AI에게 블로그 글을 맡기면 시간이 많이 줄어들 것 같았다.
주제만 정해주면 자료를 찾고, 내용을 정리하고, 제목을 만들고, 본문까지 작성해줄 수 있기 때문이다.
실제로 AI를 이용해 콘텐츠 제작 과정을 자동화해보니 반복적인 작업은 확실히 줄일 수 있었다. 하지만 모든 과정이 생각처럼 매끄럽게 진행되지는 않았다.
오히려 직접 사용해보면서 알게 된 것은 AI를 잘 사용하는 것보다 AI가 만든 결과를 어디까지 믿고, 어디에서 사람이 확인해야 하는지를 정하는 것이 더 중요하다는 점이었다.
이번 글에서는 AI를 이용해 블로그 콘텐츠를 만드는 과정에서 직접 확인했던 문제들을 정리해보려고 한다.
1. AI가 글의 방향을 다르게 이해할 수 있다
가장 먼저 경험한 문제는 주제의 해석이었다.
사람이 보기에는 같은 주제라도 AI는 입력된 문장을 바탕으로 상당히 다른 방향으로 내용을 확장할 수 있다.
예를 들어 ‘AI 업무 자동화’라는 주제를 입력하면 단순한 개념 설명부터 도구 소개, 장점, 미래 전망까지 여러 방향으로 글을 만들 수 있다.
문제는 내가 원하는 것은 실제 자동화 경험인데 결과물은 일반적인 AI 설명 글이 될 수 있다는 것이다.
그래서 이후에는 주제를 입력할 때 단순히 제목만 전달하지 않고 다음 내용을 함께 지정하는 방식으로 바꿨다.
- 누구를 위한 글인지
- 실제 어떤 경험을 바탕으로 하는지
- 반드시 포함해야 할 내용
- 제외해야 할 내용
- 최종적으로 독자가 얻어가야 하는 것
AI에게 글을 잘 쓰라고 하는 것보다 글의 목적을 먼저 정확하게 알려주는 것이 훨씬 중요했다.
2. 비슷한 내용이 반복된다
두 번째 문제는 반복이다.
AI에게 여러 개의 글을 작성하게 하면 서로 다른 제목을 사용하더라도 본문에서 비슷한 표현과 설명이 반복될 수 있다.
특히 AI 에이전트, 자동화, 업무 효율 같은 주제는 서로 연결되는 내용이 많기 때문에 같은 개념을 조금씩 바꿔 설명하는 글이 만들어지기 쉽다.
그래서 글을 작성하기 전에 기존 글을 확인하는 과정을 추가했다.
이번 글에서 이미 다룬 내용은 무엇인지 확인하고, 새로운 글에서는 이전 글에서 다루지 않았던 경험이나 실험 결과를 추가하는 방식이다.
이 과정을 거치면서 콘텐츠를 단순히 늘리는 것보다 서로 다른 글이 각각 어떤 역할을 하는지 정하는 것이 중요하다는 것을 알게 됐다.
3. AI가 만든 정보가 항상 정확한 것은 아니다
AI가 글을 자연스럽게 작성한다고 해서 모든 정보가 정확한 것은 아니다.
특히 서비스 기능이나 자동화 도구의 사용 방법처럼 실제 화면이나 버전에 따라 달라질 수 있는 정보는 별도로 확인해야 했다.
실제로 자동화 작업을 진행하면서 AI가 알려준 모듈 연결 방법이 실제 화면과 맞지 않았던 경험도 있었다.
처음에는 설명대로 따라 했지만 원하는 결과가 나오지 않았고, 실제 화면을 다시 확인하면서 연결 방식을 수정해야 했다.
이 경험 이후에는 AI의 설명을 바로 실행하기보다
AI의 설명 → 실제 화면 확인 → 작은 테스트 → 결과 확인
순서로 진행하고 있다.
AI가 알려줬다는 이유만으로 사실이라고 판단하지 않는 것이 중요했다.
4. AI가 만든 결과의 형식이 다음 단계와 맞지 않을 수 있다
자동화를 만들 때 특히 중요한 문제였다.
AI가 내용 자체는 잘 만들어도 다음 모듈에서 요구하는 형식과 맞지 않으면 자동화가 중단될 수 있다.
예를 들어 다음 단계에서
- 제목
- 핵심 키워드
- 설명
- 본문
을 각각 받아야 하는데 AI가 이 내용을 하나의 긴 문장으로 출력하면 다음 단계에서 데이터를 제대로 사용할 수 없다.
그래서 자동화 과정에서는 결과의 내용뿐만 아니라 출력 형식까지 미리 정해야 한다.
AI에게 “글을 작성해줘”라고 하는 것과
“제목, 키워드, 설명, 본문을 각각 구분해서 출력해줘”
라고 하는 것은 자동화 과정에서 상당히 큰 차이가 있었다.
5. 처음부터 전체 자동화를 실행하면 문제를 찾기 어렵다
처음에는 한 번에 전체 과정을 실행하고 싶었다.
