AI 업무 자동화를 공부하다 보면 이런 생각이 든다.
“블로그 글도 AI에게 전부 맡길 수 있지 않을까?”
주제를 찾고, 자료를 조사하고, 제목을 만들고, 본문을 작성하고, 최종적으로 블로그에 올리는 것까지 자동화한다면 글 하나를 만드는 시간이 상당히 줄어들 것 같았다.
그래서 실제 블로그 운영 과정을 기준으로 어디까지 자동화할 수 있는지 하나씩 나눠봤다.
결론부터 말하면 글을 만드는 과정의 상당 부분은 AI의 도움을 받을 수 있었다.
하지만 ‘AI가 알아서 글 하나를 완성하고 발행한다’는 것과는 꽤 차이가 있었다.
블로그 글 하나를 만드는 과정부터 나눠봤다
자동화를 만들기 전에 평소 글 하나를 작성할 때 하는 일을 먼저 정리했다.
주제 선정
→ 자료 검색
→ 핵심 정보 정리
→ 제목 결정
→ 목차 구성
→ 초안 작성
→ 사실 확인
→ 문장 수정
→ 이미지 제작
→ 최종 검토
→ 발행
단순히 생각했을 때는 ‘AI에게 글을 써달라고 하면 되는 것 아닌가?’ 싶지만 실제로 나눠보니 하나의 글에도 생각보다 많은 작업이 들어가 있었다.
여기서 중요한 것은 모든 단계를 한 번에 자동화하려고 하지 않는 것이었다.
AI에게 맡기기 쉬웠던 작업
직접 작업해보면서 AI를 활용하기 편했던 부분은 비교적 명확했다.
| 작업 | AI 활용도 | 직접 해보며 느낀 점 |
|---|---|---|
| 아이디어 확장 | 높음 | 여러 후보를 빠르게 만들기 좋음 |
| 자료 정리 | 높음 | 많은 내용을 구조화할 때 편리함 |
| 제목 후보 생성 | 높음 | 다양한 방향을 비교하기 좋음 |
| 목차 구성 | 높음 | 글의 뼈대를 만드는 데 유용함 |
| 초안 작성 | 높음 | 작성 시간을 크게 줄일 수 있음 |
| 사실 확인 | 보조 | 원문과 출처 확인이 필요함 |
| 최종 판단 | 낮음 | 사람이 직접 보는 편이 안전함 |
| 발행 | 주의 | 자동 발행보다 승인 단계를 두는 편이 좋음 |
특히 아이디어를 여러 개 만들거나 자료를 일정한 형식으로 정리하는 작업은 AI와 잘 맞았다.
반대로 사실관계나 최종적으로 어떤 내용을 남길 것인지 결정하는 과정은 사람이 확인하는 것이 필요했다.
실제 자동화를 만들면서 막힌 부분
글쓰기보다 오히려 어려웠던 것은 각 작업을 연결하는 과정이었다.
실제로 Make를 이용하면서
Google Sheets
→ AI
→ 결과 정리
→ Google Sheets
형태의 자동화를 만들어봤다.
처음에는 단순해 보였다.
시트에 내용을 넣으면 AI가 처리하고 그 결과를 다시 시트에 저장하면 끝이라고 생각했다.
그런데 실제로 만들어보니 모듈 연결 방식부터 데이터가 다음 단계로 넘어가는 구조까지 예상하지 못했던 문제가 생겼다.
한 단계의 출력 형식이 다음 단계에서 원하는 형식과 맞지 않으면 자동화가 제대로 작동하지 않았다.
예를 들어 AI가 긴 문장 하나로 결과를 만들어냈는데 다음 단계에서는 제목, 키워드, 설명처럼 각각 분리된 값이 필요할 수 있다.
이 경우 AI에게 단순히
“결과를 만들어줘.”
라고 요청하는 것보다 처음부터 출력 형식을 정해주는 것이 훨씬 중요했다.
자동화를 해보면서 ‘AI에게 무엇을 시킬 것인가’만큼 ‘다음 단계가 사용할 수 있는 형태로 무엇을 내보내게 할 것인가’가 중요하다는 것을 알게 됐다.
한 번에 전체 실행하는 것도 위험했다
처음 자동화를 만들면 제대로 작동하는지 빨리 확인하고 싶어진다.
