주제 선정부터 영상 스크립트까지 자동화 파이프라인: AI 기반 멀티 관점 콘텐츠 생성 시스템 구축기
2026.06.01
소개
시도하고자 했던 것과 그 이유
핵심 동기: 콘텐츠를 만들기 전에 다양한 관점에서 주제를 깊이 있게 토론하고, 자신의 시각을 확장한 상태에서 콘텐츠를 제작하고 싶었습니다.
구체적인 배경:
문제점: 혼자서는 다양한 관점의 토론 불가능
아이디어: AI 페르소나를 만들면 이를 해결할 수 있겠다는 생각
실행: 실존 인물들의 정보 기반으로 페르소나 생성
확장: "하는 김에" 자동화까지 확장 (주제 선정 → 토론 → 리포트 → 스크립트)
최종 목표: 현재는 미완성이지만, 영상의 특징을 설정하고 트렌드까지 반영해서 최종 시나리오가 자동으로 생성되도록 하는 것이 궁극의 목표입니다.
오늘의 성과: 토론 생성부터 시나리오/스크립트까지 자동화된 파이프라인을 완성.
진행 방법
사용한 도구와 변화
단계 | 도구 | 역할 | 특징 |
|---|---|---|---|
주제 검색 | WebSearch | 최신 트렌드 주제 발굴 | 실시간 정보 기반 |
콘텐츠 생성 | 다중 LLM (Claude, Gemini 등) | 토론, 리포트, 스크립트 작성 | 각 LLM의 장점 활용 |
프롬프트 설계 | 여러 LLM으로 반복 수정 | 최적화된 지침 작성 | 예: Gemini로 YouTube 기반 리서치 |
저장소 | Obsidian + Markdown | 페르소나, 토론, 스크립트 저장 | UTF-8 인코딩 (한영 지원) |
도구 선택 철학: 각 LLM의 장점을 살리기 위해 여러 도구를 조합 활용했습니다.
특정 주제는 특정 LLM이 더 강함
예: YouTube 기반 리서치는 Gemini 활용
프롬프트도 LLM별로 최적화
핵심 초기 프롬프트 전략
LLM에게 요청하는 방식:
1. 큰 계획 수립 요청
→ LLM에게 "이 일을 하려면 어떤 단계가 필요한가?"
→ 전체 로드맵 생성
2. 스텝 바이 스텝 가이드 요청
→ 각 단계별로 구체적인 실행 방법 제시
→ 따라가기만 하면 됨
3. 제약 조건 명시
→ 초기: "어렵다", "못한다" → AI가 막힘
→ 개선: "돈 안 들고 당장 할 수 있는 방법으로"
→ 결과: AI가 창의적 해법을 찾아줌
프롬프트 엔지니어링 팁: 제약 조건을 명확히 하면 AI가 더 나은 솔루션을 찾아줍니다.
소요 시간 및 환경
항목 | 내용 |
|---|---|
작업 기간 | 2026-05-30 ~ 2026-05-31 (2일) |
하루 소요 시간 | 3분 (자동화 후) |
완료 파일 | 9개 패널 프로필 + 토론 + 2개 스크립트 (한영) |
핵심 개선: 혼자서는 불가능했던 토론이 가능해짐
결과와 배운 점
성공한 부분
항목 | 상태 | 의의 |
|---|---|---|
패널 프로필 생성 | ✅ 완료 (9명) | 실존 인물 기반의 일관된 페르소나 |
토론 자동화 | ✅ 완료 | 다양한 관점의 자연스러운 대화 생성 |
자동화 파이프라인 | ✅ 완료 | 주제 선정 → 토론 → 스크립트 자동 흐름 |
스크립트 생성 | ✅ 완료 (2개) | 한영 이중언어, 바로 사용 가능 수준 |
가장 만족스러웠던 순간
첫 스크립트가 완성되었을 때
💡 핵심 포인트:
- 내용 자체는 아직 개선 필요
- 하지만 "토론이 되었다"는 것 자체가 기쁨
- 불가능했던 것이 가능해짐
여전히 미해결된 부분
❌ 미완성 영역
1. 영상의 특징 설정
└─ 자신의 콘텐츠 스타일을 시스템에 반영
2. 트렌드 반영 심화
└─ 더 세밀한 트렌드 분석 및 반영
3. 최종 시나리오 자동 생성
└─ 스크립트 → 바로 촬영 가능한 수준의 시나리오
🔄 진행 중인 상태
다양한 접근법 실험 중
추가 개선 방안 고민 중
"더 나은 방법"을 계속 모색 중
개발 과정의 핵심 배움
1️⃣ AI와의 효과적인 협력 방식
처음 실수:
❌ "이거 어렵지 않나요?"
❌ "이 방법은 비싸지 않나요?"
→ AI가 막히거나 비싼 방법만 제시
개선된 방식:
✅ "돈 안 들고 당장 할 수 있는 방법으로 알려달라"
→ AI가 창의적 해법을 찾아줌
교훈: 제약 조건을 명확히 하면 AI가 더 나은 솔루션을 제시합니다.
2️⃣ 학습을 병행한 작업 방식
효과적인 프로세스:
Step 1: LLM에게 큰 계획 수립 요청
→ 전체 로드맵 파악
Step 2: 스텝 바이 스텝 실행
→ LLM의 가이드 따라가기
Step 3: 각 단계마다 학습
├─ "왜 이렇게 하나?" 질문
├─ 모르는 개념 물어보기
└─ 단순 실행이 아닌 "이해" 기반 진행
결과: 일을 하면서 동시에 배움 🎯
이 방식이 가장 효율적이고 만족스러웠습니다.
