니어입니다. 평소 업무에서 리눅스를 자주 다루는데, 회사 환경 특성상 폐쇄망에서 작업하는 경우가 많아요. 폐쇄망은 인터넷이 차단된 환경이라, 에러가 발생해도 검색으로 답을 찾을 수 없습니다.

그런데 리눅스 에러가 정말 다양합니다. 제가 알고 있는 지식 범위를 한참 넘어가는 영역이 있어요. 예를 들어 패키지 의존성 충돌, 커널 모듈 문제, 권한 관련 이슈 등은 매번 처음 보는 에러도 많거든요.

그래서 ChatGPT를 결제했습니다. "검색 대신 AI에게 물어보면 빠르겠다"는 단순한 이유였어요.

2. ChatGPT를 쓰면서 답답했던 점

처음에는 그럭저럭 도움이 됐습니다. 일반적인 리눅스 명령어, 기본 에러 해결법은 잘 알려줬어요. 그런데 점점 답답한 부분이 보이기 시작했습니다.

① 응답이 너무 느렸다

긴 답변을 받을 때 진짜 느렸습니다. 짧은 질문은 괜찮은데, 코드 분석이나 긴 설명이 필요한 질문에서는 한참 기다려야 했어요. 업무 중에 이건 꽤 큰 스트레스였습니다.

② 코드를 매번 전체 다시 작성

이게 진짜 답답했어요. "여기 한 줄만 수정해줘"라고 해도 코드 전체를 다시 작성합니다. 그러면 두 가지 문제가 생겨요:

  • 받은 코드를 다시 검토해야 함 (어디가 바뀌었는지)
  • 수정 안 한 부분도 미묘하게 바뀌어 있을 때가 있음 ⚠️

특히 두 번째가 문제였습니다. 디버깅 중에 코드 받았는데, 또 다른 에러가 생기는 거예요. 그게 원래 코드의 다른 부분이 바뀌어서 생긴 에러일 때가 있었습니다.

③ 실제 환경 정보를 잘 못 따라옴

가장 인상 깊었던 사례를 하나 들게요. RHEL 9.3 환경에서 STT 실행 코드를 작성하고 있었습니다. ChatGPT가 알려준 대로 코드를 짰는데, 라이브러리 파일 경로를 못 찾는 에러가 났어요.

몇 번을 다시 물어봐도 ChatGPT는 같은 일반적인 경로만 제시했습니다. RHEL 9.3 환경의 실제 경로 구조를 정확히 잡아내지 못한 거예요. 결국 한참 헤매다가 직접 시스템을 뒤져서 찾았습니다.

한 번이면 모르겠는데, 이런 일이 자주 생겼습니다. 일반적인 답은 잘하는데, 구체적이고 환경 의존적인 문제는 약했어요.

3. Claude로 옮긴 결정적 순간

처음엔 ChatGPT 결제했는데 굳이 다른 도구를 또 쓰고 싶지 않았어요. 그런데 회사에서 Claude를 적극 추천하기 시작했습니다. 회사 차원에서 제공도 해줘서, "공짜로 써보는데 뭐 손해 보겠어" 하는 마음으로 시작했습니다.

반신반의하면서 같은 작업을 Claude에게 시켜봤습니다. 결과가 달랐어요.

  • 코드 설명이 훨씬 자세하고 정확함
  • "이 부분만 고쳐줘"라고 하면 진짜 그 부분만 고쳐줌
  • 긴 문서나 코드의 맥락을 끝까지 따라옴

특히 인상적이었던 건 Claude Code였습니다. 이게 단순한 채팅 인터페이스가 아니라 터미널과 연동되는 도구인데, 일반 Claude 웹앱보다도 정확도가 한 단계 높았어요. 코드를 짤 때 진짜 이걸로 바꾼 후로 작업 속도가 달라졌습니다.

4. Claude를 쓰면서 진짜 좋다고 느낀 점

한 번 옮긴 후로 일에서 Claude가 차지하는 비중이 점점 커졌습니다. 구체적으로 어떤 점이 좋았는지 정리하면:

① 보고서·문서 작성을 진짜 잘함

인프라 일은 보고할 일이 많아요. 장애 보고서, 작업 결과 정리, 시스템 점검 보고서 등. Claude는 이런 글을 정말 깔끔하게 써줍니다. 톤이 차분하고, 기술 용어를 적절히 풀어서 쓰고, 구조가 잘 잡혀 있어요. 받아서 약간만 수정하면 그대로 보고할 수 있을 정도입니다.

