🏆 AI스터디 19기 2주차 베스트 사례 큐레이션 - 비즈니스&마케팅

📚 19기 뇌과학

✍️ 🧡평범한 홈페이지를 인지과학 기반 재설계로 도파민 터지는 매력 홈피가 되는 before & after🧡

두드림1004

하려던 것 📝

뇌과학·인지심리 기반으로 운픽 홈페이지를 재설계한 사례

• 기존 정보 나열형 구조를 행동 유도형 구조로 전환함

• 사용자의 내적 의구심을 UI/UX 자체가 유발하도록 설계함

• 인지심리학 50개 원리를 바이탈·아로마 브랜드 세계관에 적용함

• CTA 중심의 도파민 흐름 기반 퍼널 구조를 구축함

활용한 툴 ⚒️

• GPT-5.1: 기존 홈페이지 진단, 인지심리학 원리 기반 UX 재설계, 구조 제안

• 기존 운픽 홈페이지 PDF: 현재 상태 분석 자료로 활용

• 뇌과학·인지심리학 50가지 원리 목록: 사용자 행동 유도 설계 기준으로 활용

진행 세부 내용 🔍

1️⃣ 기존 홈페이지 진단

• 운픽 메인 페이지 PDF를 GPT에 업로드하여 분석을 요청함

• '사용자 행동을 일으키는 인지적 요소가 무엇이 부족한지' 진단받음

• 정보 나열형 구조로 인한 인지 부하 증가 문제를 발견함

• 핵심 CTA(바이탈 진단)가 페이지 중단 이후에 위치하여 사용자 이탈 가능성이 높음을 확인함

2️⃣ 인지심리학 원리 적용 설계

• 뇌과학·인지심리학 50가지 원리를 GPT와 함께 검토함

• 기대감 엔진, 호기심 갭, 자이가르닉 효과, 선택의 역설, 보상 예측 오류, 목표구배 효과 등을 선정함

• 운픽 브랜드 세계관(운·바이탈·아로마)과 각 원리를 연결하여 적용 방안을 구상함

• 다음 프롬프트를 사용하여 전체 구조 재설계를 요청함:

``` 운픽(WoonPick) 홈페이지를 뇌과학·인지심리 기반으로 완전히 재구성해주세요. 기대감 엔진, 보상 예측 오류, 목표구배 효과, 선택의 역설, 호기심 갭, 자이가르닉 효과 등 50개 심리 원리를 적용해 CTA 중심 퍼널 구조로 만드세요. Hero → 30초 바이탈 진단 → 결과 미리보기(부분공개) → 아로마 추천 → 후기 → 구독 이 흐름대로 UX를 재설계해주세요. ```

3️⃣ 새로운 UX 구조 설계

• Hero 섹션에서 CTA를 가장 먼저, 가장 크게 노출하도록 변경함

• 헤더에 '내 바이탈 지수 무료 분석하기' 버튼을 금색 Glow 디자인으로 강화함

• 바이탈 진단 결과를 부분 공개(Blur 처리)하여 호기심 갭을 생성함

• '오늘 당신의 바이탈은 Awaken 단계입니다' + 사회적 비교 요소('비슷한 바이탈 18%') 추가함

• MBTI 16개 전체 노출 대신 바이탈 기반 아로마 1~3개만 추천하도록 수정함

• 후기에 '97%가 4주 안에 변화를 느꼈습니다' 등 정량+정성 데이터를 배치함

• 구독 패키지는 'Most Popular' 태그로 Standard 플랜을 Gold 강조 처리함

4️⃣ Before/After 비교 분석

• 정보 중심 → 행동 중심 구조로 전환됨을 확인함

• 제품 소개 우선 → 바이탈 진단 우선 순서로 변경됨

• 긴장감 없음 → 호기심+기대감 유도 구조로 개선됨

• 선택 과다 → 선택 최소화로 인지 부하 감소 효과를 검증함

• 구매까지의 복잡한 경로 → 자연스러운 구독 전환 흐름을 설계함

시행착오 ⚠️

• 처음에는 정보를 많이 넣는 것이 친절하다고 생각했으나, 오히려 인지 부하와 이탈을 높인다는 사실을 깨달음

• MBTI와 아로마 내용을 메인에 길게 나열한 것이 브랜드의 핵심인 '바이탈 진단'을 묻어버렸다는 점을 반성함

• 정보 중심 카탈로그 형태가 사용자가 어디서 무엇을 해야 하는지 모르게 만든다는 문제를 발견함

배운 점 📚

