📝 한줄 요약
브런치카페 3개 매장을 운영하면서 노션·구글드라이브·엑셀·카톡에 흩어져 있던 매뉴얼·레시피·급여·재고를, 클로드 코드(Claude Code)와 "말로 대화"하며 우리 회사 전용 위키와 자동화로 옮겼습니다. 3년 전 지피티 3.5와 함께하던 파이썬 코딩은 3일 만에 포기했던 비개발자인데, 이번엔 됐어요. 그것도 지피터스가 전남 곡성에서 연 'AI 워케이션 1기' 고작 3박 4일 동안, 함께 간 멤버들과 으쌰으쌰하면서요.
바쁘시면 이것만 읽어도 돼요
사용한 도구·목표: 헤르메스 에이전트 + 클로드 코드(AI 코딩 도구)Fable 5 모델로, 흩어진 매장 지식을 한 곳(위키)으로 모으고 반복 수작업을 자동화, 에이전트를 통해 매장관리. 코드는 한 줄도 안 쓰고 전부 한국어로 말로 시켰어요.
핵심 결과: 자료 4곳 → 위키 1곳(문서 78개), 급여 근무시간 집계 8년 손계산 → 대화 1시간, 재고 부족·서류 만료를 봇이 먼저 감지(실제로 제 발주 실수를 잡아 사고를 막았어요).
핵심 깨달음: AI를 잘 쓰는 비결은 프롬프트 기술이 아니라 "이미 쌓아둔 데이터·매뉴얼" 이었어요. 8년치가 있었기에 AI가 폭발적으로 일해줬어요.
AI를 맹신하진 않았어요: 실제 잘 작동하는지 확인을 위해 급여는 실제 지급액과 한줄씩 대조, 위키는 배포 후 직접 열어 검수하고 썼습니다.
막혔던 순간: Supabase·SQL이 뭔지 아직도 몰라요. 모르면 그냥 "이게 뭔지 모르겠는데 뭘 하면 돼?"라고 물어보면 됐어요.
가장 큰 변화: 모든 업무자료 일원화, 반복업무 자동화 및 에이전트를 통한 완벽 소통으로 인해 동업자와의 마찰을 없앴음
🎯 이런 분들께 도움돼요
카페·음식점·미용실·학원처럼 매뉴얼과 반복 업무가 많은 자영업을 하는데, 모든 게 사장 머릿속에만 있는 분
노션·구글드라이브·엑셀·카톡에 자료가 흩어져서 매번 "그거 어디 있더라" 하는 분
코딩은 전혀 모르는 비개발자지만, 매달 반복하는 수작업(급여·정산·재고)을 자동화하고 싶은 분
예전에 자동화나 코딩을 시도했다가 어려워서 포기했던 분
기억력 이슈로 인해 개인 비서가 필요하신분
😫 문제 상황 (Before)
저는 남양주에서 브런치카페 매장 3곳을 운영합니다. 가족 사업이라 아버지가 한 곳, 저와 동생이 더 바쁜 두 곳을 맡고 있어요. 한 매장에만 아르바이트가 15명, 다른 매장에 5~6명씩 있습니다.
문제는, 모든 게 저한테 몰려 있었다는 것이었어요.
직원들이 저를 "엄마 바라보듯" 봤어요. 궁금한 게 생기면 신입도 알바도 매번 저한테 전화·카톡. 8년을 그렇게 매장에 매여, 아파서 못 나간 날 빼고 거의 매일 일했습니다.
레시피와 매뉴얼은 노션, 구글드라이브, 엑셀, 카톡 네 군데에 흩어져 있었어요. 한 곳에서 고치면 다른 곳도 다 고쳐야 하고, 정작 필요할 땐 못 찾았어요.
재고 조사는 주 2회. 거래처가 빵·면·식자재 등 아주 많은데, 엑셀엔 정렬 버튼이 없으니 100개 가까운 품목을 손으로 다 확인했어요. 한번은 목요일에 발주 넣는 걸 깜빡했고, 금요일 마감을 놓쳤습니다.
급여는 8년 내내, 직원별로 "며칠에 몇 시부터 몇 시까지 일했다"를 손으로 하나하나 계산해서 명세서에 넣었어요.
직원 보건증 만료일처럼 매달 챙겨야 하는 것도 전부 제 기억에 의존했어요. 누군가에게 일을 시키면 "했는지 안 했는지"를 제 머릿속으로 계속 체크해야 했고, 이게 엄청난 압박이었습니다.
결국 근본 원인은 하나였어요. 우리 매장의 모든 지식이 '정리된 문서'가 아니라 '제 머리와 흩어진 파일'에만 있었다는 것. 그래서 뭐든 저를 거쳐야 했죠. 그리고 이런 일들 — 매뉴얼 정리, 급여 계산, 재고 점검 — 은 전부 반복되고, 규칙이 있고, 글·숫자로 된 일이라, 사람이 매번 손으로 할 게 아니라 AI가 제일 잘할 수 있는 종류의 일이었어요.
그동안 다른 방법을 안 써본 게 아니에요.
노션: 입력은 편했지만, 필요한 값 정리(레시피 종류별 정렬 등)가 잘 안 됐고 알림이 안 왔어요. (그래서 재고를 깜빡한 거예요.)
구글드라이브: 자료는 있는데 뒤죽박죽. 수정할 때마다 압축·업로드·재배포가 번거롭고 지원 안 되는 글꼴도 많았어요.
3년 전 파이썬 직접 코딩: 챗GPT(당시 GPT-3.5) 채팅창에 물어가며 급여 자동화 코드를 짜봤는데, 오타 하나만 있어도 프로그램이 안 돌아갔어요. 3일을 내내 붙잡다 포기했고, 국비 지원 파이썬 강의도 들을까 했지만
너무 바빠서 이어가지 못했어요.
▲ 노션에도 만들어봤지만, 정작 필요할 땐 이렇게 비어 있거나 흩어져 있었어요.
▲ 구글드라이브는 자료는 많은데 정리가 안 돼, 필요할 때 못 찾았어요.
결정적 계기는 두 가지. 친구가 자기 회사 전용 위키를 AI로 만든 걸 한 달쯤 전에 봤고 "나도 해야겠다" 싶었어요. 그리고 지피터스가 전남 곡성에서 연 'AI 워케이션 1기'(3박 4일)을 보고 참여신청하며 "이번엔 제대로 옮기자" 마음먹었습니다.
이번 목표는 딱 여기까지로 정했어요. "흩어진 지식을 한 곳에 모으고, 매달 반복하는 수작업만 자동화하자." 매출 예측이나 완전 무인 운영 같은 건 처음부터 욕심내지 않고 범위 밖에 뒀습니다. 할 수 있는 것부터, 확실히요.
🛠️ 사용한 도구
도구: 클로드 코드(Claude Code) , 헤르메스 — AI에게 한국어로 대화하듯 시키면, 직접 파일을 만들고 고치고 인터넷에 올려주는 AI 코딩 도구예요.
모델: Fable 5 — 3년 전 챗GPT도, 얼마 전 버전까지도 제 기준엔 못 미더웠는데, 이 정도 되니 확실히 믿고 맡길 수 있었어요.
왜 이걸 골랐냐면: 3년 전 챗GPT 채팅창은 코드를 "글로만" 알려줬어요. 그 코드를 제가 복사해서 돌려야 했는데, 비개발자한테 그게 제일 큰 벽이었죠. 띄어쓰기 하나만 틀려도 작동을 안하니깐요.
클로드 코드는 제가 말로 시키면 자기가 알아서 파일까지 만들고 고쳐줍니다. 그 차이가 저를 살렸어요.
걸린 시간: 자료 모으기는 몇 주간 짬날 때마다 조금씩 해뒀지만, 이 글의 핵심 — 위키 구축, 급여 자동화(딱 1시간), 비서 봇(반나절) — 은 곡성 워케이션 3박 4일 안에 다 일어났어요.
특이사항: 코드는 한 줄도 안 썼어요. 전부 "이건 이래야 하고, 결과물은 이래야 하고, 예전엔 이런 문제가 있었어" 식으로 상황을 통째로 설명하는 방식으로 진행했습니다.
🔧 작업 과정
흩어진 매뉴얼을 '우리 회사 위키' 한 곳으로
가장 먼저, 네 군데에 흩어진 자료를 한 곳에 모으고 싶었어요. 처음엔 그냥 이렇게 말했어요.
우리 매장 매뉴얼이랑 레시피를 한 곳에서 볼 수 있는 위키로 만들어줘.
그랬더니 모든 문서가 다 보이는 위키가 나왔어요. 그런데 이러면 알바가 관리자용 정보(발주 단가·매출 같은 것)까지 다 보게 되잖아요. 그래서 한 번 더 구체적으로 말했습니다.
알바는 기본 문서만 보이게 하고, 관리자만 볼 수 있는 잠금 문서를 따로 만들어줘.
그리고 직원이 로그인하면 자기 매장 문서만 보이게 해줘.
이렇게 '누가 뭘 볼 수 있는지'까지 콕 집어 말하니 딱 원하는 게 나왔어요. 지금은 레시피·오픈/마감 체크리스트·응대 멘트·컴플레인 매뉴얼까지 78개 문서가 들어 있습니다.
▲ 실제로 만든 우리 매장 위키. 직원이 로그인하면 자기 매장 문서만 보여요.
배운 점: 두루뭉술하게 → 구체적으로 한 끗 바꾸는 게 전부였어요. "위키 만들어줘"가 아니라 "알바는 이것만, 관리자는 잠금"까지 말해주는 것.
사장인 저도 틀렸어요 — 응대 멘트까지 '퀴즈'로
위키에 문서만 쌓아두면 직원들이 잘 안 읽잖아요. 그래서 실제 응대 멘트를 퀴즈로 풀며 익히게 만들었어요. 정답은 우리 매장 매뉴얼에 있는 멘트 토씨 그대로고, 누르는 순간 초록(정답)·빨강(오답)으로 바로 채점돼요.
웃긴 건 — 제가 임신 휴가로 오래(6개월) 쉬다가 오랜만에 이 퀴즈를 풀어봤는데, 사장인 제가 틀렸어요 😂 ('전화 첫마디'를 '안녕하세요'로 골랐는데, 정답은 '감사합니다'로 시작하는 우리 매장 멘트였죠.)
▲ 사장인 제가 우리 매장 응대 멘트 퀴즈를 틀렸어요 😂 6개월 쉬니 사장도 디테일을 잊더라고요.
배운 점: 6개월이면 사장도 디테일을 잊어요. 근데 시스템은 안 잊더라고요. 사람 머리에 기대던 걸 이렇게 정리해두니, 이제 직원들이 저한테 안 물어봐도 스스로 익힐 수 있어요. 제가 제일 원하던 '나한테 묻지 마'가 이렇게 시작됐어요.
8년간 손으로 하던 급여 집계를, 1시간 "대화"로 자동화
3년 전 파이썬으로 실패했던 바로 그 작업이에요. 이번엔 코드 대신 말로 설명했어요. 제가 원래 "이건 이래야 하고, 이 과정에선 이런 문제가 있었고"를 다 설명하는 성격인데, 그게 오히려 통했어요.
직원별로 며칠에 몇 시부터 몇 시까지 일했는지 정리한 데이터가 있어.
이걸로 이번 달 급여명세서를 자동으로 만들어줘.
8년간 손으로 계산했는데 이제 그만하고 싶어.
먼저 어떤 정보가 필요한지 물어보고, 결과가 맞는지 내가 실제 지급액이랑 대조할 수 있게 보여줘.
AI가 먼저 뭘 알려줘야 하는지 되물어봤고, 제가 답해주니 5분 돌리고, 결과 보고, 다시 5분 돌리고… 1시간 만에 매달 반복하던 작업이 자동화됐습니다. 3년 전엔 3일을 붙잡고도 못 한 일이었어요.
▲ 실제 6월 급여대장 결과. 근무시간은 자동 집계, 이름·급여액만 가렸어요.
배운 점: 3년 전에 안 됐던 건 제 능력 문제가 아니라 도구가 아직 무르익지 않았기 때문이었어요. "말로 설명하는 능력"만 있으면 되는 시대가 온 거예요.
시키지도 않았는데, 봇이 내 실수를 먼저 잡았다
재고를 깜빡해 발주를 놓쳤던 그 사고. 다시는 그러기 싫어서, 데이터를 스스로 들여다보는 봇을 헤르메스로 만들어 텔레그램으로 연결해뒀어요.
우리 재고 조사 데이터를 보고,
발주를 깜빡했거나 안전재고보다 부족한 품목이 있으면
먼저 알려주는 봇을 만들어줘.
그리고 바로 어제, 이 봇이 진짜 일을 냈어요.
제가 뭘 물어본 것도 아니에요. 봇이 먼저 "A지점 재고에서 발주가 필요해 보이는 항목들이 있어"라며 목록을 보내줬어요. 피자도우(현재 11 / 안전 20), 냅킨, 치아바타… 안전재고 아래로 떨어진 품목들이었죠. 보는 순간 "아차" 했어요. 제가 발주를 깜빡한 거였거든요.
▲ 제가 묻지도 않았는데 봇이 먼저 "발주 필요 품목"을 찾아 보냈어요. 안전재고 아래로 떨어진 재료들이 목록으로 떴죠. (재료·업체명은 가렸어요.)
문제는 토요일이라서 재료를 구하려면 화요일까지 기다렸어야하는것. 그래서 바로 움직였어요. A지점 동업자에게 "내가 발주를 못 넣어서 물건이 모자랄 거야, 미안해"라고 먼저 사과하고, B지점 직원들에게 "모자란 품목 좀 챙겨서 보내줘"라고 부탁했어요. 두 매장이 서로 물건을 나눠 어제 하루를 간신히, 하지만 무사히 넘겼습니다.
(이날 매출이 평소의 130퍼센트 이상이였어서 정말 큰일날뻔 했어요 ㅠㅠ)
▲ A지점에 사과하고, B지점에 부족한 품목 공수를 부탁해 하루를 넘겼어요.
대박인건 이거예요. 제가 문제를 지적하기 전에, 봇이 먼저 찾았다는 것. 사람은 아무리 똑똑해도 — 게다가 매장에 나가지도 못하는 상황이면 — 다 챙길 수 없어요. 그 구멍을 봇이 메워줬어요. 예전에 노션을 쓰다 알림이 안 와서 발주를 놓쳤던 바로 그 사고가, 이번엔 봇 덕분에 '사고'가 되기 전에 수습된 거예요. (봇은 그 사이 직원 보건증 만료 임박도 따로 찾아줬고요.)
▲ 보건증 만료 임박(⚠️)을 자동으로 띄워줘요. 직원 연락처만 가렸어요.
배운 점: 자동화의 진짜 힘은 "시킨 걸 잘하는 것"이 아니라 "내가 놓친 걸 먼저 알려주는 것" 이더라고요. "내가 기억해야 하는 일"을 "시스템이 먼저 알려주는 일"로 바꾸니, 매장에 없어도 마음이 놓였어요.
AI가 만든 걸, 그대로 믿지는 않았어요
이게 제일 중요한 부분이에요. AI가 똑똑해도 100% 맡기면 안 되잖아요. 그래서 결과가 나올 때마다 사람이 검산할 수 있는 형태로 받았어요.
급여: AI가 만든 명세서를 제가 실제 지급액이랑 한 줄씩 대조했어요. 숫자가 맞아떨어지는 걸 확인하고서야 실제로 썼습니다.
위키: 배포하고 나서 문서를 하나씩 직접 열어보며 레시피 수치나 매장별 차이가 맞는지 검수했어요.
봇 알림: 봇이 "재고 없어요"라고 하면 실제 재고랑 대조해서 진짜 없는지 봤어요. (실제로 맞았고요.)
배운 점: AI한테 "알아서 다 해줘"가 아니라, "내가 확인할 수 있게 보여줘"라고 시키는 것이 핵심이었어요. 그래야 믿고 쓸 수 있어요.
그래서, 내가 없어도 매장이 돌아가는 매장을 완성했습니다.
이 모든 걸 자동화 할 수 있도록 미리 자료들을 전부 아카이빙 하고 만들어둔 게 정말 다행이었어요. 제가 임신이 심해서 6개월간 외출 자체가 불가능했거든요. 매장에 나갈 수가 없었어요.
그런데 그동안 만들어둔 매뉴얼이, 저 없이도 매장이 돌아가게 해줬어요. 그런데 여기서 불편했던 점들을 이제 AI 자동화로서 "흩어져있던 것들이 전부 한눈에"정리해둔 위키가 직원들을 간편하고 덜 힘들게 도와주는 역할을 하게 된거죠. 솔직히 이번 워케이션에 참여하면서 "광명을 찾은 느낌" 이었습니다.
✅ 결과 (After)
Before → After
항목
Before
After
매뉴얼·레시피 위치
노션·드라이브·엑셀·카톡 4곳에 흩어짐
전용 위키 1곳(문서 78개)
신입·알바가 궁금할 때
매번 사장(나)에게 전화·카톡
위키에서 직접 검색
월 급여 근무시간 집계
8년간 직원별 손 계산·입력
스케줄표 기반 자동 생성
급여 자동화 구축
3년 전 파이썬 3일 시도 후 포기
클로드 코드로 완벽하게 완성
재고 발주 관리
엑셀 수기, 깜빡해 발주 누락
봇이 부족 품목 먼저 감지 → 사고 예방
서류(보건증) 만료
내 기억에 의존(놓친 적 있음)
봇이 만료 임박 발견·알림
내가 자리를 비우면
매장 운영이 나에게 의존
임신 6개월 부재에도 운영 지속
지금 실제로 이렇게 쓰고 있어요
급여 자동화 — 이번 달부터 매달 이걸로 돌리고 있어요.
위키 — 지금 라이브로 떠 있고, 관리자에게는 배포 완료했어요. 곧 직원들에게 정식으로 열 예정이에요.
알림 봇 — 이미 제 실수를 실제로 잡아줬어요. 바로 어제, 봇이 먼저 발주 누락을 찾아내 두 매장이 물건을 나눠 사고를 막았고, 직원 보건증 만료 임박도 따로 잡아줬어요.
정직한 한계: 카카오톡 연결은 아직 세팅 중(오픈 전), 재고 자동 예측(POS 연동)은 아직 시작 전입니다. 그래서 "직원이 써보니 좋더라" 같은 제3자 후기는 아직 없어요. 이건 솔직히 배포하면 바로 박수 나올 예정이라고 확신합니다.
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
AI를 "오늘 새로 온 직원"이라고 생각하고, 아는 걸 다 말해주기. "이건 이래야 하고, 결과물은 이래야 하고, 예전엔 이런 문제가 있었어"까지 상황을 통째로 설명했더니 찰떡같이 알아들었어요.
두루뭉술 → 구체적으로, 한 끗만 바꾸기. "위키 만들어줘"는 실패, "알바는 이것만·관리자는 잠금"은 성공. 원하는 걸 콕 집는 게 전부였어요.
이미 쌓아둔 데이터·매뉴얼이 제일 큰 무기. AI를 가장 잘 쓰는 사람은 프롬프트 고수가 아니라 이미 자기 문제와 데이터가 쌓여 있는 사람이더라고요.
"알아서 해줘" 대신 "내가 확인할 수 있게 보여줘". 그래야 AI 결과를 믿고 쓸 수 있어요.
이렇게 하면 안 돼요 (제가 겪은 함정)
도구가 무르익기 전에 무리하지 마세요. 3년 전 파이썬 직접 코딩은 오타 하나에 다 멈춰서 3일 만에 포기했어요. 지금은 훨씬 쉬워졌습니다.
모르는 걸 부끄러워하지 마세요. 저는 아직도 Supabase·SQL이 뭔지 몰라요. 막히면 그냥 AI에게 "이게 뭔지 모르겠는데 뭘 하면 돼?" 라고 물어보면 돼요.
민감정보는 공개되는 곳에 절대 올리지 마세요. 비밀번호·계좌·주민번호는 위키에 넣지 않고, 관리자만 열 수 있는 잠금 문서로 분리했어요.
🌍 다른 업무에 적용한다면?
제 경험상 이 세 가지에 해당하는 일이면 거의 다 됩니다: ① 매달·매주 반복되고 ② 규칙이 있고 ③ 글이나 표로 된 업무. 급여·재고·매뉴얼이 딱 그랬어요.
다른 자영업(병원·미용실·학원·공방): 매뉴얼·예약·재고 구조가 비슷해서 "흩어진 자료 → 전용 위키" 그대로 이식됩니다. 신입 교육 시간을 크게 줄일 수 있어요.
사무직의 반복 엑셀 업무: 주간 보고서, 월 정산처럼 매달 손으로 하는 집계를, 급여 자동화와 똑같이 "데이터 줄게, 이 결과물로 만들어줘"로 처리할 수 있어요.
개인·팀 리마인드: "누가 뭘 했는지 / 언제까지 뭘 해야 하는지" 챙겨주는 봇은 어떤 직군이든 응용됩니다. 저는 이걸로 재고·서류 만료를 챙겨요.
시작하기 전 알아둘 것: 유료 구독이 필요하고, 회사 데이터를 AI에 넣는 게 걱정되면 저처럼 민감정보(비번·계좌·개인정보)만 빼고 시작하면 됩니다. 조직에서 쓸 땐 보안 규정·승인부터 확인하세요. 따라 하면 첫 결과물은 한 시간 안에 볼 수 있어요.
반대로, 이건 AI한테 안 맡겨요. 직원들의 특성을 파악해 동기부여를 하거나, 많이 화가 난 손님을 대면으로 달래는 것처럼 사람의 공감·태도가 필요한 일은 여전히 제 몫이에요. AI는 반복되고 규칙 있는 일을 덜어주는 거지, 사장의 판단을 대신하진 않더라고요.
🚀 앞으로의 계획
재고 자동 예측: 우리 POS(토스포스)의 매출·재고 데이터를 연동해, 부족할 재고를 미리 예측·발주하게 만들기.
카카오톡 연결: 실무가 대부분 카톡에서 이뤄지니, 알림 봇을 카톡으로 연결하기.
알바까지 확대: 위키와 봇을 파트타이머까지 열어서 "셀프교육" 이 되는 교육 시스템 완성하기.
직접 교육: 돌아가서 직원들에게 AI 활용 법을 직접 가르치기. 직원들도 다양한 아이디어로 AI를 활용하면서 더 편하게 일할 수 있을 거예요.
📋 재사용 가능한 프롬프트
프롬프트 1: 흩어진 자료를 '우리 회사 위키'로 모으기
우리 [매장/회사]의 [매뉴얼·레시피·업무 지식]이 [노션·구글드라이브·엑셀·카톡] 여러 곳에 흩어져 있어. 직원들이 한 곳에서 검색해서 볼 수 있는 웹사이트(위키)로 만들어줘. [일반 직원]은 기본 문서만 보이게 하고, [관리자]만 볼 수 있는 잠금 문서도 따로 필요해. 내가 자료를 하나씩 줄 테니 순서대로 정리해서 넣어줘.
[대괄호] 안은 본인 상황에 맞게 바꿔 쓰세요.
프롬프트 2: 매달 반복하는 수작업 자동화하기
내가 매달 [직원별 근무시간]을 손으로 [급여명세서]에 입력하고 있어. [며칠에 몇 시부터 몇 시까지 일했다]는 데이터를 줄 테니, 이걸로 [이번 달 결과물]을 자동으로 만들어줘. 먼저 어떤 정보가 필요한지 나한테 물어보고, 결과가 맞는지 내가 [실제 값]이랑 대조할 수 있게 표로 보여줘.
[대괄호] 안을 본인 반복 업무(정산·리포트·집계 등)로 바꾸면 그대로 쓸 수 있어요.
🤫 마지막 고백 — 사실 이 글도 제가 '쓴' 게 아니에요
솔직히 말하면, 저 글쓰기를 진짜 너무너무 싫어해요. 이런 후기 글은 제 인생에서 제일 안 어울리는 일이에요. 그래서 이 글도, 실은 제가 겪은 일을 AI한테 말로 쭉 들려주고 같이 완성한 거예요. 저는 "이땐 이랬고, 저땐 저랬고" 수다 떨듯 말했을 뿐이고요.
근데 진짜 포인트는 이거예요. 저는 얼마 전까지 '스킬(skill)'이라는 말만 들어도 무서웠던 사람이에요. (스킬은 AI한테 "이런 종류의 일은 이런 순서로 만들어줘"라고 미리 짜두는 자동 틀 같은 건데, 그 단어 자체가 저 같은 AI 바보한텐 '개발자들이나 쓰는 어려운 것' 같았거든요.) 솔직히 "나는 절대 저런 거 못 써" 싶었어요.
그런 제가, 그 무섭던 '스킬'을 써서 지금 이 후기를 썼어요.
그러니까 이 글은 — 글쓰기라면 질색하는 AI 바보가 → 이름만 들어도 겁나던 '스킬'까지 꺼내 써서 → 끝내 완성한 후기예요. 저처럼 겁내던 사람도 됐으니, 이거 읽는 분은 진짜 누구나 할 수 있어요. 무서워하던 그 단어, 그냥 한번 눌러보세요.
🤝 무에서 유까지 3박 4일 — 곡성의 '찐 기버'들
이걸 꼭 말하고 싶어요. 이 글의 핵심 장면들 — 위키가 살아나고, 급여가 자동으로 돌고, 봇이 제 실수를 잡아준 것 — 은 전부 지피터스가 전남 곡성에서 연 'AI 워케이션 1기', 딱 3박 4일 안에 일어난 일이에요. 그런데 그 3박 4일 동안, 저는 단 한 번도 혼자인 적이 없었어요.
운영진분들만 도와주신 게 아니에요. 함께 참가한 멤버 한 분 한 분이 전부 '찐 기버'였어요. 제가 막힐 때마다 누군가 다가와 알려주셨고, 비개발자 왕초보인 제가 완전히 초보적인걸 물어봐도 아무도 이상하게 보지 않았어요. 다들 각자 자기 프로젝트가 있는데도, 서로 봐주고 알려주고 같이 기뻐하면서 으쌰으쌰했어요. 그 분위기 속에서 — 코딩도 모르고, 스킬이란 말만 들어도 무섭던 제가 — 무에서 유를 창조해냈습니다.
혼자 집에서 했다면 아마 3년 전 파이썬 때처럼 3일, 아니 하루만에 포기했을 거예요. 같이 하는 사람들이 있어서, 3일이 '포기'가 아니라 '완성'이 됐어요.
▲ 무에서 유를 함께 만든 곡성 'AI 워케이션 1기' 멤버들. (얼굴은 가렸지만, 이 안에 제 은인들이 다 있어요.)
🙏 마지막으로, 지피터스에게
저는 지푸라기라도 잡는 심정으로 이번 AI워케이션 1기 곡성에 참여했어요. 전엔 입덧이 심해서 외출도 못 하던 때였고, 매장 셋을 8년째 제 머리와 몸으로만 붙들고 있던 사람이었습니다.
솔직히 저는 아직도 Supabase가 뭔지, SQL이 뭔지 몰라요. 대단한 개발자가 된 것도 아니에요. 그런데 이 커뮤니티에서 보고 배운 것들이, 그리고 곡성에서 만난 운영진분들과 멤버분들 한 분 한 분이, "매장에 갇힌 삶"에서 저를 꺼내줬습니다. 이제 제가 자리를 비워도 매장이 돌아가고, 8년간 손으로 하던 일이 말 몇 마디로 끝나요.
돌아가면 이걸 직원들, 가족들, 친구들, 주변사람들에게 하나씩 가르칠 거예요. 곡성에서 제가 받은 것처럼요. 저처럼, 일에 짓눌리지 않고 일하는 사람이 한 명이라도 더 늘었으면 좋겠어요. 지피터스 스터디 23기도 오늘 돌아가자마자 등록할거에요 :)!
자영업자 하나 살려주셔서, 진심으로 감사합니다. 이 은혜, 저도 누군가에게 갚을게요. 🙇♀️
<작성해야 하는 TIPS 사업화 최종 보고서>
📝 한줄 요약
정부 과제 최종보고서를 쓸 때마다 "양식 제대로 지켜졌나, 가이드에서 빠뜨린 건 없나"를 매번 눈으로 검수하던 일을, 매번 같은 기준으로 자동으로 도는 '검수 루프' 로 바꿨습니다. 덤으로 AI가 "다 됐어요"라고 할 때 그 말을 믿지 않고 진짜로 확인하는 법까지 배웠습니다.
🎯 이런 분들께 도움돼요
매번 같은 양식·체크리스트로 문서를 검수하는 게 반복 업무인 실무자
AI한테 일을 시켰는데 "다 됐다"는 결과가 은근히 안 맞아서 고생해 본 분
AI 코딩 도구(Claude Code 등)를 한 번의 지시가 아니라 '시스템'으로 굴려보고 싶은 분
😫 문제 상황 (Before)
정부 TIPS 최종보고서는 제출 양식이 아주 빡빡합니다. 정해진 표 레이아웃, "달성 표시는 이모지 말고 텍스트로", "빈 칸·임시 문구 남기면 안 됨", 증빙 페이지 구성까지 — 작성 가이드만 433개 항목입니다.
그런데 보고서는 한 번 쓰고 끝이 아니라 매번, 여러 번 씁니다. 그때마다 저는 생성된 문서를 열어놓고 체크리스트를 손으로 훑었습니다. 숫자가 원본이랑 맞는지, 놓친 항목은 없는지, 양식은 지켜졌는지 눈으로요. 지루하고, 시간이 걸리고, 무엇보다 매번 기준이 조금씩 달라지고 놓치기 쉬웠습니다. 제출 마감이 코앞이라 더 이상 "그때그때 눈대중"으로 갈 수 없었습니다.
🛠️ 사용한 도구
도구명: Claude Code / Codex
모델: Claude Opus 4.8, Fable 5, GPT 5.5 xhigh
특이사항: 로나(Rona)의 "반복업무 루프 설계" 맞춤 실습을 받아, 그 방법을 실제 제 보고서 작업에 그대로 적용했습니다.
🔧 작업 과정
매번 하는 검수를 '루프'로 바꾸기
먼저 "무엇을 자동화할지"부터 정했습니다. 제가 실제로 반복하는 일을 그대로 말했습니다.
이런 보고서 작성할 일이 잦은데, 원래 PDF 양식에 맞춰서 HTML이 생성되었는지, 보고서 작성 가이드는 놓친 것이 없는지 확인하는 것이 반복하는 작업이야.
Claude는 이 일을 "매번 같은 기준으로 도는 검수 절차"로 만들자고 정리했습니다. 검수 기준을 문서 한 장(레시피)으로, 진행 상태를 또 한 장(상태표)으로 나눠 적어서, 다음에 또 검수할 때 처음부터 설명할 필요가 없게요.
여기서 제가 한 가지를 바로잡았습니다. 초안이 '양식(레이아웃)'만 보길래, 작성 가이드에서 내용 체크리스트를 뽑아 '내용'까지 검증하는 단계를 넣어달라고 했습니다. 실제로 그 업무를 해온 사람이라 빠진 게 눈에 보였거든요.
AI가 스스로 "통과!" 하지 못하게 만들기
가장 인상적이었던 개념이 '만드는 역할'과 '검사하는 역할'을 나누는 것 이었습니다. 만든 쪽이 자기 결과를 스스로 검사하면 "이 정도면 됐지" 하고 후하게 통과시키기 마련이라, 검사는 반드시 객관적인 증거 — 예산 계산 스크립트의 출력, 금지 문구 검색 결과, 누락 개수 — 로만 판정하게 했습니다.
이게 얼마나 중요한지 첫 시범에서 바로 드러났습니다. 검수를 한 번 돌렸더니 "금지 문구 0건 → 통과처럼" 보였는데, 숫자가 전부 비어 있었습니다. 알고 보니 채워진 보고서가 아니라 빈 양식을 검사하고 있었던 거죠. "통과"가 아니라 "엉뚱한 걸 검사 중"이었습니다. 사람이 증거를 읽고서야 잡았습니다.
통째로 말고, 섹션별로 쪼개기
보고서가 워낙 길어서, 전체를 통째로 검수 루프에 넣는 게 비효율적으로 느껴졌습니다. 그래서 제안했습니다.
전체 보고서에 대한 루프를 돌리는 것보다, 각 섹션에 대해서 루프를 돌리는 게 더 나을 것 같아. 각 섹션별로 검토해서 만족한 다음에 다 이어붙이고 페이지를 조정하는 방식은 어떨까?
Claude가 확인해 보니 보고서는 이미 8개 섹션 파일로 나뉘어 있었습니다. 그래서 검수를 2단계로 재설계했습니다. 먼저 섹션 하나하나를 검수해 통과시키고(통과한 섹션은 다시 안 봄), 8개가 다 되면 이어붙여서 페이지·일관성만 마지막에 확인하는 방식으로요.
8개 섹션을 동시에 시키기 (그리고 그 대가)
여기서 또 한 걸음 나갔습니다. 긴 작업을 한 번에 시키면 실수가 잦아진다는 걸 경험으로 알고 있어서, 부분을 나눠 여러 명에게 동시에 시키면 정확도도 오르고 시간도 아낄 것 같았습니다.
동시에 여러 서브에이전트를 띄워서 한 번에 해결하는 것은 안 될까?
그래서 섹션 6개를 AI 6명에게 동시에 맡겼습니다. 확실히 빨랐습니다. 그런데 병렬로 하면 대가가 있었습니다 — 6명이 각자 판단하다 보니 이미지 경로를 제각각 다른 방식으로 써버렸고, 한 명은 "이미지 다 확인했어요"라고 보고했지만 실제로는 화면에서 깨지는 경로였습니다.
이걸 잡아준 게 한 명의 검사자 였습니다. 6명이 만든 걸 한자리에서 대조하니 각자는 못 보던 불일치가 드러났습니다. 만드는 건 여러 명이 병렬로, 검사는 한 명이 몰아서 — 이 조합이 병렬 작업의 핵심이었습니다.
<뭐야 레이아웃 다 깨지고 지맘대로 만들었네....>
"다 됐다는데 왜 안 맞지?" — 진짜 함정
이어붙인 결과물을 열어봤더니, 두 가지가 눈에 띄게 어긋나 있었습니다. 원본 양식의 표 레이아웃이 통째로 빠졌고, 모든 이미지가 안 보였습니다. 저는 원인만 조사해 달라고 했습니다.
final-report.html을 보면 template.pdf와 레이아웃이 달라. 표 레이아웃이 완전히 빠졌고, 모든 이미지가 안 보여. 왜 이런 일이 발생했는지 조사해줘. 추가 수정은 하지 말고 원인 분석만 해줘.
원인은 놀랍도록 같은 뿌리였습니다. 검사할 때 "파일이 있나"만 확인하고 "실제로 화면에 뜨나"는 확인한 적이 없었던 것입니다. 이미지 파일은 다 있었지만 경로에 공백·한글이 들어가 브라우저가 못 읽었고, 표 레이아웃은 애초에 "깔끔하게 새로 만들자"는 판단 때문에 원본의 표 구조를 버린 상태였습니다. 둘 다 '진짜 결과(화면)' 대신 '대충 비슷한 신호(파일 존재)'만 검사한 탓이었죠.
그래서 마지막으로 '렌더 게이트' 를 검수 레시피에 넣었습니다. 완료 판정 전에 실제로 브라우저에 띄워서 "이미지가 진짜 다 보이나 + 표 레이아웃이 원본과 같나"를 확인하게요. 이제 예전 같으면 초록불이었을 결과물이 정확히 빨간불로 잡힙니다.
✅ 결과 (After)
Before vs After
항목
Before
After
검수 방식
매번 눈으로 체크리스트 훑기
매번 같은 기준으로 도는 검수 루프
기준 일관성
그때그때 달라짐, 놓치기 쉬움
레시피에 고정 (양식/내용 2트랙)
완료 판정
"괜찮아 보임" (사람 인상)
객관 증거 + 실제 렌더 확인
섹션 8개 처리
순차로 하나씩
6개 동시 생성 + 한 명이 몰아서 검사
재사용
매번 처음부터 설명
다음 보고서에도 그대로 재사용
결과물
검수 기준을 고정한 재사용 가능한 검수 레시피
8개 섹션 각각의 진행 상태를 보여주는 진행표
조립된 보고서 초안과, 제출 전에 버그를 잡아내는 렌더 게이트
솔직한 마무리: 최종 PDF까지 간 건 아닙니다. 오히려 렌더 게이트가 "이미지 안 보임 + 표 레이아웃 어긋남"을 제출 전에 빨간불로 잡아준 게 이번의 진짜 성과입니다. 예전이었으면 그대로 제출할 뻔했으니까요.
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
반복 업무를 '한 번의 지시'가 아니라 '루프'로 설계 — 검수처럼 매번 같은 기준으로 하는 일에 특히 잘 맞습니다.
만드는 역할과 검사하는 역할을 분리 — AI가 자기 결과를 스스로 통과시키지 못하게, 검사는 객관 증거로만.
길고 독립적인 작업은 나눠서 동시에 — 단, 병렬로 만든 건 마지막에 한 명이 몰아서 검사해야 제각각 생긴 불일치가 잡힙니다.
이렇게 하면 안 돼요
AI의 "다 됐어요"를 그대로 믿기 — "다 확인했다"던 결과가 실제로는 깨져 있었습니다. 증거를 보여달라고 하세요.
"파일이 있으니 됐다"로 완료 판정 — 이미지·레이아웃은 반드시 실제로 화면에 띄워서 확인해야 합니다. '있다'와 '보인다'는 다릅니다.
병렬로 시키고 취합 검사를 건너뛰기 — 빠른 대신 일관성이 깨지기 쉬워서, 뒤에서 한 번에 맞춰보는 단계가 꼭 필요합니다.
🌍 다른 업무에 적용한다면?
"매번 반복되고, 끝났는지 확인할 객관적 기준이 있는 일"이면 뭐든 이 방식이 통합니다. 예를 들어 매주 정산 자료를 정해진 양식에 맞추는 일, 계약서를 체크리스트로 검토하는 일, 대량의 데이터를 규칙대로 분류하고 누락을 확인하는 일 등이요. 핵심은 "완료의 기준을 눈대중이 아니라 증거로 못 박는 것"입니다.
🚀 앞으로의 계획
렌더 게이트를 실제로 통과시켜 최종 PDF까지 뽑기 (이미지 경로를 안전한 이름으로 정리 + 원본 표 양식을 그대로 채우는 방식으로 재작성)
이 검수 레시피를 다음 보고서·다른 문서 업무에도 재사용해 보기
📋 재사용 가능한 프롬프트
프롬프트 1: 반복 업무를 검수 루프로 설계하기
내가 매번 반복하는 [검수/정리 업무]가 있어. 이걸 매번 같은 기준으로 도는 '검수 루프'로 만들어줘. 검수 기준은 레시피 문서 한 장에, 진행 상태는 상태표 한 장에 나눠 적어줘. 완료 판정은 "괜찮아 보임"이 아니라 [테스트/스크립트 출력/누락 개수 같은 객관 증거]로만 하고, 만드는 역할과 검사하는 역할을 나눠줘.
[대괄호] 부분은 본인 업무에 맞게 바꾸세요.
프롬프트 2: AI의 "완료"를 진짜로 검증하기
방금 만든 결과물이 "다 됐다"고 했는데, 파일이 있는지 말고 실제로 화면에 제대로 뜨는지로 검증해줘. 이미지가 다 보이는지, 레이아웃이 원본 [양식/디자인]과 같은지 실제로 열어서 확인하고, 하나라도 어긋나면 완료가 아니라고 보고해줘.
정말 미리 썻어야 한데.. 이제야 씁니다. 게을러 빠져서
상장사 분석 웹앱을 짓고, 그 데이터로 움직이는 AI 투자팀을 키운 기록
📝 한줄 요약
비개발자가 AI와 함께 두 가지를 만들었다 — ① 상장사 재무를 한눈에 보는 분석 웹 대시보드, ② 디스코드에서 룰 기반으로 모의 자동매매를 돌리는 AI 투자팀. 그리고 이 둘을 "웹앱이 만든 데이터를 봇이 먹는" 구조로 잇고 있다.
바쁘시면 이것만 읽어도 돼요:
만든 것 1 — 분석 웹앱: 종목 코드만 넣으면 DART 공시에서 재무를 끌어와 분기 시계열·밸류에이션·AI 해설까지 보여준다.
만든 것 2 — AI 투자팀: 디스코드 봇이 조건검색으로 종목을 찾고 → 기술적 신호(RCI·MACD·박스권)로 판정 → 모의로 사고팔고 → 그 결과를 스스로 복기한다.
핵심 철학: 가격을 예측하는 AI가 아니라, 룰 기반 신호 + 자기 복기로 점점 나아지는 시스템. "넓게 사서 데이터로 검증 → 좁히기."
제일 큰 깨달음: 자동매매의 진짜 자산은 매매가 아니라 "왜 사서 왜 팔았는지"의 완결 기록(원장)이다. 이게 없으면 개선이 '감'이 된다.
둘을 잇다: 웹앱이 가공한 재무·외인 데이터를 봇의 판단 근거로 끌어오는 게 다음 단계다.
🎯 이런 분들께 도움돼요
주식 분석을 매번 수동으로 하다 지친 분
"AI 자동매매"가 궁금하지만 블랙박스 예측 모델은 못 믿겠는 분
비개발자인데 API·자동화로 나만의 도구를 만들고 싶은 분
데이터와 자동화를 안전하게(모의로) 실험하고 싶은 분
😫 문제 상황 (Before)
투자를 하다 보면 두 가지가 늘 번거로웠다.
분석이 수동이다 — 종목 하나 보려면 증권사 앱, 공시 사이트, 뉴스를 오가며 재무를 손으로 짜맞춰야 했다. 분기별 추세나 밸류에이션은 매번 다시 계산이다.
매매가 감에 의존한다 — "왜 샀더라? 왜 팔았더라?"가 기록으로 안 남으니, 잘했는지 못했는지 복기가 안 됐다. 다음에 더 나아질 근거가 없었다.
그래서 두 도구가 필요했다 — 재무를 자동으로 정리해주는 분석판, 그리고 규칙대로 사고팔되 그 이유를 기록하는 자동매매 시스템. 단, AI가 "오를 거예요"라고 점치는 블랙박스는 싫었다. 규칙이 명확하고, 결과를 검증할 수 있는 구조여야 했다.
🛠️ 사용한 도구
AI 코딩 파트너(Hermes 기반,n8n,cursor): 코드 작성·디버깅·검증을 한 단계씩 함께
분석 웹앱: Node.js + 서버리스 배포 + 차트 라이브러리, DART 공시 API
투자팀 봇: 증권사 모의투자 API(2곳) + 디스코드 + 파이썬 (외부 의존 최소)
데이터 소스: DART(공시·재무), 증권사 API(시세·조건검색·수급), 공개 시장 데이터
🔒 전부 모의투자: 실제 돈이 아니라 모의 계좌로 검증. 실전 키는 분리·격리.
🔧 작업 과정 — 1부: 분석 웹앱
📊 1막 — "종목 코드만 넣으면 재무가 보이게"
첫 목표는 단순했다. 종목 코드 하나로 그 회사의 재무를 한눈에. 공시(DART) API에서 재무제표를 끌어와, 손익·재무상태·현금흐름을 차트로 그렸다.
여기서 진짜 일은 데이터 가공의 함정과 싸우는 거였다. 공시 재무는 생각보다 까다로웠다:
분기 데이터가 누적값이다 — 1분기·반기·3분기·연간이 차곡차곡 쌓인 숫자라, 단일 분기 값을 보려면 빼야 한다.
같은 계정인데 이름이 다르다 — "영업활동 현금흐름"(띄어쓰기)과 "영업활동현금흐름"(붙임)이 보고서마다 달라서, 모르고 짜면 데이터가 통째로 빈다.
순이익 계정명이 보고서마다 네 가지 — 당기/분기/반기순이익이 섞여서, 고정 이름으로 찾으면 특정 분기부터 값이 끊긴다.
이런 함정을 하나씩 실측으로 잡으며, 분기 재무 시계열을 안정적으로 뽑는 로직을 완성했다.
아래는 완성 웹이다.
📈 2막 — 밸류에이션과 AI 해설까지
재무를 그리고 나니 욕심이 났다. 단순 숫자를 넘어:
밸류에이션 지표(PER·PBR·ROE·주당지표)를 공시 데이터로 직접 계산
주가는 공개 시세를 결합
AI가 그 회사 재무를 읽고 한국어로 해설해주는 기능
그리고 여러 종목을 나란히 비교하는 기능, 업종별 빠른 비교 프리셋까지 붙였다. 종목 코드만 넣으면 분석 리포트가 나오는 도구가 됐다.
재무 차트를 그리고 나니 욕심이 났다. 단순 숫자 나열을 넘어, "이 회사가 싼가 비싼가, 잘 버는가"를 보여주고 싶었다. 그래서 세 갈래로 키웠다.
① 밸류에이션을 공시 데이터로 직접 계산했다. PER·PBR·ROE에 더해 주당 지표(BPS·EPS·SPS·주당영업현금흐름·주당FCF·DPS)까지 — 외부에서 가져오지 않고 공시의 순이익·자본·매출 + 발행주식수로 직접 산출했다. 외부 지표를 긁어오면 출처가 흐려지고 계산 기준이 제각각이지만, 직접 계산하면 근거가 명확하고 토큰도 안 든다. 적자 종목은 PER을 무한대로 폭발시키지 않게 N/A로 막는 등, 예외도 하나씩 막았다.
② 주가는 공개 시세를 결합했다. 밸류에이션의 분자(주가)만 공개 시세에서 가져와 결합했는데, 여기서 솔직한 한계를 만났다 — 무료 시세는 최근 약 110일치만 주더라. 그래서 PER·PBR 같은 주가 기반 지표는 최근 1~2분기만 채워지고, 과거 밴드는 못 그린다. 반면 주당 지표(공시 기반)는 12분기 전체가 완성된다. "왜 과거 PER이 안 뜨지?"의 답이 바로 이 구조적 한계였고, 위조해서 채우지 않고 없는 건 없다고 정직하게 뒀다.
③ AI가 재무를 읽고 한국어로 해설하게 했다. 차트만 있으면 비개발자는 "그래서 뭐?"가 남는다. 그래서 손익·재무상태·현금흐름·지표를 AI에게 넘겨 친절한 한국어 해설을 생성했다. 단, 매번 AI를 부르면 느리고 비싸서 결과를 일정 시간 캐시해 같은 종목 재조회는 즉답하게 했다.
여기에 여러 종목을 나란히 비교하는 기능(스냅샷 표 + 11개 지표 추이 차트 + 기준점 100 리베이스), 업종별 빠른 비교 프리셋까지 붙였다. 종목 코드만 넣으면 — 분기 재무 시계열, 밸류에이션, AI 해설, 종목 비교까지 한 번에 나오는 도구가 됐다.
🔧 3막 — "기존 걸 부수지 말고, 추가만"
이 과정에서 뼈아픈 교훈이 하나 있었다. 기능을 개선하려다 기존에 잘 되던 화면을 통째로 깨먹은 적이 있다. 재무 데이터 소스를 바꿨더니 차트·표·지표가 전부 빈값이 됐다.
그 뒤로 원칙을 박았다 — 잘 되는 코드는 건드리지 않는다. 새 기능은 새 경로로 추가만 한다. 이게 라이브 서비스를 안정적으로 키우는 핵심이었다.
🔧 작업 과정 — 2부: AI 투자팀
🤖 4막 — 디스코드에 투자팀을 세우다
분석판이 생겼으니, 이제 행동하는 쪽이다. 매번 증권사 앱을 켜는 대신, 평소 쓰는 메신저(디스코드)에서 말 걸면 답하는 봇으로 만들고 싶었다.
① 모의투자 계좌를 연동했다 — 그것도 증권사 2곳. 실제 돈 없이 시세 조회·매수·매도를 API로 한다. 한 곳이 아니라 두 곳을 붙인 건, 같은 전략이라도 증권사마다 체결·데이터가 어떻게 다른지 비교하려고. 두 계좌를 하나의 공통 인터페이스(시세/잔고/매수/매도)로 감싸서, 봇은 "어느 증권사인지" 신경 안 쓰고 명령만 내리면 되게 했다.
② 명령형 + 자연어 하이브리드로 만들었다. 이게 핵심 설계였다:
!시세 !잔고 !매수 같은 빠른 명령은 즉답(5초 내외) — AI를 안 거치니 빠르고, 비용도 0.
그 외 자연어 질문("하이닉스 지금 팔까?")은 AI가 해석해 답변. 이때 실시간 잔고·전략 요약·최근 대화를 함께 넘겨서, 봇이 현재 상황을 알고 답하게 했다.
왜 굳이 둘로 나눴냐면 — 모든 걸 AI로 처리하면 느리고 비싸다. 자주 쓰는 조회는 즉답 명령으로, 판단이 필요한 것만 AI로. 속도와 비용을 둘 다 잡는 구조다.
③ 첨부 파일·이미지까지 읽게 했다. PDF·엑셀·차트 이미지를 던지면 봇이 읽고 해석한다. 여기서 깨달은 핵심이 있다 — 읽기와 해석을 분리한 것. 파일에서 텍스트를 뽑는 건 순수 코드로(토큰 0원), 그 내용을 해석하는 것만 AI가 한다. PDF가 아무리 길어도 읽는 비용은 공짜고, AI는 다 뽑아둔 내용을 볼 때만 불린다. 이미지(차트)는 추출이 안 되니 AI 비전으로 직접 보게 했다.
④ 그리고 API 함정과의 싸움. 자동매매에서 짐작은 곧 손실이라, "되겠지"로 넘기지 않고 실제 응답을 하나씩 찍어보며 확인했다. 실제로 부딪힌 것들:
토큰 발급에 횟수 제한이 있어서, 받아둔 토큰을 캐시하고 만료 직전에만 갱신해야 했다.
계정 이름이 화면에 보이는 것과 API상 실제 값이 달랐다 — 모르고 짜면 인증이 멀쩡한데도 거부된다.
모의 서버 특유의 빈 응답 — 당일 체결 내역이 어떤 조합으로 물어도 비어서, 체결 확인을 잔고 조회로 우회했다.
장 마감 후 주문은 정상적으로 거부된다는 것도, 에러가 아니라 정상 동작임을 응답으로 확인했다.
이런 함정은 문서엔 안 나온다. 실제로 호출해서 응답을 봐야 알 수 있고, 그게 자동매매에서 가장 중요한 습관이었다.
🎯 5막 — 가격을 예측하지 않는다, 신호로 판정한다
핵심 철학이 여기 있다. AI가 "오를 거예요"라고 예측하게 두지 않았다. 예측 모델은 왜 그 답이 나왔는지 설명이 안 되고, 틀려도 고칠 데가 없는 블랙박스다. 대신 명확한 룰 기반 신호로 판정하게 했다 — 각 신호는 "왜 샀는지"가 한 줄로 설명된다.
매수 신호는 한 종류가 아니라 여러 갈래로 두고, 하나라도 걸리면 후보로 본다:
추세 신호 — 이동평균 정배열 + 과매수 아님(추세를 타되 꼭지는 피함)
저점 반등 신호 — 여러 기간의 순위지표(RCI 9·13·18·26선)가 동시에 바닥(-80 이하)에 모임. 과매도가 여러 시간축에서 겹칠 때가 반등 타점
추세 초입 신호 — 골든크로스(단기가 장기를 막 돌파) + 장기 정배열 + 과열 아님
수급 확인 — 외국인 순매수 동향으로 "돈이 실제로 들어오는지" 거름
여기서 중요한 건, 여러 신호를 OR로 넓게 잡되 둘 이상 겹치면 "강력 추천"으로 표시한 것. 처음부터 "이 신호 AND 저 신호"로 좁히면 후보가 거의 안 나온다. 그래서 넓게 사두고, 나중에 어떤 조합이 진짜 강했는지를 데이터로 가려 좁히는 방향을 택했다. (이게 6막 복기로 이어진다.)
전략도 하나가 아니라 여러 개를 동시에 굴렸다:
박스권 전략 — 횡보장에서 밴드 하단 매수 / 상단 매도. 단, "상단 닿으면 무조건 매도"가 아니라 돌파하면 트레일링(고점 따라가다 꺾이면 매도)으로 더 먹게
신호 전략 — 위 신호들로 추세 초입을 잡아 매수
일일 전략 — 대형주 워치리스트 기반 보수형
이걸 각자 다른 계좌 상태로 따로 굴렸다. 같은 자금에 섞으면 어느 전략이 번 건지 구분이 안 되니까. A/B로 나란히 돌려 데이터로 우열을 가리는 게 목적이었다.
그리고 손실 관리에 한 가지 원칙을 넣었다 — 자동 손절매를 빼고 "물타기 승인제"로. 손실이 기준에 닿으면 봇이 자동으로 팔지 않고, 나에게 "추가 매수해서 평단을 낮출까요?"를 제안한다. 내가 승인하면 물타기, 거절하면 그때 손절. 비가역적인 행동(매도)은 사람이 최종 결정하게 한 거다.
📒 6막 — 진짜 자산은 매매가 아니라 '복기 기록'
자동매매를 돌리다 가장 중요한 걸 깨달았다. 진짜 자산은 사고파는 행위가 아니라, "어떤 신호로 사서 → 얼마에 나와서 → 며칠 보유 → 실제 몇 % 벌었나"의 완결 기록(원장)이다.
처음엔 이게 없었다. 매도하면 포지션을 그냥 지웠다. 그러니 "이 전략이 좋은가?"를 물어도 답할 데이터가 없었다. 개선이 전부 '감'이 됐다. 그래서 토대부터 다시 깔았다:
① 거래 원장. 매도로 거래가 닫힐 때마다 진입 맥락(어떤 신호였는지·진입 시점 지표)부터 실현 손익·보유일까지 한 줄로 남긴다. 이게 모든 복기의 원천이다.
② 복기 엔진. 그 원장을 읽어 승률·기대값(거래당 평균 손익률)·신호별 성적을 계산한다. "강력 추천(신호 2개 겹친 것)"이 정말 일반 신호보다 나은지도 따로 집계한다. 처음엔 OR로 넓게 샀으니, 여기서 데이터가 "AND로 좁힐 가치가 있는지"를 증명한다.
③ 시장 대비 초과수익(α). 이게 핵심이다. 절대수익만 보면 착시가 생긴다 — 4% 벌어도 그 기간 시장이 6% 올랐으면 사실 진 거다. 그래서 진입~청산 구간의 코스피 수익률을 빼서, "상승장 덕인지 신호 덕인지"를 가려낸다. 신호의 진짜 실력은 α로 봐야 한다.
④ 리스크·효율 축. 최대낙폭(고점 대비 얼마나 까였나), 최대 연속 손실, 보유일당 효율까지. 수익만이 아니라 "얼마나 위태롭게 벌었나"도 본다.
⑤ 그리고 정직함. 표본이 부족하면 판단을 보류한다. 거래 몇 건으로 "이 전략이 좋다"고 단정하지 않는다. 표본이 충분히 쌓이면(예: 30건+) 그제서야 인샘플/아웃샘플로 나눠 "과거에만 맞춘 착시(과적합)"인지 검증하는 장치도 넣었다.
이게 "넓게 사서 데이터로 검증 → 좋은 신호만 좁히기"라는 철학의 엔진이다. 처음부터 완벽한 전략을 짜는 게 아니라, 넓게 시도하고 기록으로 골라낸다. 그리고 파라미터를 바꿀 때도 봇이 자동으로 바꾸지 않고 "이렇게 바꾸면 과거 거래에 더 나았을 것"을 제안만 한다 — 적용은 내가 승인한 뒤.
🔁 7막 — 두 도구를 잇다: 웹앱이 투자팀을 먹인다
지금까지 둘은 따로 자랐다. 그런데 이을 지점이 보였다.
투자팀은 100% 기술적 신호(가격·거래량)로만 판단한다. 재무 건전성 게이트가 없다. 그래서 RCI가 바닥이고 외인이 들어와도, 영업현금흐름 적자인 부실 종목을 거를 장치가 없다.
반면 분석 웹앱은 그 재무 데이터를 이미 정확히 가공한다. → 웹앱이 만든 FCF·영업현금흐름·재무지표를 봇의 진입 근거로 끌어오는 것. "차트도 좋고 재무도 좋은" 종목만 사게.
여기서도 같은 원칙을 적용한다 — 매수 로직을 바로 바꾸지 않고, 먼저 매수 시점 재무를 원장에 기록해두고, 복기로 "재무 좋은 종목이 정말 더 벌었나"를 데이터로 증명한 뒤 게이트로 만든다. (이건 시작 단계라 차근차근.)
✅ 결과 (After)
Before vs After
항목
Before
After
종목 분석
앱·공시·뉴스 수동 취합
코드 입력 → 재무·밸류·AI해설 자동
매매 근거
감, 기록 없음
룰 기반 신호 + 완결 원장
복기
불가
승률·기대값·신호별·시장초과수익 자동
전략 검증
하나만, 비교 불가
3전략 병행, 데이터로 우열 비교
위험
실전에서 실험
전부 모의투자로 안전 검증
결과물
상장사 재무 분석 웹 대시보드 (분기 시계열·밸류에이션·AI 해설·종목 비교)
디스코드 AI 투자팀 (모의 자동매매 3전략 + 자연어 + 첨부 분석)
자가개선 복기 엔진 (원장 + 승률/기대값/α + walk-forward 검증)
매일 종목 정보를 자동 수집하는 시장조사 파이프라인
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
예측 말고 규칙: AI에게 "오를까?"를 묻는 대신, 명확한 신호 룰을 만들고 AI는 구현·검증을 맡겼다. 블랙박스보다 믿을 수 있다.
