🏆 AI스터디 20기 3주차 베스트 사례 큐레이션 - 바이브코딩&업무

📚 20기 HRD자동화

✍️ [HRD자동화 2탄] AI 데이터 분석 실습, AI 와의 비판적 대화를 통해 HRD 니즈 정교화 해보기

흡수인간

하려던 것 📝

• AI 데이터 분석을 활용해 기업 교육 니즈를 합리적으로 검증한 사례

• 기업 HRD담당자로서 조직의 문제를 올바르게 파악하고 적절한 대응방안을 기획함

• 제미나이를 활용해 자신의 추론과 가설을 비판적으로 검증하고 타당성을 확보함

• 인적구조 데이터를 다각도로 분석하여 조직의 교육 니즈를 도출함

활용한 툴 ⚒️

• Gemini : EDA 분석, 조직 니즈 도출, 추론 검증, 이변량 분석을 통한 교육 니즈 발굴

• ChatGPT : 데이터 분석 시도 (속도 문제로 주로 제미나이 사용)

• 스터디장 제작 Gems : 데이터 분석에 최적화된 EDA 분석 실행

진행 세부 내용 🔍

1️⃣ EDA 분석 복습 단계

• 스터디장이 제공한 데이터 분석 최적화 Gems를 활용하여 EDA 분석을 실습함

• '이 데이터로 EDA분석'이라는 간단한 프롬프트로 구조파악-데이터분석-관계규명-시각화-인사이트 도출의 풀패키지 분석을 수행함

• AI가 자동으로 제공하는 분석에서 '나의 문제의식'이 빠져있다는 공허함을 느낌

• '내가 주도하는 분석'의 필요성을 인식하고 다음 단계로 진행함

2️⃣ 자사 데이터 기반 니즈 분석

• 회사의 인적구조 데이터를 제시하여 조직 특성과 교육 니즈를 도출하도록 요청함

• 자신이 평소 분석한 조직 니즈와 제미나이가 분석한 니즈를 비교 검증함

• 대부분 일치했으나 자신의 우려와 다른 점을 발견하여 추가 검증을 진행함

3️⃣ AI와의 건설적 논쟁 단계

• '내가 생각하기에 이 조직의 이슈는 OO인데 이것이 합리적인 추론인지 비판적으로 검증해 줘. 단, 근거를 뒷받침해서'라고 질문함

• 제미나이로부터 근거있는 신랄한 비판을 받아 자신의 프레임에 갇혀있었음을 깨달음

• 역으로 제미나이의 주장에 대해 '너의 주장의 근거가 뭐냐', '타 기업 실제 사례로 증명해봐'라며 반박함

• 상호 비판을 통해 협력적으로 검증된 가설을 수립함

4️⃣ 대안 모색 및 심화 분석

• 타당성이 확인된 문제의식을 바탕으로 제미나이와 함께 해결 대안을 모색함

• 8가지 종류의 데이터를 두 개씩 조합하여 분석을 요청함

• 이변량 분석(Bivariate Analysis) 기법을 통해 56가지의 교육 니즈 주제를 도출함

• 도출된 56개 주제가 향후 상상력을 발휘하는 마중물이 될 것으로 판단함

📚 20기 클코자동화

✍️ [Claude Code] YouTube 방송 요약 시스템 고도화 - 6단계 개선기

강수혁

하려던 것 📝

• YouTube 방송 자동 요약 시스템을 6단계로 개선한 사례

• 실시간 라이브 방송 요약 기능을 추가하여 자막 생성 2시간 대기 문제를 해결함

• API 비용 절감을 위해 Claude 외 Gemini, GPT 선택 옵션을 추가함

• 프로그램별 맞춤 템플릿을 분리하여 부적절한 코너 출력 문제를 해결함

• Docker 환경 구성으로 의존성 설치의 번거로움을 제거함

• 자막 키워드 기반 코너 경계 자동 탐지 기능을 구현함

활용한 툴 ⚒️

• Claude Code (VS Code 확장): 전체 코드 작성 및 수정, 6단계 개선 작업 진행

• Claude Sonnet 4 / Opus 4.5: AI 요약 및 코드 생성

• Gemini 2.0 Flash: 비용 절감형 요약 옵션

• OpenAI Whisper API: 라이브 방송 음성을 텍스트로 변환

• yt-dlp: YouTube 오디오 캡처

