글쓰기와 창작을 돕는 Content Factory(웹앱) 개발 사례(1) - MVP 개발 진행중
2026.10.15

Content Factory | 2026년 10월 15일 기준 | 개발 진행 중
핵심 메시지: AI에게 글을 대신 써 달라고 하기보다, 제가 제 생각과 경험을 바탕으로 글 한 편을 끝까지 완성할 수 있는 환경을 직접 만들어 보고 있습니다.
최근 **Content Factory(콘텐츠 팩토리)**라는 개인용 웹앱을 개발하고 있습니다. 아직 모든 기능을 실제 제 PC에 연결해 사용해 본 완성품은 아닙니다. 다만 제가 오래 겪어 온 문제를 제품 요구사항으로 바꾸고, ChatGPT와 Codex를 활용해 **브라우저에서 작동하는 MVP(최소 기능 제품)**로 구현한 과정을 동료 여러분께 공유하려고 합니다.
특히 이번 글에서는 단순히 “어떤 기능을 만들었다”는 이야기에서 한 걸음 더 나아가 보겠습니다. 제가 사용자 입장에서 요청한 것과 AI가 그 요청을 실제 소프트웨어로 구현하면서 구체화하거나 보완한 것을 나란히 보여드리겠습니다. 이 차이에 AI와 함께 제품을 만드는 과정의 핵심이 있다고 느꼈기 때문입니다.
1. 시작은 개발이 아니라, 10년 넘게 해결하지 못한 제 문제였습니다
저는 오랫동안 기업에서 인사·조직·리더십 관련 일을 해 왔습니다. 그 과정에서 얻은 경험과 생각을 글로 정리하고, 언젠가는 책을 출판하고 꾸준히 콘텐츠를 발행하고 싶었습니다.
그런데 현실은 마음처럼 되지 않았습니다. 첫 문장부터 잘 쓰고 싶어서 같은 문장을 계속 고치곤 했습니다. 자료를 찾다가 새로운 주제가 눈에 들어오면 원래 쓰던 글에서 멀어졌습니다. 글감은 풍부해도 주장과 목차로 구조화하지 못하는 경우가 많았고, 끝내지 못한 글을 다시 꺼내는 일도 점점 부담스러워졌습니다.
생성형 AI를 사용하면 초안 하나를 만드는 일 자체는 많이 쉬워졌습니다. 하지만 제가 원했던 것은 그럴듯한 글을 대량으로 만들어 내는 일이 아니었습니다. 제 주장은 무엇인지, 실제 경험에서 어떤 통찰을 얻었는지, 독자에게 무엇을 전달하고 싶은지 깊이 생각하면서 글을 완성하고 싶었습니다.
그래서 제품의 철학을 이렇게 정했습니다.
“AI가 저를 대신해 글을 쓰는 시스템이 아니라, 제가 더 깊이 생각하고 더 꾸준히 집필하도록 돕는 시스템을 만들겠습니다.”
장기적으로 하루 5시간 집필하는 습관도 만들고 싶습니다. 물론 앱 하나가 그런 습관을 보장해 주지는 않습니다. 그래서 첫 번째 목표는 소박하면서도 분명하게 잡았습니다. **‘매번 시작만 하던 글을 한 편이라도 끝까지 완성할 수 있게 하자’**는 것입니다.
2. 이미 쌓아 둔 지식을 실제 콘텐츠로 연결하고 싶었습니다
저는 옵시디언(Obsidian)에 개인 지식관리 시스템을 구축해 사용하고 있습니다. PARA로 자료를 분류하고, **Zettelkasten(제텔카스텐)**으로 생각을 작은 노트로 나누어 연결하며, LLM Wiki 접근도 접목하고 있습니다.
지식을 수집하고 정리하는 환경은 어느 정도 갖추었습니다. 하지만 이 지식을 실제 원고로 바꾸는 마지막 연결고리가 부족했습니다. 그래서 Content Factory를 다음과 같은 흐름으로 구상했습니다.
뉴스·아이디어 발견
↓
주제 선택
↓
내 옵시디언 지식 검색
↓
내 주장·경험으로 기획
↓
직접 집필 또는 AI 초안
↓
검토·수정
↓
Markdown·HTML 내보내기초기 관심 분야는 리더십, 노동, AI, 크립토, 마음의 다섯 가지로 잡았습니다. 이 분야의 뉴스를 참고하되, 제 생각과 기존 지식이 콘텐츠의 중심에 있도록 설계하고 싶었습니다.