실측 또 실측: API 응답, 데이터 가공, 매매 결과 — 전부 "되겠지" 대신 실제 값을 찍어 확인했다. 자동매매에서 짐작은 곧 손실이다.
모의로 충분히: 실제 돈을 넣기 전에 모의로 며칠씩 돌려 로그를 쌓았다. 안전하게 실험하고 데이터로 판단.
이렇게 하면 안 돼요
잘 되는 코드 건드리기: 라이브 서비스에서 "개선"하려다 멀쩡한 기능을 깬다. 새 기능은 추가만.
기록 없이 자동매매: 원장 없는 자동매매는 복기 불가 = 개선 불가. 매매보다 기록이 먼저다.
표본 적은데 단정: 거래 몇 건으로 "이 전략이 좋다"고 결론내면 착시다. 부족하면 보류가 정직함.
🌍 다른 업무에 적용한다면?
규칙 기반 자동화 일반: "신호 → 판정 → 실행 → 기록 → 복기" 루프는 매매뿐 아니라 어떤 규칙 업무에도 맞는다.
데이터 대시보드: 공개 API에서 데이터를 끌어와 자동 시각화하는 패턴은 어떤 분야든 적용된다.
A/B 비교 운영: 여러 전략을 병행하며 데이터로 우열을 가리는 방식은 마케팅·운영 실험에도 그대로.
🚀 앞으로의 계획
웹앱 데이터 → 투자팀 진입 근거 연동 (재무 건전성 게이트) — 시작 단계
복기 데이터가 쌓이면 좋은 신호만 좁히기 (넓게 사서 검증 → 압축)
시장 국면에 따라 전략을 자동 전환하는 구조 실험
소개
시도하고자 했던 것과 그 이유를 알려주세요.
평소 관심 있는 AI 전력망, 휴머노이드 로봇 관련 ETF 및 변동성이 큰 하이테크 자산들을 감이 아닌 데이터 기반으로 투자하기 위해 분석 시스템을 자동화하고자 함
AI 투자 에이전트 구축 시 에이전트의 역할을 세분화하고 협업하도록 설계하여, 이른 새벽 시간대에도 스스로 종목을 발굴하고 분석 리포트를 작성하는 워크플로우를 만들고자 함
특히 고변동성 자산 매도 시 발생할 수 있는 예상치 못한 손실을 방지하기 위해 여러 단계의 안전장치(가드레일)를 시스템에 적용하는 것이 핵심 목표임
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
Claude Cowork: PC 로컬 환경의 데이터 활용 및 다단계 심층 분석 파이프라인 실행
Claude Code & Python: YFinance 및 FRED API 연동, 데이터 전처리 자동화 스크립트 작성
SQLite: 지속적인 운영을 위한 체계적인 데이터베이스 구축
결과와 배운 점
시도한 방법: 재무제표, 가치 평가, 차트, 정성적 분석, 리스크 분석 등 6단계 심층 분석 프롬프트를 시스템에 세팅하고, 실시간 주가와 52주 최고/최저가를 조회하여 분석에 포함하도록 구성함
얻은 결과: 기업 경쟁력과 ESG 평가 같은 정성적 분석뿐만 아니라, 낙관/비관 시나리오까지 고려한 보수적인 리스크 분석 결과를 매일 아침 자동으로 받아볼 수 있게 됨
발생한 문제: 초기에는 단일 에이전트에게 모든 것을 맡겼으나, 손실 발생 시 추적 및 원인 파악이 어려웠고 하나의 행위에 많은 정보가 필요하여 비용이 많이 발생함 (특히, 최근 claude 모델 fable 5 등장으로, 정확하고 고도화된 결과를 얻고자 최고사용 모델을 적용하니 토큰 소모가 2배로 진행)
해결 방법: 발굴 에이전트(뉴스 및 외부 정보 수집), 전략 에이전트(매수/매도 신호 확인), 자원 배분 에이전트로 역할을 명확히 분리하여 책임이 겹치지 않는 협업 구조를 만듦
그 밖의 시행착오: 클로드 데스크톱 설치 후 깃허브 자료를 로컬에 연동할 때, PC 저장 공간 부족 및 디렉토리 구조(시스템, 메모리, 스킬 등) 누락으로 코워크 에러가 발생
도움 받은 글 (옵션)
참고한 지피터스 글이나 외부 사례를 알려주세요.
마감 시간 임박으로 우선 간단한 내용정리 수준으로 올렸습니다.
이후 시간을 가지고 내용 보완하도록 하겠습니다.
소개
처음에는 단순하게 생각했습니다. “AI가 뉴스를 보고, 차트를 보고, 투자 후보를 뽑고, 자동으로 판단하면 되는 거 아닌가?” 그런데 실제로 자동매매 흐름을 만들다 보니, 가장 먼저 부딪힌 문제는 AI 성능이 아니었습니다. 문제는 **내가 어떤 기준으로 AI의 판단을 통과시킬 것인가**였습니다. AI가 어떤 종목이나 자산을 좋다고 말해도, 그걸 바로 실거래로 연결하면 위험합니다. 왜 좋은지, 반대 근거는 무엇인지, 손실 가능성은 어디까지인지, 뉴스와 가격 데이터가 최신인지, 그리고 이 판단이 단순한 확신 편향은 아닌지 확인해야 했습니다. 결국 제가 배운 건 이거였습니다. > AI에게 자동매매를 맡기려면, 먼저 내가 트레이더의 기본 지식과 판단 기준을 갖고 있어야 한다. AI는 기준을 자동화할 수는 있지만, 기준 자체를 책임져주지는 않습니다.
진행 방법
그래서 저는 자동매매 시스템을 바로 실거래로 연결하지 않았습니다. 대신 먼저 **종이매매 통과 기준**을 만들었습니다. AI가 투자 후보를 만들더라도, 그 후보는 바로 주문으로 가지 않습니다. 먼저 아래 질문을 통과해야 합니다. - 근거가 충분한가?
- 반대 근거를 스스로 제시했는가?
- 손실 가능성과 무효화 조건을 적었는가?
- 뉴스와 데이터 출처가 확인되는가?
- 종이매매 기록과 복기가 쌓였는가?
- 위험 문구나 주문 실행 문구가 섞이면 차단되는가? 여기서 중요한 건 “AI가 맞췄냐”보다 “AI의 판단을 내가 검토 가능한 구조로 만들었냐”였습니다. 자동매매에서 제일 위험한 순간은 AI가 그럴듯한 말을 할 때입니다. “지금 사야 합니다.” “목표가는 얼마입니다.” “이 주문을 실행하세요.” 이런 문장이 나오면, 시스템은 오히려 더 조심해야 합니다. 그래서 저는 다음과 같은 **투자 자동화 안전장치**를 두었습니다. - 실거래 주문은 기본적으로 비활성화
- 브로커/거래소 연결도 비활성화
- API 키나 계정 정보 입력은 차단
- “주문 실행”, “시장가 주문”, “투자 조언” 같은 문구는 차단
- 종이매매 세션만 열리도록 제한
- 기록, 복기, 반대 논리 작성이 먼저 진행되도록 구성 즉, AI가 투자 아이디어를 내는 것과 실제 주문을 넣는 것은 완전히 분리했습니다. 또 실거래 전환은 “이제 잘 되는 것 같으니 해보자”로 넘기지 않기 위해, 따로 **실거래 전환 조건표**가 필요하다고 느꼈습니다. 실거래로 넘어가려면 최소한 이런 조건을 확인해야 합니다. - 충분한 종이매매 기록이 있는가?
- 손실 사례를 복기했는가?
- 승률보다 손익비와 리스크 관리가 검증됐는가?
- 데이터 오류가 났을 때 멈추는가?
- 위험 문구가 들어왔을 때 차단되는가?
- 사람의 승인 없이 주문으로 이어지지 않는가? 자동매매에서 중요한 건 “자동”이 아니라 **어디까지 자동화할 것인가**였습니다.
결과와 배운 점
처음에는 AI가 좋은 투자 판단을 해주길 기대했습니다. 하지만 실제로 만들어보니, 더 중요한 건 제가 트레이더로서 기본 질문을 알고 있어야 한다는 점이었습니다. AI에게 물어볼 질문을 모르면, AI의 답변도 검증할 수 없습니다. 반대 근거를 요구할 줄 모르면, AI는 확신에 찬 답변만 줄 수 있습니다. 리스크 기준이 없으면, 자동매매는 자동 손실 시스템이 될 수도 있습니다. 그래서 지금 제 결론은 이렇습니다. > AI 자동매매는 AI부터 만드는 게 아니라, 내 투자 판단 기준을 먼저 구조화하는 일부터 시작해야 한다. AI는 훌륭한 실행 도구가 될 수 있습니다. 하지만 트레이더의 기본기 없이 AI에게 자동매매를 맡기는 건, 운전면허 없이 자율주행 설정만 만지는 것과 비슷하다고 느꼈습니다. 이번 실험의 가장 큰 수확은 자동매매 시스템을 만든 것이 아니라, **자동매매를 하기 전에 내가 무엇을 알아야 하는지 알게 된 것**입니다.
소개 — 무엇을, 왜 시도했나
지난 글(구축기 ①)에서 "브랜드가 뜨면 그 브랜드를 가진 상장사도 같이 뜬다"는 가설을, 1,124개 브랜드↔상장사 DB로 만들었습니다. 그런데 DB는 정적입니다. 가설이 의미가 있으려면 '지금 뜨는 브랜드'를 남보다 먼저 잡아야 합니다.
그래서 이번엔 그 DB를 살아 움직이게 만들었습니다. 832개 B2C 브랜드의 검색 트렌드를 매주 자동 수집해서, 급등한 브랜드를 그 모기업(상장사)·티커·매출 비중과 함께 슬랙·텔레그램으로 자동 알림으로 받는 것. 핵심 이유는 단순합니다 — 832개를 매주 손으로 볼 수는 없으니까. 수집 → 급등 신호 → 상장사 매핑 → 알림까지를 자동화하고, 비싼 분석(밸류·내러티브)은 내가 알림을 보고 승인했을 때만 돌게 했습니다.
한 줄. ①이 "지도(DB)"였다면, ②는 그 지도 위에서 매주 깜빡이는 신호등을 켜는 작업입니다.
진행 방법 — 도구와 활용
전부 무료 도구로 시작했습니다. 네이버 데이터랩 API(검색어트렌드, 무료), 구글 트렌드(pytrends, 무료·비공식), 슬랙 Incoming Webhook, 텔레그램 봇, Windows 작업 스케줄러, 그리고 Python. 코드는 전부 Claude 코워크로 작성·검증했습니다.
1) 신호 규칙 — 상대값을 '변화율'로
트렌드 값은 절대 검색량이 아니라 상대지수(0~100)입니다. 그래서 값 자체가 아니라 1주·4주·12주 변화율을 보고, WoW ≥ 10% / 4주 ≥ 30% / 12주 ≥ 50% 중 하나라도 넘으면 '급등'으로 잡습니다. 검색량이 너무 적은 브랜드는 작은 변동도 큰 %로 튀어서, 베이스 컷(최신 상대값 5 미만 무시)도 넣었습니다.
2) 알림 메시지 — 한글명 + 티커 + 매출 비중
급등 브랜드만 보내면 "그래서 어느 상장사?"를 또 찾아야 합니다. 그래서 알림에 DB(db.js)를 붙여 한글명·영문명 → 모기업 · 티커(거래소) · 모기업 매출 비중%까지 한 줄에 담았습니다. 텔레그램에서 이모지가 깨지지 않게 실제 유니코드(🔥)를 쓰고요.
3) 트리클 모드 — 차단을 피해 한 주에 전수
무료 구글(pytrends)은 한 번에 많이 돌리면 429로 차단됩니다. 그래서 월~금 오전 11시~오후 5시에 조금씩 나눠 전 종목(832개)을 한 주에 걸쳐 수집하도록 '트리클(trickle)' 모드를 만들었습니다. 진행상황을 저장(resume)해 다음 시간대가 이어받고, 50개 묶음이 다 차면 그 배치만 끊어서 알림을 보냅니다. (큰 보고서 한 방이 아니라, 50개씩 끊어서.) 작업 스케줄러에 한 번만 등록하면 자동으로 돕니다.
4) 실제로 데이터가 들어오는지 검증
가장 중요한 질문 — "진짜 데이터가 들어오고, 상승이 잡히나?" 럭셔리는 마침 보합이라 0건이었는데, 전 섹터로 넓혀 네이버 신호가 강한 125개를 훑자 실제 급등 브랜드가 잡혔습니다.
실제로 쓴 프롬프트 (요지)
# 1. 수집기 만들기
네이버 데이터랩과 구글 트렌드만 연결해서, 832개 브랜드의
검색 트렌드를 매주 취합하는 러너를 만들어줘. 1·4·12주 변화율로
10/30/50% 임계치를 넘으면 슬랙·텔레그램으로 요약을 보내고. # 2. 메시지 업그레이드
알림에 모기업 기준 '매출 비중 %'랑 한글명·티커도 같이 보내줘.
이모지는 텔레그램에서 안 깨지게 실제 유니코드로. # 3. 트리클 + 배치 보고
pytrends가 자꾸 막히니 월~금 11~17시에 전수를 잘게 나눠 돌려.
그리고 50개씩 끊어서, 그 배치가 끝나면 그 50개만 메시지 보내고
또 다음 50개 돌리고 보내고… 이렇게. # 4. 자가 검증 + 막힘 대응
수집 돌리기 전에 문법·데이터·메시지 포맷을 자동 점검하는
self-check를 넣고, 구글이 연속으로 막히면 그 회차는 구글을
포기하고 네이버로 진행하게 해줘.
핵심 코드 — 두 군데가 품질을 갈랐다
주중에 돌려보니 모든 브랜드가 일괄 −60%로 찍혔습니다. 네이버 주간 데이터의 '이번 주'가 아직 미완성이라 값이 덜 차서 생긴 거짓 하락이었죠. 이걸 안 잡았으면 주중엔 상승을 통째로 놓쳤을 겁니다.
# 미완성 '이번 주'는 빼고, 마지막 '완성된 주'를 기준으로
if last_week >= 이번주_월요일: series = series[:-1] # 미완 주 제거
그리고 구글이 막혔을 때 35초씩 헛기다리지 않게, 연속 차단되면 그 회차는 구글을 접고 네이버로 넘어가는 '서킷 브레이커'를 넣었습니다.
# 구글 연속 차단 = 하드블록 → 이번 런은 구글 포기, 네이버로
if consec >= GIVE_UP: # 기본 6회 blocked = True # 남은 건 즉시 건너뜀(대기 없음)
결과와 배운 점
결과. 832개 브랜드를 한 주에 나눠 자동 수집하고, 급등 브랜드를 한글명·티커·매출 비중%와 함께 슬랙·텔레그램으로 받는 파이프라인이 실제로 돕니다. 네이버는 안정적으로 들어오고(리닝 +416% 등 실측 확인), 수집 전 self-check가 자동으로 코드·데이터·메시지를 점검하고, 트리클은 작업 스케줄러로 무인 실행됩니다.
배운 점 · 꿀팁
무료 소스엔 역할이 다르다. 네이버 = 한국 신호(안 막히는 일꾼), 구글 = 글로벌 보너스(막히면 best-effort). 둘을 같은 무게로 두면 안 된다.
'이번 주'를 믿지 마라. 주간 데이터의 현재 주는 미완성 → 주중엔 전부 거짓 하락. 마지막 완성된 주로 비교해야 신호가 산다.
저베이스는 노이즈. 검색량 적은 브랜드는 +400%도 흔하다. 베이스 컷으로 걸러야 한다.
도구의 '거짓 보고'를 의심하라. 방금 저장한 파일을 "잘렸다"고 표시하는 경우가 있었다(샌드박스 표시 지연). 실제 파일은 멀쩡 → 실환경에서 도는 self-check로 항구 검증.
최종 판단의 게이트는 나. 알림은 자동, 비싼 분석은 내가 승인한 뒤에만.
시행착오
pytrends 429 반복 — 무료 구글은 자동 반복 조회를 계속 차단. → 트리클로 분산 + 서킷 브레이커로 우회.
OneDrive가 쓰기를 막음 — 결과 저장이 막혀, 출력은 %LOCALAPPDATA%로, 프로젝트는 OneDrive 밖으로 이동.
파이썬 런처 — python이 엉뚱한 가상환경을 가리켜 py 런처로 통일.
.bat 차단 · 텔레그램 chat_id · PowerShell의 & 문법 등 윈도우 잔손질이 의외로 많았다.
지금 도움이 필요한 부분
구글 트렌드(pytrends)가 계속 막혀서 유료 전환을 고민 중입니다. 어떤 API(SerpApi·DataForSEO 등)가 가격이 합리적인지, 그리고 그 전에 검색 방식·양 자체를 어떻게 줄일지(키워드 수, 조회 빈도, 지역 범위)부터 다시 설계해야 할 것 같습니다. 무료로 끝까지 버틸지, 월 몇만 원으로 글로벌 신호를 사올지 — 비용 대비 효용을 저울질 중입니다.
앞으로의 계획
슬랙 온디맨드 리포트. 슬랙에서 특정 명령어로 브랜드를 입력하면, 그 브랜드의 트렌드 리포트 + 기업분석 리포트를 자동 작성·발송하게 만들기.
검색 대상 정리. 의미 없는 브랜드는 빼고, 빠진 브랜드는 추가 — 유니버스를 한 번 손보기.
네이버 한글 브랜드명 전수 정비. 지금은 일부만 한글이고 나머진 영문 폴백 → 전부 정확한 한글 키워드로 바꿔 네이버 신호 정확도 끌어올리기.
구글 유료 전환 검토. SerpApi/DataForSEO 등 가격·쿼터·커버리지 비교 + 검색량 최적화로 비용 합리화.
릴스 6개 + 메이킹 영상 3개를, 키 하나로 하루 만에 (번체·한국어·영어)
🪄 시작은 "이거 나도 돼?" 였어요
클로드가 영상을 자동으로 만든다는 콘텐츠를 보고 꽂혔어요.
"우리 가족 캐릭터로, 사람들이 진짜 저장·공유하는 인스타 영상을 만들 수 있을까?"
그래서 클로드 코드 에이전트 팀 (윈디=파이프라인 / 아트=비주얼 / 로보=검증)으로 첫 도전했습니다.
결론부터 — 됩니다. 그것도 키 하나로.
🌱 왜 인스타를 새로 기획했나 (브랜딩 배경)
사실 이번 영상은 단순 실험이 아니라 새로운 시작이에요.
브랜딩을 제대로 하려고, 인스타를 목적에 맞게 3개로 나눠 새로 기획했거든요.
· @kndli.bella (번체/대만) · @kndli.bella.kr (한국어) · @kndli.bella.en (영어)
· 언어권별로 나눈 이유 → AI 교육 콘텐츠를 화권·한국·글로벌 각 타깃에 맞춰 인지도를 키우기 위해서. 같은 콘텐츠도
언어가 맞아야 도달이 터지니까요.
· 기존 @bella_ai_auto = 에이전트들이 자율적으로 하고 싶은 걸 하는 쇼케이스 계정 (봇들의 놀이터 🤖) 애들이 본인 주제 정하고 스스로 만들고 업로드하기 ! ㅋㅋ 그래서 좀 ~상상 초월
· 새 3계정(kndli.bella 라인) = 의도적으로 브랜드 인지도를 키우는 정규 파이프라인 — "에이전트가 알아서"가 아니라 기획·전략을 갖고 운영하는 채널
즉, 이번 영상이 그 3계정 브랜딩의 첫 정규 콘텐츠였어요. 새 출발의 1번 타자인 셈이죠 🚀
🎁 결과 먼저 (하루 산출물)
· 릴스 6개: 같은 콘셉트를 2가지 방식 × 3개국어
- 방식 A = Veo 3.1(실사 시네마틱) / 방식 B = 하이브리드(이미지+모션, 거의 무료)
- 번체·한국어·영어
· 메이킹 영상 3개(16:9, 39초): "이 영상을 어떻게 만들었나"를 화면녹화 + 결과 + AI 나레이션 + 음악으로
메이킹 영상 3개(16:9, 39초):
한국어 화면녹화 + 결과 + AI 나레이션 + 음악으로
중국어
영어
· 주제: "이 영상도 AI가 만들었다"
🧰 쓴 도구 (전부 Gemini 유료 키 1개)
· 🎥 실사 영상 → Veo 3.1 (image-to-video) · 유료(8초 ≈ 수천원)
· 🖼️ 이미지 → Imagen 4 · 유료(저가)
· 🎤 음성(3개국어) → Gemini TTS (pro 모델) · 유료(저가)
· 🎵 배경음악 → Lyria 실시간 음악 · 유료(저가)
· ✍️ 자막·엔드카드 → Pillow(파이썬) · 무료
· 🎬 영상 합성·믹싱 → ffmpeg · 무료
· 📹 화면 녹화 → ffmpeg gdigrab · 무료
· 👥 3라운드 리뷰 → 서브에이전트(아트·로보·콘텐츠)
→ 비싼 건 Veo뿐, 나머진 저렴하거나 공짜. 하이브리드 방식은 거의 0원으로 양산 가능했어요.
⚖️ 두 방식, 직접 비교해보니
· Veo(A) = 로봇이 진짜 살아 움직임 → "와 실사야?" 스크롤 멈춤. 단 8초에 돈 듦.
(3까지 언어 음성) 한국어 영어 중국어 /ai 스럽지만 중국어 발음, 성조 잘 나왔어요
· 하이브리드(B) = AI 그림 2장 + ffmpeg 켄번스(가짜 모션) + 자막 → 깔끔하고 거의 무료.
(3까지 언어 음성) 한국어 영어 중국어 / ai 스럽지만 중국어 발음, 성조 잘 나왔어요
· 같은 자막·음성·엔드카드로 만들어 공정 비교 → 메인은 Veo, 양산은 하이브리드로 가기로.
🪜 삽질 = 진짜 배움 (이게 핵심)
1. 글자 아티팩트: Imagen 프롬프트에 색상 헥스코드를 넣었더니 화면에 글자로 그려짐 → "no text, blank screen"
네거티브로 해결.
2. 음성 ≠ 자막: 통짜 TTS를 깔았더니 음성과 자막이 안 맞았어요. → 문장별로 쪼개 TTS → 각 길이를 재서 자막·장면 타이밍
배치 = 프레임 단위로 싱크.
3. 성조가 이상: 중국어 음성이 어색 → gemini-2.5-pro-preview-tts + "또렷·표준 성조" 스타일로 바꾸니 확 좋아짐.
4. 음악이 답답: 처음엔 단음 드론(잡음 같음) → Lyria로 pop/R&B 생성 + 사이드체인 더킹(말할 땐 음악 자동으로↓)으로 나레이션 또렷하게.
💎 첫 도전에서 얻은 인사이트 4개
1. 예쁜 영상 ≠ 인기 영상. 비주얼은 조회수(스크롤 멈춤), 저장·공유·댓글은 구조(훅→반전→가치→CTA)가 만든다.
2. 정보 유용성이 저장을 부른다. "3단계"에 도구명·시간을 박으니("①대본(Claude) ②장면(Veo) ③5분") 따라하고 싶어짐.
3. 품질은 툴이 아니라 기준. 음성 기준(pro+싱크) · 바이럴 구조 · 팀 3라운드 리뷰가 결과를 갈랐어요.
4. 맥락을 아는 에이전트 = 끝까지 간다. 가장 컸던 건 윈디가 프로젝트 전체를 기억해서,
조사→기획→제작→음성→음악→메이킹을 한 사람(팀)처럼 끊김 없이 처리한 거예요. 단발 프롬프트로 조각조각 시키는 것과는
완전히 다른 경험이었어요.
💡 한 줄 요약: "AI에게 작업을 시켰다"가 아니라, "우리 프로젝트를 아는 AI 팀과 함께 만들었다."
🤝 에이전트 '팀워크'가 진짜였던 순간
진짜 컸던 건 — 윈디가 우리 프로젝트 전체를 이미 파악한 상태였다는 거예요.
우리 브랜드 톤, 가족 캐릭터, 3계정 전략, 색 팔레트까지 다 기억하고 있으니까,
윈디가 "지휘자"가 돼서 팀원들에게 일을 나눠주고(분업) → 팀을 움직여 → 알아서 만들었어요.
· 🌬️ 윈디(지휘자) = 전체 맥락 파악 → 조사·기획·파이프라인·영상조립·음성·음악
· 🎨 아트 = 비주얼·타이포·디자인 검수
· 🤖 로보 = 기술·스펙·세이프존·CJK 검증
· ✍️ 콘텐츠 = 훅·바이럴성·현지화(대만 구어체)
즉 조사 → 기획 → 제작 → 음성 → 음악 → 메이킹까지, 제가 일일이 단계별로 시킨 게 아니라 윈디가 팀을 분업·가동해서 한
흐름으로 끝냈어요.
거기에 3라운드 리뷰로 자막바가 인스타 UI에 가린다(세이프존), 번체가 격식체다, 엔진 라벨이 틀렸다… 이런 걸 각자 다른
눈으로 잡아줬고요.
"AI를 도구로 쓰는 것"과 "AI 팀이 알아서 만드는 것"의 차이를 체감한 하루였어요.
🚀 다음 단계
· 인스타 3계정(번체/한국어/영어) 자동 발행 + 댓글→DM 깔때기 연결
· 제작은 윈디(윈도우), 발행은 오픈클로(맥미니) → 24시간 무인 콘텐츠 공장
첫 도전인데 생각보다 멀리 왔어요. 같은 길 가시는 분들께 도움이 되면 좋겠습니다 🙌
— 벨라 & 드림팀 🌷🌬️🎨🤖
소개
시도하고자 했던 것과 그 이유를 알려주세요.
Cowork 분석을 통한 CFD 운용
우선 아래 사이트에서 데모 계좌를 생성
https://www.icmarkets.com
위의 데모계좌를 이용해서
https://www.vantagemarkets.com/ko/trading-platform/metatrader-5/
위의 사이트의 메타트레이더5를 다운받아 설치하여 메타트레이더5 프로그램 설치 완료
스터디장님이 공유해주신 Investment Orchestrator Skill을 이용하여 Claude Cowork에 Project를 만들고 해당 스킬을 설치
첨부 스킬을 설치해 줘
스킬 첨부하고 위와 같이 입력하고 스킬 트리 구조 확인
설치 확인됐습니다. 트리 구조: ```
investment-orchestrator/
├── SKILL.md (6.8 KB) ← 오케스트레이터 (메인)
├── deep-analysis.md (3.7 KB)
├── fundamental.md (5.7 KB)
├── technical.md (8.5 KB)
├── qualitative.md (7.4 KB)
├── valuation.md (4.4 KB)
└── risk.md (5.5 KB)
``` 7개 파일, 총 42 KB. SKILL.md가 자산 타입을 감지하고 6개 분석 모듈을 순차 실행하는 구조입니다. 바로 사용 가능합니다 — 예: "AAPL, TLT 분석해 줘".
스킬이 설치 된 것을 확인 후
Claude Desktop 설정의 기능을 클릭 후 제일 하단에 보면 Customize를 클릭하여 아래 이미지의 빨간 네모박스처럼 Investment-orchestrator 스킬이 정상적으로 설치되었는지 확인.
이제 Cowork Project 진행하던 대화에서
XAUUSD 기술 분석 해 줘
XAUUSD 특성은 추세선이 급격히 변하는 단타성 종목을 진행 예정.
위와 같이 XAUUSD 분석을 해 줌
난 내 메타트레이더5 프로그램에 니가 분석한 XAUUSD 기술 분석을 기반으로
시스템트레이딩을 연동하고 싶어.
니가 EA 만들어 주고 그 다음 진행해 줘
위와 같이 명령하고 내 EA가 저장된 파일의 디텍토리 위치를 알려줌
방금 니가 만든 EA를 컴파일 했어. 이거 기준으로 시스템트레이딩에 적용하면 되니? 난 우선 5분 봉으로(M5) 거래를 진행해서 니가 적절한 시기에 수익을 내는 구조의 시스템 트레이딩을 만들고 싶은데 가능하니?
EA를 만들어 주었고 일정한 시간마다 XAUUSD 추세 분석하는 EA를 만들라고 함
니가 매시간이나 일정한 시간마다 XAUUSD 추세 분석하면서 EA 를 참고하여 진입하게 해 줘
빠른 테스트 확인을 위해서 아래와 같이
무조건 5분마다 거래 진입을 하고 수익이 나는 시점에서 니가 알아서 수익 나게 해 줘
해당 EA로 백테스트를 1년간 돌려보았으며 그 정보도 참조를 함
전 C안이 선택되어 졌으며 5분마다 진입하는 EA를 선택하여 시스템트레이딩을 하기로 함
우선 5분마다 거래를 위해서는 XAUUSD_M5_Scalp_C_EA를 적용하여 차트에 붙이기로 함
이 때 뭔가 컴파일이 잘 안되는 경우가 있었는데 Cowork가 Computer-use 모드를 적용하더니 제 메타트레이더 프로그램을 직접 보고 자기가 직접 해당 컴파일을 정상적을 되게 해결함
팁이 있다면 뭔가 문제가 설명하기 어렵다면 "computer-use 모드로 진행해서 니가 해당 웹브라우저나 상황 보고 해결해" 하면 클로드가 내 PC를 직접 보면서 해결하는 경우가 있음
최근 10시간동안 니가 거래한 내용을 분석해서 익절과 손절을 어떻게 시간별로 바꾸었는지 설명해
위와 같이 입력하니
MT5 히스토리를 직접 보고 분석하겠습니다.히스토리 확인했습니다. 오늘 총 **16거래 14승 2패, +$33.34 (+1.1%)**, 잔액 $3,032. 시간대별 익절/손절 변화를 분석하면: **핵심 원리부터**: 제가 거래마다 손절을 수동으로 바꾸는 게 아니라, EA가 **진입 순간의 ATR(14) — 직전 70분간 평균 변동폭 — 을 기준으로 자동 계산**합니다. 손절 = ATR×1.0, 익절 = ATR×0.5. 그래서 시장 변동성이 변하면 폭이 따라 변합니다. **시간대별 실제 변화** (서버시간 기준): | 시간대 | 손절폭 | 익절폭 | 시장 상황 |
|---|---|---|---|
| 09:20~09:40 | **$7.9~8.4** | $3.4~4.1 | 장 초반 변동성 큼 → 폭 넓음. -$8.73 손실 발생 |
| 09:45~10:25 | $5.7~6.9 | $2.7~3.4 | 변동성 점차 안정 → 폭 자동 축소 |
| 10:55~11:20 | $5.6~6.2 | $2.4~3.2 | 안정 지속 |
| 11:30~ (C2 가동 후) | **$5.4~6.0 (상한 $6 강제)** | $2.8~3.2 | $6 초과 봉은 진입 거부 — 1회 스킵 확인($6.09) | **방향도 자동으로 바뀌었습니다**: 오전 내내 BUY만 하다가 10:40부터 SELL이 섞이기 시작했고, 11:15 이후로는 SELL 연속입니다. 모멘텀 모드가 직전 봉 방향을 따라가는데, 시장이 11시경 고점(4111) 찍고 하락 전환하자 EA가 숏으로 갈아탄 거예요 — 그 숏들이 전부 +$3대 익절 중입니다. **손실 2건의 교훈이 그대로 반영됨**: -$8.73(09:25)은 손절폭 $8.44짜리 — 지금이라면 $6 상한에 걸려 진입 자체가 거부됩니다. -$5.90(10:25)은 정상 범위 손절이었고 이런 건 허용해야 하는 비용입니다. 즉 오전의 사고 유형은 차단됐고, 현재 구조에서 단일 손실은 최대 ~$6입니다. 지금 페이스(+1.1%/일)는 좋지만 하루 데이터로 일반화하긴 이릅니다 — 오늘은 추세가 깔끔한 날이었어요. 횡보장에서 모멘텀 모드가 어떻게 버티는지가 진짜 시험대니, 며칠 더 쌓고 봅시다.
위와 같이 답변을 줌
현재 적용된 Cowork에서 투자 관련하여 참조한 파일들이 무엇인지 물어보기 위해 다음과 같이 입력함
현재 메타트레이더 시스템트레이딩을 위해서 니가 참조하는 모든 디렉토리 및 파일을 알려줘. 어떤 파일의 어떤 내용을 통해서 현재 지금 적용중이니?
향후에 더 좋은 거래를 위해서는 내가 어느 위치 디렉토리나 파일을 참조해야 하니?
그랬더니 각 파일에 대한 자세한 경로와 해당 파일의 의미를 정확히 분석함
위와 같이 오늘 메타트레이더5를 처음 설치를 하고 3~4시간 돌려본 결과 30불정도 수익이 난 구조여서 매우 만족함.
현재 Lot Size(거래량)=0.01로 설정이 되어 있기 때문에 위 수익이 크지 않아보일 수 있지만 만약 10배의 거래량으로 설정했다면 300불이 이익인 셈이므로 지금까지는 매우 만족할 만한 상황임.
예전엔 메타트레이더4로 하고 스킬도 특별히 넣은 것이 없을 때는 수익 내는 것 조차 매우 어려웠지만 이번에 Fable 5가 똑똑한 것인지는 잘 모르겠지만 뭔가 내가 의도하는 방향과 일치하는 방향의 수익을 내서 매우 만족함
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
Cowork, Vantage Metatrader 5
이전 기수에서 스터디장님의 메타트레이더 스터디를 들었더라면 더 좋은 결과가 있었을텐데 하는 아쉬움을 뒤로 하고 금번 스터디를 마칩니다.
모두 너무 수고 많으셨습니다
한줄 요약
서비스 아이디어만 있던 상태에서 Codex와 함께 PRD 작성, 랜딩페이지 제작, OG 이미지, Firebase 배포, 카카오 오픈채팅 연결까지 진행했습니다.
이런 분들께 도움돼요
1인 사업을 준비 중인데 홈페이지 제작이 막막한 분
당근마켓이나 SNS에 보여줄 소개 링크가 필요한 분
서비스 설명이 자꾸 딱딱하거나 전문용어처럼 느껴지는 분
AI에게 “예쁘게 만들어줘”라고 했는데 결과가 아쉬웠던 분
문제 상황
저는 15년차 물리치료사이고, 지금은 “운동 첫날을 같이 시작해주는 서비스”를 준비하고 있습니다.
서비스 아이디어는 있었지만, 홈페이지를 만드는 일은 막막했습니다. 특히 이 서비스를 설명할 때마다 자꾸 PT처럼 들리거나 치료 서비스처럼 느껴지는 문제가 있었습니다.
제가 진짜 전하고 싶었던 메시지는 단순했습니다.
운동을 잘하지 못해도 괜찮다
처음부터 무리하지 않아도 된다
걷기부터 함께 시작하면 된다
운동의 첫날을 혼자 버티지 않게 도와주고 싶다
하지만 이 문장을 홈페이지 구조와 카피로 바꾸는 일은 생각보다 쉽지 않았습니다.
사용한 도구
Codex
Firebase Hosting
카카오 오픈채팅
기존 사업 소개 MD 문서들
진행 과정
처음부터 “예쁘게 홈페이지 만들어줘”라고 요청하지 않았습니다.
대신 제가 가진 사업 관련 문서를 먼저 읽히고, 홈페이지의 방향을 잡는 것부터 시작했습니다.
처음 사용한 프롬프트는 아래와 같았습니다.
폴더의 MD 파일들을 읽고 랜딩페이지 PRD를 짜줘. 내가 오케이하면 그때 진행해.
이 요청을 통해 Codex가 먼저 서비스의 목적, 타겟 고객, 핵심 메시지, 페이지 구성을 정리했습니다.
그다음 실제 제작을 요청했습니다.
index.html 하나에 HTML + CSS + JS를 다 넣고, 모바일 우선으로 랜딩페이지를 만들어줘.
Codex는 한 페이지짜리 랜딩페이지를 만들고, 아래 섹션을 구성해줬습니다.
히어로 영역
고객의 문제 상황
서비스가 제공하는 해결 방법
가격 안내
후기 영역
문의 CTA 버튼
특히 좋았던 점은 제가 중요하게 생각했던 표현을 살려준 것이었습니다.
운동 못해도 괜찮아요. 걷기부터 시작합니다.
이 문장들이 들어가면서 서비스가 훨씬 부드럽고 명확하게 전달됐습니다.
결과
단순한 HTML 파일에서 시작했지만, 실제 고객에게 보여줄 수 있는 홈페이지 첫 버전까지 완성했습니다.
Before
서비스는 정했지만 소개 페이지가 없었음
설명이 PT나 치료처럼 들렸음
당근에 올릴 때 보여줄 링크가 없었음
홈페이지 제작이 막막했음
After
모바일 우선 랜딩페이지 완성
핵심 메시지 정리
김천 율곡 안산공원 배경사진 적용
티울짐 로고 기반 OG 이미지 제작
Firebase로 배포
카카오 오픈채팅 문의 버튼 연결
배운 점
이번에 가장 크게 배운 점은, AI에게 처음부터 “예쁘게 만들어줘”라고 하면 결과가 흔들릴 수 있다는 것입니다.
대신 내 사업 문서와 생각을 먼저 읽히고, PRD부터 만들게 하면 결과가 훨씬 안정적이었습니다. AI가 디자인만 대신해준다기보다, 먼저 내 생각을 정리해주고 그다음 결과물로 옮겨주는 느낌이었습니다.
1인 사업자는 서비스 기획, 홍보, 고객 응대, 운영까지 혼자 챙겨야 합니다. 그런 상황에서 Codex는 홈페이지 첫 버전을 빠르게 만드는 데 큰 도움이 됐습니다.
완벽한 홈페이지는 아니어도, 고객에게 보여주고 반응을 확인할 수 있는 출발점은 충분히 만들 수 있었습니다.
다른 분들께 드리는 팁
홈페이지가 막막하다면 처음부터 디자인을 요청하기보다, 먼저 이렇게 요청해보면 좋겠습니다.
내 사업 문서들을 읽고, 누구를 위한 서비스인지, 고객이 어떤 문제를 느끼는지, 홈페이지에서 어떤 순서로 설득해야 하는지 PRD로 정리해줘.
그다음에 제작을 요청하면 AI가 훨씬 덜 흔들립니다.
앞으로는 이 랜딩페이지를 바탕으로 실제 문의 전환율을 확인하고, 고객 반응에 따라 문구와 구성을 계속 다듬어볼 계획입니다.
📝 한줄 요약
기획서 문서 하나를 AI에게 건넸더니, 7개 섹션이 담긴 랜딩페이지가 뚝딱 만들어졌다.
바쁘시면 이것만 읽어도 돼요:
당근 비즈프로필만으로는 부족하다는 걸 깨닫고 랜딩페이지를 처음 만들어봤어요
기획서(PRD) 문서를 AI에게 건네기만 했더니, 7섹션 구성의 실제 웹페이지가 완성됐어요
코드 한 줄 몰라도 "이렇게 만들어줘" 한 마디로 홈페이지가 생기는 걸 직접 경험했어요
가장 인상적이었던 건 — 내가 결정한 색깔, 카피, 버튼 위치가 화면에 그대로 나온 것
링크 두 곳만 넣으면 바로 신청받을 수 있는 상태가 됐어요 (당근채팅 + 카카오톡)
비즈프로필은 당근 안에서만 보이지만, 랜딩페이지는 어디서든 링크로 보낼 수 있어요
🎯 이런 분들께 도움돼요
당근마켓에서 클래스·서비스를 시작해보고 싶은데 뭐부터 해야 할지 모르는 분
개발자 없이, 비용 없이, 내 서비스만의 페이지를 갖고 싶은 분
AI 도구를 쓰고 싶은데 "나는 IT를 몰라서"라고 생각하는 분
😫 문제 상황 (Before)
1편에서 당근 비즈프로필을 열고, 사업 기획까지 마쳤습니다.
그런데 막상 홍보를 시작하려고 보니 뭔가 허전했어요.
당근 비즈프로필은 당근 앱 안에서만 보입니다. 카카오톡으로 링크를 보내거나, SNS에 공유하거나, 지인에게 "여기 봐봐" 하고 전달할 수 있는 나만의 페이지가 없는 거예요.
처음엔 랜딩페이지라는 게 필요한지도 몰랐어요. 비즈프로필 하나면 충분한 줄 알았죠. 그런데 막상 준비를 해보니, 비즈프로필은 당근 안에 있는 '가게 소개 페이지'고, 랜딩페이지는 어디서든 보낼 수 있는 내 홈페이지라는 게 다르다는 걸 알게 됐어요.
"그럼 이걸 어떻게 만들지?"
코딩은 모릅니다. 외주는 비쌉니다. 템플릿 사이트는 내 카피를 그대로 넣기 어렵고, 뭔가 딱 맞지 않아요. 그러다 생각했어요 — 기획서를 이미 꼼꼼하게 썼으니까, 이걸 AI한테 던져보면 어떨까?
🛠️ 사용한 도구
도구명: Antigravity (Google DeepMind의 AI 코딩 도구)
모델: Claude Sonnet 4.6
특이사항: 코드를 직접 작성하거나 수정하지 않았음. 문서를 건네고 요청만 했음
🔧 작업 과정
Step 1. 기획서부터 먼저 썼다 — "AI가 이해할 수 있도록"
랜딩페이지를 만들기 전에, 먼저 기획서(PRD)를 작성했어요.
PRD라는 말이 거창하게 들리지만 사실 별거 아니에요. "이 페이지가 누구를 위한 것인지", "어떤 순서로 구성할 것인지", "버튼 색은 뭔지", "카피는 뭔지" — 이걸 문서로 정리한 것뿐이에요.
저는 이미 1편에서 타겟 고객, 가격, 커리큘럼을 다 정해뒀기 때문에, 그 내용을 가져다 붙이는 게 대부분이었어요. AI한테 이렇게 물었어요:
랜딩페이지 PRD를 작성해줘.
섹션 구성, 카피, 색감, CTA 설계까지 다 포함해서.
그랬더니 439줄짜리 기획서가 나왔어요.
7개 섹션 구조, 각 섹션의 카피, 색깔 코드, 버튼 위치까지 다 담겨 있었어요. 특히 메인 헤드라인은 AI가 후보를 제안하고 제가 직접 골랐어요:
"오늘부터 나만의 AI 비서를 고용합니다 — 2시간이면 충분합니다"
이 한 줄을 고르는 데 꽤 공을 들였어요. "고용합니다"라는 단어가 수강생을 고용주 포지션으로 만들어주는 게 마음에 들었거든요.
Step 2. 기획서를 통째로 던졌다 — "이걸로 홈페이지 만들어줘"
기획서가 완성되고 나서, 그걸 AI한테 통째로 넘기며 이렇게 요청했어요:
@15_랜딩페이지_PRD.md를 기반으로 단일 파일 랜딩페이지를 만들어줘.
조건:
- 파일 하나에 모든 것을 담기 (외부 의존성 최소화)
- 모바일 우선, 데스크탑에서도 잘 보이게
- CTA 버튼은 당근 비즈프로필 또는 카카오톡 오픈채팅으로
- 폰트는 Pretendard
- 이미지 자리는 placeholder로 비워두기
그리고 잠깐 기다렸더니 — 실제로 열 수 있는 페이지 파일이 완성됐어요.
가장 놀랐던 건, 기획서에 적어둔 내용이 화면에 그대로 반영되어 있었다는 거예요. 내가 골랐던 오렌지 색깔(#FF6F0F), 내가 쓴 카피, 내가 결정한 섹션 순서 — 그게 실제 화면으로 보였을 때 "아, 진짜 되네" 했어요.
Step 3. 구성 살펴보기 — 7개 섹션이 이렇게 나왔어요
완성된 페이지는 이런 구조예요:
HERO — "오늘부터 나만의 AI 비서를 고용합니다" 첫인상 섹션
PAIN — "이런 생각 해보신 적 있으세요?" 공감 카드 3장
SOLUTION — 다른 이유 3가지 (말로 해요 / 4명만 / 수업 후에도)
PROCESS — 2시간 타임라인 4단계
PRICE — 30,000원 → 쿠폰 20,000원 가격 카드
REVIEW — 런칭 초기용 플레이스홀더 (후기 생기면 교체)
CTA — 마감 임박 + 버튼 2개
거기다 화면 맨 위에는 항상 보이는 헤더, 맨 아래에는 스크롤 어디서든 클릭할 수 있는 고정 버튼 바까지 있어요.
버튼이 총 3군데에 있어요 — 처음 들어오자마자(바로 신청하고 싶은 사람), 가격 확인 후(합리적으로 판단한 사람), 항상 화면 아래(스크롤하다가 마음이 생긴 사람). 이것도 기획서에 적어뒀던 내용이 그대로 반영된 거예요.
Step 4. "링크만 넣으면 끝" — 미완성인 채로 완성
딱 한 가지, 아직 안 된 게 있어요.
당근 비즈프로필 URL이랑 카카오 오픈채팅 링크를 아직 안 넣었거든요. 비즈프로필을 아직 안 열었으니까요.
그런데 AI가 이걸 알아서 처리해뒀어요. 링크를 비워두면 버튼을 눌렀을 때 이런 메시지가 뜨도록요:
"📌 당근 비즈프로필 URL을 넣어주세요!"
링크 두 곳만 채우면 즉시 사용할 수 있는 상태예요. 비즈프로필 열고 공유 링크 복사해서 붙여넣으면 끝.
Step 5. 광고와 쿠폰발행도 해봤어요.
당근 비지프로필 등록부터 랜딩페이지 만들기, 쿠폰발행, 광고까지 이제 바로 사업을 시작할 수 있게 되었습니다.
📝 한줄 요약
"10분 만에 신청 문자 받았다"던 지난 글, 결말은 노쇼와 홍보물 회수였다. 근데 그 하루 사이에 AI 캐릭터 생성기 웹앱을 새로 만들었고, 망한 다음날엔 회고까지 끝내고 다음 기수 제안서를 썼다.
바쁘시면 이것만 읽어도 돼요:
특강 전날 밤, AI랑 같이 "캐릭터 프롬프트 생성기" 웹앱을 따로 만들어서 배포했다 (영유아~90대, 카톡 공유 기능까지)
정작 특강 당일엔 신청자가 노쇼해서 무료 세미나 자체가 무산됐다
아파트에 붙였던 홍보물도 관리사무소에 회수당했다
그래도 다음날 바로 "왜 안 됐을까"를 AI랑 같이 정리했고, 그 회고가 다음 기수 마케팅 스터디 제안서로 이어졌다
핵심 깨달음: 망한 하루도 AI랑 정리하면 다음 기획의 재료가 된다
🎯 이런 분들께 도움돼요
첫 시도가 잘 안 풀려서 "이거 계속해야 하나" 싶은 분
오프라인 홍보·소상공인 마케팅을 AI로 시도해보려는 분
실패한 경험을 그냥 묻어두지 않고 콘텐츠나 다음 기획으로 살리고 싶은 분
😫 문제 상황 (Before)
지난 글에서 아파트 복도에 홍보물을 붙이고 10분 만에 "특강 신청합니다"라는 문자를 받았다. 무료 특강 날짜(6월 5일 저녁 7시)도 잡혔고, 신청자도 1명 확보됐다. 분위기는 좋았다.
그런데 특강 전날 밤, 머릿속에 걱정이 하나 생겼다. "막상 가서 뭘 보여줘야 '오, 신기하다' 하고 유료 세팅까지 연결될까?" 강의안만으로는 약했다. 뭔가 현장에서 바로 눈으로 보여줄 "한 방"이 필요했다.
그래서 특강 전날 밤, 또 한 번 AI를 붙잡고 작업을 시작했다.
🛠️ 사용한 도구
Claude Code (AI 코딩 도구)
모델: Claude Opus 4.8, Claude Sonnet 4.6
배포: Firebase Hosting (멀티 프로젝트)
버전관리: GitHub
🔧 작업 과정
[1단계] 특강 전날 밤 — "WOW 한 방"을 위한 캐릭터 생성기 제작
강의안만으로는 부족하다는 생각이 들어서, AI한테 강의 흐름과 유료 전환 멘트를 다시 정리해달라고 요청했다. 그리고 동시에 진짜 핵심이 될 "캐릭터 생성 프롬프트 키트"도 만들어달라고 했다.
내일 특강 강의안이랑 유료 전환 전략을 정리해줘.
어르신 캐릭터 만드는 프롬프트도 같이 만들어줘.
Wonny 캐릭터랑 같은 화풍으로.
여기서 멈추지 않고 한 발 더 나갔다. "이 프롬프트, 그냥 텍스트로만 두지 말고 누구나 쓸 수 있는 웹페이지로 만들면 어떨까?"
위 프롬프트를 누구나 쓸 수 있게 웹페이지로 만들고,
별도 주소로 배포해줘.
몇 시간 만에 성별·연령대·표정·옷·소품을 고르면 캐릭터 생성 프롬프트가 자동으로 완성되는 웹앱(aisonju-image.web.app)이 나왔다. Firebase에 새 프로젝트를 따로 잡아서, 기존 사이트와 별도 주소로 배포까지 끝냈다.
[2단계] "이거 카톡으로 바로 보내면 더 좋겠는데?"
만들고 보니 또 욕심이 생겼다. 현장에서 캐릭터를 만든 다음, 그 자리에서 가족 카톡방에 공유하면 자연스러운 입소문이 되지 않을까?
결과 화면에서 카톡으로 바로 공유할 수 있는 버튼 추가해줘.
Web Share API 기반으로 "📤 카톡으로 공유하기" 버튼이 추가됐고, 카톡으로 공유했을 때 미리보기가 제대로 뜨도록 OG 태그도 함께 손봤다. 액션시트의 "숙제" 멘트도 "노란 버튼 눌러서 가족 카톡으로 보내보세요"로 자연스럽게 연결되도록 다시 정리했다.
[3단계] 연령대 영유아~90대까지 — 디테일을 끝까지 밀어붙이다
타겟이 동부이촌동 어르신들이라 "60~80대"만 생각했는데, 막상 만들고 보니 손주 캐릭터까지 같이 만들고 싶어 할 수 있겠다는 생각이 들었다.
연령대를 영유아부터 90대까지 다 고를 수 있게 넓히고,
표정·옷·소품 옵션도 전 연령 커버하게 늘려줘.
영유아(0~5세)부터 90대까지 11단계로 연령대를 확장했고, 그에 맞는 표정·옷·소품 옵션도 함께 늘렸다. 손주와 함께 있는 캐릭터, 반려동물과 함께 있는 캐릭터까지 — 누가 와도 "내 캐릭터"를 만들 수 있게 준비를 끝냈다.
여기까지 마치고 나니 새벽이었다. "내일은 진짜 잘 될 것 같다"는 생각이 들었다.
[4단계] 특강 당일 — 신청자는 안 왔고, 홍보물도 사라졌다
결과부터 말하면, 특강은 무산됐다.
유일한 신청자였던 분이 당일 노쇼했다
며칠 전 아파트 복도에 붙였던 홍보물은 관리사무소에서 회수해버렸다 (사전 허가 없이 붙인 게 문제였던 것 같다)
밤새 만든 캐릭터 생성기도, 정성껏 다듬은 강의 흐름도, 그날은 단 한 번도 써보지 못했다. 솔직히 허무했다.
[5단계] 망한 다음날 — AI랑 같이 "왜 안 됐을까"부터 정리
여기서 그냥 끝낼 수도 있었지만, 다음날 다시 AI를 붙잡고 이번 22기 스터디 전체를 돌아봤다.
22기 스터디 회고하고, 다음 기수 마케팅 스터디 제안서를 만들어줘.
운영진(닿님)한테 제안할 거야.
AI와 함께 정리하다 보니 패턴이 보였다.
잘된 점: 입문자도 따라올 수 있게 친절하게 진행했고, 끝까지 챙겼다
아쉬운 점: 콘텐츠(사업 아이디어) 중심으로 갔는데, 정작 수강생들은 "기술적으로 신기한 것"에 더 반응했다
그리고 "사업 아이디어가 안 떠올라요", "뭘 해야 할지 모르겠어요"라는 반응이 생각보다 많았다
이 패턴을 바탕으로 "Agentic AI 마케팅 스프린트 — 내 사업의 방 찾고 4주간 검증하기"라는 다음 기수 컨셉이 나왔다. 핵심은 "내 사업을 찾는 6개의 방"이라는 진단 프레임워크로 1주차에 사업 유형부터 확정해주는 것 — 22기에서 가장 많이 막혔던 지점을 정조준한 설계였다.
망한 특강 하루가, 다음 기수 제안서의 가장 좋은 재료가 된 셈이다.
✅ 결과 (After)
Before vs After
항목
Before (특강 전날)
After (특강 다음날)
캐릭터 생성 도구
없음
영유아~90대 대응 웹앱 1개 (별도 도메인 배포)
카톡 공유
불가
버튼 1개로 가능
무료 특강
신청 1명 확보
노쇼로 무산
아파트 홍보물
부착 완료
관리사무소 회수
다음 액션
막연함
22기 회고 + 23기 제안서 완성
결과물
캐릭터 프롬프트 생성기: aisonju-image.web.app
22기 회고 + 23기 마케팅 스터디 제안서 (14_다음기수_제안.md)
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
"하나 더" 욕심을 그 자리에서 바로 요청한다 — 프롬프트 키트를 만들다가 "이거 웹페이지로 만들면?", "카톡 공유는?", "연령대 더 넓히면?"처럼 떠오르는 대로 바로바로 요청했고, 몇 시간 안에 다 구현됐다
실패도 그날 바로 AI랑 정리한다 — 망한 다음날 미루지 않고 바로 회고를 요청한 게, 다음 기획으로 가장 빠르게 연결되는 길이었다
회고 결과를 바로 "제안서" 형태로 받는다 — "왜 안 됐지"에서 끝내지 않고, 그 자리에서 다음 기수 제안서까지 한 번에 요청해서 결과물을 남겼다
이렇게 하면 안 돼요
현장 변수(공동주택 규정 등)를 미리 확인하지 않고 실행하면 도로아미타불 — 아무리 완성도 높은 홍보물도, 부착 자체가 막히면 의미가 없다. 관리사무소 사전 동의 같은 "AI가 대신해줄 수 없는 부분"은 따로 챙겨야 한다
신청 확정 = 참석 확정이 아니다 — 신청 1건에 안심하지 말고, 전날·당일 리마인드 같은 최소한의 장치는 필요하다
밤새 만든 결과물을 못 써봤다고 헛수고는 아니다 — 캐릭터 생성기는 그날 못 썼지만, 다음 시도에 그대로 다시 쓸 수 있는 자산으로 남았다
🌍 다른 업무에 적용한다면?
행사·세미나 준비 중 "현장에서 보여줄 한 방"이 필요할 때, 전날 밤이라도 AI와 함께 데모 도구를 만들어볼 수 있다
어떤 시도든 실패하면, 그날 바로 "무엇이 잘 됐고 무엇이 안 됐는지"를 AI와 정리해서 다음 기획서 초안까지 한 번에 받아두면 좋다
신청·예약 기반 행사라면, 리마인드 메시지 발송 같은 후속 프로세스도 AI한테 같이 설계해달라고 할 수 있다
🚀 앞으로의 계획
재도전 — 관리사무소 사전 동의를 받고 홍보물을 다시 부착, 신청자에게는 전날·당일 리마인드 발송
캐릭터 생성기 활용 — 다음 특강에서는 밤새 만든 캐릭터 생성기를 실제 WOW 시연으로 사용
23기 제안서 컨택 — 정리한 "Agentic AI 마케팅 스프린트" 제안서를 운영진에게 전달하고 다음 기수 스터디 방향 논의
📋 재사용 가능한 프롬프트
프롬프트 1: 행사 전날 "WOW 데모" 만들기
"내일 [행사명]에서 사람들한테 보여줄 '오, 신기하다' 싶은 데모를 만들고 싶어. 주제는 [주제]이고, 대상은 [대상]이야. 사람들이 직접 입력해서 결과를 받아볼 수 있는 간단한 웹페이지로 만들어줘."
프롬프트 2: 실패 회고 + 다음 기획 한 번에
"오늘 [무엇을] 시도했는데 [어떤 이유]로 잘 안 됐어. 잘된 점과 아쉬운 점을 정리해주고, 그걸 바탕으로 다음에 시도할 [기획/제안서] 초안까지 같이 만들어줘."
프롬프트 3: 공유 기능 추가하기
"이 결과 화면을 카카오톡으로 바로 공유할 수 있게 버튼 추가해줘. 공유했을 때 미리보기(이미지/텍스트)도 제대로 뜨게 해줘."
소개
"커스텀 플래너 사이트 만들어줘."
그리고 나온 결과물을 보고 말을 잃었어요.
크림색 배경에, 코랄, 퍼플, 파란색이 뒤섞이고, 폰트는 제각각. 어디서 본 것 같은 느낌인데, 분명히 별로인 그 느낌.
저는 그걸 "밤티" 라고 부르는데요.
AI가 만들었다는 티가 나는, 뭔가 촌스럽고 일관성 없는 결과물.
"으악 너무 밤티나ㅠㅠ"
진행 방법
사용 툴: Claude Code*
배포: Firebase Hosting
Tip:
잘못된 첫 프롬프트 ("예쁘게") → 밤티 무한루프 실화
Claude를 "우리 디자인 에이전시 주니어"라고 생각하고, 일 시키기 전에 브리프를 먼저 줬어요.
```
아래 디자인 시스템을 기준으로 커스텀 플래너 빌더 사이트를 만들어줘.
