글

7월, 2026의 게시물 표시

위임서를 써 보면 안다: AI 에이전트에게 맡길 일과 남길 일

이미지
새 직원이 들어온 첫날, 유능한 관리자는 무엇부터 할까요. 저는 "무엇을 시킬지"를 먼저 정리한다고 봅니다. AI 에이전트도 똑같습니다. 요즘 개인 에이전트를 보며 저는 도구의 성능보다, 그 도구에 무엇을 넘길지 정하는 능력이 훨씬 중요해졌다고 느낍니다. 지금은 물어보면 답하던 대화형 AI에서, 일을 통째로 맡기는 위임형 AI로 넘어가는 시기입니다. 이 전환기에 실력은 프롬프트가 아니라 위임 목록에서 드러납니다. 위임 목록을 짜는 방법은 의외로 단순합니다. 저는 세 가지 질문으로 후보를 걸러냅니다. 규칙을 문장으로 적을 수 있는가, 매일이나 매주 반복되는가, 틀려도 손해가 작은가. 세 질문에 모두 그렇다고 답할 수 있는 일이 가장 먼저 넘길 대상입니다. 받은 편지함 분류와 초안 회신, 일정 조율, 리서치 요약, 정기 리포트 취합이 여기에 딱 들어맞습니다. 규칙이 분명하고, 반복되며, 한 번 어긋나도 큰 사고로 번지지 않는 일들이지요. 저는 이 과정을 위임서 쓰기라고 부릅니다. 실제 순서는 이렇습니다. 먼저 내 반복업무를 스무 개쯤 종이에 적습니다. 머릿속에만 있으면 후보가 보이지 않기 때문입니다. 그다음 세 기준으로 후보를 추리고, 각 업무의 지시를 위임서처럼 문장으로 씁니다. 무엇을, 어떤 규칙으로, 어떤 형태로 내놓아야 하는지 적는 것입니다. 마지막으로 결과를 표본으로 스팟체크합니다. 넘긴 뒤에도 권한과 검수를 사람이 챙기는 것은 당연한 기본기입니다. 반대로 남겨야 할 일도 분명합니다. 기획과 판단과 관계는 여전히 사람의 몫입니다. 규칙으로 적기 어렵고, 한 번의 실수가 큰 비용으로 돌아오는 일이기 때문입니다. 위임 목록을 잘 짠다는 것은 결국 넘길 것과 남길 것의 경계를 또렷하게 긋는 일입니다. 에이전트는 시간을 되사주는 도구입니다. 그러나 그 시간을 어디에 쓸지, 무엇을 넘기고 무엇을 쥘지는 여전히 우리가 정합니다. 좋은 도구를 찾는 일보다, 위임 목록을 먼저 손으로 써 보시기를 권합니다. 승부는 거기서 갈립니다....

AI가 평균을 채우는 시대, 당신의 콘텐츠에 '사람 값'을 매기는 법

이미지
콘텐츠를 만드는 사람이라면 요즘 한 번쯤 이런 질문을 던졌을 것입니다. AI가 웬만한 글은 다 그럴듯하게 써주는데, 나는 무엇으로 차별화해야 할까요. 저는 이 질문의 답이 사람에게 되돌아오고 있다고 봅니다. 지금 시장의 풍경은 이렇습니다. 생성형 AI 덕분에 누구나 평균 이상의 결과물을 빠르게 뽑아냅니다. 겉보기 품질은 상향평준화되었습니다. 그런데 역설적으로 그 매끄러운 문장 뒤에 사실 오류가 숨어 있지는 않은지 확인하는 부담이 커졌고, 읽는 사람의 불신도 함께 자랐습니다. 품질은 흔해졌는데 신뢰는 귀해진 것입니다. 이 변화가 만든 새로운 가치가 있습니다. 저는 그것을 사람 값, 곧 저자성의 가격이라고 부릅니다. 정보 자체가 표준화될수록 그 정보를 누가, 어떤 경험으로 엮었는가가 차별화의 축으로 올라섭니다. 실제로 창작자들 사이에서는 사람이 주로 만들었다는 사실을 밝히는 표시가 등장하기 시작했습니다. 중요한 것은 이것이 AI를 거부하는 몸짓이 아니라는 점입니다. 사람의 손길이 어디에 닿았는지를 드러내는 투명성의 표시에 가깝습니다. 그래서 저는 세 가지를 제안합니다. 첫째, 남이 복제할 수 없는 내 경험을 콘텐츠 안에 명시하십시오. 직접 부딪힌 상황, 실패한 시도, 손에 쥔 숫자가 곧 신뢰의 근거가 됩니다. 둘째, 저자가 누구인지를 숨기지 말고 앞에 세우십시오. 무엇을 직접 만들어 본 사람인지가 브랜드가 됩니다. 셋째, AI에게는 초안을 맡기되 마지막 판단과 관점은 반드시 사람이 쥐십시오. 결국 사람 값은 AI를 밀어내는 이야기가 아닙니다. AI가 채워 준 평균 위에 나만의 경험과 관점을 얹는 프리미엄 레이어입니다. 평균은 기계에게 맡기고, 프리미엄은 사람이 채우십시오. 오늘 만드는 콘텐츠 한 편에 나만의 맥락 하나를 얹는 것에서 그 차이는 시작됩니다.