• ffmpeg: 오디오 추출

• Docker: 원클릭 실행 환경 구성

진행 세부 내용 🔍

1️⃣ LLM API 선택 옵션 추가

• Claude API만 사용하던 시스템에서 비용 부담을 느껴 다중 LLM 지원을 결정함

• `--model 옵션을 추가해서 claude, gemini, gpt 중 선택할 수 있게 해줘` 프롬프트로 요청함

• ai\_summarizer.py에 `--model gemini` 옵션 추가로 Gemini 2.0 Flash 사용이 가능해짐

• 매일 3시간짜리 방송 요약 비용이 크게 절감됨

2️⃣ 라이브 방송 실시간 요약 파이프라인 구축

• YouTube 자막이 라이브 종료 후 약 2시간 후에 생성되는 문제를 해결하고자 함

• `라이브 방송 오디오를 캡처해서 Whisper로 STT 변환 후 요약하는 파이프라인을 만들어줘` 요청함

• yt-dlp로 오디오 캡처 → Whisper API로 STT → AI 요약 파이프라인을 완성함

• yt-dlp의 `bestaudio` 포맷 미지원 문제를 format 91(저해상도 비디오)에서 ffmpeg로 오디오 추출하는 방식으로 해결함

3️⃣ Docker 환경 구성

• yt-dlp, ffmpeg 등 의존성 설치가 번거로워 자동화가 필요했음

• `Docker로 원클릭 실행 환경 만들어줘` 프롬프트로 요청함

• `./yt.sh summarize` 한 줄 명령어로 요약 실행이 가능해짐

• 환경 설정에 소요되는 시간과 오류 가능성을 제거함

4️⃣ 코너 경계 자동 탐지 기능 구현

• description의 타임스탬프가 부정확해서 코너 구분이 잘 안 되는 문제가 발생함

• `자막에서 '김어준 생각이었습니다', '겸손은 힘들다' 같은 키워드를 찾아서 코너 경계를 자동으로 탐지해줘` 요청함

• 자막 segments 분석으로 코너 시작/종료 지점을 자동 탐지하는 기능을 구현함

• description 의존 방식에서 키워드 기반 정확한 탐지 방식으로 전환함

5️⃣ 스트리밍 파이프라인 속도 개선 시도

• 라이브 요약이 캡처 50분 + STT 15분으로 총 65분 소요되어 개선이 필요했음

• `청크 기반 병렬 처리로 속도를 개선해줘` 프롬프트로 요청함

• 청크 기반 병렬 처리를 시도했으나 기대만큼 속도 개선 효과가 크지 않았음

• 완벽한 해결보다는 프로젝트 진행을 우선하기로 결정하고 다른 대안 검토를 보류함

6️⃣ 프로그램별 템플릿 분리

• 홍사훈쑈 요약에 '김어준 생각' 코너가 출력되는 문제가 발생함

• `프로그램별 요약 템플릿 분리 해줘` 프롬프트로 요청함

• 6개 프로그램별 맞춤 템플릿과 제목 기반 자동 탐지 기능을 구현함

• 뉴스공장, 홍사훈쑼, 정준희의 논, 이재석의 겸공특보, 탁현민의 더 뷰티플 등 각 프로그램 특성에 맞는 요약 형식을 적용함

📚 20기 린디에이전트

✍️ Gemini와 함께한 Lindy AI로 인플루언서 리스트업 자동화

김영한

하려던 것 📝

• 인플루언서 리스트업 과정을 자동화하여 마케팅 효율을 높이는 사례

• 시간과 노력이 많이 드는 인플루언서 리스트업 업무를 자동화하여 마케팅 기획에 집중하고자 함.

• 수동으로 채널을 찾고 구독자 수와 콘텐츠 성격을 분석하는 단순 반복 업무가 많아 자동화의 필요성이 대두되었음.

• 채널의 성격(숏폼/롱폼) 및 구독자 규모에 따라 인플루언서 리스트를 자동으로 분류하고 관리 효율을 극대화하고자 함.

활용한 툴 ⚒️

• Lindy AI: 전체 워크플로우 설계 및 AI 로직 구현에 활용함.

• Gemini: Lindy AI의 전체 워크플로우 설계 과정에 도움을 받음.