한 가지 원칙도 세웠습니다. AI 연결이 없어도 글은 쓸 수 있어야 한다는 것입니다. API 키를 설정하지 않았거나 외부 서비스가 일시적으로 실패하더라도, 주제 입력 → 자료 검색 → 기획 → 직접 집필 → 저장 → 내보내기는 가능하도록 요청했습니다.
3. AI와의 역할 분담: 저는 ‘무엇과 왜’를, AI는 ‘어떻게 작동하게 할지’를 함께 풀었습니다
처음에는 만들고 싶은 모습을 생각나는 대로 설명했습니다. 그다음 ChatGPT(제가 부르는 이름은 ‘애쉬’입니다)와 대화하면서 문제 정의, 사용자 여정, 기능 목록, 데이터 보호 원칙, 제외할 기능, 성공을 판단하는 기준까지 정리했습니다.
그 결과물을 **PRD(Product Requirements Document, 제품 요구사항 정의서)**와 Codex용 개발 마스터 프롬프트로 구체화했습니다. PRD는 단순한 설명서가 아니라, 개발이 제대로 진행되었는지 판단하는 기준이 되었습니다.
역할 | 제가 담당한 부분 | AI와 함께 구체화한 부분 |
|---|---|---|
문제 정의 | 왜 집필이 중단되는지, 어떤 변화가 필요한지 설명했습니다. | 문제를 기능과 사용자 흐름으로 바꾸었습니다. |
제품 방향 | 제 경험·주장이 중심이고 옵시디언은 보호해야 한다고 요청했습니다. | 저장, 검색, AI 제안, 데이터 보호 방식으로 풀어냈습니다. |
우선순위 | 블로그 글 한 편을 완성하는 MVP부터 원했습니다. | 복잡한 기능을 뒤로 미루고 기본 흐름을 먼저 연결했습니다. |
개발·검증 | 실제로 사용 가능한 앱이 필요하다고 요청했습니다. | 실행 코드, 로컬 DB, 테스트, 오류 처리, 설치 안내까지 마련했습니다. |
여기서 중요한 점이 있습니다. 제가 요청한 사항에도 이미 자동저장 시 데이터 손실 방지, AI 제안의 사용자 승인, Vault 읽기 전용, 뉴스의 실제 출처 표시 같은 안전성 원칙이 포함되어 있었습니다. 따라서 아래에서 말씀드릴 ‘추가 구현’은 전부 AI가 독자적으로 새 기능을 발명했다는 뜻은 아닙니다. 제가 원하는 경험을 실제로 구현하기 위해 AI가 선택한 세부 기술, 예외 처리, 운영·검증 장치까지 포함한 표현입니다.
저는 이 부분이 특히 유익했습니다. 사용자는 “내 글이 없어지면 안 됩니다”라고 이야기하지만, 소프트웨어는 언제, 어떤 상황에서, 어떤 저장 요청을 거부하고 무엇을 복구할지까지 결정해야 실제로 작동하기 때문입니다.
4. 제가 요청한 기능과 실제 구현 결과를 비교해 보겠습니다
핵심 요구사항은 여덟 묶음으로 정리했습니다. 아래 표에서 ‘제가 요청한 것’은 목적과 사용자 경험, ‘실제로 구현한 것’은 화면·로직·데이터 구조, ‘동작시키기 위해 보완한 것’은 세부 설계와 보호 장치입니다.
상태 구분: ‘구현·테스트’는 개발·테스트 환경에서 확인했다는 뜻입니다. OpenAI 실제 응답, 외부 RSS 수집, 제 개인 Vault 연결 등은 별도로 미검증이라고 표시했습니다.