대화가 매장이 된다 (카나나 2.5 예고와 에이전트 커머스, 1인 브랜드의 준비)

이미지
카카오가 150B 규모의 신규 모델 카나나 2.5 공개를 예고했고, 카카오톡 안에서는 선물하기와 연동한 에이전트 커머스 실험이 이미 진행 중입니다. 이달 중에는 외부 커머스 파트너 연동 실험도 시작됩니다. 요약하면 대화 도중에 검색과 구매가 함께 일어나는 구조가 국민 메신저 안에서 만들어지고 있다는 뜻입니다. 저는 유튜브와 블로그, 디지털 상품을 혼자 운영하는 1인 브랜드 입장에서 이 변화를 보고 있고, 이 글에서는 팔로워 수를 늘리는 이야기가 아니라 대화형 커머스가 열리기 전에 미리 세팅해 둘 것들을 정리합니다. 카카오가 깔고 있는 판 — 검색이 아니라 대화 순서를 보면 방향이 읽힙니다. 카카오는 지난 4월부터 카카오톡 안의 검색을 카나나로 대체하는 실험을 시작했고, 같은 시기에 선물하기를 연동한 에이전트 커머스 실험을 붙였습니다. 전자신문 보도 에 따르면 신규 모델 카나나 2.5는 동급 파라미터 국내외 모델 중 최고 성능을 확인했다고 카카오가 밝힌 상태입니다. 이 조합이 의미하는 것은 분명합니다. 이용자가 채팅창에서 무언가를 묻고, 답 속에서 상품을 추천받고, 대화를 벗어나지 않은 채 결제나 선물로 이어지는 동선입니다. 검색창과 쇼핑몰 사이의 이동이 사라지는 대신, 대화가 곧 검색이고 매대가 됩니다. 에이전트 커머스에서 상품이 팔리는 방식 기존 커머스에서 상품이 팔리려면 검색 결과나 피드에 노출돼야 했습니다. 에이전트 커머스에서는 에이전트가 대화 맥락에 맞춰 상품을 골라 제안합니다. 즉 노출 경쟁의 단위가 검색 순위에서 에이전트가 이해할 수 있는 상품 정보로 바뀝니다. 여기서 1인 브랜드의 유불리가 갈립니다. 대형 브랜드는 광고비로 노출을 사 왔지만, 에이전트가 답을 고르는 구조에서는 정보가 명확하게 정리된 상품이 우선 후보가 됩니다. 상품 설명이 사람에게 보여 주는 광고 문구가 아니라, 에이전트가 읽고 판단할 수 있는 데이터에 가까워질수록 작은 브랜드에게도 기회가 열립니다. 또 하나 눈여겨볼 것은 신뢰 신호입니다. 에이전트가 ...