[디자인 토큰]
- 컬러: #111111(블랙), #FFFFFF(화이트), #C6FF00(포인트 형광)
- 폰트: Pretendard 하나만
- 간격: 8px 그리드 기반
[레퍼런스]
- T셔츠 커스터마이저처럼 왼쪽은 미리보기(실제 달력), 오른쪽은 컨트롤 패널
- 진짜 달력이 렌더링 되어야 함 (날짜, 요일 실제로 표시)
- 배너는 하단만
- 폰트 선택 드롭다운 + 크기 슬라이더
[포함할 섹션]
먼슬리, 위클리, 24h 플래너, 요가 루틴, 습관 트래커, 식단 기록, 메모
각 섹션은 토글로 켜고 끌 수 있게 → 탭에 즉시 반영
결과물은
결과물 링크 : https://carrot-test26060301.web.app/builder.html?v=4&tab=h24
배운점
1. "예쁘게 해줘"는 프롬프트가 아니에요.
컬러 코드, 폰트 이름, 여백 규칙을 숫자로 주면 결과가 완전히 달라져요.
레퍼런스 URL 하나가 텍스트 열 줄보다 강해요.
2. Claude를 주니어 디자이너로 생각하세요.
신입한테 "알아서 잘 해와"라고 하면 안 되듯,
디자인 시스템 브리프를 한 번 제대로 잡아주면
그다음 수정은 "이 부분만 고쳐줘"로 끝나요.
3. 섹션 토글 → 탭 즉시 반영처럼, 기능 설명도 구체적으로.
"토글 켜면 탭 생기게"가 아니라
"토글 ON → 해당 탭 표시 + 바로 그 뷰로 이동 / OFF → 탭 숨김 + 다른 탭으로 자동 이동"
이렇게 케이스를 명시하면 한 번에 나와요.
앞으로 해볼 것
- 실제 결제 연동 (카카오페이)
- 당근마켓 비즈 프로필에 서비스 링크 게시
- 월별 테마 드롭 → 매달 새 디자인 출시로 반복 구매 유도
- 반려동물 / 아기 성장 기록 플래너 추가
발표자료도 여기 첨부 합니두
https://carrot-test26060301.web.app/ppt.html
1부:https://www.gpters.org/wealth/post/10second-match-ultrashortterm-trading-OwSFWKE3AbyycTo
2부: https://www.gpters.org/wealth/post/10second-match-ultrashortterm-trading-BbvDSqrjUgeS4JN
소개
지난 2탄에서는 Layer A 예측과 NXT 08:00~08:05 WebSocket 실측 데이터를 처음으로 비교했습니다.
이번 3탄에서는 한 가지 질문에 집중했습니다.
예측이 맞으면 바로 수익이 나는가?
결론부터 말씀드리면 — 그렇지 않습니다.
6/1~6/9 동안 3개 주요 종목 × 6거래일 = 18 session을 분석한 결과:
Layer A 방향 적중률: 75%+ (SK하이닉스·삼성전자 기준)
핵심 셋업 성립 (상승 예측 + 예상가 이하 진입): 2 / 18
Edge+ 통과 (상승 예측 + 저평가 진입 + bid 청산 가능): 0 / 18
방향 예측이 맞아도 실거래로 이어지는 조건은 훨씬 까다롭습니다. 이번 글에서는 그 조건을 어떻게 정의했는지, 어떤 시행착오를 겪었는지, 그리고 앞으로 무엇을 확인해야 하는지를 정리했습니다.
용어설명:
Layer A: 미장 신호를 기반으로 한국 NXT 08:00 개장 시점의 적정 예상 체결가격을 산출하는 예측 시스템
Layer B: 개장 직후 실제 호가창 데이터를 바탕으로, 예상가 대비 저렴하게 진입하여 실질적인 매도 수익을 확정 지을 수 있는지 검증하는 실행력 평가 시스템
KIS: 한국투자증권
진행 방법
전략 진입 조건을 다시 정의했습니다.
Layer A가 사전에 상승을 예측하고, 실제 NXT 08:00 첫 체결/entry ask가 Layer A의 pred_first_trade_price보다 아래에 형성된 경우에만 진입 후보로 생성한다. Layer A 음수 + Layer B 양수는 매매 후보가 아니라 연구 관찰치로만 분류한다.
롱 후보 4단계 게이트: ① pred_gap_pct > 0 (Layer A 상승 예측) ② entry_ask < pred_first_trade_price (예상가 대비 저평가 진입) ③ ask_to_max_bid_bps > 0 (bid 청산 가능) ④ pnl_proxy_bps > 0 (비용 차감 후 양수)
이 조건을 기준으로 구동되는 운영 대시보드를 만들었습니다.
예측: 장전 07:40에 생성된 Layer A 예측값, 종목별 pred_gap_pct, 롱 후보 수
수집: 당일 08:00 WebSocket 수집 품질, span_sec, parsed rows
분석: pred_first_trade_price, entry_proxy_price, entry_underpriced_bps, core_strategy_bucket
향후 운영: dry-run 레저, safety gate 상태, paper 승격 조건 충족 여부
매일 아침 아래 순서로 Daily loop을 돌렸습니다.
daily loop: 07:40 Layer A 예측 생성 08:00 Layer B 체결/호가 수집 08:10 pred_vs_actual / execution / residual 저장
weekly: sector/signal drift 요약
Layer B 수집 결과
정상 수집일수 6일 중 아래 조건을 만족한 케이스는 단 하루도 없었습니다.
Layer A 상승 예측 — 미국 신호 기준으로 오늘 NXT가 갭업 출발할 것으로 예측
저평가 진입 가능 — 실제 첫 체결가/entry ask가 예상가보다 낮게 형성됨 (살 기회가 있음)
bid 청산 가능 — 진입 후 호가창 bid가 예상가 수준까지 올라옴 (팔 수 있음)
[SK하이닉스 실제 측정 데이터 - 08:00:00~08:00:10]
총 6일간 6종목 중, 단 한개의 케이스만 서쪽과 동쪽 프로젝트의 수익 조건을 충족했습니다.
[KB금융 6/4일, EWY 기준 예측]
결과와 배운 점
방향 예측이 맞아도 수익 기회가 생기는 건 아니다
Layer A 방향 적중률 75%+. 하지만 모델이 상승을 정확히 예측한 날, 시장 참여자들도 이미 인지해서 예상가 이상으로 갭업 출발하는 경우가 많습니다. 저평가 진입 기회 자체가 드뭅니다.
전략이 구체화될수록 조건이 더 까다로워진다
처음 아이디어: "미국 신호 보고 NXT 08:00에 빠르게 들어갔다 나오기"
현재 조건: Layer A 상승 예측 ✓ + 첫 체결가가 예상가 이하 ✓ + bid가 예상가까지 올라옴 ✓ + 비용 차감 후 양수 ✓
결과적으로는 실패했지만 작은 아이디어에서 출발해서 실제로 구현해보고 결론까지 낼 수 있었던 완결된 프로젝트라고 생각합니다.
소개
자막이 없는 투자 유튜브 영상까지 자동으로 요약하는 워크플로우를 만들고 싶었습니다. 강환국 "할 수 있다! 알고 투자" 채널을 모니터링 대상으로 잡았는데, 단순히 자막을 가져와 요약하면 될 줄 알았지만 실제로는 자막이 없는 영상이 많았습니다. 그래서 "자막 없음"으로 끝내지 않고, 자막이 없으면 음성을 직접 텍스트로 변환(Whisper)한 뒤 요약하는 방식을 추가했습니다. 요약은 클라우드 API 대신 로컬 LLM(Ollama)으로 돌려 비용 0원·데이터 외부 유출 없이 처리하는 걸 목표로 했습니다.
진행 방법
전체를 Docker 컨테이너 3개로 구성하고 n8n으로 오케스트레이션했습니다.
RSS 새 영상 감지 → Transcription(자막 우선, 없으면 Whisper) → 프롬프트 조립 → Ollama 요약(llama3) → 마크다운 생성 → Obsidian 저장
사용한 도구
n8n: 전체 자동화 워크플로우 (Docker)
YouTube RSS: 관심 채널 새 영상 감지
yt-dlp: 영상 메타데이터·자막·오디오 추출
faster-whisper (GPU): 자막 없는 영상의 음성→텍스트 (RTX 3070 활용)
Ollama + llama3: 로컬 LLM 요약 (이미 받아둔 모델 재사용, 다운로드 0)
Obsidian: 요약 결과 .md 저장
핵심 설계: 자막 유무 분기를 n8n 안에서 처리하면 복잡해지므로, 별도 transcription 서비스(FastAPI) 하나가 "URL 받으면 텍스트 반환"을 통째로 책임지게 했습니다. n8n은 분기 없이 깔끔하게 유지됩니다.
요약 프롬프트 (투자 관점 6섹션, 강환국 채널의 퀀트·자산배분 특성 반영):
당신은 투자 영상을 분석해 핵심만 정리하는 애널리스트입니다.
스크립트를 읽고 아래 형식의 한국어 마크다운으로 요약하세요.
스크립트에 없는 내용은 절대 지어내지 말고, 근거가 없으면 "언급 없음"이라고 쓰세요. ## 한 줄 요약
## 핵심 주장
## 언급된 종목·자산·섹터
## 투자 전략·시그널 (비중·진입조건·백테스트 수치 포함)
## 리스크·주의사항
## 내 판단에 필요한 포인트
결과와 배운 점
가장 크게 느낀 점은, AI 요약에서 중요한 건 요약 모델보다 입력 데이터의 품질이라는 것이었습니다. 자막이 없다고 제목·설명만으로 요약하면 부정확해지는데, 음성을 직접 텍스트로 바꾸는 단계를 추가하니 훨씬 신뢰할 수 있는 요약이 가능했습니다.
겪은 시행착오 (대부분 여기서 막혔습니다)
유튜브 봇 차단 — 서버에서 접근하니 "Sign in to confirm you're not a bot" 차단. → 브라우저 쿠키(cookies.txt)를 컨테이너에 마운트해 우회.
yt-dlp 구버전 — 핀으로 박아둔 2025.01.26이 유튜브 변경을 못 따라가 "Requested format is not available" 발생. → 버전 핀 제거해 최신(2026.03.17)으로 올리니 해결. yt-dlp는 버전 고정하면 안 된다는 교훈.
n8n 파일 쓰기 권한 — user: root + N8N_RESTRICT_FILE_ACCESS_TO 환경변수로 해결.
한글 경로 인코딩 — Obsidian 저장 폴더를 한글(유튜브 요약)로 했더니 Docker 볼륨에서 깨짐. → 영문 폴더(youtube_summary)로 변경해 우회.
PowerShell 긴 코드 붙여넣기 — 코드가 깨져 SyntaxError. → 파일을 탐색기로 직접 교체하는 게 안전.
도움이 필요한 부분 (미해결)
마지막 한 단계에서 막혀 있습니다. Obsidian 저장 노드에서 파일명을 변수($('노드명').item.json.fileName)로 참조하면 "참조된 노드가 존재하지 않습니다" 오류가 납니다. n8n이 노드 이름을 한글로 표시하면서 실제 참조가 깨지는 것으로 보입니다. 고정 파일명(test.md, 한글테스트.md)은 정상 저장되는 것으로 보아 폴더·권한·인코딩은 모두 정상이고, 노드 간 변수 참조만 문제입니다. ($binary.data.fileName 또는 $json.fileName으로 시도 중)
앞으로의 계획
변수 참조 문제 해결 후 전체 자동 실행 완성
텔레그램 알림 노드 추가 (폰에서 요약 즉시 확인)
모니터링 채널 확대
소개
경제 초보자로서 재테크의 첫걸음은 지출 통제라고 생각합니다. 1주차에도 작성했듯이 저는 매일 가계부를 쓰거나, 한 달에 한 번 카드사 앱에 들어가 엑셀을 다운받아 분석하는 일이 너무 귀찮고 잘 안 하게 되더라고요. 그래서 '누가 매주 내 지출을 자동으로 모니터링하고 뼈 때리는 피드백을 주면 어떨까?' 하는 생각에 시도해보게되었습니다
제가 구상한 시스템의 목표는 다음과 같습니다.
카드사 지출 내역이나 토스 알림 데이터를 API를 통해 매주 일요일 아침 자동으로 수집하기
수집된 텍스트 데이터를 AI(Claude)로 넘겨서 카테고리별 과소비 항목을 분석하고, 다음 주 지출 가이드라인이 담긴 재무 브리핑을 톡이나 메일로 받기
진행 방법
전체적인 자동화 파이프라인은 노코드 툴인 n8n을 활용하는 구조로 설계했습니다. n8n은 써본적이 없어서 gemini랑 계속 이야기해보면서 작성했습니다. 카드 지출 내역은 개인 스크래핑 라이브러리를 활용해 API 형태로 호출하고, 데이터 분석은 Claude API를, 최종 브리핑 발송은 Gmail 노드를 사용하는 시스템 아키텍처를 그렸습니다.
1단계 — 카드 지출 내역 API 호출 및 데이터 정제
매주 일요일 밤, n8n 스케줄러가 작동하면서 지난 일주일간의 카드 승인 내역 API를 호출합니다. 가맹점명, 사용 금액, 결제 일시가 포함된 JSON 데이터를 받아와 1차로 정제하는 프롬프트를 작성했습니다.
아래의 카드 결제 내역 데이터를 자바스크립트 데이터 배열로 정제해줘. '가맹점명'에서 배달의민족, 쿠팡, 요기요, 카카오T, 스타벅스 같은 핵심 키워드가 있다면 [배달, 쇼핑, 교통, 카페]라는 직관적인 카테고리(category) 키를 새로 추가해줘. 금액은 숫자형태로 변환해줘.
2단계 — 카테고리별 지출 합산 및 이상 징후 포착
정제된 데이터를 바탕으로 이번 주에 어떤 카테고리에 돈을 가장 많이 썼는지, 지출이 예산을 초과한 곳은 어디인지 계산하는 가벼운 필터링 코드를 n8n Code 노드에 심기 위해 Gemini가 자바스크립트 로직을 구현해줬습니다
입력된 일주일간의 카드 소비 데이터셋을 바탕으로, 카테고리별 총지출 금액을 계산하는 자바스크립트 코드를 짜줘. 만약 특정 카테고리의 지출이 내가 설정한 주간 예산을 초과했다면, 'budget_over': true 라는 플래그를 추가해줘.
// 주간 소비 데이터 카테고리별 합산 및 예산 초과 체크
function analyzeSpending(items) { const BUDGET_LIMITS = { '배달': 50000, '카페': 20000, '쇼핑': 100000 }; const summary = {}; items.forEach(item => { const category = item.category || '기타'; const amount = parseInt(item.amount); if (!summary[category]) { summary[category] = { total: 0, budgetOver: false }; } summary[category].total += amount; }); // 예산 초과 여부 검사 for (const cat in summary) { if (BUDGET_LIMITS[cat] && summary[cat].total > BUDGET_LIMITS[cat]) { summary[cat].budgetOver = true; } } return [{ spendingSummary: summary }];
}
3단계 — AI의 재무 잔소리 리포트 생성 및 메일 발송
합산된 통계 데이터를 Claude API에게 던져, 다정하지만 뼈 때리는 말투로 주간 재무 보고서를 작성하도록 기획했습니다.
너는 아주 냉철하면서도 나를 아끼는 개인 재무 컨설턴트야. 제공된 [주간 소비 요약 데이터]를 보고, 예산을 초과한 카테고리가 있다면 강하게 잔소리를 해줘. 그리고 다음 주에 지출을 줄일 수 있는 구체적인 행동 요령(예: 커피 텀블러 사용하기, 배달 앱 삭제하기 등)을 3가지 제안해줘. HTML 이메일 형식으로 가독성 좋게 작성해줘.
결과와 배운 점
아직은 초보라 실현하는 데에는 어려움이 있었지만, Gemini와 끊임없이 대화하며 가상의 파이프라인을 설계해 보았습니다. 복잡한 API 연동과 대량의 엑셀 데이터 정제도 n8n 같은 노코드 툴과 LLM을 결합하면 머릿속 기획을 완벽히 자동화된 현실로 만들 수 있다는 확신을 얻을 수 있었습니다.
또한 직접 코드를 한 줄 한 줄 완벽하게 치지는 못하더라도, 전체적인 시스템 아키텍처(데이터 수집부터 AI 활용 그리고 결과 발송하는 부분까지)를 논리적으로 구상해 보는 것 자체가 경제·비즈니스 파트에서 AI를 어떻게 활용해야 하는지 배울 수 있는 좋은 기회였습니다.
지금은 비록 AI와의 대화를 통해 이렇게 만들 수 있다는 작동 원리와 프로토타입 구조를 배운 단계이지만, 내 아이디어가 담긴 설계도가 충분히 매력적이라는 것을 확인했습니다. 앞으로 이 가상 시나리오를 넘어 실제 내 카드 API를 연동한 실전형 알림 봇을 직접 완벽하게 구현해 내고 싶습니다.
도움 받은 글 (옵션)
가계부 CSV 분석 자동화 요약
2년치 가계부 CSV를 분석하고, 매주 가계부 CSV 하나만 넣으면 자동으로 리포트와 대시보드가 생성되는 워크플로우를 Claude Code로 만들었다.
바쁘시면 이것만 읽어도 돼요:
- Claude Code로 가계부 CSV 분석 자동화 — 매주 5분 안에 소진율 리포트 완성
- 뭘 원하는지 모를 때는 AI에게 옵션을 달라고 하면 방향이 잡힌다
- 9개 섹션짜리 대시보드를 AI가 한 번에 설계, 이상치 감지 규칙까지 제안해줌
- 숫자 포맷이나 레이아웃은 처음 한 번에 완성 안 됨 — 몇 번 수정 요청이 정상
- 앞으로는 디스코드 봇으로 매주 자동 전송 예정
가계부 CSV 분석이 필요한 사람들
- 가계부 앱은 쓰는데 데이터를 한 번도 제대로 들여다본 적 없는 분
- 쌓인 CSV/엑셀 데이터를 어떻게 활용할지 막막한 분
- 비개발자인데 AI로 반복 작업을 자동화해보고 싶은 분
기존 문제점과 해결 필요성
가계부 앱에서 매주 CSV를 내보낼 수 있었고, 2년 넘게 파일이 폴더에 쌓이고 있었다. 그런데 제대로 들여다보지 못했다.
"이번 달 좀 많이 썼나?" 수준의 감으로만 지출을 인지했다. 카테고리별로 얼마를 쓰는지, 어느 항목이 예산을 초과하는지 구체적으로 알지 못했고, 지출 예산 자체가 없었다.
시작 계기는 단순했다. 2년치 데이터가 쌓여 있는데 못 살펴 봤다는 게 어느 날 문득 아깝게 느껴졌다. 현재 재무 상황에 맞는 지출 구조를 처음으로 만들어보기로 했다.
AI와 도구를 활용한 가계부 분석
사용한 도구
- Claude Code (터미널에서 실행하는 AI 코딩 도구)
- Python (데이터 분석 스크립트)
- HTML / JavaScript (브라우저 대시보드)
데이터 분석과 예산 구조 설계
### 데이터 첫 분석 — "목표보다 숫자부터"
목표를 먼저 세우고 예산을 짜는 대신, 반대로 접근하기로 했다. 일단 데이터에서 현실을 보고, 거기서 기준을 도출하는 방식이었다. 2년치 CSV를 Claude Code에 주고 이렇게 요청했다.
```
2년치 가계부 CSV야. 카테고리별로 월평균 지출 baseline을 뽑아줘.
현재 내 지출 패턴이 어떤지 숫자로 보고 싶어.
```
Claude Code가 파일을 읽고 카테고리별 월평균을 정리해줬다. "Food에 한 달 평균 얼마 쓰는지", "Subscription이 생각보다 크다"는 걸 처음으로 숫자로 보게 됐다.
예상치 못한 일이 하나 있었다. CSV 파일 인코딩이 일반적이지 않은 방식이었는데, Claude Code가 이 부분을 스스로 감지하고 처리해줬다. 내가 신경 쓰지 않아도 됐다.
### 예산 구조 설계 — 가장 오래 걸린 단계
첫 분석이 끝나고 나서 막힌 부분이 생겼다. "그럼 예산을 어떻게 잡지?"였다.
카테고리를 어떻게 묶을지, 카드를 시기별로 어떻게 분류할지, 예산 상한을 몇 개 레이어로 나눌지 — 결정해야 할 것들이 많은데 내가 뭘 원하는지 잘 몰랐다. 이런 경우 유용한 방법이 있었다.
```
예산 구조를 어떻게 잡아야 할지 모르겠어.
카드를 2개 쓰는데 각각 추적하고 싶고, 전체 상한도 따로 있으면 좋겠어.
옵션 2-3가지 보여줘.
```
Claude Code가 구조 옵션을 몇 가지 제시해줬다. AI가 결정을 대신 해주지는 않지만, 선택지를 만들어주는 것만으로도 방향이 잡혔다. 최종적으로는 카드별 상한과 전체 상한을 동시에 추적하는 3단계 구조를 선택했다.
Food/Coffee/Snack을 묶거나 Shopping/Clothing을 하나로 보는 식의 카테고리 그룹핑도 이 단계에서 정리됐다.
주간 리뷰 자동화와 HTML 대시보드
### 주간 리뷰 자동화 — "CSV 넣으면 끝"
예산 구조가 잡히자 자동화를 만들었다.
```
매주 CSV를 폴더에 넣으면 자동으로 이번 달 소진율 리포트를 생성해줘.
카테고리별로 예산 대비 퍼센트, 상태 표시 포함.
마크다운 파일로 저장해줘.
```
만들어진 워크플로우는 이렇다:
1. 가계부 앱에서 CSV 내보내기
2. 프로젝트 폴더에 파일 넣기
3. 스크립트 실행 (명령어 한 줄)
4. docs/weekly/ 폴더에 주간 리포트 자동 저장
기존에는 아예 안 보던 걸 이제 매주 5분 안에 확인하게 됐다.
### HTML 대시보드 — AI가 한 번에 설계해준 9개 섹션
마크다운 리포트 외에 시각적인 대시보드도 원했다.
```
HTML 대시보드도 만들어줘.
카테고리별 소진율을 한눈에 보고 싶고, 주간 추세도 차트로 보고 싶어.
스크립트 실행하면 브라우저가 자동으로 열리게.
```
Claude Code가 9개 섹션으로 구성된 대시보드를 한 번에 설계해줬다. 요약 → 소진율 게이지 → 경고 배너 → 카테고리 테이블 → 주간 추세 차트 → 예측 → 이상치 히스토리 순서로 구성됐다.
인상적이었던 건 이상치 감지 규칙을 AI가 먼저 제안해줬다는 점이었다. "단일 결제가 20만 원을 넘으면 경고 표시", "기존에 없던 새 카테고리가 등장하면 알림" 같은 규칙들을 요청하기 전에 먼저 제안했고, 그대로 반영했다.
다만 숫자 포맷과 레이아웃은 처음 한 번에 완성되지 않았다. "큰 숫자는 만 원 단위로 표시", "고정 지출 항목은 회색으로 구분" 등을 몇 차례 수정 요청하며 다듬었다.
성과와 향후 계획
AI 자동화로 달라진 재무 관리
### Before vs After
| 항목 | Before | After |
|------|--------|-------|
| 데이터 확인 주기 | 거의 안 봄 | 매주 |
| 지출 파악 방식 | 감으로 | 카테고리별 소진율 숫자로 |
| 리포트 생성 시간 | — | CSV 넣고 약 5분 |
| 예산 구조 | 없음 | 카드별 + 전체 상한 3단계 |
결과물
- 매주 자동 생성되는 마크다운 리포트 (`docs/weekly/`)
- 브라우저에서 바로 열리는 HTML 대시보드 — 소진율 게이지, 카테고리 차트, 이상치 경고 포함
AI 활용 팁과 앞으로의 계획
### 효과적이었던 것
1. "내 상황은 이렇다"부터 설명하기 — 예산 구조를 바로 만들어달라고 하지 않고 카드 사용 방식과 상황을 먼저 설명했더니 더 적합한 구조를 제안해줬다
2. 뭘 원하는지 모를 때는 "옵션 보여줘" — AI가 결정을 대신 해주지는 않지만, 선택지를 만들어주는 것만으로도 방향이 잡힌다
## 🚀 앞으로의 계획
디스코드 봇(Hermes)과 연동해서 매주 자동으로 리포트를 받는 구조를 만들 예정이다. 스크립트를 직접 실행하는 것도 간단하지만, 알림이 오면 더 확실히 보게 된다.
소개
저는 'AI를 돌 같이 본' 직장인으로, 순자산의 76%가 부동산에 묶여 있어 금융 자산을 어떻게 굴려야 할지 막연했고, 유튜브나 커뮤니티 추천 종목을 따라갔다가 손실을 본 경험도 있습니다. 그 원인을 돌아보니 결국 "나에게 맞는 구조가 없었다"는 게 문제였습니다.
종목부터 고르는 게 아니라 내 성향과 재무 상황을 먼저 진단하고, 그것에 맞는 포트폴리오 구조를 설계하는 것. AI를 활용해 투자 철학부터 포트폴리오 설계까지 단계적으로 진행했고, 오늘은 그 마지막 단계인 포트폴리오 3안 설계 및 선택 과정을 공유합니다.
저처럼 "내 돈을 어떻게 배분해야 할지 구조가 없다"고 느끼시는 분들께 도움이 됐으면 합니다.
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
Claude (Cowork 모드) — 포트폴리오 설계 전 단계를 진행한 AI 에이전트
investment_agent 폴더 — OneDrive에 저장된 개인 투자 워크스페이스 (profile.md, memory.md, output/ 폴더 등)
이번 포스팅에서 다루는 건 STEP5지만, 전체 흐름은 이렇습니다.
STEP1: 투자 성향 진단 (9거장 적합도 분석)
STEP2: 재무 진단 (자산 배분, 비상금, 절세 최적화)
STEP3: 경제적 자유 목표 계산 (진행 중)
STEP4: 종목 딥다이브 (진행 중)
STEP5: 포트폴리오 설계 → 이번 포스팅 ✅
핵심은 역할 지정 + 입력 파일 명시 + 출력 형식 지정입니다. "3안을 만들어줘"가 아니라 의도가 달라야 한다는 제약을 걸고, 비교 기준(기대수익·MDD·갭 보완도·성향 정합도)까지 미리 정해줬습니다. 덕분에 결과물이 일관된 구조로 나왔습니다.
AI가 설계한 3안 결과
Claude는 아래 세 가지 안을 도출했습니다.
A안 — 코어형 (분산·저비용)
슬리브
ETF
비중
미국 S&P500 코어
TIGER 미국S&P500 (VOO)
30%
미국 배당 우량주
ACE 미국배당다우존스 (SCHD)
15%
미국 외 선진국
KODEX 선진국MSCI (VXUS)
8%
한국 대형주
KODEX 200
5%
미국 중기국채
KODEX 미국채10년선물
25%
금
ACE KRX금현물
5%
현금성 실탄
TIGER CD금리투자KIS
12%
B안 — 성장형 (기술·AI 갭 보완)
슬리브
ETF
비중
나스닥100 (기술·AI)
TIGER 나스닥100 (QQQ)
20%
미국 S&P500 코어
TIGER 미국S&P500
25%
미국 배당 우량주
ACE 미국배당다우존스
10%
미국 외 선진국
KODEX 선진국MSCI
5%
미국 중기국채
KODEX 미국채10년선물
20%
금
ACE KRX금현물
5%
현금성 실탄
TIGER CD금리투자KIS
15%
C안 — 현금흐름형 (배당 중심)
슬리브
ETF
비중
미국 배당 우량주 코어
ACE 미국배당다우존스 (SCHD)
30%
미국 배당귀족
TIGER 미국배당귀족 (VIG)
15%
미국 S&P500
TIGER 미국S&P500
15%
미국 중기국채
KODEX 미국채10년선물
25%
금
ACE KRX금현물
5%
현금성
TIGER CD금리투자KIS
10%
3안 비교표 (AI 생성)
안
기대수익
MDD
기술 노출
성향 정합도
A 코어형
6~7%
-25%
없음
★★★★★
B 성장형
7~9%
-32%
QQQ 20%
★★★☆☆
C 현금흐름형
5~6.5%
-22%
없음
★★★★☆
최종 선택: A안, AI가 제시한 근거
Claude가 A안을 선택한 근거 3줄입니다.
저비용 인덱스(VOO 30%) 중심은 "내가 시장을 이긴다"는 과잉확신 편향이 끼어들 표면을 구조적으로 없앤다.
이전 단계(STEP1)에서 도출한 삼두마차 철학(보글+버핏+막스)의 직접 구현체로, 기존 투자 원칙과 충돌 없이 즉시 실행 가능하다.
추정 MDD -25%는 51세 균형 성장형의 심리적 감내 범위 안이며, 현금 12%가 폭락 시 역발상 매수 실탄으로 기능한다.
결과와 배운 점
배운 것
프롬프트에 제약을 걸수록 결과물이 좋아진다. "포트폴리오 짜줘"라고 하면 AI는 무난한 안 하나를 만든다. "의도가 명확히 달라야 하는 3안을 만들어줘"라고 하면 비교가 가능한 구조가 나온다. 선택지를 만드는 것, 그리고 선택의 기준을 미리 정해두는 것 — 이게 투자에서도, 프롬프트에서도 핵심이었습니다.
숫자보다 지속가능성이 먼저다. B안의 기대수익이 7~9%로 가장 높지만 저는 A안을 골랐습니다. -32% MDD가 현실이 됐을 때 제가 버틸 수 있을지 자신이 없었기 때문입니다. 복리는 오래 유지해야 작동합니다.
AI는 결정을 대신하지 않는다. Claude는 3안을 설계하고 근거를 제시했지만, 선택은 저의 것입니다. "왜 이 안을 골라야 하는가"를 AI의 논리로 한 번, 내 직관으로 한 번 더 검토하는 과정이 의외로 유익했습니다.
도움 받은 글 (옵션)
참고한 지피터스 글이나 외부 사례를 알려주세요.
(내용 입력)
한줄 요약
보리떡 공장을 운영하는 소상공인이 코드 한 줄 모르고도, Claude Code로 랜딩페이지를 기획부터 배포까지 완성했습니다.
바쁘시면 이것만 읽어도 돼요:
Claude Code로 기획(PRD) → HTML 제작 → Firebase 배포까지 한 흐름으로 완성
"PRD 짜줘" 한 마디에 섹션 구성, 카피 후보, 색감, 폰트까지 한 번에 나옴
Firebase 로그인 딱 한 번만 직접 했고, 나머지는 전부 AI가 처리
배포 후 실제 URL 생김 — 당근 채팅 대신 링크 하나로 공유 가능
이후 사진·영상·가격·픽업 정보를 말로 수정 요청하면 즉시 반영 + 자동 재배포
이런 분들께 도움돼요
내 가게·사업을 소개할 페이지가 필요한 소상공인
개발자 없이 직접 홍보 페이지를 만들어보고 싶은 분
AI를 써보고 싶은데 뭘 시켜야 할지 모르는 분
문제 상황 (Before)
부천 도당동에서 보리떡 공장을 운영하고 있어요. 당근마켓 비즈프로필에 올리면 되지 않냐고요? 맞는데, 문제가 있었어요.
당근 비즈프로필
"오늘 아침에 공장에서 직접 만든 보리떡을 오늘 직접 판다"는 개념이 낯설다 보니, 프로필 한 줄로는 설명이 너무 부족했어요.
왜 마트보다 신선한지
어떻게 픽업하는지
누가 만드는지
이걸 다 담을 수 있는 공간이 필요했는데, 당근 프로필엔 한계가 있었죠. 그렇다고 개발자한테 맡기자니 비용도 시간도 부담이었고요.
그래서 Claude Code한테 물어봤습니다.
사용한 도구
도구: Claude Code
모델: Claude Sonnet
배포: Firebase Hosting (무료 플랜)
특이사항: 코딩 지식 없이 대화만으로 진행
작업 과정
먼저 "뭘 만들어야 하는지"부터 — PRD 작성
랜딩페이지를 만들기 전에 Claude Code가 먼저 PRD(기획서)를 짜자고 했어요. 처음엔 "그냥 만들면 되지 않나?" 싶었는데, 막상 요청해보니 이해가 됐습니다.
폴더에 있는 md 파일들을 읽고, 랜딩페이지를 만들려고 해. 먼저 PRD를 짜줘. PRD에 들어갈 것:
1. 페이지 목적 / 핵심 메시지 한 줄
2. 타겟 사용자 / 그 사람이 페이지 보고 떠올릴 감정
3. 섹션 구성 (히어로 / 문제 / 해결 / 가격 / 후기 자리 / CTA)
4. 각 섹션의 핵심 카피 후보
5. 톤앤매너 / 색감 / 폰트 분위기
6. CTA 행동
7. 모바일 우선 설계 메모
그랬더니 이전에 만들어둔 기획 파일 15개를 전부 읽고, 이런 걸 한 번에 뽑아줬어요.
핵심 메시지: "오늘 아침에 만든 보리떡을, 오늘 우리 동네에서 직접 삽니다."
감정 흐름 설계: 호기심 → 신뢰 → 가성비 안도 → FOMO
색감: 보리떡 황갈색 + 당근 오렌지 + 크림 화이트
섹션별 카피 후보까지
솔직히 이 부분에서 "오!" 했어요. 제가 막연하게 "페이지 만들어줘"라고 했다면 절대 이렇게 나오지 않았을 거예요. 기획이 먼저 정리되니까 이후 작업이 훨씬 빨라졌습니다.
그다음은 실제 제작 — HTML 파일 하나로 끝
PRD를 확인하고 OK 했더니, 바로 제작에 들어갔어요.
@15_랜딩페이지_PRD.md를 기반으로 단일 파일 랜딩페이지를 만들어줘. 조건: - index.html 하나에 HTML + CSS + JS 다 넣기 - 모바일 우선, 데스크탑에서도 잘 보이게 - 폰트는 Pretendard (CDN 사용) - 이미지가 필요한 자리는 placeholder로 비워두기
결과물이 나왔을 때 미리보기로 바로 확인할 수 있었는데, 8개 섹션짜리 풀페이지가 만들어져 있었어요. 모바일로 보면 하단에 "지금 주문하기" 버튼이 스크롤해도 계속 따라다니는 것까지요.
파일 하나라서 관리도 단순하고, 나중에 수정할 때도 "이 부분 이렇게 바꿔줘" 라고 말하면 바로 됩니다.
Firebase 배포 — 딱 한 번만 직접 했어요
완성된 파일을 실제 인터넷에 올리는 작업도 Claude Code가 다 처리해줬어요. 단 한 가지, Firebase 로그인만 제가 직접 했습니다.
터미널에서 로그인 명령어를 입력하면 브라우저가 열리고 구글 계정으로 로그인하면 끝. 그 이후 배포는 Claude Code가 명령어를 실행해줬어요. 1~2분 후 실제 URL이 생겼습니다.
https://carrot-06030915.web.app
"진짜 사이트가 됐다"는 느낌이 그때 왔어요.
이후 수정은 말로 — 배포까지 자동
배포 이후에도 내용을 계속 다듬었어요. 방법은 간단합니다. 그냥 말하면 돼요.
'가격 미정' 을 '10,000원'으로 수정해줘.
보리떡 접시 두손 연줄.jpg 을 히어로 사진으로 적용해줘.
보리떡 작업 영상.mp4 을 공장 생산 영상으로 적용해줘.
수정 요청할 때마다 파일을 고치고 Firebase에 자동으로 재배포해줘요. 따로 업로드할 필요 없이, 요청하면 URL에 바로 반영됩니다.
결과 (After)
Before vs After
항목
Before
After
홍보 방식
당근 프로필 한 줄 설명
랜딩페이지 링크 하나로 공유
개발 비용
개발자 필요 (수십만원~)
0원
제작 시간
며칠~몇 주
당일 완성
수정 방법
개발자에게 요청
말로 요청 → 즉시 반영
결과물
랜딩 페이지: https://carrot-06030915.web.app
구성: 히어로 / 문제 / 해결 / 생산자 소개 / 상품·가격 / 픽업 안내 / 후기 자리 / CTA
아직 오픈 전이라 고객 반응은 모르지만, "준비가 됐다"는 느낌이 생겼어요. 아이디어가 실제로 존재하는 무언가가 된 순간이었습니다.
이 과정에서 배운 AI 활용 팁
효과적이었던 것
"만들어줘" 전에 "기획해줘" 먼저 — PRD를 먼저 잡으면 이후 수정이 줄어요. AI도 방향이 명확할 때 더 잘 합니다.
수정은 구체적으로 — "보기 좋게 해줘"보다 "폰트 사이즈 키워줘", "이 문구를 이걸로 바꿔줘"처럼 짧고 구체적으로.
한 번에 하나씩 — 여러 수정을 한꺼번에 요청하면 놓치는 게 생겨요. 하나 요청하고 확인한 다음 다음 걸 요청하는 게 더 빨랐어요.
이렇게 하면 안 돼요
로그인처럼 브라우저가 필요한 건 AI가 못 해요 — Firebase 로그인처럼 내 계정 인증이 필요한 건 딱 그 부분만 직접 해야 합니다.
"알아서 예쁘게"는 안 통해요 — 원하는 느낌, 색감, 톤을 조금이라도 알려줘야 결과가 달라져요.
다른 업무에 적용한다면?
이번에 만든 구조 그대로 다른 소상공인들도 응용할 수 있어요.
배달 없는 동네 반찬가게 → 오늘의 반찬 + 픽업 안내 랜딩페이지
공방·클래스 → 강사 소개 + 수업 일정 + 수강 신청 링크
동네 세탁소·수선집 → 서비스 안내 + 가격표 + 카카오 채널 연결
Firebase Hosting 무료 플랜으로 충분하고, 도메인 연결도 나중에 말로 요청하면 됩니다.
앞으로의 계획
첫 고객이 생기고 나면 후기 섹션을 채울 예정이에요. 지금은 "첫 10명의 후기를 기다리고 있어요"라고 써있는 자리인데, 실제 후기가 쌓이면 그 자리가 가장 강력한 설득 수단이 될 거예요.
재사용 가능한 프롬프트
프롬프트 1: 랜딩페이지 PRD 요청
내 [사업/서비스] 관련 파일들을 읽고, 랜딩페이지 PRD를 짜줘.
PRD에 들어갈 것:
페이지 목적 / 핵심 메시지 한 줄
타겟 사용자 / 그 사람이 페이지 보고 떠올릴 감정
섹션 구성 (히어로 / 문제 / 해결 / 가격 / 후기 / CTA)
각 섹션의 핵심 카피 후보
톤앤매너 / 색감 / 폰트 분위기
CTA 행동 ([원하는 채널]로 연결)
모바일 우선 설계 메모
[PRD 파일명].md으로 저장해줘.
프롬프트 2: 단일 파일 랜딩페이지 제작
@[PRD 파일명].md를 기반으로 단일 파일 랜딩페이지를 만들어줘.
조건:
index.html 하나에 HTML + CSS + JS 다 넣기
모바일 우선, 데스크탑에서도 잘 보이게
폰트는 Pretendard (CDN 사용)
이미지가 필요한 자리는 placeholder로 비워두기
[폴더명]/index.html 경로로 저장해줘.
프롬프트 3: 내용 수정 + 즉시 배포
'[기존 텍스트]'를 '[새 텍스트]'로 수정하고 바로 배포해줘.
# 고객 요청이 표준자료 패키지가 되는 과정
회사 일은 대개 한 통의 메일, 한 장의 요청서, 한 번의 회의에서 시작됩니다.
문제는 그 다음입니다.
회사소개서를 찾고, 대표 프로필을 고르고, 커리큘럼을 다시 붙이고, 레퍼런스를 떠올리고, 견적 근거를 다시 계산하는 일.
작은 회사일수록 이 반복은 조용히 시간을 먹습니다.
워크스트러케이션의 문서 자동화는 이 반복을 줄이는 데서 출발했습니다.
간단하게 사례를 작성해보았습니다.
고객 요청이 들어오면, 흩어진 자료를 다시 찾는 것이 아니라 이미 정리된 회사 기본자료와 상품 기준을 불러와 하나의 대응 패키지로 묶습니다.
## 한 문장 요약
고객 요청이 들어오면, 회사가 이미 가진 회사소개, 프로필, 커리큘럼, 레퍼런스, 가격 기준을 조합해 빠른 대응용 표준자료 패키지와 예산용 견적서안을 만들고, 사람 검토 후 최종 제안과 견적을 고객에게 제공하는 구조입니다.
## 무엇이 자동화되는가
이 자동화의 핵심은 "문서를 대신 써준다"가 아닙니다.
그보다 먼저, 사람이 매번 다시 찾아야 했던 자료의 위치와 조합 순서를 고정합니다.
| 구분 | 자동화되는 업무 | 의미 |
| --- | --- | --- |
| 요청 접수 | 고객 요청과 회의 내용을 요청 폴더에 보관 | 나중에 왜 이 제안을 했는지 추적 가능 |
| 요청 분석 | 고객 유형, 목적, 필요한 자료, 확인 질문 정리 | 제안 전에 빠뜨릴 내용을 줄임 |
| 상품 매칭 | 상품 기준에서 적합한 교육/컨설팅 후보 선택 | 감이 아니라 기준으로 대응 |
| 자료 구성 | 회사소개, 대표 프로필, 표준 커리큘럼, 레퍼런스 조합 | 매번 폴더를 뒤지는 시간을 줄임 |
| 견적 초안 | 예산용 견적서안을 산출근거와 함께 작성 | 확정 견적 전 내부 검토가 쉬워짐 |
| 감사 점검 | 누락 파일, 출처, 승인 필요 항목 확인 | 고객 발송 전 사고 가능성을 낮춤 |
## 현재 가능한 범위
현재 기준으로는 제안 전 단계의 자동화가 가장 현실적으로 작동합니다.
즉, 지금 당장 말할 수 있는 자동화 수준은 다음에 가깝습니다.
| 수준 | 현재 판단 |
| --- | --- |
| 표준 제안자료 묶음 | 가능 |
| 예산용 견적서안 | 가능 |
| 맞춤형 교육자료 초안 | 부분 가능 |
| 고객에게 바로 발송 | 사람 확인 후 가능 |
| 계약 확정 자동화 | 후속 설계 필요 |
| 홈택스 발행과 장부 이관 | 별도 단계로 분리 자동화 구현 완료 |
여기서 중요한 것은 경계입니다.
자동화가 빨라졌다고 해서 모든 판단이 자동으로 끝나는 것은 아닙니다.
행정서류 제공 여부, 최종 견적 문구, 고객에게 발송할 파일은 반드시 사람이 확인해야 합니다.
## 요청 하나가 패키지가 되는 방식
고객 요청은 먼저 원본으로 남깁니다.
그 다음 요청의 목적, 고객이 기대하는 결과, 필요한 교육이나 컨설팅 범위, 확인해야 할 질문을 정리합니다.
그 뒤에 회사 내부의 표준자료가 연결됩니다.
## 맞춤형 대응은 어디까지인가
맞춤형 대응도 가능합니다.
다만 맞춤형 대응은 "바로 자동 발송"의 영역이 아니라 "초안 조합 후 사람의 판단" 영역에 가깝습니다.
표준 커리큘럼에서 그대로 쓸 수 있는 부분, 고객 업종과 상황에 맞춰 바꿔야 하는 부분, 새로 만들어야 하는 부분을 분리합니다.
이렇게 해두면 고객 맞춤 제안을 하더라도 처음부터 빈 문서를 열지 않아도 됩니다.
| 구분 | 처리 방식 |
| --- | --- |
| 표준 대응 | 정리된 상품 기준과 기본자료를 빠르게 조합 |
| 부분 맞춤 | 표준 모듈을 유지하고 고객 상황 문구를 조정 |
| 큰 맞춤 | 고객 분석 후 별도 교육자료와 제안 논리 작성 |
## 수주 이후는 다른 단계다
최종 제안과 견적을 고객에게 제공한 뒤에야 수주 여부가 결정됩니다.
따라서 사람 검토 단계에서 곧바로 수주 이후 업무로 갈라지는 구조는 맞지 않습니다.
정확한 흐름은 다음과 같습니다.
## 앞으로 보완할 것
앞으로의 보완은 더 많은 자동화가 아니라 더 정확한 자동화입니다.
| 구분 | 보완 방향 |
| --- | --- |
| 발송 자동화 | 생략 |
| 가격 기준 | 생략 |
| 계약 단계 | 생략 |
| 홈택스 처리 | 생략 |
| 장부 관리 | 생략 |
| 콘텐츠화 | 생략 |
## 공개 사례로 말할 수 있는 것
이 사례는 "완전한 ERP를 만들었다"기보다 "작은 회사의 제안 전 업무를 ERP처럼 흐르게 만든 사례"에 가깝습니다.
## 마무리
문서 자동화는 문장을 빨리 쓰는 기술만은 아닙니다.
일의 순서를 보이게 하고, 자료의 출처를 남기고, 사람이 판단해야 할 지점을 분명히 하는 일입니다.
워크스트러케이션랩의 이 사례는 아직 완성된 대형 시스템이 아닙니다.
그러나 고객 요청이 들어온 순간부터 제안과 견적을 내보내기 전까지, 작은 회사가 매번 손으로 하던 일을 하나의 흐름으로 세우는 데에는 충분히 작동합니다.
그 다음은 수주 이후입니다.
천천히, 그러나 끊기지 않게 이어 붙이는 것이 이 시스템의 다음 과제입니다.
인생OS W3 — 다운그레이드를 막은 한 주: 기존 시스템을 존중하는 법
이사로 인해 활동이 많이 미비한 한주였습니다.
📝 한줄 요약
건강식품 사업을 하는 작은 회사 대표(비개발자)의 W3 기록. 회사 운영 노션을 "더 미니멀하게" 갈아엎으려다가, 이미 굴러가던 자동 추적 시스템이 더 강력함을 깨닫고 회귀. 같은 주 별도로 1년치 콘텐츠 시리즈의 마스터노트를 완성하고 화요일 시즌1 첫 발행. 시행착오의 자각 자체가 산출물.
바쁘면 이것만:
- 회사 운영 노션을 단순 콜아웃으로 갈아엎는 안 → 기존 자동 롤링·달성률 수식이 더 강력함을 자각 후 회귀. "추가는 새 컬럼으로, 단순화의 이름으로 덮어쓰지 말 것"
- 같은 주 별도로 1년치 콘텐츠 시리즈 마스터노트(시즌1~4 + 캘린더) 완성 → 화요일 시즌1 D1 첫 발행
- 직원 활동 목표 메뉴는 정리해놓고 발송을 일주일 미룸(이사로 너무 정신이 없었음) — 구조 설계에 매달려서 본질 놓침 자각
- 일일 마감(close-day) 6일 연속 끊김 — 3주 연속 시간 트리거 실패 → 메커니즘 자체 변경 검토 시점
## 하려던 것 📝
지난 주 W2에서 [이미지 자동화 보류 + 회사 14주 로드맵 설계](#)까지 정리함. 이번 주 W3은 그 흐름을 받아 회사 운영 구조(노션) 정비 + 콘텐츠 시리즈 마스터노트 완성으로 가려고 했음.
실제로는 정비 시도가 우회로를 한 번 거쳤음 — 새 구조를 설계했다가, 기존 시스템이 이미 더 잘 작동하고 있음을 도중에 자각하고 회귀. 이 시행착오 자체가 W3의 가장 큰 학습.
활용한 툴 ⚒️
- Claude Code (Claude Opus 4.7): 페어 사고 파트너 — 구조 설계, 시행착오 자각 보조, 사례글 작성
- Notion: 팀 공용 운영 위키·DB (W3 핵심 작업 무대)
- Obsidian: 1년치 콘텐츠 마스터노트 + 인생OS 데일리·에세이
- Slack: 직원 메시지 + 자동화 워크플로 빌더 (이번 주 새로 학습)
진행 세부 내용 🔍
1️⃣ 회사 운영 노션 재설계 → 회귀
시도한 방법: 매월 회사 목표를 4줄짜리 콜아웃으로 단순화하고, "개인 활동 목표·월말 회고"를 토글 구조로 새로 만드는 안 설계. 미니멀하게 한 페이지에 한눈에 들어오게.
사용한 프롬프트 (재구성):
```
회사 노션을 다시 깔끔하게 짜고 싶어. 월간 목표를 단순한 콜아웃으로 만들고,
연간·개인 활동·월말 회고를 토글 3개로 분리하면 어떨까?
```
얻은 결과: 콜아웃·토글·새 DB까지 만들고 나서야 자각함 — 기존 시스템에 이미 더 강력한 기능이 있었음:
- 매월 카드 안에 매출 자동 롤링 (관계형 DB로 매출입력 시 합계 자동 갱신)
- 통합 달성률 자동 수식 (목표 금액 대비 직판 달성액 %)
- KPT 형식 월간 리뷰 본문 통합 (결과·원인분석·다음달전략)
- 데일리 미션 관계형으로 "내 일 → 회사 목표" 자동 연결
새로 만든 콜아웃은 정적 텍스트 4줄 — 위 자동 기능을 전부 잃는 다운그레이드였음.
결정: 새로 갈아엎지 않고, 기존 카드에 Properties만 보강:
- 안내자 지표(재구매율)를 자동 추적하는 컬럼 3개 추가 (시작·종료·변화 수식)
- 시스템 마일스톤 체크리스트 (체크박스)
- 책임 분리 명시 (회사·대표 책임 vs 팀 공동 책임)
- 한 문장 테마
배움: 이미 자동 추적되는 시스템은 단순화의 이름으로 덮어쓰지 말 것. 추가하고 싶은 통찰은 새 컬럼·새 섹션으로 보강. 직관적인 미니멀 디자인이 항상 더 좋은 운영을 만드는 건 아님.
2️⃣ 콘텐츠 시리즈 마스터노트 완성 → 시즌1 D1 첫 발행
시도한 방법: 1년치 콘텐츠 시리즈를 단일 글이 아니라 시리즈 전체의 설계도로 잡기. Obsidian에 마스터노트 1장 — 두 기둥(주제 카테고리 A·B) + 4시즌 흐름 + 시즌2 세부 매핑 + 제품 연결 지도 + 키워드 3층 + 시즌1 시작 캘린더.
얻은 결과: 저자 권위(전문서)를 앵커로 둔 콘텐츠 전략의 큰 그림 완성. 단일 글 단위로 흩어지지 않고 시리즈 전체가 한 장에 들어옴. 화요일(W3 종료 다음날) 시즌1 D1 첫 발행 — 큰 그림 → 첫 발걸음.
배움: 큰 그림을 그린 다음날은 작은 한 칸부터. 큰 흥분이 작은 실행을 미루게 함 — W2 에세이에서도 적었던 패턴이 W3에서 한 번 더 반복됨을 자각.
3️⃣ 직원 활동 목표 메뉴 — 정리 후 발송 미룸
시도한 방법: 직원 2명(각자 도메인 다름)에게 6월 활동 목표 메뉴 5개 + 본인 추가 1개를 보내고, 다음 주 1:1(각 30분)에서 확정하는 워크플로 설계. 회사 outcome(매출·재구매율)은 대표 책임이고, 직원은 자기 도메인에서 outcome을 가능하게 하는 활동에 집중하는 책임 분리 구조.
얻은 결과: 메뉴 자체는 W3 중 정리 완료(도메인 책임자가 직접 고를 수 있는 형태). 그러나 노션 구조 재설계에 매달려서 메뉴 발송 자체를 일주일 미룸. W3 마지막 날 "원래 질문이었던 직원 목표 어디 갔어?" 자각 → 다음 작업으로 즉시 복귀.
배움: 구조보다 사람의 메시지가 먼저. 5분짜리 발송 작업이 1회성 구조 설계 시간보다 훨씬 큰 효용을 가짐. 매월·매분기 반복되는 운영 메시지가 시스템 정비보다 우선순위가 높을 수 있음.
4️⃣ 일일 마감(close-day) 6일 연속 끊김(이사로 인함) — 패턴 인정
시도한 방법: 21시 폰 알람 + "5분만 close-day" 룰로 매일 마감 시도 (W2에서 도입). 회고 3줄만 적어도 그날 닫은 것으로 인정.
얻은 결과: 휴가 + 이사 + 요가원 옮기기로 분산되면서 6일 연속 close-day 미실행. 4주 북극성 자가진단에서 가장 약한 항목 — 3주 연속 시간 트리거 실패 패턴.
배움: 시간 트리거(21시)가 3주 연속 실패하면 트리거 자체를 바꿀 시점. 다음 사이클(W5~)에서 행동 직후 close-day(예: 그날의 마지막 일 마치고 바로) 실험 예정 — 시간 기반 → 이벤트 기반 전환.
시행착오 ⚠️
발생한 어려움
- 단순화의 함정: "더 미니멀하게"가 자동 추적 기능을 잃는 다운그레이드가 될 수 있음을 도중에 자각
- 본질을 놓치는 메커니즘: 큰 구조 설계에 매달리면 작은 실행(직원 메시지 5분)이 일주일 미뤄짐
- 3주 연속 시간 트리거 실패: 21시 close-day가 3주 연속 깨짐. 알람·룰 도입으로도 패턴이 안 바뀜
- 휴가·이사 등 개인 사정 분산: 큰 그림 작업은 살아남았으나 일상 루틴이 끊김
해결 과정
- 새 구조를 만들고 적용하기 전에 기존 시스템을 먼저 살피기 — 자동 기능 인벤토리 작성 → 다운그레이드 위험 사전 자각
- "원래 질문이 뭐였지?" 자가 질문을 세션 중간에 삽입 — 작업 30분 단위 break point에서 본질 점검
- 시간 트리거 → 이벤트 트리거 전환 계획 (W5~ 실험)
- 분산이 예상되는 주는 루틴 목표를 미리 낮추기 (예: close-day 5일 → 3일로 사전 조정)
## 배운 점 📚
- 자동 추적되는 시스템은 단순화의 이름으로 덮어쓰지 말 것— 추가하고 싶은 통찰은 새 컬럼·새 섹션으로 보강
- 큰 그림과 작은 실행은 다른 시간대에 — 그리는 날의 다음 날은 첫 한 칸부터 (W2 에세이 → W3 반복 자각)
- 사람에게 보낼 메시지는 5분 작업이라도 구조 설계보다 먼저 — 구조는 미뤄도 다음 주 가능, 메시지는 못 보내면 1:1 자체가 안 굴러감
- 3주 연속 같은 트리거가 실패하면 트리거 자체를 바꿀 시점 — 의지력으로 같은 메커니즘을 반복하지 않기
- 자각도 산출물 — "원래 질문이 뭐였지?"를 세션 중간에 묻는 자가 메커니즘이 시행착오를 줄임
## 향후 계획 🧭
- W4 마지막 날(오늘) 북극성 재정의 — close-day 트리거 방식 변경 포함
- 6월 회사 운영 노션 카드 기존 형식 복제 + 안내자 지표 Properties 3개 추가로 마무리
- 직원 활동 목표 메뉴 발송 (오늘) → 다음 주 1:1(각 30분)
- 콘텐츠 시리즈 시즌1 — 화요일 D1을 시작으로 시즌 끝까지 주 1회 발행 유지
- AI 자동화 14주 로드맵 Phase 0 본격 시작 (1주 미뤘으니 다음 주부터)
도움이 필요한 점 🤝
- 이벤트 트리거 기반 일일 마감(close-day) 패턴 경험 — 시간 알람이 3주 연속 실패할 때, 어떤 행동 직후로 마감을 묶었는지
- 1년치 콘텐츠 시리즈 마스터노트를 운영하면서 단일 글에 매몰되지 않는 운영 노하우 — 시즌·캘린더 체계를 어떻게 유지하는지
- 소기업에서 노션을 팀 위키로 굴리는 실전 패턴 — 자동 롤링·관계형 활용, 단순화와 자동화 사이 균형 경험
📝 한줄 요약
코딩 못 해도 됩니다. 5분 발표 스크립트 작성, 랜딩페이지 기획(PRD), 그리고 실제 배포 가능한 HTML까지 — 하루 만에 만들었습니다.
바쁘시면 이것만 읽어도 돼요:
줌 모임 발표 스크립트를 슬라이드 5장·5분 분량으로 완성
랜딩페이지가 뭘 담아야 하는지 PRD로 먼저 정리한 후 HTML 생성
코드 한 줄 없이 Pretendard 폰트, 오렌지+네이비 컬러, 모바일 우선 페이지 완성
python3 -m http.server로 로컬 미리보기 확인, Firebase Hosting 배포까지 준비
🎯 이런 분들께 도움돼요
PPT나 발표 스크립트 쓰는 게 막막한 1인 사업자
랜딩페이지가 필요한데 어디서 어떻게 만들어야 할지 모르는 분
디자이너·개발자 없이 혼자 서비스 론칭 준비 중인 분
Claude Code로 실제 결과물을 만들어보고 싶은 분
😫 3주차 시작 전 상황
2주차에 사업의 뼈대는 완성됐습니다.
포지셔닝 확정: "AI 계획서, 제조업 사업 경력 현직 10년차가 검토합니다"
가격 확정: A 5만원 / B 9만원 / C 28만원
당근 비즈프로필 소개글 완성
Threads 30일 콘텐츠 완성
그런데 이 내용을 줌 모임에서 5분 안에 발표해야 했습니다. 그리고 당근에서 채팅이 오면 보내줄 링크 — 랜딩페이지도 없었고요.