하지만 여러 단계를 연결한 자동화는 중간에서 하나만 문제가 생겨도 최종 결과가 제대로 나오지 않는다.
그러면 어디에서 문제가 발생했는지 찾는 데 시간이 더 많이 걸린다.
그래서 지금은 작은 단위로 테스트하는 방식을 사용한다.
예를 들어
1개 데이터 테스트
→ 결과 확인
→ 문제 수정
→ 다시 테스트
→ 정상 작동 확인
→ 여러 데이터로 확대
순서다.
특히 외부 검색이나 AI 서비스를 사용하는 경우에는 테스트 과정에서도 사용량이나 비용이 발생할 수 있기 때문에 전체 실행 전에 확인하는 것이 필요했다.
6. AI가 만든 글을 그대로 사용하면 사람이 확인할 부분이 남는다
AI가 만든 글은 문법적으로 자연스럽고 구조도 잘 잡혀 있는 경우가 많다.
하지만 자연스럽게 읽힌다는 것과 실제로 좋은 콘텐츠라는 것은 다른 문제였다.
내가 중요하게 확인하는 부분은 다음과 같다.
- 실제 경험과 맞는가?
- 사실관계가 정확한가?
- 기존 글과 내용이 겹치지 않는가?
- 독자가 실제로 궁금해할 내용이 들어갔는가?
- 불필요하게 길어진 부분은 없는가?
- 너무 일반적인 설명으로 끝나지 않는가?
결국 AI에게 초안을 맡길 수는 있지만 마지막 판단까지 전부 맡기는 것은 적절하지 않았다.
7. 자동화했는데 오히려 시간이 늘어날 수도 있다
가장 의외였던 부분이다.
자동화는 무조건 시간을 줄여주는 것이 아니다.
처음에는 자동화 구조를 만드는 데 시간이 필요하고, 오류가 발생하면 원인을 찾아 수정해야 한다. 이후에도 결과를 검수하는 시간이 들어간다.
따라서 자동화의 효과를 판단할 때는 단순히 “AI가 글을 만들어줬다”만 보면 안 된다.
내가 실제로 확인하려는 것은 다음과 같다.
| 확인 항목 | 확인할 내용 |
|---|---|
| 기존 작업시간 | 사람이 직접 했을 때 얼마나 걸렸는가 |
| 구축시간 | 자동화를 만드는 데 얼마나 걸렸는가 |
| 실행시간 | 자동화가 실제로 처리하는 데 얼마나 걸리는가 |
| 검수시간 | 사람이 결과를 확인하는 데 얼마나 걸리는가 |
| 오류수정시간 | 문제가 발생했을 때 수정에 얼마나 걸리는가 |
| 사용비용 | AI와 자동화 서비스에 얼마가 들어가는가 |
이렇게 계산해야 자동화가 실제로 도움이 되었는지 판단할 수 있다.
그래서 AI에게 블로그를 맡기는 것이 좋을까?
직접 사용해본 결과 내가 내린 결론은 ‘전부 맡기느냐, 사람이 직접 하느냐’의 문제가 아니었다.
반복적인 작업은 AI에게 맡기고 사람이 판단해야 하는 부분은 남겨두는 방식이 훨씬 현실적이었다.
예를 들어 자료를 정리하거나 제목 후보를 만들고 초안을 작성하는 작업은 AI가 상당히 유용하다.
반면 사실 확인, 경험과의 일치 여부, 최종적인 글의 방향, 공개 여부는 사람이 확인하는 편이 안전하다.
결국 좋은 자동화는 사람이 하는 일을 모두 없애는 자동화가 아니라 사람이 꼭 해야 하는 일에 집중할 수 있도록 반복 작업을 줄여주는 자동화에 가깝다.
이번 경험에서 가장 중요했던 것
AI를 사용하면서 가장 크게 바뀐 생각은 이것이었다.
처음에는 AI가 얼마나 많은 일을 대신할 수 있는지가 궁금했다.
하지만 실제로 자동화를 만들어보니 더 중요한 질문은 따로 있었다.
“AI에게 어디까지 맡기고, 어디에서 사람이 확인해야 하는가?”
이 기준을 정하지 않으면 자동화가 복잡해지고 오류가 발생했을 때 원인을 찾기도 어려워진다.
반대로 업무를 작은 단계로 나누고 각각의 결과를 확인하면 AI를 훨씬 안정적으로 활용할 수 있었다.
앞으로도 원킹에서는 단순히 AI가 무엇을 할 수 있는지를 소개하는 것보다 직접 자동화를 만들어보고 실제로 어떤 문제가 발생하는지, 그리고 그것을 어떻게 수정했는지를 계속 기록해보려고 한다.
AI 자동화는 완성된 기술을 가져다 사용하는 것보다 직접 테스트하고 실패하면서 나에게 맞는 구조를 찾아가는 과정에 더 가깝다고 느꼈기 때문이다.