② 코드 주석을 잘 단다

같은 코드를 짜도 주석의 품질이 다릅니다. Claude가 짠 코드는 나중에 메뉴얼로 변환할 때도 편해요. "왜 이렇게 했는지"를 주석으로 잘 설명해주거든요. 인프라처럼 다른 사람이 인계받는 경우가 많은 분야에서 이게 정말 중요합니다.

③ 자동화 스크립트 만드는 데 압도적으로 빠름

실제 사례를 들면, 회사 프로젝트 통합 기록 프로그램을 만들고 있었어요. 여러 프로젝트의 진행 상황을 한 곳에 모으는 도구였는데, Claude로 일주일 정도 만에 기본 형태가 나왔습니다. 혼자 처음부터 짰으면 한 달은 걸렸을 거예요.

STT 실행 자동화 스크립트도 Claude로 작성했습니다. 그 라이브러리 경로 문제도 Claude는 환경 정보를 알려주니까 정확히 잡아냈어요.

5. 그래도 ChatGPT를 쓰는 경우

ChatGPT를 완전히 안 쓰는 건 아닙니다. 여전히 결제는 유지하고 있고, 특정 상황에서는 ChatGPT가 더 편하거든요.

제 경우 ChatGPT를 주로 쓰는 건 생활 노하우 질문입니다. 대출 상품 비교, 음식 만드는 법, 쇼핑 추천 같은 일반 정보요. 일과 분리된 영역에서는 ChatGPT가 조금 더 가볍고 답변도 빠르게 줍니다.

업무는 Claude, 생활은 ChatGPT — 이런 식으로 자연스럽게 나뉘었습니다.

6. 어떤 분에게 어떤 도구를 추천하나

두 도구를 다 써본 입장에서 정리하면 이렇습니다.

Claude를 추천하는 경우

  • 코드를 자주 다루는 직군 (개발자, 인프라, 데이터)
  • 긴 문서·보고서를 자주 쓰는 분
  • 환경 의존적인 기술 문제를 다루는 분
  • 코드 수정에서 정확도가 중요한 분
  • Claude Code를 쓸 수 있는 환경이라면 더더욱

ChatGPT가 더 맞을 수 있는 경우

  • 일반 생활 정보·노하우 질문이 많은 분
  • 이미지 생성도 같이 하고 싶은 분 (DALL-E 통합)
  • 음성 모드를 자주 쓰는 분
  • 가벼운 대화·브레인스토밍 위주의 분

둘 다 써보시는 것도 나쁘지 않습니다

저처럼 두 개 다 결제해서 용도별로 나눠 쓰는 것도 한 방법입니다. 한 달 약 5만원 정도 들지만, 업무 효율 차이를 생각하면 그만한 가치는 있더라고요.

자주 묻는 질문

Q. ChatGPT Plus는 진짜 가치 없나요?

"가치 없다"는 아닙니다. 일반 사용자라면 ChatGPT Plus만으로도 충분해요. 다만 코드를 자주 다루거나, 긴 문서 분석이 많은 직군이라면 Claude Pro가 더 실용적이라는 의미입니다.

Q. Claude Code가 그렇게 좋다면 일반 Claude는요?

일반 Claude도 좋습니다. 다만 Claude Code는 터미널과 연동되어서 실제 파일을 읽고 수정할 수 있어요. 코드 작업할 때는 차이가 큽니다. 일반 작업이면 Claude 웹앱으로 충분합니다.

Q. ChatGPT가 빠르다고 하던데 Claude는 느리지 않나요?

최근에는 Claude도 많이 빨라졌습니다. 적어도 제 체감으로는 ChatGPT가 더 빠르다는 느낌은 안 듭니다. 답변 품질을 생각하면 약간의 시간 차이는 별로 신경 쓰이지 않더라고요.

Q. 폐쇄망에서도 AI 도구를 쓸 수 있나요?

일반 ChatGPT/Claude는 인터넷 연결이 필요해서 폐쇄망에서 쓸 수 없습니다. 다만 외부 환경에서 답을 받아서 들고 들어가거나, 회사 내부에서 별도로 제공하는 환경이 있다면 가능합니다. 본인 회사 정책 확인해보세요.

Q. 두 도구를 어떻게 비교해서 골라야 할까요?

가장 좋은 방법은 본인이 자주 하는 작업으로 똑같이 시켜보는 겁니다. 같은 코드 디버깅, 같은 문서 작성, 같은 질문을 두 도구에 시켜보세요. 그러면 본인 작업에 어떤 게 맞는지 답이 나옵니다. 두 도구 모두 무료 체험 가능합니다.

마치며

저는 인프라 엔지니어로서 Claude가 더 맞았습니다. 코드 정확도, 보고서 작성, 자동화 스크립트 — 일에서 차지하는 비중이 큰 영역에서 Claude의 장점이 컸어요.