• 홈페이지는 예쁜 것이 아니라 '뇌가 반응하는 구조'여야 한다는 것을 체득함

• 사용자가 클릭하는 이유는 디자인이 아니라 인지적 긴장감이라는 사실을 확인함

• '운이 깨어나는 경험'은 텍스트가 아니라 인터랙션 자체가 만들어야 한다는 인사이트를 얻음

• 브랜드 페이지도 결국 '신경과학적인 사용자 행동 디자인'이라는 것을 다시 확신함

• 결과를 바로 보여주는 것보다 부분 공개로 심리적 갈증을 만드는 것이 전환률을 높인다는 것을 발견함

• 선택지가 많을수록(MBTI 16개) 사용자는 오히려 아무것도 선택하지 않게 된다는 선택의 역설을 실감함

향후 계획 🧭

• GPT가 설계해준 UX 구조대로 Figma Hi-Fi 디자인을 제작할 예정임

• Readdy로 실제 페이지를 구축한 후 유저 행동 데이터를 측정할 계획임

• A/B 테스트를 진행하여 Before/After 구조의 실제 전환율 차이를 검증할 예정임

• 운픽 홈페이지 자체가 '인지심리학 기반의 웰니스 브랜드'라는 정체성을 UI/UX에서도 완성시킬 계획임

도움이 필요한 점 🤝

내용이 부족하여 요약하지 못했습니다

📚 19기 투자자동화

✍️ 투자 자동화를 위한 첫 걸음, EA 연결 부터 해봐요 (Feat. Mac환경)

수빙

하려던 것 📝

• EA를 활용하여 외환 자동매매 시스템을 구축한 사례

• AI를 활용한 투자 방법을 학습하고 외환시장에서 자동매매 시스템을 직접 구축함

• 데모 계좌를 통해 안전하게 자동투자 환경을 세팅하고 EA를 MT4에 연결하여 실제 작동을 확인함

활용한 툴 ⚒️

• Claude Code : EA(Expert Advisor) MQL4 코드 작성, 컴파일 에러 수정

• MetaTrader 4 (MT4) : 외환 자동매매 플랫폼, EA 실행 환경

• Vantage : 데모 계좌 개설 및 거래 플랫폼 제공

진행 세부 내용 🔍

1️⃣ 투자 시장 조사 및 방향성 설정

• 한국투자증권, 대신증권, 미래에셋증권, 삼성증권 등 주요 증권사의 AI 투자 활용 현황을 조사함

• 투자 성공 공식(시장 크기 × 전략 × 타이밍)을 기준으로 AI 자동투자에 적합한 시장을 분석함

• 주식시장(거래시간 한정, 뉴스 반응 과민), 코인시장(변동성 과다, 불확실성 높음)의 문제점을 파악함

• 외환시장이 거래 빈도 높고, 변동성 적절하며, 예측 가능성이 있어 AI 자동투자에 최적화되어 있다고 결론 내림

2️⃣ EA(Expert Advisor) 개념 학습

• MetaTrader 4/5 플랫폼에서 작동하는 자동 거래 프로그램인 EA의 역할을 이해함

• MQL4/MQL5 언어로 작성되며 24시간 자동 거래가 가능함을 확인함

• Plug & Play 방식으로 설치 후 설정만 하면 자동으로 매수/매도를 수행하는 구조를 파악함

• AI가 전략을 세우고 EA가 실제 거래를 실행하는 협업 구조를 이해함

3️⃣ 데모 계좌 개설

• Vantage + MT4 조합으로 데모 계좌 3개를 개설함

• 거래 플랫폼: MetaTrader4, 계좌 유형: RAW ECN, 계좌 통화: USD, 레버리지: 500:1로 설정함

• 계좌 잔액을 25000, 10000, 5000으로 각각 다르게 설정하여 총 3개 계좌를 생성함

• 이메일로 MT4 Login ID, MT4 Password, MT4 Server 정보를 수신함

4️⃣ MT4 설정 및 데모 계좌 로그인

• MT4를 실행하고 EURUSD.H4(4시간 봉) 차트를 오픈함

• 탐색기 → 계좌 우클릭 → 거래계좌 로그인 경로로 로그인 창을 열음

• Windows 환경에서는 VantageInternational-Demo 서버가 바로 표시되지만 Mac 환경에서는 표시되지 않는 문제를 발견함

