🏆 AI스터디 21기 3주차 베스트 사례 큐레이션 - 업무&비즈니스

📚 21기 스타트업실험실

✍️ [퍼스널 스티커북 사업 스토리 5편] 배경북 다른지역 생성해주는 skill만들기 - 제주도편

Wonny

하려던 것 📝

• AI를 활용하여 여행지 배경 스티커북 제작 과정을 자동화한 사례

• 사업 실행(419 프로젝트)의 일환으로 AI를 활용하여 새로운 상품을 개발하고자 함

• 아들 친구의 제주도 여행 소식을 듣고 커스터마이징 스티커북을 만들어주기로 함

• 기존 스티커북 제작 과정을 스킬화하여 다른 여행지에도 적용할 수 있도록 자동화하고, 최종적으로는 고객 사진을 받아 맞춤형 스티커북을 제작하고자 함

활용한 툴 ⚒️

• Claude : 기존 대화 내용을 스킬로 만들고, 스킬을 활용하여 여행지 배경 이미지 생성을 위한 프롬프트를 얻는 데 사용함

• GPT (DALL-E) : Claude에서 얻은 프롬프트를 바탕으로 제주도 여행지 배경 이미지를 생성하는 데 사용함

진행 세부 내용 🔍

• 1️⃣ 기존 작업 스킬화

• 시도한 방법: 기존에 스티커북을 만들었던 클로드 대화창에서 AI에게 해당 과정을 스킬로 만들어달라고 요청함

• 얻은 결과: 기존의 스티커북 제작 과정이 자동화된 스킬로 뚝딱 만들어짐

• 2️⃣ 스킬을 활용한 제주도 배경북 프롬프트 생성

• 시도한 방법: 새로 생성된 스킬을 새로운 대화창에서 불러와 제주도를 여행지로 하는 배경북을 만들기 위한 프롬프트를 요청함

• 얻은 결과: 제주도 여행지 배경 이미지 생성을 위한 프롬프트가 출력됨

• 3️⃣ AI 이미지 생성

• 시도한 방법: 클로드에서 얻은 프롬프트를 사용하여 GPT(DALL-E)에 이미지를 생성해달라고 요청함

• 발생한 문제: 클로드 사용량 제한으로 오전에 4편까지 작업을 올린 후 오후 3시까지 작업을 중단해야 했음

• 얻은 결과: 제주도 여행 분위기가 느껴지는 다양한 배경 이미지 5장이 생성됨

📚 21기 소셜임팩트

✍️ '반복되는 전화 한 통이 자동화 예약 시스템이 되기까지' — 스포츠센터 운영자의 Claude Code 실전기

클라우드

하려던 것 📝

• 스포츠 시설 예약 및 회원 관리 수작업을 자동화한 사례

• 전화, 구글시트, 수기 입력으로 인한 비효율적인 행사대관 및 회원 관리 업무를 자동화하고자 함

• 담당자만 실시간으로 현황을 알 수 있어 발생하는 더블링 예약 및 정보 파악의 어려움을 해결하고자 함

• 반복적인 수작업을 줄여 운영 효율성을 높이고자 함

활용한 툴 ⚒️

• Google Sheets: 데이터 저장 및 관리

• Apps Script: 구글 시트 기반 자동화 로직 구현 (자동 알림, 데이터 연동 등)

• Make.com: 다양한 서비스 간 데이터 연동 파이프라인 구축

• Airtable: 회원 관리 시스템 레코드 생성 및 관리

• Slack: 담당자 알림 수신

• Claude: 코드 작성 및 수정, 구조 분석 지원

• Solapi: 접수확인, 확정, D-7 리마인더 SMS 자동 발송 (향후 연동 예정)

진행 세부 내용 🔍

• 1️⃣ 행사대관 자동 예약 시스템 구축 진행함

- 고객이 직접 날짜, 구장, 시간을 선택하여 신청할 수 있는 랜딩페이지를 구축함. - 신청 즉시 구글시트에 자동 기록되도록 연동하고, 담당자에게 Slack으로 알림이 가도록 구성함. - 향후 Solapi를 연동하여 접수확인, 확정, D-7 리마인더 SMS를 자동 발송할 계획임.

• 2️⃣ 회원관리 자동화 파이프라인 설계 진행함

- 초기상담부터 등록 완료까지의 흐름을 Apps Script, Make.com, Airtable로 연결하는 구조를 설계함. - 담당자 배치 입력 시 자동 알림이 가고, 등록 완료 입력 시 Airtable에 회원 레코드가 자동 생성되는 파이프라인을 구상함. - 팀원들의 구글시트 익숙도를 고려하여 초기에는 Airtable 대신 구글시트 기반으로 시작하며 새로운 툴에 대한 거부감을 줄이고자 함.

