AI를 한 명이 아니라 다섯 명으로 — 공인중개사 특강 자료를 에이전트 팀으로 작성 시도

AI를 한 명이 아니라 다섯 명으로 — 공인중개사 특강 자료를 에이전트 팀으로 4시간에 작성

카테고리: 강의자동화 · 작성: 도시아재 · 일자: 2026-05-29 태그: Claude Code, AI 에이전트 하네스, 강의자료 자동화, Vercel, 공인중개사

ALT

한국어 텍스트가 적힌 블루 스크린

소개 — 왜 이 실험을 시도했는가

저는 공인중개사로 일하면서, 동료들에게 AI 활용법을 가르치는 특강도 준비하고 있습니다. 그런데 강의 자료 한 세트를 제대로 만들려면 리서치·커리큘럼·슬라이드·강사 스크립트·검수까지 혼자 매달려도 4~6주가 걸립니다. 막상 ChatGPT에 통째로 시켜보니, 모듈 5를 쓰는 동안 모듈 2에서 쓴 예시를 잊어버리고, 법령 조문은 그럴듯하게 지어내고, 톤은 모듈마다 따로 놀았습니다.

이번 gpters 22기 강의자동화 스터디에서 "AI를 한 개의 비서가 아니라, 역할이 나뉜 한 개의 팀으로 쓴다"는 하네스(Harness) 개념을 접하고 가설을 세웠습니다.

"하나의 AI가 전부 하려면 컨텍스트가 무너진다. 그렇다면 리서치·설계·집필·빌드·검수를 각각 맡는 다섯 AI가 파일로 결과를 주고받게 하면 어떨까?"

측정 포인트는 분명했습니다. 혼자 4~6주 걸리는 일을, 사람이 키보드 앞에 앉아 있는 시간 기준으로 얼마나 줄일 수 있는가. 결과부터 말하면, 약 4시간 만에 슬라이드 111장짜리 180분 특강 자료가 나왔고, 그 자료는 지금 공개 웹페이지로 돌아가고 있습니다.

진행 방법 — 5단계 워크플로

전체 흐름은 "팀을 한 번 구성해두고(1회), 그 팀에게 일을 시키고(반복), 결과를 배포한다"입니다.

Step 1. 하네스 구성 — 다섯 명의 전문 AI를 먼저 정의한다

자료를 바로 만들지 않았습니다. 먼저 일할 팀을 정의했습니다. 역할이 다른 에이전트 5명과, 각자가 따를 매뉴얼(스킬)을 만들었습니다.

Claude Code 채팅창에 한국어로 요청한 게 전부였습니다.

공인중개사 대상 AI 활용 특강 자료 제작용 하네스 구성해줘

청중 수준(입문~중급 혼합), 산출 형태(HTML 강의 페이지), 주제 영역(AI 기본 / 매물 광고 / 고객 응대 / 시장·법령) 몇 가지를 답하니, 에이전트 5명과 스킬 6개가 한 번에 정의됐습니다. 이 1회 구성이 핵심입니다. 이후로는 "특강 자료 만들어줘" 한 마디면 팀이 자동으로 출동합니다.

Step 2. 풀 사이클 실행 — 병렬과 순차를 구분한다

가장 중요한 설계 결정은 "무엇을 동시에, 무엇을 순서대로 할 것인가"였습니다.

• 리서치(Phase 1): 4개 주제는 서로 의존이 없으니 4명 병렬 호출. 각자 WebSearch로 13~20번씩 깊게 팠습니다.

• 커리큘럼(Phase 2): 리서치 4건이 다 끝나야 시작 → 순차.

• 콘텐츠(Phase 3): 모듈 간 톤 일관성 때문에 전부 병렬은 위험 → 3명씩 묶음 병렬.

• HTML 빌드(Phase 4) → QA(Phase 5): 순차.

병렬 리서치에서 사람이라면 놓쳤을 신호가 잡혔습니다. AI 기본법 제31조(2026.1.22 시행, AI 생성물 라벨 의무, 위반 시 과태료 3,000만원), 위반건축물 표기 의무(2025.1.1), 개인정보보호법 제28조의8 국외이전(2024.3.15) — 이 세 가지가 강의의 핵심 차별점이 됐습니다.

데이터는 메모리가 아니라 _workspace/ 폴더의 .md 파일로 주고받게 했습니다. 그래야 나중에 "어디가 틀렸는지" 사람이 파일을 열어 진단하고, 그 부분만 다시 돌릴 수 있기 때문입니다.

Step 3. QA는 "있는지"가 아니라 "어긋나는지"를 본다

qa-reviewer는 단순히 슬라이드가 다 있는지 세지 않았습니다. 7개 경계면 교차 비교를 했습니다 — 예를 들어 "리서치 노트의 법령 조문이 콘텐츠 슬라이드에 정확히 같은 번호로 등장하는가". 여기서 Critical 1건이 잡혔습니다.

모듈 1은 "개인정보보호법 제17조 국외이전"이라고 썼는데, 모듈 3은 "제28조의8"로 정확히 썼습니다. 강의 안에서 자기모순이 난 겁니다.

3개 파일을 한 줄씩 고쳐 해결했고, 검수 결과는 CONDITIONAL_PASS → PASS로 바뀌었습니다. WebSearch로 법령 4건은 법제처·국토부 1차 출처까지 다시 확인했습니다.

Step 4. 배포 — 여기서 진짜 시행착오를 겪었다

GitHub + Vercel로 공개 배포하면서 가장 많이 헤맸습니다. 배포는 됐는데 외부에서 페이지가 안 열렸습니다.