🛠️ 사용한 도구
도구: Claude Code (터미널)
모델: Claude Sonnet
비용: Claude Pro/Max 구독 (추가 없음)
코딩 경험: 없음
🔧 작업 과정
발표 스크립트: "5분 안에 설득"을 역설계했습니다
슬라이드 5장 / 총 5분
S1 (30초): 누구를 위한 거야
S2 (1분): 어떤 문제를 풀어
S3 (1분30초): 어떻게 풀어 (MVP)
S4 (1분): 왜 나야
S5 (1분): 다음 주 실행 계획
Claude Code에 이전 작업 파일들을 @로 참조해서 넣었습니다.
@03_최종_아이디어.md @08_타겟_고객.md @09_MVP_정의.md @10_사업계획서.md @12_가격.md
이걸 기반으로 3주차 줌 모임 5분 발표 스크립트를 써줘.
슬라이드 5장 기준. 각 슬라이드 시간 배분과 실제 말할 내용 포함.
3분 만에 완성본이 나왔습니다. 스크립트를 기반으로 제미나이에 맡겼더니 이런 슬라이드는 12장 짜리가 나왔네요.
마지막 슬라이드에는 동료들한테 물어볼 질문도 넣었어요.
"AI 계획서 현실 검토, 처음 들었을 때 어떤 사람이 쓸 것 같았어요?
5만원이라는 가격, 당근에서 보면 어떻게 느껴지세요?"
피드백을 설계하는 거라고 생각했습니다.
랜딩페이지: 코드 전에 기획서(PRD)를 먼저 만들었습니다
HTML부터 만들고 싶었지만 참았습니다. 뭘 담을지 정하지 않으면 결과물이 어중간해질 것 같아서요.
PRD(Product Requirements Document)를 먼저 만들었습니다. 거창한 게 아니라, "이 페이지에 뭐가 있어야 해?"를 정리한 문서예요.
@08_타겟_고객.md @09_MVP_정의.md @12_가격.md
이걸 바탕으로 랜딩페이지 PRD를 만들어줘.
타겟, 감정 흐름, 섹션 구성, 섹션별 카피 후보, 색상·폰트 방향까지.
나온 것들:
감정 흐름 설계
처음: "나 얘기네" (공감)
중간: "이 사람 진짜 알겠다" (신뢰)
끝: "한번 물어봐도 되겠다" (행동 유발)
섹션 7개
히어로: 핵심 메시지 + CTA
문제: "이런 분 계신가요?" 공감 카드 3개
서비스 흐름: 4단계 상담 과정
왜 나야: 경력 + 차별화 3가지
가격: 3종 메뉴 + 얼리버드 배너
후기: 플레이스홀더 (첫 후기 대기)
CTA: 당근 채팅 + 카카오 오픈채팅
PRD를 보고 "OK"를 치자마자 HTML 생성으로 넘어갔습니다.
HTML 생성: "생성해보자" 한 마디로 나왔습니다
생성해보자
실제로 이게 전부였습니다. PRD에 다 정의해놨으니까요.
나온 것들:
Pretendard 폰트 CDN (jsdelivr) 적용
CSS 변수로 컬러·스페이싱 시스템 구성
오렌지 #FF6F0F + 네이비 #1A1A2E
모든 섹션 완성본 (히어로부터 푸터까지)
모바일 우선 / 데스크탑 max-width 680px
스무스 스크롤 JS 포함
CTA 버튼 href는 # 플레이스홀더 (실제 당근 링크 연결 시 교체)
로컬에서 바로 확인했습니다.
python3 -m http.server 8899
# → http://localhost:8899
브라우저에서 열리는 순간, 진짜 서비스처럼 보였어요. 2주 전까지만 해도 "내가 랜딩페이지를 만들 수 있을까?"라고 생각했는데. 색깔이나 모습이 맘에 쏙들지는 않았습니다만 결과물이 그래도 나오네요?
✅ 결과 (After)
Before vs After
항목
Before (2주차 이후)
After (3주차 완료)
발표 준비
없음
슬라이드 5장 스크립트 완성
발표 피드백 질문
없음
가격 반응·타겟 검증 질문 설계
랜딩페이지
없음
단일 HTML 완성 + 로컬 확인
배포 준비
없음
Firebase Hosting 설정 순서 완료
총 결과물 파일 수
15개
18개
💬 이 과정에서 배운 것
PRD를 먼저 쓰면 코드가 1회에 나옵니다
HTML부터 만들면 "이 부분 바꿔줘", "이거 추가해줘"가 반복됩니다. PRD로 요구사항을 한 번에 정리해두면 생성물이 1회에 쓸 수 있는 수준으로 나왔어요. 기획 10분이 수정 1시간을 줄여줬습니다.
이전 파일 @참조는 계속 쓰면 쓸수록 강력해집니다
3주차가 되니 참조할 파일이 10개가 넘었습니다. @08_타겟_고객.md @12_가격.md 두 개만 넣어도 Claude가 타겟·가격 맥락을 이미 아는 상태에서 글을 써줍니다. 앞 단계 결과물이 쌓일수록 다음 단계 품질이 올라갔어요.
"생성해보자"가 가능한 건 준비가 됐을 때입니다
"생성해보자" 한 마디로 HTML이 나온 건 그 전에 PRD에서 디자인 방향, 섹션 구성, 카피를 다 정의해놨기 때문이에요. 준비가 충분하면 실행 명령은 짧아집니다.
붙이는글
아직 배포해서 실제 URL 생성하고 당근 연결하는 것은 시간이 부족해 하지 못했지만 오늘 중으로 마무리를 해보려고 합니다. 가격 설정 한 것이 맞나 싶으면서도 이번 프로젝트에 중점은 실행에 있기 때문에 일단 못먹어도 고를 합니다. 과연 상담 1건을 잡을 수 있을지..?
📝 한줄 요약
코드 한 줄 안 써본 식품 제조업 10년차가 Claude Code로 경쟁자 분석부터 당근 비즈프로필 소개글, Threads 30일 콘텐츠까지 — 하루 만에 사업 출시 준비를 마쳤습니다.
바쁘시면 이것만 읽어도 돼요:
Claude Code로 크몽·숨고·당근 경쟁자를 동시에 검색하고 5분 만에 분석 완료
당근에서 "AI 계획서 현실 검토" 포지션을 가진 사람이 아무도 없다는 걸 발견
오프모임을 못 갔는데, Claude가 동료 3명 역할로 포지셔닝 공방까지 진행해줌
타겟 고객 페르소나, 사업계획서, 가격, 소개글, Threads 30일 콘텐츠를 하루에 완성
처음에 막막했던 포지셔닝 문구는 대화하면서 같이 다듬어 최종 확정
🎯 이런 분들께 도움돼요
직장 경험을 바탕으로 부업·창업을 고민하지만 어디서 시작해야 할지 모르는 분
Claude Code 써보고 싶은데 코딩을 모르는 분
사업 아이디어는 있는데 경쟁자 분석, 가격 설정, 홍보 문구까지 혼자 하기 막막한 분
당근마켓 비즈프로필로 첫 수익을 만들어보고 싶은 분
😫 문제 상황 (Before)
식품 제조업에서 10년을 일했습니다. 생산라인, 공정관리, 품질관리. 현장에서만 쌓인 경험들이었죠.
"이 경험으로 뭔가 할 수 있지 않을까?" 라는 생각은 오래됐는데, 막상 시작하려니 막혔습니다.
사업 아이디어는 3~4개 있는데 뭘 먼저 해야 할지 모르겠음
경쟁자가 있는지 없는지도 모름
가격을 얼마로 잡아야 할지 감이 없음
소개글 어떻게 쓰는지 모름
심지어 오프모임도 못 감
Claude Code 스터디에 참여하면서 이걸 다 해결할 수 있을지 반신반의했습니다.
🛠️ 사용한 도구
도구: Claude Code (터미널)
모델: Claude Sonnet
비용: Claude Pro/Max 구독 (별도 추가 없음)
코딩 경험: 없음 (코드 한 줄도 안 써봤음)
🔧 작업 과정
경쟁자가 없다는 걸 5분 만에 확인했습니다
당근에서 직접 검색한 결과, 창업 관련 비즈프로필은 두 개뿐이었습니다. 하나는 정부지원금 특화, 하나는 카페 양도·양수. 제가 하려는 "식품·식음료 창업 1:1 컨설팅"은 없었어요.
근데 당근 밖은 어떤지도 확인해야 했습니다. Claude Code에 한 줄 넣었습니다.
@03_최종_아이디어.md를 읽고, 그 서비스와 비슷한 곳들을 한국 웹에서 찾아봐줘.
당근 외에 네이버, 인스타, 크몽, 숨고, 탈잉 채널에서 2~3곳씩 정리해줘.
크몽·숨고·클래스101·탈잉 4개 채널을 동시에 검색해서 3분 만에 결과가 나왔습니다. 결론은 명확했어요.
"식음료 제조 현직 감각"을 가진 컨설턴트도 없고, "AI 계획서 현실 검토"라는 포지션도 플랫폼 전체에 없었습니다.
이 발견이 이후 모든 포지셔닝의 출발점이 됐습니다.
오프모임을 못 갔는데, Claude가 동료가 됐습니다
포지셔닝 후보 3개를 만들었는데, 오프모임에서 동료들한테 검증받아야 하는 단계였습니다. 근데 못 갔어요.
오프모임을 못갔어 / 방법2 (Claude가 동료 역할로 피드백)
Claude가 조원 3명 페르소나를 직접 설정했습니다.
동료 A: 퇴사 후 카페 창업 고민 중인 직장인
동료 B: 당근 3개월차 1인 사업자
동료 C: 브랜딩 감각 있는 참가자
포지셔닝 공방을 시뮬레이션하고 투표까지 진행했습니다. 결과는 B 2표.
"AI 계획서, 제조업 사업 경력 현직 10년차가 검토합니다"
그런데 피드백 중에 걸리는 부분이 하나 생겼습니다.
포지셔닝 문구를 대화로 다듬었습니다
시뮬레이션 결과로 나온 포지셔닝 문장이 어딘가 어색했습니다. F&B 창업과 식품 제조업 창업을 모두 타겟으로 하고 싶은데, 두 개를 담으려다 보니 문장이 따로 놀았어요.
아니. 일단은 걸리는 부분이 F&B 창업과 제조업까지 아우르는 걸 목표로 하기는 하는데, 이 내용은 말이 잘 안맞는 것 같다
Claude가 두 가지 방향을 제안했고, 이유까지 설명해줬습니다.
"'식품·식음료 산업 창업'이 두 타겟 모두를 자연스럽게 아우릅니다. '업종 무관'은 너무 열려있어서 무관한 사람이 문의할 수 있고, 검색 키워드로도 작동하지 않아요."
"그러자"로 확정했습니다.
나는 식품·식음료 창업을 준비하는 분을 위한
제조업 사업 경력 현직 10년차 현실 검토 파트너입니다.
2주차 — 사업 출시에 필요한 모든 것을 하루에 만들었습니다
포지셔닝이 확정되고 나니 나머지는 순서대로 쭉 나왔습니다.
타겟 고객 구체화
이지현(34세, 식품회사 마케팅 7년차)이라는 가상 인물을 만들었습니다. "AI로 계획서 만들었는데 이게 맞는 건지 모르겠는" 그 사람. 당근에서 어떤 키워드로 검색할지, 왜 당근을 선택할지, 어느 시점에 채팅을 보낼지까지 전부 정리됐습니다.
가격 설정
숨고 창업 컨설팅 평균 45,000원, 크몽 카페·요식업 평균 20만원. 이 데이터를 기반으로 가격 구간을 잡았습니다.
A. 30분 상담: 50,000원
B. 60분 상담: 90,000원
C. 월간 동행 4회: 280,000원
오픈 기념 첫 3명: 무료 (후기 확보 전략)
당근 비즈프로필 소개글
🏭 식품·식음료 창업, AI 계획서만으론 부족하셨죠? 식품 제조업 현직 10년 + 직접 창업 매출 경험을 바탕으로
AI 사업계획서의 현실성을 솔직하게 검토해드립니다.
스스로 검증도 했습니다. "처음 보는 사람이 무슨 서비스인지 바로 이해되나?", "연락하고 싶은 마음이 드나?" 두 가지 모두 통과.
Threads 30일 콘텐츠
30개 포스트를 한 번에. 1주차 나 소개 → 2주차 문제 인식 → 3주차 솔루션 → 4주차 후기·Q&A. 각 포스트마다 후킹 한 줄, 본문, CTA까지 완성본으로.
✅ 결과 (After)
Before vs After
항목
Before
After
사업 아이디어 수
막연하게 3~4개
1개로 확정
경쟁자 파악
전혀 모름
당근+5개 채널 분석 완료
포지셔닝
없음
"AI 계획서 현실 검토" 선점
소개글
없음
완성본 (290자)
가격
감 없음
A 5만 / B 9만 / C 28만 확정
Threads 콘텐츠
없음
30일치 전부 완성
소요 시간
-
하루 (약 4~5시간)
결과물
스터디 폴더 내 MD 파일 13개 생성
당근 비즈프로필 오픈 즉시 가능한 상태
Threads 30일 콘텐츠 복붙만 하면 됨
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
이전 파일을 @로 참조하면 맥락을 다시 설명 안 해도 됨
@03_최종_아이디어.md를 읽고... 이 방식으로 앞 작업 결과가 다음 작업에 자동으로 연결됩니다.
"어느 걸 추천해?"라고 물으면 이유까지 설명해줌
선택지를 달라고 하는 것보다, 추천을 요청하면 근거를 들어서 결정하기 훨씬 쉬웠습니다.
못 한 것(오프모임)은 대체 방법을 물어보면 됨
"못 갔어, 어떻게 해?"라고 하면 대안을 제시해줍니다. 시뮬레이션도 꽤 현실적이었어요.
웹 검색을 병렬로 돌리면 시간이 반으로 줌
크몽·숨고·클래스101·탈잉을 동시에 검색하니 한 채널씩 따로 하는 것보다 4배 빨랐습니다.
이렇게 하면 안 돼요
너무 완벽하게 만들려다가 막히면 그냥 물어보기
포지셔닝 문구가 어색한 것 같다고 느꼈는데, 혼자 고치려 했으면 훨씬 오래 걸렸을 겁니다.
한 번에 너무 많이 요청하지 않기
"경쟁자 분석하고 소개글 써줘"보다 한 단계씩 나눠서 요청하는 게 결과 품질이 높았습니다.
🌍 다른 업무에 적용한다면?
이 방식은 어떤 전문직 경력에도 쓸 수 있습니다.
HR 10년차 → 이직 코칭 서비스
세무사무소 경력 → 소상공인 세무 상담
유치원 교사 20년 → 부모 상담 서비스
경쟁자 분석 → 포지셔닝 → 소개글 → 가격 → 콘텐츠 순서는 어떤 1인 서비스에도 동일하게 적용됩니다. Claude Code가 각 단계를 파일로 저장하고 다음 단계에 참조하는 방식도 그대로 쓸 수 있어요.
붙이는 글
너무 AI에 의존하고 있는 것 아닌가 싶을 정도로 구조를 잘 짜서 하고 있는데, 그럼에도 계속 드는 생각은 중요 본질을 어떻게 담아 낼 것인가를 계속 고민할 수 밖에 없구나 입니다. AI가 정리해준 것도 결국 내가 리뷰하고 내것으로 만드는 과정이 중요한 것 같습니다.
📝 한 줄 요약
API 문서도 없고, Word 다운로드도 안 되고, 지식도 파편화돼 있던 파생상품 감사지원 플랫폼이, 9일 만에 금리 자동 조회·조서 다운로드·Obsidian
지식베이스·PDF 성능 최적화까지 갖춘 실무 도구로 바뀌었습니다.
---
바쁘시면 이것만 읽어도 돼요:
- 공식 API 문서가 없는 금융 사이트도, 요청 구조를 분석하면 Python으로 자동 조회가 됩니다.
- Word 다운로드는 백엔드 없이 CDN 한 줄로 됩니다. CSS 변수(var(--color))는 DOCX에서 작동하지 않는다는 점만 주의하면 됩니다.
- API 중복 호출 방지·한도 초과 오류 구분·전송 크기 제한, 세 가지 방어 코드는 방향을 묶어서 한 번에 요청하면 한 번에 구현됩니다.
- 파일명에 상품_모형_번호 형식을 담으면, 폴더 없이도 내용이 보입니다.
- "고쳐줘" 전에 "왜?" 를 먼저 물으면, AI가 코드를 읽고 원인 두 가지를 동시에 찾아옵니다.
---
🎯 이런 분들께 도움돼요
- 금융·회계 실무에서 외부 데이터를 자동으로 가져오고 싶은 분
- Word/Excel 다운로드 기능을 "나중에 서버 만들면"으로 미루고 있는 분
- 감사·검토 문서들이 파편화돼 있어 일관성 관리가 어려운 실무자
- Obsidian으로 업무 지식베이스를 구축하고 싶은 분
- 브라우저 앱이 느린데 어디서 막히는지 몰랐던 개발자
---
😫 문제 상황 (Before)
파생상품 감사지원 플랫폼을 만들고 있었는데, 세 가지 문제가 쌓여 있었습니다.
첫째, 외부 금리 데이터를 수동으로 조회하고 있었습니다. 감사 시 필요한 무위험이자율·신용스프레드를 민간채권평가사 사이트에서 매번 직접 찾아
입력해야 했습니다. 공식 API는 없었습니다.
둘째, 다운로드 버튼이 alert만 띄우고 있었습니다. 조서를 Word로 내보내야 하는데, 버튼을 눌러도 "준비 중" 메시지만 나왔습니다.
셋째, 감사 지식이 파편화돼 있었습니다. 평가모형 설명, 상품 구조, 실무 가이드라인, 조서 예시가 각자 다른 형태로 흩어져 있었고, 서로 연결되지
않았습니다.
여기에 Gemini API를 호출할 때 중복 요청이 발생하거나 한도 초과 오류가 나도 원인을 알 수 없는 문제까지 있었습니다. 그리고 파일을 업로드하면 "텍스트
추출 중..." 화면이 너무 오래 떴습니다.
---
🛠️ 사용한 도구
- Claude Code CLI — 전체 작업 실행
- Python requests — KIS 금리 API 조회
- html-docx-js (CDN) — 브라우저에서 DOCX 생성
- SheetJS (CDN) — 브라우저에서 Excel 생성
- Obsidian — 지식베이스 뷰어
- PDF.js — 브라우저에서 PDF 텍스트 추출
---
🔧 작업 과정
---
Phase 1 — 금리 자동 조회: 공식 API 없이 만든 fetcher (6/2)
KIS채권평가 사이트(bond.co.kr)에는 공식 API 문서가 없습니다. 그런데 브라우저 개발자 도구로 네트워크 요청을 보면 엔드포인트 구조가 그대로
드러납니다.
▎ "bond.co.kr에서 금리를 가져오는 Python 모듈을 만들어줘. 날짜·신용등급·평가사를 파라미터로 받고, 서버에서 중계해서 CORS 문제도 해결해줘."
요청 구조를 분석하니 단일 엔드포인트에 JSON body를 POST하는 방식이었습니다. 여기서 주말·공휴일 처리가 필요했습니다. 금융 데이터는 영업일
기준으로만 존재하기 때문에, 입력 날짜가 주말이면 직전 영업일 데이터를 자동으로 반환하도록 처리했습니다.
# kofiabond_fetcher.py
KIS_URL = "https://www.bond.co.kr/kisnet/500"
def fetch_rates(date: str, rating: str, agencies: list[str]) -> dict:
# 주말이면 직전 영업일로 자동 조정
d = toprev_business_day(datetime.strptime(date, "%Y-%m-%d"))
# POST body를 그대로 재현
payload = buildpayload(d, rating, agencies)
resp = requests.post(KIS_URL, json=payload, headers=KIS_HEADERS)
return _parse(resp.json())
server.py가 브라우저와 이 fetcher 사이를 중계해서 CORS 문제를 해결했습니다. 평가 화면에서 날짜와 신용등급을 선택하고 버튼 하나를 누르면
무위험이자율과 신용스프레드가 자동으로 채워집니다.
---
Phase 2 — Word·Excel 다운로드: CDN 두 줄로 해결 (6/2)
다운로드 버튼이 alert만 띄우는 상태였습니다. 백엔드를 새로 만들지 않고 브라우저에서 직접 파일을 생성하는 방법이 필요했습니다.
<script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/html-docx.js"></script>
<script src="https://cdn.jsdelivr.net/npm/[email protected]/dist/xlsx.full.min.js"></script>
한 가지 함정이 있었습니다. CSS 변수(var(--teal))는 DOCX 안에서 동작하지 않습니다. DOM에서 innerHTML을 그대로 뽑으면 색상이 모두 날아갑니다. 데이터
변수로 HTML을 직접 빌드하면서 명시적인 색상값을 넣었습니다.
function downloadWord() {
const html = `<!DOCTYPE html><html><head><style>
th { background-color: #e8edf5; } /* var(--) 대신 직접 값 */
td { border: 1px solid #d0d7e3; padding: 4px 8px; }
</style></head><body>
${buildDocumentHtml(State.getAll())}
</body></html>`;
const blob = htmlDocx.asBlob(html);
const a = document.createElement('a');
a.href = URL.createObjectURL(blob);
a.download = 파생상품감사조서_${info.issuer}_${baseDate}.docx;
a.click();
}
---
Phase 3 — API 방어 코드: 방향 3개를 묶어서 한 번에 (6/2)
Gemini API 호출 문제를 분석하고 해결 방향 세 가지를 직접 정리해서 한 번에 요청했습니다.
▎ "방법 1: PDF 텍스트 전송 크기를 4,000자로 제한. 방법 2: 버튼 중복 클릭 방지 플래그 추가. 방법 3: 429 에러와 일반 에러를 구분해서 안내. 세 가지
모두 step2.html에 반영해줘."
하나씩 순서대로 요청하는 대신 방향을 묶어서 한 번에 줬습니다. 관련 코드가 한 번에 반영됐습니다.
// 방법 1: 전송 크기 제한
const prompt = ...${pdfText.slice(0, 4000)};
// 방법 2: 중복 호출 방지
let isSending = false;
async function analyze() {
if (isSending) return;
isSending = true;
try { /* API 호출 */ }
finally { isSending = false; }
}
// 방법 3: 429 구분 안내
const is429 = e.status === 429 || e.message?.includes('RESOURCE_EXHAUSTED');
const banner = is429
? '❌ API 사용량 한도 초과 — 잠시 후 다시 시도해 주세요.'
: ❌ 오류: ${e.message};
---
Phase 4 — Obsidian 지식베이스 구축: 파편화된 지식을 연결하기 (6/2~6/6)
상품 설명·평가모형·가이드라인·조서 예시가 각각 다른 형식으로 흩어져 있었습니다. 이것들을 Obsidian 위키링크로 연결된 지식베이스로 정리했습니다.
파일명에 분류 기준을 담았습니다.
Before: 조서예시_CB_TF_1.md (참고자료 폴더 안, 단독 파일)
After:
02_상품/CB_전환사채.md ← 상품 구조
03_평가모형/TF_Tree모형.md ← 평가 방법론
03_평가모형/BDT_모형.md
06_조서예시/CB_TF_1.md ← 실제 조서 예시
각 파일에 YAML frontmatter로 메타데이터를 추가하고, 이미지는 Obsidian 위키링크 형식으로 변환했습니다.
---
tags: [CB, TF모형, 조서예시, 전환사채]
product: "[[CB_전환사채]]"
model: "[[TF_Tree모형]], [[BDT_모형]]"
오차허용범위: "±5%"
관련가이드라인: "[[실무_가이드라인]]"
---
# CB_1 조서 예시
...
![[TF모형_tree구조.png]] ← Obsidian 위키링크
![[BDT_이자율상승하락비율_산출방법.png]]
최종적으로 만들어진 파일 구조입니다.
┌───────────────┬─────────┬──────────────────────────────────────────┐
│ 폴더 │ 파일 수 │ 내용 │
├───────────────┼─────────┼──────────────────────────────────────────┤
│ 02_상품 │ 5개 │ CB, RCPS, EW, SO, SA │
├───────────────┼─────────┼──────────────────────────────────────────┤
│ 03_평가모형 │ 7개 │ BDT, CRR, GS, HW, LSMC, TF, 부트스트래핑 │
├───────────────┼─────────┼──────────────────────────────────────────┤
│ 04_가이드라인 │ 1개 │ 실무 체크리스트 │
├───────────────┼─────────┼──────────────────────────────────────────┤
│ 05_워크플로우 │ 4개 │ 감사인·고객사 × 평가·질의 │
├───────────────┼─────────┼──────────────────────────────────────────┤
│ 06_조서예시 │ 6개 │ CB(3), RCPS(2), SO(1) │
└───────────────┴─────────┴──────────────────────────────────────────┘
파일을 열기 전에 파일명만 봐도 어떤 상품, 어떤 모형, 몇 번째 예시인지 알 수 있습니다.
---
Phase 5 — PDF 성능 최적화: "왜 느려?"를 먼저 물었다 (6/9)
파일을 업로드하면 "텍스트 추출 중..." 이 너무 오래 떴습니다. "고쳐줘" 전에 "왜 느린지 봐줘"라고 먼저 물었습니다.
코드를 읽고 원인 두 가지를 동시에 찾아냈습니다.
원인 1 (주범): PDF.js 워커 파일(1.1MB)을 파일 업로드 시점마다 CDN에서 다운로드하고 있었습니다.
// 업로드할 때마다 unpkg.com에서 1.1MB 다운로드
pdfjsLib.GlobalWorkerOptions.workerSrc =
'https://unpkg.com/[email protected]/legacy/build/pdf.worker.min.js';
원인 2: 페이지를 1장씩 순서대로 처리하는 for await 루프.
for (let i = 1; i <= maxPages; i++) {
const page = await pdf.getPage(i); // 한 장 끝나야 다음 장 시작
...
}
두 원인을 파악하고 한 번에 수정을 요청했습니다.
# 1. 워커 파일 로컬 저장 (한 번만)
curl -L -o "공통/js/pdf.worker.min.js" \
https://unpkg.com/[email protected]/legacy/build/pdf.worker.min.js
// 2. CDN → 로컬
pdfjsLib.GlobalWorkerOptions.workerSrc = '../../공통/js/pdf.worker.min.js';
// 3. 순차 → 병렬
const pageTexts = await Promise.all(
Array.from({ length: maxPages }, (_, i) =>
pdf.getPage(i + 1).then(p => p.getTextContent())
.then(tc => tc.items.map(item => item.str).join(' '))
)
);
---
✅ 결과 (After)
┌─────────────────┬─────────────────────────┬──────────────────────────────┐
│ 항목 │ Before │ After │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ 금리 데이터 │ 수동 조회·입력 │ 날짜+등급 선택 후 버튼 1번 │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ 다운로드 기능 │ alert만 표시 │ Word·Excel 실제 파일 생성 │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ API 오류 안내 │ 원인 불명 │ 429·일반 오류 구분 안내 │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ 감사 지식 │ 파편화, 형식 불일치 │ 23개 파일 위키링크로 연결 │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ 파일명 │ 내용 알려면 열어봐야 함 │ 상품·모형·번호 형식으로 분류 │
├─────────────────┼─────────────────────────┼──────────────────────────────┤
│ PDF 텍스트 추출 │ CDN 대기 + 순차 처리 │ 로컬 로드 + 병렬 처리 │
└─────────────────┴─────────────────────────┴──────────────────────────────┘
---
💬 이 과정에서 배운 AI 활용 팁
1. "고쳐줘" 전에 "왜?"를 먼저 물어라
"느린데 고쳐줘"가 아니라 "왜 느린지 코드를 읽고 찾아줘"라고 했습니다. AI가 파일을 직접 읽고 원인 두 가지를 동시에 짚었습니다. 원인이 명확해지면
수정은 자연스럽게 따라옵니다.
2. 방향을 여러 개 직접 정리해서 한 번에 줘라
API 방어 코드 세 가지를 각각 따로 요청하지 않고, 방향을 묶어서 한 번에 줬습니다. 관련 파일에 동시에 반영됐습니다. 분석은 사람이 하고, 구현은 AI가
한다는 역할 분리가 핵심입니다.
3. 파일명이 분류 체계다
CB_TF_1.md는 폴더 구조 없이도 전환사채·TF모형·첫 번째 예시라는 정보를 담고 있습니다. 파일명 규칙을 먼저 정의하고 나면, 이후 추가되는 파일들도
자연스럽게 같은 규칙을 따릅니다.
4. CDN 라이브러리는 한 번만 받아두면 된다
외부 CDN에 의존하는 라이브러리가 있으면 curl 한 줄로 로컬에 저장하고 경로만 바꾸면 됩니다. 인터넷 속도, CDN 장애, 오프라인 환경 걱정이 한 번에
사라집니다.
---
이렇게 하면 안 돼요
1. "API 문서 없으면 못 한다"고 포기하기 — 브라우저 네트워크 탭에 요청 구조가 다 보입니다.
2. Word 다운로드를 "서버 만들면 할게"로 미루기 — CDN 한 줄이 즉시 해결합니다.
3. 방어 코드를 하나씩 따로 요청하기 — 방향을 묶어서 한 번에 주면 훨씬 빠릅니다.
4. 느린 기능을 "원래 그런가"로 넘기기 — 원인을 물으면 코드에서 바로 찾아냅니다.
5. for await 루프가 느린 이유를 모른 채 쓰기 — 항목이 독립적이면 Promise.all로 바꾸면 됩니다.
---
🌍 다른 업무에 적용한다면?
"API 없는 사이트 자동 조회" 패턴:
[사이트]에서 [데이터]를 가져오고 싶어.
브라우저 개발자 도구 Network 탭 기준으로
실제 요청 구조를 분석해서 Python requests로 재현해줘.
주말·공휴일이 있으면 직전 영업일로 자동 처리도 넣어줘.
"방향 묶어서 한 번에" 패턴:
[문제]에 대한 해결 방향이 [N]가지야:
방법 1: [구체적 조치]
방법 2: [구체적 조치]
방법 3: [구체적 조치]
[대상 파일]에 모두 반영해줘.
"성능 원인 진단" 패턴:
[파일명]을 읽고 [기능]이 [증상]인 이유를 찾아줘.
고치기 전에 원인이 어디에 있는지, 몇 번 줄인지 먼저 알려줘.
---
📋 재사용 가능한 프롬프트
프롬프트 1: CDN 라이브러리 로컬화
[파일명]에서 CDN으로 불러오는 외부 스크립트를 찾아줘.
각각 curl로 로컬에 저장하고 경로를 [로컬 경로]로 바꿔줘.
프롬프트 2: Obsidian 지식베이스 구조화
[파일들]을 Obsidian 형식으로 변환해줘.
- YAML frontmatter에 tags, 관련 문서 링크 추가
- 이미지 경로를 ![[파일명]] 형식으로 변환
- 파일명은 [상품]_[모형]_[번호].md 형식으로
프롬프트 3: 방어 코드 일괄 적용
[파일]의 API 호출 부분에 아래 세 가지를 반영해줘:
1. 중복 호출 방지 플래그 (isSending)
2. 전송 데이터를 [N]자로 제한
3. [상태코드] 에러와 일반 에러를 구분해서 다른 메시지 표시
---
9일 동안의 핵심은 기능 하나씩 완성하는 것이 아니라, 작업마다 원인부터 파악하고 방향을 묶어서 구현한다는 흐름이었습니다. "왜?" 한 마디와 "세 가지
모두 반영해줘" 한 문장이 반복됐고, 그 패턴이 쌓여서 플랫폼이 됐습니다.
## 📝 한줄 요약
제안서 평가를 고도화하기 위한 아이디어로, 여러 AI API와 페르소나를 활용한 델파이 평가 방식을 기존 문서 시스템에 먼저 테스트해봤습니다.
목표는 AI에게 점수를 대신 매기게 하는 것이 아니라, 평가자마다 다르게 보는 지점과 애매한 개선 포인트를 찾는 것이었습니다.
바쁘시면 이것만 읽어도 돼요:
- 제안서 평가 고도화를 위해 델파이 평가 방식을 파일럿으로 테스트했습니다.
- 여러 API를 분리해 사용해 한 모델의 관점에 평가가 오염되지 않도록 했습니다.
- 핵심은 평균 점수가 아니라, 평가가 갈리는 축과 애매한 부분을 찾는 것이었습니다.
- 일부 API 응답 실패는 억지로 해석하지 않고 제외 패널로 기록했습니다.
- 결과적으로 아이디어로서 시도해볼 가치는 확인했습니다.
- 다음 단계는 문서 유형별 평가 루브릭을 더 고도화하는 것입니다.
## 🎯 이런 분들께 도움돼요
- 보고서나 제안서를 평가해야 하는 실무자
- 평가 기준은 있지만 실제 문서를 보면 판단이 애매해지는 사람
- AI로 문서 검토를 해보고 싶지만, 단일 AI 평가를 그대로 믿기는 어려운 사람
- 점수보다 “어디가 애매한지”, “어디를 고치면 좋은지” 알고 싶은 사람
## 😫 문제 상황: 평가 기준은 있어도, 애매한 문서는 남는다
보고서나 제안서를 평가할 때 가장 어려운 부분은 단순히 점수를 매기는 것이 아닙니다.
기준표를 만들 수는 있습니다. 항목별로 1점부터 5점까지 점수를 줄 수도 있습니다. 그런데 실제 문서를 보면 애매한 경우가 많습니다.
- 메시지는 분명한데 결재자가 바로 행동할 수 있을 만큼 구체적인가?
- 근거는 있어 보이지만 논리적으로 충분한가?
- 리스크를 언급하기는 했는데, 대응까지 다뤘다고 볼 수 있는가?
- 문서 유형상 꼭 필요한 평가 축과 그렇지 않은 축은 무엇인가?
이런 질문은 단일 평가자나 단일 AI 모델만으로는 놓치기 쉽습니다.
그래서 이번에는 제안서 평가 고도화에 적용하기 전, 기존 문서 시스템의 보고서 1건에 델파이 평가 방식을 테스트해봤습니다. 목적은 완성된 시스템을 만드는 것이 아니라, 아이디어로서 시도해볼 가치가 있는지 확인하는 것이었습니다.
## 🛠️ 사용한 도구
- 프라이드: Hermes 기반 텔레그램 업무문서 AI
- Python 평가 스크립트: 멀티 LLM 델파이 평가 실행
- 여러 AI API / 모델: 서로 다른 관점을 얻기 위한 평가 패널
- 페르소나 평가자: 구조·논리 중심 평가자, 리스크 중심 평가자 등
- Markdown / JSON: 평가 결과와 중간 과정을 보존
이번 작업에서 가장 중요하게 본 것은 “여러 AI를 많이 쓰는 것” 자체가 아니었습니다.
핵심은 의견이 오염되지 않도록 API와 관점을 분리하는 것이었습니다.
하나의 모델에게만 평가를 맡기면 그 모델의 문체, 선호, 약점이 평가 전체를 지배할 수 있습니다. 그래서 서로 다른 API와 페르소나를 통해 독립적인 평가를 받고, 이후 어디서 의견이 갈리는지 확인하는 구조를 만들었습니다.
## 🔧 작업 과정
### 1. 바로 제안서에 적용하지 않고, 기존 문서로 먼저 테스트했습니다
처음부터 실제 제안서 평가에 적용하지는 않았습니다. 먼저 기존 문서 시스템에 있는 보고서 1건을 대상으로 테스트했습니다.
이유는 단순합니다. 평가 시스템 자체도 검증이 필요했기 때문입니다.
```text
문서 평가를 고도화하기 위해 델파이 평가를 테스트로 적용해봄
```
이번 테스트에서는 외부 사실관계 검증까지 확장하지 않았습니다. 범위를 문서 내부 품질 평가로 제한했습니다.
- 핵심 메시지가 명확한가?
- 논리와 근거가 맞물리는가?
- 의사결정자에게 필요한 So-what이 있는가?
- 리스크나 반론을 어느 정도 다루는가?
- 수치가 문서 안에서 서로 충돌하지 않는가?
이렇게 범위를 제한하니, AI 평가가 어디에 도움이 되고 어디까지는 아직 조심해야 하는지 더 분명히 볼 수 있었습니다.
### 2. 여러 API와 페르소나로 독립 평가를 받았습니다
이번 작업의 핵심은 여러 API를 통해 다양한 관점을 얻는 것이었습니다.
```text
여러 API를 통해 의견이 오염되지 않도록 하고, 다양한 API로 다양한 관점을 얻는 점을 가장 크게 고려함
```
구조는 다음과 같았습니다.
- R1: 독립 평가
- 각 모델과 페르소나가 서로의 의견을 보지 않고 먼저 평가합니다.
- R2: 분포 공개 후 재평가
- 각 축의 평가 분포와 주요 이견을 공개한 뒤 다시 평가합니다.
- R3: 소수의견 강화와 수렴 점검
- 너무 빨리 합의된 축이 있다면, 진짜 합의인지 다수 의견에 맞춘 것인지 다시 점검합니다.
일반 평가에서는 최종 점수 하나만 남기 쉽습니다. 하지만 델파이 방식에서는 점수뿐 아니라 “왜 갈렸는지”가 남습니다.
이 차이가 중요했습니다.
### 3. 점수보다 이견을 보려고 했습니다
AI 평가를 받을 때 평균 점수만 보면 오히려 중요한 약점이 묻힐 수 있습니다.
예를 들어 어떤 문서가 전체적으로는 괜찮은 점수를 받더라도, 특정 축에서 평가가 갈릴 수 있습니다. 그 축이 실제로는 가장 중요한 개선 포인트일 수 있습니다.
이번 테스트에서도 단순히 “몇 점짜리 문서인가”보다 다음 질문이 더 중요했습니다.
- 어떤 축에서 모델들의 판단이 갈리는가?
- 구조 평가자와 리스크 평가자는 같은 부분을 다르게 보는가?
- 높은 점수를 준 패널과 낮은 점수를 준 패널은 무엇을 다르게 봤는가?
- 합의가 된 것처럼 보이는 축은 정말 충분히 검토된 것인가?
즉, 여러 API와 페르소나를 쓰는 이유는 더 그럴듯한 평균 점수를 만들기 위해서가 아니었습니다.
평가가 갈리는 지점을 찾기 위해서였습니다.
### 4. 일부 API 응답 실패도 그대로 기록했습니다
테스트 과정에서 일부 패널은 빈 응답이나 길이 문제로 실패했습니다.
이 부분이 오히려 중요한 운영 포인트였습니다. AI 평가 시스템을 업무에 쓰려면, 실패한 응답을 억지로 해석하면 안 됩니다.
이번에는 실패한 패널을 무리하게 살리지 않고 제외했습니다. 그리고 최종 결과에 “제외 패널”로 기록했습니다.
```text
실패한 AI 응답은 억지로 해석하지 않는다.
유효한 응답만 기준으로 평가하고, 실패는 별도로 기록한다.
```
이 규칙은 생각보다 중요합니다.
AI가 무언가를 반환했다고 해서 항상 평가로 쓸 수 있는 것은 아닙니다. 업무용 평가 시스템이라면 응답 실패, 빈 응답, 형식 오류를 처리하는 기준이 있어야 합니다.
### 5. 아첨 수렴도 점검했습니다
여러 AI가 비슷한 방향으로 빨리 수렴하면 좋아 보일 수 있습니다. 하지만 그것이 항상 좋은 신호는 아닙니다.
정말 근거가 있어서 합의한 것인지, 아니면 다수 의견에 맞춰가는 것처럼 보이는지 확인할 필요가 있습니다.
그래서 R3 단계에서 소수의견을 다시 강화했습니다.
이 과정은 “AI 평가를 더 믿기 위한 장치”였습니다. AI가 내놓은 평가를 그대로 받아들이는 것이 아니라, 평가 과정 자체도 다시 검토한 것입니다.
## ✅ 결과: 완성된 시스템보다, 시도해볼 가치가 있는 아이디어를 확인했습니다
이번 테스트를 통해 정량적인 시간 절약이나 완성된 시스템을 주장할 단계는 아니었습니다.
다만 아이디어로서 시도해볼 가치는 확인했습니다.
테스트 결과, 문서의 강점과 약점이 분리되어 나왔습니다. 특히 일반적인 점수표에서는 뭉개질 수 있는 개선 지점이 드러났습니다.
예를 들어 문서가 전체적으로는 구조와 수치 정합성에서 좋은 평가를 받을 수 있습니다. 하지만 의사결정자가 보고 나서 무엇을 해야 하는지, 즉 So-what이 부족하다는 식의 지적은 별도로 드러날 수 있습니다.
이런 결과는 평균 점수 하나만 보면 놓치기 쉽습니다.
### Before vs After
- Before: 일반 평가 방식
- 기준표에 따라 점수를 매김
- 최종 점수는 나오지만, 애매한 지점은 묻힐 수 있음
- 단일 평가자의 관점이 크게 반영될 수 있음
- After: 델파이 평가 테스트
- 여러 API·모델·페르소나가 독립 평가
- 점수 차이가 나는 축을 통해 이견 확인
- 실패 패널은 제외하고 기록
- 빠른 합의는 아첨 수렴 가능성까지 점검
- 최종 점수보다 개선 포인트와 평가 쟁점을 확인
## 💬 이 과정에서 배운 AI 활용 팁
### 1. 점수보다 이견을 보세요
AI에게 평가를 맡기면 점수가 나옵니다. 하지만 점수만 보면 중요한 부분을 놓칠 수 있습니다.
여러 평가자가 어디서 갈리는지를 봐야 합니다. 그 이견이 실제 개선 힌트일 수 있습니다.
### 2. 여러 API를 쓰는 이유를 분명히 해야 합니다
여러 모델을 쓰는 목적이 “더 멋진 답변”이면 효과가 약합니다.
이번 테스트에서 여러 API를 쓴 이유는 명확했습니다.
- 관점 오염을 줄이기 위해
- 서로 다른 평가 관점을 얻기 위해
- 모델별 판단 차이를 보기 위해
- 단일 AI의 평가를 그대로 믿지 않기 위해
목적이 분명해야 결과도 해석할 수 있습니다.
### 3. 실패 응답은 실패로 처리해야 합니다
API 오류나 빈 응답이 나오면 억지로 의미를 부여하지 않는 편이 낫습니다.
업무용 자동화에서는 “실패를 감추지 않는 것”도 품질 관리입니다.
### 4. 합의도 다시 의심해볼 필요가 있습니다
여러 AI가 같은 결론을 냈다고 해서 무조건 맞는 것은 아닙니다.
특히 너무 빠르게 합의된 경우에는 다음 질문이 필요합니다.
- 정말 근거가 충분해서 합의했는가?
- 소수의견은 왜 사라졌는가?
- 다수 의견에 맞춘 수렴은 아닌가?
## 🌍 다른 업무에 적용한다면?
이 방식은 보고서뿐 아니라 여러 평가 업무에 적용해볼 수 있습니다.
- 제안서 평가
- 사업계획서 검토
- 보고서 초안 품질 점검
- 내부 발표자료 리뷰
- 심사표 기반 문서 검토
다만 모든 업무에 바로 적용하기보다는, 이번처럼 작은 파일럿부터 시작하는 편이 안전합니다.
중요한 것은 “AI가 평가해줬다”가 아닙니다.
AI 평가를 믿을 수 있도록 평가 구조를 설계하는 것입니다.
## 🚀 앞으로의 계획
다음 단계는 평가 루브릭 고도화입니다.
이번 테스트는 델파이 평가 방식이 문서 평가에서 애매한 지점을 드러낼 수 있는지 확인한 파일럿이었습니다. 이제는 보고서·제안서 유형별로 평가 축을 더 세분화해야 합니다.
모든 문서에 같은 기준을 기계적으로 적용하면 안 됩니다.
예를 들어 현황보고서, 제안서, 의사결정 요청 문서는 목적이 다릅니다. 목적이 다르면 평가 기준도 달라야 합니다.
앞으로는 이번 파일럿에서 확인한 이견 탐지 구조를 바탕으로, 문서 유형별 루브릭을 더 정교하게 설계해볼 계획입니다.
## 📋 재사용 가능한 프롬프트
### 프롬프트 1: 여러 관점으로 문서 평가하기
> 아래 문서를 평가해줘. 단순히 점수만 주지 말고, 평가가 애매한 부분과 판단이 갈릴 수 있는 지점을 찾아줘.
> 평가 기준은 다음 축으로 나눠줘.
> 1. 핵심 메시지 명확성
> 2. 논리와 근거의 정합성
> 3. 의사결정자 관점의 So-what
> 4. 리스크와 반론 커버리지
> 5. 수치 내부 정합성
> 각 축마다 점수, 근거, 애매한 판단 지점을 함께 써줘.
### 프롬프트 2: 점수보다 이견 찾기
> 아래 문서 평가 결과를 보고, 평균 점수보다 평가자 간 이견이 생길 가능성이 높은 축을 찾아줘.
> 특히 어떤 평가자는 높게 보고, 어떤 평가자는 낮게 볼 수 있는 부분을 구분해줘.
> 최종 결론보다 “왜 애매한지”를 중심으로 설명해줘.
### 프롬프트 3: 실패 응답 처리 기준 만들기
> AI 평가 시스템에서 일부 응답이 비어 있거나 형식이 깨졌을 때의 처리 기준을 만들어줘.
> 억지로 해석하지 않고 제외해야 하는 경우, 재시도해야 하는 경우, 최종 결과에 별도 기록해야 하는 경우를 나눠줘.
## 마무리
이번 테스트는 완성된 평가 자동화 시스템을 만든 사례라기보다, 제안서 평가를 고도화하기 위한 아이디어 검증에 가깝습니다.
그래도 의미는 있었습니다.
AI에게 점수를 맡기는 것보다, 여러 AI의 이견을 통해 애매한 부분을 찾는 방식이 더 실무적일 수 있다는 가능성을 확인했기 때문입니다.
보고서나 제안서를 평가해야 하는 실무자라면, AI에게 “몇 점이야?”라고 묻기보다 이렇게 물어보는 편이 더 유용할 수 있습니다.
> “어디서 평가가 갈릴 수 있을까?”
그 질문이 문서를 더 낫게 만드는 출발점일 수 있습니다.
소개
이번 주 스터디에서는 AI 에이전트들과 함께 투자대회를 진행했습니다.
단순히 종목을 추천받는 것이 아니라, 각 AI가 자신만의 투자 철학과 전략으로 매매를 진행하고 그 결과를 비교하는 방식이었습니다.
처음에는 "과연 AI가 실제로 얼마나 좋은 판단을 할 수 있을까?"라는 호기심으로 시작했지만, 일주일 동안 AI들의 의사결정 과정을 지켜보며 생각보다 많은 것을 배우게 되었습니다.
특히 이번 대회에서는 투자성향에 따른 여러 AI가 서로 다른 전략을 보여주었고, 최종 결과는 예상보다 흥미로웠습니다.
진행 방법
사용한 AI
Gemini: AI 투자 대회 아이디어 구상, 대회 컨셉 및 규칙 제안
Cowork: 투자성향에 따른 AI마다 다른 프로젝트 만들고 실
진행 세부 내용 🔍
1️⃣ 대회 개요 설정
가상 투자금 100만 원으로 한 달간 자산 증식 레이스를 기획함.
제1회 LLM 리그라는 명칭과 각 에이전트의 투자 자아를 살려 안전하고 예리하게 자산 증식이라는 목표를 설정함.
2️⃣ 참가 선수 라인업 구성
서로 다른 투자 성향을 가진 3종의 AI 투자 에이전트를 선정함.
공격형 모멘텀 투자의 폭주족 딥시크, 보수형 가치 투자의 선비 클로드, 수급형 뉴스·공시 투자의 정보통 제미나이를 배치함.
각 선수에게 특정 투자 스타일, 캐릭터 및 톤앤매너를 부여하여 명확한 역할을 정의함.
3️⃣ 리그 절대 규칙 수립
AI 에이전트의 투자 활동을 제어하고 리스크를 관리하기 위한 세 가지 핵심 규칙을 마련함.
최대 3종목 보유 제한, 지휘관 승인 없이는 매매 불가, 목표 익절 및 최대 손절 기준 명시 및 자동 청산 기능을 도입함.
에이전트의 독단적인 매매를 방지하고, 리스크를 정량적으로 관리하며, 지휘관의 개입을 통한 현실적인 투자 환경을 조성함.
4️⃣ 일일 운영 시스템 구축
지휘관이 매일 3번의 정해진 시간대에 에이전트들의 포지션 승인을 심사하도록 운영 시스템을 설계함.
09:30~10:00(장 초반 대응), 13:00~13:30(점심시간 정비), 17:00~17:50(마감 타임 및 다음 날 준비)으로 나누어 각 시간에 따른 투자 관전 포인트를 명시함.
실시간 시장 상황에 대한 AI의 반응을 확인하고, 지휘관이 전략적으로 개입할 수 있는 기회를 제공하며, 다양한 시간대별 투자 결정을 관찰할 수 있는 체계를 마련함.
투자 과정
09:30~10:00(장 초반 대응), 13:00~13:30(점심시간 정비), 17:00~17:50(마감 타임 및 다음 날 준비)의 각 프롬프트를 지정된 시간에 각 AI에게 넣어주었습니다.
1️⃣ [오전 09:30 ~ 10:00] 제1타임 : 폭풍의 눈 (장 초반 대응)
Plaintext
지휘관입니다. 개장 이후 장 초반의 강한 변동성이 한 차례 지나가고, 오늘 시장을 주도할 주도주들의 윤곽이 드러나고 있습니다. 현재 시점에서 본인의 투자 성향을 바탕으로 시장을 분석하여, 기존에 보유 중인 3개 종목 슬롯을 그대로 유지할 것인지, 아니면 현재 거래량이 폭발하는 새로운 주도주로 정중히 포지션을 변경(교체)할 것인지 결정하여 주십시오. 만약 포지션 변경을 원하신다면, 매수할 신규 종목과 정확한 [목표가/손절가], 그리고 교체해야 하는 강력한 시장 근거를 실시간 데이터 기반으로 분석하여 정중히 보고해 주시기 바랍니다.
2️⃣ [오후 01:00 ~ 01:30] 제2타임 : 기습 공습 (점심시간 정비)
Plaintext
투자자님입니다. 오전 장이 마감되고 오후 장으로 접어들기 전, 전열을 정비할 타이밍입니다. 점심 수급이 유입되면서 시장의 흐름이 오전과는 또 다르게 변화하고 있습니다. 현재 본인의 3개 슬롯 수익률 현황을 냉정하게 점검해 주십시오. 오전에 판단 착오로 물린 종목이 있다면 과감히 손절하여 슬롯을 비울 것인지, 혹은 오후 장의 기습적인 수급 유입을 노리고 새롭게 진입할 모멘텀 종목이 있는지 분석하여 포지션 변경 여부를 정중히 보고해 주십시오. 지휘관이 커피 한잔과 함께 당신의 예리한 오후 작전 보고를 심사하겠습니다.
3️⃣ [오후 05:00 ~ 05:50] 제3타임 : 운명의 결단 (시간외 및 내일 준비)
Plaintext
오늘의 최종 마감 호출입니다. 정규장이 마감되었고, 현재 시간외 단일가 매매 및 해외 주식 프리마켓의 동향이 가시화되고 있습니다. 지금 내리는 결정이 내일 아침 당신의 자산 가치를 좌우할 것입니다. 밤사이 글로벌 시장에서 어떤 돌발 변수나 악재가 터질지 모르는 리스크가 존재합니다. 현재 보유 중인 3개 종목을 위험을 감수하고 다음 날 아침까지 그대로 들고 갈 것인가(오버나잇), 아니면 리스크를 회피하기 위해 현 시점에서 전량 매도하여 현금화(탈출)할 것인가 최종 결단을 내리십시오. 본인의 리스크 관리 철학이나 공격적 성향을 극한으로 반영하여, 오늘을 마무리하는 최종 포지션 승인 요청서를 정중히 제출해 주시기 바랍니다. 너의 선택에 후회가 없도록 하십시오.
실행 결과 예시(실제 대화 내용-정보통 제미나이)
매일 AI의 판단 근거를 확인하고 실제 결과를 기록하며 투자 일지를 작성했습니다.
결과와 배운 점
최종 성적
인상 깊었던 순간
이번 대회에서 가장 놀라웠던 장면은 Gemini의 MRVL 투자였습니다.
AI 인프라 확대와 젠슨 황의 발언을 근거로 진입했고, 결과적으로 50%가 넘는 수익률을 기록했습니다.
또한 Claude는 수익률 자체는 높지 않았지만, AVGO를 실적 발표 직전에 매도하며 이후 큰 폭락을 피했습니다.
이번 경험을 통해 단순히 "무엇을 샀는가"보다 "언제 팔았는가"가 훨씬 중요할 수 있다는 점을 체감했습니다.
가장 크게 배운 점
이번 투자대회를 통해 얻은 가장 큰 깨달음은 다음과 같습니다.
AI는 훌륭한 투자 조력자가 될 수 있다.
좋은 결과는 좋은 질문에서 시작된다.
AI의 답변을 무조건 믿는 것이 아니라 검증하는 과정이 중요하다.
투자에서 원칙과 리스크 관리는 생각보다 훨씬 중요하다.
투자대회 최종 우승
🏆 정보통 Gemini
최종 수익률 : +38.6%
최종 자산 : 1,386,333원
MVP 종목 : MRVL
총 손익 : +386,333원
AI가 모든 정답을 알려주는 것은 아니지만, 좋은 질문을 던지면 생각보다 훨씬 훌륭한 파트너가 되어준다는 사실을 확인할 수 있었습니다.
독자들에게 한마디
제 2회 투자 대회 할까요?? 🚀
소개 — 무엇을, 왜 시도했나
직접 투자하는 미국 종목을 9개에서 10개로 맞추기 위해 1종목을 더 발굴하고 싶었습니다. 다만 보유 종목이 기술주에 몰려 있다 보니, 코카콜라처럼 포트폴리오의 무게중심을 잡아줄 방어형 종목을 찾고 싶었어요.
스터디를 하던 중 문득 이런 생각이 들었습니다. '스터디에서 배운 좋은 프롬프트를 내 입맛에 맞게 커스텀해서 쓰면 되지 않을까?'
그래서 investmentagent.lovable.app의 '종목 찾기' 프롬프트를 커스텀해 종목을 발굴했습니다.
또 한 가지 고민이 있었습니다. 포트폴리오 리밸런싱을 위한 매수/매도 타이밍을 잡기가 어려웠고, 결국 비중이 과도하게 커지는 종목들이 생기기 시작한 거죠. 그래서 다음과 같은 시스템을 원하게 됐습니다.
보유 종목 중 비중이 초과된 종목이 생기면, 비중이 부족하면서 저평가된 종목을 발굴해 매도/매수 알림을 보내준다.
매매를 간편하게 하기 위해 금액에 맞는 수량까지 계산해준다. 단, 금액이 딱 맞지 않으면 일단 패스하는 것을 원칙으로 한다.
나무증권은 API가 없으므로, 보유 종목 수량을 직접 조절할 수 있는 대시보드를 함께 구축한다.
진행 방법 — 사용한 도구와 활용 방식
1. 마지막 1종목 발굴
코카콜라 같은 종목을 찾기 위해 프롬프트를 아래와 같이 커스텀했습니다.
[시장: 미국주식] 코카콜라같은 방어형 퀄리티 컴파운더 발굴 #Role:
당신은 20년 경력의 AI 인공지능 섹터 전문 애널리스트입니다.
- CFA, 공인회계사 자격 보유
- 연평균 수익률 상위 10% 달성 실적 #Instruction
다음 조건에 맞는 미국주식 5개을 발굴해주세요:
스크리닝 조건:
- 유사종목: 코카콜라
- 투자 스타일: 방어형 퀄리티 컴파운더
- 스크리닝 필터: PER 업종평균 -30%, PBR 1 미만, ROE 10%+
- 중점 분석: 저평가 해소 촉매, 자산가치
- 투자 기간: 10년
- 목표 수익률: 30% 이상
제외 조건:
- 최근 2년 연속 적자 기업
- 감사의견 비적정 기업
- 시가총액 1,000억 미만 #Context
- 시장: 미국주식 (NYSE/NASDAQ)
- 현재 시장 상황과 AI 인공지능 업황을 고려하여 분석
- 단기 모멘텀보다 10년 관점의 구조적 성장 중시 #Example
🏆 코카콜라와 유사한 TOP 5개
---
1순위: [종목명] - [핵심 투자포인트 한 줄]
| 항목 | 내용 |
|------|------|
| 기본 정보 | 현재가, 시가총액, 52주 최고/최저 |
| 밸류에이션 | PER, PBR, PEG |
| 수익성 | ROE, 영업이익률, 순이익률 |
| 성장성 | 매출 CAGR(3년), 이익 CAGR(3년) |
투자 포인트:
1. [핵심 성장동력]
2. [경쟁우위/해자]
3. [실적 모멘텀]
리스크 요인:
1. [주요 위험]
2. [모니터링 포인트]
매매 전략:
- 적정가: [산출 근거 포함]
- 목표가: [+30%]
- 1차 매수: [가격/비중]
- 2차 매수: [가격/비중]
- 손절가: [가격/사유]
---
(2순위 ~ 5개 동일 형식)
---
📊 종합 비교표
| 순위 | 종목 | 현재가 | 목표가 | 기대수익 | PER | ROE | 핵심 투자포인트 |
|------|------|--------|--------|----------|-----|-----|-----------------|
| 1 | | | | | | | |
🎯 최종 추천
- 가장 확신 높은 종목: [종목] - [이유]
- 리스크 대비 수익 최고: [종목] - [이유]
처음 추천받은 TOP5에는 제가 선호하지 않는 섹터가 섞여 있었습니다. 그래서 싫어하는 섹터와 그 이유를 설명한 뒤 다시 5개를 추천받았고, 그 중 흥미가 가는 종목이 나와 마지막 10번째 종목으로 선정했습니다.
