로그인하고 세미나 정보를 확인하세요.

주문확인/결제 로그인

회원가입

전체메뉴

상세정보

[12.9] 연구자를 위한 AI 에이전트 워크플로우 원데이 과정 - AI로 문헌조사부터 데이터 분석·연구 결과물 작성까지 행사 안내

행사개요

행사명	연구자를 위한 AI 에이전트 워크플로우 원데이 과정 - AI로 문헌조사부터 데이터 분석·연구 결과물 작성까지
일시	2026년 12월 09일(수), 09:30~17:30
장소	여의도 FKI타워 컨퍼런스센터 2층 토파즈홀
주최	세미나허브

대상연구개발·기술기획·담당 실무자
(프로그래밍 경험 불필요)

준비물노트북(Windows 또는 macOS)
Claude Pro 구독

결과물논문 또는 연구 보고서 한 편과 저장소
시뮬레이터, 요청문 서식, 리뷰어 설정

01이런 적, 없으셨습니까

처음 한 번은 다 잘 됩니다. 문제는 조건을 바꿔 다시 돌릴 때입니다.

연구자라면 한 번쯤 겪어 본 여섯 장면입니다.

조건 하나 바꿨더니 그림 5장·표 3개·본문 10곳을 같이 고쳐야 했다

30분에 8번 돌린 실험, 표의 숫자가 어느 조건이었는지 모른다

반년 뒤 심사의견 “그림 3 다시”, 그 코드와 설정을 못 찾았다

숫자가 서로 맞길래 통과시켰는데, 말이 안 되는 결과였다

에이전트가 쏟아낸 결과를 다 못 읽고 첫 번째 것을 썼다

아침에 정한 단위·파일명 규칙을 오후의 에이전트가 어겼다

여섯 장면의 공통점

무너지는 곳은 모델도 코드도 아닌, 작업과 작업을 이어 붙이는 자리입니다.

수치와 본문 사이, 실험과 기록 사이, 지금과 반년 뒤 사이. 에이전트가 며칠 걸리던 일을 몇 분으로 줄이면서, 원래 있던 틈이 하루 안에 드러납니다. 이 과정은 그 여섯 자리를 막는 방법을 하나씩 익힙니다.

02이 과정의 목표

결과 하나를 잘 뽑는 법이 아니라, 연구 전체를 다시 돌릴 수 있게 만드는 법

에이전트에게 한 번 시켜 결과를 받는 일은 반나절이면 익힙니다. 이 과정은 그다음을 다룹니다. 조건이 바뀌고 심사자가 물어도 전부 다시 돌릴 수 있는 연구입니다.

교수의 연구용 스킬, 그대로

보고서 양식 등록·수치-원고 연동·그림 검수·리뷰어 에이전트를 규칙 파일로 받아 다음 날 자기 연구에 바로 씁니다. 문헌 조사 요청문, 성적표 비교, 되돌려 보내기 같은 노하우도 함께 익힙니다.

다시 돌아가는 연구 한 편

공개 데이터로 논문 형식 원고를 끝까지 완성합니다. 반년 뒤 “그림 3을 이 조건으로 다시”라는 요청에도 코드와 설정을 꺼내 다시 돌릴 수 있습니다. 전부 자기 노트북에 저장됩니다.

에이전트 사용법은 덤

처음 쓰는 분도 괜찮습니다. 규칙 파일·스킬·서브에이전트⁠·MCP·대화방 운영을 필요한 순간에 직접 써 보며 익힙니다.

03커리큘럼

오전에 한 바퀴 돌고, 오후에 논문 또는 연구 보고서를 씁니다

오전에는 명령줄 에이전트 하나로 데이터 분석을 한 바퀴 돌고, 점심 뒤에는 그 에이전트가 왜 그렇게 굴었는지 원리를 봅니다. 오후에는 협업 에이전트 플랫폼에서 에이전트를 차례로 운영해 논문 또는 연구 보고서를 씁니다. 오전과 오후 모두 “분석해 줘”로 시작하지 않고, 결정 시뮬레이터를 먼저 세운 뒤 그것이 요구하는 예측 모델을 만듭니다.

