본문으로 건너뛰기

목표관리 앱이 아니라 실행 루프를 만들었다: GoalGraph 개발기

강진태

2026.08.11

📝 한 줄 요약

Claude Code와 Obsidian으로 만든 아침·집중·마감 루틴의 한계를 출발점으로, 목표·집중 기록·캘린더·남은 기간을 연결해 오늘의 실행량과 주간 재계획을 제안하는 GoalGraph를 만들었다.

바쁘시면 이것만 읽어도 돼요: - 목표: 목표관리 앱이 아니라 실행 루프를 만들었다: GoalGraph 개발기 - 핵심 과정: 목표와 할 일이 흩어져 실행 상태를 보기 어려웠다 → 목표·행동·승인 상태를 한 흐름으로 연결했다 - 검증 경계: 화면만으로 생산성 향상을 검증했다고 표현하지 않는다.

🎯 이런 분께 도움돼요

  • 할 일과 시간 기록은 쌓이는데 우선순위가 달라지지 않는 분

  • 개인 생산성 도구를 직접 개선해보고 싶은 비개발자

  • AI가 단순 요약이 아니라 다음 행동을 제안하게 만들고 싶은 분

😫 문제 상황: 기록은 생겼지만 판단은 여전히 내 몫이었다

이전 사례에서 Claude Code와 인생OS를 연결해 아침 브리핑, 집중 타이머, 하루 마감 루틴을 만들었다. 매일 무엇을 했는지 CSV와 데일리 노트에 남는 것만으로도 큰 변화였다.

하지만 실제로 써보니 두 가지 문제가 남았다. 세션을 종료하지 않으면 타이머가 다음 날까지 이어졌고, 기록이 많아져도 “오늘 어떤 목표에 몇 시간을 써야 하는가”는 내가 다시 판단해야 했다. 목표 문서, 집중 기록, 캘린더, 남은 기간이 서로 떨어져 있었기 때문이다.

💡 원하는 결과

내가 원한 것은 예쁜 대시보드가 아니었다.

목표 정의 → 날짜와 시각 계획 → 집중 실행 → 로그 근거 검토 → 진도 승인 → 페이스 브리핑 → 재계획

이 흐름이 하나로 이어지고, AI가 근거를 보여준 뒤 다음 실행량을 제안하는 개인 운영 도구가 필요했다.

🛠️ 사용한 도구

  • Next.js와 TypeScript

  • 브라우저 내부 저장공간

  • 로컬 집중 로그

  • Google Calendar 바쁨 시간 스냅샷

  • Claude Code·OpenClaw

  • 요구사항 기준선, TO-BE 모델, 추적표, 자동 테스트

  • AI 도구/모델: 현재 공개 근거에서 확인되지 않음

🔧 작업 과정

처음 요청은 기능 목록이 아니라 “기록이 실행으로 이어지지 않는다”는 문제에서 출발했다.

기록만 쌓이는 개인 운영도구를 목표, 집중 실행, 진도 확인, 주간 재계획까지 이어지는 시스템으로 발전시켜줘.

이 요청을 목표 정의, 집중 로그 연결, 진도 승인, 남은 기간 계산, 주간 재계획으로 나눴다. 여기서는 요구사항과 화면, 테스트 결과를 연결해 기능이 많아지는 것보다 실행 루프가 닫히는지를 우선 확인했다.

1. 기능 목록보다 사용자 흐름부터 고정했다

처음에는 목표 카드, 타이머, 캘린더를 각각 만들기 쉬웠다. 하지만 기능이 많아져도 실제 행동이 달라지지 않으면 의미가 없었다. 그래서 요구사항을 “화면에 무엇이 있는가”가 아니라 “사용자가 어떤 근거를 보고 무엇을 결정하는가”로 다시 썼다.

GoalGraph는 목표와 남은 기간을 계산하고, 실제 집중 로그와 주간 가용시간을 비교해 실행 페이스를 보여준다. 진도는 자동 확정하지 않고 사용자가 근거를 검토한 뒤 승인하도록 했다.

2. 로컬 기록과 배포 환경의 경계를 분리했다

Vercel에 배포된 서버는 내 PC의 임시 로그를 읽을 수 없다. 배포 서버의 임시 저장공간을 내 활동 기록처럼 다루면 그럴듯하지만 틀린 결과가 나온다.

그래서 로컬 실행 모드에서만 PC 로그를 판독하고, 배포 모드에서는 그 제약을 명확히 표시했다. 목표와 업무 데이터는 현재 브라우저 내부 저장공간에 저장하도록 했다.

3. 캘린더를 ‘일정 목록’이 아니라 계획 제약으로 사용했다

내 Google Calendar의 바쁨 시간을 스냅샷으로 읽어 계획 가능한 시간을 계산했다. 목표를 나타내는 일정은 다시 자기 자신을 막지 않도록 별도로 구분했다.

새 일정을 쓰는 작업은 자동화하지 않았다. 먼저 일정 초안을 만들고 사용자가 승인한 뒤 실행하며, 실행 후 생성된 일정의 식별번호와 최종 확인 결과를 영수증으로 남기는 구조를 만들었다.

