[NotebookLM + Claude Code] 숏폼 스크립트 품질이 들쭉날쭉? 80개 소스 기반 시리즈 생산 시스템을 만들었다

[NotebookLM + Claude Code] 숏폼 스크립트 품질이 들쭉날쭉? 80개 소스 기반 시리즈 생산 시스템을 만들었다

📝 한줄 요약

NotebookLM으로 80개 소스를 딥리서치하고, Claude Code로 스크립트 제작 지침을 자동 적용하는 파이프라인을 만들어서 숏폼 스크립트 품질을 안정시켰습니다.

바쁘시면 이것만 읽어도 돼요:

• NotebookLM 딥리서치 + Claude Code 스크립트 생성, 두 AI의 역할 분담으로 품질 향상

• 80개 소스 기반 숏폼 전략 지침서를 만들고, 스크립트 생성 시 매번 자동 적용

• "현대인 문제(데이터) + 유명인 해법(인사이트)" 매칭으로 6편 시리즈를 한 번에 생산

• NotebookLM이 자료를 모아주고 Claude가 글을 쓰는 구조 — 각자 잘하는 걸 시키니까 결과가 다르다

• 앞으로 숏폼에 더 최적화된 템플릿으로 구조화 개선 예정

🎯 이런 분들께 도움돼요

• 숏폼 스크립트 자동화 파이프라인을 쓰고 있는데 스크립트 품질이 아쉬운 분

• AI로 리서치는 하는데 스크립트까지 일관된 퀄리티로 뽑고 싶은 분

• 여러 AI 도구를 조합해서 콘텐츠 생산 워크플로우를 만들고 싶은 분

😫 문제 상황 (Before)

매번 ChatGPT나 Claude에 수동으로 프롬프트를 넣고 숏폼 스크립트를 뽑고 있었습니다.

문제는 품질이 들쭉날쭉하다는 거였어요. 같은 주제를 넣어도 어떤 날은 괜찮고, 어떤 날은 "이걸 올려도 되나?" 싶은 결과가 나왔습니다. 리서치도 AI의 내부 지식에만 의존하다 보니 데이터가 부정확하거나 구체성이 떨어졌고요.

특히 숏폼은 구조가 생명인데 — 첫 3초 훅, 문제 제시, 해법, CTA까지 — 이 구조를 매번 프롬프트에 써넣는 것도 번거롭고, 까먹으면 바로 퀄리티가 떨어졌습니다.

체계적인 프로세스 없이는 시리즈 콘텐츠를 안정적으로 생산할 수 없겠다고 느꼈습니다.

🛠️ 사용한 도구

• Claude Code: 파이프라인 설계/구현 + 스크립트 생성 (Claude Opus)

• NotebookLM CLI (nlm): 딥리서치 + 노트북 기반 지식 관리

• 특이사항: 두 AI를 역할 분담시켜 사용 — NotebookLM은 리서치, Claude는 스크립트 작성

🔧 작업 과정

숏폼 전략부터 조사하자 — 80개 소스 딥리서치

스크립트 품질을 올리려면 먼저 "좋은 숏폼이란 뭔지"를 제대로 알아야 했습니다.

노트북lm에서 숏폼전략이라는 새 노트를 만들고 딥리서치를 해. 2026 유튜브 쇼츠 전략을 주제로 해서 조사해줘.

NotebookLM이 딥리서치 모드로 웹을 탐색해서 80개 소스를 자동 수집했습니다. 숏폼 알고리즘 분석, 성공 크리에이터 전략, 시청자 행동 데이터 등 직접 모으려면 며칠은 걸렸을 자료들이 5분 만에 모였어요.

그리고 이 80개 소스를 바탕으로 Claude에게 스크립트 제작 지침서를 만들게 했습니다.

조사 완료 후 결과를 기반으로 내 시리즈 스크립트 제작 지침을 만들어줘.

나온 지침서의 핵심:

• Hook(0~3초) → Hold(문제+해법) → Reward(CTA) 구조

• 첫 문장 15자 이내, 구체적 숫자 최소 3개

• "문제(데이터) → 유명인 해법(사례) → 실천법(1가지 행동)" 공식

• TTS 40~55초 분량, 시리즈 5~7편

이 지침서가 핵심입니다. 이후 스크립트를 생성할 때마다 이 지침이 자동으로 프롬프트에 삽입됩니다. 더 이상 매번 "훅을 넣어줘", "숫자를 넣어줘"라고 따로 말할 필요가 없어졌어요.

