AI를 이용해 블로그 글을 자동으로 만들 수 있다면 얼마나 편할까?
처음에는 나도 이런 생각부터 했다.
주제를 입력하면 AI가 자료를 찾고, 내용을 정리하고, 제목을 만들고, 본문까지 작성한 다음 워드프레스에 올리는 것까지 자동으로 처리하면 사람이 할 일은 거의 없을 것 같았다.
그래서 실제로 Make를 이용해 AI와 여러 작업을 연결하는 자동화 과정을 만들어봤다.
그런데 직접 만들어보니 예상과 조금 달랐다.
자동화할 수 있는 작업은 생각보다 많았지만, 반대로 사람이 확인해야 하는 순간도 분명하게 존재했다.
이번 글에서는 AI 블로그 자동화를 직접 구성하면서 확인했던 ‘사람이 필요한 5가지 순간’을 정리해보려고 한다.
1. 처음에 무엇을 자동화할지 정하는 순간
자동화를 시작하면 가장 먼저 모듈을 연결하고 AI를 붙이고 싶어진다.
하지만 실제로는 그보다 먼저 해야 할 일이 있었다.
바로 어떤 업무를 자동화할 것인지 정하는 것이다.
예를 들어 블로그 콘텐츠 제작에는
주제 선정 → 자료 조사 → 내용 정리 → 제목 작성 → 본문 작성 → 검수 → 이미지 제작 → 발행
등 여러 단계가 있다.
이 모든 과정을 한꺼번에 자동화하려고 하면 구조가 복잡해진다.
반대로 반복적인 작업부터 작은 단위로 자동화하면 문제가 발생했을 때 원인을 찾기도 쉽다.
직접 작업하면서 느낀 것은 자동화에서 가장 중요한 능력이 ‘AI에게 일을 시키는 것’보다 ‘업무를 적절한 크기로 나누는 것’이었다.
2. AI가 만든 결과를 판단하는 순간
AI는 주어진 조건에 따라 상당히 자연스러운 결과를 만들어준다.
하지만 자연스럽게 작성된 결과가 반드시 내가 원하는 결과라는 의미는 아니다.
예를 들어 AI에게 특정 주제의 글을 작성하도록 했을 때 내용은 그럴듯하지만 기존에 작성했던 글과 비슷한 내용이 반복되거나, 내가 실제로 전달하려던 방향과 조금 달라지는 경우가 있다.
이때 자동화 시스템은 결과물이 잘못됐는지를 스스로 완벽하게 판단하기 어렵다.
결국 사람이 한 번 확인해야 한다.
내가 실제로 확인하는 부분은 다음과 같다.
| 확인 항목 | 확인 내용 |
|---|---|
| 주제 | 처음 의도한 방향과 맞는가 |
| 내용 | 실제로 도움이 되는 정보인가 |
| 중복 | 기존 글과 지나치게 비슷하지 않은가 |
| 사실관계 | 실제 정보와 일치하는가 |
| 표현 | 너무 일반적이거나 반복적이지 않은가 |
| 경험 | 실제 사용 경험과 맞는가 |
AI에게 글을 만드는 역할을 맡길 수는 있지만, 그 글을 최종적으로 사용할지 결정하는 역할까지 완전히 넘기기는 어려웠다.
3. 자동화 과정에서 문제가 발생했을 때
Make를 이용해 자동화를 구성하면서 가장 크게 느낀 부분이다.
자동화는 여러 서비스를 연결해서 사용하기 때문에 하나의 단계에서 문제가 발생하면 뒤쪽 단계까지 영향을 받을 수 있다.
실제로 AI와 Google Sheets 등을 연결하는 과정에서 모듈의 연결 방식이나 데이터 전달 구조를 이해하는 데 시간이 더 필요했던 경험이 있었다.
처음에는 단순히 연결하면 될 것 같았지만 실제 화면에서 원하는 방식으로 작동하지 않았다.
결국 하나씩 연결을 확인하고 작은 테스트를 반복하면서 문제를 찾았다.
이 경험을 통해 알게 된 것은 AI가 자동화 구조를 설명해줄 수는 있지만 실제 서비스 화면에서 모든 상황을 정확하게 대신 확인해주는 것은 아니라는 점이다.
그래서 지금은
설명 확인 → 실제 화면 확인 → 한 건 테스트 → 결과 확인 → 다음 단계 연결
순서로 진행하려고 한다.
4. AI의 결과를 다음 단계에 전달할 때
자동화에서는 AI가 무엇을 출력하는지도 상당히 중요했다.
사람이 읽는 글이라면 문장이 조금 길거나 형식이 달라도 이해할 수 있다.
하지만 자동화 시스템에서는 이야기가 달라진다.