Genspark AgentBase 해부 — 코드 없이 내 데이터로 CRM을 만드는 시대

이미지
숫자부터 보겠습니다. Genspark는 2026년 6월 시리즈 B를 4억 8,500만 달러 규모로 확장하며 기업가치 26억 달러를 인정받았습니다. 그 회사가 최근 내놓은 신규 에이전트가 AgentBase입니다. 이메일·드라이브·캘린더 같은 개인 데이터를 CRM, HR 시스템, 프로젝트 관리 툴로 즉시 변환해 주는 도구입니다. 저는 이 발표를 클라이언트 관리 실무자의 눈으로 읽었습니다. 그동안 업무 시스템이란 남이 만든 SaaS를 구독해서 내 업무를 거기에 맞추는 것이었는데, 이제 방향이 뒤집혀 내 데이터에 맞는 시스템을 AI가 만들어 주는 흐름이 시작됐다는 것입니다. 이 글은 그 전환이 마케터에게 무엇을 의미하는지 정리합니다. AgentBase가 하는 일 — 데이터가 곧 시스템이 된다 AgentBase의 구조를 한 문장으로 줄이면 이렇습니다. 이미 내가 가진 데이터에서 시스템을 꺼낸다. 클라이언트와 주고받은 이메일에는 대화 이력이, 드라이브에는 제안서와 계약 문서가, 캘린더에는 미팅 기록이 쌓여 있습니다. 지금까지 이것들은 흩어진 흔적이었고, CRM을 쓰려면 이 흔적을 사람이 일일이 옮겨 적어야 했습니다. AgentBase는 이 방향을 뒤집어, 흩어진 개인 데이터를 읽고 그 위에 CRM이든 프로젝트 관리 툴이든 필요한 시스템을 세워 주는 방식을 내세웁니다. 마케터에게 이 발상 전환이 중요한 이유는 명확합니다. CRM 도입이 실패하는 가장 큰 원인은 기능 부족이 아니라 입력이 유지되지 않는 것입니다. 데이터가 이미 있는 곳에서 시스템을 만들어 내는 구조라면, 입력이라는 가장 약한 고리를 처음부터 우회할 수 있습니다. SaaS 구독과 내 데이터 시스템, 구조가 다르다 기존 SaaS CRM 구독과 AgentBase형 접근의 차이를 표로 정리하면 이렇습니다. 구분 SaaS CRM 구독 AgentBase형 내 데이터 시스템 출발점 남이 정한 틀에 내 업무를 맞춤 내 데이터에서 시스템을 생성 비용 구조 좌석당 월 구독료가 계속 발생 구독 대신...

Grok 4.1 Fast 에이전트 API 반값 (AI 자동화 실비용, 직접 계산해봤습니다)

이미지
xAI가 2026년 7월 3일부로 Grok 4.1 Fast에 에이전트 툴 호출(function calling)을 지원하면서, 가격을 성공 호출 1,000회당 최대 5달러로 절반 이하로 내렸습니다. AI 에이전트 자동화는 비쌀 것이라는 인식이 많은데, 이 단가라면 실제로 얼마가 나오는지 궁금했습니다. 그래서 제가 실제로 돌리고 있거나 준비 중인 반복업무 3가지를 놓고, 공개된 단가만으로 월 비용 상한을 계산해 봤습니다. 결론부터 말씀드리면, 시나리오에 따라 월 4.5달러에서 45달러 수준입니다. 계산 근거를 순서대로 보여 드리겠습니다. 무엇이 바뀌었나 — 단가부터 확인 먼저 사실관계입니다. xAI 공식 발표 에 따르면 Grok 4.1 Fast는 7월 3일부터 에이전트 툴 호출을 지원하고, 그 가격이 성공한 호출 1,000회당 최대 5달러로 종전의 절반 이하가 됐습니다. 여기서 두 가지가 눈에 들어왔습니다. 하나는 성공 호출 기준이라는 점이고, 다른 하나는 1,000회 묶음 단가라는 점입니다. 에이전트가 검색하고, 데이터를 가져오고, 결과를 기록하는 각각의 손동작에 붙는 값이 이 정도라면, 반복업무 자동화의 손익 계산이 달라집니다. 같은 시기에 xAI는 음성-텍스트 변환(25개 언어)과 텍스트-음성 변환 API를 정식 출시했고, 정해진 형식으로 답을 받는 구조화 출력 기능도 붙였습니다. 단가 인하가 단독 이벤트가 아니라, 에이전트를 실무 파이프라인에 끼워 넣기 좋게 만드는 흐름의 일부라는 뜻입니다. 시나리오별 계산 — 반복업무 3가지의 월 비용 상한 계산 방식부터 밝힙니다. 아래 호출 횟수는 제 업무 기준의 가정이고, 단가는 공개된 상한인 1,000회당 5달러를 그대로 곱했습니다. 즉 실제 청구액이 아니라 공개 단가 기준의 상한 계산입니다. 시나리오 가정한 호출량 월 호출 수 월 비용 상한 경쟁 채널 모니터링 하루 3회 실행 × 회당 10콜 900콜 4.5달러 뉴스 수집·요약 봇 하루 100콜 3,000콜 15달러 문의 자동 분류 하루...