하루 동안 익히는 연구 여섯 단계

STEP 01

문제 정의·문헌

문헌 조사 지시서로 근거 모으기, 지표와 방법 고르기

STEP 02

데이터 탐색

그림 다섯 장 그리고 읽기, 그림을 근거로 질문 다듬기

STEP 03

모델링

비교 기준과 모델 성적표, 첫 결과 되돌려 보내기

STEP 04

시뮬레이터·최적화

예측을 넣어 결정을 돌리는 시뮬레이터, 조건 격자

STEP 05

검증·한계

검증 구간 나누기, 말이 안 되는 결과 의심하기

STEP 06

보고서·리뷰

보고서 양식·수치-원고 연동·그림 검수·리뷰어 에이전트

프로그램

시간	세부내용
Chapter 1. AI에게 연구를 맡기다명령줄 에이전트(Claude Code)를 나만의 연구 조교로 — 환경 구축 → 문헌·탐색 → 모델·검증 → 초안
09:30~10:20	[Phase 01] 클로드를 '대화하는 AI'에서 '연구하는 에이전트'로“내 컴퓨터에서 직접 읽고, 쓰고, 돌린다” 연구 여섯 단계와 에이전트가 개입하는 지점 — 오늘 하루의 지도 에이전트가 파일을 읽고, 코드를 쓰고, 실행하는 구조의 이해 시연: 데이터 폴더만 열어 주면 에이전트가 스스로 분석 코드를 짜고 실행하는 장면 실습: 설치 점검 → 명령줄 에이전트 첫 대화 → 연구 데이터 폴더 연결 실습 결과물: 개인 연구 실습 환경 · 데이터 폴더
10:20~11:15	[Phase 02] 검색을 넘어, 연구를 맡기는 문헌 조사와 데이터 탐색“출처까지 직접 열어 확인한다” 검색형 지시와 연구형 요청문의 차이 — 목표·찾을 것·출력 형식·출처 강제·제외 조건 그림을 근거로 연구 질문을 고쳐 나가는 탐색적 분석의 원리 시연: 같은 주제를 검색형·연구형으로 나란히 지시해 결과 비교 실습: 문헌 조사 지시서 작성 → 지표와 분석 방법 고르기 실습: 탐색 그림 5장 생성 → 에이전트에게 그림 읽히기 → 연구 질문 수정 실습 결과물: 문헌 정리표 · 탐색 그림 5장 · 다듬어진 연구 질문
11:15~12:30	[Phase 03] 예측 모델링과 검증 루프, 그리고 첫 초안“첫 성적표는 되돌려 보낸다” “분석해 줘”가 아니라, 결정 시뮬레이터를 먼저 세우고 그것이 요구하는 모델을 만드는 설계 순서 비교 기준 모델·검증 구간·성적표 양식은 사람이 정한다 — 그 이유 시연: 첫 성적표의 이상한 곳에 “왜”를 묻고 다시 맡기는 되돌려 보내기 실습: 모델 3종 성적표 비교 → 검증 구간 나누기 → 되돌려 보내기 실습: 예측을 넣어 결정을 돌리는 시뮬레이터 → 논문 형식 초안 한 편 실습 결과물: 모델 성적표 · 결정 시뮬레이터 · 오전 초안
12:30~13:30	점심식사
Chapter 2. 에이전트가 일하는 방식을 알다오전에 겪은 일의 원리 — 기억이 사라지는 구조와 그것을 메우는 장치
13:30~14:30	[Phase 04] 연구자가 알아야 할 LLM 에이전트의 작동 원리“오후의 에이전트는 왜 아침의 규칙을 잊는가” 신경망은 무엇을 배우고 언제 외워 버리는가 — 실험으로 확인 무상태성 · 컨텍스트 윈도우 · 컴팩션 — 에이전트가 기억을 잃는 구조 하네스와 도구 사용, 스킬(규칙 파일)과 MCP가 필요한 이유 시연: 오전 실습에서 규칙이 어긋난 장면을 원리로 다시 보기 핵심 정리: 무엇을 대화로 시키고, 무엇을 파일로 박아 둘 것인가
Chapter 3. 에이전트로 연구팀을 꾸리다협업 에이전트 플랫폼 위에서 — 총괄 → 예측 → 제어 → 원고, 논문 또는 연구보고서 완성
14:30~16:20	[Phase 05] 에이전트 연구팀 구성하기 — 연구소 모드“사람은 계획하고, 판단하고, 검수만 한다” 연구를 총괄·예측·제어·원고 네 갈래로 나눠 전담 에이전트에게 맡기는 멀티 에이전트 협업 구조 에이전트 사이의 인계, 실험 일지와 소프로젝트로 “어느 조건의 결과인지” 잃지 않는 법 시연: 강사가 실제로 돌리는 연구 — 4개의 전담 에이전트가 논문 또는 연구보고서 한 편으로 이어지는 흐름 실습: 총괄 에이전트(14:30) — 협업 플랫폼 연결, 내 연구 전용 작업공간 만들기, 연구 계획서 작성 실습: 예측 에이전트(14:50) — 데이터 점검, 예측 모델 성적표, 실험 일지, MCP로 외부 데이터 직접 받아 오기 실습: 제어 에이전트(15:40~16:20) — 예측을 넣어 돌리는 설비 운용 시뮬레이터, 조건 격자, 기성 프로그램으로 최적해 검증 실습 결과물: 연구 계획서 · 예측 모델 · 운용 시뮬레이터 · 실험 일지
16:20~17:15	[Phase 06] 연구 결과물을 완성하는 4개의 스킬 — 원고 에이전트“숫자가 어긋나면 원고가 만들어지지 않는다” 스킬 4개: 보고서 양식 등록 · 수치–원고 연동 · 그림 검수 · 리뷰어 에이전트 — 교수가 실제로 쓰는 스킬 그대로 숫자가 맞는지가 아니라 말이 되는지를 따지는 결과 의심, 저장소 태그로 반년 뒤에도 되살리는 구조 시연: 조건 하나를 바꾸자 그림·표·본문이 한 번에 다시 만들어지는 장면 실습: 원고 에이전트(16:20~17:00) — 보고서 양식 등록 → 수치 이름표 연동 → 그림 검수 → 리뷰어 5항목 채점, 지적 2개 반영 실습: 통합·제출(17:00~17:15) — 총괄 에이전트와 함께 결과 판단, 말이 안 되는 결과 의심, 리뷰 반영 → 저장 → 옆 사람과 비교 → 제출 실습 결과물: 논문 원고 · 리뷰 보고서 · 저장소 · 논문 스킬 파일 4종
17:15~17:30	Wrap-up