3️⃣ 다중 LLM 활용의 가치
실행 전략:
각 LLM의 장점을 파악
용도별로 다른 LLM 선택
프롬프트를 LLM별로 최적화
예시:
YouTube 기반 리서치 → Gemini
깊이 있는 분석 → Claude
창의적 아이디어 → 다양한 조합
어려웠던 점과 극복 과정
🔴 가장 어려웠던 부분
"AI가 자꾸 '못한다'고 할 때"
초기:
AI: "이건 어렵습니다" / "비싼 방법만 있습니다"
나: 막힘
개선:
나: "돈 안 들고 당장 할 수 있는 방법으로"
AI: 창의적인 해법 제시 ✅
극복 방법: 제약 조건을 명확히 제시 → AI의 제약 사고 깨기
앞으로의 계획
🎯 다음 단계 (최종 목표)
현재:
토론 → 스크립트 완성
추가할 것:
├─ 영상 트렌드 반영
├─ 자신의 영상 제작 형식 정의
└─ 이를 파이프라인에 추가
최종 결과:
→ 바로 촬영에 사용 가능한 시나리오 자동 생성! 🎬
📅 구체적 계획
Phase 1 (진행 중):
영상의 특징/형식 정의
트렌드 반영 방식 정제
Phase 2 (예정):
최종 시나리오 자동 생성 구현
촬영팀 바로 사용 가능 수준 완성
Phase 3 (원전):
매일 자동화된 파이프라인 운영
지속적인 콘텐츠 생성
도움 받은 글
참고: GPTers에서 보고 들은 지식과 경험을 바탕으로 진행했습니다.
최종 결론
이번 프로젝트의 가치
🎯 기술적 성취
✅ AI 페르소나
✅ 토론 생성 자동화
✅ 다중 LLM 조합 활용
✅ 마크다운 기반 파이프라인
💡 본질적 성취
✅ 불가능 → 가능으로
✅ 혼자 → 다양한 관점으로
✅ 오래 걸리는 작업 → 시간 절감
✅ 일하면서 배우기
가장 중요한 배움
1. AI와의 협력 방식
"안 된다" 대신 "제약 조건으로"
창의적 해법 유도 가능
2. 효율적인 작업 프로세스
큰 계획 수립 → 스텝 바이 스텝 실행
각 단계마다 "왜?"를 묻기
일하면서 배우기
3. 지속적 개선의 중요성
완벽함 추구 X, 그냥 우선 실행
계속 고민하고 발전시키기 O
불완성도 의미 있음
부록: 생성된 결과물
프로젝트 구조
E:\AI-OS\00-personas\
│
├─ 📋 패널 프로필 (9명)
│ ├─ Raphael Rashid (UK, 비판적 저널리스트)
│ ├─ Alberto Mondi (Italy, 긍정적 문화 대사)
│ ├─ Tyler Rasch (USA, 언어 전문가)
│ ├─ David Tizzard (UK, 학문적 연구자)
│ ├─ Daniel Tudor (UK, 경제/역사 분석가)
│ ├─ Colin Marshall (USA, 철학적 비평가)
│ ├─ Sayuri Fujita (Japan, 미디어 인물)
│ ├─ CedarBough Saeji (USA, 퍼포먼스 연구자)
│ └─ Akihiro Kuroda (Japan, 정치 해설가)
│
├─ 📋 토론 분석
│ └─ discussion-report (주제별)
│
├─ 📋 자동 스크립트 (완료)
│ ├─ trend-2026-05-30.md
│ ├─ script-2026-05-30.md
│ ├─ trend-2026-05-31.md
│ ├─ script-2026-05-31-KO.md
│ └─ script-2026-05-31-EN.md
│
└─ 📋 추적 & 관리
└─ used-topics.md (중복 방지)
시스템의 일일 효율성
전통적 방법:
1. 주제 선정 (1시간)
2. 리서치 (3-4시간)
3. 토론 기록 (불가능 - 혼자서)
4. 스크립트 (2-3시간)
총: 6-8시간 (토론 없음)
이 시스템:
1. 사용자 명령 (5초)
2. 자동 처리 (2-3분)
3. 바로 사용 가능
총: 3분 (모든 것 포함)
효율성: 매우 높음 📈
로그인하고 댓글을 남겨 주세요
'돈 안 들고 당장 할 수 있는 방법'이라는 제약 조건을 오히려 창의적 프롬프트로 활용한 발상, 단순히 AI를 '쓰는' 게 아니라 '어떻게 질문하느냐'를 설계한 거였군요!! 🔥
9명의 실존 인물 기반 AI 페르소나가 서로 토론하게 만들고, 그 결과물을 한영 이중언어 스크립트로 연결하는 흐름— 파이프라인 설계 자체가 하나의 프롬프트 엔지니어링 작품처럼 느껴졌어요. Claude + Gemini 다중 LLM 조합을 2일 만에 완성했다는 것도 꽤 인상적이었는데, 혹시 페르소나별로 LLM을 다르게 배정해서 답변 다양성을 높이는 방향은 시도해 보셨어요? (왠지 더 다이나믹할 것 같....)
하나더 궁금한게 토론 결과물이 항상 기대한 퀄리티로 수렴하던가요, 아니면 '엉뚱한' 방향으로 튀는 케이스도 있었는지 궁금합니다 😊
이런 설계 과정 공유해 주시면 같이 자극받고 배우는 분들이 정말 많을 것 같아요. 다음 빌드기도 기대할게요!




패널9명이 병렬로 토론하면 장난 아니겠어요 ㅎㅎ