# 라이브 URL이 전부 404 — 원인 분리부터
curl -L -o NUL -w "%{http_code}" https://shinhwa-ai-lecture.vercel.app/          # 404
curl -L -o NUL -w "%{http_code}" https://shinhwa-ai-lecture.vercel.app/lecture    # 200 (!)

원인은 두 가지였습니다. 첫째, 팀 계정 기본값인 Vercel Deployment Protection이 켜져 있어 외부 접근이 401로 막혔습니다(대시보드에서 해제). 둘째, vercel.json의 하위 폴더 rewrites가 적용되지 않아 /가 404였습니다. HTML 파일을 리포 루트로 옮기고 rewrites를 걷어내자 정적 서빙으로 깔끔히 해결됐습니다.

git mv lecture/index.html index.html
git mv lecture/practice.html practice.html
git commit -m "fix(routing): HTML을 리포 루트로 이동, rewrites 제거로 404 해결"
git push   # → Vercel 자동 재배포 → / 와 /practice 모두 200 확인

Step 5. 발표 자료까지 하네스로 — 자기 증명

스터디 발표용 대시보드도 같은 팀(html-builder 에이전트)에게 맡겼습니다. 라이트/다크 모드 토글과 입체감 개선을 요청했고, 결과물의 글자 대비는 추측하지 않고 실측했습니다.

# WCAG 대비비를 직접 계산해 두 테마 모두 검증 (글씨 묻힘 0 확인)
def ratio(fg, bg): ...   # 상대 휘도 기반
# 결과: 다크 모드 최저 6.91 (AA 4.5 기준 통과), 라이트 히어로만 보정

이 발표 대시보드 자체도 같은 하네스로 만들었습니다. "강의 자동화를 강의 자동화로 만든 자료로 설명한다" — 이게 이번 실험에서 제가 가장 마음에 든 지점입니다.

결과와 배운 점

ALT

한국의 인구 수를 보여주는 막대 그래프

정량 비교

산출물은 슬라이드 111장, 실습 6개, 법령 인용 17건+(전부 1차 출처 검증), 인용 출처 50건+, 풀 사이클 1회 토큰 비용 약 $5~10이었습니다.

배운 점 5가지

① 컨텍스트는 나누면 깊어진다 — 한 AI가 전부 하면 얕아지지만, 각자 자기 영역만 파면 깊어집니다. 병렬 리서치가 법령 3건을 건진 게 증거입니다.

② 파일로 주고받게 하라 — 메모리가 아니라 .md 파일로 결과를 넘기니, 틀린 곳만 골라 부분 재실행이 됐습니다. "처음부터 다시"가 사라졌습니다.

③ QA는 존재가 아니라 정합성을 봐야 한다 — "슬라이드가 다 있다"가 아니라 "리서치와 콘텐츠의 법령 번호가 일치하는가"를 본 덕에 자기모순을 잡았습니다.

④ 추측하지 말고 측정하라 — 대비가 "괜찮아 보인다"가 아니라 WCAG 수치로 6.91처럼 찍혀야 안심이 됐습니다.

⑤ 하네스는 자료 1개가 아니라 공장을 만드는 일이다 — 들인 시간의 보상은 이 강의 한 편이 아니라, 다음 강의도 같은 흐름으로 뽑을 수 있다는 사실입니다.

시행착오 — 솔직한 메모

• Vercel 401 → 팀 계정 Deployment Protection 기본 ON. 대시보드에서 해제.

• / 404 → 하위 폴더 + rewrites 조합 실패. HTML을 루트로 이동해 해결.

• 다크 모드 글씨 묻힘 우려 → 라이트 파스텔색을 다크에 재사용하지 않고, 어두운 틴트 + 밝은 글씨로 각각 따로 정의.

• KPI 숫자 잘림 → 카드 폭보다 폰트가 커서 $5~10의 끝자리가 잘림. 폰트 축소 + nowrap으로 해결.

도움이 필요한 부분

이 하네스는 아직 부동산 한 도메인에서만 돌아봤습니다. 스킬 이름도 전부 realtor-*라 어디까지가 진짜 재사용 가능한지 모릅니다. 다음 실험은 완전히 다른 도메인(예: 세무사·피트니스 강사) 한 건을 돌려, "그냥 된 것 vs 고쳐야 한 것"의 차이를 뽑아내는 것입니다. 그 차이가 곧 범용 "강의 공장"의 설계도가 됩니다.

앞으로의 계획

동료 강사 대부분은 개발자가 아닙니다. 그래서 최종 형태는 "강사가 주제만 입력하면 강의가 나오는 공장"이어야 합니다. 도메인 특수 부분을 입력값(브리프)으로 분리하는 작업을 다음 사이클에서 시작합니다.

도움 받은 글

• harness 플러그인 (revfactory/harness, harness-marketplace v1.2.0) — "도메인 한 문장 → 에이전트 팀 + 스킬" 메타 팩토리. 본 하네스 구성의 토대.

• Claude Code (Anthropic, claude.com/code) — 모든 에이전트의 실행 환경. 한국어 자연어 지시만으로 동작.

• gpters 22기 강의자동화 스터디 — "AI를 팀으로 쓴다"는 발상의 출발점. 영상·세션에서 받은 영감을 제 도메인(공인중개사)에 대입했습니다.

• 참고 산출물: 강의 페이지 shinhwa-ai-lecture.vercel.app · 실습 자료 /practice · 발표 대시보드 /dashboard