다음 단계에서 제목과 키워드와 본문을 각각 받아야 한다면 AI 역시 그 구조에 맞춰 결과를 만들어줘야 한다.
예를 들어 AI가 다음과 같이 결과를 만들어버리면 문제가 생길 수 있다.
“제목은 이런 내용이고 핵심 키워드는 이것이며 본문에서는 이런 내용을 설명합니다.”
사람에게는 이해되는 문장이지만 자동화에서는 각각의 값을 구분해서 전달하기 어렵다.
그래서 자동화용 프롬프트에서는 결과 형식까지 구체적으로 정해야 했다.
예를 들어
제목
핵심 키워드
요약
본문
처럼 각각의 항목을 분리해서 출력하도록 만드는 것이다.
결국 AI 자동화에서는 ‘무엇을 만들 것인가’뿐 아니라 ‘어떤 형태로 만들어야 다음 단계에서 사용할 수 있는가’까지 사람이 설계해야 했다.
5. 최종적으로 발행할지 결정하는 순간
가장 마지막에는 결국 사람이 필요했다.
블로그 글이 완성됐다고 해서 바로 공개하는 것이 아니라 최종적으로 한 번 읽어봐야 한다.
특히 실제 경험을 바탕으로 하는 글이라면 AI가 작성한 내용과 실제 경험이 일치하는지 확인해야 한다.
또한 잘못된 정보나 지나치게 일반적인 설명이 들어가 있지는 않은지도 살펴봐야 한다.
나는 최종 검수 단계에서 다음 질문을 기준으로 확인하는 것이 좋다고 생각한다.
“이 글은 실제로 누군가에게 도움이 되는가?”
“내가 직접 확인하지 않은 내용을 사실처럼 쓰고 있지는 않은가?”
“기존 글을 조금 바꿔서 반복한 내용은 아닌가?”
“AI가 만든 문장을 그대로 사용하는 것보다 내가 추가할 수 있는 경험은 없는가?”
이 과정을 거치면 AI가 작성한 초안이 단순한 자동 생성 콘텐츠가 아니라 실제 경험을 담은 하나의 콘텐츠로 발전할 수 있다.
그렇다면 Make 자동화의 의미는 무엇일까?
직접 만들어보니 자동화의 목표를 조금 다르게 생각하게 됐다.
처음에는 사람이 아무것도 하지 않는 완전 자동화를 생각했다.
하지만 실제로는 사람이 하지 않아도 되는 반복 작업을 줄이는 것이 훨씬 현실적인 목표였다.
예를 들어 자료를 정리하거나 일정한 형식으로 데이터를 전달하거나 초안을 만드는 작업은 자동화하기 좋다.
반면 주제의 방향을 결정하거나 사실관계를 확인하고 최종적으로 공개할지를 판단하는 일은 사람이 맡는 것이 더 적절했다.
결국 구조는 이런 형태에 가까웠다.
사람이 방향 결정
→ AI가 반복 작업
→ 자동화 도구가 데이터 전달
→ AI가 결과 생성
→ 사람이 검수
→ 최종 발행
이렇게 역할을 나누면 AI와 자동화의 장점을 활용하면서도 사람이 반드시 확인해야 하는 부분을 놓치지 않을 수 있다.
직접 만들어보고 알게 된 것
AI 자동화를 직접 만들기 전에는 자동화가 완성되면 사람의 작업이 거의 사라질 것이라고 생각했다.
하지만 실제로는 반대였다.
사람의 작업이 사라진다기보다 작업의 종류가 바뀌었다.
직접 글을 하나하나 만드는 시간은 줄일 수 있지만 대신 자동화 구조를 설계하고, 결과를 확인하고, 오류가 발생했을 때 원인을 찾는 일이 생긴다.
그래서 AI 자동화를 처음 시작한다면 처음부터 모든 것을 자동화하려고 하기보다 가장 반복적이고 규칙이 명확한 작업 하나부터 시작하는 것이 좋다고 생각한다.
작은 자동화를 만들어 정상적으로 작동하는 것을 확인한 뒤 다음 단계를 추가하는 방식이다.
AI에게 모든 판단을 맡기는 것이 아니라 AI가 잘하는 반복 작업과 사람이 잘하는 판단 작업을 나누는 것.
현재 내가 생각하는 AI 업무 자동화의 가장 현실적인 모습은 바로 이것이다.
앞으로도 원킹에서는 실제로 자동화를 만들면서 어떤 부분이 잘 작동했고 어떤 부분에서 사람이 개입해야 했는지를 계속 기록해보려고 한다.
이론으로만 자동화를 설명하는 것보다 직접 만들어보고 실패해보는 과정에서 알게 되는 내용이 실제로 자동화를 시작하려는 사람에게 더 도움이 될 수 있다고 생각하기 때문이다.