소개
나는 매일 기록한다. 단백질 섭취량, 수면 시간, 운동, 감사일기, MIT(오늘의 핵심 과제), 회고까지.
문제는 지속과 활용이었다.
Google Sheets에 살면서 점점 욕심껏 늘어난 40개 넘는 컬럼은 다 채워지지 않았다.
PC앞이 아닌 경우, 기록이 번거로왔다. 산책을 좋아하는 나는 걸으면서 잡생각이 떠오르면 보이스 메모를 하고 싶다고 생각했다.
3년 동안 기록은 쌓였지만, 정작 다시 꺼내보는 일은 노력을 요구했고, 드물었다.
반면 AI 챗봇은 달랐다.
대화하면 분석하고 피드백을 해주니 재미있다.
“기록은 남는데 활용이 안 되고, 대화는 활용되는데 기록이 안 남는다.”
이 아이러니를 해결하고 싶었다.
그래서 시작했다.
“말로 던지면 자동으로 기록되고, AI가 내 하루를 리뷰해주면 어떨까?”
필자가 사용중인 구글시트
필자가 사용중인 구글시트 (위)
한국어 문자 메시지 스크린샷
텔레그램 봇을 만들어 텍스트/이미지/보이스 전송하면 시트에 분류되어 기록되고, AI가 응답한다.
한국 달력 앱의 스크린샷
웹 UI로 시각화하고 읽고 쓸 수 있는 웹앱도 만들었다.
진행 방법
🧩 전체 구조
텔레그램 (음성/텍스트/이미지)
↓
AI 자동 분류 (Claude API)
↓
Google Sheets 기록
↓
AI 하루 리뷰 생성
↓
웹 UI에서 확인
⚙️ 사용한 도구
Claude Code → 전체 구현
bkit → PDCA 워크플로우 (Plan → Design → Do → Check)
Gemini → UI/UX 아이디어 및 디자인 방향 도출
Whisper → 음성 → 텍스트 변환
Google Sheets → 데이터 저장
Flask → 웹 서버
Railway → 배포
Google OAuth → 인증
🧩 bkit 기반 개발 방식 (핵심)
1. PDCA 워크플로우
이 프로젝트는 "바로 코딩"이 아니라 문서 → 설계 → 구현 → 검증 흐름으로 진행했다.
Plan: 문제 정의 + 핵심 기능 정리
Design: API, 데이터 흐름, UI 구조 설계
Do: Claude Code로 구현
Check: gap 분석 (설계 vs 코드 비교)
👉 비개발자인 나에게 특히 잘 맞았던 방식
나는 "무엇/왜"를 정의하고, AI는 "어떻게"를 실행한다
2. plan-ceo-review — 10x 비전 확보
Plan 문서를 만든 직후 /plan-ceo-review를 실행했다.
이 스킬은 단순 기능 검토가 아니라
👉 “이게 10배 가치가 되려면?”을 묻는다.
이 과정을 통해 프로젝트는 단순히
기록 자동화 도구 → ❌
에서
365일 데이터 기반 AI 웰니스 코치 → ✅
로 확장됐다.
👉 당분간 나만 쓸거지만, 처음부터 큰 그림이 생기니
기능 구현 방향이 흔들리지 않았고
의사결정 속도가 빨라졌다
3. plan-design-review — 구현 전 검증
UI 리디자인 전에 /plan-design-review 실행
설계 단계에서 문제 미리 발견
CSS / 레이아웃 개선 포인트 자동 제안
👉 “만들고 고치는 것”이 아니라
👉 “만들기 전에 줄이는 것”
4. gap 분석 — 설계 vs 구현 싱크 맞추기
구현 후에는 반드시 gap 분석 수행
설계에는 있는데 코드에 없는 기능
코드에는 있는데 설계에 반영 안 된 부분
👉 빠진 기능 / 문서 불일치 자동 탐지
5. Gemini → Claude Code 협업
UI 개선은 아래 방식으로 진행했다.
Gemini에게 디자인 요청
plan.md + 스크린샷 전달
“10x 관점에서 개선해줘”
디자인 아이디어 확보
구글시트의 로그들을 시각화하는 아이디어를 많이 얻음
시간순, 대시보드 카드 형태, AI인사이트의 요약 추가 등
Claude Code에게 구현 요청
“이 방향 반영해줘”
👉 결과
디자인: Gemini가 강함
구현: Claude Code가 강함
AI를 역할별로 나누는 것이 마음에 들더라.
🧠 핵심 구현 포인트
1. 입력 채널 vs 분석 채널 분리
텔레그램 → 짧은 피드백
웹 UI → 하루 종합 리뷰
👉 반복되는 피드백 문제 해결
2. AI 리뷰 구조 개선
“오늘의 요약” 카드
“종합 리뷰” 영역
마크다운 렌더링 적용
👉 읽기 경험 개선
3. AI 협업 방식
“이거 정리해줘”
“아니야, 방향 바꿔줘”
“이 방식으로 구현해줘”
👉 기획자는 ‘무엇/왜’, AI는 ‘어떻게’ 담당
4. 배포 (Railway) — 가장 힘들었던 구간
redirect_uri_mismatch
환경변수 설정 위치 오류
로그 미설정
👉 해결 방법
logging.basicConfig(level=logging.INFO)
👉 핵심 교훈
“설정했다”와 “올바른 곳에 설정했다”는 다르다.