• Google Sheets: 최종 데이터 저장 및 자동 분류에 활용함.

진행 세부 내용 🔍

• 1️⃣ 워크플로우 초기 설계 및 프롬프트 작성함

인스타그램은 크롤링이 어렵다고 하니까, 리스트업할 인플루언서 대상은 유튜브 채널 운영자야.

그리고 팔로워 규모에 따라 1만 이하, 1-10만, 10-30만, 30-50만, 50만 이상으로 나누고 싶어.(카테고리화)

리스트업 결과물은 구글 스프레드 시트로 받아보고 싶고, 카테고리는 시트로, 그 외 조건은 열으로 구분할거야.

열 값은 아이디, 닉네임, 팔로워규모, 팔로워 수, 계정 URL으로 받아오고 각 시트별로 300명씩 리스트업 하고 싶어.

Lindy AI를 어떻게 활용해야 이렇게 만들 수 있는지 알려줘. \`\`\`

• 2️⃣ Lindy AI 플로우 시작 명령어를 설정함

• 3️⃣ 구글 검색 쿼리를 설정하여 유튜브 채널을 검색함

• 4️⃣ 검색된 유튜브 채널 정보 수집을 위한 루프를 구성함

• 5️⃣ YouTube Scraper를 활용하여 채널 정보를 스크랩함

• 6️⃣ Append row를 이용하여 구글 시트에 데이터를 추가함

results방금 스크래퍼가 가져온 구독자 수에 따라 1만 이하, 1-10만, 10-30만, 30-50만, 50만 이상으로 규모를 분류해줘.

results방금 YouTube Scraper가 가져온 results 안에서 수집된 구독자 수만 적어줘.

results방금 YouTube Scraper가 가져온 results 안에서 수집된 데이터 중 해당 채널의 YouTube URL만 적어줘. \`\`\`

• 7️⃣ Exit loop를 설정하여 루프 반복 횟수를 제어함

📚 20기 CTO

✍️ 🎬 Claude Code가 코드베이스 스냅샷 남기게 하기 – gh + Claude Skills로 이슈 단위 코드 관리한 이야기

하승범

하려던 것 📝

• 코딩 에이전트 사용 시 안전한 코드 복구 시스템을 구축한 사례

• 코딩 에이전트가 과감하게 코드를 수정할 때 발생하는 예상치 못한 에러에 대응하기 위한 시스템을 구축함

• 이전 상태로 안전하게 되돌아가기 어려운 문제를 해결하고자 함

• GitHub 이슈 기반 작업 흐름과 커밋 단위 스냅샷을 통해 코드 변경 이력을 추적 가능하게 만듦

활용한 툴 ⚒️

• Claude Code : 이슈 해결, 브랜치 생성, 코드 수정 및 커밋 자동화

• GitHub CLI (gh) : 이슈 정보 조회 및 브랜치 관리

• Claude Skill : GitHub 이슈 기반 자동화 워크플로우 구현

진행 세부 내용 🔍

1️⃣ 문제 인식 및 해결 방향 설정

• 코딩 에이전트가 코드를 한 번에 많이, 과감하게 수정하면서 예상치 못한 에러 발생 시 정상 코드 지점을 찾기 어려운 문제를 확인함

• Claude Code가 이미 GitHub CLI 커맨드를 알고 있다는 점에 착안하여 GitHub 기반 작업 흐름을 강제하는 전략을 수립함

• GitHub 이슈를 작업 단위로, 이슈마다 브랜치를 생성하고, 할 일 단위로 커밋하여 코드 스냅샷을 남기는 구조를 설계함

2️⃣ Claude Skill 'resolve-issue' 개발

• 깃허브 이슈 번호를 받아 자동으로 이슈를 해결하는 Claude Skill을 작성함

• 이슈 불러오기 → 브랜치 세팅 → 코드베이스 분석 → 계획 수립 → 이슈 해결 → 테스트 작성 → 검증 → PR 생성의 8단계 워크플로우를 정의함