네이버 AI탭 출시 후 검색 유입이 달라진다 (운영 사이트에서 실제로 손본 5가지)

이미지
네이버가 통합검색에 대화형 AI 검색 'AI탭'을 정식 출시했습니다. 경량화·효율화된 차세대 하이퍼클로바X가 적용됐고, 이용자는 키워드를 나열하는 대신 질문을 던지고 조립된 답을 받게 됩니다. 한국 검색 트래픽의 구조가 바뀌는 출발점이라는 뜻이고, 사이트 운영자라면 지금이 대응을 시작할 시점입니다. 저는 블로그 aitrend.kr을 직접 운영하고 있어서 이 변화가 남의 일이 아닙니다. 이번 주에 사이트에서 실제로 손본 것 다섯 가지를 그대로 공개합니다. 무엇이 바뀌었나 — 링크 목록에서 조립된 답으로 이번 출시의 핵심은 검색 결과의 단위가 바뀐다는 데 있습니다. 지금까지 네이버 검색의 기본 단위는 링크와 문서 목록이었습니다. AI탭에서는 여러 문서에서 발췌한 내용을 하나의 답으로 조립해 보여 주고, 원문은 그 답의 근거로 인용됩니다. AI타임스 보도 에 따르면 네이버는 이 AI탭에 차세대 하이퍼클로바X를 적용했고, 앞서 1분기에는 네이버플러스 스토어에 쇼핑 AI 에이전트를 붙이는 등 올해를 AI 에이전트 기반 수익화의 원년으로 삼고 있습니다. 운영자 입장에서 중요한 것은 방향입니다. 검색의 무게 중심이 문서 노출에서 답변 인용으로 이동하면, 클릭 전에 답이 끝나는 검색이 늘어납니다. 구글의 AI 오버뷰가 먼저 보여 준 흐름이 네이버 생태계에서도 본격화되는 셈입니다. 유입 리포트에서 먼저 나타날 변화 수치로 먼저 보이는 것은 노출 대비 클릭의 비율입니다. 답이 검색 화면 안에서 완결되면 노출은 유지되거나 늘어도 클릭은 줄어들 수 있습니다. 반대로 AI탭의 답 안에 인용된 문서는 이전과 다른 질의에서 새로운 유입을 받게 됩니다. 즉 유입의 총량보다 유입의 경로가 먼저 재편됩니다. 그래서 저는 데이터 판독 기준부터 바꿨습니다. 지금까지는 어떤 키워드에서 몇 명이 들어왔는지를 봤다면, 앞으로는 어떤 질문에 내 글이 인용되는지, 인용된 뒤 실제 방문으로 이어지는 비율이 어떤지를 함께 봐야 합니다. 측정 항목이 바뀌면 콘텐츠를 고치...

Gemini 3.5 Flash 무료 전면배포 — 마케터가 0원으로 세우는 AI 업무 자동화 동선

이미지
2026년 6월 말, AI 비용 구도가 흥미롭게 갈렸습니다. OpenAI는 GPT-5.6을 Sol·Terra·Luna 세 티어로 나눠 100만 토큰당 1달러에서 30달러까지 가격표를 세분화했고, ChatGPT 무료 티어에는 광고까지 붙기 시작했습니다. 반면 구글은 정반대로 갔습니다. 가장 빠르면서 프론티어급 지능을 내세운 Gemini 3.5 Flash를 전 세계 사용자에게 무료로 전면배포하고, 개인 AI 에이전트 Gemini Spark를 macOS용 앱으로 확대한 것입니다. 저는 이 발표를 보고 계산이 하나 섰습니다. 마케터의 일상 업무 상당수는 이제 결제 카드 등록 없이 자동화 동선에 올릴 수 있다는 것입니다. 이 글은 그 동선을 실제 운영 관점에서 정리합니다. 무엇이 무료로 풀렸나 — 3.5 Flash와 스파크 먼저 사실관계를 짚겠습니다. 구글 공식 릴리즈 노트 기준으로 Gemini 3.5 Flash는 속도를 앞세운 경량 모델이면서도 프론티어급 지능을 표방하며, 전 세계 사용자 대상 무료 롤아웃이 시작됐습니다. 유료 구독자에게만 열어 주는 미리보기가 아니라 무료 티어 전면 배포라는 점이 핵심입니다. 같은 시기에 확대된 Gemini Spark는 성격이 다릅니다. 챗봇이 아니라 개인 에이전트입니다. macOS용 제미나이 앱에서 사용자 지시를 받아 폴더 정리, 문서 작성, Workspace 워크플로우 같은 일을 자율적으로 대행합니다. 로컬 파일을 기반으로 문서를 만들어 준다는 점에서, 브라우저 안에 갇혀 있던 AI가 내 컴퓨터의 잡무 영역으로 내려온 셈입니다. 유료 API와 무료 티어, 마케터 기준으로 비교하면 마케터 입장에서 지금 선택지를 표로 놓고 보면 구도가 선명해집니다. 구분 OpenAI GPT-5.6 (API) ChatGPT 무료 티어 구글 무료 티어 (3.5 Flash) 비용 Luna 1/6달러 ~ Sol 5/30달러 (100만 토큰당) 0원, 단 광고 노출 시작 0원 접근성 초기 승인 기업 20곳 한정 공개 5시간당 10...