5️⃣ Mac 환경 서버 문제 해결

• 상단 메뉴바에서 파일 → 계좌 신청을 클릭함

• 거래 서버 검색창에 'Vantage'를 직접 입력하여 서버 스캔을 실행함

• VantageInternational-Demo 서버를 찾아 선택하고 데모 계좌 로그인에 성공함

6️⃣ EA 코드 작성

• Claude에게 다음 요구사항으로 MQL4 코드 작성을 요청함:

• 30년 경력 퀀트 트레이더 역할

• Ray Dalio의 All Weather Portfolio 철학과 Jim Simons의 통계적 차익거래 전략 결합

• 레버리지 10배 이하, 손절 2%, 익절 5% 기준

• 로트 사이즈 0.01로 시작

• EURUSD 기준, 사용자 변경 가능하도록 파라미터화

• 모든 코드에 한글 주석 포함

• 골든크로스 전략(MA(5)와 MA(20) 골든크로스 시 매수, 데드크로스 시 매도)을 선택함

• Claude로부터 .mq4 파일을 생성받음

7️⃣ EA 컴파일 및 설치

• MT4에서 도구 → 언어편집기(F4)를 눌러 에디터 창을 오픈함

• 생성된 .mq4 파일을 에디터에 붙여넣고 F7 또는 컴파일 버튼을 클릭함

• 컴파일 에러 발생 시 Ctrl + C로 에러 메시지를 복사하여 Claude에게 수정 요청함

• 컴파일 성공 후 .ex4 파일이 자동 생성됨을 확인함

• 파일 → 데이터 폴더 열기 → MQL4 → Experts 경로에 .ex4 파일을 붙여넣음

• MT4를 재시작하거나 탐색기에서 새로고침하여 EA 목록에 표시되도록 함

8️⃣ EA 활성화 및 실행

• 도구 → 옵션 → Expert Advisors 탭에서 '자동 거래 허용' 및 '라이브 거래 허용'을 체크함

• 차트에 EA를 드래그하여 붙임

• 팝업 설정창에서 '자동 거래 허용'을 확인함

• 차트 오른쪽 상단에 웃는 얼굴 😃 아이콘이 표시되어 EA 연결 성공을 확인함

📚 19기 자동지식저장소

✍️ Selector 찾아서 특정 기사 MAKE로 가져오기(예: aljazeera.com)

도시아재

하려던 것 📝

• 중동 언론 알자지라 특정 섹션 기사를 자동 수집하여 구글드라이브에 저장한 사례

• 19기 OT에서 얻은 인사이트를 바탕으로 알자지라 홈페이지의 특정 섹션 기사를 추출함

• 수집한 뉴스 데이터를 가공하고 구글드라이브에 텍스트 파일로 저장하여 향후 배포 및 활용 기반을 마련함

활용한 툴 ⚒️

• MAKE : 자동화 워크플로우 구축 및 모듈 연결

• ChatGPT : 특정 섹션 기사 추출 및 내용 요약

• Comet browser : AI Agent 기능을 활용한 웹페이지 selector 탐색

• Google Drive : 수집한 기사 데이터 저장

진행 세부 내용 🔍

1️⃣ HTTP 모듈로 웹페이지 데이터 수집

• make.com에 접속하여 HTTP 모듈을 첫 번째로 배치함

• 알자지라 홈페이지 URL(https://www.aljazeera.com)을 입력함

• Method는 'GET', Parse response는 'Yes'로 설정하여 웹페이지 전체 데이터를 가져옴

2️⃣ ChatGPT 모듈로 특정 섹션 기사 추출

• ChatGPT 모듈을 추가하여 원하는 섹션의 기사만 필터링함

• 스터디장님이 제공한 프롬프트와 샘호트만님의 챗봇을 활용하여 프롬프트를 설계함

• Comet 브라우저의 AI Agent 기능을 활용하여 selector를 찾음

• F12를 통한 수동 탐색 대신 Comet에서 'selector를 찾아달라'고 요청하여 효율적으로 찾아냄

3️⃣ Iterator 모듈로 데이터 분리

• Iterator 모듈을 배치하여 10개 묶음으로 들어온 링크를 1개씩 분리함