※ 상기 프로그램은 다소 변경될 수 있습니다.

04에이전트 활용 기법

에이전트에게 일을 맡기는 여덟 가지 방법

오전에는 에이전트를 어떻게 부리는가, 오후에는 논문 또는 연구 보고서 한 편을 완성하는 장치입니다.

오전 — 어떻게 시켜야 제대로 하는가

문헌 조사 지시서

목표·찾을 것·출력 형식·출처 강제·제외 조건을 채워 맡깁니다. 에이전트가 출처를 직접 열어 확인합니다.

시각화 요청과 그림 읽히기

그림 규격과 목록을 정해 주고, 에이전트에게 자기가 그린 그림을 한 줄씩 읽게 합니다.

실험 설계와 성적표 비교

비교 기준 모델을 반드시 넣게 하고, 학습·검증 구간을 내가 정하고, 성적표 양식을 정해 줍니다.

되돌려 보내기

첫 결과의 이상한 곳에 "왜"를 묻고 다시 맡깁니다. 변수 하나씩 빼기, 검증 구간 나누기, 단위 고치기.

오후 — 논문 또는 연구 보고서를 완성하는 방법

보고서 양식 등록

내가 투고하는 양식을 규칙 파일로 등록합니다. 그 뒤로는 명령 한 번에 그 양식대로 보고서가 나옵니다.