• 3️⃣ 기존 시트 구조 위에 시스템 연동 시 발생하는 문제 해결함

- 기존 구글 시트 구조에 자동화 시스템을 얹으려다 데이터가 49번 행부터 시작되거나 결제금액 열에 요청사항이 들어가는 등 컬럼 매핑 오류가 발생함. - 새 시트가 아닌 기존 구조를 유지하며 재작업을 여러 차례 반복하여 구조를 맞추는 데 성공함.

• 4️⃣ 랜딩페이지 디자인 개선 및 예약 로직 오류 해결함

- 처음 구축된 예약 페이지가 기능은 하지만 디자인이 볼품없어 고객에게 보여주기 어려운 수준이었음. - 이전 스터디 사례를 참고하여 디자인 톤을 명확히 전달하여 페이지 디자인을 개선함. - 구장 예약 시 시간대가 다른데도 '이미 예약된 시간'이라고 표시되는 로직 오류가 발생했으며, 중복 체크 로직이 구장 구분을 하지 않고 날짜만 확인하는 문제였음을 파악함. - 두 번의 수정을 거쳐 구장별, 시간대별 독립 예약이 가능하도록 로직을 개선함.

📚 21기 Manus스킬

✍️ 대학원생 논문 작성 코치

sykim

하려던 것 📝

• 대학원생의 논문 작성 이해도를 높이는 AI 코칭 앱 개발 사례

• AI가 논문을 대신 작성하는 대신, 학생 스스로 논문 작성 과정을 이해하며 써나갈 수 있도록 이끌어주는 AI 코치 앱을 만들고자 함.

• 기존 논문 초안 생성 앱 스킬 활용 전 단계의 코칭 스킬 부재 문제를 해결하고자 함.

• 전공을 처음 접하는 대학원생에게 단계별 학습 안내, 학습 단계 후 퀴즈를 통한 이해도 확인, 그리고 학습 완료 후 AI가 논문 초안을 자동 생성해주는 흐름을 제공하고자 함.

활용한 툴 ⚒️

• skill-creator 스킬: 새 Agent Skill인 sy-research-paper-coach를 설계하고 가이드라인을 준수하는 데 활용함.

• 내장 LLM API: 서버 사이드에서 외부 API 키 없이 퀴즈 생성 및 코칭 로직 구현에 활용함.

• sy-ai-research-paper-assistant 스킬: 모든 학습 완료 후 논문 초안 자동 생성 흐름으로 연결하는 데 활용하고자 함.

진행 세부 내용 🔍

1️⃣ 코치 스킬 설계 (sy-research-paper-coach) - skill-creator 스킬의 가이드라인을 따라 새로운 Agent Skill을 설계함. - '정보 제공'이 아닌 '코칭'이라는 페르소나를 명확히 하는 것을 핵심으로 삼아 스킬 파일에 세 가지 원칙을 명시함. - 원칙으로 친절하고 격려하는 태도로 학생의 불안감을 공감하며, 한 번에 모든 정보를 주지 않고 한 단계씩 과제를 제시하고, 열린 질문으로 학생이 스스로 생각하도록 이끌도록 함. - 코칭에 최적화된 Agent Skill의 기본 구조를 확립함.

2️⃣ 7단계 선형 코칭 플로우 설계 - 앱의 핵심 구조를 7단계 선형 플로우로 설계하였으며, 각 학습 단계 뒤에는 반드시 퀴즈가 따라오도록 함. - 1단계: 관심분야 자유 입력부터 7단계: 결론 작성법 학습까지 이어진 후, 완료 시 전체 점수 요약 및 논문 초안 자동 생성으로 연결되는 흐름을 구성함. - 처음에는 자유 대화형 코칭 UI로 시작했으나, 사용자가 '어디까지 왔는지 모르겠다'는 문제점을 예상하여 카드형 단계별 UI로 전면 재설계함. - 사용자가 학습 진행 상황을 명확히 인지하고 따라갈 수 있는 직관적인 학습 흐름을 구축함.

3️⃣ 퀴즈 시스템 구현 - 각 학습 단계가 끝나면 서버 API(research.generateQuiz)가 해당 분야와 단계에 맞는 4지선다 3문제를 AI로 생성하도록 구현함. - 정답 시 초록색 체크와 성공 햅틱, 오답 시 빨간 X와 에러 햅틱으로 즉각적인 피드백을 제공함. - 퀴즈 완료 후에는 점수 요약과 틀린 문제 해설을 한눈에 보여주어 학습 이해도를 높임. - 퀴즈를 단순한 테스트가 아닌 '이 단계를 이해했는가'를 확인하는 게이트 역할을 하도록 설계하여, 학생이 충분히 이해한 상태에서만 다음 단계로 넘어갈 수 있도록 함.