• Array Aggregator의 반대 개념으로 데이터를 개별 처리 가능하도록 변환함

• 출력된 링크에서 공통 주소(도메인)가 누락된 문제를 발견함

4️⃣ HTTP 모듈로 본문 내용 수집

• 두 번째 HTTP 모듈을 추가하여 각 기사의 본문 내용을 가져옴

• 이전 단계에서 누락된 공통 주소를 수동으로 추가하여 완전한 URL 형식으로 수정함

• 모듈 맵핑 전 이전 모듈의 데이터 형식을 확인하는 습관을 적용함

5️⃣ ChatGPT로 기사 요약 및 정리

• ChatGPT Generate a compilation 모듈을 선택함

• 제공된 프롬프트를 입력하여 기사 내용을 요약하고 정리함

6️⃣ Google Drive에 파일 저장

• Google OAuth 인증 절차를 완료함

• GD 모듈에서 원하는 폴더를 설정함

• 파일명을 '날짜+기사제목' 조합으로 설정하여 TXT 형식으로 저장함

7️⃣ Sleep 모듈 추가로 안정성 확보

• 섹션의 기사가 많을 경우 전체 기사를 가져오지 못하는 문제 발생함

• Sleep 모듈을 추가하여 10초 전후 대기 시간을 설정함

• 모든 섹션 기사를 완전히 수집할 수 있도록 개선함

📚 19기 CRM자동화

✍️ Ep1. 구글앱스크립트를 활용한 이메일 작성 자동화 해보기

윤생강

하려던 것 📝

구글앱스스크립트로 기부제안 이메일 작성을 자동화한 사례

• 비영리단체 기부 제안 업무의 효율화를 위해 자동화 시스템을 구축함

• 대략적으로 작성한 메일 내용을 AI가 상황에 맞게 개선하고 발송하는 기능을 만듦

• 구글앱스스크립트와 Gemini API를 활용해 이메일 자동 작성 기능을 개발함

활용한 툴 ⚒️

• ChatGPT: 구글앱스스크립트 코드 작성을 위한 바이브코딩

• Gemini API: 이메일 내용 자동 생성

• Google Apps Script: 구글시트 자동화 도구

• Google Sheets: 데이터 입력 및 결과 출력

진행 세부 내용 🔍

1️⃣ 사전 준비 작업

• 구글 제미나이 API KEY를 발급받아 입력함

• 구글 앱스스크립트의 '톱니바퀴'를 눌러 속성에 'GEMINI_API_KEY' 입력함

• 구글 AI 스튜디오에서 'get api key'로 API KEY를 가져와 넣어줌

• 구글시트에 'C6: 핵심내용', 'C7: 프롬프트', 'C8: 제목', 'C9: 내용' 구조로 셀을 준비함

2️⃣ 이메일 작성 프롬프트 만들기

• C7 셀에 들어갈 이메일 작성 프롬프트를 별도로 작성함

• 대충 작성한 내용을 멋스럽게 개선해주기를 바라는 내용으로 프롬프트를 구성함

• 시트에 미리 테스트용 내용을 입력함

3️⃣ ChatGPT를 활용한 코드 작성

• '너는 구글 앱스스크립트 코드를 짜야해. 내 구글시트 이메일작성이라는 시트에 C6에 핵심내용, C7에 프롬프트를 넣을거고, 이 두 정보를 가지고 제미나이 API를 이용해서 C8에 제목, C9에 내용을 넣는 코드를 짜줘'라는 프롬프트를 입력함

• Gemini API 퀵스타트 페이지 전체를 복사하여 AI에게 참고 범위를 지정해줌

• 스마트칩 기능에 대해 추가 설명함: 'c7에는 프롬프트가 스마트칩으로 다른 구글독스에 연결돼있어. Google Sheets API를 추가해서 가져와야해'

• 구글 앱스스크립트 서비스 탭에서 구글 시트 서비스를 추가함

4️⃣ 오류 해결 과정

• 첫 실행 시 에러가 발생함

• ChatGPT에 에러 내용을 물어봄

• 시트 이름을 못 읽는 문제였음을 확인함

• 시트 이름을 '구글시트 이메일작성'에서 '이메일작성'으로 수정함

• 수정 후 프롬프트로 결과값이 성공적으로 생성됨

📚 19기 비즈니스로드맵

✍️ 점심시간 막간을 이용해 IMI 작업공간과 나의 PKM 시스템을 커스터마이징한 상큼한 월요일