GPT-5.6 티어별 가격 해부 (1인 마케터가 지금 준비할 자동화 전략)

이미지
OpenAI가 2026년 6월 26일 GPT-5.6을 공개했습니다. 최상위 Sol, 균형형 Terra, 저비용·고속 Luna의 3개 티어로 나뉘며, 100만 토큰 기준 가격은 Luna가 입력 1달러·출력 6달러, Terra가 2.5달러·15달러, Sol이 5달러·30달러입니다. 여기에 서브에이전트 여러 개가 협업하는 Ultra 모드가 새로 추가됐습니다. 발표 내용 자체는 이미 여러 매체가 정리했으니, 이 글에서는 비개발자 마케터인 제가 이 가격표를 어떻게 읽었는지, 그리고 1인 마케터가 이 구조에서 실제로 무엇을 자동화할 수 있는지를 짚어 보겠습니다. 발표 요약 — 3개 티어와 Ultra 모드 사실관계부터 정리합니다. 이번 발표를 다룬 Axios 보도 에 따르면 GPT-5.6은 추론·코딩·바이오·사이버보안 성능이 강화됐고, 단일 에이전트를 넘어 서브에이전트가 협업하는 Ultra 모드가 처음 들어갔습니다. 다만 미 정부 요청으로 초기에는 승인된 20개 기업에만 API와 Codex로 제한 공개되며, 일반 공개는 이후 확대될 예정입니다. 티어 성격 가격 (100만 토큰, 입력/출력) Luna 저비용·고속 1달러 / 6달러 Terra 균형형 2.5달러 / 15달러 Sol 최상위 5달러 / 30달러 표에서 보이듯 입력 기준으로 Luna와 Sol의 가격 차이는 5배입니다. 하나의 모델을 모든 일에 쓰는 시대가 아니라, 일의 성격에 따라 모델을 골라 쓰는 시대가 가격표로 명문화된 셈입니다. 가격표를 마케터의 업무표로 바꿔 읽기 저는 이 가격표를 보자마자 제 일주일 업무 목록을 옆에 놓고 두 줄로 나눠 봤습니다. 기준은 단순합니다. 양이 많고 판단이 얕은 일인가, 양이 적고 판단이 깊은 일인가입니다. 양이 많고 판단이 얕은 일은 Luna의 영역입니다. SNS 문구 변형, 블로그 초안 요약, 해시태그 후보 뽑기, 채널별 카피 리라이팅 같은 작업입니다. 이런 일은 하루에도 수십 번 돌아가기 때문에 단가가 낮을수록 이득이 커집니다. 반대로 양이 적...