그렇다고 ChatGPT를 버리지는 않았습니다. 생활 영역에서는 여전히 잘 쓰고 있어요. 도구는 직업과 작업 패턴에 맞게 선택하는 것이지, "어느 게 더 좋다"는 단순한 평가는 어렵다는 게 솔직한 결론입니다.

혹시 두 도구 사이에서 고민 중이시라면, 한 번씩 다 써보세요. 본인 작업에 맞는 답이 빠르게 나옵니다. 저처럼 6개월쯤 한 도구만 쓰지 마시고요.

📌 참고 자료

본 글은 6개월간 ChatGPT Plus와 약 3개월간 Claude Pro·Claude Code를 실제로 사용한 운영자의 개인 경험에 기반합니다. 가격 정책, 모델 성능, 기능은 각 서비스 정책에 따라 변경될 수 있으므로 최신 정보는 공식 사이트에서 확인하시기 바랍니다.

  • OpenAI ChatGPT 공식 — openai.com/chatgpt
  • Anthropic Claude 공식 — anthropic.com/claude
  • Anthropic Claude Code 공식 문서 — docs.claude.com

본 글은 어떠한 협찬·광고 관계 없이 작성됐습니다. 운영자의 개인 사용 경험이며, 모든 사용자에게 동일하게 적용되지 않을 수 있습니다.

최종 검토일: 2026년 5월 4일

댓글

이 블로그의 인기 게시물

RHEL 9.3에서 Docker rootless 변환 작업, Claude Code로 3시간 만에 해결한 후기

들어가며 STT/TTS 인프라를 설치하는 일을 하다 보면 평소 같은 설치는 별 문제가 없습니다. 문서대로 따라가면 되니까요. 진짜 문제는 보안 정책이 까다로운 고객사 환경에서 시작됩니다. 최근에 RHEL 9.3 환경에서 Docker를 rootless로 변환하라는 고객사 요청을 받았는데, 이 작업에 거의 3시간을 매달렸습니다. Gemini도 써보고 Claude도 써봤는데 결국 해결한 건 Claude Code였습니다. 이 글에서는 그 과정과, 인프라 엔지니어 입장에서 RHEL 환경에서 AI 도구를 어떻게 활용하는 게 효율적이었는지 솔직하게 정리해봤습니다. 문제 상황 — Docker rootless 변환 Docker에는 rootful과 rootless 두 가지 실행 방식이 있습니다. 일반적으로는 root 권한으로 실행하는 rootful이 편한데, 보안에 민감한 고객사는 root 권한으로 컨테이너가 도는 걸 좋아하지 않습니다. 권한 분리가 명확하지 않다는 이유로요. 이번 프로젝트 고객사도 같은 요청을 했고, 기존에 rootful로 설치돼 있던 STT 인프라를 rootless로 변환해야 했습니다. 처음 접근은 단순했습니다. rootless로 다시 설치하면 되겠다 싶었는데, 막상 작업해보니 전체 구성이 rootless로 통일되면서 새로운 문제가 생겼습니다. root 권한으로 가져와야 하는 환경 리소스를 일반 사용자 권한으로는 가져올 수 없는 부분이 있었기 때문입니다. 부분적으로는 rootless로 동작해야 하지만, 특정 리소스는 root 권한이 필요한 상황이었습니다. Gemini와 Claude로 먼저 시도했던 이유 처음에는 Gemini를 썼고, 그 다음에 Claude도 써봤습니다. 두 도구 모두 답변은 잘 해줬는데 문제는 따로 있었습니다. 답변을 받아도 직접적으로 환경에서 확인해볼 수가 없으니, 적용했다가 안 되면 다시 질문하고, 다시 안 되면 또 질문하는 패턴이 반복됐습니다. 대화형 AI 도구의 답변은 일반적으로 잘 정리돼 있긴 한데, 제 환경...