정혜지

하려던 것 📝

5,000개 이상의 Obsidian Vault를 IMI 작업공간으로 통합한 사례

• 기존 Obsidian 기반 PKM 환경(5,177개 파일, 4.18GB)을 IMI 작업공간과 병합하여 CLI 기반의 체계적이고 자동화 가능한 새로운 PKM 시스템을 구축함

• 복잡해진 정보 구조를 더욱 명료하고 효율적인 워크플로우로 개선함

• 안정성과 품질을 우선하여 단계적으로 시스템을 통합함

---

활용한 툴 ⚒️

• Claude Code : Merge 작업 전반의 구조 예측, 선택지 제시, 단계별 진행 지원

• Cursor : 기존 PKM 환경 운영 및 코드 작성

• Obsidian : 기존 PKM 시스템 운영 및 Vault 관리

• IMI 작업공간 : 새로운 CLI 기반 워크플로우 구축

---

진행 세부 내용 🔍

1️⃣ 기존 Vault 복제 및 안전한 테스트 환경 구축

• 5,177개 파일(4.18GB)의 대규모 Obsidian Vault 전체를 로컬에 복사함

• 원본 데이터 손실 방지를 위해 실험용 공간을 별도로 만들어 안전하게 작업을 진행함

• 한 번에 변경하지 않고 단계적 테스트가 가능한 환경을 확보함

2️⃣ IMI 작업공간 구조 및 기능 분석

• IMI 작업공간의 구조와 기능을 상세히 살펴보며 기존 PKM 방식과의 연결점을 파악함

• CLI 기반 설계의 자동화 및 명료한 워크플로우 가능성을 확인함

• 기존 Obsidian의 맥락 기반 구조와 IMI의 논리적 구조를 비교 분석함

3️⃣ Claude Code 기반 단계별 Merge 진행

• 작업 속도보다 품질과 안전성을 우선하여 한 단계씩 진행함

• 실행 전 Claude Code를 통해 구조를 예측하고 가능한 선택지를 제시받음

• 제시된 옵션 중 최적의 방향을 직접 결정하여 진행함

• 작은 조각들도 꼼꼼히 확인하며 검증함

4️⃣ 폴더 구조 통합 및 재설계

• IMI 작업공간의 논리적 구조와 Obsidian의 맥락 기반 구조를 비교 분석함

• 두 시스템의 장점을 모두 살릴 수 있는 통합 구조를 설계함

• CLI 기반 워크플로우를 중심으로 체계적이고 자동화 가능한 시스템으로 재구성함

---

📚 19기 블로그마케팅

✍️ 블로그 글 재활용과 이미지 자동화를 AI로 해결한 방법 (codex + 나노바나나 활용기)

효승

하려던 것 📝

• 지역 키워드 기반 블로그 콘텐츠를 자동 생성한 사례

• 블로그 운영 시 반복되는 키워드와 콘텐츠를 효율적으로 재생산함

• 비슷한 글을 매번 새로 작성하는 노가다 작업을 줄이고자 함

• 네이버 이미지 중복 패널티를 피하면서 일관된 이미지를 생성함

• SEO를 유지하되 중복 없이 빠르게 글을 생성함

활용한 툴 ⚒️

• Claude : 기존 글, 문체, 콘텐츠 학습 및 지역 키워드 기반 자동 글 생성

• Codex AI + Visual Studio : 블로그 전체 글 크롤링 및 데이터 추출

• 나노 바나나 : 기존 이미지 변형을 통한 중복 방지 및 유사 톤 유지

• Grock : 향후 영상 콘텐츠 제작 계획

진행 세부 내용 🔍

1️⃣ 블로그 글 크롤링 작업

• 스터디 멤버들의 인사이트를 듣고 Codex AI와 Visual Studio 조합을 시도함

• 2024년부터 최근까지 작성한 블로그 글 전체를 크롤링함

• 처음 요약 버전을 받았으나 풀 버전으로 다시 요청함

• 엑셀 형식이 불편해 워드 형식으로 재요청함

• 기존에는 블덱스나 블연플 같은 유료 프로그램에서 글을 찾아 들어가 본문만 복사하는 수작업이 필요했으나, 이 방법으로 10개 글을 가져오는 작업을 훨씬 쉽게 처리함

2️⃣ Claude 프로젝트 구성