리서치 데이터 쌓기 — 노트북을 지식 DB로

스크립트의 재료가 되는 리서치 데이터도 체계적으로 쌓았습니다.

일론머스크 노트북과 트럼프 노트북을 각각 자기개발과 관련하여 인사이트 얻을 수 있는 내용으로 정리해줘

현대인의 자기개발문제 라는 노트북을 만들고 현대인이 겪고 있는 자기개발 문제를 조사해줘. 시간관리, 효율성, 게으름, 우선순위 같은 문제들.

NotebookLM 노트북 5개가 지식 DB 역할을 합니다:

• 일론머스크 — 48개 소스 (자기개발 인사이트)

• 트럼프 — 27개 소스

• 현대인의 자기개발문제 — 28개 소스 (시간관리, 번아웃, 디지털 중독 등 데이터)

• 자기개발 — 64개 소스 (2026 트렌드)

• 숏폼전략 — 80개 소스 (스크립트 지침의 근거)

한 번 쌓아두면 계속 재활용할 수 있다는 게 포인트입니다. 새 시리즈를 만들 때마다 리서치를 처음부터 할 필요가 없어요.

문제 + 해법 매칭 — 6편 시리즈 한 번에 뽑기

이제 진짜 스크립트를 만들 차례입니다.

스크립트 생성 해줘. 현대인의 자기개발문제 + 일론머스크

"현대인의 자기개발문제" 노트북에서 문제 데이터를, "일론머스크" 노트북에서 해법 인사이트를 가져와서 매칭합니다. 80개 소스 기반 숏폼 지침이 자동 적용되고, 6편 시리즈가 한 번에 나왔습니다.

"머스크라면 이렇게 합니다" 시리즈:

• EP1: 직장인 65분 시간낭비 → 머스크의 5분 단위 타임박싱

• EP2: 95% 번아웃 → 5단계 알고리즘 "쓸데없는 일을 삭제하라"

• EP3: 984만 명 스마트폰 중독 → 의미론적 트리 "디톡스가 아니라 필터링"

• EP4: 80% 작심삼일 → "나는 틀렸다고 가정한다" 피드백 루프

• EP5: 남의 기준으로 자기개발 → 제1원리 사고

• EP6: 49% 직무 불만족 → "실패와 나를 분리하라"

각 에피소드마다 통계 데이터로 문제를 제시하고, 머스크의 구체적 사례로 해법을 연결하고, 즉시 실행 가능한 CTA로 마무리합니다. 매 편 끝에 다음 편 예고까지 들어가 있어요.

아쉬웠던 점 — 리서치 품질은 높았지만

NotebookLM 딥리서치의 자료 수집 능력은 인상적이었습니다. 80개 소스를 바탕으로 보고서를 작성해주니 데이터의 품질과 깊이는 확실히 올라갔어요.

다만 숏폼용 스크립트에 어울리는 구조화가 아쉬웠습니다. NotebookLM이 정리해주는 보고서는 학술적/종합적 성격이 강해서, 이걸 "첫 3초에 시청자를 잡는 숏폼"으로 바꾸려면 Claude가 한 번 더 가공해야 했어요.

그래서 역할을 명확히 나눈 겁니다:

• NotebookLM → 자료 수집과 사실 검증 (잘하는 것)

• Claude → 숏폼 구조에 맞는 스크립트 작성 (잘하는 것)

한 AI에게 리서치부터 스크립트까지 다 시키는 것보다, 각자 잘하는 걸 시키는 게 결과가 훨씬 좋았습니다.

파이프라인으로 만들기 — 2일, 45개 테스트

이 워크플로우를 매번 수동으로 하면 의미가 없으니, 코드로 자동화했습니다.

유튜브 쇼츠 스크립트 제작하는 파이프라인을 만들고 있어. 프로젝트 전체를 리뷰하고 더 좋은 방향을 제안해줘.

Claude Code가 설계부터 구현까지 2일 만에 완성했습니다:

• NotebookManager — NLM 노트북을 지식 DB로 관리, 토픽별 매핑

• ScriptGenerator — 숏폼 지침 자동 삽입 + 시리즈/문제-해법 모드

• CLI — 명령어 한 줄로 스크립트 생성

7개 태스크를 서브에이전트에게 분배하고, 각각 구현 → 스펙 리뷰 → 코드 품질 리뷰를 거쳐서 45개 테스트가 모두 통과했습니다. 설계만 해주면 코딩은 AI가 다 해줬어요.