캐릭터 51장, 그림체는 하나 — 가상 오피스 에셋 제작의 전 과정 (EP.3·완결)

이미지
가상 오피스 시리즈의 마지막 편입니다. EP.1에서 결과물을, EP.2에서 클로드 코드 프롬프트를 공개했고, 이번 편은 화면에 보이는 모든 그림, 즉 에셋 이야기입니다. 필요한 물량은 캐릭터 17명 곱하기 3포즈(서 있기, 앉기, 서류 운반)로 총 51장이었습니다. 이미지 생성 AI로 51장을 뽑는 것 자체는 어렵지 않습니다. 진짜 문제는 51장이 전부 같은 그림체여야 한다는 것이었습니다. 일관성의 답은 프롬프트가 아니라 앵커였습니다 이미지 생성 AI는 같은 프롬프트라도 호출마다 조금씩 다른 그림체를 내놓습니다. 한 화면에 17명이 함께 서는 오피스에서는 이 편차가 치명적입니다. 제가 찾은 답은 스타일 앵커 기법입니다. 먼저 기준 캐릭터 한 장을 공들여 확정합니다. 미니어처 치비, 머리와 몸통 5:5 비율을 만족하는 대표 한 장입니다. 이후 나노바나나(제미나이 이미지 모델)로 나머지 50장을 생성할 때마다 이 앵커를 레퍼런스 이미지로 함께 전달했습니다. 프롬프트에는 캐릭터별 개성(역할, 복장, 소품)만 쓰고 그림체는 첨부 이미지를 따르게 하는 구조입니다. 텍스트로만 스타일을 설명하던 초기에는 선 굵기와 명암이 제각각이었지만, 앵커 도입 후 17명이 한 스튜디오 출신처럼 통일됐습니다. 프롬프트를 백 번 다듬는 것보다 좋은 기준 이미지 한 장이 나았습니다. 배경은 전체 재생성 대신 부분 편집 배경은 마음에 드는 아이소메트릭 일러스트를 참고 이미지로 주고 그 스타일로 새로 생성했습니다. 문제는 디테일이었습니다. 캐릭터 스프라이트가 앉을 자리에 의자가 이미 그려져 있어 겹침이 생겼고, 17명을 수용하기에 책상이 모자랐습니다. 이때 전체를 다시 뽑지 않았습니다. 재생성은 잘 나온 부분까지 무작위로 날리는 복권이기 때문입니다. 대신 부분 편집으로 그려진 의자를 지우고, 같은 그림체의 책상을 빈 곳에 추가했습니다. 확정된 영역은 지키고 문제 지점만 고치는 이 방식은 배경처럼 면적이 큰 이미지일수록 효과가 큽니다. 누끼는 BiRefNet, 좌...

AI 검색에 내 브랜드가 안 뜨는 이유 — 온톨로지부터 다시 봤습니다

이미지
며칠 전 스레드에 짧게 정리해서 올린 개념이 하나 있습니다. 온톨로지입니다. 반응이 예상보다 뜨거워서 다시 들여다보다가, 정작 저 자신도 이 개념을 정확히 실무로 옮기고 있었는지 스스로 점검하게 됐습니다. ATM 채널을 혼자 운영하면서 콘텐츠를 쌓아온 시간이 쌓일수록, 결국 제가 하고 있던 일이 브랜드를 하나의 개체로 정리하는 작업이었다는 걸 알게 됐습니다. 그 정리 과정을 이번 글에 좀 더 풀어보려고 합니다. 키워드는 다 넣었는데 왜 AI 검색엔 안 뜨는가 몇 년 전까지 검색 최적화는 단순했습니다. 사람들이 검색할 것 같은 단어를 제목과 본문에 자주 넣어두면 됐습니다. 그런데 지금 챗지피티나 퍼플렉시티, 구글 AI 오버뷰에 브랜드명을 검색해보면 이상한 경험을 하게 됩니다. 분명 관련 콘텐츠를 꾸준히 써온 브랜드인데도 답변에 전혀 등장하지 않는 경우가 있습니다. 존재하는데 보이지 않는 상태입니다. 이 현상의 배경에 온톨로지가 있습니다. 온톨로지는 한 줄로 정리하면 우리 분야에 무엇이 존재하고 그것들이 서로 어떻게 연결되는지를 기계도 읽을 수 있게 정의해둔 개념 지도입니다. 점은 브랜드, 제품, 고객 같은 개념이고 선은 만든다, 좋아한다, ~이다 같은 관계입니다. 지금의 AI 검색은 단어가 아니라 이 점과 선, 즉 엔티티와 관계를 이해한 뒤 답을 만듭니다. 브랜드명을 검색하면 AI는 그 브랜드를 하나의 개체로 인식하고, 무엇을 만들고 누구에게 사랑받는지 관계를 따라가며 답을 조립합니다. 키워드를 아무리 반복해도 이 관계가 어디에도 정리되어 있지 않으면 AI는 우리 브랜드를 낱개의 정보로만 취급합니다. 지식그래프, 시맨틱 SEO와 헷갈리지 않는 법 온톨로지, 지식그래프, 시맨틱 SEO 이 세 단어를 정리해두면 헷갈릴 일이 없습니다. 온톨로지는 설계도입니다. 어떤 개체와 어떤 관계가 존재할 수 있는지 정해둔 틀입니다. 구글의 지식그래프는 그 설계도 위에 실제 데이터를 채워 넣은 결과물이고, 우리가 검색했을 때 오른쪽에 뜨는 지식패널이 그 얼...