수치–원고 연동

코드가 낸 수치를 한 파일에 모으고 본문은 숫자 대신 이름표를 씁니다. 어긋나면 원고가 아예 만들어지지 않습니다.

그림 검수

에이전트가 그린 그림을 다른 에이전트가 본문과 대조합니다. 축 단위·범례·캡션의 불일치를 잡습니다.

리뷰어 에이전트

고칠 권한을 뺀 리뷰어를 따로 정의해 다섯 항목으로 채점시킵니다. 지적 중 둘을 골라 반영합니다.

05강사소개

매일 에이전트와 논문을 쓰는 연구자입니다

한세경 교수

경북대학교 IT대학 전기공학과 · (주)배터와이 대표

업무용 협업 에이전트 플랫폼을 직접 설계·개발해 연구실과 기업 현장에서 운영
데이터 구축에서 그림·원고·재현 코드까지 에이전트와 분업하는 연구 체계를 연구실에 정착
전력·배터리·전기차 분야 국제 학술지 논문 40여 편, 저서 7권(세종도서 우수학술도서 2권 선정)
저서 『도구에서 동료로 — 인공지능과 공학 연구의 진화』. 이 과정의 제목을 여기서 가져왔습니다
도쿄대학교 박사 · 서울대학교 석사 · 한양대학교 학사
한전 전력연구원·소방청·한국토지주택공사, 대학·학회 교수진과 연구자 대상 강연

아래는 이 과정에서 가르치는 방식 그대로 에이전트를 동료 연구원으로 두고 써서 학술지에 실린 논문입니다. 이 과정을 마치면 같은 방식으로 자기 연구를 진행할 수 있습니다.

Field-data-driven lithium-ion battery diagnostics under coarse onboard voltage quantization: Pack-constrained voltage reconstruction and joint open-circuit-voltage and equivalent-circuit-model estimation

Y. Hwang, H. Son, S. Geum, M. Kim, S. Han* · Journal of Energy Storage, 124005, 2026 · in press

전기차가 실제로 보내오는 배터리 전압은 20mV 단위로 거칠게 잘려 있습니다. 그 거친 기록을 팩 전압 조건으로 복원하고, 배터리 모델과 개방전압을 한꺼번에 추정해 현장 데이터만으로 배터리를 진단합니다.

19쪽 전문논문 PDF 열기

논문 그림 — 그림 1. 거친 현장 데이터(a)를 복원하고(b) 모델을 함께 추정해(c) 배터리 이상을 찾기까지(d)의 전체 흐름.

클릭하면 논문 전문이 열립니다

같은 방식으로 쓴 다른 논문 보기

Commercial-EV Mobility-Feasible V2G Opportunity: Survey and BMS Evidence

Y. Hwang, H. Son, M. Kim, M. Park, J. Lee, S. Han* · IEEE Transactions on Transportation Electrification, 2026 · in press

전기차가 전력망에 전기를 되파는 V2G는 차가 꽂혀 있는 시간에만 가능합니다. 설문 조사로 짐작하던 그 시간을, 택시·화물·승용 전기차 108대의 배터리 관리 장치 기록 14개월치(17만 5천 회 주행)로 실제로 재서 설문 추정이 어디서 틀리는지 보였습니다. 이 과정 오전 실습처럼 실측 데이터로 가정을 검증하는 연구입니다.

15쪽 전문논문 PDF 열기

Market-Aware Asymmetric Loss Framework for Day-Ahead Building Energy Demand Forecasting in the Electricity Market

H. Son, M. Kim, Y. Hwang, S. Han* · IEEE Access, 2026 · 게재 (2026년 6월)

건물 전력 수요를 하루 앞서 예측할 때, 적게 예측한 실수와 많이 예측한 실수의 손해가 다르다는 점을 학습 목표에 그대로 넣었습니다. 예측 정확도가 아니라 전력시장 정산 금액으로 성능을 재는 방식입니다. 이 과정 오후 실습의 사고방식과 같습니다.