기능 영역 | ① 제가 요청한 것 | ② 실제 구현한 것 | ③ 실행·안정성을 위해 구체화한 것 |
|---|---|---|---|
Today: 뉴스·글감 탐색 | 관심 분야의 실제 뉴스를 보고, 글감으로 선택하고 싶었습니다. | RSS/Atom 피드 파서, 분야별 뉴스 표시, 날짜·출처·링크 저장, 수동 수집 기능을 마련했습니다. | 추적 파라미터를 제외한 URL 중복 판별, 발행일 미확인 처리, 소스별 오류 표시, 일부 수집 실패 시 기존 뉴스·집필 기능 유지 기능을 넣었습니다. 실제 외부 수집 성공은 미검증입니다. |
Content Ideas: 주제 추천 | 하나의 주제에서 설명형·비판형·실무 인사이트형의 세 관점을 받고 싶었습니다. | AI 주제 제안 흐름, 관련 뉴스·노트 연결, 선택 아이디어를 프로젝트로 이어가는 구조를 만들었습니다. | AI 응답 형식과 출처 ID를 검증하도록 했으며 API 키가 없을 때는 직접 주제 입력을 사용할 수 있습니다. 실제 AI 응답은 미검증입니다. |
BK Knowledge: 나의 지식 활용 | 옵시디언의 PARA·제텔노트·LLM Wiki를 검색하되 원본은 손대지 않기를 원했습니다. | 로컬 Markdown 인덱싱, 제목·본문·태그·Frontmatter·위키 링크 처리, 노트 미리보기와 발췌 선택을 구현했습니다. | 한국어를 고려한 SQLite FTS5 검색과 짧은 검색어 보완, 제외 폴더·외부 심볼릭 링크 차단, 수정·삭제 반영을 넣었습니다. 테스트 Vault에서 검증했습니다. |
Content Planner: 주장 중심 기획 | 제 주장과 실제 경험을 입력하고 핵심 메시지·논거·목차를 설계하고 싶었습니다. | 사용자 입력, 메시지 수정, 목차 작성, 기획 확정 및 AI 기획 제안 흐름을 만들었습니다. | 기획 내용을 고치면 ‘확정’을 자동 해제하고, 빈 메시지·목차나 미확정 기획으로 AI 초안을 만들지 못하도록 서버에서도 검사합니다. |
Writing Studio: 글쓰기 | 직접 쓰는 Writer Mode와 AI 초안을 활용하는 AI Factory Mode를 원했습니다. | Markdown 에디터·미리보기, Draft/Edit, AI 제안 검토, 자동저장, 버전 보관·복원, 글자 수 등을 구현했습니다. | 약 0.7초 지연 저장, 저장 순서 경합 방지, 브라우저 복구 사본, AI 제안의 명시적 적용, 적용 전후 원고 버전 보존을 넣었습니다. |
Draft Sprint: 몰입 지원 | 완벽주의에 빠지지 않도록 초안 작성과 편집을 나누고 집중 시간을 기록하고 싶었습니다. | 기본 25분 타이머와 세션 시작·종료, 목표·실제 경과 시간 저장을 구현했습니다. | 새로고침·재열기 후 진행 중 세션을 확인할 수 있도록 했고, 집중도 측정이 아니라 경과 시간 기록이라는 한계도 구분했습니다. |
Library: 원고 관리 | 쓰던 글을 다시 열고, 상태를 변경하고, 삭제 전에 확인하고 싶었습니다. | 프로젝트 목록·검색·상태 관리, 본문·기획의 로컬 저장, 버전 기록·복원을 구현했습니다. | 앱을 다시 켠 뒤에도 같은 DB에서 읽는지, 이전 본문을 복구하면서 현재 본문도 잃지 않는지, 삭제 취소가 작동하는지 테스트했습니다. |
Export·Settings: 사용 환경 | Markdown/HTML로 내보내고 Vault·AI·뉴스 설정을 관리하고 싶었습니다. | Markdown·HTML 다운로드와 복사, 설정 화면, 로컬 실행 설정을 구현했습니다. | 위험한 HTML 제거, Windows에서 쓸 수 있는 안전한 파일명, API 키의 서버 측 보관, 시작 스크립트와 백업 안내를 추가했습니다. |
이렇게 표로 나란히 놓으니 차이가 선명해집니다. 제가 처음 상상했던 것은 기능과 사용자 경험이었습니다. 그런데 작동하는 제품에는 버튼 뒤의 데이터 구조, 예외 상황 처리, 보안, 재실행, 테스트가 함께 필요했습니다.
다섯 개 화면으로 단순하게 구성했습니다
사용자에게는 복잡한 내부 구조가 드러나지 않도록 화면을 Today / Studio / BK Knowledge / Library / Settings의 다섯 작업 공간으로 나누었습니다. 그 안에서 앞서 말씀드린 여덟 기능 묶음이 동작하도록 정리했습니다.
그리고 기능을 많이 늘리는 것보다 한 편의 원고를 실제로 완성하는 사용자 여정을 최우선으로 삼았습니다. 원고 작성 이외의 고급 의미 검색(RAG), 자동 블로그 게시, 모바일 앱, 클라우드 동기화, 멀티 에이전트는 이번 범위에서 제외했습니다.
5. 특히 인상적이었던 ‘숨은 구현 작업’ 12가지
아래 내용은 앱을 처음 구상할 때 일반 사용자가 버튼 이름만 보고는 알아차리기 어려운 부분입니다. 완전히 새로운 제품 기능이라기보다는, 요청한 기능이 실제 환경에서도 안정적으로 작동하도록 하는 구체적인 개발·운영 장치에 가깝습니다.