✅ 결과 (After)

Before vs After

결과물

• 6편 시리즈 "머스크라면 이렇게 합니다" 완성

• 5개 NLM 노트북 (총 247개 소스 축적)

• 자동화 파이프라인 코드 (45개 테스트 통과)

• 숏폼 스크립트 제작 지침서 (80개 소스 기반)

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

1. 리서치와 글쓰기를 다른 AI에게 맡겨라 — NotebookLM은 자료 수집에 강하고, Claude는 특정 포맷에 맞춘 글쓰기에 강하다. 한 AI에게 다 시키는 것보다 역할을 나누면 품질이 올라간다.

2. 지침서를 먼저 만들어라 — "좋은 숏폼이란 뭔지"를 딥리서치로 정리한 뒤 지침서로 만들면, 매번 프롬프트에 세세하게 지시하지 않아도 일관된 품질이 나온다.

3. 노트북을 지식 DB로 쌓아라 — 한 번 리서치한 데이터를 노트북에 쌓아두면 새 시리즈 만들 때 처음부터 조사할 필요 없이 바로 활용할 수 있다.

이렇게 하면 안 돼요

1. 한 AI에게 리서치+스크립트를 한꺼번에 시키지 마세요 — 리서치 품질이 떨어지거나, 스크립트 구조가 무너집니다.

2. 지침 없이 "숏폼 스크립트 써줘"라고 하지 마세요 — 매번 다른 결과가 나옵니다. 구조(Hook-Hold-Reward)와 규칙(첫 문장 15자, 숫자 3개 이상)을 정해놓으면 품질이 안정됩니다.

🌍 다른 업무에 적용한다면?

이 "딥리서치 → 지침서 → AI 생성" 패턴은 숏폼 스크립트 외에도 적용할 수 있습니다:

• 블로그/뉴스레터: 특정 주제를 딥리서치하고 → 글쓰기 가이드라인을 만들고 → 매번 일관된 톤으로 글 생성

• 교육 콘텐츠: 학습 자료를 노트북에 쌓고 → 커리큘럼 지침을 만들고 → 강의 스크립트 자동 생성

• 마케팅 카피: 경쟁사/시장 데이터를 딥리서치하고 → 브랜드 톤 가이드를 만들고 → 광고 카피 생성

핵심은 동일합니다: AI에게 잘하는 역할을 나눠주고, 지침을 먼저 만들어서 품질을 고정하는 것.

🚀 앞으로의 계획

숏폼에 더 최적화된 스크립트 템플릿을 개선할 예정입니다. 현재는 NotebookLM의 보고서 스타일이 학술적이라 Claude가 숏폼 구조로 재가공하는 과정이 필요한데, 이 중간 단계를 줄이고 바로 숏폼에 맞는 데이터 구조로 뽑아내는 것이 목표입니다.

또한 TTS → 영상 편집 → 업로드까지 이어지는 뒷단 파이프라인도 연결해서, 스크립트부터 완성 영상까지 End-to-End 자동화를 완성하고 싶습니다.

📋 재사용 가능한 프롬프트

프롬프트 1: 딥리서치 기반 콘텐츠 지침서 만들기

[주제]에 대해 딥리서치를 해줘. 조사 완료 후 결과를 기반으로 [콘텐츠 형식]용 제작 지침을 만들어줘. 구조, 톤, 분량, 필수 포함 요소를 정리해줘.

프롬프트 2: 문제-해법 매칭 시리즈 스크립트

[문제 주제] 데이터와 [해법 인물/주제] 인사이트를 매칭해서 [N]편 시리즈 스크립트를 만들어줘. 각 에피소드마다 문제를 통계로 제시하고, 구체적 해법을 연결하고, 즉시 실행 가능한 CTA로 마무리해줘.

프롬프트 3: 기존 리서치 활용 새 시리즈

[노트북/자료명]에 있는 기존 리서치를 활용해서 [새로운 각도]로 [N]편 시리즈를 만들어줘. 기존 데이터에서 [타겟 독자]에게 맞는 인사이트를 뽑아서 연결해줘.