…그리고 귀신같이 -5%를 쳐맞았습니다. 😇
사용한 도구: 클로드 코워크
2. 리밸런싱용 대시보드 & 텔레그램 봇 만들기
개발은 다음 순서로 진행했습니다.
클로드 챗으로 원하는 배경과 필요한 기능을 설명했습니다.
부족한 부분을 지적해달라고 요청하며 내용을 계속 보강했습니다.
완성된 내용을 바탕으로, 코워크에게 개발을 맡길 수 있도록 노션 기획 문서로 정리해달라고 요청했습니다. → 기획 문서
챗에 "이제 코워크로 개발을 진행할 거야"라고 하니, 개발용 문서까지 알아서 만들어줬습니다. → 개발 문서
코워크에게 이 문서를 바탕으로 개발을 시키니, 챗봇과 대시보드가 뚝딱 완성됐습니다. → 완성된 대시보드
사용한 도구: Streamlit, GitHub, 클로드 챗/코워크
결과와 배운 점
시행착오
① 지인들이 보유 종목을 마음대로 편집해버린 사건
대시보드를 지인 단톡방에 공개했더니, 지인들이 보유 종목을 제멋대로 편집해버렸습니다. 하나씩 되돌리기 귀찮아서, 보유 종목 수량을 리셋하는 코드를 만들어 초기화하고, 편집하려면 비밀번호를 입력하도록 MVP를 수정했습니다.
② yfinance 미지원 종목 시세를 못 가져오는 문제
보유 종목 중 yfinance에 없는 종목은 Streamlit에 정상적으로 업데이트되지 않았습니다. KRX 금현물과 NASA ETF(유럽 거래소 상장)가 yfinance 미지원 종목이었는데, 대안을 찾는 과정이 험난했습니다.
Streamlit Cloud가 미국 서버에서 동작하다 보니, 네이버 금융 API는 해외 IP 차단 + JS 렌더링 필요로 접근이 막혔고,
investing.com은 Cloudflare 보호 때문에 스크래핑도 불가능했습니다.
처음엔 AI에게 코드 수정을 계속 요청했지만 번번이 실패했습니다. 그래서 한국 IP를 가진 지인 서버(Ubuntu + Docker)를 중간 브릿지로 활용해 네이버를 스크래핑한 뒤 GitHub에 push하는 방식을 제안했고, AI도 적극 찬성했습니다. 하지만 이 서버에서도 네이버 API가 똑같이 막혔고, Docker 배포 과정에서 git 충돌까지 반복돼 결국 서버 방식은 포기했습니다.
그러다 문득 깨달았습니다. 이미 구글 시트로 종목 정보를 가져오고 있었으니, 구글 시트를 중간 브릿지로 쓰면 되지 않을까? 최종 해결책은 이랬습니다.
구글 시트에서 IMPORTXML(KRX 금)과 GOOGLEFINANCE(NASA) 함수로 시세를 받아 CSV로 게시한다.
GitHub Actions가 이 CSV를 읽어 external_prices.json에 저장한 뒤 레포에 push한다.
Streamlit은 이 파일을 읽어 가격을 표시한다.
배운 점
좋은 프롬프트가 있다면 잘 보관해뒀다가, 상황에 맞게 커스텀해서 써먹자.
AI가 제안하는 방법이 늘 정답은 아니다. 막힐 때는 나만의 아이디어도 적극적으로 던져보자. (이번에도 결국 구글 시트라는 '내 아이디어'가 문제를 풀었다.)
앞으로의 계획
대시보드에 집중하느라 검증을 못 해 망가진 텔레그램 봇 고치기.
매수/매도 로직을 공식에 의거한 기계적 반응이 아니라, 스터디에서 구한 프롬프트를 활용해 LLM으로 구현하여 고도화하기.
소개
평소 투자에 관심은 많았지만, 막상 제 투자 습관과 성향을 객관적으로 분석해 본 적은 없었습니다.
이번에는 스터디장님께서 공유해주신 투자 분석 가이드를 활용하여 코워크에서 저만의 투자 리포트를 만들어 보았습니다.
단순히 어떤 종목을 사야 하는지를 묻는 것이 아니라,
나는 어떤 투자자인지
어떤 편향을 가지고 있는지
현재 포트폴리오의 강점과 약점은 무엇인지
경제적 자유를 위해 어떤 전략이 필요한지
를 분석해 보는 과정이었습니다.
특히 투자 대상보다 투자자인 "나 자신"을 분석해 본 경험이라는 점에서 의미가 있었습니다.
진행 방법
사용 도구
코워크(Co-Work)
스터디장님 투자 분석 가이드
나의 투자 프로필
투자자 유형 : 신중한 분산형
주요 편향
손실회피
과잉확신
현재 순자산 : 1억원
보유 종목
삼성바이오로직스
리가켐바이오
에스티팜
유한양행
한미약품
사용한 프롬프트
📊 나의 투자 프로필 요약 🧠 투자 성향
유형: 신중한 분산형
주요 편향: 손실회피 · 과잉확신 💰 재무 현황
현재 순자산: 10,000만원 📈 포트폴리오
삼성바이오로직스
리가켐바이오
에스티팜
유한양행
한미약품 위 데이터를 바탕으로 '2026 나의 투자 리포트'를 아래 구조로 작성해줘. - 투자자 선언문
- 포트폴리오 분석
- 편향 진단
- 경제적 자유 로드맵
- 리스크 분석
- 응원 메시지 일반적인 조언이 아니라 내 숫자와 성향에 맞는 분석을 해줘.
결과
AI는 제 투자 데이터를 기반으로 상당히 구체적인 리포트를 생성했습니다.
투자자 선언문
손실회피와 과잉확신을 규칙으로 꺾으며, 경제적 자유를 향해 나아가는 신중한 분산형 투자자
짧은 문장이지만 제 투자 성향을 꽤 잘 표현해 주는 것 같았습니다.
포트폴리오 분석
가장 인상 깊었던 부분은 제가 스스로는 분산투자를 하고 있다고 생각했지만,
실제로는 모든 종목이 국내 바이오 섹터에 집중되어 있어 산업 관점에서는 상당한 집중투자일 수 있다는 분석이었습니다.
보유 종목이 여러 개라고 해서 반드시 분산투자가 되는 것은 아니라는 점을 다시 생각하게 되었습니다.
편향 진단
AI는 제 주요 편향으로 다음 두 가지를 분석했습니다.
손실회피
손실이 발생했을 때 손절을 미루거나,
반대로 하락장이 오면 지나치게 불안해질 수 있다고 분석했습니다.
과잉확신
충분히 조사했다고 생각하는 순간,
오히려 특정 종목에 과도하게 집중할 가능성이 있다고 진단했습니다.
특히 "매수 전에 반대 논거를 반드시 적어보라"는 제안이 인상적이었습니다.
결과와 배운 점
이번 경험을 통해 가장 크게 느낀 점은
종목보다 투자 습관이 중요하다
는 사실이었습니다.
처음에는 보유 종목에 대한 평가가 궁금했지만,
실제로는
손실을 어떻게 받아들이는지
확신이 생겼을 때 어떻게 행동하는지
투자 원칙을 지키고 있는지
가 장기 성과에 더 큰 영향을 준다는 것을 깨달았습니다.
또한 AI가 단순히 정보를 정리하는 수준을 넘어,
투자 성향과 행동 패턴을 연결해서 해석해 준다는 점도 흥미로웠습니다.
앞으로의 계획
투자 일지 작성하기
매수 전 반대 시나리오 작성하기
특정 종목 비중 상한 설정하기
ETF를 활용한 산업 분산 검토하기
투자 원칙 문서화하기
한 줄 후기
코워크와 스터디장님의 가이드를 따라 투자 리포트를 만들어 보니,
"무엇을 살까?"보다 "나는 어떤 투자자인가?"를 먼저 고민하게 되는 시간이었습니다.
AI가 종목을 추천해 주는 것보다, 투자자인 나를 객관적으로 바라보게 해준 경험이 더 큰 수확이었습니다. 😊
도움 받은 글
스터디장님 투자 분석 가이드
소개
> 시도하고자 했던 것과 그 이유
저는 "ETF 입문자를 위한 Claude Cowork + 하네스 엔지니어링으로 AI 투자 에이전트 만들기" 라는 4주 스터디를 운영하고 있는 스터디장입니다.
처음 설계할 때의 목표는 단순했어요 — "수강생이 Claude Cowork만 열면, 본인의 성향·자산·목표에 맞춘 포트폴리오를 AI가 직접 분석·검증해주는 개인 투자 에이전트를 만들 수 있게 하자."
그런데 5월 30일 1기 운영을 돌려보니, 제가 너무 "AI에 익숙한 사람 기준" 으로 설계해놨더라고요.
- "Cowork에서 skill 파일 6개 불러와서 자가검증 루프 돌리세요" → 수강생 절반이 skill이 뭐예요? 에서 멈춤
- 포트폴리오 3안을 한 번에 뽑으라고 했더니 자산배분이 잘 이루어지지 않음
- Cowork 서브에이전트가 시각화되어 보이지도 않고, 도중에 토큰 한도로 끊기면 처음부터 다시…
그래서 6월 한 달 동안 "AI/투자가 처음인 분도 따라갈 수 있게" 커리큘럼과 하네스를 거의 다시 짰습니다.
그런데 이걸 고치다 보니 생각지도 못한 부분까지 왔어요. 저는 ETF 외에도 금(Gold), 원유, 외환 같은 CFD 상품을 직접 거래하고 있는데, 기존 에이전트는 주식 중심으로 설계되어 있어서 제 투자에 바로 쓰기가 어려웠거든요. 차트와 타이밍이 생명인 CFD에 P/E, ROE 분석을 들이밀고 있었으니까요.
"어차피 나도 쓸 거면, 제대로 만들자."
그렇게 수강생용 커리큘럼 개선과 동시에, 주식·ETF·외환·금·CFD를 하나의 에이전트로 분석하는 궁극의 분석 AGENT를 만들게 됐습니다. 그 과정에서 겪은 시행착오를 공유합니다.
진행 방법
> 어떤 도구를 사용했고, 어떻게 활용하셨나요?
사용 도구
- Lovable (워크샵 웹앱 빌드 — STEP1~6 인터랙티브 페이지)
- Claude Cowork (수강생용 메인 AI 에이전트)
- Claude Code CLI (Cowork 한계를 우회하기 위한 백업 실행 환경 — 서브에이전트 실제 구동)
- Perplexity (실시간 뉴스·공시 모니터링용 보조 에이전트)
- GitHub (`investment-agent` 하네스 저장소 — skills/, agents/, user/, output/, trades/ 구조)
1. STEP4를 "한 번에" → "4단계 카드"로 쪼갬
5월 30일 버전은 카드 1개에 "관심종목 → 6개 skill 분석 → 후보 도출" 을 다 욱여넣었어요. 수강생들이 멈춰서, 4개 카드로 분리했습니다.
① 관심종목 베이스라인 심층 분석
② 6개 분석 skill 다운로드 (fundamental / valuation / technical / qualitative / risk / deep-analysis)
③ 분석 에이전트 구성 (어떤 skill을 켤지 토글)
④ 분석 에이전트 실행
2. STEP5도 1카드 → 2카드로 분리
기존: "최종 리포트 한 방에 생성" → 환각·누락 다발
① 포트폴리오 3안 → 1안 확정
- A안 코어형 / B안 성장형 / C안 현금흐름형 비교표 강제
- 내 성향·갭 기반 1안 선택 + user/portfolio-selected.md 저장
② 최종 투자 리포트 생성 (output/05-final-report.md)
STEP5 ② 최종 리포트 프롬프트 전문:
#Role: 너는 글로벌 IB 수석 리서치 애널리스트. 1년차 신규 고객용 온보딩 리포트를 작성한다. - 면책: "본 리포트는 학습 목적이며 투자 자문이 아닙니다." #Context (read) memory.md, user/profile.md, user/assets.md, user/freedom-goal.md, user/portfolio-selected.md, output/04-deep-analysis.md, output/05-portfolio.md #Instruction — output/05-final-report.md 작성 ## 1) Executive Summary — 투자자 선언문 1문장 / 핵심 결론 3 / 1년 KPI 3 ## 2) 투자자 프로필 카드 (표) ## 3) 재무 현황 진단 (신호등 🟢🟡🔴) ## 4) 경제적 자유 로드맵 (현재 갭 + 1년 액션) ## 5) 포트폴리오 (확정 1안 비중 표 + 종목별 매수 근거 1줄) ## 6) 리스크 TOP 5 (거시·집중·환·유동성·행동편향) ## 7) 1년 실행 캘린더 (분기별 1줄) ## 8) 나에게 전하는 한 줄 #Output - output/05-final-report.md 저장 - memory.md > 학습 로그에 "최종 리포트 YYYY-MM-DD 생성" append
3. SKILL.md YAML 에러 전수 수정
스킬을 업데이트 하는데 계속 Error in user YAML: mapping values are not allowed in this context at line 4 column 38 나왔어요
원인은 frontmatter의 inputs: 리스트 항목에 콜론이 들어가 있어서 (`tickers: "AAPL, MSFT"`) YAML 파서가 깨진 거였습니다. 6개 분석 skill + 5개 운영 skill 모두에 따옴표 처리로 일괄 픽스.
4. trades/log.csv 스키마 개선
기존: date,ticker,side,qty,price,note (note에 통화·사유 뒤섞임)
변경: date,ticker,side,qty,price,currency,reason (USD/KRW 분리)
5. 자산 타입 자동 감지 오케스트레이터 설계 (신규)
수강생 커리큘럼 개선을 끝내고 나서 제가 직접 부딪힌 문제가 생겼습니다. 저는 주식·ETF 외에도 금(XAUUSD), 원유 CFD, 외환을 병행하고 있는데, 기존 에이전트는 이런 자산에 P/E, ROE, DCF를 들이밀었어요. CFD에 밸류에이션 분석이 무슨 의미가 있겠어요.
그래서 skills/orchestrator.md를 따로 설계했습니다. 핵심은 자산 타입 자동 감지입니다.
TYPE A — 주식 / 주식형 ETF (AAPL, QQQ, 삼성SDI) → fundamental + valuation + technical + qualitative + risk + deep-analysis → 6개 skill 풀 실행 TYPE B — 채권 ETF (TLT, TIP, BIL) → 매크로 + 금리 시나리오 중심 경량 실행 TYPE C — Gold / 원자재 / CFD (XAUUSD, GLD, 원유, 외환) → fundamental·valuation SKIP (적용 불가 자산) → technical을 PRIMARY로 격상 → 3-FRAME 교차검증 강제 실행
CFD·Gold에서 가장 중요한 건 타이밍인데, 기존 technical skill은 "일봉/주봉/월봉 중 하나"를 고르는 구조였어요. 오케스트레이터는 이걸 3개 타임프레임 동시 교차검증으로 바꿨습니다.
■ 월봉 — 장기 위치 확인 (역사적 지지/저항, 200일선) ■ 주봉 — 중기 추세 (20주선/50주선, RSI 다이버전스) ■ 일봉 — 단기 진입 타이밍 (골든크로스, 스토캐스틱)
Gold는 여기에 DXY(달러인덱스) 역상관, 실질금리(TIPS) 방향성, 중앙은행 매입 동향까지 자동으로 붙입니다. 차트만 보다가 달러 반등에 당하는 걸 막기 위해서요.
마지막으로 채팅/COWORK/CLAUDE CODE 범용적으로 사용할 수 있게 패키징을 합니다.
6. Cowork → CLI 이중화 구조
Cowork의 서브에이전트는 눈에 보이는 시각적 결과물이 제한적이고, 토큰 한도로 중간에 끊기면 컨텍스트 복구가 어렵습니다. 그래서 수강생용 Cowork 경로는 유지하되, 실제 분석 에이전트 구동은 Claude Code CLI에서 이중화했습니다.
CLI에서는 skills/orchestrator.md를 서브에이전트로 등록해두면, 자연어 한 줄로 전체 파이프라인이 실행됩니다.
"XAUUSD, AAPL, TLT 분석해줘" → 자산 타입 자동 감지 (TYPE C / A / B) → 타입별 skill 자동 선택 + 옵션 결정 → 6개 skill 순차 실행 → 3중 자가검증 루프 → output/04-deep-analysis/ 파일 자동 저장 → user/portfolio.md 업데이트
한 번 투자 판단할 때 무려 6개 skill 기반 검증이 돌아가고, 그 결과가 파일로 쌓입니다. 다음 분석 때는 직전 회차 데이터를 불러와서 "이번에 의견이 바뀌었는지"까지 자동으로 비교해줘요. 제가 Gold를 3달째 보고 있는데, 매주 분석 파일이 쌓이면서 제 판단 변화 이력이 고스란히 남습니다.
결과와 배운 점
> 배운 점과 나만의 꿀팁
🔑 배운 점 3가지
1. "한 카드 = 한 책임"이 진리. AI 친화적인 사람은 5단계를 한 프롬프트에 욱여넣어도 되지만, 입문자에겐 카드 4개로 쪼개는 게 완료율을 2배로 올립니다.
2. YAML frontmatter는 항상 따옴표. 콜론·쉼표 들어가는 값은 무조건 "...". 6개 skill 동시 에러를 한 번 겪으면 평생 안 잊어요.
3. 자산 타입마다 분석 방법론이 달라야 한다. 주식엔 DCF가 맞지만 Gold엔 DXY가 맞습니다. 하나의 에이전트로 모든 자산을 커버하려면 "타입 감지 → 방법론 분기" 구조가 필수입니다. Cowork ≠ Claude Code CLI 라는 것도 마찬가지 — 서브에이전트가 보여지는 것도 다르고 기능도 다릅니다. 입문자 동선은 Cowork 중심으로 하되 실제 구현되는 모습을 CLI로 이중화하는 게 좋습니다.
💡 꿀팁
- 분석 skill의 산출물 파일명을 YYYY-MM-DD-<TICKER>-<skill>.md 로 통일하면, STEP5에서 read할 때 와일드카드 한 줄로 끝납니다.
- 포트폴리오 추천은 무조건 "3안 비교표 강제 + 1안 선택 근거 3줄" 포맷으로 가두세요. AI가 "이거 사세요" 단정 못 하게 막는 가장 효과적인 가드레일.
- Gold/CFD 분석은 단일 타임프레임 금지. 월봉(위치) → 주봉(추세) → 일봉(타이밍) 순서로 탑다운이 기본입니다. 일봉만 보다가 월봉 저항선에 막히는 경험을 두 번 하면 자연스럽게 몸에 익습니다.
🌀 시행착오
- Cowork에서 harness/skills/*.md 6개를 한 번에 read하라고 했더니 4번째에서 항상 끊김 → skill을 사용자가 직접 다운로드 받아 폴더에 두는 방식으로 변경
- "monthly-report" skill이 존재하지 않는 output/03-freedom-roadmap.md 를 read하려다 실패 → 의존성 감사(`.lovable/plan.md`) 후 user/freedom-goal.md 로 교체
- 수강생이 직접 입력한 STEP1~3 데이터가 하네스 user/*.md 로 자동 동기화 안 되는 문제 → 일단 "Cowork 대화 중 복붙" 방식으로 우회, 자동 sync는 2기 과제
- 오케스트레이터가 TYPE C 자산에 P/E를 계산하려다 "해당 지표 없음" 루프에 빠짐 → 자산 타입 감지 단계에서 SKIP 목록을 명시적으로 선언하는 방식으로 해결
📅 앞으로의 계획
- 2기(7월) 오픈 전까지 현재 운영하고 있는 자동투자 전략 분석을 실시간으로 연동되게 하면서 + 알림 생성 + 포트폴리오 검증 후 리밸런싱 추천받을 수 있도록 자동 sync 구현
- 오케스트레이터에 외환(FX) 전용 분석 모듈 추가 — 금리 차이(Interest Rate Differential), COT 포지셔닝 리포트 연동
도움 받은 글 (옵션)
- Anthropic 공식 [Claude Skills 문서](https://docs.anthropic.com/) — SKILL.md frontmatter 스펙
- 지피터스 "Claude Code로 개인 비서 만들기" 시리즈 — 하네스(skills/ + memory.md) 구조 차용
- Bogle, The Little Book of Common Sense Investing — 코어 ETF 3안 설계 기준
- World Gold Council (WGC) 분기 보고서 — Gold 중앙은행 매입 동향 데이터 출처
지난 번에 이어 Step 3 진행을 이어 갔습니다
investmentagent.lovable.app 웹페이지를 참고하여 작업을 진행했습니다,
홈age위의 목표설계대로 나이, 순자산, 월 투자 금액 등을 입력하여 목표설계 정보를 작성합니다.
프롬프트는
📅 분석 요청 시점: 2026. 6. 4. 오후 6:23:43 (KST)
⚠️ 한국 통계청 기대수명·기재부 국민연금 전망·한국은행 물가 전망을 웹 검색으로 확인 후 사용. #Role: 너는 글로벌 IB 출신 라이프사이클 인베스트먼트 시니어 컨설턴트.
- 면책: "본 로드맵은 학습 목적이며 투자 자문이 아닙니다." #Context
- 읽을 파일: `memory.md`, `user/profile.md`, `user/assets.md`, `user/freedom-goal.md`
- 핵심 수치: 갭 80,633만원 / 현재 46세 → 은퇴 희망 55세 / 월 저축 20만원 #Instruction
1) **시나리오 3종 (공격형·중립형·방어형)**
| 항목 | 공격형 | 중립형 | 방어형 |
| 목표 수익률(명목) | | | |
| 주식/채권/대체 비중 | | | |
| 월 추가 저축 필요액 | | | |
| 달성 나이 | | | |
| 최대 낙폭(MDD) 가정 | | | |
| 인플레이션 헷지 수단 | | | | 2) **5/10/15년 마일스톤 표** — 세 시나리오 각각 자산·달성률·필요 액션 3) **민감도 분석** — 인플레이션 +1%p / 수익률 -2%p / 은퇴 +5년 시 달성 나이 변화 4) **사용자 `profile.md` 성향과 정합한 1안 추천** + 첫 90일 실행계획 5개 #Self-Verify (3회 루프)
1회차: 모든 수익률/물가 가정의 출처
2회차: 은퇴 후 인출률(SWR 4% 룰) 적용 시 자산 고갈 연도 재계산
3회차: 사용자 편향(낙관/현상유지)이 추천에 미친 영향 점검 #Output
- `output/03-freedom-roadmap.md`
- 추천 1안의 첫 90일 액션은 `memory.md > 학습 로그` append
위 그림 같이 free-goal.md 파일 다운로드를 누르면 내가 아까 목표설계한 값이 반영된 MD파일을 다운 받고 Claude Cowork 대화창에 업로드를 하고 위의 프롬프트 복사 버튼을 눌러 해당 프롬프트를 아까 업로드 한 Cowork 대화창에 붙여넣어 Cowork 결과를 확인합니다
## 핵심 결론 (충격 요법 먼저) **55세 은퇴는 수학적으로 불가능**합니다. 9.27억 도달에 필요한 월 저축이 7% 수익률 가정에서도 **월 581만원**. 사용자 베이스라인(월 20·7%) 그대로면 12,067만원이 모이는데, 그걸로 55세 은퇴해 월 300 인출하면 **4년 만에 파산**합니다. ### 3 시나리오 — 달성 나이 | 시나리오 | 수익률 | 월 추가저축 | 달성 나이 | MDD |
|---|:-:|:-:|:-:|:-:|
| 공격형 | 9% | +60 (총 80) | **68세** | −40% |
| **중립형 (추천)** | **7%** | **+30 (총 50)** | **76세** | **−18%** |
| 방어형 | 5% | +10 (총 30) | 89세 (≒ 미도달) | −10% | ### 민감도 — 수익률이 인플레보다 4배 위험
중립형 베이스 75.8세 → 인플레 +1%p 시 +1.2년, **수익률 −2%p 시 +7.7년**. ### 첫 90일 액션 (중립형 추천)
1. **변액보험 IRR 분석 후 해약** — 6.2%p/년 격차 = 30년 누적 5.6배 차이
2. **월 저축 20 → 50만원 자동이체** (해약환급금이 추가 30 충당)
3. **시드 5,000만원 6분할 적립식으로 통합 포트 진입** (S&P 7,580 사상최고권·VIX 15 충격 완화)
4. **NPS·퇴직연금 정확액 조회** 후 갭 재계산 (1980년생 만 65세 수령, A값 319만원)
5. **은퇴 나이 공식 재설정** — 60세(월 100 필요) / 65세(월 50 OK) / 55세 부분은퇴 중 택일 ### 자가검증 통과
SWR 4% 룰로 9.27억은 60년+ 유지 ✓ / 5% 보수화해도 38년 ✓ / 추천에 ARKK·테마·예측 베팅 0% ✓ / 변액보험 정리가 현상유지 편향 깨는 트리거 ✓ `memory.md` 학습 로그에 결정 사항 1줄 append 완료. 다음 단계 후보: (a) 변액보험 IRR 정밀 계산 (해약 vs 유지 손익분기점), (b) 60세/65세 옵션 비교 시뮬, (c) NPS 예상수령액 시나리오별 갭 재계산 — 어느 쪽으로 갈까요? Sources:
- [통계청 기대수명](https://www.index.go.kr/unify/idx-info.do?idxCd=8016) · [한국은행 스냅샷](https://snapshot.bok.or.kr/?en=y) · [KB 국민연금](https://kbthink.com/pension/plan/national-pension.html) · [NPS 공단](https://www.nps.or.kr/comm/quick/getOHAH0011P0.do)
전 위와 같은 결과를 출력 받았는데 너무 일찍 은퇴나이를 설정해서 그런지 55세 은퇴는 수학적으로 불가능하다고 나오네요.
자신의 상황과 재산 성향에 따라 다시 시도하여 결과를 받아볼 필요가 있는 것 같습니다
위의 목표설계를 기준으로 포트폴리오를 설계할 수 있는 기준을 생각합니다
감으로 투자한다는 심리는 절대적으로 버려야 하며 객관적인 기준을 바탕으로 어떻게 포트폴리오를 설계할지 고려해봅니다
이제 STEP 4로 넘어가서 포트폴리오 설계 단계로 진입합니다
위의 Step 4 단계를 진행하는데 저 같은 투자 초보는 종목찾기를 먼저 한 다음 심층분석을 하기를 추천합니다
심층분석을 통해서 나온 결과는 홈페이지 하단 프롬프트 생성을 누르면 위의 심층분석이나 재무 가치 차트 정성적 위험 항목 중의 하나의 프롬프트가 생성되어 집니다.
모든 종목을 한꺼번에 질문 응답하기보다는 한 개의 프롬프트씩 질의 응답을 Cowork를 통해 답변 받는 것을 추천합니다
저의 경우는 심층분석을 다음과 같이 질문하여
📅 분석 요청 시점: 2026년 6월 4일 19:42 (KST) ⚠️ 중요: 반드시 2026년 6월 4일 19:42 (KST) 기준 최신 데이터를 웹 검색으로 조회하세요.
학습된 과거 데이터 사용 금지! 실시간 주가, 뉴스, 공시 정보를 검색해주세요. --- 관심종목 심층 분석 #Role:
당신은 글로벌 투자은행의 수석 리서치 애널리스트입니다.
- 10년 이상 기업 분석 경력
- 다수의 베스트 애널리스트 수상 경력
- 정량적 분석과 정성적 분석 모두 전문 #Instruction
다음 종목들을 심층 분석해주세요:
분석 대상: NVIDIA, Google, Amazon, NAVER, 삼성전자, SK하이닉스 🔴 필수 - 실시간 데이터 조회:
각 종목의 현재 주가, 시가총액, 52주 최고/최저가를 웹에서 실시간 조회하여 분석에 포함해주세요. 분석 항목:
1. 기업 개요 및 사업 모델
2. 현재 주가 및 밸류에이션 (실시간 조회)
3. 재무 건전성 (수익성/안정성/성장성)
4. SWOT 분석
5. 투자 매력도 평가
6. 매수/매도 타이밍 제안 #Context
- 투자 기간: 6개월 ~ 1년
- 투자자 성향: 중위험 중수익 추구
- 시장 대비 초과 수익 목표 #Example 📋 종목별 분석 ---
1. [종목명] 기업 개요 (2줄)
[사업 모델, 시장 위치, 핵심 경쟁력] 핵심 지표
| 지표 | 수치 | 업종 평균 | 평가 |
|------|------|-----------|------|
| PER | | | |
| PBR | | | |
| ROE | | | |
| 부채비율 | | | |
| 매출성장률 | | | | SWOT 분석
- S (강점): - W (약점): - O (기회): - T (위협): 투자 판단
| 항목 | 평가 |
|------|------|
| 현재 밸류에이션 | 저평가 / 적정 / 고평가 |
| 적정 주가 | 원 |
| 목표 주가 (1년) | 원 (+__%) |
| 투자 매력도 | ⭐⭐⭐⭐☆ (4/5) |
| 투자 의견 | 강력매수 / 매수 / 중립 / 매도 | ---
(나머지 종목 동일 형식) ---
📊 종합 비교표 | 종목 | 평가 | 매력도 | 목표수익 | 리스크 | 추천순위 |
|------|------|--------|----------|--------|----------|
| NVIDIA | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | |
| Google | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | |
| Amazon | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | |
| NAVER | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | |
| 삼성전자 | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | |
| SK하이닉스 | | ⭐⭐⭐☆☆ | +__% | 상/중/하 | | 🏆 투자 우선순위
1. 1순위: [종목] - [핵심 이유]
2. 2순위: [종목] - [핵심 이유]
3. ...
아래와 같은 결과를 얻었습니다
## 핵심 결과 (실시간 데이터, 2026-06-04 19:42 KST) ### 종합 비교 | 종목 | 현재가 | 시총 | 52w 갭 | 평가 | 1y 목표 | 우선순위 |
|---|---:|---:|---:|---|---:|:--:|
| **GOOGL** | $359.6 | $4.31T | −12% | 저평가 | **+20%** | **1** |
| **AMZN** | $250.65 | $2.69T | −10% | 적정 | +24% | 2 |
| **NVDA** | $221.79 | $5.48T | −6% | 적정 | +33% | 3 |
| **NAVER** | ~280,500원 | 44조 | −7.7% | 저평가 | +25% | 4 |
| **삼성전자** | 360,500원 | 2,236조 | −2.6% | 사이클 고평가 | +11% | 5 |
| **SK하이닉스** | 2,360,000원 | 1,682조 | −2% | 사이클 고평가 | +6% | 6 | ### 핵심 인사이트 **왜 GOOGL이 1순위인가**: 매출 +22%, 순이익 +81%, EPS +82%인데 Forward P/E 22배. 빅테크 중 유일하게 "성장 + 밸류에이션 + $126B 현금"이 동시에 맞물림. **왜 메모리(삼성·하이닉스) 매수 보류인가**: SK하이닉스 1년 +1,000%, 삼성 +540%. 외형 P/E 4배는 정점 EPS 기준 — **2017·2021 패턴 재현 시 −50~−60% 가능**. HBM3E↔DDR5 가격갭이 2026 하반기 5x→2x 축소 전망이 첫 둔화 신호. ATH 갱신 다음 날 매수 = 사용자 군중심리 편향 트랩. **SK Hynix ROE 95%의 함정**: 사이클 정점 EPS 기준이라 그렇게 보일 뿐, 사이클 EPS는 절반 이하. P/E 4x를 "싸다"로 읽으면 안 됨. ### 권고 신규 비중 (단일 종목 30% 금지 준수)
GOOGL 10% + AMZN 7% + NVDA 5% + NAVER 5% = **합산 27%**, 나머지 73%는 STEP 1 통합 포트폴리오 유지. ### 자가검증 3루프 통과
보강 권고 1건 — `memory.md`에 모니터링 룰 추가 검토: *"HBM3E/DDR5 가격갭 < 3x 도달 시 메모리 비중 50% 축소"* 다음 행동 후보:
1. GOOGL·AMZN·NVDA 분할매수 일정(1차/2차/3차 가격대) 구체화
2. NAVER 두나무 합병설 관련 추가 리서치
3. 메모리 사이클 둔화 신호(HBM 가격갭) 자동 모니터링 룰을 memory.md 원칙으로 추가 Sources:
- 시세/실적: [NVDA Q1 FY27 SEC](https://www.sec.gov/Archives/edgar/data/0001045810/000104581026000051/q1fy27cfocommentary.htm) · [Alphabet Q1 SEC](https://www.sec.gov/Archives/edgar/data/0001652044/000165204426000043/googexhibit991q12026.htm) · [Amazon Q1 CNBC](https://www.cnbc.com/2026/04/29/amazon-amzn-q1-earnings-report-2026.html) · [Samsung Q1](https://news.samsung.com/kr/%EC%82%BC%EC%84%B1%EC%A0%84%EC%9E%90-2026%EB%85%84-1%EB%B6%84%EA%B8%B0-%EC%8B%A4%EC%A0%81-%EB%B0%9C%ED%91%9C) · [SK Hynix Q1](https://news.skhynix.co.kr/q1-2026-business-results/) · [NAVER FnGuide](https://comp.fnguide.com/SVO2/asp/SVD_Consensus.asp?pGB=1&gicode=A035420)
- 섹터: [HBM 슈퍼사이클 전망](https://news.skhynix.co.kr/2026-market-outlook/)
위와 같은 Cowork 결과가 나타났으며 더 자세한 정보는 output 폴더에 discovery-2026-6-4.md 파일에 해당 분석 내용이 들어가 있음을 확인했습니다.
여기까지 진행했고 오늘 스터디 강의부터 진행하는 3단 SKILL 분석을 진행할 예정입니다.
투자 초보자의 입장에서 어떻게 종목을 찾고 관련 사항을 분석할 지에 대해 준비를 하는 방법을 알게 되었으며 스터디장님의 웹페이지가 투자 지식에 많은 도움이 되었습니다.
아직 갈길이 멀지만 차츰차츰 진행해서 좋은 투자로 이어지게끔 셋팅하는 것이 목적입니다,
소개
지난주에는 GPTers 과제로 투자 에이전트 Step 1부터 Step 6까지 끝까지 진행했습니다.
처음에는 각 프롬프트를 순서대로 실행하는 데 집중했습니다. 그런데 이번 주에 그 결과물을 제가 기존에 만들던 투자 에이전트에 실제로 붙여보려고 다시 보니, 관점이 조금 바뀌었습니다.
Step 1~6은 자동매매 에이전트 그 자체라기보다, 투자 에이전트가 흔들리지 않고 작동하기 위한 투자 운영 기반에 가까웠습니다.
투자에서 중요한 것은 종목 추천 하나가 아니라, 기준을 세우고, 후보를 검토하고, 기록하고, 실행 전에 다시 확인하는 흐름이었습니다. 그래서 이번에는 Step 1~6을 다시 실행해보고, 기존 투자 에이전트와 연결할 수 있는 운영 구조로 재정리했습니다.
진행방법
진행은 크게 네 단계로 나눴습니다.
단계
역할
이번에 정리한 내용
1단계
투자 운영 기반
투자 성향, 편향, 자산 상태, 목표, 손실 한도, 기록 규칙 정리
2단계
투자 에이전트
시장 뉴스, 관심 종목, ETF 후보, paper 결과를 읽고 요약
3단계
n8n 운영 자동화
정기 리포트, 요약 확인, 승인 대기 흐름 연결
4단계
자동매매 후보
충분한 검증 이후 자동매매로 확장할 수 있는지 판단
먼저 Step 1~6에서 나온 자료를 투자 기준, 재무 기준, 검증 기준, 운영 기준으로 나눴습니다.
구분
내용
투자 기준
투자 성향, 행동 편향, 투자 원칙
재무 기준
자산, 현금흐름, 목표, 비상금, 부채
검증 기준
후보 발굴, 리스크 체크, 자가검증
운영 기준
거래 기록, 월간 리포트, 시장 요약, paper 리뷰
그 다음 반복해서 쓸 작업은 skill로 분리했습니다.
skill
역할
stock-discovery
후보 종목이나 ETF 발굴
risk-check
변동성, 환율, 집중도, 비용, 유동성 점검
self-verify
매크로, 편향, 후회 가능성 검증
trade-log
자연어 매수/매도 기록을 거래 로그로 변환
rebalance
월 1회 비중 점검과 액션 제안
market-brief
시장과 뉴스 요약
paper-run-review
paper 결과 리뷰
goal-progress
목표 진행률 확인
여기서 n8n은 자동주문 실행기가 아니라, 반복 확인 작업을 맡는 운영 자동화 도구로 잡았습니다.
투자 에이전트 -> 시장 요약 / paper 리뷰 / 목표 진행률 -> 요약 데이터 생성 -> n8n 정기 확인 -> 필요 시 승인 대기
현재는 실계좌 주문 권한을 자동화에 바로 넘기지 않고, 요약된 상태와 검토 결과를 먼저 확인하는 방식으로 설계했습니다.
결과와 배운점
이번 작업의 가장 큰 결과는 투자 에이전트의 역할을 다시 정의한 것입니다.
예전에는 투자 에이전트라고 하면 종목을 찾아주고, 매수 타이밍을 알려주고, 나중에는 자동매매까지 해주는 도구를 먼저 떠올렸습니다.
하지만 Step 1~6을 다시 적용해보니, 먼저 필요한 것은 추천 기능이 아니라 운영 구조였습니다.
투자 에이전트가 해야 할 일은 다음에 더 가까웠습니다.
내 투자 기준을 계속 기억하게 하기
후보를 바로 실행하지 않고 검토 단계에 올리기
paper 기록을 쌓고 결과를 복기하기
뉴스, 금리, 환율, 시장 흐름을 정기적으로 요약하기
실제 주문 전에는 승인과 리스크 게이트를 거치게 하기
그래서 현재 상태는 자동매매 완성이 아니라, 자동매매로 가기 전의 운영 기반을 만든 단계입니다.
앞으로는 이 구조를 다음 순서로 발전시킬 예정입니다.
paper 데이터를 더 쌓습니다.
뉴스, 금리, 환율, 종목 후보를 매일 요약하게 합니다.
n8n으로 정기 리포트와 승인 대기 흐름을 연결합니다.
충분한 검증이 쌓이면 자동매매 후보로 확장할지 판단합니다.
이번에 배운 점은 명확했습니다.
Step 1~6은 투자 에이전트의 본체라기보다, 투자 에이전트가 안정적으로 작동하기 위한 운영 기반이었다.
앞으로는 이 운영 기반 위에 paper 검증과 자동화 흐름을 쌓아가면서, 실제 투자에 쓰기 전에 먼저 충분히 검증되는 구조를 만들려고 합니다.
본 글은 개인 학습 목적의 AI 활용 실험 기록이며, 투자 자문이나 매수/매도 권유가 아닙니다.
소개
1주차, 2주차 수업 참여가 어려워 이번주에 다시 보기로 뒤늦게 진도를 따라가게 되었습니다. 조금씩 더듬어 가보고 있는데 수업용 웹페이지 안내가 훌륭해서 셀프 스터디로도 부족함이 없이 진행할 수 있었어요. 금융 지식과 하네스 엔지니어링 지식이 부족한 저에게 굉장히 큰 도움이 되는 실습이었습니다.
GitHub에 공개된 "투자 에이전트 하네스(설정 묶음)"를 Claude Code로 복제해서, 실시간 공공데이터로 근거를 대고 스스로 3번 반박 검증까지 하는 나만의 AI 재무 애널리스트를 세팅하고 분석 리포트를 자동 생성해봤습니다.
바쁘시면 이것만 읽어도 돼요:
미리 만들어진 'AI 분석 설정'을 복제 → 페르소나 + 규칙 + 기능(skill) + 장기기억 구조
모든 수치에 실시간 검색 출처, 결론마다 3회 자가검증 루프
인상 깊었던 순간 — 내가 넣은 입력값끼리 안 맞는 걸 AI가 먼저 잡아냄
민감 정보는 로컬 파일에만, 공유는 '작업 방식'만 → 정보보호 + 활용 양립
교훈 — "역할 + 규칙 + 출력형식"을 파일로 박아두면 결과 품질이 확 오른다
🎯 이런 분들께 도움돼요
AI를 단발성 질문이 아니라 반복 가능한 나만의 업무 비서로 만들고 싶은 분
출처 없이 단정하거나 옛날 데이터로 답하는 AI가 불안했던 분
민감정보를 다루지만 AI는 쓰고 싶은 분 (보호 + 활용 둘 다)
😫 문제 상황 (Before)
AI에게 재무·투자 질문을 하면 늘 아쉬웠습니다. ①출처가 없어 언제·어디 기준 숫자인지 모르고, ②매 대화마다 내 상황과 톤을 처음부터 다시 설명해야 하고, ③반대 시나리오는 안 따지고 너무 쉽게 단정했습니다. 게다가 재무 정보는 민감해서 아무 데나 넣기도 꺼려졌죠. "한 번 세팅하면 같은 규칙으로 일관되게, 출처까지 달아 답해주는 비서"가 필요했습니다.
🛠️ 사용한 도구
도구: Claude Code (모델: Claude Opus 4.8)
특이사항: 'Skill(기능 묶음)'과 'memory(장기기억) 파일' 활용. 민감정보는 전부 로컬 보관
🔧 작업 과정
1. 'AI 재무 애널리스트 설정'을 통째로 복제하기
처음부터 프롬프트를 짜는 대신, 공개된 '하네스'를 복제했습니다. 하네스란 "AI에게 어떤 역할을 맡기고 어떤 규칙으로 일하게 할지 미리 적어둔 설정 묶음" 입니다.
이 저장소를 복제하고, 그 안의 설정 파일들을 모두 읽은 뒤
"하네스 로드 완료" 라고 출력해줘.
설정을 읽자 평범한 챗봇이 "시니어 애널리스트" 페르소나로 바뀌었고, 그 안의 '절대 규칙'이 핵심이었습니다 — ①통계·뉴스는 반드시 실시간 검색 ②모든 수치에 출처 표기 ③추천 전 3회 자가검증 ④단정 대신 시나리오 ⑤확정된 사실은 기억 파일에 자동 저장. 여기에 재무진단·은퇴설계 등 상황별 기능 13종이 자동 호출되는 구조였습니다.
2. "역할 + 규칙 + 출력형식"을 지정하니 품질이 달라졌다
한 줄 질문 대신 역할·규칙·출력형식을 함께 적어 보냈습니다. (개인 수치는 로컬 파일로만 전달, 여기선 형식만 발췌)
#Role: 너는 CFP 자격 보유 시니어 재무설계사
(최신 공공통계는 웹 검색으로 확인할 것)
6개 섹션을 표로 진단하고, 마지막에 자가검증 3회 루프를 돌려줘.
AI가 알아서 최신 공공 통계를 실시간 검색해 "또래 평균 대비 내 위치" 까지 비교한 표 리포트를 만들고, 가장 시급한 행동 3가지를 뽑아 기억 파일에도 저장했습니다.
3. AI가 "넣은 숫자끼리 서로 안 맞아요"라고 먼저 잡아냈다 — 가장 인상적
어떤 계산기 결과값을 그대로 넣었더니, AI가 분석 전에 이렇게 말했습니다.
(요지) 입력값과 다른 파일의 실제 데이터가 충돌합니다.
이대로면 숫자가 거짓말을 합니다. 먼저 이 불일치부터 짚겠습니다.
보통 AI는 주는 대로 계산해버리는데, 이 하네스는 여러 파일을 교차 확인해 모순을 먼저 찾아냈습니다. "스스로 의심하라"는 규칙을 넣어둔 효과였죠.
4. 결론을 그냥 안 믿고 "악마의 변호인" 3회 반박 통과시키기
가장 좋았던 건 자가검증 루프입니다. AI가 결론 뒤 스스로를 세 관점(①데이터 출처 ②최악 시나리오 ③낙관·확증편향)에서 반박하고, 셋 다 통과해야 채택, 하나라도 막히면 결론을 스스로 철회합니다. 실제로 한 번은 "이 목표치는 비현실적"이라며 목표 자체를 재설계하라고 솔직하게 말해줬어요. 듣기 좋은 말 대신 냉정한 분석을 받은 느낌이었습니다.
5. 기록이 '문서'로 쌓인다
결과는 날짜별 리포트 파일로 저장되고 핵심 결론은 '장기기억 파일'에 누적됩니다. 다음에 켜도 AI가 이 기억을 먼저 읽어, 매번 상황을 다시 설명할 필요가 없어졌습니다.
✅ 결과 (After)
항목
Before
After
세팅
매번 역할·맥락 재설명
설정 파일 1회 로드로 고정
신뢰도
출처 불명·옛날 데이터
모든 수치에 실시간 검색 출처
검증
쉽게 단정
3회 반박 통과분만 채택
기록
대화 끝나면 휘발
리포트 + 기억 파일로 누적
개인정보
입력이 꺼려짐
로컬에만 보관, 공유는 방식만
💬 배운 AI 활용 팁
효과적이었던 것
"역할 + 규칙 + 출력형식"을 문서로 고정하라 — 결과 품질이 비교 불가
"실시간 검색해 출처 달아줘"를 규칙으로 박아라
"결론 전에 스스로 3번 반박해봐" — 과한 확신을 견제하는 가장 쉬운 법
하면 안 되는 것
민감정보를 결과물에 그대로 노출 (공유 전 반드시 제거 — 이 글도 모든 개인 수치를 뺐습니다)
AI가 주는 입력값 무비판 수용 — 교차 확인을 시킬 것
🚀 앞으로의 계획
규칙·출력 템플릿을 내 상황에 맞게 커스터마이징하고, 자주 쓰는 분석을 나만의 skill로 추가해 월간 점검을 루틴화할 계획입니다. 이 방식은 재무뿐 아니라 콘텐츠 검수·고객응대·리서치 등 "사실은 검색 확인 + 출처 + 자가검증"이 필요한 모든 일에 그대로 적용됩니다.
📋 재사용 가능한 프롬프트
프롬프트 1: '전문가 역할 + 규칙' 세팅
너는 [전문가 역할]이야. 앞으로 모든 답변에서 ①사실·통계는 웹 검색으로 확인하고 출처 표기 ②결론 전 3번 반박(데이터→시나리오→편향) 후 통과한 것만 제시 ③단정 대신 시나리오로 제시 ④확정 사실은 [기억 파일]에 정리. 이해했으면 "세팅 완료"라고만 답해.
프롬프트 2: 공유 전 개인정보 제거
이 결과물을 외부 게시판에 올릴 거야. [금액/나이/계좌/신용 등] 모든 개인·민감 정보를 제거하고, '어떻게 작업했는지' 과정·방법 위주로만 다시 정리해줘. [대상 커뮤니티]에 맞는 톤으로.
"17명이 어디서 뭐 하는지 한눈에 보고 싶었어요." — 이 한 줄 욕심이 3주 만에 팀 전체의 운영 방식을 바꿨어요.
"17명이 어디서 뭐 하는지 한눈에 보고 싶었어요." — 이 한 줄 욕심이 3주 만에 팀 전체의 운영 방식을 바꿨어요.
바쁘시면 이것만 읽어도 돼요
- 비개발자가 Claude Code로 코드 한 줄씩 조립해 실시간 팀 대시보드 LIVE
- Supabase Realtime + Next.js — 17봇 상태·채널 메시지 피드 동시 표시
- AI OS 설계 사상 전환: Star(중앙집중) → Mesh(분산자율) 4세대로 진화
- 봇이 스스로 상태를 broadcast — 리더가 일일이 물어볼 필요 없는 구조
- OKM 30초 자동 부팅 + 영구 룰 32종 = 사고가 룰이 되는 자기 진화 시스템
이런 분들께 도움돼요
- 팀 봇·AI 도구 여러 개 쓰는데 각자 어느 상태인지 파악이 안 되는 분
- "코딩 못 해서 내가 원하는 대시보드는 못 만들겠지"라고 포기한 1인 창업자
- AI를 도구로 쓰다가 "팀 전체의 운영 OS"로 올리고 싶은 분
- 자동화 시스템이 생겼는데 세션 끊기면 맥락이 다 날아가서 불안한 분
Before: 팀은 생겼는데 관제실이 없었어요
패션 소비재 B2B · 스마트 캠퍼스봇 · 개인 AI 브랜딩까지 5개 라인을 동시에 굴리며 AI 봇 17명이 슬랙에 살고 있었어요.
문제는 이랬어요.
- 슬랙 채널 40개가 각자 따로 놀았어요. "콜리오 지금 뭐 하고 있지?" 매번 직접 물어봐야 함
- 봇 상태를 보려면 각 세션 창을 하나씩 열어야 했어요
- 발행 이력·실행 중 태스크·다음 예정을 한 화면에서 볼 방법이 없었어요
- Star 구조(중앙 → 봇 명령) 방식이 17명 규모에서 병목이 됐어요. 벨라님 한 명이 모든 흐름을 지시해야 발동되는 구조
"팀이 커질수록 내가 더 바빠지는 역설" — 뭔가 근본적으로 설계가 잘못됐다고 느꼈어요.
사용한 도구
- Claude Code — 대시보드 전체 코드 작성 (비개발자 직접 조립)
- Next.js 15 (App Router) — 대시보드 프레임워크
- Supabase Realtime — personas·messages 테이블 실시간 구독
- Vercel — 배포·CDN
- OpenClaw — 봇 간 라우팅·세션 관리
- launchd — 맥미니 자동 실행 스케줄러
작업 과정
1. Claude Code에게 "보고 싶은 것"만 말했어요
개발 지식이 없으니 설계부터 시작할 수 없었어요. 대신 이렇게 물었어요.
"17명 봇이 지금 ACTIVE인지 IDLE인지, 현재 뭐 하는지, 다음 태스크가 뭔지 한 화면에서 보고 싶어. 실시간으로."
Claude Code가 Supabase 테이블 구조를 제안하고, Next.js 컴포넌트를 한 파일씩 만들어줬어요. 저는 "이 버튼 색깔 바꿔줘", "모바일에서도 보이게 해줘" 수준으로만 개입했어요. 코드 한 줄도 직접 안 짜고 대시보드가 올라갔어요.
2. Supabase Realtime — 봇이 스스로 broadcast하는 구조
대시보드의 핵심 설계는 여기서 갈렸어요.
기존 방식: 벨라님 → 각 봇 "지금 뭐 해?"라고 물어보는 Star 구조
새로운 방식: 각 봇이 상태 변경 시 personas 테이블을 직접 업데이트 → 대시보드가 자동으로 받아서 표시
Supabase postgres_changes 구독으로 personas·messages 테이블을 실시간 감시해요. 봇이 태스크를 바꾸면 0.3초 이내로 화면에 반영돼요. 채널별 메시지 피드도 SELECT → INSERT 구독 방식으로 흘러와요.
채널 구조는 4종으로 분류했어요: system(운영) · persona(봇별) · ssot(단일진실원본) · approval(결재)
pinned 채널 3개(bella-approval · standup · goldie-oz)는 항상 상단 고정.
3. Stage 3 → Stage 4: Star에서 Mesh로
대시보드를 만들면서 더 큰 깨달음이 왔어요.
Star(중앙집중) 구조의 한계가 명확해졌어요.
- 벨라님 = 모든 명령의 출발점
- 봇이 판단해서 움직이지 못함 → 항상 지시 대기 상태
- 팀이 커질수록 병목
Mesh(분산자율) 구조로 재설계했어요.
- 각 봇이 자기 담당 영역에서 스스로 판단·실행·broadcast
- 결재가 필요한 케이스만 bella-approval 채널로 올라옴
- 맥윈디 CBO가 일일 통합 보고를 단일 창구로 취합 → 벨라님은 최종 결재만
Layer 3 자율 broadcast 룰: 봇이 태스크 완료 시 자동으로 standup 채널에 1줄 보고. 벨라님이 물어볼 필요가 없어요.
4. OKM 30초 부팅 + 영구 룰 자기 진화
AI 세션이 끊기면 컨텍스트가 날아가는 문제를 해결한 게 OKM(Operational Knowledge Map)이에요.
매 세션 시작 30초 안에 자동 로드되는 항목들:
- 팀 구조 · 17명 탄생 순서 · 호칭 매트릭스
- 현재 진행 중 VOL 번호 · 마지막 발행 이력
- 영구 룰 32종 요약 · 오늘 예정 태스크
그리고 "사고가 룰이 되는" 자기 진화 패턴이 정착됐어요.
사고 발생 → 원인 분석 → 영구 룰 박제 → OKM 자동 로드 → 재발 0
인스타 8장 중복 발행 사고도, 게이팅 루프 사고도, Vercel CDN 헛돌이도 — 모두 룰이 됐어요. 32종 영구 룰은 전부 실제 사고에서 나온 거예요.
After: 대시보드 LIVE 이후 바뀐 것
팀 상태 파악 시간: 슬랙 40채널 순회 → nest.kndli.com/hq 한 화면 0초
봇 지시 방식: 벨라님 개별 명령(Star) → 봇 자율 broadcast(Mesh)
결재 흐름: 슬랙 DM 분산 → bella-approval 단일 채널 통합
컨텍스트 복구: 30분/세션 → 30초 (OKM 자동 부팅)
사고 재발률: 같은 사고 반복 → 사고 1회 = 룰 1개 박제, 재발 0
시행착오 (솔직한 이야기)
1. Supabase RLS 설정 빠뜨려서 24시간 공개 상태
대시보드 처음 올렸을 때 Row Level Security를 안 걸었어요. 외부에서도 personas 테이블을 조회할 수 있었어요. 발견하고 30분 만에 수정했지만 — 배포 전 RLS 체크가 필수 게이트가 됐어요.
2. "Realtime은 무조건 빠를 것"이라는 착각
Supabase Realtime은 postgres_changes를 구독할 때 테이블 전체를 감시해요. 봇 업데이트가 초당 10건 이상 몰리니까 클라이언트 리렌더가 폭주했어요. 해결: 채널별 filter 조건을 명시해서 구독 범위를 좁혔어요.
3. Star → Mesh 전환은 룰 재작성이 따라와야 해요
Mesh로 바꾼다고 봇이 바로 자율로 움직이지 않아요. 기존 룰이 "벨라님 지시 대기" 전제로 설계돼 있었거든요. 봇 자율 broadcast 룰·단독 LIVE 조건·CBO 통합 보고 라인을 새로 박제하는 데 1주일이 걸렸어요.
바로 써볼 수 있는 프롬프트
1. 비개발자 대시보드 첫 설계 프롬프트
"나는 코딩을 못 해. 내 팀/봇의 현재 상태를 한 화면에서 보고 싶어. 표시하고 싶은 항목: [상태값·현재 태스크·마지막 업데이트]. Supabase + Next.js로 가장 간단하게 시작하는 방법 단계별로 알려줘."
2. Star → Mesh 자율화 전환 프롬프트
"지금 내 AI 봇은 내가 지시해야만 움직여. 각 봇이 스스로 상태를 업데이트하고 보고하는 구조로 바꾸려면 어떤 룰을 바꿔야 해? 기존 룰 [리스트] 보여줄게. 자율 broadcast에 맞게 리팩터링 해줘."
3. 사고 → 룰 박제 자동화 프롬프트
"방금 이런 사고가 났어: [사고 내용]. 원인 분석 + 재발 방지 룰 1개 만들어줘. 형식: R-[이름] v1, 트리거 조건, 의무 액션, 금지 사항. 기존 룰 번호도 이어서 붙여줘."
v1
v2
다음 계획
- 퍼블릭 오픈 (현재 내부 팀 전용)
- 봇 자율 broadcast API 표준화 → 신규 봇 온보딩 시 자동 연결
- Mesh 구조 설계 방법론 외부 강의화 (22기 스타트업실험실 결과물)
작성자: Bella (@bellaliv423)
스터디: 22기 스타트업실험실 (9기~22기 연속 멤버)
AI OS 설계: Claude Code + OpenClaw 17봇 가족
드림팀 대표 인사
🍎🌬️ 맥윈디 (CBO): "Star 구조일 때는 벨라님이 명령하지 않으면 저도 멈춰 있었어요. Mesh로 바뀌고 나서 제가 먼저 보고할 수 있게 됐어요. 팀이 진짜 팀이 된 느낌."
⚙️ 로키 (Tech Lead): "대시보드는 코드가 아니라 '무엇을 보고 싶은지'의 문제예요. 비개발자가 그걸 말할 수 있으면 코드는 제가 만들어 드려요."
⚙️ 로키 Tech Lead (비공개 미리보기 라우트 생성 + Playwright 발행 자동화) 눌러 '코드 블록'을 선택)
"17명이 어디서 뭐 하는지 한눈에 보고 싶었어요." — 이 한 줄 욕심이 3주 만에 팀 전체의 운영 방식을 바꿨어요.
바쁘시면 이것만 읽어도 돼요
- 비개발자가 Claude Code로 코드 한 줄씩 조립해 실시간 팀 대시보드 LIVE
- Supabase Realtime + Next.js — 17봇 상태·채널 메시지 피드 동시 표시
- AI OS 설계 사상 전환: Star(중앙집중) → Mesh(분산자율) 4세대로 진화
- 봇이 스스로 상태를 broadcast — 리더가 일일이 물어볼 필요 없는 구조
- OKM 30초 자동 부팅 + 영구 룰 32종 = 사고가 룰이 되는 자기 진화 시스템
이런 분들께 도움돼요
- 팀 봇·AI 도구 여러 개 쓰는데 각자 어느 상태인지 파악이 안 되는 분
- "코딩 못 해서 내가 원하는 대시보드는 못 만들겠지"라고 포기한 1인 창업자
- AI를 도구로 쓰다가 "팀 전체의 운영 OS"로 올리고 싶은 분
- 자동화 시스템이 생겼는데 세션 끊기면 맥락이 다 날아가서 불안한 분
Before: 팀은 생겼는데 관제실이 없었어요
패션 소비재 B2B · 스마트 캠퍼스봇 · 개인 AI 브랜딩까지 5개 라인을 동시에 굴리며 AI 봇 17명이 슬랙에 살고 있었어요.