• dev 브랜치에서 issue-{번호} 형태로 브랜치를 자동 생성하도록 설정함

• PRD 문서를 읽어 프로젝트 방향성을 파악하고, 최대 10개의 서브에이전트를 생성하여 독립적으로 코드베이스를 리서치하도록 함

3️⃣ 작업 계획 수립 및 확인 프로세스 구현

• 이슈 해결 계획을 세운 후 바로 실행하지 않고 먼저 사용자에게 확인받는 단계를 추가함

• 계획을 투두 리스트 형태로 정리하고, 각 체크리스트가 완료될 때마다 변경 사항을 커밋 메시지와 함께 브랜치에 커밋하도록 설정함

• 테스트는 80% 이상의 커버리지를 확보하도록 하고, 파일별로 독립적인 에이전트를 생성하여 병렬로 작업하도록 구성함

4️⃣ 실제 작업 흐름 적용

• GitHub에 이슈 생성 → Claude Code에 이슈 번호 전달 → 이슈 전용 브랜치 생성 및 할 일 목록 정리 → 투두 하나 완료 시 즉시 커밋의 흐름으로 작업을 진행함

• 모든 작업이 Git 히스토리에 빵가루처럼 남아 어디까지 정상 코드였는지, 어떤 변경에서 문제가 생겼는지 추적 가능하게 됨

📚 20기 맞춤형자동화

✍️ VITO 전화상담 AI 자동화: 음성→분석→맞춤 메시지까지 완전 무인 시스템 구축

장원태

하려던 것 📝

• 간호학원 상담 전화를 AI로 자동화하여 업무시간을 70% 절감한 사례

• 하루 10~20건의 입학 상담 전화 내용을 자동으로 기록하고 분석함

• 학생별 위험도를 AI로 자동 파악하여 중도탈락률 25~30%를 감소시킴

• 개인 맞춤형 격려 메시지를 자동 생성하여 학생 응답률을 40% 향상시킴

• 완전 무인 운영 시스템을 구축하여 사람 개입 없이 24/7 자동화를 실현함

활용한 툴 ⚒️

• VITO : 전화 음성을 텍스트로 자동 변환 (정확도 95% 이상)

• Google Drive : VITO 변환 텍스트 파일 클라우드 자동 저장

• Google Apps Script : 10분마다 새 파일 자동 감지 및 데이터 파싱

• Google Sheets : 상담 내용 및 분석 결과 데이터 저장

• Claude API (claude-sonnet-4) : 상담 내용 분석 및 맞춤형 메시지 생성

• Python : 전체 시스템 통합 자동화 및 실시간 모니터링

진행 세부 내용 🔍

1️⃣ VITO로 전화 자동 녹음 및 텍스트 변환

• VITO 앱에서 자동 녹음 및 텍스트 변환을 활성화하여 5분 내 설정을 완료함

• 통화 종료 후 2~5분 내 자동으로 텍스트 변환되며 화자 분리(교수/학생)까지 자동 처리됨

• 파일명을 '날짜_시간_전화번호.txt' 형식으로 자동 생성하여 파싱이 용이하도록 함

• 정확도 95% 이상으로 학생의 고민(시험 스트레스, 학비 부담, 종교 등)을 정확히 텍스트화함

2️⃣ Google Drive 자동 업로드

• VITO 앱 설정에서 Google Drive 연동 및 자동 업로드를 활성화함 (3분 소요)