구분 | 실제로 추가·구체화한 구현 | 왜 필요했을까요? |
|---|---|---|
01. 로컬 실행 환경 | Next.js 기반 로컬 서버와 | 일반 웹사이트처럼 보이지만 제 PC에서 개인용으로 실행되도록 하기 위해서입니다. |
02. 간단한 로컬 DB | Node.js 24 내장 SQLite와 명시적 SQL, DB 마이그레이션 파일을 사용했습니다. | 별도 DB 서버 설치 부담을 줄이고, 구조가 변경되어도 기존 데이터를 보호하기 위해서입니다. |
03. 저장 타이밍 제어 | 타이핑 후 약 0.7초 기다렸다 자동저장하고, 이동 전 미저장 원고를 처리하도록 했습니다. | 글을 한 글자 입력할 때마다 저장하지 않으면서도 최신 내용을 유지하기 위해서입니다. |
04. 저장 충돌·복구 | revision(수정 번호) 비교, 오래된 저장 차단, 브라우저 내 복구 사본을 마련했습니다. | 저장 응답이 늦거나 여러 화면이 겹치는 상황에서도 최신 원고를 잃지 않기 위해서입니다. |
05. 버전 기록의 DB 무결성 | 프로젝트 저장 방식을 데이터 교체에서 UPDATE 기반 upsert로 수정했습니다. | 원고를 저장하는 과정에서 연결된 과거 버전이 사라지는 문제를 방지하기 위해서입니다. |
06. AI 제안과 사용자의 원고 분리 | AI 생성 결과와 출처 발췌·모델·시각을 이력으로 저장하고, 승인 전에는 본문을 수정하지 않습니다. | AI의 제안이 실수로 기존 글을 덮어쓰지 않도록 하기 위해서입니다. |
07. 노트 경로 보호 | 제외 폴더, 경로 검증, 외부 심볼릭 링크 차단, 인덱싱 파일 수·용량 상한을 마련했습니다. | Vault 바깥의 파일이나 민감한 자료가 검색·전송되는 위험을 줄이기 위해서입니다. |
08. 한국어 검색 보완 | SQLite FTS5 trigram과 짧은 키워드의 부분 일치 검색을 병행했습니다. | 한국어 짧은 검색어가 검색 방식에 따라 누락되는 문제를 줄이기 위해서입니다. |
09. RSS 입력 안전성 | URL 검사, 공개 인터넷 주소 확인, 리다이렉트 제한, 응답 크기·시간 제한을 넣었습니다. | 외부 피드 주소를 입력받는 기능이 로컬·내부 네트워크 접근 통로가 되지 않도록 하기 위해서입니다. |
10. 안전한 콘텐츠 출력 | Markdown을 미리보기·HTML로 변환할 때 스크립트와 위험한 링크를 제거합니다. | 인터넷에서 복사한 자료나 AI 초안이 위험한 HTML로 실행되지 않게 하기 위해서입니다. |
11. 설치·운영 편의 | Windows용 | 개발 도구를 열지 않아도 처음 실행해 보고, 문제가 생겼을 때 대응할 수 있도록 하기 위해서입니다. |
12. 자동 검증 체계 | 핵심 로직 테스트와 Playwright 브라우저 사용자 여정 테스트, 타입 검사·프로덕션 빌드 검증을 구성했습니다. | “코드가 있다”가 아니라 “실제로 어떤 흐름이 작동한다”는 근거를 남기기 위해서입니다. |
제가 특히 새롭게 이해한 점은 ‘저장’이라는 기능 하나에도 저장 시점, 충돌, 실패, 복구, 과거 버전, 재실행까지 여러 설계 문제가 숨어 있다는 사실입니다. AI가 코드를 작성해 주더라도 이런 부분을 고민하고 검증하지 않으면 사용하기 어려운 제품이 될 수 있겠습니다.
6. 개발 환경과 구조는 어떻게 구성했을까요?
개발자 동료분들도 계시겠지만, 기술 용어가 낯선 분들도 이해할 수 있도록 간단히 설명드리겠습니다. 이 앱은 제 PC가 작은 서버 역할을 하고, 브라우저가 작업 화면이 되는 구조입니다.