4️⃣ Expo 모바일 앱으로 구현 - React Native(Expo SDK 54), NativeWind, tRPC 서버 구조를 사용하여 모바일 앱을 구현함. - 서버 사이드에서는 내장 LLM API를 활용하여 외부 API 키 없이도 동작하도록 구현함. - TypeScript 타입 정의부터 서버 라우터, 화면 컴포넌트까지 전체 스택을 일관된 타입으로 연결함. - Vitest로 31개 단위 테스트를 작성하여 타입 안정성을 검증함.

📚 21기 AI워크스페이스

✍️ 자료수집 '자동화'부터 동향파악 '파이프라인'까지 — Claude Code와 이틀간의 대화 기록

yahoshim

하려던 것 📝

• 관심 분야 동향 파악 시간 단축 및 정보 자산화 파이프라인 구축 사례

• 관심 분야의 동향 파악에 소요되는 3일(약 17.5시간)의 시간을 단축하고자 함.

• 보고 흘려보내던 정보를 체계적으로 축적되는 자산으로 전환하고자 함.

• 내가 만든 지식과 외부에서 가져온 자료를 분리하는 '출처주의' 원칙을 워크플로우에 적용하고자 함.

• 체계적인 자료 수집 인프라를 구축하고, 그 위에 자료조사 전체를 자동화하는 파이프라인을 구축하고자 함.

활용한 툴 ⚒️

• Claude Code : 전체 대화, 설계, 구현의 중심 도구로 사용함.

• Claude `/automation-pipeline-design` 스킬 : 6단계 자동화 설계 프레임워크로 활용함.

• Firecrawl API : 웹페이지 크롤링 목적으로 사용함.

• pandoc 3.9 : 문서 변환 (마크다운 → docx) 목적으로 사용함.

• python-pptx : 발표자료 자동 생성 목적으로 사용함.

진행 세부 내용 🔍

1️⃣ Day 1: 수집 인프라 구축 — '출처주의'에서 5개 슬래시 커맨드까지

• 설계 과정: GPTers 학습자료의 시스템 아키텍처 문서를 분석하여 내 워크스페이스에 맞는 구조를 설계함. 기존 폴더(50-resources) 대신 비어있는 70번대 독립 폴더를 결정하고, 출처주의, 커맨드 번호=폴더 번호, 요약과 변환 분리라는 3가지 핵심 설계 원칙을 적용함.

• 5개 커맨드 및 파일명 규칙 구축: 웹페이지 크롤링 및 요약(`71-web-collect`), 유튜브 자막 추출 및 요약(`72-youtube-collect`), PDF 분석 및 요약(`73-pdf-summary`), 키워드 뉴스 검색 및 브리핑(`74-news-collect`), hwpx/pdf/이미지 → 원본 마크다운 변환(`75-convert-to-md`) 등 5가지 커맨드를 구축함. 파일명 규칙은 실제 사용 후 3번(`YYYYMMDD_제목.md` → `YY-MM-DD_제목.md` → `YYMMDD_제목_(YYMMDD).md`) 변경하여 불편한 점을 개선함.

• 뉴스 브리핑 품질 개선: 처음 만든 뉴스 브리핑(v1)이 기사 3~5개, 요약 2~3문장으로 깊이가 부족하여, WebSearch를 2~3회 수행하고 기사 본문을 직접 추출하는 방식으로 변경하여 v2(기사 5~7개, 요약 4~6문장 + 배경 맥락 + 핵심 수치 표 + 전문가 의견 + 단기/중장기 전망 구분)로 품질을 향상시킴.

• Day 1 실제 수집 결과: 첫날 바로 테스트를 통해 유튜브 4개, 웹클립 2개, 뉴스 3개, PDF 요약 및 마크다운 변환 각 1개 등 총 11개 파일을 성공적으로 수집함.

2️⃣ Day 2: 자료조사 자동화 파이프라인 — 27번의 인터뷰로 만든 6단계 시스템

• 1단계: 인터뷰를 통한 파이프라인 구체화: Claude가 인터뷰 가이드를 기반으로 27개의 질문을 한 번에 하나씩 던지고, 답변을 통해 막연했던 자동화 생각을 구체적인 파이프라인으로 발전시킴. 팩트 검증 방식 논의를 통해 출처 신뢰도 5단계 태깅 시스템의 씨앗을 마련하고, 보고서 3단계 구조(요약본, 풀버전, 심화버전)를 확정하며, AI에게 의견을 물어 4개 명령 구조를 확정하는 등 쌍방향 설계 세션을 진행함.