• 텍스트 변환 완료 즉시 Drive의 VITO 폴더에 자동 업로드되어 수동 작업이 불필요함

• 클라우드 기반으로 언제 어디서나 파일 접근이 가능함

3️⃣ Google Apps Script로 자동 감시 및 파싱

• processVITOFiles() 함수로 VITO 폴더의 새 텍스트 파일을 10분마다 자동 감지함

• 파일명에서 날짜, 시간, 전화번호를 파싱하여 '2026-01-22', '14:30', '010-1234-5678' 형식으로 변환함

• 파일 내용과 메타데이터를 Google Sheets에 자동으로 추가하고 처리 완료 표시를 함

• 서버 없이 Google 클라우드에서 무료로 실행되며 99.9% 안정성을 보장함

4️⃣ Claude AI로 상담 내용 자동 분석

• Claude API(claude-sonnet-4)를 활용하여 위험도(1-10점), 욕구(학업/경제/심리), 주요 고민 3개를 분석함

• 종교 성향을 키워드('절', '기도' 등)로 자동 파악하고 확신도를 함께 제공함

• JSON 형식으로 강제하여 파싱 오류를 제거하고 temperature=0.3으로 일관성을 유지함

• 10초 내 분석 완료, 정확도 90% 이상으로 경제적 어려움과 학업 스트레스 등을 정확히 파악함

5️⃣ AI 맞춤형 메시지 자동 생성

• 위험도, 욕구, 종교를 반영한 500자 이내 개인화 메시지를 자동 생성함

• 위험도 7-10점은 즉시 연락 권유, 4-6점은 언제든 상담 가능 안내, 1-3점은 긍정 피드백을 제공함

• 종교별 격려 문구(불교: '부처님의 자비로운 가르침처럼')를 확신도 높음일 때만 삽입함

• 5초 내 메시지 생성 완료, 학생별로 완전히 다른 맞춤형 내용을 제공함

6️⃣ 전체 통합 자동화

• Python 스크립트로 10초마다 새 상담을 확인하고 수집, 분석, 메시지 생성을 자동 실행함

• 각 단계(수집→분석→메시지 생성→DB 저장)를 순차적으로 처리하고 완료 표시를 함

• 실시간 모니터링 화면에서 처리 상태(대기/분석/완료)를 확인할 수 있음

• 카카오톡 발송 준비 중이며, 현재는 메시지 생성까지 완전 자동화됨

📚 20기 안드로이드앱

✍️ stitch 안티그래비티 연결 - (1) : 스킬 설치 시행착오

하이호

하려던 것 📝

• 안티그래비티 앱에 Stitch AI 스킬 연결을 시도한 사례

• 안드로이드 앱 스터디에서 '안티그래비티'로 식물요정 앱을 만들고 있어 UI 개선이 필요하다고 느낌.

• Stitch AI를 활용하여 앱의 UI를 개선하고자 함.

• Stitch AI를 안티그래비티에 직접 연결하려 했으나 어려움을 겪어, Stitch AI 스킬 설치로 우회하여 해결하고자 함.

활용한 툴 ⚒️

• Stitch AI: 식물요정 앱의 UI 개선 목적으로 활용하려 함.

• Stitch MCP: 안티그래비티에 직접 연결하려 시도했으나 인증 문제로 포기함.

• Stitch Skills (google-labs-code/stitch-skills): Stitch 기능을 스킬 형태로 안티그래비티에 적용하기 위해 사용함.

• Vercel CLI (vercel-labs/skills, `add-skill` CLI): Stitch 스킬을 효율적으로 설치하고 관리하기 위해 사용함.

진행 세부 내용 🔍

• 1️⃣ Stitch MCP 설치 시도

• Stitch MCP를 안티그래비티에 직접 설치하려 시도함.

• 사용자 토큰(인증 권한)을 입력해야 했지만, 그 방법을 알 수 없었고 공식 문서에서도 충분한 정보를 찾지 못해 어려움을 겪음.

• Google Cloud 관련 설정이 복잡하다고 판단하여 MCP 직접 설치를 포기하고 스킬 활용으로 방향을 전환함.

• 2️⃣ Stitch 스킬 검색 및 설치 시도

• 안티그래비티 앱에서 스킬을 사용할 수 있음을 인지하고 Stitch 스킬을 검색함.

• `google-labs-code/stitch-skills` GitHub 레포지토리에서 스킬 설치를 시도함.

• 설치 명령어 실행 시 '이름이 틀렸다'는 오류 메시지가 발생하며 설치에 실패함.

• 3️⃣ `add-skill` CLI 파악

• Google 공식 스티치 스킬 레포지토리에서 `add-skill` CLI를 사용하라는 문구를 발견하고 그 정체를 검색함.

• `add-skill` CLI가 Vercel에서 만든 스킬 통합 관리 도구이며, `vercel-labs/skills` 레포지토리와 관련이 있음을 파악함.

• 이 CLI가 OpenCode, Claude Code, Codex 등 다양한 라이브러리를 지원하여 스킬 관리의 유용성을 확인함.

• 4️⃣ Vercel CLI를 통한 스킬 설치 재시도

• `vercel-labs/skills` 레포지토리의 README를 참조하여 설치 방법을 다시 파악함.