사람 안 뽑고 콘텐츠 회사 돌리는 법 — AI 에이전트에게 역할을 나눴습니다 (1인 AI 회사 EP.1)

이미지
SEO 메타 제목: 사람 안 뽑고 콘텐츠 회사 돌리는 법 — AI 에이전트에게 역할을 나눴습니다 (1인 AI 회사 EP.1) 슬러그: /solo-ai-company-role-based-agents 메타 디스크립션: 직원 없이 매일 콘텐츠를 내보내는 1인 AI 회사 운영기. AI 하나에 다 맡기지 않고 리서처·기획·작가·디자이너·검수·발행 6개 역할로 쪼개 팀을 꾸린 실전 기록입니다. 목표 키워드: 1인 AI 회사 서브 키워드: AI 에이전트 팀 , AI 콘텐츠 자동화 , AI 역할 분담 , 1인창업 AI , AI 자동화 콘텐츠 카테고리: AI 1인창업 태그: 1인AI회사, AI에이전트, AI자동화, 1인창업, AI콘텐츠, ATM # 사람 안 뽑고 콘텐츠 회사 돌리는 법 — AI 에이전트에게 역할을 나눴습니다 (1인 AI 회사 EP.1) AI Trend Master | 작성일: 2026.07.06 제 회사의 직원 수는 0명입니다. 그런데 유튜브, 블로그, SNS에는 매일 새 콘텐츠가 올라갑니다. 트렌드 조사, 기획, 대본, 썸네일, 검수, 발행까지 전부 굴러가는데 채용 공고를 낸 적은 한 번도 없습니다. 오늘은 이 1인 AI 회사가 어떻게 콘텐츠 회사처럼 돌아가는지, 그 첫 편을 적어보려 합니다. 출발점은 아주 현실적인 벽이었습니다. 혼자 다 짊어지니 하루 목표가 어느새 "오늘 것만 끝내자"로 주저앉았습니다. 사람을 쓰자니 매달 나가는 고정비가 부담이었고요. 그래서 저는 제3의 길을 택했습니다. AI에게 일을 통째로 던지는 대신, 사람 조직처럼 역할별로 나눠 맡기는 방식이었습니다. '오늘 치우기'가 목표가 되는 순간 한동안은 저도 콘텐츠 한 편을 처음부터 끝까지 제 손으로 만들었습니다. 아침마다 소재를 뒤지고, 각을 잡고, 대본을 쓰고, 썸네일을 손보고, 오탈자를 확인하고, 채널별로 형식을 맞춰 올리는 일까지 전부요. 이걸 매일 하다 보면 콘텐츠의 목적이 "...

코드 대신 문장으로 만들었습니다 — 가상 오피스를 낳은 실제 프롬프트 기록 (EP.2)