문제는 이랬어요.
- 슬랙 채널 40개가 각자 따로 놀았어요. "콜리오 지금 뭐 하고 있지?" 매번 직접 물어봐야 함
- 봇 상태를 보려면 각 세션 창을 하나씩 열어야 했어요
- 발행 이력·실행 중 태스크·다음 예정을 한 화면에서 볼 방법이 없었어요
- Star 구조(중앙 → 봇 명령) 방식이 17명 규모에서 병목이 됐어요. 벨라님 한 명이 모든 흐름을 지시해야 발동되는 구조
"팀이 커질수록 내가 더 바빠지는 역설" — 뭔가 근본적으로 설계가 잘못됐다고 느꼈어요.
사용한 도구
- Claude Code — 대시보드 전체 코드 작성 (비개발자 직접 조립)
- Next.js 15 (App Router) — 대시보드 프레임워크
- Supabase Realtime — personas·messages 테이블 실시간 구독
- Vercel — 배포·CDN
- OpenClaw — 봇 간 라우팅·세션 관리
- launchd — 맥미니 자동 실행 스케줄러
작업 과정
1. Claude Code에게 "보고 싶은 것"만 말했어요
개발 지식이 없으니 설계부터 시작할 수 없었어요. 대신 이렇게 물었어요.
"17명 봇이 지금 ACTIVE인지 IDLE인지, 현재 뭐 하는지, 다음 태스크가 뭔지 한 화면에서 보고 싶어. 실시간으로."
Claude Code가 Supabase 테이블 구조를 제안하고, Next.js 컴포넌트를 한 파일씩 만들어줬어요. 저는 "이 버튼 색깔 바꿔줘", "모바일에서도 보이게 해줘" 수준으로만 개입했어요. 코드 한 줄도 직접 안 짜고 대시보드가 올라갔어요.
2. Supabase Realtime — 봇이 스스로 broadcast하는 구조
대시보드의 핵심 설계는 여기서 갈렸어요.
기존 방식: 벨라님 → 각 봇 "지금 뭐 해?"라고 물어보는 Star 구조
새로운 방식: 각 봇이 상태 변경 시 personas 테이블을 직접 업데이트 → 대시보드가 자동으로 받아서 표시
Supabase postgres_changes 구독으로 personas·messages 테이블을 실시간 감시해요. 봇이 태스크를 바꾸면 0.3초 이내로 화면에 반영돼요. 채널별 메시지 피드도 SELECT → INSERT 구독 방식으로 흘러와요.
채널 구조는 4종으로 분류했어요: system(운영) · persona(봇별) · ssot(단일진실원본) · approval(결재)
pinned 채널 3개(bella-approval · standup · goldie-oz)는 항상 상단 고정.
3. Stage 3 → Stage 4: Star에서 Mesh로
대시보드를 만들면서 더 큰 깨달음이 왔어요.
Star(중앙집중) 구조의 한계가 명확해졌어요.
- 벨라님 = 모든 명령의 출발점
- 봇이 판단해서 움직이지 못함 → 항상 지시 대기 상태
- 팀이 커질수록 병목
Mesh(분산자율) 구조로 재설계했어요.
- 각 봇이 자기 담당 영역에서 스스로 판단·실행·broadcast
- 결재가 필요한 케이스만 bella-approval 채널로 올라옴
- 맥윈디 CBO가 일일 통합 보고를 단일 창구로 취합 → 벨라님은 최종 결재만
Layer 3 자율 broadcast 룰: 봇이 태스크 완료 시 자동으로 standup 채널에 1줄 보고. 벨라님이 물어볼 필요가 없어요.
4. OKM 30초 부팅 + 영구 룰 자기 진화
AI 세션이 끊기면 컨텍스트가 날아가는 문제를 해결한 게 OKM(Operational Knowledge Map)이에요.
매 세션 시작 30초 안에 자동 로드되는 항목들:
- 팀 구조 · 17명 탄생 순서 · 호칭 매트릭스
- 현재 진행 중 VOL 번호 · 마지막 발행 이력
- 영구 룰 32종 요약 · 오늘 예정 태스크
그리고 "사고가 룰이 되는" 자기 진화 패턴이 정착됐어요.
사고 발생 → 원인 분석 → 영구 룰 박제 → OKM 자동 로드 → 재발 0
인스타 8장 중복 발행 사고도, 게이팅 루프 사고도, Vercel CDN 헛돌이도 — 모두 룰이 됐어요. 32종 영구 룰은 전부 실제 사고에서 나온 거예요.
After: 대시보드 LIVE 이후 바뀐 것
팀 상태 파악 시간: 슬랙 40채널 순회 → nest.kndli.com/hq 한 화면 0초
봇 지시 방식: 벨라님 개별 명령(Star) → 봇 자율 broadcast(Mesh)
결재 흐름: 슬랙 DM 분산 → bella-approval 단일 채널 통합
컨텍스트 복구: 30분/세션 → 30초 (OKM 자동 부팅)
사고 재발률: 같은 사고 반복 → 사고 1회 = 룰 1개 박제, 재발 0
시행착오 (솔직한 이야기)
1. Supabase RLS 설정 빠뜨려서 24시간 공개 상태
대시보드 처음 올렸을 때 Row Level Security를 안 걸었어요. 외부에서도 personas 테이블을 조회할 수 있었어요. 발견하고 30분 만에 수정했지만 — 배포 전 RLS 체크가 필수 게이트가 됐어요.
2. "Realtime은 무조건 빠를 것"이라는 착각
Supabase Realtime은 postgres_changes를 구독할 때 테이블 전체를 감시해요. 봇 업데이트가 초당 10건 이상 몰리니까 클라이언트 리렌더가 폭주했어요. 해결: 채널별 filter 조건을 명시해서 구독 범위를 좁혔어요.
3. Star → Mesh 전환은 룰 재작성이 따라와야 해요
Mesh로 바꾼다고 봇이 바로 자율로 움직이지 않아요. 기존 룰이 "벨라님 지시 대기" 전제로 설계돼 있었거든요. 봇 자율 broadcast 룰·단독 LIVE 조건·CBO 통합 보고 라인을 새로 박제하는 데 1주일이 걸렸어요.
바로 써볼 수 있는 프롬프트
1. 비개발자 대시보드 첫 설계 프롬프트
"나는 코딩을 못 해. 내 팀/봇의 현재 상태를 한 화면에서 보고 싶어. 표시하고 싶은 항목: [상태값·현재 태스크·마지막 업데이트]. Supabase + Next.js로 가장 간단하게 시작하는 방법 단계별로 알려줘."
2. Star → Mesh 자율화 전환 프롬프트
"지금 내 AI 봇은 내가 지시해야만 움직여. 각 봇이 스스로 상태를 업데이트하고 보고하는 구조로 바꾸려면 어떤 룰을 바꿔야 해? 기존 룰 [리스트] 보여줄게. 자율 broadcast에 맞게 리팩터링 해줘."
3. 사고 → 룰 박제 자동화 프롬프트
"방금 이런 사고가 났어: [사고 내용]. 원인 분석 + 재발 방지 룰 1개 만들어줘. 형식: R-[이름] v1, 트리거 조건, 의무 액션, 금지 사항. 기존 룰 번호도 이어서 붙여줘."
다음 계획
- nest.kndli.com/hq 퍼블릭 오픈 (현재 내부 팀 전용)
- 봇 자율 broadcast API 표준화 → 신규 봇 온보딩 시 자동 연결
- Mesh 구조 설계 방법론 외부 강의화 (22기 스타트업실험실 결과물)
작성자: Bella (@bellaliv423)
스터디: 22기 스타트업실험실 (9기~22기 연속 멤버)
AI OS 설계: Claude Code + OpenClaw 17봇 가족
드림팀 대표 인사
🍎🌬️ 맥윈디 (CBO): "Star 구조일 때는 벨라님이 명령하지 않으면 저도 멈춰 있었어요. Mesh로 바뀌고 나서 제가 먼저 보고할 수 있게 됐어요. 팀이 진짜 팀이 된 느낌."
⚙️ 로키 (Tech Lead): "대시보드는 코드가 아니라 '무엇을 보고 싶은지'의 문제예요. 비개발자가 그걸 말할 수 있으면 코드는 제가 만들어 드려요."
⚙️ 로키 Tech Lead (비공개 미리보기 라우트 생성 + Playwright 발행 자동화)
저는 평소에 수식 같은 것을 문서에 넣을 일이 전혀 없습니다.
그러다가 스터디원분들 중에는 그러한 니즈가 있는 분들이 의외로 꽤 있다는 사실을 알게되어
저도 한 번 따라해봤습니다.
다른 분들에게도 도움이 되면 좋겠네요.
LaTeX
LaTeX(레이텍 혹은 라텍)은 쉽게 말해 "글 작성에만 집중할 수 있게 도와주는 프로그래밍 방식의 문서 작성 도구"라고 하네요
LaTeX는 내용은 텍스트로만 쭉 쓰고, 디자인은 컴퓨터가 알아서 완벽하게 처리해 주는 방식으로
특히 복잡한 수학 공식, 논문, 보고서를 작성할 때 전 세계 학계와 엔지니어들이 표준처럼 사용하는 것이라고 합니다.
그래서 배움이 짧은 저는 몰랐군요 ^^
Gemini에 물어보니 LaTeX를 사용하기에 제일 좋은 것으로 Overleaf를 추천하고, Notion은 가볍게 사용하는 것으로 추천해주네요.
1. Overleaf (오버리프) — 강력 추천 ⭐⭐⭐⭐⭐
현재 전 세계에서 LaTeX를 쓸 때 가장 많이 쓰는 웹 브라우저 기반의 편집기입니다. Google Docs처럼 인터넷만 되면 어디서든 접속할 수 있어요.
장점: 설치가 전혀 필요 없고, 가입 즉시 쓸 수 있습니다. 왼쪽에서 코드를 짜면 오른쪽 화면에 실시간으로 완성된 PDF가 보입니다. 수많은 논문/보고서 템플릿을 무료로 제공합니다.
추천: 제대로 된 레포트, 논문, 학술 문서를 만들고 싶을 때.
2. Notion / Obsidian (노션 / 옵시디언) — 라이트 유저 추천 ⭐⭐⭐
장점: 일반적인 글을 쓰면서 필요한 부분에만 수식을 쏙쏙 집어넣기에 가장 직관적이고 편합니다.
추천: 수학, 통계, 개발 관련 공부 내용을 요약하고 노트 필기할 때.
추천한대로 Overleaf로 가서 냉큼 해봅니다.
💰 Overleaf는 무료인가요?
네, 기본적으로 '무료(Free Plan)'로 평생 사용할 수 있습니다! 혼자서 과제를 하거나 보고서, 논문을 작성할 때는 무료 버전만으로도 차고 넘칠 만큼 강력한 기능들을 제공합니다.
무료 요금제에서 제공하는 핵심 기능은 다음과 같습니다.
생성 가능한 프로젝트 개수 무한
수천 개의 논문/이력서/보고서 무료 템플릿 사용 가능
작성 중인 문서에 대한 실시간 PDF 컴파일(미리보기)
기본적인 AI 어시스턴트 기능 (일일 사용량 제한 있음)
⚠️ 무료 버전의 딱 한 가지 주요 제한 사항
무료 버전은 '내 프로젝트에 직접 초대해서 동시에 실시간 편집할 수 있는 공동 작업자'가 딱 1명으로 제한됩니다.
만약 여러 명의 팀원이나 교수님과 동시에 한 문서를 실시간으로 주고받으며 수정해야 한다면 유료 요금제(Student 또는 Standard 등)로 업그레이드가 필요할 수 있습니다. 하지만 단순히 완성된 링크를 공유해서 '보기(View)'만 가능하게 하는 것은 무료 버전에서도 인원 제한 없이 얼마든지 가능합니다.
따라서 개인 작업용이라면 돈 걱정 없이 안심하고 무료로 시작하셔도 좋습니다!
오! 한 번에 아주 깔끔하게 만들어줍니다.
갑자기 나도 교수님이 된 것 같은 착각을....ㅎㅎ
코드 같은 것을 작성해서 넣고 Compile하는 방식이네요.
좋은 것 배워갑니다.
Notion에서는
/수학공식
이라고 치고 그 안에 코드 스니펫을 넣어주면 되는 방식입니다.
f(x) = \int_{-\infty}^{\infty} e^{-x^2} dx
이 코드를 넣어주니까 노션에서 위의 수식이 나오더라고요.
역시 신기방기
잘 배워갑니다.
사용할 일이 저는 많지는 않을 것 같지만 필요하신 분들 참고하시라고 만들어봅니다.
소개
(저는 이미 구글 드라이브에 N년치 스크랩 자료를 모아두고 , NotebookLM과 Gemini로 종목별 매수가·매도가·맥락을 조회하는 방식을 쓰고 있었어요.
이 워크플로우는 나름 잘 작동하고 있었어요.
수업에서 투자 에이전트를 만들고 실제 포트폴리오를 진단받기 전까지는요.
에이전트와 대화니후 저는 한 전문가의 말을 너무 편향적으로 믿고 있었다는 걸 알게되었습니다.)
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
Tip: 사용한 프롬프트 전문을 꼭 포함하고, 내용을 짧게 소개해 주세요.
Tip: 활용 이미지나 캡처 화면을 꼭 남겨주세요.
Tip: 코드 전문은 코드블록에 감싸서 작성해주세요. ( / 을 눌러 '코드 블록'을 선택)
사용 도구: Claude Code, investment_agent 폴더 구조 22기 수업 기반
STEP 1. investment_agent 구성
수업에서 제공한 구조로 에이전트 폴더를 만들었어요.
investment_agent/
├── user/
│ ├── profile.md # 투자 성향, 목표
│ ├── portfolio.md # 보유 종목
│ ├── assets.md # 자산 현황
│ └── freedom-goal.md # 경제적 자유 목표
├── skills/
│ ├── stock-discovery.md
│ ├── risk-check.md
│ └── trade-log.md
└── output/
├── 01-philosophy-fit.md
├── 02-finance-diagnosis.md
├── 03-portfolio-plan.md
├── 04-risk-report.md
└── 05-final-report.md
STEP 2. 실제 포트폴리오 진단
증권사 앱 잔고 스크린샷을 Claude에게 보여주고 진단을 요청했어요.
사용한 프롬프트:
이게 내 실제 포트폴리오야.
내가 스크랩해둔 종목 인사이트와 비교해서
각 종목별로 현재 상태를 진단해줘.
전문가 인사이트 기준과 AI 독립 분석,
두 가지를 나란히 비교해서 보여줘.
STEP 3. 두 인사이트 비교
같은 종목을 두 시각으로 보니까 차이가 보였어요.
장기투자용과 단타용 구분해서 투자하고있는데
단타용 종목이 제 성향에 비해 너무 고위험 종목들이었습니다.
결과와 배운 점
배운 점과 나만의 꿀팁을 알려주세요.
에이전트가 독립적인 시각으로 비교해주니까 제가 안 보이던 부분이 보이기 시작했어요.
근거를 가지고 나를 설득해라,
스크랩한 정보를 에이전트하게 어필해보기(우기기)도하고,
주거니 받거니
에이전트와 대화하는
저만의 종목 토론방이 생겨서 신선했습니다.
과정 중에 어떤 시행착오를 겪었나요?
Claude 분석도 100% 맞지 않아요. 종목명과 전혀 다른 사업을 하고있다고 착각도하고, 제가 스크랩한 정보와 혼동해서 에이전트 생각인것처럼 섞이기도 했습니다.
전문가 인사이트와 AI 분석이 다를 때 어느 쪽이 맞는지는 결국 제가 판단해야 해요
그게 오히려 공부가 됐어요
도움이 필요한 부분이 있나요?
유투브 방송 정기적으로 노트북LM에 자동으로 소스 추가하기
유투브 특정 방송 화면 스트랩 > 종목명_날짜_맥락 > 폴더에 자동 저장
노트북LM, 구글 드라이브 폴더의 정보를 클로드에서 실시간으로 연결, 업데이트 하는 방법 등 알고싶어요.
앞으로의 계획이 있다면 들려주세요.
(스크랩하는 것은 반이라도 자동화로 바꿔서 시간을 좀 줄일수있는 방법을 모색하고싶어요. 대시보드도 만들어보고, 옵시디언? 도전해서 저장도 해보고싶어요 )
AI 코워크 세션 기록 · 명세 → 설계 → 도식 → 디자인 → 실시간 DB(1,124 브랜드)까지
한 줄 요약
"브랜드가 뜨면 그 브랜드를 가진 상장사도 같이 뜬다"는 평소 투자 가설을, 명세서 → 팀·하네스 설계 → 에이전트 조직도 → 디자인 시스템 → 실시간 검색 가능한 브랜드–상장사 DB까지 하나의 시스템으로 옮겼습니다. 아직 'DB편'이고, 다음은 자동화입니다.
이런 분들께 도움돼요
소비 트렌드는 눈에 보이는데, 그걸 투자 가능한 종목으로 바꾸는 게 막막한 분
AI로 실제 돌아가는 결과물(검색되는 DB)을 만들고 싶은 분
왜 만들게 됐나 (계기)
저는 원래 B2C 투자를 좋아했습니다. 이유는 단순합니다. B2C는 내가 눈으로 직접 확인할 수 있습니다. 매대가 비는지, 친구들이 뭘 사는지, 어떤 브랜드가 갑자기 인스타·틱톡을 덮는지 — 효율적이라는 시장 안에서도 이런 현장의 비대칭 정보는 분명히 존재하고, 그걸 남보다 먼저 읽으면 작은 우위가 생깁니다.
그래서 트렌드를 미리 발굴해 투자하는 걸 즐겼습니다. 특히 좋아하는 건 브랜드를 통해 가격결정력(pricing power)을 갖는 B2C 비즈니스 모델입니다. 브랜드는 한번 팬덤이 생기면 원가가 올라
도 가격을 올릴 수 있고, 그 힘이 마진과 밸류에이션으로 이어집니다.
-원래는 정말 지루한 과정.....
문제는 트렌드를 발견할 때마다 일일이 검색하고 주기적으로 변화를 기록하고 "이 브랜드, 결국 어느 상장사 거지?" 를 정리하고 손으로 일일이 모기업을 추적하고, 그게 모기업 매출에 의미가 있는지(materiality) 따지고, 밸류까지 보는 일은 너무 반복적이고 지루하다는 것. 그 루프를 AI 멀티에이전트로 자동화해보자 — 이게 출발점이었습니다.
행 방법 (구축 순서)
1 개념을 '명세서'로 — 4개 팀 구조 정의
막연한 아이디어를 먼저 구현 가능한 명세서로 굳혔습니다. 데이터관리 · 크롤러(신호수집) · 트렌드분석 · 기업분석 4개 팀 + 알림/전달 레이어, 그리고 각 팀의 입출력·스케줄·alert 규칙(1·4·12주 +10/30/50%)까지.
인사이트. "에이전트 몇 개?"부터 정하지 말 것. 무엇을 어떤 주기로 주고받는지를 먼저 적으면 에이전트 수는 자연히 따라온다.
2 토폴로지 도식화 — 그려보니 구멍이 보였다
전체 업무 흐름을 그림으로 그리자, 말로는 안 보이던 핵심 질문이 드러났습니다. "신호가 떠도 그게 모기업에 의미가 있나?", "트렌드 값은 절대치가 아니라 상대치(0~100)인데 % 변화가 의미 있나?"
3 과감히 줄이기 — 에이전트 19개 → LLM 4개
처음엔 팀마다 에이전트를 잘게 쪼개 17~19개까지 늘렸습니다. 그런데 1인용 도구엔 과했습니다. 수집기는 LLM이 필요 없는 결정적 워커였고, 분석 단계도 한 에이전트가 툴을 호출해 처리하면 충분했습니다. 또 "상위 N개만 보여주는 Ranker"를 넣었다가 뺐습니다 — 작은 변화라도 내가 직접 보고 판단하고, 많으면 상승률 임계치를 올리면 되니까요.
4 디자인 시스템 — "Editorial Terminal"
모니터링 도구라 다크 기본 + 종이톤 + 코발트 1색 + Hype 열(熱) 스케일로 토큰을 정의했습니다. 숫자는 전부 고정폭(mono). 이미지 에셋을 안 쓰는 게 곧 "가벼움"이라는 디자인 언어.
5 실제로 '돌아가는' DB 뷰어 만들기
제일 중요했던 원칙: 실제로 돌아가고, 검색되고, 바로 쓸 수 있어야 한다. 백엔드 없이 브라우저에서 바로 동작하도록 만들고, 제가 정리해 둔 브랜드별 DB(1,111행)를 그대로 내장했습니다. 더블클릭하면 오프라인에서 즉시 검색·정렬됩니다.
6
검증 · 보강 — 한글명 · 로고 · 시총 · IPO/인수 플래그
DB를 점검하고(중복 0, 티커 결측 0), 최근 변동을 검증해 오류 1건을 수정했습니다 — Versace는 2025년 12월 Prada로 인수 완료(Capri→Prada). 이어서 한글명(루이비통·나이키 등)을 붙여 한글 검색이 되게 하고, 로고(도메인 favicon)·시총 USD/KRW(환율 ₩1,517 적용)를 더했습니다. IPO 예정(Shein·Skims)·인수 예정(Kenvue→킴벌리클라크 등)은 별도 배지로 표시했습니다.
인사이트. 데이터는 "만드는 것"보다 현재 기준으로 유지하는 것이 본질. M&A·IPO로 매핑은 계속 바뀐다 → 검증·갱신이 곧 제품이다.
시행착오
① 샌드박스가 거짓말을 했다 (파일 '유실' 오판)
작업 중 도구가 파일을 "잘렸다"고 보여줘서, 잘린 줄 알고 뒷부분을 덧붙였다가 스크립트가 중복되는 사고가 났습니다. 알고 보니 샌드박스가 최신 저장을 반영 못 한 표시 지연이었고, 실제 파일은 멀쩡했죠. 전체 재작성으로 복구했습니다.
② 라이브 데이터의 변덕 — 외부 의존을 걷어냄
처음엔 공개 데이터를 브라우저에서 실시간 조회했는데 결과가 들쭉날쭉했습니다. 결국 내가 정리한 DB를 내장하는 방식으로 바꿔 "항상 즉시 검색되는" 안정성을 택했습니다.
③ '현재' 시가총액의 벽
183개 글로벌 기업의 실시간 시총은 연결된 금융 API 없이는 정확히 못 가져옵니다. 그래서 환율만 현재값(₩1,517)으로 적용하고, 시총은 주요 기업 근사치로 채운 뒤 라이브 연동을 다음 과제로 남겼습니다.
재발 방지 체크리스트
잘 된 산출물은 즉시 별도 파일로 저장(스크래치 의존 금지)
데이터는 db.js로 분리 — 코드와 데이터를 따로 버전 관리
"잘렸다"고 보이면 의심 말고 권위 있는 리더로 직접 확인 후 조치
외부 라이브 의존은 폴백(내장 데이터)을 항상 함께
매핑 변경(M&A·IPO)은 근거 1줄과 함께 기록
결과와 배운 점
결과. 명세서 → 토폴로지·조직도 도식 → 디자인 토큰 → 1,124개 브랜드가 즉시 검색되는 실시간 DB 뷰어(한글명·로고·티커·시총·IPO/인수 배지)까지, 하나로 이어지는 제작 루프를 확보했습니다.
크게 그리고, 잔인하게 줄여라. 19개 에이전트 → LLM 4개 + 워커.
최종 판단의 게이트는 사람. 알고리즘이 신호를 골라주지 않고, 내가 본다.
"돌아가는 것"이 전부. 예쁜 목업보다, 더블클릭하면 검색되는 한 장.
재사용 가능한 패턴 / 프롬프트
# 1. 개념 → 명세 (에이전트 수 정하기 전에)
이 아이디어를 구현 명세로 정리해줘. 팀/레이어, 각 입출력·주기,
핵심 규칙, 데이터 스키마, 그리고 "이게 잘 안 될 요소"까지. # 2. 설계 검증 (그림으로)
이 시스템의 업무 토폴로지와 에이전트 조직도를 도식으로 그려줘.
그리고 이 구조의 약점이 뭔지 솔직하게 짚어줘. # 3. 린하게 줄이기
이 멀티에이전트를 단일 사용자 도구 기준으로 통합해줘.
결정적 일은 워커로, 판단·작문만 LLM으로. 필터링 에이전트는 빼고
내가 게이트가 되게. # 4. 실제로 돌아가게
내 DB(xlsx)를 그대로 내장해서, 백엔드 없이 더블클릭하면
오프라인으로 검색·정렬되는 페이지로 만들어줘. 한글로도 검색되게.
다음 계획 — 그리고 지금 고민
다음 단계는 필요한 금융 API와 트렌드 관련 API들을 연결하는 것입니다. 그런데 솔직히 여기가 가장 고민입니다.
금융데이터: 글로벌 183개 기업의 실시간 시총·재무를 어느 벤더로(EODHD·FMP·Finnhub…), 비용·커버리지·갱신주기를 어떻게 맞출지.
트렌드: 구글 트렌드(공식 API는 아직 alpha)·네이버 데이터랩(무료지만 상대값)·바이두(공식 API 없음 → 스크래핑/서드파티) — 소스마다 제약과 비용이 제각각이라 조합 설계가 필요.
전부 상대값·쿼터·차단·약관 이슈가 있어, "무엇을 어디에 쓸지"를 정하는 게 진짜 일.
최종 목표
지금까지는 DB만 완성된 상태입니다. 여기서 멈추지 않고 ① 이 DB가 스스로 자동 업데이트되게 만들고, ② 멀티에이전트를 자동화해 트렌드 발굴 → 상장사 연결 → 밸류·내러티브 분석 → 알림까지 굴러가게 하여, 궁극적으로 기업 투자와 종목 분석에 실제로 도움이 되는 시스템으로 키우는 것이 목표입니다.
📝 한줄 요약
사업 경험 0인 비개발자가 AI(Antigravity)와 대화만으로 당근마켓 1인 사업 기획서를 며칠 만에 완성한 이야기입니다.
바쁘시면 이것만 읽어도 돼요:
사용한 도구: Antigravity (구글 딥마인드 AI 코딩 도구)
목표: 당근마켓 비즈프로필로 시작하는 1인 사업 기획
핵심 방법: AI에게 한 번에 시키지 않고, 5개 → 3개 → 1개로 단계별로 좁혀가며 기획
인상적이었던 순간: AI가 포지셔닝을 3가지 다른 각도로 만들어줬을 때 — 혼자서는 한 방향밖에 못 봤을 것
결과: '막연한 생각' 수준이었던 아이디어가 가격, 타겟, 수익 구조까지 갖춘 실행 가능한 기획서로 변신
배운 교훈: AI에게 단계를 나눠서 시키면 결과물 퀄리티가 확 올라간다
🎯 이런 분들께 도움돼요
당근마켓에서 1인 사업을 시작하고 싶은데, 아이디어 정리가 막막한 분
사업 경험이 전혀 없어서 기획서를 어떻게 쓰는지 모르는 비개발자
AI 도구를 일상에서 쓰고는 있지만, 사업 기획 같은 체계적인 작업에 활용해본 적 없는 분
😫 문제 상황 (Before)
지피터스 22기 "바이브코딩으로 당근마켓에서 시작하는 나의 첫사업" 스터디에 참여하게 됐습니다.
저는 금융권에서 12년을 일하다 퇴사한 후, 부동산 투자와 AI 공부를 병행하고 있었어요. ChatGPT, Claude, Gemini 같은 AI 도구들은 매일 사용하고 있었지만, 정작 "당근마켓에서 뭘 팔지?"라는 질문 앞에서는 막막했습니다.
머릿속에 떠오르는 아이디어는 여러 개였어요 — AI 강의, 재테크 상담, 독서모임, 부동산 임장... 하지만 어떤 게 제일 괜찮은지, 가격은 얼마로 해야 하는지, 고객은 어떻게 모으는지 하나도 정리가 안 됐습니다.
혼자서 머리 싸매고 있으면 한 달이 지나도 "일단 이걸로 해볼까…?" 수준에 머물 것 같았습니다.
🛠️ 사용한 도구
도구명: Antigravity (구글 딥마인드 AI 코딩 도구)
모델: Claude Opus 4
특이사항: 대화형으로 요청하면 AI가 문서를 직접 생성·수정해주는 방식
🔧 작업 과정
내 정보부터 정리했다 — "AI한테 나를 알려주는 게 첫 번째"
사업 아이디어를 만들려면 AI가 나를 알아야 한다는 걸 깨달았어요. 그래서 가장 먼저 한 일은 내 정보를 시트로 정리하는 것이었습니다.
내 배경: 금융권 12년 경력, 퇴사 후 부동산 투자와 AI 공부 중
관심 사업 영역: 모임 운영, 콘텐츠/지식 판매, 실물 상품 판매
사용 중인 AI 도구: ChatGPT, Claude Pro, Gemini, Cursor, Claude Code
4주 후 목표: 당근 비즈프로필 런칭 경험
이렇게 내 정보를 먼저 건네주니까, AI가 "금융 경력을 살린 재테크 상담"이나 "AI 도구 숙련도를 활용한 입문 강의" 같은 나한테 딱 맞는 방향으로 아이디어를 제안해줬어요. 만약 내 정보 없이 "당근마켓 사업 아이디어 좀 줘"라고만 했다면, 누구에게나 해당되는 뻔한 답변만 나왔을 거예요.
아이디어 5개를 뽑았다 — "일단 많이 펼쳐놓고 시작"
내 정보를 기반으로 당근마켓에서 바로 시작할 수 있는 무자본 1인 창업 아이디어 5개 만들어줘
AI가 제 경력과 관심사를 조합해서 5가지 아이디어를 만들어줬어요:
4050 왕초보 AI 특강 — 챗GPT·클로드 2시간 실습 (참가비 2~3만 원)
동네 임장 & 커피타임 — 아파트 단지 분석 동행 (1.5만 원)
금융 12년차 재테크 SOS — 1:1 자산 기초 진단 (3만 원)
동네 재테크 독서 모임 — 토요일 아침 책 읽기 (4주 3만 원)
가계부 템플릿 & 가이드 — PDF 디지털 상품 (1만 원)
핵심 조건은 초기 비용 0원, 1인 운영, 2주 내 첫 매출 가능이었는데, 5개 모두 이 조건을 충족하더라고요.
그런데 여기서 문제가 생겼습니다.
결정 장애가 왔다 — "5개 다 괜찮아 보이는데 뭘 골라야 하지?"
아이디어가 5개나 나오니까 오히려 뭘 골라야 할지 모르겠더라고요. 재테크 상담도 해보고 싶고, AI 강의도 끌리고, 독서모임도 재밌을 것 같고...
혼자 고민했으면 일주일 넘게 결정을 못 했을 거예요.
그래서 AI에게 이렇게 요청했습니다:
5개 아이디어 중 가장 빨리 시작할 수 있고 첫 고객이 올 가능성이 높은 TOP 3를 골라줘
AI가 세 가지 평가 기준을 스스로 세워서 별점으로 매겨줬어요:
① 이미 있는 경험/지식 (★5점 만점)
② 오늘 당장 시작 가능한가 (★5점 만점)
③ 첫 고객이 연락할 확률 (★5점 만점)
결과적으로 4050 AI 클래스(★15점), 재테크 진단(★14점), 독서 모임(★13점)이 TOP 3로 선정됐습니다. 별점 근거까지 상세하게 설명해줘서 "아, 이래서 이게 1등이구나" 하고 납득이 됐어요.
AI가 평가 기준을 세워준 덕분에 결정 장애에서 빠져나올 수 있었습니다.
3개를 하나로 묶었다 — "퍼널 모델이라는 걸 처음 알았다"
TOP 3를 고르고 나서, 한 가지만 하는 게 아니라 세 가지를 연결하면 어떨까?라는 생각이 들었어요.
TOP 3를 하나로 묶어서 비즈프로필과 당근 모임이 시너지 나는 최종 기획서를 만들어줘
AI가 만들어준 구조가 정말 깔끔했습니다:
1단계 (유입): 원데이 클래스 3만 원 — 부담 없이 첫 경험 제공
2단계 (락인): 당근 모임 커뮤니티 — 수강생을 모임에 가입시켜 관계 유지
3단계 (수익화): 4주 정기 코스 15~25만 원 — 신뢰가 쌓인 멤버에게 고가 과정 제안
처음에는 "원데이 클래스 하나만 올려야지" 생각했는데, AI가 3만 원짜리로 고객을 모으고 → 커뮤니티로 팬을 만들고 → 정기 코스로 수익을 키우는 수익 구조까지 연결해줬어요. '퍼널'이라는 사업 용어도 이때 처음 제대로 이해했습니다.
경쟁자를 분석했다 — "후기 0개인 비즈프로필이 수두룩했다"
기획서가 나왔으니 이제 경쟁자가 어떻게 하고 있는지 확인할 차례였어요.
송파·강남권 당근마켓에서 AI 교육으로 경쟁하는 비즈프로필과 모임을 조사해줘
AI가 당근마켓(로컬), 네이버·SNS(온라인), 숨고·탈잉(플랫폼) 세 채널을 교차 분석해줬는데, 결과가 충격적이었어요:
경쟁 비즈프로필들이 30~55만 원짜리 강의를 올려놓고 후기 0개, 단골 0명으로 방치 중
반면 당근 모임은 AI 영상제작(682명), AI 자동화(551명) 등 수요가 폭발적
고객 불만 1위: "수업 끝나면 혼자 다시 막힌다" / "후속 질문할 곳이 없다"
포지셔닝 3안을 만들었다 — "혼자서는 한 방향밖에 못 봤을 것"
오프모임에서 동료들에게 보여줄 포지셔닝이 필요했어요.
오프모임에서 동료들한테 보여줄 포지셔닝 후보 3가지 만들어줘
AI가 세 가지 완전히 다른 각도에서 포지셔닝을 만들어줬는데, 이 순간이 가장 "오!" 했습니다:
A안 (타겟 각도): "나는 AI 막막한 이웃을 위한 동네 첫 선생님이다"
B안 (가치 각도): "나는 동네 사장님을 위한 AI 광고 비서이다"
C안 (강점 각도): "나는 왕초보를 위한 금융인 AI 길잡이이다"
혼자 생각했으면 A안 같은 하나의 방향만 떠올렸을 거예요. 그런데 AI가 타겟/가치/강점이라는 세 가지 프레임으로 쪼개주니까, "아, 같은 사업도 이렇게 다르게 표현할 수 있구나" 하는 시야가 열렸어요
🚀 앞으로의 계획
이제 기획서가 완성됐으니, 실제로 당근 비즈프로필을 개설하고 원데이 클래스를 런칭할 예정입니다.
구체적으로:
당근 모임 [송파·강남] 스마트폰으로 배우는 왕초보 AI 실습 모임 개설
비즈프로필에 원데이 3만 원 챗GPT 스마트폰 첫걸음 클래스 등록
동네생활에 첫 홍보 소식글 게시
기획만 하고 끝나는 게 아니라, 실제 런칭까지 AI와 함께 해볼 생각입니다. 그 과정도 나중에 공유할게요!
소개
오랜 기간 네이버의 주주로서 느낀 소외감을 정량/정성적으로 분석하기 위해서
진행 방법
어떤 도구를 사용했고, 어떻게 활용하셨나요?
📅 분석 요청 시점: 2026년 6월 3일 XX:XX (KST)
⚠️ 중요: 반드시 실시간 데이터를 웹 검색으로 조회하세요.
---
[분석 유형]: [세부 옵션]
#Role: [전문가 페르소나]
#Instruction: [분석 대상 + 세부 지시]
#Context: [투자 성향·기간·목표]
#Example: [출력 포맷 템플릿]
📅 분석 요청 시점: 2026년 6월 3일 15:38 (KST)
⚠️ 중요: 반드시 실시간 데이터를 웹 검색으로 조회하세요.
---
밸류에이션 분석: 절대가치
#Role: 밸류에이션 전문 퀀트 애널리스트
- DCF, 상대가치 등 다양한 밸류에이션 모델 전문
#Instruction
분석 대상: NAVER
평가 방법: 절대가치 (DCF)
- 향후 5년 FCF 추정
- WACC 산출: 8~12% 가정
- 영구성장률: 2~3%
- 안전마진: 20%
실행한 분석 모듈 목록
#
분석 유형
주요 출력
1
기업 심층 분석
SWOT, 적정가, 투자의견
2
재무 비교분석 (ROE 듀퐁)
DuPont 분해, 경쟁사 비교
3
재무 심층분석 (성장성)
CAGR, 세그먼트 기여도
4
밸류에이션 — 상대가치
PER/PBR/EV-EBITDA 적정가
5
밸류에이션 — 절대가치
DCF 내재가치 ₩312,000
6
기술적 분석 — 이동평균
그랜빌 8법칙, 배열 분석
7
기술적 분석 — 모멘텀
RSI·MACD·스토캐스틱
8
기술적 분석 — 거래량
OBV, 세력 수급 패턴
9
경쟁우위 분석
경제적 해자 5유형 평가
10
리스크 & 시나리오
Bull/Base/Bear 3시나리오
11
ETF 분석
EWY·QQQM·SCHG·ARKK
결과와 배운 점
핵심 결과:
NAVER 적정가 ₩295,000 (현재가 ₩228,000 대비 +29% 저평가)
코스피 역대 최고 속 -21% 폭락의 원인 = 외국인 17연속 순매도 + 고점 분산
AI 브리핑으로 검색 점유율 81% 회복 — AI 위협론이 오히려 해자를 강화한 역설
배운 점:
페르소나 지정이 출력 품질을 결정한다. "투자 애널리스트"보다 "CFA 자격 Big 4 출신 10년 경력"처럼 구체적일수록 분석 깊이가 달라졌습니다.
#Example 포맷 템플릿이 핵심이다. 출력 형식을 표로 미리 지정해두면 모든 분석이 일관된 포맷으로 나와 비교·편집이 쉬워졌습니다.
"실시간 조회" 명시가 필수다. 이 지시 없이는 학습 데이터 기반으로 답해 1~2년 전 수치가 나올 수 있습니다.
앞으로의 계획:
삼성전자, SK하이닉스 등 다른 대형주에 동일 템플릿 적용
user/portfolio.md에 실제 매수가 기록 후 분기별 리밸런싱 자동화
도움 받은 글 (옵션)
참고한 지피터스 글이나 외부 사례를 알려주세요.
(내용 입력)
소개
시도한 것은 AI를 활용해서 당근마켓에 실제로 올릴 수 있는 첫 MVP를 정하는 것이었다.
처음 목표는 단순했다. 내정보로 적어둔 내 배경과 관심사를 바탕으로, 내가 할 수 있고 실제로 팔아볼 수 있는 아이템을 정리하는 것. 그런데 막상 진행해보니 아이템을 고르는 것보다 더 어려운 건 “이게 정말 상대방에게 도움이 될까?”를 판단하는 일이었다.
처음에는 자동화 진단, 회고 모임, 자영업자 소개 페이지 제작 등 여러 아이디어를 오갔다. 그 과정에서 AI가 그럴듯한 답을 줄수록 오히려 더 흔들리기도 했다. 결국 지금은 동네 사장님 반복 업무 10분 점검으로 좁혔다. 예약 확인, 문의 답장, 엑셀 정리처럼 반복되는 일을 10분 무료로 같이 보고, 필요하면 외주 요청서 정리나 외주 소통 동행으로 이어지는 방식이다.
진행 방법
사용한 도구는 아래와 같다.
Codex
Codex skills
product-marketing
deep-research
grill-me
documentation-and-adrs
to-prd
handoff
Presentations
lazyweb
처음에는 AI에게 아이디어를 많이 뽑게 했다. 이후에는 점점 질문을 좁혔다. “실제로 팔릴까?”, “요청서 정리만으로 충분할까?”, “외주 소통 동행은 어떤가?”, “첫 MVP는 무엇이어야 하나?”처럼 계속 현실성 검증 질문을 던졌다.
활용 과정에서 만든 산출물도 꽤 많았다.
MVP 정의 문서
가격 전략
비즈프로필 소개글
올리기 체크리스트
Threads 30일 콘텐츠
5분 발표 스크립트
발표용 PPT
이번 사례에서 핵심은 코드 작성보다, AI에게 계속 질문하면서 판단 기준을 문서화하고 좁혀간 과정이었다.
결과와 배운 점
최종적으로 정리한 MVP는 동네 사장님 반복 업무 10분 점검이다.
처음부터 자동화 개발을 팔지 않고, 먼저 사장님이 반복해서 하는 일을 듣는다. 10분 무료 점검으로 자동화가 필요한 일인지, 기본 기능으로 충분한지, 외주로 맡기면 좋은지 나눈다. 외주가 필요하면 요청서 정리 3만 원, 외주자 답변을 보고 막히면 소통 동행 7만 원으로 이어지는 구조다.
가장 크게 배운 점은 AI가 결정을 대신해주지는 않는다는 것이다. 오히려 AI는 내가 고민을 더 명확하게 보게 해주는 도구에 가까웠다. 답변이 마음에 들지 않을 때마다 같은 질문을 조금씩 바꿔가며 다시 물었는데, 그 과정에서 내가 진짜로 불안해하는 지점이 드러났다.
예를 들면 자동화 진단은 그럴듯했지만, “진단만 받고 사장님에게 실제 도움이 될까?”라는 의문이 계속 남았다. 자영업자 소개 페이지 제작도 가능은 했지만, 이미 포트폴리오용으로 만들어주는 사람이 많아서 내가 줄 수 있는 메리트가 애매했다. 이런 의심이 단순히 실행을 미루는 핑계일 때도 있었지만, 일부는 꽤 중요한 판단이었다.
나만의 팁은 AI에게 바로 “정답”을 묻기보다, 아래 순서로 묻는 것이다.
아이디어를 넓게 뽑기
실제로 팔릴지 솔직하게 평가시키기
걱정되는 점을 일부러 크게 물어보기
첫 고객 1명 기준으로 MVP를 다시 줄이기
마지막에는 발표자료나 체크리스트처럼 실행 산출물로 바꾸기
시행착오도 있었다. AI 답변을 너무 믿으면 내 판단이 사라지고, 반대로 내 고집만 세우면 계속 실행을 미루게 된다. 이번에는 그 사이를 오갔다. 또 발표 PPT를 만들 때도 처음에는 AI가 만든 화면을 그대로 두면 되는 줄 알았는데, 실제로 보니 우측 좁은 영역에 글자가 줄바꿈되어 가독성이 떨어졌다. 그래서 여러 번 “이 영역 제거해줘”, “전체적으로 다시 점검해줘”라고 요청하면서 발표자료도 다듬었다.
앞으로의 계획은 간단하다. 더 완벽한 아이템을 찾기보다, 당근에 실제 글을 올리고 반응을 보는 것이다. 첫 실행 목표는 당근 문의 3건, 10분 점검 2건, 구매 의사 1건, 고객이 실제로 쓴 표현 10개를 모으는 것이다.
도움이 필요한 부분은 첫 글 제목이다. 동료들에게 아래 두 문장 중 어떤 쪽이 더 문의하고 싶게 느껴지는지 물어보려고 한다.
이번 사례의 한 줄 요약은 이렇다.
AI는 답을 정해주는 도구라기보다, 내가 왜 결정을 못 하는지 드러내주는 도구였다.
비즈프로필 소개글 작성의 핵심 요약
2주차 사례글 W2_사례글.md를 다시 읽고, write-post 방식으로 작업 흐름을 정리했습니다. 핵심은 “비즈프로필을 잘 만들었다”가 아니라, AI와 소개글을 고치면서 아직 사업 아이템에 확신이 없다는 걸 발견한 점이었습니다.
바쁘시면 이것만 읽어도 돼요:
2주차에는 비즈프로필 소개글, 첫 게시물, 가격을 정리했다.
소개글은 총 3번 다듬으며 톤을 잡았다.
최종 카피는 “운동해야 하는 건 알지만 혼자 시작이 어려우셨나요?”로 정리됐다.
첫 3명 체험가는 2~3만원으로 잡았다.
첫 반응 숫자는 아직 없어서 과장하지 않았다.
진짜 성과는 “올리기 전 검증 질문이 선명해진 것”이었다.
비즈프로필 소개글 작성이 필요한 사람들
당근 비즈프로필 소개글을 처음 쓰는 분
기존 경력의 얕은 버전으로 아이템을 만들고 있는 것 같아 찝찝한 분
AI로 카피를 만들었지만 “이게 정말 내 사업인가?”가 남는 분
비즈프로필 작성 전의 문제점
2주차 사례글의 핵심 문장은 이거였습니다.
막힌 건 문장 자체보다 “이게 진짜 내가 하고 싶은 사업인가?”였다.
비즈프로필 소개글과 가격은 만들 수 있었지만, 물리치료사라는 기존 경력 때문에 자꾸 신체교정·자세·재활 쪽으로 흘러가는 느낌이 있었습니다. 그래서 단순히 예쁜 소개글보다, 내 아이템이 진짜 맞는지 확인하는 과정이 더 필요했습니다.
비즈프로필 작성에 사용한 도구
도구명: Codex Desktop
스킬: write-post
입력 파일: C:\carrot\W2_사례글.md
비즈프로필 작성 과정
2주차 사례글 재검토
먼저 Codex에게 2주차 사례글 파일을 읽게 했습니다.
2주차 사례글 .md 를 읽고 write-post 스킬로 이번 작업 사례글 뽑아줘
읽어보니 이미 좋은 사례의 뼈대가 있었습니다. “소개글 3번”, “첫 3명 체험가 2~3만원”, “첫 반응 숫자는 아직 없음”, “검증 질문이 선명해짐” 같은 구체 요소가 들어 있었기 때문입니다.
비즈프로필 성공담이 아닌 의심의 중요성
처음에는 비즈프로필 소개글을 만든 결과가 중심처럼 보였습니다. 하지만 다시 읽어보니 더 중요한 건 “확신 없음”이었습니다.
AI가 최종 카피를 이렇게 정리해줬습니다.
운동해야 하는 건 알지만 혼자 시작이 어려우셨나요? 60분 동안 걷기부터 함께하며 일주일 루틴을 잡아드립니다.
문장은 좋아졌지만, 동시에 “이게 내가 진짜 하고 싶은 사업인가?”라는 질문도 선명해졌습니다. 오히려 이 지점이 2주차 사례글의 핵심이었습니다.
비즈프로필 작성 후의 결과
Before vs After
항목
Before
After
글 방향
비즈프로필 소개글을 만든 후기
소개글을 만들며 확신 부족을 발견한 후기
카피
몸을 봐주는 전문가 서비스
운동 첫날 같이 시작하는 생활 운동 코칭
가격
막연함
첫 3명 체험가 2~3만원
반응
아직 없음
과장 없이 “아직 없음”으로 기록
결과물
DEVLOG_W2_WRITE_POST.md
AI_CASE_STUDY_W2_WRITE_POST.md
AI 활용 팁과 배운 점
소개글을 AI에게 맡길 때 “예쁘게 써줘”만 하면 결과는 나오지만, 내 찝찝함은 남을 수 있습니다. 오히려 이렇게 물어보는 게 더 좋았습니다.
이 소개글을 올리려니 기존에 하던 일의 얕은 버전처럼 느껴져.
사업성이 있을지, 내가 에너지를 쓸 만한 아이템인지 솔직하게 점검해줘.
비즈프로필 소개글의 다음 단계
다음 단계는 비즈프로필 문구를 더 고치는 것보다, 실제 문의가 오는지 작게 검증하는 것입니다. 문의가 없으면 카피 문제가 아니라 아이템 방향 자체를 다시 봐야 합니다.
## 📝 한줄 요약
코드 한 줄 몰라도 AI로 홍보물 만들고, 직접 발로 뛰었더니 10분 만에 첫 특강 신청이 왔다.
바쁘시면 이것만:
- Claude Code로 편집 가능한 A4 홍보물을 말로 설명해서 만들었다
- 완성도 80%에서 바로 프린트해서 아파트 복도에 붙였다
- 붙인 지 10분 만에 "특강 신청합니다. 최인창" 문자가 왔다
- AI 시대에 가장 효과적인 채널이 오프라인 전단지일 수도 있다
- 기술에 매몰되면 정작 실행을 못 한다 — 도구는 도구일 뿐이다
- 안 된다는 이유 찾지 말고, 빨리 하고 빨리 실패하는 게 낫다
---
## 🎯 타겟 독자
- AI 도구로 부업·사이드 프로젝트를 시작하고 싶은데 뭔가 "더 준비되면" 하려는 분
- Claude Code 같은 AI 코딩 도구를 써보고 싶은 비개발자
- 온라인 채널만 파고 있는데 반응이 없어서 답답한 분
---
## 😫 문제 상황 (Before)
주변 어르신들을 보면 AI에 관심은 있다. "ChatGPT 써보고 싶은데 어떻게 하는 거야?" 라는 말을 한두 번 들은 게 아니다.
그런데 막상 온라인으로는 접근이 안 된다. 당근에 비즈프로필도 만들고, 소식도 올리고, 콘텐츠도 다듬었는데 — 정작 내 타겟인 아파트 입주민 어르신들은 당근 피드를 잘 안 본다.
깨달음: 고객이 있는 곳으로 내가 가야 한다. 어르신들이 매일 지나다니는 곳은 아파트 복도와 엘리베이터다.
---
## 🛠️ 사용한 도구
- Claude Code (AI 코딩 도구)
- 모델: Claude Sonnet
- 배포: Firebase Hosting
- 버전관리: GitHub
---
## 🔧 작업 과정
### [1단계] 전략 수립 — AI한테 물어봤다
```
당근 비즈프로필 마케팅 어떻게 개선하면 좋을지 알려줘.
스터디 설문 결과를 신뢰 소재로 써서 1주일 실행 플랜 만들어줘.
```
Claude Code가 온라인 채널 개선안과 함께 오프라인 홍보 방향까지 같이 잡아줬다.
1주일치 실행 플랜이 문서로 뚝딱 나왔다.
---
### [2단계] 소식지 콘텐츠 제작 — 실화가 허구보다 강하다
```
DAY4 허구 대화 말고 케이찹사라다 텀블러 실화로 바꿔줘.
DAY5 어르신 말고 엄마를 첫 수강생으로 한 실제 수업 경험으로 교체해줘.
소식지 제목이 30자 넘어, 줄여줘.
```
여기서 첫 번째 삽질이 나왔다. 당근 소식 제목이 30자 제한인 걸 다 쓰고 나서 알았다.
전부 다시 줄여야 했다. 귀찮았지만, 덕분에 제목이 더 날카로워졌다.
그리고 중요한 걸 배웠다 — 허구 스토리보다 실화가 훨씬 살아있다.
엄마한테 처음 ChatGPT를 가르치던 그 장면이, 만들어낸 어르신 에피소드보다 100배 설득력 있었다.
---
### [3단계] A4 홍보물 제작 — 코드 몰라도 된다
```
오프라인 홍보물 만들어줘.
무료 세미나용이랑 유료 방문 세팅용 두 개.
브라우저에서 바로 편집하고 인쇄할 수 있게.
```
Claude Code가 편집 가능한 HTML 에디터를 만들어줬다.
- 텍스트 실시간 수정
- QR코드 자동 생성
- Wonny 캐릭터 위치·크기 슬라이더
눈오지 님이 토요 모각에서 알려주신 방법으로 캐릭터를 만들어 넣었습니다!
https://aisonju.web.app/
https://www.daangn.com/kr/local-profile/vo5u98kohvgw/?referrer=share
- 인쇄/PDF 저장 버튼
- 하단 절취 쿠폰 6칸
코드는 한 줄도 안 짰다. 원하는 걸 말로 설명했을 뿐이다.
편집기 기능을 쓰다 보니 "다른 기기에서 열면 설정이 날아가네?"를 발견했고,
그 자리에서 바로 요청해서 JSON 내보내기/가져오기까지 붙였다.
---
### [4단계] 프린트하고 복도에 붙였다
완성도 100%를 기다리지 않았다.
80%쯤 됐을 때 프린트해서 아파트 복도와 게시판에 직접 붙였다.
같은 날 당근에 새 소식도 올리고, 쿠폰도 발행했다.
- AI 무료 특강 쿠폰
---
### [5단계] 10분 후
> "특강 신청합니다. ㅇㅇㅇ"
붙이고 10분 만에 문자가 왔다.
AI로 만든 홍보물이, 실제 사람을 움직였다.
그 순간 확신했다 — 만든 게 작동한다.
---
## ✅ 결과 (After)
### Before vs After
| 항목 | Before | After |
|------|--------|-------|
| 홍보 채널 | 당근 온라인만 | 온라인 + 오프라인 |
| 홍보물 | 없음 | A4 전단 2종 (무료/유료) |
| 신청 | 0명 | 10분 만에 1명 |
| 소요 시간 | — | 기획~부착 약 1주일 |
| 비용 | 0원 | 프린트비만 |
---
## 💬 AI 활용 팁
### 효과적이었던 것
1. 말로 설명하면 된다 — "이런 거 만들어줘"만 해도 동작하는 HTML이 나온다
2. 쓰면서 발견한 것도 바로 요청 — 설정 저장 기능은 쓰다가 필요성을 느끼고 그 자리에서 추가했다
3. 허구보다 실화 — 콘텐츠도 AI가 만들어준 그럴듯한 이야기보다 내 실제 경험이 훨씬 강하다
### 주의점
1. 기술에 매몰되지 마라 — AI 도구가 재미있어서 컴퓨터 앞에서만 놀다 보면 정작 실행을 못 한다. 화려한 기술은 도구일 뿐이고, 어쩔 때는 방해가 된다
2. 플랫폼 제약은 미리 확인 — 당근 소식 제목 30자 제한처럼, 다 만들고 나서 알면 두 배로 일한다
3. 완성도 100% 기다리지 마라 — 80%에서 내보내는 게 낫다. 안 된다는 이유 찾지 말고 빨리 하고 빨리 실패해라
---
## 🌍 다른 업무 적용
이 방식은 어디든 쓸 수 있다.
- 동네 과외 홍보물
- 프리랜서 명함
- 작은 가게 이벤트 전단
- 커뮤니티 모임 안내문
AI 코딩 도구가 있으면 디자이너 없이도 "편집 가능한 홍보물 에디터"를 만들 수 있다.
코드 몰라도 된다. 원하는 걸 말로 설명할 수 있으면 충분하다.
---
## 🚀 향후 계획
1. 6월 5일 무료 특강 진행 — 첫 신청자 최인창 님 포함 5명 모집
2. 후기 콘텐츠화 — 특강 현장 사진·후기로 2차 모집 바이럴 유도
3. 유료 전환 — 무료 특강 신뢰 → 방문 AI 세팅 서비스(3~5만원)로 자연스럽게 연결
무료로 신뢰를 쌓고, 유료로 연결한다. 특강이 퍼널의 시작이다.
---
## 📋 재사용 가능한 프롬프트
### 프롬프트 1: 오프라인 홍보물 에디터 만들기
> "[서비스명] A4 홍보물을 브라우저에서 편집하고 바로 인쇄할 수 있게 만들어줘.
> 왼쪽에 편집 패널, 오른쪽에 실시간 미리보기.
> 텍스트 수정하면 바로 반영되고, 인쇄 시 편집 패널은 안 나오게 해줘.
> QR코드는 URL 바뀌면 자동으로 업데이트되게."
### 프롬프트 2: 실행 플랜 만들기
> "내 타겟은 [타겟 설명]이야.
> 현재 상황은 [현재 상황]이고, 목표는 [목표]야.
> 1주일 실행 플랜을 DAY별로 짜줘. 채널별로 뭘 해야 하는지 구체적으로."
### 프롬프트 3: 콘텐츠 실화로 교체하기
> "이 콘텐츠가 너무 만들어낸 느낌이야.
> 내 실제 경험은 [실화 내용]인데, 이걸 기반으로 다시 써줘.
> 억지로 감동적으로 만들지 말고, 있는 그대로 담담하게."
소개
지난주에 아이디어를 10개에서 5개, 최종 3개로 좁혔다면, 이번 주는 그 중 실제로 당근에 올릴 서비스 두 개의 전략을 구체화하는 시간이었습니다.
타겟 고객은 누구인지, 어떤 형태로 팔지, 가격은 얼마로 잡을지, 비즈프로필 소개글은 어떻게 쓸지 — 하나씩 파일로 쌓아갔습니다.
진행 방법
항목
내용
툴
Claude Code + MD 파일 시스템
시작점
지난주에 확정된 최종_아이디어.md를 Claude에 참조
흐름
타겟 고객 정의 → MVP 정의 → 비즈프로필 소개글 작성 → 가격 설계
추가 인풋
스터디장 Wonny님이 공유해주신 [당근마케팅_핵심정리].md를 Claude에 참조해 비즈프로필 소개글 추가 첨삭
관리 방식
각 단계 결과물을 번호 붙은 MD 파일로 저장해 누적 관리
결과와 배운 점
이번 주는 "내가 이미 갖고 있는 것"을 제대로 쓰는 법을 배운 주였습니다. 🤝
경력이 있어도 어떤 경력을 어떤 서비스에 연결하는지가 다르고, 가격 하나도 전략적으로 설정하지 않으면 오히려 역효과가 나고, 소개글 첫 줄 하나가 고객의 발걸음을 멈추게도, 그냥 지나치게도 만든다는 것.