21쪽 전문논문 PDF 열기

그 외에도 현재 아래 논문들이 투고 중에 있습니다 (2026)

데이터 구축, 그림, 본문, 재현 코드까지 이 과정에서 가르치는 방식 그대로 에이전트와 함께 만든 원고입니다.

Weather-Adaptive Robust Scheduling for Photovoltaic-Integrated Electric Vehicle Charging Stations

H. Son, M. Kim, Y. Hwang, S. Han* · 2026

Fleet Transition Models: A Differentiable Aggregate-State Framework for Predicting Electric-Vehicle Fleet Behavior in Vehicle-to-Grid Aggregation

H. Son, M. Kim, Y. Hwang, J. Lee, S. Han* · 2026

Loss-driven versus constraint-driven power sharing in an LFP–NMC dual-chemistry battery under uncertainty

Y. Hwang, H. Son, S. Geum, M. Kim, S. Han* · 2026

Assessing Attainable V2G Energy-Arbitrage Value under a Korean Tariff-and-Settlement Benchmark: An Upper-Bound Decomposition Using Measured Fleet Mobility

Y. Hwang, H. Son, H. Kim, M. Seo, J. Choi, S. Han* · 2026

Model-dependent reliability of battery health reporting: an independent cross-manufacturer audit

J. Park, K. Kim, S. Geum, J. Lee, H. Son, S. Han* · 2026

Quantifying Vehicle-to-Grid Potential from Real-World Charging Behavior

H. Son, S. Geum, J. Park, S. Han* · 2026

Smart Charging Scheduling for Apartment Electric Vehicles: Empirical Coincidence Factor and Transformer Capacity Analysis

S. Geum, J. Moon, M. Jo, S. Han* · 2026

Fleet-Scale Equivalent Circuit Model Parameter Extraction from Field Slow-Charging Data: Hierarchical Bayesian Uncertainty Quantification and End-to-End Differentiable Bilevel Calibration

S. Han*, K. Kim, M. Kim, Y. Hwang · 2026

강사가 집필한 책

도구에서 동료로 — 인공지능과 공학 연구의 진화전기신문·대한전기학회, 2026. 이 과정의 하루가 이 책의 순서를 따릅니다.

지능의 재료 — AI를 위한 빅데이터 분석과 최적화 기법도서출판 홍릉, 2026. 세종도서 우수학술도서.

그 밖에 『전력시스템공학』, 『전기를 달리다』(세종도서 우수학술도서) 등 전력·전기차 분야 저서.

강연 후기

“반신반의했다가 하루 만에 생각이 바뀌었습니다”

검증 구간은 사람이 정하고 채점은 에이전트에 맡기는 방식을 우리 과제에 그대로 가져다 썼습니다.

한국토지주택공사 고○○

“이렇게 실전적인 에이전트 강의는 처음”

지금은 우리 연구실 학생들에게 같은 순서로 가르치고 있습니다.

한양대학교 김○○

“이미 쓰던 사람에게도 새로운 하루”

대학원 수업의 실습 흐름을 이 순서로 다시 짰습니다.

인하대학교 원○○

06등록안내

등록비와 결제 방법

신청방법	세미나허브 홈페이지에서 신청
결제방법	무통장입금 · 온라인 신용카드 결제 · 비대면 카드결제 · 선불권 가능 현장 카드결제는 지원되지 않습니다.
등록비	PDF파일·중식·다과 제공/VAT 포함 (사전등록 마감 이후 33,000원 추가)

구분	얼리버드 (~11/9, 17:00)	사전등록 (~12/7, 17:00)
등록비(특별할인)	~~396,000원~~ → 363,000원	~~440,000원~~ → 429,000원

결제방법 안내

① 무통장입금(세금계산서 발급) : IBK기업은행 988-028464-04-014 / 예금주 : 세미나허브

② 신용카드 : 온라인 카드결제

③ 비대면 카드결제 : 카드번호와 유효기간으로 결제 (온라인에서 카드결제가 어려운 법인·연구·과제비 등의 카드인 경우)