• 처음에는 CLI가 별도로 설치될 것으로 예상했으나, 특정 스킬을 선택하라는 메시지에 혼란을 겪음. 알고 보니 해당 명령어 자체가 CLI였고, 예시는 Vercel 레포지토리 내 에이전트 스킬 설치 명령어였음을 깨달음.

• Vercel 공식 문서의 문법에 맞춰 스킬 설치 명령어를 수정하여 단일 Stitch 스킬 설치에 성공함.

• 이후 전역으로 다시 설치 명령어를 실행하여 필요한 모든 Stitch 스킬 설치를 완료함.

• 5️⃣ 설치된 스킬 적용 시도

• 스킬 설치를 완료한 후 안티그래비티 앱으로 돌아와 설치된 Stitch 스킬이 작동하는지 확인하고자 함.

• 기존에 설치하려던 `mcp` 관련 설정을 지웠음에도 불구하고, 계속해서 구글 권한을 찾는 오류 메시지가 발생함.

• 결과적으로 스킬 설치는 완료되었지만, 안티그래비티 앱에서 예상대로 작동하지 않고 구글 인증 관련 문제를 해결하지 못함.

📚 20기 AI스튜디오빌드

✍️ (구글 AI 스튜디오 활용) 국어 비문학 공부 사이트 만들어보기, 구구단 연습 사이트 만들어보기

상상러

하려던 것 📝

• AI를 활용하여 비문학 및 구구단 학습 웹 앱을 구축한 사례

• 대한민국 학생들의 국어 성적 향상 및 문해력 업그레이드를 돕기 위해 수능 비문학 지문의 논리 구조를 분석하고 독해력을 훈련하는 사이트를 개발하고자 함.

• 구구단 문제를 재미있게 풀며 2단~9단을 완수하고, 성장감을 느낄 수 있는 게이미피케이션 학습 앱을 제작하고자 함.

• 사용자의 학습 진행 상황 및 기록을 로컬 스토리지에 보관하고, 향후 Supabase DB 연동을 통해 데이터 관리 및 확장 가능성을 확보하고자 함.

활용한 툴 ⚒️

• Google AI Studio: 제품 요구사항 정의(PRD) 생성 및 웹 앱 개발

• Vercel: 개발된 웹 앱 배포

• Supabase: 데이터베이스 연동 및 관리 (향후 계획 및 시도 중)

진행 세부 내용 🔍

• 1️⃣ 아이디어 구체화 및 PRD 생성함

• 시도한 방법과 접근 방식: 국어 비문학 공부 사이트(수능 비문학 로직 마스터)와 구구단 연습 사이트(구구단 히어로즈)에 대한 초기 아이디어를 구체화하고, Google AI Studio의 PRD 생성 기능을 활용하여 상세한 제품 요구사항 문서를 작성함.

• 사용한 프롬프트나 코드:

• 얻은 결과나 피드백: 두 개의 웹 앱에 대한 상세한 제품 요구사항 문서(PRD)를 성공적으로 생성함.

• 2️⃣ 구구단 앱 기능 및 게이미피케이션 로직을 구현함

• 시도한 방법과 접근 방식: PRD를 기반으로 구구단 앱의 핵심 기능과 게이미피케이션 요소를 구현하기 위해 구체적인 프롬프트를 사용하여 AI에 기능을 요청함.

• 사용한 프롬프트나 코드:

• 얻은 결과나 피드백: 구구단 앱의 기본 문제 출제 및 풀이 기능, 아바타, 레벨, 경험치 표시, 몬스터 공격/방어 모션, 오답 힌트, 보너스 경험치 및 필살기 이벤트, 단별 풀이 횟수를 시각화하는 대시보드 등이 구현됨.

• 3️⃣ 로컬 스토리지 데이터 저장 기능을 구현함

• 시도한 방법과 접근 방식: 사용자의 학습 진행 상황 및 설정을 영구적으로 보존하기 위해 브라우저의 로컬 스토리지 활용을 요청함.

• 사용한 프롬프트나 코드: '# 우선 로컬에 데이터 저장해서 자동 데이터 저장, 불러오기 될 수 있도록 패치 (새로고침해도 데이터 유지)'

• 얻은 결과나 피드백: 구구단 앱에서 사용자의 레벨, 경험치, 학습 기록 등의 데이터가 브라우저 로컬 스토리지에 자동으로 저장되고, 새로고침 시에도 유지되도록 구현됨.