이미지
시리즈 1편에서 AI 에이전트 17명이 일하는 가상 오피스를 공개했습니다. 이번 편은 그 오피스가 어떤 문장들로 만들어졌는지에 대한 기록입니다. 저는 비개발자 마케터이고, 이 프로젝트에 코드를 한 줄도 기여하지 않았습니다. 제가 기여한 것은 프롬프트, 즉 클로드 코드에 건넨 한국어 문장들입니다. 그 문장들을 실제 입력 순서대로 공개합니다. 첫 프롬프트 — 방법은 비우고 기준만 채웠습니다 모든 것은 아래 한 문단에서 시작됐습니다. ATM SNS 폴더 내 에이전트 팀을 회사 환경 3D 시뮬레이션처럼 구성할 수 있어? 각 캐릭터별로 업무범위·권한·역할에 맞게 구분되어 수행되는 시뮬레이션. 과제가 주어지면 유관 캐릭터들이 오피스에서 움직이거나 보고하거나 책상에서 업무하는 게 keypoint. 실행 전 CEO 승인이나 auto 구조. 캐릭터는 미니어처 3D, 머리:몸통 5:5 기술 스택 이야기는 한 마디도 없습니다. 대신 반드시 보여야 할 장면(움직임, 보고, 책상 업무), 반드시 있어야 할 구조(CEO 승인 또는 자동 결재), 양보 못 할 스타일(머리와 몸통 비율 5:5)만 적었습니다. 구현 방법은 도구에 맡기고 판단 기준은 사람이 쥐는 배분입니다. 두 번째 프롬프트 — 만들기 전에 견적을 물었습니다 바로 만들게 하지 않고 방식부터 비교시켰습니다. 3D, isometric, 2D 방식 중 토큰·공수·난이도 고려하면 뭐가 쉽고 빠를까? 답은 아이소메트릭 2.5D였습니다. 진짜 3D는 엔진과 카메라, 조명까지 필요해 공수가 크게 늘지만, 아이소메트릭은 2D 이미지를 비스듬히 배치해 입체감을 내는 방식이라 공수가 3D의 3분의 1 수준이라는 근거가 함께 왔습니다. 이 한 번의 질문이 프로젝트 전체의 갈림길이었습니다. 처음부터 3D로 달렸다면 중간에 뒤엎었을 가능성이 큽니다. AI에게는 실행 지시보다 선택지 비교 요청을 먼저 하는 편이 빠르다는 것을 이때 배웠습니다. 반복 개선 — 어색함을 문장으로 짚는 일 첫 버전의 화면은 캐...

AI 팀은 있는데 회사가 안 보인다 — 에이전트 17명을 가상 오피스로 옮긴 기록 (EP.1)

이미지
저는 AI 에이전트 17명과 콘텐츠 회사를 운영하는 비개발자 마케터입니다. 리서치부터 발행까지 전 과정을 에이전트들이 나눠 맡는데, 정작 그 팀이 일하는 모습은 어디에도 없었습니다. 존재하는 것은 터미널 로그뿐이었습니다. 그래서 클로드 코드에게 부탁해 팀 전체를 미니어처 가상 오피스로 옮겼습니다. 캐릭터들이 책상에서 타이핑하고, 서류를 들고 보고하러 걸어가고, 결재가 나야 다음 단계로 넘어가는 시뮬레이션입니다. 결과물은 오픈소스로 공개했습니다. 로그는 기록이지 현황이 아닙니다 에이전트 운영에서 제가 부딪힌 문제는 성능이 아니라 가시성이었습니다. 각 에이전트가 무엇을 하는지는 로그를 뒤지면 알 수 있지만, 그것은 사후 기록이지 지금의 현황이 아닙니다. 어느 단계가 병목인지, 누가 놀고 있는지, 반려된 작업이 어디서 멈춰 있는지 같은 운영 감각은 로그에서 나오지 않았습니다. 사람 조직은 이 문제를 공간으로 풉니다. 사무실을 한 바퀴 돌면 팀의 상태가 읽힙니다. 같은 원리를 적용해, 에이전트마다 좌석과 동선을 부여하고 상태를 몸짓으로 표현하게 했습니다. 일할 때는 앉아서 타이핑하고, 이동할 때는 일어서서 걷고, 보고할 때는 문서를 들고 상급자 자리로 향합니다. 지시는 위에서, 보고는 아래에서 동작 구조는 실제 회사의 결재 체계를 그대로 옮겼습니다. 좌측 상단 패널에서 과제를 지시하면(주간 콘텐츠 사이클, 긴급 카드뉴스, 성과 분석 프리셋 3종) 매니저가 업무를 배분하고 캐릭터들이 움직이기 시작합니다. 진행 속도는 0.5배에서 4배까지 조절됩니다. 핵심은 두 개의 관문입니다. 첫째, CEO 승인 게이트입니다. 기획이 실행으로 넘어가는 지점과 발행 직전, 두 곳에서 결재 카드가 우측 상단 승인함에 도착하고 파이프라인이 정지합니다. 승인 또는 사유를 적은 반려가 가능하고, AUTO 토글을 켜면 자동 결재로 흘러갑니다. 둘째, QC 톨게이트입니다. 디자인 검수 담당 iris가 결과물을 판정해 불합격이면 차단바가 내려가고, 콘텐츠 검수 담당 sa...