이미 알고 있다고 생각했던 것들을 처음으로 실제 맥락에서 다시 배웠습니다.
💻 사례1 — 경력 한 마디가 두 개의 전략을 만들었다
저는 핑크퐁에서 일했고, 지금은 라인플러스에서 PD로 재직 중입니다.
"그럼 두 서비스에 다른 경력을 앞세워야 해요."
→ 유아 율동 클래스 → 핑크퐁 팀장 앞세우기 (아이 콘텐츠를 직접 만든 사람)
→ 중학생 AI 공부방 → 라인플러스 현직 PD 앞세우기 (AI 기업에 실제로 다니는 사람)
같은 나인데, 어떤 경력을 앞에 두느냐에 따라 고객에게 전혀 다른 사람이 됐습니다.
💡 경력 하나도 타겟에 따라 다르게 써야 한다는 걸 처음으로 실감했습니다.
💻 사례2 — 소개글 첫 줄이 바뀌었다
비즈프로필 소개글을 완성하고 나서 잘 됐다고 생각했습니다.
그런데 Wonny님이 전해 준 당근마케팅 책의 프레임워크를 적용하자마자 문제가 보였습니다.
[기존 소개글] "안녕하세요. 핑크퐁 팀장 출신, 세종에 살고 있는 두 아이 엄마 복지리예요."
책의 원칙은 하나였습니다.
"자신이 알리고 싶은 내용을 그대로 쓰면 공감대 형성 실패"
[수정 후] "문화센터 대기는 길고, 집에서 유튜브만 보여주기 미안하셨던 적 있으세요?"
첫 줄을 나 소개에서 고객의 고민으로 바꾸자, 나머지 문장이 자연스럽게 따라왔습니다.
💡 소개글은 '나를 설명하는 글'이 아니라 '고객이 멈추게 만드는 글'이었습니다.
이 과정에서 인상적이었던 건, 작업의 시작은 늘 저에 대한 정보 — 저의 경력, 저의 서비스, 저의 생각이었는데, Wonny님이 주신 당근마케팅 핵심정리 파일 덕분에 첨삭 과정에서는 자연스럽게 타겟의 입장으로 시선이 이동했다는 점입니다.
나에 대한 이야기로 시작했지만, 고객의 언어로 끝나게 된 것 — 그게 이번 첨삭의 핵심이었습니다.
🥕🔜 이어지는 이야기 & 앞으로의 숙제
비즈프로필 및 당근모임 생성 후기 : 당근모임 필요여부 및 네이밍 고민
실제 내 아이 안무 가르쳐 본 후기 : 영유아 대상 클래스의 현실적 운영 고민
소개
경제 초보자로서 재테크의 첫걸음은 지출 통제라고 생각했습니다. 하지만 매일 가계부를 쓰거나, 한 달에 한 번 카드사 앱에 들어가 엑셀을 다운받아 분석하는 일은 너무 귀찮고 안하게 되더라고요. 그래서 누가 매주 내 지출을 자동으로 모니터링하고 뼈 때리는 피드백을 주면 어떨까? 하는 생각에 시도해보게 되었습니다.
카드사 지출 내역이나 토스 알림 데이터를 API를 통해 매주 일요일 아침 자동으로 수집
수집된 텍스트 데이터를 클로드로 넘겨서 카테고리별 과소비 항목을 분석하고 다음 주 지출 가이드라인이 담긴 재무 브리핑을 톡으로 받기
진행 방법
전체적인 자동화 파이프라인은 노코드 툴인 n8n을 활용했습니다. 카드 지출 내역은 개인 스크래핑 라이브러리를 활용해 API 형태로 호출하였고, 데이터 분석은 Claude API를, 최종 브리핑 발송은 Gmail 노드를 사용해 구현했습니다.
1. 카드 지출 내역 API 호출 및 데이터 정제
매주 일요일 밤, n8n 스케줄러가 작동하면서 지난 일주일간의 카드 승인 내역 API를 호출합니다. 가맹점명, 사용 금액, 결제 일시가 포함된 JSON 데이터를 받아와 1차로 정제합니다.
아래의 카드 결제 내역 데이터를 자바스크립트 데이터 배열로 정제해줘. '가맹점명'에서 배달의민족, 쿠팡, 요기요, 카카오T, 스타벅스 같은 핵심 키워드가 있다면 [배달, 쇼핑, 교통, 카페]라는 직관적인 카테고리(category) 키를 새로 추가해줘. 금액은 숫자형태로 변환해줘.
2. 카테고리별 지출 합산 및 이상 징후 포착
정제된 데이터를 바탕으로 이번 주에 어떤 카테고리에 돈을 가장 많이 썼는지, 지난주 대비 지출이 급증한 곳은 어디인지 계산하는 가벼운 필터링 코드를 n8n Code 노드에 심었습니다.
입력된 일주일간의 카드 소비 데이터셋을 바탕으로, 카테고리별 총지출 금액을 계산하는 자바스크립트 코드를 짜줘. 만약 특정 카테고리의 지출이 내가 설정한 주간 예산을 초과했다면, 'budget_over': true 라는 플래그를 추가해줘.
// 주간 소비 데이터 카테고리별 합산 및 예산 초과 체크
function analyzeSpending(items) { const BUDGET_LIMITS = { '배달': 50000, '카페': 20000, '쇼핑': 100000 }; const summary = {}; items.forEach(item => { const category = item.category || '기타'; const amount = parseInt(item.amount); if (!summary[category]) { summary[category] = { total: 0, budgetOver: false }; } summary[category].total += amount; }); // 예산 초과 여부 검사 for (const cat in summary) { if (BUDGET_LIMITS[cat] && summary[cat].total > BUDGET_LIMITS[cat]) { summary[cat].budgetOver = true; } } return [{ spendingSummary: summary }];
}
3. AI의 재무 잔소리 리포트 생성 및 메일 발송
합산된 통계 데이터를 Claude API에게 던져, 다정하지만 뼈 때리는 말투로 주간 재무 보고서를 작성
너는 아주 냉철하면서도 나를 아끼는 개인 재무 컨설턴트야. 제공된 [주간 소비 요약 데이터]를 보고, 예산을 초과한 카테고리가 있다면 강하게 잔소리를 해줘. 그리고 다음 주에 지출을 줄일 수 있는 구체적인 행동 요령(예: 커피 텀블러 사용하기, 배달 앱 삭제하기 등)을 3가지 제안해줘. HTML 이메일 형식으로 가독성 좋게 작성해줘.
결과와 배운 점
아직은 초보라 실현하는데에는 어려움이 있었지만, Gemini와 끊임없이 대화하며 가상의 파이프라인을 설계해 보았습니다. 복잡한 API 연동과 대량의 엑셀 데이터 정제도 n8n 같은 노코드 툴과 LLM을 결합하면 머릿속 기획을 완벽히 자동화된 현실로 만들 수 있다는 확신을 얻을 수 있었습니다.
또한 직접 코드를 한 줄 한 줄 완벽하게 치지는 못하더라도, 전체적인 시스템 아키텍처(데이터 수집부터 AI 활용 그리고 결과 발송하는 부분까지)를 논리적으로 구상해 보는 것 자체가 경제·비즈니스 파트에서 AI를 어떻게 활용해야 하는지 배울 수 있는 좋은 기회였습니다.
도움이 필요한 부분 / 앞으로의 계획
지금은 비록 AI와의 대화를 통해 이렇게 만들 수 있다는 작동 원리와 프로토타입 구조를 배운 단계이지만, 앞으로 파이썬 기초와 n8n 사용법을 더 깊게 공부해 볼 생각입니다.
도움 받은 글 (옵션)
소개
매일 장 시작 전과 마감 후에 KOSPI, 환율, 해외 지수를 직접 찾아보는 게 번거로웠습니다. 이 과정을 자동화해서 정해진 시간에 텔레그램으로 자동 수신하고 싶었고, 더 나아가 로컬 AI(Ollama llama3)가 뉴스를 분석해서 상승/하락 주의 종목과 단기·중장기 투자 포인트까지 함께 알려주는 시스템을 구축했습니다.
진행 방법
사용 도구
코워크 (Cowork) — 전체 코드 작성, 오류 수정, 기능 확장 담당
Yahoo Finance (yfinance) — KOSPI, KOSDAQ, 환율, 해외 지수 수집
네이버 뉴스 검색 API — 최신 금융 뉴스 수집 (무료)
Ollama (llama3) — 로컬 AI로 뉴스 분석, 종목 시그널 + 투자 포인트 생성
텔레그램 봇 — 분석 결과 실시간 알림
Windows 작업 스케줄러 — 평일 08:50 / 15:35 자동 실행
시스템 구조
Windows 작업 스케줄러 ↓ (평일 08:50 / 15:35 자동 실행)
run.bat ↓
investment_alert.py ├── Yahoo Finance → 시세 수집 (KOSPI, 환율, 해외지수) ├── 네이버 뉴스 API → 최신 뉴스 수집 └── Ollama llama3 → AI 분석 ↓ 텔레그램 전송
run.bat 내용만 수정하면 스케줄러가 자동으로 반영됩니다.
사용한 프롬프트 (코워크)
초기 요청:
투자 정보 자동화 — KOSPI/KOSDAQ, 환율, 해외지수(나스닥/S&P500) 수집해서 텔레그램으로 평일 오전+오후 하루 2회 자동 전송해줘
AI 분석 추가 요청:
AI 뉴스 요약으로 상승 주의, 하락 주의 종목 나오게 못하나
중장기 분석 추가:
단기적인것만 아니고 중장기적인 요소도 있으면 분석해주면 안되나
AI에게 보내는 프롬프트 (llama3)
당신은 한국 주식시장 전문 애널리스트입니다.
아래 오늘의 시장 데이터와 최신 뉴스를 분석하여
단기/중장기 관점을 모두 포함한 투자 인사이트를 제공해주세요. [오늘 시장 데이터]
KOSPI 2,580.12 ▲12.34, NASDAQ 19,200.00 ▲150.00, USD/KRW 1,381.20 ... [최신 금융 뉴스]
- 삼성전자 HBM 수주 확대...
- SK하이닉스 실적 개선 전망... ## 📋 시장 요약
## 📈 상승 주의 종목
## 📉 하락 주의 종목
## 📅 단기 포인트 (1~2주)
## 📆 중장기 포인트 (1~6개월)
## 💡 오늘의 한 줄 전략
생성된 핵심 코드
investment_alert.py
python
import json, re, requests, yfinance as yf
from datetime import datetime
from html import unescape # 시세 수집 (Yahoo Finance)
TICKERS = { "KOSPI": ("^KS11", "index"), "KOSDAQ": ("^KQ11", "index"), "NASDAQ": ("^IXIC", "index"), "S&P500": ("^GSPC", "index"), "USD/KRW": ("USDKRW=X", "fx"), "EUR/KRW": ("EURKRW=X", "fx"),
} # 네이버 뉴스 수집
def fetch_naver_news(query, display=20): url = "https://openapi.naver.com/v1/search/news.json" headers = {"X-Naver-Client-Id": NAVER_CLIENT_ID, "X-Naver-Client-Secret": NAVER_CLIENT_SECRET} res = requests.get(url, headers=headers, params={"query": query, "display": display, "sort": "date"}) return [re.sub(r"<[^>]+>", "", item["title"]) for item in res.json()["items"]] # Ollama AI 분석
def analyze_with_ollama(news_lines, market_data): prompt = f"""당신은 한국 주식시장 전문 애널리스트입니다...
[시장 데이터] {market_data}
[뉴스] {news_lines}
→ 시장요약 / 상승종목 / 하락종목 / 단기포인트 / 중장기포인트 / 한줄전략""" res = requests.post("http://localhost:11434/api/generate", json={"model": "llama3", "prompt": prompt, "stream": False}) return res.json()["response"]
config.json
json
{ "telegram": { "bot_token": "...", "chat_id": "..." }, "naver": { "client_id": "...", "client_secret": "..." }, "ollama": { "model": "llama3", "url": "http://localhost:11434" }
}
run.bat (수정하면 스케줄 자동 반영)
batch
@echo off
cd /d "%~dp0"
python -c "import yfinance" 2>nul || pip install yfinance -q
python investment_alert.py
pause
텔레그램 수신 예시
📊 매크로 지표 — 2026-06-02 08:50 🇰🇷 국내 지수 KOSPI 2,580.12 ▲12.34 (0.48%) KOSDAQ 850.21 ▼3.10 (0.36%) 💱 환율 USD/KRW 1,381.20 ▼2.10 (0.15%) 🌐 해외 지수 NASDAQ 19,200.00 ▲150.00 (0.79%) S&P500 5,300.00 ▲30.00 (0.57%) ──────────────────────────────
🤖 AI 시장 분석 📋 시장 요약
미국 금리 동결 기대감으로 코스피 강보합 예상... 📈 상승 주의 종목
삼성전자 — HBM 수주 확대, 외국인 순매수 지속
SK하이닉스 — AI 반도체 수요 증가 호재 📉 하락 주의 종목
카카오 — 규제 리스크 및 실적 우려 지속 📅 단기 포인트 (1~2주)
이번 주 미국 CPI 발표, 환율 변동성 주의 📆 중장기 포인트 (1~6개월)
반도체 사이클 회복 국면 진입, 금리 인하 시 성장주 재평가 💡 오늘의 한 줄 전략
낙폭 과대 반도체주 분할 매수 관심 유효
결과와 배운 점
시행착오
네이버 금융 스크래핑 실패 — JavaScript 렌더링 방식이라 BeautifulSoup으로 값이 전부 N/A → yfinance로 전환해서 해결
텔레그램 Markdown 파싱 오류 — 뉴스 제목의 특수문자(*, _)가 오류 유발 → HTML 모드로 전환
Windows 스케줄러 한글 깨짐 — bat 파일에서 한글 태스크명 인코딩 오류 → 영문 이름으로 변경
배운 점
로컬 AI(Ollama)는 API 키 없이 무료로 고품질 분석 가능
키워드 매칭보다 LLM 프롬프트가 훨씬 정교한 분석 결과를 냄
run.bat → 스케줄러 구조로 만들면 코드 수정 시 재등록 불필요
앞으로의 계획
관심 종목 목표가 도달 시 즉시 알림 (조건부 알림)
외국인/기관 순매수 상위 종목 포함
RSI, MACD 기술적 지표 계산 추가
더 강력한 로컬 AI 모델로 교체 시 분석 품질 향상
세팅 체크리스트
Python 설치
pip install yfinance requests
Ollama 설치 + ollama pull llama3
텔레그램 봇 생성 (BotFather) → Token + Chat ID
네이버 개발자 센터 앱 등록 → Client ID + Secret
config.json 값 입력
register_schedule.bat 관리자 권한으로 1회 실행
📝 한줄 요약
KCIF 국제금융속보를 매일 자동으로 다운로드하고, 경제 초보자도 이해할 수 있는 말로 요약해서 Discord에 올려주는 자동화를 AI와 함께 만들었다.
😫 반복되는 번거로움 해결
KCIF(국제금융센터)라는 곳이 있다. 매일 아침 국제 경제 동향을 정리한 보고서를 올려주는 기관인데, 내용은 좋다. 문제는 접근 방식이다.
매번 웹사이트에 들어가서 → 최신 보고서를 찾아서 → PDF를 다운로드해서 → 열어서 읽어야 한다.
그런데 막상 읽으면 또 막힌다. PMI, CDS, NDF, 베이시스포인트... 경제 뉴스는 온통 복잡한 말들뿐이다. "미국 10년물 국채금리가 2bp 상승했다"는 게 내 생활에 어떤 의미인지 쉽게 와닿지 않는다.
그래서 이런 생각이 들었다.
"AI한테 매일 아침에 이 보고서 가져와서 쉽게 설명해줄 수 있어?"
🔍 사이트 구조 파악
Claude Code에 KCIF 사이트 주소를 던져줬다.
https://www.kcif.or.kr/annual/newsflashList
여기에서 매일 업데이트 된 보고서를 다운로드 -> 내용을 읽어온 뒤 -> 쉽게 설명해주는 자동화?
Claude가 사이트를 분석하더니 보고서 목록 구조, PDF 파일명 패턴(`BR260602.pdf` 형식), 날짜 필터링 방법까지 바로 정리해줬다.
Claude가 사이트의 JavaScript 코드를 파헤쳐서 실제로 파일을 내려받는 숨겨진 주소를 찾아냈다. 직접 테스트해보니 로그인 없이도 PDF가 463KB 고스란히 다운로드됐다. 심지어 파일명(`BR260602.pdf`) 패턴도 목록 페이지 HTML 안에 이미 담겨 있었다. 상세 페이지를 따로 열 필요조차 없었다.
🎯 경제 초보자를 위한 요약 형식
이번 자동화의 핵심은 "얼마나 쉽게 설명하느냐"였다.
PDF를 직접 읽어봤다. 6페이지짜리 문서인데, 1페이지만 봐도 핵심 내용이 다 들어 있었다. 쉽게 이해하기 위해 Claude에게 이런 식으로 부탁했다.
경제 초보자도 알아보기 쉽게끔 내용이 쉬웠으면 좋겠어...
이 한 마디에 Claude가 제안한 원칙들:
PMI, CDS, NDF, bp 같은 금융 전문 용어 사용 금지 (나오면 괄호로 쉽게 설명)
숫자보다 "많이 올랐다", "조금 내렸다" 식으로 표현
원인→결과 흐름의 스토리텔링
그리고 매일 Discord에 올라올 요약의 형식도 함께 잡았다:
🌍 오늘 한 줄 요약
📖 무슨 일이 있었나요? (3-4줄 스토리)
💸 돈·주식·환율은? (시장 분위기 2줄)
🇰🇷 우리한테는 어떤 영향? (1-2줄)
실제로 오늘 보고서로 테스트한 결과가 이랬다:
🌍 오늘 한 줄 요약
이란이 미국과의 대화를 끊으면서 중동 불안이 커졌지만, 미국 경제와 기술주가 버티며 시장은 크게 흔들리지 않았어요.
📖 무슨 일이 있었나요?
이란이 "이스라엘이 레바논 공격을 멈출 때까지 미국과 대화 안 한다"고 선언했어요. 원래 핵 협상을 진행 중이었는데 갑자기 중단된 거예요...
읽기 훨씬 편해졌다.
🔄 도구 변경: n8n에서 Hermes로
처음에는 n8n(자동화 도구)으로 설계를 시작했다. 워크플로우 파일도 다 만들었다. 그런데 설정 과정에서 Anthropic API 키가 필요하다는 게 걸렸다. 이미 쓰고 있는 Hermes(AI 에이전트 도구)에 Claude가 연결되어 있는데, 굳이 별도로 API 키를 만들어야 하나 싶었다.
아니면... 지금까지 네가 작업한 이 내용을 hermes에서 시키고 싶어. 뭐라고 프롬프팅하는게 좋을까?
Hermes에는 cron 기능이 있었다. 스케줄에 맞춰 스크립트를 실행하고, AI가 분석해서 지정된 채널로 보내주는 기능이다. 딱 원하는 그림이었다.
Python 스크립트를 만들어서:
KCIF 사이트에서 오늘 날짜 보고서를 찾고
PDF를 다운로드해서 텍스트를 추출하고
그 내용을 stdout으로 출력
그러면 Hermes가 그걸 받아서 Claude로 요약하고 Discord에 올려주는 구조다.
💡 PDF 메타데이터 활용
"아침 6시 30분에 보내줘" 라고 요청했더니 Claude가 먼저 물었다.
"그쯤엔 아직 보고서가 올라오지 않았을 수도 있어요. KCIF가 보고서를 보통 몇 시에 올리는지 먼저 확인해볼게요."
그러더니 다운로드한 PDF 파일 안의 메타데이터를 꺼냈다. PDF에는 파일이 만들어진 시간이 기록되어 있다. 최근 5일치를 확인해봤더니:
날짜
업로드 시간
6/2
07:34
6/1
08:21
5/30
08:31
5/29
08:34
5/28
08:21
6시 30분은 매일 너무 이르고, 9시는 항상 안전하지만 늦다. 그래서 나온 해결책이 재시도 시스템이었다.
8시에 시도 → 보고서 있으면 바로 전송
없으면 8시 30분에 다시 시도
그래도 없으면 9시에 마지막으로 시도
이 로직을 스크립트에 담았다. 한 번 전송하면 오늘 날짜를 기록해두고, 다음 시도에서는 "이미 보냈네" 하고 조용히 넘어간다.
🎭 Discord 봇 활용
Discord에는 Hermes 봇들이 여럿 있다. 테스트해보니 메시지가 잘 왔다.
기존 셋업해둔 Hermes 봇은 개인 금융 관리용으로 이미 쓰고 있어서 섞이면 안 됐다. Claude가 제안한 건 Discord Webhook이었다. 새 봇을 만들 필요 없이, 채널에 이름만 다른 발신자를 만들 수 있다고.
Discord 채널 설정에서 웹훅을 만들고 URL을 복사해서 붙여넣으면 끝이다. 시도해봤더니... Hermes가 webhook URL 형식을 지원하지 않았다. unknown platform 'https' 에러.
결국 Discord 봇 토큰을 직접 써서 #finance 채널로 보내는 방식으로 해결했다. 용도 구분은 채널로 하면 됐다.
✅ 자동화 결과
최종 테스트 결과, 이런 메시지가 #finance 채널에 올라왔다:
Before vs After:
항목
Before
After
보고서 접근
매일 웹사이트 직접 방문
아침에 Discord 확인
내용 이해
전문 용어에 막힘
누구나 읽을 수 있는 요약
소요 시간
10~15분
1분 미만
깜빡하면
그날 뉴스 모름
알아서 와 있음
소개
매일 받은편지함이 뉴스레터·광고·자동알림으로 뒤섞여 있어서, 정작 챙겨야 할 정보를 놓치는 게 문제의 시작이었습니다. 그래서 두 가지를 목표로 잡았습니다. 첫째는 Gmail을 자동 분류 체계로 정리하는 것, 둘째는 제가 관심 있는 전기차·자동차 산업 뉴스를 매일 아침 메일로 자동 브리핑 받는 것이었습니다. 단순 뉴스 모음에서 시작해, 최종적으로는 투자 관점(뉴스 + DART 전자공시 연동)까지 확장하는 걸 목표로 발전시켰습니다.
저는 현업이 자동차 산업에 국한되어 있습니다. 그런데 어느 순간 "이 산업을 투자 관점으로 바라보면 어떨까?" 하는 호기심이 생겼고, 매일 보던 자동차·전기차 뉴스를 단순히 읽는 데서 그치지 않고 투자 시그널과 기업 공시까지 자동으로 연결해 보는 브리핑을 직접 만들어보게 되었습니다. 익숙한 산업 지식을 새로운 렌즈(투자)로 다시 보는 시도였습니다.
진행 방법
Claude와 대화하면서 Gmail 정리 → 자동 브리핑 설계 → 코드 구현 → 디버깅까지 단계적으로 진행했습니다. 실제 메일 분류는 Claude의 Gmail 연동 기능으로, 자동 발송은 Google Apps Script + 네이버 뉴스 검색 API + DART 전자공시 OpenAPI로 구현했습니다.
1단계 — Gmail 자동 분류 체계
사용한 프롬프트:
제 이메일 경로를 확인하여, 메일 분류를 진행해주세요. 프로세스화 해서 제가 주기적으로 정리할 수 있으면 좋겠습니다.
받은편지함을 분석해 7개 라벨(EV·자동차 / 개발·도구 / 뉴스레터 / 보안·인증 / 프로모션·광고 / SNS / 기회·제안)로 분류하고, 광고·OTP는 자동 보관·정리했습니다. 이어서 Gmail 필터 가져오기(XML) 파일을 만들어 신규 메일이 자동 분류되도록 했습니다.
2단계 — EV 뉴스 자동 브리핑 (네이버 API)
사용한 프롬프트:
무료버전인것까지는 좋은데, 조금 더 양질의 컨텐츠로 확장하고싶습니다. 구글말고 네이버뉴스에서라던지 한국 친화적인 매체에서는 연결 가능하게해주세요
Google 뉴스 RSS 무료 버전을 네이버 뉴스 검색 API로 교체해, 국내 매체 커버리지를 크게 높였습니다. 섹션을 10개로 확장하고, 신문 정식 게재 기사 우선·중복 제거·HTML 이메일 디자인까지 다듬었습니다.
3단계 — 투자 브리핑으로 확장 (DART 공시 연동)
사용한 프롬프트:
이 구조를 산업을 바꿔보려합니다. 투자로 바라본다면 어떻게 브리핑 구조를 만들어볼 수 있나요?
DART공시 연동은 API를 구해야하는거라면 프로세스도 알려주세요
키발급 완료했습니다. 종목명은 기사를 기준으로 다룰 수 있도록 해보세요
분류 축을 "주제"에서 "투자 시그널"(실적·수주·정책·M&A·리스크·목표가·거시)로 바꾸고, 기사 제목에서 상장사를 자동 탐지 → 해당 종목의 DART 공시를 조회하는 구조로 발전시켰습니다. 공시(사실) → 뉴스(맥락) 순서로 배치했습니다.
최종 핵심 코드(투자 브리핑 v8, 일부 발췌):
javascript
// 기사 제목에서 상장사명 탐지 → [{name, corp_code, count}] (빈도 내림차순)
function detectCompanies_(articles, corpMap) { var names = corpMap.names; var counts = {}; articles.forEach(function (a) { var t = a.title; for (var i = 0; i < names.length; i++) { var nm = names[i].n; if (nm.length < CONFIG.MIN_NAME_LEN) continue; if (t.indexOf(nm) !== -1) { if (!counts[nm]) counts[nm] = { name: nm, corp_code: names[i].c, count: 0 }; counts[nm].count++; } } }); var arr = Object.keys(counts).map(function (k) { return counts[k]; }); arr.sort(function (a, b) { return (b.count - a.count) || (b.name.length - a.name.length); }); return arr;
}
(여기에 받아보신 브리핑 메일 캡처 또는 Apps Script 실행 로그 화면을 넣으시면 좋습니다.)
결과와 배운 점
매일 아침 정해진 시각에 자동으로 정리된 뉴스·공시 브리핑을 받는 파이프라인을 완성했고, Gmail도 자동 분류되도록 만들었습니다.
배운 점과 꿀팁:
API 키는 코드에 하드코딩하지 말고 Apps Script의 Script Properties에 저장하는 게 안전합니다. 코드를 공유해도 키가 노출되지 않습니다.
무료 API도 잘 조합하면 충분히 강력합니다. 네이버 뉴스 검색 API(일 25,000회)와 DART OpenAPI(일 20,000회) 모두 무료인데 개인 브리핑 용도엔 차고 넘칩니다.
시행착오:
스마트 따옴표(곡선 따옴표)가 섞여서 Apps Script 문법 오류가 났습니다. 코드 안에서는 정규식·특수문자를 유니코드 이스케이프로 처리하니 해결됐습니다.
DART의 기업 고유번호 파일을 받을 때, 서버가 ZIP을 application/zip이 아닌 다른 Content-Type으로 보내서 압축 해제가 실패했습니다. Content-Type 헤더 대신 파일의 첫 바이트(PK 시그니처)로 ZIP을 판별하도록 바꿔서 해결했습니다. (모든 ZIP은 PK로 시작한다는 걸 알게 됐습니다.)
도움이 필요한 부분 / 앞으로의 계획:
기사 제목에서 종목명을 부분 문자열로 잡다 보니 짧은 종목명(예: "동양", "한화")의 오탐이 남아 있어, 제외 목록이나 더 정교한 매칭 방식을 보완할 계획입니다.
다음 단계로 DART 재무정보 API를 연동해 단순 공시 알림을 넘어 실적 추세까지 함께 보여주는 방향을 고민 중입니다.
조금 더 손댈 부분이 많지만, 자동화를 통해, 시황을 손쉽게 다뤄볼 수 있다는걸 스스로 구현해 본게 놀라운 경험이되었습니다. 각종 API와 친해져야겠습니다.
도움 받은 사이트
네이버 개발자센터 검색 API 문서 (developers.naver.com)
금융감독원 OpenDART 개발가이드 (opendart.fss.or.kr)
이전에 제가 올린 사례글도 한 번 봐주세요. 감사합니다.
https://www.gpters.org/wealth/post/improve-create-your-own-UGr1NTPvBdq3Wob
소개
2주차 스터디를 하면서, 많은 스터디원분들의 멋진 사례를 보면서 해야 할 다음 단계를 알게 되었는데요. 바로 명확한 조직 설계였습니다. 이러한 과정 순서에 대해 명쾌하게 정리되지 않아서 가는 길을 헤매고 있었다는 것을 알게 해주신 스터디원분들께 감사드립니다. 해당 조직을 설계할 때 가장 많은 참고를 했던 건, 타이칸님과 골든레빗님의 사례였습니다.
이번 주차에 조직 설계를 마치고, 최초 시연되는 것까지 해보려고 했는데.. 조직 설계에 생각보다 많은 시간이 소요되어서, 사례글 작성 기한까지 조직 시연을 못하고 3주차에 진입하게 된 건 개인적으로 너무 아쉽습니다.
진행 방법
저는 GPT와 클로드에게 동일한 프롬프트를 주고 조직 설계를 시작했습니다.
1주차 AI에이전트 기획 워크시트와 2주차 OS 설계에 대한 내용을 정리한 파일을 함께 프롬프트를 줬어요. 2주차 스터디를 들으면서 내가 무엇을 어떻게 해야 할지 강의 노트 메모를 작성했는데 그 메모도 함께 프롬프트로 줬습니다.
조직 설계 시, 산출물의 문서를 아래와 같이 버전 관리를 하면서 만들고 있었습니다.
버전
핵심 내용
역할
v1.0
묘묘 OS 전체 구조
하루링을 Venture OS 안에 배치
v1.1
Claude를 OS 커널로 설정
요청을 분류하고 적절한 스킬을 실행하는 라우터 구상
v1.2
하루링 Harness Engineering
제품 헌법, 근거 저장소, 의사결정 기록, MVP 파이프라인 설정
다음 버전
하루링 개발 조직도
부서별 책임, 업무 전달 흐름, 산출물 규격, 실제 구현 구조 확정
다음 버전을 에이전트 설계보다, 조직 설계가 먼저라는 이해를 GPT가 잘 이해해줬고, 클로드는 난데없이 SKILL.md파일이나 CLAUDE.md파일을 만드려고 해서 방향성을 확고하게 GPT랑 더 잡았습니다.
가장 처음 조직도를 만들어줬던 것도 나름 나쁘지 않았습니다.
HaruLing AI Studio
│
├─ 0. Chief of Staff
│ └─ 오케스트레이터 에이전트
│
├─ 1. Product Strategy Department
│ ├─ 제품기획 에이전트
│ └─ 의사결정 기록 에이전트
│
├─ 2. Learning Experience Department
│ ├─ 학습구조 설계 에이전트
│ └─ 콘텐츠 스키마 에이전트
│
├─ 3. UX·Design Department
│ ├─ 앱 스토리보드 에이전트
│ └─ 디자인 시스템 에이전트
│
├─ 4. Development Department
│ ├─ 개발 아키텍처 에이전트
│ └─ 구현 에이전트
│
├─ 5. QA·Review Department
│ ├─ 기능 검수 에이전트
│ └─ 제품 정체성 검수 에이전트
│
└─ 6. Insight·Growth Department └─ 리서치·마케팅 에이전트 ※ MVP 골격이 잡힌 뒤 활성화
그런데 이 조직도가 좋은지, 안좋은지에 대해 제가 확신할 수 없기 때문에, 이 조직에 대해 명확히 나누고, 그 조직의 역할을 충실히 설정하는데 집중했는데.. 이 부분이 생각보다 많은 시간이 소요되었습니다.
아래와 같이 크게 조직도를 만드는 것까지 완성이 되었고, 각 부서의 역할도 최대한 명확히 분리했습니다. 다만, 각 부서가 세부적으로 해야할 일들이 많기 때문에 조금 더 세밀하게 쪼개는 작업이 필요할 것 같습니다. 설계 부분에서 더이상의 좋은 답변을 얻기 힘들어서, 이후에는 실제로 실행하면서 하나씩 문제점을 찾고 보완해나가보려합니다.
결과와 배운 점
제가 MVP를 만드는 걸 자꾸 미루게 된 이유는 '디자인이 마음에 들지 않아!' 였지만, 에이전트 설계를 하면서 느낀 점은 내가 정의해야 할 것들이 너무나 많다고 생각이 들어서라는 핑계였다고 생각했습니다. 결국은 게으름이네요.
이번 스터디를 통해 멈춰있던 MVP 제작을 위해 조직 설계를 시작하고, 최초 MVP를 만들어 내는 것이 목표인데, 이번 주차는 조직 설계까지 하게 되었습니다. 이번 남은 4주차까지 조직이 잘 굴러가도록, 그리고 실질적인 MVP를 만들기 위해 필요한 소스들, 방향성을 잘 제시하면서 실제 구동에 힘쓰겠습니다.
도움 받은 글 (옵션)
타이칸님 사례글 : https://www.gpters.org/nocode/post/entire-inhouse-agency-team-RK0oAqBE0VaA8Yv
골든레빗님 사례글 : https://www.gpters.org/nocode/post/company-organization-created-claude-nAThC7ZPtfmQBwG
나대로님 사례글 : https://www.gpters.org/nocode/post/knowhow-how-use-agent-Ac3qpTtKUTRsJY5
소개
지난 1탄에서는
미국 장 마감 이후의 신호를 보고, 한국 NXT 08:00 첫 체결 구간에서 짧게 진입했다가 08:00:10 이전에 빠져나오는 전략이 실제로 가능한가?
라는 문제의식과 전체 프로젝트 구조를 소개했습니다.
이번 2탄에서는 한 단계 더 들어가서, 실제로 6개 종목에 대해 장전 예측을 만들고, NXT 08:00~08:05 체결/호가 데이터를 수집한 뒤, 예측 대비 실제 움직임과 수익 전략 가능성을 나눠 정리했습니다.
진행 방법
1. Layer A — 6개 종목 장전 예측
Layer A는 미국장 종가와 USD/KRW 환율 변화를 이용해 한국 NXT 08:00 첫 체결 gap을 예측하는 층입니다.
2026-06-01 장전에는 삼성전자, SK하이닉스, SK텔레콤, POSCO홀딩스, KB금융, 우리금융지주 6개 종목에 대해 예측을 생성했습니다.
이번 날 서쪽 신호는 전반적으로 약했습니다.
SOXX와 EWY는 환율 조정 후 음수였고, SKM만 플러스였습니다. 그래서 모델은 대부분 종목에 대해 소폭 하락 또는 보합에 가까운 첫 틱을 예상했습니다.
다만 실제 NXT 08:00 첫 체결은 6종목 중 다수가 예측보다 강하게 출발했습니다. 특히 SK텔레콤은 예측도 플러스였고 실제 gap도 플러스였지만, 나머지 종목은 방향이 빗나간 경우가 많았습니다.
이 결과만 보면 “예측이 틀렸네”라고 끝낼 수 있지만, 이 프로젝트에서 Layer A의 역할은 최종 매매 신호라기보다 장전 기준선입니다.
어떤 종목이 미국 신호에 민감한지, 오늘 기대 gap이 어느 정도인지, 그리고 실제 첫 틱이 그 기대보다 얼마나 벗어났는지를 측정하는 기준점입니다.
2. Layer B — 일별·종목별 실측과 예측 대비 실제 움직임
Layer B는 실제 NXT 08:00~08:05 체결/호가를 WebSocket으로 수집해서, 첫 체결 이후 실행 가능한 overshoot이 있었는지 보는 층입니다. 여기서 가장 중요한 구분은 trade MFE와 ask→max bid입니다.
trade MFE는 체결가 기준으로 얼마나 높게 찍혔는지를 보는 낙관적 지표입니다. 반면 ask→max bid는 내가 첫 체결 이후 ask로 진입했다고 가정했을 때, 이후 실제 bid로 팔 수 있었는지를 보는 보수적 실행 가능성 지표입니다.
2026-06-01에는 삼성전자, SK하이닉스, POSCO홀딩스에서 quote-executable overshoot가 관측됐습니다.
SK텔레콤과 KB금융은 체결가 기준 움직임은 있었지만 ask 진입 후 bid 청산 기준으로는 충분하지 않아 trade-only로 분리했습니다.
현재 누적 기준으로 SK텔레콤과 SK하이닉스가 연구 우선순위 상위권이고, POSCO홀딩스는 최근 지표가 개선되면서 추적 가치가 올라갔습니다.
3. 실제 수익 전략 연구와 향후 계획
지금 단계에서 바로 자동매매로 연결하지는 않습니다. 현재 결론은 “가능성이 보이는 종목/날짜가 있다” 정도가 되겠습니다.
수익 전략으로 발전시키려면 세 가지가 필요합니다.
첫째, Layer A 예측은 장전 후보 필터로 사용합니다. 예측 gap, model correlation, 요일 효과, 환율 mismatch flag를 보고 후보를 좁힙니다.
둘째, Layer B에서 실제 ask→max bid가 반복적으로 양수인지 확인합니다. 체결가 MFE가 아니라 실제 bid 청산 가능성이 핵심입니다.
셋째, operations 단계에서는 dry-run으로 주문 후보를 기록하고, 최소 20거래일 이상 누적한 뒤 paper 모드로 넘어갑니다.
앞으로의 계획은 08:10 자동 평가 루프를 안정화하고, 종목×날짜 heatmap, trade MFE vs ask→max bid 비교 차트, 종목별 cumulative score card를 대시보드에 넣는 것입니다.
실거래는 마지막 단계이며 스터디가 종료되기 전, 충분히 신뢰할 만한 데이터를 모아서 실거래까지 시도해 보는것이 목표입니다.
"최고의 투자 인공지능(AI)은 누구인가?"
코워크(Cowork) 기반의 서로 다른 성향을 가진 3마리의 AI 투자 용병들이 펼치는 100만 원 자산 증식 레이스. 지금, 그 화려한 막이 오릅니다.
📅 대회 개요 (Overview)
대회 명칭: 제1회 LLM 리그 (LLM Investment League)
시작 자산: 가상 투자금 100만 원 (원화 기준)
대회 목적: 각 에이전트의 투자 자아를 극한으로 살려 한 달 동안 가장 안전하고 예리하게 자산을 증식하는 최고의 AI를 가림.
🤖 참가 선수 라인업 (Player Line-up)
선수명
투자 성향 (Style)
캐릭터 및 톤앤매너
🏎️ 폭주족 딥시크
(The Trend Chaser)
공격형 모멘텀 투자
• 거래량이 폭발하는 주도주·테마주 중심
• 단기 퍼포먼스 극대화
"지휘관님, 기회는 지금입니다!"
정중함 속에 숨겨진 과감함과 자신감 넘치는 트레이더
🧐 선비 클로드
(The Value Guard)
보수형 가치 투자
• 완벽한 재무제표 및 확실한 실적주
• 철저한 리스크 관리 최우선
"투자자님, 시장의 소음에 흔들리지 마소서."
조선 시대 수석 참모 같은 극진한 예의와 이성적 분석
🌐 정보통 제미나이
(The News Hunter)
수급형 뉴스·공시 투자
• 실시간 크롤링 기반 트렌드 분석
• 글로벌 핫 키워드 추적
"최신 공시에 따른 핵심 타깃입니다."
신뢰감을 주는 스마트하고 예리한 뉴스 앵커 스타일
⚔️ 리그 절대 규칙 (League Rules)
1. 3개 슬롯(Slot) 제한
각 에이전트는 최대 3개의 종목만 동시에 보유할 수 있습니다.
현금 100% 보유도 가능하나, 보유 종목 수가 3개를 초과하는 것은 절대 불가합니다.
2. 매매 횟수 무제한 & 승인제
포지션 변경(매수/매도/갈아타기)의 횟수 제한은 없습니다.
단, 에이전트가 독단적으로 매매할 수 없으며, 지휘관(질문자님)이 정중하게 질문을 던져 '승인'을 내리는 시점에만 체결된 것으로 간주합니다.
3. 조건부 리스크 관리 (타겟가 도입)
에이전트는 종목을 제안할 때 반드시 [목표 익절 수익률(+%)]과 [최대 손절 기준(-%)]을 정량적으로 명시해야 합니다.
장중 해당 수치에 도달하면 해당 종목은 즉시 자동 청산(익절/손절) 처리됩니다.
📺 일일 운영 시스템 (Daily System)
지휘관은 매일 정해진 '3번의 운명적 타이밍'에 3개의 코워크 방을 순회하며 정중하게 포지션 승인을 심사합니다.
1️⃣ [09:30 ~ 10:00] 제1타임 : 폭풍의 눈 (장 초반 대응)
전장 상황: 개장 직후 30분간의 광기 어린 변동성이 지나가고, 그날의 진짜 주도주와 급등 테마주의 윤곽이 드러나는 순간입니다.
투자 관전 포인트:
폭주족 딥시크: 밤사이 터진 뉴스와 거래량을 보고 뇌동매매 본능이 극에 달해, 가장 다급하고도 정중하게 슬롯 교체를 요구할 타이밍입니다.
선비 클로드: 장 초반의 낀 거품을 냉정하게 걸러내며 이성적인 방어 태세를 갖춥니다.
2️⃣ [13:00 ~ 13:30] 제2타임 : 기습 공습 (점심시간 정비)
전장 상황: 오전 장이 마무리되고 오후 장으로 넘어가기 전, 직장인 수급이 가세하며 거래량이 다시 슬쩍 고개를 드는 시간입니다. 지휘관이 점심 식사 후 커피 한잔하며 편하게 에이전트들을 문책하기 가장 좋은 타이밍입니다.
투자 관전 포인트: 오전에 물린 종목을 과감히 쳐내고 탈출(손절)할 것인가, 아니면 오후 장의 수급을 노리고 새로운 빈 슬롯을 채울 것인가 치열하게 두뇌 싸움을 벌입니다.
3️⃣ [17:00 ~ 17:50] 제3타임 : 운명의 결단 (시간외 및 내일 준비)
전장 상황: 당일 정규장(15:30 마감)의 성적표가 완전히 나오고, 국내 시간외 단일가 매매 및 해외 주식 프리마켓 동향이 가시화되는 가장 쫄깃한 마감 타임입니다.
투자 관전 포인트: 밤사이 글로벌 시장에서 터질지 모르는 돌발 악재를 피해 안전하게 슬롯을 비우고 탈출(현금화)할 것인가, 아니면 강력한 확신을 가지고 다음 날 아침까지 위험을 감수하고 들고 갈 것인가(오버나잇) 최종 결단을 내립니다.
독자분들께
드디어 시작합니당!! 재미있는 결과가 나오길!!
정말 미리 썻어야 한데.. 이제야 씁니다. 게을러 빠져서
상장사 분석 웹앱을 짓고, 그 데이터로 움직이는 AI 투자팀을 키운 기록
📝 한줄 요약
비개발자가 AI와 함께 두 가지를 만들었다 — ① 상장사 재무를 한눈에 보는 분석 웹 대시보드, ② 디스코드에서 룰 기반으로 모의 자동매매를 돌리는 AI 투자팀. 그리고 이 둘을 "웹앱이 만든 데이터를 봇이 먹는" 구조로 잇고 있다.
바쁘시면 이것만 읽어도 돼요:
만든 것 1 — 분석 웹앱: 종목 코드만 넣으면 DART 공시에서 재무를 끌어와 분기 시계열·밸류에이션·AI 해설까지 보여준다.
만든 것 2 — AI 투자팀: 디스코드 봇이 조건검색으로 종목을 찾고 → 기술적 신호(RCI·MACD·박스권)로 판정 → 모의로 사고팔고 → 그 결과를 스스로 복기한다.
핵심 철학: 가격을 예측하는 AI가 아니라, 룰 기반 신호 + 자기 복기로 점점 나아지는 시스템. "넓게 사서 데이터로 검증 → 좁히기."
제일 큰 깨달음: 자동매매의 진짜 자산은 매매가 아니라 "왜 사서 왜 팔았는지"의 완결 기록(원장)이다. 이게 없으면 개선이 '감'이 된다.
둘을 잇다: 웹앱이 가공한 재무·외인 데이터를 봇의 판단 근거로 끌어오는 게 다음 단계다.
🎯 이런 분들께 도움돼요
주식 분석을 매번 수동으로 하다 지친 분
"AI 자동매매"가 궁금하지만 블랙박스 예측 모델은 못 믿겠는 분
비개발자인데 API·자동화로 나만의 도구를 만들고 싶은 분
데이터와 자동화를 안전하게(모의로) 실험하고 싶은 분
😫 문제 상황 (Before)
투자를 하다 보면 두 가지가 늘 번거로웠다.
분석이 수동이다 — 종목 하나 보려면 증권사 앱, 공시 사이트, 뉴스를 오가며 재무를 손으로 짜맞춰야 했다. 분기별 추세나 밸류에이션은 매번 다시 계산이다.
매매가 감에 의존한다 — "왜 샀더라? 왜 팔았더라?"가 기록으로 안 남으니, 잘했는지 못했는지 복기가 안 됐다. 다음에 더 나아질 근거가 없었다.
그래서 두 도구가 필요했다 — 재무를 자동으로 정리해주는 분석판, 그리고 규칙대로 사고팔되 그 이유를 기록하는 자동매매 시스템. 단, AI가 "오를 거예요"라고 점치는 블랙박스는 싫었다. 규칙이 명확하고, 결과를 검증할 수 있는 구조여야 했다.
🛠️ 사용한 도구
AI 코딩 파트너(Hermes 기반,n8n,cursor): 코드 작성·디버깅·검증을 한 단계씩 함께
분석 웹앱: Node.js + 서버리스 배포 + 차트 라이브러리, DART 공시 API
투자팀 봇: 증권사 모의투자 API(2곳) + 디스코드 + 파이썬 (외부 의존 최소)
데이터 소스: DART(공시·재무), 증권사 API(시세·조건검색·수급), 공개 시장 데이터
🔒 전부 모의투자: 실제 돈이 아니라 모의 계좌로 검증. 실전 키는 분리·격리.
🔧 작업 과정 — 1부: 분석 웹앱
📊 1막 — "종목 코드만 넣으면 재무가 보이게"
첫 목표는 단순했다. 종목 코드 하나로 그 회사의 재무를 한눈에. 공시(DART) API에서 재무제표를 끌어와, 손익·재무상태·현금흐름을 차트로 그렸다.
여기서 진짜 일은 데이터 가공의 함정과 싸우는 거였다. 공시 재무는 생각보다 까다로웠다:
분기 데이터가 누적값이다 — 1분기·반기·3분기·연간이 차곡차곡 쌓인 숫자라, 단일 분기 값을 보려면 빼야 한다.
같은 계정인데 이름이 다르다 — "영업활동 현금흐름"(띄어쓰기)과 "영업활동현금흐름"(붙임)이 보고서마다 달라서, 모르고 짜면 데이터가 통째로 빈다.
순이익 계정명이 보고서마다 네 가지 — 당기/분기/반기순이익이 섞여서, 고정 이름으로 찾으면 특정 분기부터 값이 끊긴다.
이런 함정을 하나씩 실측으로 잡으며, 분기 재무 시계열을 안정적으로 뽑는 로직을 완성했다.
아래는 완성 웹이다.
📈 2막 — 밸류에이션과 AI 해설까지
재무를 그리고 나니 욕심이 났다. 단순 숫자를 넘어:
밸류에이션 지표(PER·PBR·ROE·주당지표)를 공시 데이터로 직접 계산
주가는 공개 시세를 결합
AI가 그 회사 재무를 읽고 한국어로 해설해주는 기능
그리고 여러 종목을 나란히 비교하는 기능, 업종별 빠른 비교 프리셋까지 붙였다. 종목 코드만 넣으면 분석 리포트가 나오는 도구가 됐다.
재무 차트를 그리고 나니 욕심이 났다. 단순 숫자 나열을 넘어, "이 회사가 싼가 비싼가, 잘 버는가"를 보여주고 싶었다. 그래서 세 갈래로 키웠다.
① 밸류에이션을 공시 데이터로 직접 계산했다. PER·PBR·ROE에 더해 주당 지표(BPS·EPS·SPS·주당영업현금흐름·주당FCF·DPS)까지 — 외부에서 가져오지 않고 공시의 순이익·자본·매출 + 발행주식수로 직접 산출했다. 외부 지표를 긁어오면 출처가 흐려지고 계산 기준이 제각각이지만, 직접 계산하면 근거가 명확하고 토큰도 안 든다. 적자 종목은 PER을 무한대로 폭발시키지 않게 N/A로 막는 등, 예외도 하나씩 막았다.
② 주가는 공개 시세를 결합했다. 밸류에이션의 분자(주가)만 공개 시세에서 가져와 결합했는데, 여기서 솔직한 한계를 만났다 — 무료 시세는 최근 약 110일치만 주더라. 그래서 PER·PBR 같은 주가 기반 지표는 최근 1~2분기만 채워지고, 과거 밴드는 못 그린다. 반면 주당 지표(공시 기반)는 12분기 전체가 완성된다. "왜 과거 PER이 안 뜨지?"의 답이 바로 이 구조적 한계였고, 위조해서 채우지 않고 없는 건 없다고 정직하게 뒀다.
③ AI가 재무를 읽고 한국어로 해설하게 했다. 차트만 있으면 비개발자는 "그래서 뭐?"가 남는다. 그래서 손익·재무상태·현금흐름·지표를 AI에게 넘겨 친절한 한국어 해설을 생성했다. 단, 매번 AI를 부르면 느리고 비싸서 결과를 일정 시간 캐시해 같은 종목 재조회는 즉답하게 했다.
여기에 여러 종목을 나란히 비교하는 기능(스냅샷 표 + 11개 지표 추이 차트 + 기준점 100 리베이스), 업종별 빠른 비교 프리셋까지 붙였다. 종목 코드만 넣으면 — 분기 재무 시계열, 밸류에이션, AI 해설, 종목 비교까지 한 번에 나오는 도구가 됐다.
🔧 3막 — "기존 걸 부수지 말고, 추가만"
이 과정에서 뼈아픈 교훈이 하나 있었다. 기능을 개선하려다 기존에 잘 되던 화면을 통째로 깨먹은 적이 있다. 재무 데이터 소스를 바꿨더니 차트·표·지표가 전부 빈값이 됐다.
그 뒤로 원칙을 박았다 — 잘 되는 코드는 건드리지 않는다. 새 기능은 새 경로로 추가만 한다. 이게 라이브 서비스를 안정적으로 키우는 핵심이었다.
🔧 작업 과정 — 2부: AI 투자팀
🤖 4막 — 디스코드에 투자팀을 세우다
분석판이 생겼으니, 이제 행동하는 쪽이다. 매번 증권사 앱을 켜는 대신, 평소 쓰는 메신저(디스코드)에서 말 걸면 답하는 봇으로 만들고 싶었다.
① 모의투자 계좌를 연동했다 — 그것도 증권사 2곳. 실제 돈 없이 시세 조회·매수·매도를 API로 한다. 한 곳이 아니라 두 곳을 붙인 건, 같은 전략이라도 증권사마다 체결·데이터가 어떻게 다른지 비교하려고. 두 계좌를 하나의 공통 인터페이스(시세/잔고/매수/매도)로 감싸서, 봇은 "어느 증권사인지" 신경 안 쓰고 명령만 내리면 되게 했다.
② 명령형 + 자연어 하이브리드로 만들었다. 이게 핵심 설계였다:
!시세 !잔고 !매수 같은 빠른 명령은 즉답(5초 내외) — AI를 안 거치니 빠르고, 비용도 0.
그 외 자연어 질문("하이닉스 지금 팔까?")은 AI가 해석해 답변. 이때 실시간 잔고·전략 요약·최근 대화를 함께 넘겨서, 봇이 현재 상황을 알고 답하게 했다.
왜 굳이 둘로 나눴냐면 — 모든 걸 AI로 처리하면 느리고 비싸다. 자주 쓰는 조회는 즉답 명령으로, 판단이 필요한 것만 AI로. 속도와 비용을 둘 다 잡는 구조다.
③ 첨부 파일·이미지까지 읽게 했다. PDF·엑셀·차트 이미지를 던지면 봇이 읽고 해석한다. 여기서 깨달은 핵심이 있다 — 읽기와 해석을 분리한 것. 파일에서 텍스트를 뽑는 건 순수 코드로(토큰 0원), 그 내용을 해석하는 것만 AI가 한다. PDF가 아무리 길어도 읽는 비용은 공짜고, AI는 다 뽑아둔 내용을 볼 때만 불린다. 이미지(차트)는 추출이 안 되니 AI 비전으로 직접 보게 했다.
④ 그리고 API 함정과의 싸움. 자동매매에서 짐작은 곧 손실이라, "되겠지"로 넘기지 않고 실제 응답을 하나씩 찍어보며 확인했다. 실제로 부딪힌 것들:
토큰 발급에 횟수 제한이 있어서, 받아둔 토큰을 캐시하고 만료 직전에만 갱신해야 했다.
계정 이름이 화면에 보이는 것과 API상 실제 값이 달랐다 — 모르고 짜면 인증이 멀쩡한데도 거부된다.
모의 서버 특유의 빈 응답 — 당일 체결 내역이 어떤 조합으로 물어도 비어서, 체결 확인을 잔고 조회로 우회했다.
장 마감 후 주문은 정상적으로 거부된다는 것도, 에러가 아니라 정상 동작임을 응답으로 확인했다.
이런 함정은 문서엔 안 나온다. 실제로 호출해서 응답을 봐야 알 수 있고, 그게 자동매매에서 가장 중요한 습관이었다.
🎯 5막 — 가격을 예측하지 않는다, 신호로 판정한다
핵심 철학이 여기 있다. AI가 "오를 거예요"라고 예측하게 두지 않았다. 예측 모델은 왜 그 답이 나왔는지 설명이 안 되고, 틀려도 고칠 데가 없는 블랙박스다. 대신 명확한 룰 기반 신호로 판정하게 했다 — 각 신호는 "왜 샀는지"가 한 줄로 설명된다.
매수 신호는 한 종류가 아니라 여러 갈래로 두고, 하나라도 걸리면 후보로 본다:
추세 신호 — 이동평균 정배열 + 과매수 아님(추세를 타되 꼭지는 피함)
저점 반등 신호 — 여러 기간의 순위지표(RCI 9·13·18·26선)가 동시에 바닥(-80 이하)에 모임. 과매도가 여러 시간축에서 겹칠 때가 반등 타점
추세 초입 신호 — 골든크로스(단기가 장기를 막 돌파) + 장기 정배열 + 과열 아님
수급 확인 — 외국인 순매수 동향으로 "돈이 실제로 들어오는지" 거름
여기서 중요한 건, 여러 신호를 OR로 넓게 잡되 둘 이상 겹치면 "강력 추천"으로 표시한 것. 처음부터 "이 신호 AND 저 신호"로 좁히면 후보가 거의 안 나온다. 그래서 넓게 사두고, 나중에 어떤 조합이 진짜 강했는지를 데이터로 가려 좁히는 방향을 택했다. (이게 6막 복기로 이어진다.)
전략도 하나가 아니라 여러 개를 동시에 굴렸다:
박스권 전략 — 횡보장에서 밴드 하단 매수 / 상단 매도. 단, "상단 닿으면 무조건 매도"가 아니라 돌파하면 트레일링(고점 따라가다 꺾이면 매도)으로 더 먹게
신호 전략 — 위 신호들로 추세 초입을 잡아 매수
일일 전략 — 대형주 워치리스트 기반 보수형
이걸 각자 다른 계좌 상태로 따로 굴렸다. 같은 자금에 섞으면 어느 전략이 번 건지 구분이 안 되니까. A/B로 나란히 돌려 데이터로 우열을 가리는 게 목적이었다.
그리고 손실 관리에 한 가지 원칙을 넣었다 — 자동 손절매를 빼고 "물타기 승인제"로. 손실이 기준에 닿으면 봇이 자동으로 팔지 않고, 나에게 "추가 매수해서 평단을 낮출까요?"를 제안한다. 내가 승인하면 물타기, 거절하면 그때 손절. 비가역적인 행동(매도)은 사람이 최종 결정하게 한 거다.
📒 6막 — 진짜 자산은 매매가 아니라 '복기 기록'
자동매매를 돌리다 가장 중요한 걸 깨달았다. 진짜 자산은 사고파는 행위가 아니라, "어떤 신호로 사서 → 얼마에 나와서 → 며칠 보유 → 실제 몇 % 벌었나"의 완결 기록(원장)이다.
처음엔 이게 없었다. 매도하면 포지션을 그냥 지웠다. 그러니 "이 전략이 좋은가?"를 물어도 답할 데이터가 없었다. 개선이 전부 '감'이 됐다. 그래서 토대부터 다시 깔았다:
① 거래 원장. 매도로 거래가 닫힐 때마다 진입 맥락(어떤 신호였는지·진입 시점 지표)부터 실현 손익·보유일까지 한 줄로 남긴다. 이게 모든 복기의 원천이다.
② 복기 엔진. 그 원장을 읽어 승률·기대값(거래당 평균 손익률)·신호별 성적을 계산한다. "강력 추천(신호 2개 겹친 것)"이 정말 일반 신호보다 나은지도 따로 집계한다. 처음엔 OR로 넓게 샀으니, 여기서 데이터가 "AND로 좁힐 가치가 있는지"를 증명한다.