결과와 배운 점
💡 핵심 깨달음 1 — 기록의 ‘보상’은 AI 피드백이다
처음엔 단순했다.
“PC 앞에 없어도, 음성으로 한 줄 기록되면 좋겠다.”
그게 전부였다.
그런데 만들고 계속 써보면서 완전히 다른 포인트를 발견했다.
👉 AI 리뷰가 너무 좋았다.
매 기록마다 피드백이 온다
하루가 정리된다
행동을 바꾸게 된다
한국어로 된 문자 메시지의 스크린샷
이건 단순한 기록 도구가 아니라
“웰니스 / 생산성 코치”였다.
앞으로는 이 AI 리뷰의 프롬프트를 계속 개선하는 것이 핵심 과제다.
💡 핵심 깨달음 2 — 작은 불편함에서 큰 가치가 나온다
이 프로젝트는 아주 사소한 문제에서 시작했다.
기록하기 귀찮다
다시 보기 불편하다
그런데 결과는 달랐다.
👉 매일 쓰고 싶은 시스템이 됐다.
“작은 문제도 깊게 파면, 충분히 큰 가치가 된다.”
아래는 깨알: 먹은거 이야기하면, AI가 칼로리 탄/단/지 집계해줌
한국어로 된 문자 메시지의 스크린샷
한국어로 된 문자 메시지의 스크린샷
💡 핵심 깨달음 3 — 비개발자의 한계는 ‘배포’에서 온다
기획, UI, 방향 설정은 정말 재미있었다.
하지만…
환경변수
인증
배포 구조
프록시 개념
👉 여기서 엄청 삽질했다 😇
결국 느낀 점:
“개발을 잘하려면 코딩보다 ‘개념 이해’가 더 중요하다.”
(아직도 잘 모른다...)
🚀 앞으로의 계획 (디테일 버전)
이제 이 프로젝트는 단순한 기록 도구를 넘어
“AI 웰니스 코치”로 진화하는 단계에 있다.
1️⃣ 단기 (바로 개선할 것)
AI 리뷰 프롬프트 고도화
더 개인화된 피드백
반복 제거
행동 유도형 질문 추가
입력 → 피드백 속도 개선
거의 실시간 피드백
2️⃣ 중기 (데이터 활용 단계)
데이터가 쌓이기 시작하면, 완전히 다른 가치가 생긴다.
패턴 분석 리포트
수면 vs 생산성
단백질 vs 에너지
감정 vs 퍼포먼스
이상 신호 감지
“오늘은 평소 대비 에너지 저하 패턴”
“최근 집중력 하락 추세”
주간 / 월간 자동 리포트
👉 단순 기록 → 인사이트 생성 시스템으로 전환
3️⃣ 장기 (코치화)
프로액티브 AI
아침 브리핑
저녁 리마인드
행동 추천
외부 데이터 연동
Apple Health (수면, 활동량)
Google Calendar (일정 기반 컨텍스트)
Obsidian (생각/메모 연결)
자체 DB 도입
구글시트 의존도 감소
복합 쿼리 기반 분석
유사한 니즈를 가진 사람들 대상 SaaS화
4️⃣ 궁극적인 목표
“나를 가장 잘 아는 AI”
나의 컨디션 패턴 이해
생산성 리듬 파악
의사결정 보조
👉 단순 도구가 아니라
“개인화된 삶의 운영 시스템”
마무리 - 기록하는 맛이 나기 시작했다
이 프로젝트의 진짜 가치는 기능이 아니다.
“내가 원하는 걸 직접 만들 수 있다”는 감각
AI와 대화하면서 제품을 만들어가는 경험은
단순한 개발이 아니라
👉 자기 효능감 그 자체였다. 나는 이 앱을 정말 많이 쓸 것 같다.
그리고 지금은 확신한다.
지난 3년간 매일 기록을 남겼지만, 과거의 기 록을 다시 꺼내보는 일은 별로 없었다. GPT나 Gemini, Claude 등 AI 챗봇과 대화하면 좋은 피드백과 질문을 해준다. Voice Diary는 이 둘을 합쳤다. 텔레그램에서 텍스트, 음성, 이미지로 가볍게 던지면 — 기록의 마찰을 최소화했다. 웹 UI에서 예쁘게 시각화되고, AI가 내 하루를 분석해서 리뷰와 피드백을 준다. 단백질 섭취가 부족하면 알려주고, 운동 패턴이 바뀌면 짚어주고, MIT 완료율을 따져주고, 오늘 하루가 얼마 안남았으니 뭘 더 하라고 쪼기도 하더라.
“기록이 쌓이기만 하는 게 아니라, AI가 과거 기록과 연결하여 정리하고 코칭해주면 삶에 변화가 온다.”
생산성 관리, 건강 관리를 내가 직접 스프레드시트를 뒤지며 하는 게 아니라, AI가 대신 해주는 것. 그게 이 앱의 핵심 가치다.