※ 비대면 카드결제의 경우, 결제방법에서 '무통장입금' 선택 후 사무국으로 전화주시기 바랍니다.(02-2088-6488)

유의사항

Claude 유료 계정 - 본 교육은 원활한 실습을 위해 최소 Claude Pro 계정(월$20)을 가입 후 참석해 주셔야 합니다.
본 교육과정은 선착순 접수로 운영되며, 결제 완료 시점을 기준으로 등록이 최종 확정됩니다.
교육 및 실습 자료는 등록 시 기재하신 이메일로 발송되므로, 반드시 사전에 결제를 완료해 주시길 바랍니다.
해당 자료를 실습용 노트북에 미리 다운로드하신 후 교육에 참석해 주시길 바랍니다.
교육 및 실습 자료가 제공된 이후에는 환불이 불가하므로, 신청 전 유의해 주시기 바랍니다.
취소를 원하시는 경우, 세미나허브 대표메일(help@seminarhub.co.kr)로 연락 바랍니다.
현장에는 Wi-Fi가 제공되나, 동시 접속 인원이 많을 경우 인터넷 속도가 원활하지 않을 수 있습니다.
데이터 무제한 요금제를 이용 중이신 경우, 보다 안정적인 접속을 위해 개인 데이터를 활용 바랍니다.
교육에서 활용되는 생성형 AI 모델은 해당 모델의 업데이트 및 운영환경에 따라 변동될 수 있습니다.
참석을 원하시는 분들께서는 위 사항을 반드시 확인하시어 등록에 착오 없으시기 바랍니다.

07교육 준비사항

1 Claude Pro 계정 구독은 반드시 교육 전에 해 오셔야 합니다. 에이전트가 이 계정으로 동작하므로, 구독이 없으면 실습을 시작할 수 없습니다. Claude Pro 구독하기

2실습에 필요한 사전 준비사항은 등록하신 분께 교육 전에 별도로 안내해 드립니다.

08자주 묻는 질문

프로그래밍을 전혀 못 해도 되나요?

됩니다. 코드는 에이전트가 쓰고 실행합니다. 수강생은 무엇을 시킬지 정하고, 결과를 읽고, 되돌려 보내고, 판단합니다. 코드를 한 줄도 못 쓰는 연구자가 하루 만에 시뮬레이터까지 만들어 간 사례가 있습니다.

에이전트 사용법을 배우러 와도 되나요?

됩니다. 명령줄 에이전트 설치와 첫 대화부터 시작해, 규칙 파일·스킬·서브에이전트·MCP·대화방 운영까지 하루 안에 전부 직접 씁니다. 다만 기능을 하나씩 소개하는 순서가 아니라, 연구를 진행하다 그 기능이 필요해지는 자리에서 씁니다. 그래서 돌아가서도 어느 자리에 무엇을 쓰는지가 남습니다.

이 교육이 제 분야에 접목이 되나요?

됩니다. 이 과정은 어떤 데이터 분석 연구에나 같은 여섯 단계(문제 정의·문헌, 데이터 탐색, 모델링, 시뮬레이션·최적화, 검증, 보고서·리뷰)를 다룹니다. 실습 데이터는 공개 데이터이고, 강의에서 여러 분야의 예시를 함께 짚습니다.

회사 데이터를 가져와서 실습해도 되나요?

실습은 제공되는 공개 데이터 묶음으로 합니다. 회사 자료는 반입하지 않습니다. 교육 뒤 자기 노트북에서 같은 순서로 자기 데이터에 적용하면 됩니다.

노트북 사양과 사전 준비는요?

일반 사무용 노트북(Windows 또는 macOS)이면 됩니다. Claude Pro 구독만 교육 전에 해 오시면 되고, 실습에 필요한 사전 준비사항은 등록하신 분께 교육 전에 별도로 안내해 드립니다.

수료증이 발급되나요?

네. 교육을 마치신 분은 홈페이지의 '수료증 발급' 버튼 또는 상단 '세미나' 메뉴의 '세미나 등록확인 및 수료증 발급'에서 받으실 수 있습니다.