• 크롤링한 데이터를 Claude 프로젝트에 업로드하여 지식 베이스를 구축함

• 워드 형식으로 추출한 데이터를 올렸을 때 제목이 깨지는 현상이 발생했으나, 전체적인 작업 효율은 크게 향상됨

• 기존 글, 문체, 콘텐츠를 학습시켜 지역 키워드만 바꿔서 자동 생성하도록 프롬프트를 구성함

• 부산 손해사정사, 해운대 손해사정사, 수영구 손해사정사, 교통사고 손해사정사, 암진단금 전문 손해사정사 등의 키워드로 테스트함

3️⃣ 이미지 자동화 작업

• 민트베이님의 프롬프팅 -> 레퍼런스 참고 작업 전환 인사이트를 적용함

• 기존에 GPT로 만든 만화를 삽입했으나 시간이 오래 걸리고 일관성이 떨어지는 문제가 있었음

• 나노 바나나를 활용하여 기존 이미지를 변형하는 방식으로 전환함

• 중복을 피하면서도 유사한 톤을 유지할 수 있게 됨

📚 19기 마케팅자동화

✍️ Lindy AI를 이용해서 Google Spreadsheet 변동내역을 Slack으로 전송하기 (자동으로 + 원할때 마다)

고석영

하려던 것 📝

• 구글 스프레드시트의 부서운영비 잔액을 슬랙으로 자동 전송하는 AI Agent를 만든 사례

• 매번 구글 스프레드시트에 접속해 부서운영비 잔액을 확인하는 번거로움을 해결하고자 함

• 슬랙에서 바로 잔액을 확인할 수 있도록 자동화하여 업무 효율성을 높이고자 함

• 매주 정기적으로 그리고 필요 시 요청할 때마다 잔액을 알려주는 시스템을 구축하고자 함

활용한 툴 ⚒️

• Lindy AI: 구글 스프레드시트와 슬랙을 연결하는 AI Agent 구축, 트리거 설정 및 자동화 구현

• Claude Haiku: Agent 내 응답 생성 모델로 사용

• GPT-4o-mini, ChatGPT 4.1: 속도 개선을 위해 테스트한 대체 모델

진행 세부 내용 🔍

1️⃣ 초기 Agent 설정

• Lindy AI에 구글 스프레드시트의 특정 셀 값을 슬랙 채널로 전송하는 Agent를 만들도록 프롬프트를 입력함

• '매주 정기적으로' 그리고 '물어볼 때마다' 알려주는 두 가지 트리거를 요청함

• Agent Builder가 구글 스프레드시트 URL, Sheet name, Cell, 슬랙 채널 이름 등 필요한 정보를 요청하여 제공함

2️⃣ 첫 번째 테스트 실패

• Deploy 후 테스트를 실행했으나, 이미 제공한 정보를 다시 요청하는 오류 발생함

• Agent Builder는 완성되었다고 표시했지만 실제로 작동하지 않음

3️⃣ 트리거 문제 파악 및 수정

• '매주 수요일 한국시간 오후 2시'라는 트리거는 명확했으나, '물어볼 때마다'라는 트리거가 불명확했던 것으로 분석함

• 슬랙 채널에 '부운비'라는 키워드가 나오면 자동으로 응답하도록 구체적인 트리거를 추가함

• 2개의 명확한 트리거를 설정하여 Agent가 이해하도록 함

4️⃣ 슬랙 채널 테스트

• 슬랙 채널에서 직접 테스트했으나 여전히 작동하지 않음

• Agent Builder에 재차 요청했지만 개선되지 않음

5️⃣ 직접 프롬프트 입력으로 해결

• Agent Step 내부에서 직접 프롬프트를 입력하는 방식으로 전략을 변경함

• 이 방법으로 드디어 정상 작동에 성공함

• 하지만 응답 속도가 1분 정도로 느리고, 출력 형식이 만족스럽지 않은 문제가 발견됨

6️⃣ 모델 변경을 통한 속도 개선 시도

• 속도 개선을 위해 가장 빠르다는 GPT-4o-mini 모델로 변경함

• 4분 이상 응답이 없어 실패함

• Retry 시도 시 모델 오류 메시지가 표시됨

7️⃣ 최종 모델 선정

• ChatGPT 4.1로 변경했으나 여전히 오류 발생함

• 최종적으로 Claude Haiku 모델로 되돌렸을 때 정상 작동함