트렌드를 '종목'으로 — 브랜드 발굴 멀티에이전트 시스템과 실시간 DB 만들기

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.

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.

📣 23기 AI 스터디 대기자 모집 중!