• 2~3단계: 워크시트 작성 및 자동화 설계: 인터뷰 27개 답변을 구조화된 워크시트로 정리하고, 이를 바탕으로 보고서 출력 구조(배경 → 검토사항 → 전문가 의견 → 장단점 → 대안 → 향후 계획 → AI 의견)를 설계함. 소스 간 내용이 충돌할 경우 '모두 병기하되, 장단점을 밝히고, 전문가 의견을 곁들이고, 마지막으로 AI의 의견을 제안한다'는 처리 규칙을 정함.

• 4~5단계: 도구 연결 및 오케스트레이션 실행: 작업공간의 실제 스킬을 탐색하여 12개 단계에 도구를 연결함. 9개 항목은 즉시 사용 가능, 1개(pandoc)는 추가 설정 필요, 1개(ppt 생성)는 그레이 영역으로 분류함. 이후 3개 폴더(76-research-md, 77-refine-docx-hwpx, 78-present-ppt)를 생성하고, 기존 76-hwpx-export를 77-refine으로 이관하며, 4개 커맨드 파일을 생성하고 pandoc 3.9를 설치하는 등 4가지 준비 작업을 즉시 실행함.

• 6단계: Agent 변환 및 그레이 영역 해결: 자료조사의 핵심인 '웹/유튜브/뉴스 동시 수집'을 위해 총괄 orchestrator agent 1개와 sub-agent 3개(trend-web-collector, trend-youtube-collector, trend-news-collector)를 생성함. 3개 sub-agent가 병렬로 자료를 수집하고 orchestrator가 통합 보고서를 생성하도록 함. 마지막으로 python-pptx 설치, 출처 신뢰도 5단계 태깅, 팩트체크 경고 시스템을 커맨드에 내장하여 그레이 영역 0개, 즉 모든 기능이 즉시 실행 가능한 상태로 완성함.

📚 21기 ChatAPT

✍️ # [Claude Code] 네이버 부동산 일일이 뒤지던 나, AI한테 맡겼더니 지도가 생겼다

김용훈

하려던 것 📝

• 네이버 부동산 아파트 시세 지도 자동화 구축 및 활용 사례

• 임장 전 구 전체 아파트 시세를 파악하기 위해 네이버 부동산에서 단지별로 매매/전세 최저가를 수동 검색하고 엑셀에 입력하는 번거로운 과정을 해결하고자 함.

• 60개가 넘는 단지의 정보를 수집하는 데 두 시간 이상 소요되는 시간을 단축하고자 함.

• 수동으로 정리한 엑셀 데이터만으로는 단지의 지도상 위치와 가격대를 한눈에 파악하기 어려운 점을 개선하고자 함.

• AI 코딩 도구를 활용하여 구 이름만 입력하면 자동으로 아파트 시세 정보가 정리된 엑셀 파일과 시세 지도를 생성하고자 함.

활용한 툴 ⚒️

• Claude Code: 아파트 시세 데이터 수집, 가공 및 지도 이미지 생성 코드 작성 및 실행

• Claude Sonnet 4.6: AI 모델로 활용하여 코드 생성 및 수정 지시 수행

• 네이버 부동산 호가: 아파트 시세 데이터 출처

진행 세부 내용 🔍

• 1️⃣ 시세 지도 생성 기준 정의 및 데이터 수집 방안 마련함

• 시도한 방법: 부동산 시세 지도 제작 목적을 명확히 하고, 아파트 조건(오피스텔·빌라 제외, 300세대 이상, 20·30평형대 포함, 매매·전세 각 1건 이상 매물)과 결과물(단지별 매매/전세/갭/전세가율 정리된 엑셀 파일 및 지도 이미지)을 구체적으로 전달하여 기준을 정함. 시작 지역을 '서울시 서초구'로 지정함.

• 사용한 프롬프트: '부동산 시세지도를 만들어보려고 해. 조건: - 아파트만 (오피스텔, 빌라 제외) - 300세대 이상 - 20평형대·30평형대 있는 단지 - 매매·전세 각 1건 이상 매물 있는 곳. 결과물: 단지별 매매/전세/갭/전세가율 정리한 엑셀 파일 + 지도 이미지. 시작 지역: 서울시 서초구'와 같이 요청함.

• 얻은 결과: Claude Code가 조건을 정리하고 네이버 부동산 데이터 자동 수집 방법을 제안함.