Claude vs Gemini vs ChatGPT — 인프라 엔지니어가 다 써본 솔직한 비교

들어가며 AI 도구를 쓰다 보면 결국 다 한 번씩은 써보게 됩니다. 저도 인프라 엔지니어로 일하면서 ChatGPT, Claude, Gemini를 모두 써봤습니다. 이 글은 세 도구를 일정 기간 이상 직접 사용해본 사람의 솔직한 후기입니다. 어떤 도구가 무조건 좋다는 결론은 없습니다. 작업 종류와 상황에 따라 다르고, 비용 부담도 무시할 수 없으니까요. 비슷한 고민을 하시는 분들께 작은 참고가 됐으면 합니다. 처음은 ChatGPT였다 당연한 시작이었습니다. ChatGPT가 가장 먼저 나왔고, 그래서 처음 써본 도구도 ChatGPT였습니다. 처음 썼을 때는 정말 신기했습니다. 질문하면 답이 나오고, 코드도 짜주고, 모르는 개념도 설명해주니까요. 그래서 유료 결제도 했습니다. 그런데 쓰다 보니 점점 불만이 생겼습니다. 답변이 느려지는 느낌도 있었고, 같은 작업을 시켜도 결과가 일정하지 않았습니다. 프롬프트를 아무리 잘 작성해도 어느 순간 한계가 명확하게 보였습니다. 특히 코드 작업이 길어지면 앞에서 한 약속을 잊거나, 엉뚱한 방향으로 가는 일이 많았습니다. 결국 점점 안 쓰게 됐습니다. 지금은 거의 사용하지 않고, 구독은 일단 해지 예정으로 두고 있습니다. 다만 ChatGPT가 무조건 나쁘다는 건 아닙니다. 일상 정보 검색이나 그림 분석 같은 일반 사용에는 여전히 정보가 풍부해서 강점이 있다고 봅니다. 단지 제 작업—인프라와 코드 중심—에는 맞지 않았을 뿐입니다. Claude — 코드 작업에서 진가 Claude는 처음에 존재 자체를 몰랐습니다. 주변에서 쓰는 사람도 없었고요. 그러다가 코딩 작업에 강점이 있다는 이야기를 듣고 써보기 시작했습니다. 처음 써보고 가장 인상적이었던 건 코드 품질이었습니다. 같은 요청을 했을 때 코드가 깔끔하고 정렬이 잘 되어 있었습니다. 주석도 충실해서 긴 코드라도 나중에 다시 봤을 때 이해하기 쉬웠습니다. ChatGPT나 Gemini에서 받은 코드는 주석이 약해서 시간이 지나면 "이게 왜 이렇게 됐...

폐쇄망 STT/TTS 인프라를 혼자 자동화하기까지 — 6년 차 엔지니어 이야기

들어가며 저는 폐쇄망에서 STT/TTS 인프라 설치와 운영을 맡고 있는 엔지니어입니다. 인프라 일을 시작한 지는 6년 정도 됐고, 그동안 자동화 스크립트를 꾸준히 만들어왔습니다. 이 글은 자동화 기술 가이드가 아니라, 혼자 폐쇄망 환경에서 자동화를 만들어온 과정과 그 사이에 깨달은 것들을 솔직하게 정리한 글입니다. 자동화 시작하려는 분, 혼자 인프라 운영하는 분, AI 도구를 어떻게 활용할지 고민하는 분들께 작은 참고가 됐으면 합니다. 왜 자동화를 시작했나 이유는 단순했습니다. 사람이 없었어요. 폐쇄망에 STT/TTS 인프라를 설치하러 나가는 작업이 많은데, 같이 일하던 사람들이 하나둘 회사를 떠나면서 설치 가능한 인력이 점점 줄어들었습니다. 결국 설치를 할 수 있는 사람이 저를 포함해 몇 명 안 남았고, 그마저도 동시에 여러 현장이 있을 때는 도저히 손으로 못 했습니다. 자동화가 거창한 이유로 시작된 게 아니라, 그냥 안 하면 일이 안 굴러갔어요. 저녁에 컨테이너 하나씩 손으로 올리다가 새벽에 끝나는 게 매주 반복되니까, 결국 "이걸 어떻게든 자동으로 돌게 만들어야겠다"는 생각만 들었습니다. 처음엔 정말 단순했다 지금 생각하면 웃기는데, 제 첫 번째 자동화 스크립트는 "1+n" 계산이었습니다. 진짜 그게 시작이었어요. 쉘 스크립트로 변수 두 개 더하는 것. 그게 됐다는 것만으로 신기해서 그 다음엔 2를 만들고, 그 다음엔 같은 파일을 100개 복사하는 스크립트로 갔습니다. 별것 아닌데 이런 작은 스크립트들이 쌓이면서 점점 자신감이 생겼습니다. 이 초석 작업들이 나중에 진짜 자동화로 연결됐습니다. 파일 복사가 됐으니까 컨테이너 설정 파일을 여러 환경에 뿌리는 것도 가능해졌고, 변수를 다룰 줄 알게 되니까 환경별로 다른 설정을 자동으로 적용할 수 있게 됐습니다. 거창한 자동화는 단순한 것들이 쌓여서 만들어지는 거였어요. 진짜 자동화 — STT/TTS Docker 컨테이너 실행 제가 가장 많이 쓰...