4. 완료 주장보다 추적 가능성을 먼저 만들었다

프로젝트에는 요구사항 기준선, TO-BE 모델, 추적표, 승인 게이트, 사용 가이드가 함께 있다. 테스트·lint·build 명령도 분리했다. 코드가 돌아간다는 사실과 원하는 제품이 맞다는 사실을 구분하기 위해서다.

🧩 막혔던 점

  • 로컬 로그와 배포 서버 로그를 같은 데이터처럼 다룰 수 없었다.

  • 목표 일정과 실제 바쁨 일정을 구분하지 않으면 자기 일정끼리 충돌했다.

  • 자동 진도 판정은 편하지만 잘못된 로그가 목표 상태를 바꿀 위험이 있었다.

  • 캘린더 쓰기는 편의성보다 승인과 검증이 더 중요했다.

해결 원칙은 간단했다. 불확실한 데이터는 자동 확정하지 않고, 로컬과 배포의 경계를 숨기지 않으며, 외부 쓰기에는 승인과 영수증을 둔다.

✅ 결과

  • 목표·집중 기록·남은 기간·주간 가용시간을 한 흐름에서 다루는 GoalGraph가 만들어졌다.

  • 일정 충돌을 고려한 계획과 사용자 승인형 캘린더 쓰기 구조가 생겼다.

  • 요구사항과 구현을 연결하는 문서와 테스트가 남았다.

  • 기존 인생OS 사례의 “북극성 매트릭스를 개선하겠다”는 다음 계획이 실제 제품으로 이어졌다.

아직 실제 장기 사용 데이터로 생산성 향상을 입증한 단계는 아니다. 지금 확인할 수 있는 성과는 문제를 재현하고, 동작하는 제품과 검증 구조까지 만들었다는 것이다.

Before vs After

항목

Before

After

작업 방식

목표와 할 일이 흩어져 실행 상태를 보기 어려움

목표·행동·승인 상태를 한 흐름으로 연결

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

  • 기록은 출발점이고, 행동을 바꾸려면 기록과 목표 사이에 판단 규칙이 필요하다.

  • AI 자동화는 승인 지점을 없애는 것이 아니라 어디에 둘지 설계하는 일이다.

  • “배포됐다”와 “내 실제 데이터를 정확히 쓴다”는 전혀 다른 주장이다.

  • 요구사항 추적표는 문서 작업이 아니라 기능이 원래 목적에서 벗어나지 않게 하는 안전장치다.

이렇게 하면 안 돼요

화면이 보기 좋다는 이유만으로 생산성 향상이 검증됐다고 표현하지 않는다.

🌍 다른 업무에 적용한다면?

개인 학습계획, 습관관리, 팀 OKR의 실행 상태 추적에도 적용할 수 있다.

🚀 다음 계획

실제 사용 기간을 늘려 추천 계획과 실제 실행의 차이를 기록하고, 미종료 세션 자동 감지와 주간 회고 품질을 검증할 예정이다.

📋 재사용 프롬프트

내가 현재 사용하는 생산성 루틴은 [루틴 설명]이야. 기록은 [데이터 위치]에 남지만, 다음 행동을 정하는 데 연결되지 않아.

  1. 목표, 실제 기록, 남은 기간, 가용시간 사이의 관계를 정의하고

  2. 사용자가 확인해야 하는 판단과 자동화 가능한 판단을 나누고

  3. 핵심 사용자 흐름, 실패 경로, 승인 지점을 포함한 TO-BE 모델을 작성해줘. 기능 이름보다 관찰 가능한 행동을 기준으로 써줘.

🖼️ 게시 전 체크

  • GoalGraph 메인 화면과 주간 재계획 화면 캡처

  • 기존 인생OS 화면과 비교 이미지

  • 테스트 실행 결과 캡처

  • 실제 사용 1주 후 계획 대비 실행률 추가

추천 이미지: - 문제 상황: 기존 방식의 불편을 보여주는 합성 화면 - 작업 과정: 입력→판단→검증 흐름도 - 결과: 실제 정보가 제거된 합성 결과 화면

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

Giacomo 프로필 이미지
Giacomo2026.08.16

GoalGraph가 목표 카드·타이머·캘린더를 한 화면에 모은 앱에 그치지 않은 이유는 ‘사용자가 어떤 근거를 보고 무엇을 결정하는가’를 먼저 고정했기 때문이네요. 목표와 남은 기간, 집중 로그, 주간 가용시간을 비교해 실행 페이스를 제안하되 진도는 사용자가 근거를 본 뒤 승인하도록 둔 흐름이 분명합니다.

로컬 실행에서만 PC 로그를 읽고 배포 화면에서는 그 제약을 드러낸 점, Calendar 쓰기를 초안→승인→실행→식별번호·최종 확인 영수증으로 나눈 점도 좋았어요. 실제 장기 사용 데이터로 생산성 향상을 아직 확인하지 못했다고 선을 긋고, 추천 계획과 실제 실행의 차이 및 미종료 세션을 다음 검증 대상으로 남겨 화면 완성과 효과 주장을 분리했습니다.

기록을 자동 점수로 바꾸기 전에 사람의 검토 자리를 지킨 판단이 믿음직했습니다. 자동화보다 승인과 데이터 경계를 먼저 둔 선택이 GoalGraph를 믿고 조정할 수 있는 실행 도구로 바꿔 놓았어요.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요