• 2️⃣ 네이버 부동산 데이터 수집 및 엑셀 파일로 정리함

• 시도한 방법: Claude Code가 제안한 데이터 수집 코드를 실행함. 네이버 부동산 서버에 과부하를 주지 않기 위해 요청 사이에 의도적으로 간격을 두는 방식으로 진행함.

• 발생한 문제: 코드 실행이 10분 이상 소요되어 멈춘 것으로 오해했으나, 이는 의도된 대기 시간이었음.

• 해결 방법: 중단하지 않고 기다림.

• 얻은 결과: 서초구 아파트 770개 단지를 훑어 조건에 맞는 단지를 추려냄. 20평형대·30평형대 시트로 구분된 엑셀 파일에 단지별 매매 최저가·전세 최저가·갭·전세가율 정보가 정리되어 생성됨.

• 3️⃣ 수집된 데이터를 활용하여 시세 지도 이미지 생성함

• 시도한 방법: 수집된 엑셀 데이터를 지도 위에 시각화하기 위해, 말로 설명하기 어려운 지도 표현 방식을 예시 이미지(`시세지도.png`)를 첨부하여 AI에 전달함.

• 사용한 프롬프트: '지금 만든 데이터를 지도 위에 올리는 작업을 해줘. 예시 이미지 첨부 [시세지도.png]. 지도 위에 단지들이 어느 정도 가격인지 한눈에 보고 싶어'와 같이 요청함.

• 얻은 결과: AI가 예시 이미지를 참고하여 지도 배경 위에 단지명, 전용면적, 사용연도, 매매/전세/갭/전세가율이 포함된 정보 박스가 올라간 지도 이미지를 생성함.

• 4️⃣ 지도 내 정보 박스 색상 기준을 매매가 기준으로 재설정함

• 시도한 방법: 초기 전세가율 기준 색상 대신, 매매가 기준으로 가격대를 한눈에 파악할 수 있도록 박스 색상 기준을 변경 요청함. 이때 엑셀 파일 재생성 없이 로직만 수정하도록 명확히 지시함.

• 사용한 프롬프트: '박스 색상을 가격대 기준으로 다시 설정해줘. 파일 재생성은 안 해도 되고 로직만 수정해줘. 색상 기준: 6억 미만 / 6~9억 / 9~11억 / 11~13억 / 13~15억 / 15~20억 / 20~30억 / 30억 초과'와 같이 요청함.

• 얻은 결과: AI가 엑셀 파일 재생성 없이 색상 판단 로직만 수정하여 매매가 기준의 색상별 가격대 표시를 구현함.

• 5️⃣ 20평형대 기준 오해를 해결하고 평형 기준을 재설정함

• 발생한 문제: 생성된 지도에서 20평형대 단지가 예상보다 적게 나타나, AI가 사용한 라이브러리의 '20평대' 기준(전용 66~99㎡)이 통상적인 '20평형대'(전용 59㎡ 근방)와 다름을 인지함.

• 시도한 방법: 통상적으로 의미하는 20평형대와 30평형대 기준으로 재설정하도록 요청하고, AI가 직접 검색하여 확인하도록 지시함.

• 사용한 프롬프트: '평형 기준을 재설정하자. 나는 통상적으로 의미하는 20평형대와 30평형대를 기준으로 하고 싶어. 헷갈리면 검색해서 확인해봐.'와 같이 요청함.

• 얻은 결과: AI가 검색을 통해 20평형대(전용 55~70㎡)와 30평형대(전용 75~95㎡)의 평형 기준을 재설정하여 적용함.

• 6️⃣ 전체 작업 최적화 및 반복 사용 가능한 스킬로 전환함

• 시도한 방법: 지금까지의 작업을 최적화하고 결과물 검증, 그리고 구 이름만 입력하면 자동 실행되는 스킬로 만들도록 요청함.

• 사용한 프롬프트: '지금까지 작업을 최적화해주고, 제대로 된 결과물이 나오는지 검증해줘. 그리고 앞으로 조사하고 싶은 구 이름만 입력하면 자동으로 엑셀 파일이랑 지도 이미지가 나오는 스킬로 만들어줘.'와 같이 요청함.

• 얻은 결과: AI가 스스로 문제를 찾아내어, 첫 번째 스크립트가 수집한 데이터를 두 번째 스크립트가 중복 수집하는 비효율성을 발견함. 이를 3개 스크립트에서 1개로 합치면서 실행 시간을 6분 단축함. 'sisemap'이라는 스킬이 생성되어 구 이름만 입력하면 자동 실행되도록 구현됨. 최종적으로 서초구 지도 위에 61개 단지가 매매가 기준 색깔별 박스로 시각화된 지도를 얻었음.