요소 | 이번에 선택한 방식 | 쉬운 설명 |
|---|---|---|
웹앱 | Next.js, React, TypeScript | 화면과 그 뒤의 처리 기능을 한 프로젝트에서 구성했습니다. |
디자인 | Tailwind CSS, 한국어 다크 UI | 오래 앉아 글을 써도 불필요한 시각적 방해를 줄이려 했습니다. |
저장 | Node.js 내장 SQLite | 제 PC의 파일 형태로 데이터를 관리하는 경량 DB입니다. |
지식 검색 | Markdown 인덱싱, SQLite FTS5 | 옵시디언 원본을 바꾸지 않고 검색할 수 있게 했습니다. |
뉴스 | RSS/Atom | 출처가 명확한 공개 피드부터 수집하는 방식입니다. |
AI | OpenAI API용 Provider 구조 | AI 제공자와 화면을 분리해 두고, API 키가 없어도 수동 집필은 가능하게 했습니다. |
테스트 | Node 테스트, Playwright(Chromium) | 내부 로직과 실제 브라우저 사용 과정을 각각 확인합니다. |
**Local-first(로컬 우선)**라는 방향을 택한 이유는 제 원고와 개인 지식이 핵심 데이터이기 때문입니다. 다만 뉴스 수집과 AI 호출에는 인터넷이 필요하므로, 모든 기능이 완전 오프라인에서 작동한다는 의미는 아닙니다. AI에 전달할 노트와 발췌는 사용자가 확인·선택하도록 했습니다.
7. 다음에는 기능을 더하기 전에, 실제로 한 편을 완성해 보겠습니다
이제 가장 중요한 일은 기능 목록을 계속 늘리는 것이 아니라 제가 실제로 이 제품을 사용해 보는 일입니다.
개인 PC에서 실행: Windows 실행과 종료·재실행, 파일·DB 보존을 확인하겠습니다.
옵시디언 연결: 실제 Vault로 검색과 발췌, 제외 폴더 처리가 원하는 대로 되는지 확인하겠습니다.
AI와 뉴스 연결: 실제 API 키로 기획·초안 제안을 검증하고, RSS 피드의 수집 성공·실패를 살펴보겠습니다.
블로그 글 한 편 완성: 아이디어 발견부터 집필·수정·내보내기까지 끝까지 사용해 보겠습니다.
사용 경험 개선: 어느 단계에서 자주 막히는지 기록하고, 실제 원고 완성에 도움이 되는 기능부터 다듬겠습니다.
의미 검색(RAG), 더 정교한 개인화, 자동 발행, 여러 채널용 콘텐츠 재가공도 앞으로 관심 있는 주제입니다. 하지만 일단은 작은 시스템으로 실제 결과를 만드는 경험이 더 중요하다고 생각합니다.
8. 이번 경험을 통해 배운 점 세 가지
첫째, 문제를 구체적으로 정의할수록 AI와 협업하기 쉬웠습니다.
“AI 글쓰기 앱을 만들어 주세요”라고만 했다면 아마 흔한 에디터가 나왔을 것입니다. **“완벽주의 때문에 글을 끝내지 못하고, 내 지식을 실제 콘텐츠로 연결하고 싶다”**는 문제를 설명하니 기능의 이유가 분명해졌습니다.
둘째, 사용자 요구사항과 실제 구현 사이에는 생각보다 많은 판단이 필요했습니다.
제가 요청한 것은 “저장, 검색, AI 지원” 같은 기능이었지만, 실제로 작동시키려면 저장 경합, DB 관계, 노트 경로, 외부 URL, 실패 복구, 테스트까지 필요했습니다. 이번 작업의 가장 흥미로운 부분은 AI가 코드를 생성한 순간보다, 이 보이지 않는 문제들을 구체화하고 해결한 과정이었습니다.
셋째, AI 시대에도 사람의 역할은 줄어들지 않는다고 느꼈습니다.
무엇을 왜 만들지, 어떤 경험이 좋은지, 어디까지를 완료라고 부를지 결정하는 일은 여전히 중요합니다. 그리고 AI가 구현한 것을 무조건 신뢰하기보다는 근거와 검증 결과를 구분하는 태도가 필요했습니다.




우와 비케이 님, 엄청난 여정의 시작이네요. 이 결과물까지 꼭 보고 싶습니다. 지금까지의 과정도 정말 소중하다고 생각되네요.
많은 분들이 글쓰기에 대해 관심도 많고, 스트레스도 많이 받으시는 것 같아요. 지금 비케이 님의 사례 게시글이 그 분들에게 큰 도움이 될 것 같습니다.
이번 주 목요일에 이 사례를 꼭 발표해 주셨으면 좋겠습니다. 저도 이 글을 통해 많이 배우게 되었습니다. 감사합니다. 👍 👍