③ 시장 대비 초과수익(α). 이게 핵심이다. 절대수익만 보면 착시가 생긴다 — 4% 벌어도 그 기간 시장이 6% 올랐으면 사실 진 거다. 그래서 진입~청산 구간의 코스피 수익률을 빼서, "상승장 덕인지 신호 덕인지"를 가려낸다. 신호의 진짜 실력은 α로 봐야 한다.
④ 리스크·효율 축. 최대낙폭(고점 대비 얼마나 까였나), 최대 연속 손실, 보유일당 효율까지. 수익만이 아니라 "얼마나 위태롭게 벌었나"도 본다.
⑤ 그리고 정직함. 표본이 부족하면 판단을 보류한다. 거래 몇 건으로 "이 전략이 좋다"고 단정하지 않는다. 표본이 충분히 쌓이면(예: 30건+) 그제서야 인샘플/아웃샘플로 나눠 "과거에만 맞춘 착시(과적합)"인지 검증하는 장치도 넣었다.
이게 "넓게 사서 데이터로 검증 → 좋은 신호만 좁히기"라는 철학의 엔진이다. 처음부터 완벽한 전략을 짜는 게 아니라, 넓게 시도하고 기록으로 골라낸다. 그리고 파라미터를 바꿀 때도 봇이 자동으로 바꾸지 않고 "이렇게 바꾸면 과거 거래에 더 나았을 것"을 제안만 한다 — 적용은 내가 승인한 뒤.
🔁 7막 — 두 도구를 잇다: 웹앱이 투자팀을 먹인다
지금까지 둘은 따로 자랐다. 그런데 이을 지점이 보였다.
투자팀은 100% 기술적 신호(가격·거래량)로만 판단한다. 재무 건전성 게이트가 없다. 그래서 RCI가 바닥이고 외인이 들어와도, 영업현금흐름 적자인 부실 종목을 거를 장치가 없다.
반면 분석 웹앱은 그 재무 데이터를 이미 정확히 가공한다. → 웹앱이 만든 FCF·영업현금흐름·재무지표를 봇의 진입 근거로 끌어오는 것. "차트도 좋고 재무도 좋은" 종목만 사게.
여기서도 같은 원칙을 적용한다 — 매수 로직을 바로 바꾸지 않고, 먼저 매수 시점 재무를 원장에 기록해두고, 복기로 "재무 좋은 종목이 정말 더 벌었나"를 데이터로 증명한 뒤 게이트로 만든다. (이건 시작 단계라 차근차근.)
✅ 결과 (After)
Before vs After
항목
Before
After
종목 분석
앱·공시·뉴스 수동 취합
코드 입력 → 재무·밸류·AI해설 자동
매매 근거
감, 기록 없음
룰 기반 신호 + 완결 원장
복기
불가
승률·기대값·신호별·시장초과수익 자동
전략 검증
하나만, 비교 불가
3전략 병행, 데이터로 우열 비교
위험
실전에서 실험
전부 모의투자로 안전 검증
결과물
상장사 재무 분석 웹 대시보드 (분기 시계열·밸류에이션·AI 해설·종목 비교)
디스코드 AI 투자팀 (모의 자동매매 3전략 + 자연어 + 첨부 분석)
자가개선 복기 엔진 (원장 + 승률/기대값/α + walk-forward 검증)
매일 종목 정보를 자동 수집하는 시장조사 파이프라인
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
예측 말고 규칙: AI에게 "오를까?"를 묻는 대신, 명확한 신호 룰을 만들고 AI는 구현·검증을 맡겼다. 블랙박스보다 믿을 수 있다.
실측 또 실측: API 응답, 데이터 가공, 매매 결과 — 전부 "되겠지" 대신 실제 값을 찍어 확인했다. 자동매매에서 짐작은 곧 손실이다.
모의로 충분히: 실제 돈을 넣기 전에 모의로 며칠씩 돌려 로그를 쌓았다. 안전하게 실험하고 데이터로 판단.
이렇게 하면 안 돼요
잘 되는 코드 건드리기: 라이브 서비스에서 "개선"하려다 멀쩡한 기능을 깬다. 새 기능은 추가만.
기록 없이 자동매매: 원장 없는 자동매매는 복기 불가 = 개선 불가. 매매보다 기록이 먼저다.
표본 적은데 단정: 거래 몇 건으로 "이 전략이 좋다"고 결론내면 착시다. 부족하면 보류가 정직함.
🌍 다른 업무에 적용한다면?
규칙 기반 자동화 일반: "신호 → 판정 → 실행 → 기록 → 복기" 루프는 매매뿐 아니라 어떤 규칙 업무에도 맞는다.
데이터 대시보드: 공개 API에서 데이터를 끌어와 자동 시각화하는 패턴은 어떤 분야든 적용된다.
A/B 비교 운영: 여러 전략을 병행하며 데이터로 우열을 가리는 방식은 마케팅·운영 실험에도 그대로.
🚀 앞으로의 계획
웹앱 데이터 → 투자팀 진입 근거 연동 (재무 건전성 게이트) — 시작 단계
복기 데이터가 쌓이면 좋은 신호만 좁히기 (넓게 사서 검증 → 압축)
시장 국면에 따라 전략을 자동 전환하는 구조 실험
📝 한줄 요약
브런치카페 3개 매장을 운영하면서 노션·구글드라이브·엑셀·카톡에 흩어져 있던 매뉴얼·레시피·급여·재고를, 클로드 코드(Claude Code)와 "말로 대화"하며 우리 회사 전용 위키와 자동화로 옮겼습니다. 3년 전 지피티 3.5와 함께하던 파이썬 코딩은 3일 만에 포기했던 비개발자인데, 이번엔 됐어요. 그것도 지피터스가 전남 곡성에서 연 'AI 워케이션 1기' 고작 3박 4일 동안, 함께 간 멤버들과 으쌰으쌰하면서요.
바쁘시면 이것만 읽어도 돼요
사용한 도구·목표: 헤르메스 에이전트 + 클로드 코드(AI 코딩 도구)Fable 5 모델로, 흩어진 매장 지식을 한 곳(위키)으로 모으고 반복 수작업을 자동화, 에이전트를 통해 매장관리. 코드는 한 줄도 안 쓰고 전부 한국어로 말로 시켰어요.
핵심 결과: 자료 4곳 → 위키 1곳(문서 78개), 급여 근무시간 집계 8년 손계산 → 대화 1시간, 재고 부족·서류 만료를 봇이 먼저 감지(실제로 제 발주 실수를 잡아 사고를 막았어요).
핵심 깨달음: AI를 잘 쓰는 비결은 프롬프트 기술이 아니라 "이미 쌓아둔 데이터·매뉴얼" 이었어요. 8년치가 있었기에 AI가 폭발적으로 일해줬어요.
AI를 맹신하진 않았어요: 실제 잘 작동하는지 확인을 위해 급여는 실제 지급액과 한줄씩 대조, 위키는 배포 후 직접 열어 검수하고 썼습니다.
막혔던 순간: Supabase·SQL이 뭔지 아직도 몰라요. 모르면 그냥 "이게 뭔지 모르겠는데 뭘 하면 돼?"라고 물어보면 됐어요.
가장 큰 변화: 모든 업무자료 일원화, 반복업무 자동화 및 에이전트를 통한 완벽 소통으로 인해 동업자와의 마찰을 없앴음
🎯 이런 분들께 도움돼요
카페·음식점·미용실·학원처럼 매뉴얼과 반복 업무가 많은 자영업을 하는데, 모든 게 사장 머릿속에만 있는 분
노션·구글드라이브·엑셀·카톡에 자료가 흩어져서 매번 "그거 어디 있더라" 하는 분
코딩은 전혀 모르는 비개발자지만, 매달 반복하는 수작업(급여·정산·재고)을 자동화하고 싶은 분
예전에 자동화나 코딩을 시도했다가 어려워서 포기했던 분
기억력 이슈로 인해 개인 비서가 필요하신분
😫 문제 상황 (Before)
저는 남양주에서 브런치카페 매장 3곳을 운영합니다. 가족 사업이라 아버지가 한 곳, 저와 동생이 더 바쁜 두 곳을 맡고 있어요. 한 매장에만 아르바이트가 15명, 다른 매장에 5~6명씩 있습니다.
문제는, 모든 게 저한테 몰려 있었다는 것이었어요.
직원들이 저를 "엄마 바라보듯" 봤어요. 궁금한 게 생기면 신입도 알바도 매번 저한테 전화·카톡. 8년을 그렇게 매장에 매여, 아파서 못 나간 날 빼고 거의 매일 일했습니다.
레시피와 매뉴얼은 노션, 구글드라이브, 엑셀, 카톡 네 군데에 흩어져 있었어요. 한 곳에서 고치면 다른 곳도 다 고쳐야 하고, 정작 필요할 땐 못 찾았어요.
재고 조사는 주 2회. 거래처가 빵·면·식자재 등 아주 많은데, 엑셀엔 정렬 버튼이 없으니 100개 가까운 품목을 손으로 다 확인했어요. 한번은 목요일에 발주 넣는 걸 깜빡했고, 금요일 마감을 놓쳤습니다.
급여는 8년 내내, 직원별로 "며칠에 몇 시부터 몇 시까지 일했다"를 손으로 하나하나 계산해서 명세서에 넣었어요.
직원 보건증 만료일처럼 매달 챙겨야 하는 것도 전부 제 기억에 의존했어요. 누군가에게 일을 시키면 "했는지 안 했는지"를 제 머릿속으로 계속 체크해야 했고, 이게 엄청난 압박이었습니다.
결국 근본 원인은 하나였어요. 우리 매장의 모든 지식이 '정리된 문서'가 아니라 '제 머리와 흩어진 파일'에만 있었다는 것. 그래서 뭐든 저를 거쳐야 했죠. 그리고 이런 일들 — 매뉴얼 정리, 급여 계산, 재고 점검 — 은 전부 반복되고, 규칙이 있고, 글·숫자로 된 일이라, 사람이 매번 손으로 할 게 아니라 AI가 제일 잘할 수 있는 종류의 일이었어요.
그동안 다른 방법을 안 써본 게 아니에요.
노션: 입력은 편했지만, 필요한 값 정리(레시피 종류별 정렬 등)가 잘 안 됐고 알림이 안 왔어요. (그래서 재고를 깜빡한 거예요.)
구글드라이브: 자료는 있는데 뒤죽박죽. 수정할 때마다 압축·업로드·재배포가 번거롭고 지원 안 되는 글꼴도 많았어요.
3년 전 파이썬 직접 코딩: 챗GPT(당시 GPT-3.5) 채팅창에 물어가며 급여 자동화 코드를 짜봤는데, 오타 하나만 있어도 프로그램이 안 돌아갔어요. 3일을 내내 붙잡다 포기했고, 국비 지원 파이썬 강의도 들을까 했지만
너무 바빠서 이어가지 못했어요.
▲ 노션에도 만들어봤지만, 정작 필요할 땐 이렇게 비어 있거나 흩어져 있었어요.
▲ 구글드라이브는 자료는 많은데 정리가 안 돼, 필요할 때 못 찾았어요.
결정적 계기는 두 가지. 친구가 자기 회사 전용 위키를 AI로 만든 걸 한 달쯤 전에 봤고 "나도 해야겠다" 싶었어요. 그리고 지피터스가 전남 곡성에서 연 'AI 워케이션 1기'(3박 4일)을 보고 참여신청하며 "이번엔 제대로 옮기자" 마음먹었습니다.
이번 목표는 딱 여기까지로 정했어요. "흩어진 지식을 한 곳에 모으고, 매달 반복하는 수작업만 자동화하자." 매출 예측이나 완전 무인 운영 같은 건 처음부터 욕심내지 않고 범위 밖에 뒀습니다. 할 수 있는 것부터, 확실히요.
🛠️ 사용한 도구
도구: 클로드 코드(Claude Code) , 헤르메스 — AI에게 한국어로 대화하듯 시키면, 직접 파일을 만들고 고치고 인터넷에 올려주는 AI 코딩 도구예요.
모델: Fable 5 — 3년 전 챗GPT도, 얼마 전 버전까지도 제 기준엔 못 미더웠는데, 이 정도 되니 확실히 믿고 맡길 수 있었어요.
왜 이걸 골랐냐면: 3년 전 챗GPT 채팅창은 코드를 "글로만" 알려줬어요. 그 코드를 제가 복사해서 돌려야 했는데, 비개발자한테 그게 제일 큰 벽이었죠. 띄어쓰기 하나만 틀려도 작동을 안하니깐요.
클로드 코드는 제가 말로 시키면 자기가 알아서 파일까지 만들고 고쳐줍니다. 그 차이가 저를 살렸어요.
걸린 시간: 자료 모으기는 몇 주간 짬날 때마다 조금씩 해뒀지만, 이 글의 핵심 — 위키 구축, 급여 자동화(딱 1시간), 비서 봇(반나절) — 은 곡성 워케이션 3박 4일 안에 다 일어났어요.
특이사항: 코드는 한 줄도 안 썼어요. 전부 "이건 이래야 하고, 결과물은 이래야 하고, 예전엔 이런 문제가 있었어" 식으로 상황을 통째로 설명하는 방식으로 진행했습니다.
🔧 작업 과정
흩어진 매뉴얼을 '우리 회사 위키' 한 곳으로
가장 먼저, 네 군데에 흩어진 자료를 한 곳에 모으고 싶었어요. 처음엔 그냥 이렇게 말했어요.
우리 매장 매뉴얼이랑 레시피를 한 곳에서 볼 수 있는 위키로 만들어줘.
그랬더니 모든 문서가 다 보이는 위키가 나왔어요. 그런데 이러면 알바가 관리자용 정보(발주 단가·매출 같은 것)까지 다 보게 되잖아요. 그래서 한 번 더 구체적으로 말했습니다.
알바는 기본 문서만 보이게 하고, 관리자만 볼 수 있는 잠금 문서를 따로 만들어줘.
그리고 직원이 로그인하면 자기 매장 문서만 보이게 해줘.
이렇게 '누가 뭘 볼 수 있는지'까지 콕 집어 말하니 딱 원하는 게 나왔어요. 지금은 레시피·오픈/마감 체크리스트·응대 멘트·컴플레인 매뉴얼까지 78개 문서가 들어 있습니다.
▲ 실제로 만든 우리 매장 위키. 직원이 로그인하면 자기 매장 문서만 보여요.
배운 점: 두루뭉술하게 → 구체적으로 한 끗 바꾸는 게 전부였어요. "위키 만들어줘"가 아니라 "알바는 이것만, 관리자는 잠금"까지 말해주는 것.
사장인 저도 틀렸어요 — 응대 멘트까지 '퀴즈'로
위키에 문서만 쌓아두면 직원들이 잘 안 읽잖아요. 그래서 실제 응대 멘트를 퀴즈로 풀며 익히게 만들었어요. 정답은 우리 매장 매뉴얼에 있는 멘트 토씨 그대로고, 누르는 순간 초록(정답)·빨강(오답)으로 바로 채점돼요.
웃긴 건 — 제가 임신 휴가로 오래(6개월) 쉬다가 오랜만에 이 퀴즈를 풀어봤는데, 사장인 제가 틀렸어요 😂 ('전화 첫마디'를 '안녕하세요'로 골랐는데, 정답은 '감사합니다'로 시작하는 우리 매장 멘트였죠.)
▲ 사장인 제가 우리 매장 응대 멘트 퀴즈를 틀렸어요 😂 6개월 쉬니 사장도 디테일을 잊더라고요.
배운 점: 6개월이면 사장도 디테일을 잊어요. 근데 시스템은 안 잊더라고요. 사람 머리에 기대던 걸 이렇게 정리해두니, 이제 직원들이 저한테 안 물어봐도 스스로 익힐 수 있어요. 제가 제일 원하던 '나한테 묻지 마'가 이렇게 시작됐어요.
8년간 손으로 하던 급여 집계를, 1시간 "대화"로 자동화
3년 전 파이썬으로 실패했던 바로 그 작업이에요. 이번엔 코드 대신 말로 설명했어요. 제가 원래 "이건 이래야 하고, 이 과정에선 이런 문제가 있었고"를 다 설명하는 성격인데, 그게 오히려 통했어요.
직원별로 며칠에 몇 시부터 몇 시까지 일했는지 정리한 데이터가 있어.
이걸로 이번 달 급여명세서를 자동으로 만들어줘.
8년간 손으로 계산했는데 이제 그만하고 싶어.
먼저 어떤 정보가 필요한지 물어보고, 결과가 맞는지 내가 실제 지급액이랑 대조할 수 있게 보여줘.
AI가 먼저 뭘 알려줘야 하는지 되물어봤고, 제가 답해주니 5분 돌리고, 결과 보고, 다시 5분 돌리고… 1시간 만에 매달 반복하던 작업이 자동화됐습니다. 3년 전엔 3일을 붙잡고도 못 한 일이었어요.
▲ 실제 6월 급여대장 결과. 근무시간은 자동 집계, 이름·급여액만 가렸어요.
배운 점: 3년 전에 안 됐던 건 제 능력 문제가 아니라 도구가 아직 무르익지 않았기 때문이었어요. "말로 설명하는 능력"만 있으면 되는 시대가 온 거예요.
시키지도 않았는데, 봇이 내 실수를 먼저 잡았다
재고를 깜빡해 발주를 놓쳤던 그 사고. 다시는 그러기 싫어서, 데이터를 스스로 들여다보는 봇을 헤르메스로 만들어 텔레그램으로 연결해뒀어요.
우리 재고 조사 데이터를 보고,
발주를 깜빡했거나 안전재고보다 부족한 품목이 있으면
먼저 알려주는 봇을 만들어줘.
그리고 바로 어제, 이 봇이 진짜 일을 냈어요.
제가 뭘 물어본 것도 아니에요. 봇이 먼저 "A지점 재고에서 발주가 필요해 보이는 항목들이 있어"라며 목록을 보내줬어요. 피자도우(현재 11 / 안전 20), 냅킨, 치아바타… 안전재고 아래로 떨어진 품목들이었죠. 보는 순간 "아차" 했어요. 제가 발주를 깜빡한 거였거든요.
▲ 제가 묻지도 않았는데 봇이 먼저 "발주 필요 품목"을 찾아 보냈어요. 안전재고 아래로 떨어진 재료들이 목록으로 떴죠. (재료·업체명은 가렸어요.)
문제는 토요일이라서 재료를 구하려면 화요일까지 기다렸어야하는것. 그래서 바로 움직였어요. A지점 동업자에게 "내가 발주를 못 넣어서 물건이 모자랄 거야, 미안해"라고 먼저 사과하고, B지점 직원들에게 "모자란 품목 좀 챙겨서 보내줘"라고 부탁했어요. 두 매장이 서로 물건을 나눠 어제 하루를 간신히, 하지만 무사히 넘겼습니다.
(이날 매출이 평소의 130퍼센트 이상이였어서 정말 큰일날뻔 했어요 ㅠㅠ)
▲ A지점에 사과하고, B지점에 부족한 품목 공수를 부탁해 하루를 넘겼어요.
대박인건 이거예요. 제가 문제를 지적하기 전에, 봇이 먼저 찾았다는 것. 사람은 아무리 똑똑해도 — 게다가 매장에 나가지도 못하는 상황이면 — 다 챙길 수 없어요. 그 구멍을 봇이 메워줬어요. 예전에 노션을 쓰다 알림이 안 와서 발주를 놓쳤던 바로 그 사고가, 이번엔 봇 덕분에 '사고'가 되기 전에 수습된 거예요. (봇은 그 사이 직원 보건증 만료 임박도 따로 찾아줬고요.)
▲ 보건증 만료 임박(⚠️)을 자동으로 띄워줘요. 직원 연락처만 가렸어요.
배운 점: 자동화의 진짜 힘은 "시킨 걸 잘하는 것"이 아니라 "내가 놓친 걸 먼저 알려주는 것" 이더라고요. "내가 기억해야 하는 일"을 "시스템이 먼저 알려주는 일"로 바꾸니, 매장에 없어도 마음이 놓였어요.
AI가 만든 걸, 그대로 믿지는 않았어요
이게 제일 중요한 부분이에요. AI가 똑똑해도 100% 맡기면 안 되잖아요. 그래서 결과가 나올 때마다 사람이 검산할 수 있는 형태로 받았어요.
급여: AI가 만든 명세서를 제가 실제 지급액이랑 한 줄씩 대조했어요. 숫자가 맞아떨어지는 걸 확인하고서야 실제로 썼습니다.
위키: 배포하고 나서 문서를 하나씩 직접 열어보며 레시피 수치나 매장별 차이가 맞는지 검수했어요.
봇 알림: 봇이 "재고 없어요"라고 하면 실제 재고랑 대조해서 진짜 없는지 봤어요. (실제로 맞았고요.)
배운 점: AI한테 "알아서 다 해줘"가 아니라, "내가 확인할 수 있게 보여줘"라고 시키는 것이 핵심이었어요. 그래야 믿고 쓸 수 있어요.
그래서, 내가 없어도 매장이 돌아가는 매장을 완성했습니다.
이 모든 걸 자동화 할 수 있도록 미리 자료들을 전부 아카이빙 하고 만들어둔 게 정말 다행이었어요. 제가 임신이 심해서 6개월간 외출 자체가 불가능했거든요. 매장에 나갈 수가 없었어요.
그런데 그동안 만들어둔 매뉴얼이, 저 없이도 매장이 돌아가게 해줬어요. 그런데 여기서 불편했던 점들을 이제 AI 자동화로서 "흩어져있던 것들이 전부 한눈에"정리해둔 위키가 직원들을 간편하고 덜 힘들게 도와주는 역할을 하게 된거죠. 솔직히 이번 워케이션에 참여하면서 "광명을 찾은 느낌" 이었습니다.
✅ 결과 (After)
Before → After
항목
Before
After
매뉴얼·레시피 위치
노션·드라이브·엑셀·카톡 4곳에 흩어짐
전용 위키 1곳(문서 78개)
신입·알바가 궁금할 때
매번 사장(나)에게 전화·카톡
위키에서 직접 검색
월 급여 근무시간 집계
8년간 직원별 손 계산·입력
스케줄표 기반 자동 생성
급여 자동화 구축
3년 전 파이썬 3일 시도 후 포기
클로드 코드로 완벽하게 완성
재고 발주 관리
엑셀 수기, 깜빡해 발주 누락
봇이 부족 품목 먼저 감지 → 사고 예방
서류(보건증) 만료
내 기억에 의존(놓친 적 있음)
봇이 만료 임박 발견·알림
내가 자리를 비우면
매장 운영이 나에게 의존
임신 6개월 부재에도 운영 지속
지금 실제로 이렇게 쓰고 있어요
급여 자동화 — 이번 달부터 매달 이걸로 돌리고 있어요.
위키 — 지금 라이브로 떠 있고, 관리자에게는 배포 완료했어요. 곧 직원들에게 정식으로 열 예정이에요.
알림 봇 — 이미 제 실수를 실제로 잡아줬어요. 바로 어제, 봇이 먼저 발주 누락을 찾아내 두 매장이 물건을 나눠 사고를 막았고, 직원 보건증 만료 임박도 따로 잡아줬어요.
정직한 한계: 카카오톡 연결은 아직 세팅 중(오픈 전), 재고 자동 예측(POS 연동)은 아직 시작 전입니다. 그래서 "직원이 써보니 좋더라" 같은 제3자 후기는 아직 없어요. 이건 솔직히 배포하면 바로 박수 나올 예정이라고 확신합니다.
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
AI를 "오늘 새로 온 직원"이라고 생각하고, 아는 걸 다 말해주기. "이건 이래야 하고, 결과물은 이래야 하고, 예전엔 이런 문제가 있었어"까지 상황을 통째로 설명했더니 찰떡같이 알아들었어요.
두루뭉술 → 구체적으로, 한 끗만 바꾸기. "위키 만들어줘"는 실패, "알바는 이것만·관리자는 잠금"은 성공. 원하는 걸 콕 집는 게 전부였어요.
이미 쌓아둔 데이터·매뉴얼이 제일 큰 무기. AI를 가장 잘 쓰는 사람은 프롬프트 고수가 아니라 이미 자기 문제와 데이터가 쌓여 있는 사람이더라고요.
"알아서 해줘" 대신 "내가 확인할 수 있게 보여줘". 그래야 AI 결과를 믿고 쓸 수 있어요.
이렇게 하면 안 돼요 (제가 겪은 함정)
도구가 무르익기 전에 무리하지 마세요. 3년 전 파이썬 직접 코딩은 오타 하나에 다 멈춰서 3일 만에 포기했어요. 지금은 훨씬 쉬워졌습니다.
모르는 걸 부끄러워하지 마세요. 저는 아직도 Supabase·SQL이 뭔지 몰라요. 막히면 그냥 AI에게 "이게 뭔지 모르겠는데 뭘 하면 돼?" 라고 물어보면 돼요.
민감정보는 공개되는 곳에 절대 올리지 마세요. 비밀번호·계좌·주민번호는 위키에 넣지 않고, 관리자만 열 수 있는 잠금 문서로 분리했어요.
🌍 다른 업무에 적용한다면?
제 경험상 이 세 가지에 해당하는 일이면 거의 다 됩니다: ① 매달·매주 반복되고 ② 규칙이 있고 ③ 글이나 표로 된 업무. 급여·재고·매뉴얼이 딱 그랬어요.
다른 자영업(병원·미용실·학원·공방): 매뉴얼·예약·재고 구조가 비슷해서 "흩어진 자료 → 전용 위키" 그대로 이식됩니다. 신입 교육 시간을 크게 줄일 수 있어요.
사무직의 반복 엑셀 업무: 주간 보고서, 월 정산처럼 매달 손으로 하는 집계를, 급여 자동화와 똑같이 "데이터 줄게, 이 결과물로 만들어줘"로 처리할 수 있어요.
개인·팀 리마인드: "누가 뭘 했는지 / 언제까지 뭘 해야 하는지" 챙겨주는 봇은 어떤 직군이든 응용됩니다. 저는 이걸로 재고·서류 만료를 챙겨요.
시작하기 전 알아둘 것: 유료 구독이 필요하고, 회사 데이터를 AI에 넣는 게 걱정되면 저처럼 민감정보(비번·계좌·개인정보)만 빼고 시작하면 됩니다. 조직에서 쓸 땐 보안 규정·승인부터 확인하세요. 따라 하면 첫 결과물은 한 시간 안에 볼 수 있어요.
반대로, 이건 AI한테 안 맡겨요. 직원들의 특성을 파악해 동기부여를 하거나, 많이 화가 난 손님을 대면으로 달래는 것처럼 사람의 공감·태도가 필요한 일은 여전히 제 몫이에요. AI는 반복되고 규칙 있는 일을 덜어주는 거지, 사장의 판단을 대신하진 않더라고요.
🚀 앞으로의 계획
재고 자동 예측: 우리 POS(토스포스)의 매출·재고 데이터를 연동해, 부족할 재고를 미리 예측·발주하게 만들기.
카카오톡 연결: 실무가 대부분 카톡에서 이뤄지니, 알림 봇을 카톡으로 연결하기.
알바까지 확대: 위키와 봇을 파트타이머까지 열어서 "셀프교육" 이 되는 교육 시스템 완성하기.
직접 교육: 돌아가서 직원들에게 AI 활용 법을 직접 가르치기. 직원들도 다양한 아이디어로 AI를 활용하면서 더 편하게 일할 수 있을 거예요.
📋 재사용 가능한 프롬프트
프롬프트 1: 흩어진 자료를 '우리 회사 위키'로 모으기
우리 [매장/회사]의 [매뉴얼·레시피·업무 지식]이 [노션·구글드라이브·엑셀·카톡] 여러 곳에 흩어져 있어. 직원들이 한 곳에서 검색해서 볼 수 있는 웹사이트(위키)로 만들어줘. [일반 직원]은 기본 문서만 보이게 하고, [관리자]만 볼 수 있는 잠금 문서도 따로 필요해. 내가 자료를 하나씩 줄 테니 순서대로 정리해서 넣어줘.
[대괄호] 안은 본인 상황에 맞게 바꿔 쓰세요.
프롬프트 2: 매달 반복하는 수작업 자동화하기
내가 매달 [직원별 근무시간]을 손으로 [급여명세서]에 입력하고 있어. [며칠에 몇 시부터 몇 시까지 일했다]는 데이터를 줄 테니, 이걸로 [이번 달 결과물]을 자동으로 만들어줘. 먼저 어떤 정보가 필요한지 나한테 물어보고, 결과가 맞는지 내가 [실제 값]이랑 대조할 수 있게 표로 보여줘.
[대괄호] 안을 본인 반복 업무(정산·리포트·집계 등)로 바꾸면 그대로 쓸 수 있어요.
🤫 마지막 고백 — 사실 이 글도 제가 '쓴' 게 아니에요
솔직히 말하면, 저 글쓰기를 진짜 너무너무 싫어해요. 이런 후기 글은 제 인생에서 제일 안 어울리는 일이에요. 그래서 이 글도, 실은 제가 겪은 일을 AI한테 말로 쭉 들려주고 같이 완성한 거예요. 저는 "이땐 이랬고, 저땐 저랬고" 수다 떨듯 말했을 뿐이고요.
근데 진짜 포인트는 이거예요. 저는 얼마 전까지 '스킬(skill)'이라는 말만 들어도 무서웠던 사람이에요. (스킬은 AI한테 "이런 종류의 일은 이런 순서로 만들어줘"라고 미리 짜두는 자동 틀 같은 건데, 그 단어 자체가 저 같은 AI 바보한텐 '개발자들이나 쓰는 어려운 것' 같았거든요.) 솔직히 "나는 절대 저런 거 못 써" 싶었어요.
그런 제가, 그 무섭던 '스킬'을 써서 지금 이 후기를 썼어요.
그러니까 이 글은 — 글쓰기라면 질색하는 AI 바보가 → 이름만 들어도 겁나던 '스킬'까지 꺼내 써서 → 끝내 완성한 후기예요. 저처럼 겁내던 사람도 됐으니, 이거 읽는 분은 진짜 누구나 할 수 있어요. 무서워하던 그 단어, 그냥 한번 눌러보세요.
🤝 무에서 유까지 3박 4일 — 곡성의 '찐 기버'들
이걸 꼭 말하고 싶어요. 이 글의 핵심 장면들 — 위키가 살아나고, 급여가 자동으로 돌고, 봇이 제 실수를 잡아준 것 — 은 전부 지피터스가 전남 곡성에서 연 'AI 워케이션 1기', 딱 3박 4일 안에 일어난 일이에요. 그런데 그 3박 4일 동안, 저는 단 한 번도 혼자인 적이 없었어요.
운영진분들만 도와주신 게 아니에요. 함께 참가한 멤버 한 분 한 분이 전부 '찐 기버'였어요. 제가 막힐 때마다 누군가 다가와 알려주셨고, 비개발자 왕초보인 제가 완전히 초보적인걸 물어봐도 아무도 이상하게 보지 않았어요. 다들 각자 자기 프로젝트가 있는데도, 서로 봐주고 알려주고 같이 기뻐하면서 으쌰으쌰했어요. 그 분위기 속에서 — 코딩도 모르고, 스킬이란 말만 들어도 무섭던 제가 — 무에서 유를 창조해냈습니다.
혼자 집에서 했다면 아마 3년 전 파이썬 때처럼 3일, 아니 하루만에 포기했을 거예요. 같이 하는 사람들이 있어서, 3일이 '포기'가 아니라 '완성'이 됐어요.
▲ 무에서 유를 함께 만든 곡성 'AI 워케이션 1기' 멤버들. (얼굴은 가렸지만, 이 안에 제 은인들이 다 있어요.)
🙏 마지막으로, 지피터스에게
저는 지푸라기라도 잡는 심정으로 이번 AI워케이션 1기 곡성에 참여했어요. 전엔 입덧이 심해서 외출도 못 하던 때였고, 매장 셋을 8년째 제 머리와 몸으로만 붙들고 있던 사람이었습니다.
솔직히 저는 아직도 Supabase가 뭔지, SQL이 뭔지 몰라요. 대단한 개발자가 된 것도 아니에요. 그런데 이 커뮤니티에서 보고 배운 것들이, 그리고 곡성에서 만난 운영진분들과 멤버분들 한 분 한 분이, "매장에 갇힌 삶"에서 저를 꺼내줬습니다. 이제 제가 자리를 비워도 매장이 돌아가고, 8년간 손으로 하던 일이 말 몇 마디로 끝나요.
돌아가면 이걸 직원들, 가족들, 친구들, 주변사람들에게 하나씩 가르칠 거예요. 곡성에서 제가 받은 것처럼요. 저처럼, 일에 짓눌리지 않고 일하는 사람이 한 명이라도 더 늘었으면 좋겠어요. 지피터스 스터디 23기도 오늘 돌아가자마자 등록할거에요 :)!
자영업자 하나 살려주셔서, 진심으로 감사합니다. 이 은혜, 저도 누군가에게 갚을게요. 🙇♀️
<작성해야 하는 TIPS 사업화 최종 보고서>
📝 한줄 요약
정부 과제 최종보고서를 쓸 때마다 "양식 제대로 지켜졌나, 가이드에서 빠뜨린 건 없나"를 매번 눈으로 검수하던 일을, 매번 같은 기준으로 자동으로 도는 '검수 루프' 로 바꿨습니다. 덤으로 AI가 "다 됐어요"라고 할 때 그 말을 믿지 않고 진짜로 확인하는 법까지 배웠습니다.
🎯 이런 분들께 도움돼요
매번 같은 양식·체크리스트로 문서를 검수하는 게 반복 업무인 실무자
AI한테 일을 시켰는데 "다 됐다"는 결과가 은근히 안 맞아서 고생해 본 분
AI 코딩 도구(Claude Code 등)를 한 번의 지시가 아니라 '시스템'으로 굴려보고 싶은 분
😫 문제 상황 (Before)
정부 TIPS 최종보고서는 제출 양식이 아주 빡빡합니다. 정해진 표 레이아웃, "달성 표시는 이모지 말고 텍스트로", "빈 칸·임시 문구 남기면 안 됨", 증빙 페이지 구성까지 — 작성 가이드만 433개 항목입니다.
그런데 보고서는 한 번 쓰고 끝이 아니라 매번, 여러 번 씁니다. 그때마다 저는 생성된 문서를 열어놓고 체크리스트를 손으로 훑었습니다. 숫자가 원본이랑 맞는지, 놓친 항목은 없는지, 양식은 지켜졌는지 눈으로요. 지루하고, 시간이 걸리고, 무엇보다 매번 기준이 조금씩 달라지고 놓치기 쉬웠습니다. 제출 마감이 코앞이라 더 이상 "그때그때 눈대중"으로 갈 수 없었습니다.
🛠️ 사용한 도구
도구명: Claude Code / Codex
모델: Claude Opus 4.8, Fable 5, GPT 5.5 xhigh
특이사항: 로나(Rona)의 "반복업무 루프 설계" 맞춤 실습을 받아, 그 방법을 실제 제 보고서 작업에 그대로 적용했습니다.
🔧 작업 과정
매번 하는 검수를 '루프'로 바꾸기
먼저 "무엇을 자동화할지"부터 정했습니다. 제가 실제로 반복하는 일을 그대로 말했습니다.
이런 보고서 작성할 일이 잦은데, 원래 PDF 양식에 맞춰서 HTML이 생성되었는지, 보고서 작성 가이드는 놓친 것이 없는지 확인하는 것이 반복하는 작업이야.
Claude는 이 일을 "매번 같은 기준으로 도는 검수 절차"로 만들자고 정리했습니다. 검수 기준을 문서 한 장(레시피)으로, 진행 상태를 또 한 장(상태표)으로 나눠 적어서, 다음에 또 검수할 때 처음부터 설명할 필요가 없게요.
여기서 제가 한 가지를 바로잡았습니다. 초안이 '양식(레이아웃)'만 보길래, 작성 가이드에서 내용 체크리스트를 뽑아 '내용'까지 검증하는 단계를 넣어달라고 했습니다. 실제로 그 업무를 해온 사람이라 빠진 게 눈에 보였거든요.
AI가 스스로 "통과!" 하지 못하게 만들기
가장 인상적이었던 개념이 '만드는 역할'과 '검사하는 역할'을 나누는 것 이었습니다. 만든 쪽이 자기 결과를 스스로 검사하면 "이 정도면 됐지" 하고 후하게 통과시키기 마련이라, 검사는 반드시 객관적인 증거 — 예산 계산 스크립트의 출력, 금지 문구 검색 결과, 누락 개수 — 로만 판정하게 했습니다.
이게 얼마나 중요한지 첫 시범에서 바로 드러났습니다. 검수를 한 번 돌렸더니 "금지 문구 0건 → 통과처럼" 보였는데, 숫자가 전부 비어 있었습니다. 알고 보니 채워진 보고서가 아니라 빈 양식을 검사하고 있었던 거죠. "통과"가 아니라 "엉뚱한 걸 검사 중"이었습니다. 사람이 증거를 읽고서야 잡았습니다.
통째로 말고, 섹션별로 쪼개기
보고서가 워낙 길어서, 전체를 통째로 검수 루프에 넣는 게 비효율적으로 느껴졌습니다. 그래서 제안했습니다.
전체 보고서에 대한 루프를 돌리는 것보다, 각 섹션에 대해서 루프를 돌리는 게 더 나을 것 같아. 각 섹션별로 검토해서 만족한 다음에 다 이어붙이고 페이지를 조정하는 방식은 어떨까?
Claude가 확인해 보니 보고서는 이미 8개 섹션 파일로 나뉘어 있었습니다. 그래서 검수를 2단계로 재설계했습니다. 먼저 섹션 하나하나를 검수해 통과시키고(통과한 섹션은 다시 안 봄), 8개가 다 되면 이어붙여서 페이지·일관성만 마지막에 확인하는 방식으로요.
8개 섹션을 동시에 시키기 (그리고 그 대가)
여기서 또 한 걸음 나갔습니다. 긴 작업을 한 번에 시키면 실수가 잦아진다는 걸 경험으로 알고 있어서, 부분을 나눠 여러 명에게 동시에 시키면 정확도도 오르고 시간도 아낄 것 같았습니다.
동시에 여러 서브에이전트를 띄워서 한 번에 해결하는 것은 안 될까?
그래서 섹션 6개를 AI 6명에게 동시에 맡겼습니다. 확실히 빨랐습니다. 그런데 병렬로 하면 대가가 있었습니다 — 6명이 각자 판단하다 보니 이미지 경로를 제각각 다른 방식으로 써버렸고, 한 명은 "이미지 다 확인했어요"라고 보고했지만 실제로는 화면에서 깨지는 경로였습니다.
이걸 잡아준 게 한 명의 검사자 였습니다. 6명이 만든 걸 한자리에서 대조하니 각자는 못 보던 불일치가 드러났습니다. 만드는 건 여러 명이 병렬로, 검사는 한 명이 몰아서 — 이 조합이 병렬 작업의 핵심이었습니다.
<뭐야 레이아웃 다 깨지고 지맘대로 만들었네....>
"다 됐다는데 왜 안 맞지?" — 진짜 함정
이어붙인 결과물을 열어봤더니, 두 가지가 눈에 띄게 어긋나 있었습니다. 원본 양식의 표 레이아웃이 통째로 빠졌고, 모든 이미지가 안 보였습니다. 저는 원인만 조사해 달라고 했습니다.
final-report.html을 보면 template.pdf와 레이아웃이 달라. 표 레이아웃이 완전히 빠졌고, 모든 이미지가 안 보여. 왜 이런 일이 발생했는지 조사해줘. 추가 수정은 하지 말고 원인 분석만 해줘.
원인은 놀랍도록 같은 뿌리였습니다. 검사할 때 "파일이 있나"만 확인하고 "실제로 화면에 뜨나"는 확인한 적이 없었던 것입니다. 이미지 파일은 다 있었지만 경로에 공백·한글이 들어가 브라우저가 못 읽었고, 표 레이아웃은 애초에 "깔끔하게 새로 만들자"는 판단 때문에 원본의 표 구조를 버린 상태였습니다. 둘 다 '진짜 결과(화면)' 대신 '대충 비슷한 신호(파일 존재)'만 검사한 탓이었죠.
그래서 마지막으로 '렌더 게이트' 를 검수 레시피에 넣었습니다. 완료 판정 전에 실제로 브라우저에 띄워서 "이미지가 진짜 다 보이나 + 표 레이아웃이 원본과 같나"를 확인하게요. 이제 예전 같으면 초록불이었을 결과물이 정확히 빨간불로 잡힙니다.
✅ 결과 (After)
Before vs After
항목
Before
After
검수 방식
매번 눈으로 체크리스트 훑기
매번 같은 기준으로 도는 검수 루프
기준 일관성
그때그때 달라짐, 놓치기 쉬움
레시피에 고정 (양식/내용 2트랙)
완료 판정
"괜찮아 보임" (사람 인상)
객관 증거 + 실제 렌더 확인
섹션 8개 처리
순차로 하나씩
6개 동시 생성 + 한 명이 몰아서 검사
재사용
매번 처음부터 설명
다음 보고서에도 그대로 재사용
결과물
검수 기준을 고정한 재사용 가능한 검수 레시피
8개 섹션 각각의 진행 상태를 보여주는 진행표
조립된 보고서 초안과, 제출 전에 버그를 잡아내는 렌더 게이트
솔직한 마무리: 최종 PDF까지 간 건 아닙니다. 오히려 렌더 게이트가 "이미지 안 보임 + 표 레이아웃 어긋남"을 제출 전에 빨간불로 잡아준 게 이번의 진짜 성과입니다. 예전이었으면 그대로 제출할 뻔했으니까요.
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
반복 업무를 '한 번의 지시'가 아니라 '루프'로 설계 — 검수처럼 매번 같은 기준으로 하는 일에 특히 잘 맞습니다.
만드는 역할과 검사하는 역할을 분리 — AI가 자기 결과를 스스로 통과시키지 못하게, 검사는 객관 증거로만.
길고 독립적인 작업은 나눠서 동시에 — 단, 병렬로 만든 건 마지막에 한 명이 몰아서 검사해야 제각각 생긴 불일치가 잡힙니다.
이렇게 하면 안 돼요
AI의 "다 됐어요"를 그대로 믿기 — "다 확인했다"던 결과가 실제로는 깨져 있었습니다. 증거를 보여달라고 하세요.
"파일이 있으니 됐다"로 완료 판정 — 이미지·레이아웃은 반드시 실제로 화면에 띄워서 확인해야 합니다. '있다'와 '보인다'는 다릅니다.
병렬로 시키고 취합 검사를 건너뛰기 — 빠른 대신 일관성이 깨지기 쉬워서, 뒤에서 한 번에 맞춰보는 단계가 꼭 필요합니다.
🌍 다른 업무에 적용한다면?
"매번 반복되고, 끝났는지 확인할 객관적 기준이 있는 일"이면 뭐든 이 방식이 통합니다. 예를 들어 매주 정산 자료를 정해진 양식에 맞추는 일, 계약서를 체크리스트로 검토하는 일, 대량의 데이터를 규칙대로 분류하고 누락을 확인하는 일 등이요. 핵심은 "완료의 기준을 눈대중이 아니라 증거로 못 박는 것"입니다.
🚀 앞으로의 계획
렌더 게이트를 실제로 통과시켜 최종 PDF까지 뽑기 (이미지 경로를 안전한 이름으로 정리 + 원본 표 양식을 그대로 채우는 방식으로 재작성)
이 검수 레시피를 다음 보고서·다른 문서 업무에도 재사용해 보기
📋 재사용 가능한 프롬프트
프롬프트 1: 반복 업무를 검수 루프로 설계하기
내가 매번 반복하는 [검수/정리 업무]가 있어. 이걸 매번 같은 기준으로 도는 '검수 루프'로 만들어줘. 검수 기준은 레시피 문서 한 장에, 진행 상태는 상태표 한 장에 나눠 적어줘. 완료 판정은 "괜찮아 보임"이 아니라 [테스트/스크립트 출력/누락 개수 같은 객관 증거]로만 하고, 만드는 역할과 검사하는 역할을 나눠줘.
[대괄호] 부분은 본인 업무에 맞게 바꾸세요.
프롬프트 2: AI의 "완료"를 진짜로 검증하기
방금 만든 결과물이 "다 됐다"고 했는데, 파일이 있는지 말고 실제로 화면에 제대로 뜨는지로 검증해줘. 이미지가 다 보이는지, 레이아웃이 원본 [양식/디자인]과 같은지 실제로 열어서 확인하고, 하나라도 어긋나면 완료가 아니라고 보고해줘.
소개 — 무엇을, 왜 시도했나
지난 글(구축기 ①)에서 "브랜드가 뜨면 그 브랜드를 가진 상장사도 같이 뜬다"는 가설을, 1,124개 브랜드↔상장사 DB로 만들었습니다. 그런데 DB는 정적입니다. 가설이 의미가 있으려면 '지금 뜨는 브랜드'를 남보다 먼저 잡아야 합니다.
그래서 이번엔 그 DB를 살아 움직이게 만들었습니다. 832개 B2C 브랜드의 검색 트렌드를 매주 자동 수집해서, 급등한 브랜드를 그 모기업(상장사)·티커·매출 비중과 함께 슬랙·텔레그램으로 자동 알림으로 받는 것. 핵심 이유는 단순합니다 — 832개를 매주 손으로 볼 수는 없으니까. 수집 → 급등 신호 → 상장사 매핑 → 알림까지를 자동화하고, 비싼 분석(밸류·내러티브)은 내가 알림을 보고 승인했을 때만 돌게 했습니다.
한 줄. ①이 "지도(DB)"였다면, ②는 그 지도 위에서 매주 깜빡이는 신호등을 켜는 작업입니다.
진행 방법 — 도구와 활용
전부 무료 도구로 시작했습니다. 네이버 데이터랩 API(검색어트렌드, 무료), 구글 트렌드(pytrends, 무료·비공식), 슬랙 Incoming Webhook, 텔레그램 봇, Windows 작업 스케줄러, 그리고 Python. 코드는 전부 Claude 코워크로 작성·검증했습니다.
1) 신호 규칙 — 상대값을 '변화율'로
트렌드 값은 절대 검색량이 아니라 상대지수(0~100)입니다. 그래서 값 자체가 아니라 1주·4주·12주 변화율을 보고, WoW ≥ 10% / 4주 ≥ 30% / 12주 ≥ 50% 중 하나라도 넘으면 '급등'으로 잡습니다. 검색량이 너무 적은 브랜드는 작은 변동도 큰 %로 튀어서, 베이스 컷(최신 상대값 5 미만 무시)도 넣었습니다.
2) 알림 메시지 — 한글명 + 티커 + 매출 비중
급등 브랜드만 보내면 "그래서 어느 상장사?"를 또 찾아야 합니다. 그래서 알림에 DB(db.js)를 붙여 한글명·영문명 → 모기업 · 티커(거래소) · 모기업 매출 비중%까지 한 줄에 담았습니다. 텔레그램에서 이모지가 깨지지 않게 실제 유니코드(🔥)를 쓰고요.
3) 트리클 모드 — 차단을 피해 한 주에 전수
무료 구글(pytrends)은 한 번에 많이 돌리면 429로 차단됩니다. 그래서 월~금 오전 11시~오후 5시에 조금씩 나눠 전 종목(832개)을 한 주에 걸쳐 수집하도록 '트리클(trickle)' 모드를 만들었습니다. 진행상황을 저장(resume)해 다음 시간대가 이어받고, 50개 묶음이 다 차면 그 배치만 끊어서 알림을 보냅니다. (큰 보고서 한 방이 아니라, 50개씩 끊어서.) 작업 스케줄러에 한 번만 등록하면 자동으로 돕니다.
4) 실제로 데이터가 들어오는지 검증
가장 중요한 질문 — "진짜 데이터가 들어오고, 상승이 잡히나?" 럭셔리는 마침 보합이라 0건이었는데, 전 섹터로 넓혀 네이버 신호가 강한 125개를 훑자 실제 급등 브랜드가 잡혔습니다.
실제로 쓴 프롬프트 (요지)
# 1. 수집기 만들기
네이버 데이터랩과 구글 트렌드만 연결해서, 832개 브랜드의
검색 트렌드를 매주 취합하는 러너를 만들어줘. 1·4·12주 변화율로
10/30/50% 임계치를 넘으면 슬랙·텔레그램으로 요약을 보내고. # 2. 메시지 업그레이드
알림에 모기업 기준 '매출 비중 %'랑 한글명·티커도 같이 보내줘.
이모지는 텔레그램에서 안 깨지게 실제 유니코드로. # 3. 트리클 + 배치 보고
pytrends가 자꾸 막히니 월~금 11~17시에 전수를 잘게 나눠 돌려.
그리고 50개씩 끊어서, 그 배치가 끝나면 그 50개만 메시지 보내고
또 다음 50개 돌리고 보내고… 이렇게. # 4. 자가 검증 + 막힘 대응
수집 돌리기 전에 문법·데이터·메시지 포맷을 자동 점검하는
self-check를 넣고, 구글이 연속으로 막히면 그 회차는 구글을
포기하고 네이버로 진행하게 해줘.
핵심 코드 — 두 군데가 품질을 갈랐다
주중에 돌려보니 모든 브랜드가 일괄 −60%로 찍혔습니다. 네이버 주간 데이터의 '이번 주'가 아직 미완성이라 값이 덜 차서 생긴 거짓 하락이었죠. 이걸 안 잡았으면 주중엔 상승을 통째로 놓쳤을 겁니다.
# 미완성 '이번 주'는 빼고, 마지막 '완성된 주'를 기준으로
if last_week >= 이번주_월요일: series = series[:-1] # 미완 주 제거
그리고 구글이 막혔을 때 35초씩 헛기다리지 않게, 연속 차단되면 그 회차는 구글을 접고 네이버로 넘어가는 '서킷 브레이커'를 넣었습니다.
# 구글 연속 차단 = 하드블록 → 이번 런은 구글 포기, 네이버로
if consec >= GIVE_UP: # 기본 6회 blocked = True # 남은 건 즉시 건너뜀(대기 없음)
결과와 배운 점
결과. 832개 브랜드를 한 주에 나눠 자동 수집하고, 급등 브랜드를 한글명·티커·매출 비중%와 함께 슬랙·텔레그램으로 받는 파이프라인이 실제로 돕니다. 네이버는 안정적으로 들어오고(리닝 +416% 등 실측 확인), 수집 전 self-check가 자동으로 코드·데이터·메시지를 점검하고, 트리클은 작업 스케줄러로 무인 실행됩니다.
배운 점 · 꿀팁
무료 소스엔 역할이 다르다. 네이버 = 한국 신호(안 막히는 일꾼), 구글 = 글로벌 보너스(막히면 best-effort). 둘을 같은 무게로 두면 안 된다.
'이번 주'를 믿지 마라. 주간 데이터의 현재 주는 미완성 → 주중엔 전부 거짓 하락. 마지막 완성된 주로 비교해야 신호가 산다.
저베이스는 노이즈. 검색량 적은 브랜드는 +400%도 흔하다. 베이스 컷으로 걸러야 한다.
도구의 '거짓 보고'를 의심하라. 방금 저장한 파일을 "잘렸다"고 표시하는 경우가 있었다(샌드박스 표시 지연). 실제 파일은 멀쩡 → 실환경에서 도는 self-check로 항구 검증.
최종 판단의 게이트는 나. 알림은 자동, 비싼 분석은 내가 승인한 뒤에만.
시행착오
pytrends 429 반복 — 무료 구글은 자동 반복 조회를 계속 차단. → 트리클로 분산 + 서킷 브레이커로 우회.
OneDrive가 쓰기를 막음 — 결과 저장이 막혀, 출력은 %LOCALAPPDATA%로, 프로젝트는 OneDrive 밖으로 이동.
파이썬 런처 — python이 엉뚱한 가상환경을 가리켜 py 런처로 통일.
.bat 차단 · 텔레그램 chat_id · PowerShell의 & 문법 등 윈도우 잔손질이 의외로 많았다.
지금 도움이 필요한 부분
구글 트렌드(pytrends)가 계속 막혀서 유료 전환을 고민 중입니다. 어떤 API(SerpApi·DataForSEO 등)가 가격이 합리적인지, 그리고 그 전에 검색 방식·양 자체를 어떻게 줄일지(키워드 수, 조회 빈도, 지역 범위)부터 다시 설계해야 할 것 같습니다. 무료로 끝까지 버틸지, 월 몇만 원으로 글로벌 신호를 사올지 — 비용 대비 효용을 저울질 중입니다.
앞으로의 계획
슬랙 온디맨드 리포트. 슬랙에서 특정 명령어로 브랜드를 입력하면, 그 브랜드의 트렌드 리포트 + 기업분석 리포트를 자동 작성·발송하게 만들기.
검색 대상 정리. 의미 없는 브랜드는 빼고, 빠진 브랜드는 추가 — 유니버스를 한 번 손보기.
네이버 한글 브랜드명 전수 정비. 지금은 일부만 한글이고 나머진 영문 폴백 → 전부 정확한 한글 키워드로 바꿔 네이버 신호 정확도 끌어올리기.
구글 유료 전환 검토. SerpApi/DataForSEO 등 가격·쿼터·커버리지 비교 + 검색량 최적화로 비용 합리화.
소개
처음에는 단순하게 생각했습니다. “AI가 뉴스를 보고, 차트를 보고, 투자 후보를 뽑고, 자동으로 판단하면 되는 거 아닌가?” 그런데 실제로 자동매매 흐름을 만들다 보니, 가장 먼저 부딪힌 문제는 AI 성능이 아니었습니다. 문제는 **내가 어떤 기준으로 AI의 판단을 통과시킬 것인가**였습니다. AI가 어떤 종목이나 자산을 좋다고 말해도, 그걸 바로 실거래로 연결하면 위험합니다. 왜 좋은지, 반대 근거는 무엇인지, 손실 가능성은 어디까지인지, 뉴스와 가격 데이터가 최신인지, 그리고 이 판단이 단순한 확신 편향은 아닌지 확인해야 했습니다. 결국 제가 배운 건 이거였습니다. > AI에게 자동매매를 맡기려면, 먼저 내가 트레이더의 기본 지식과 판단 기준을 갖고 있어야 한다. AI는 기준을 자동화할 수는 있지만, 기준 자체를 책임져주지는 않습니다.
진행 방법
그래서 저는 자동매매 시스템을 바로 실거래로 연결하지 않았습니다. 대신 먼저 **종이매매 통과 기준**을 만들었습니다. AI가 투자 후보를 만들더라도, 그 후보는 바로 주문으로 가지 않습니다. 먼저 아래 질문을 통과해야 합니다. - 근거가 충분한가?
- 반대 근거를 스스로 제시했는가?
- 손실 가능성과 무효화 조건을 적었는가?
- 뉴스와 데이터 출처가 확인되는가?
- 종이매매 기록과 복기가 쌓였는가?
- 위험 문구나 주문 실행 문구가 섞이면 차단되는가? 여기서 중요한 건 “AI가 맞췄냐”보다 “AI의 판단을 내가 검토 가능한 구조로 만들었냐”였습니다. 자동매매에서 제일 위험한 순간은 AI가 그럴듯한 말을 할 때입니다. “지금 사야 합니다.” “목표가는 얼마입니다.” “이 주문을 실행하세요.” 이런 문장이 나오면, 시스템은 오히려 더 조심해야 합니다. 그래서 저는 다음과 같은 **투자 자동화 안전장치**를 두었습니다. - 실거래 주문은 기본적으로 비활성화
- 브로커/거래소 연결도 비활성화
- API 키나 계정 정보 입력은 차단
- “주문 실행”, “시장가 주문”, “투자 조언” 같은 문구는 차단
- 종이매매 세션만 열리도록 제한
- 기록, 복기, 반대 논리 작성이 먼저 진행되도록 구성 즉, AI가 투자 아이디어를 내는 것과 실제 주문을 넣는 것은 완전히 분리했습니다. 또 실거래 전환은 “이제 잘 되는 것 같으니 해보자”로 넘기지 않기 위해, 따로 **실거래 전환 조건표**가 필요하다고 느꼈습니다. 실거래로 넘어가려면 최소한 이런 조건을 확인해야 합니다. - 충분한 종이매매 기록이 있는가?
- 손실 사례를 복기했는가?
- 승률보다 손익비와 리스크 관리가 검증됐는가?
- 데이터 오류가 났을 때 멈추는가?
- 위험 문구가 들어왔을 때 차단되는가?
- 사람의 승인 없이 주문으로 이어지지 않는가? 자동매매에서 중요한 건 “자동”이 아니라 **어디까지 자동화할 것인가**였습니다.
결과와 배운 점
처음에는 AI가 좋은 투자 판단을 해주길 기대했습니다. 하지만 실제로 만들어보니, 더 중요한 건 제가 트레이더로서 기본 질문을 알고 있어야 한다는 점이었습니다. AI에게 물어볼 질문을 모르면, AI의 답변도 검증할 수 없습니다. 반대 근거를 요구할 줄 모르면, AI는 확신에 찬 답변만 줄 수 있습니다. 리스크 기준이 없으면, 자동매매는 자동 손실 시스템이 될 수도 있습니다. 그래서 지금 제 결론은 이렇습니다. > AI 자동매매는 AI부터 만드는 게 아니라, 내 투자 판단 기준을 먼저 구조화하는 일부터 시작해야 한다. AI는 훌륭한 실행 도구가 될 수 있습니다. 하지만 트레이더의 기본기 없이 AI에게 자동매매를 맡기는 건, 운전면허 없이 자율주행 설정만 만지는 것과 비슷하다고 느꼈습니다. 이번 실험의 가장 큰 수확은 자동매매 시스템을 만든 것이 아니라, **자동매매를 하기 전에 내가 무엇을 알아야 하는지 알게 된 것**입니다.