하지만 실제 작업에서는 전체 데이터를 한꺼번에 실행하는 것보다 하나의 데이터로 먼저 테스트하는 것이 훨씬 안전했다.
특히 외부 검색이나 AI 서비스를 연결하면 실행할 때마다 사용량이나 크레딧이 발생할 수 있다.
실제로 Web Search를 포함한 자동화를 테스트하는 과정에서도 전체 실행 전에 예상 사용량을 확인해야 하는 상황이 있었다.
그래서 이후에는
1개 데이터 입력
→ AI 결과 확인
→ 데이터 전달 확인
→ 최종 저장 확인
→ 이상이 없으면 범위 확대
순서로 테스트하는 방식을 사용하게 됐다.
이 방법은 화려하지 않지만 자동화에서 문제가 발생했을 때 어디서 잘못됐는지 찾기가 훨씬 쉬웠다.
가장 중요한 것은 AI의 결과를 바로 사용하지 않는 것이었다
AI가 글을 빠르게 만들어주는 것은 분명 편하다.
문제는 자연스럽게 작성된 문장이라고 해서 내용까지 항상 정확한 것은 아니라는 점이다.
특히 제품 정보, 가격, 정책, 서비스 기능처럼 바뀔 수 있는 정보는 더욱 그렇다.
그래서 실제 블로그 제작 과정에서는 AI가 만든 결과를 그대로 게시하는 대신 중간에 사람의 확인 단계를 두는 편이 현실적이었다.
내가 정리한 구조는 다음과 같다.
AI 자료 수집·정리
↓
AI 초안 작성
↓
사람이 내용 확인
↓
잘못된 정보 수정
↓
문체와 불필요한 표현 수정
↓
최종 발행
처음에는 이 과정에서 사람이 들어가면 ‘완전 자동화가 아니잖아?’라고 생각할 수도 있다.
하지만 직접 해보니 목표를 완전 자동화로 잡을 필요가 없었다.
반복 작업을 AI가 처리하고 중요한 판단만 사람이 하는 것만으로도 자동화를 사용하는 이유는 충분했다.
직접 해보니 자동화하기 좋은 것과 어려운 것이 보였다
블로그 업무를 기준으로 정리하면 다음처럼 나눌 수 있었다.
자동화하기 좋은 업무
반복되는 자료 정리
일정한 형식으로 데이터 변환
아이디어 후보 생성
제목 후보 생성
초안 생성
데이터 이동
사람이 확인하는 것이 좋은 업무
사실관계 확인
검색한 자료의 신뢰성 판단
독자에게 정말 필요한 내용인지 판단
개인적인 경험 추가
최종 문장 수정
공개 여부 결정
이 차이를 구분하는 것이 중요했다.
AI가 할 수 있다는 이유만으로 모든 업무를 자동화하는 것이 좋은 자동화는 아니었다.
블로그를 운영한다면 이렇게 시작하는 것이 현실적이다
처음부터 ‘블로그 완전 자동화’를 만들려고 하기보다 가장 귀찮게 반복되는 작업 하나를 찾는 것이 좋다.
예를 들어 매번 새로운 주제를 정리하는 데 시간이 많이 든다면
Google Sheets에 키워드 입력
→ AI가 관련 주제 후보 생성
→ 결과를 다시 Sheets에 저장
정도부터 만들어볼 수 있다.
이게 제대로 작동하면 다음 단계로 자료 정리를 붙이고, 이후에 목차나 초안 생성을 추가하는 식이다.
작은 자동화가 정상적으로 작동하는 것을 확인한 다음 하나씩 연결하는 방식이다.
직접 해보고 가장 크게 달라진 생각
처음에는 AI 자동화의 목표가 ‘사람이 아무것도 하지 않는 것’이라고 생각하기 쉽다.
하지만 실제로 자동화를 구성해보니 생각이 조금 달라졌다.
좋은 자동화는 사람이 없어지는 구조라기보다
‘사람이 반복적인 작업에 쓰는 시간을 줄이고 중요한 판단에 집중하도록 만드는 구조’
에 가까웠다.
블로그 글 하나를 만드는 과정에서도 AI가 잘하는 부분과 사람이 해야 하는 부분은 분명히 존재했다.
그리고 그 경계를 정하는 것이 자동화 자체를 만드는 것보다 더 중요할 수도 있었다.
AI에게 모든 것을 맡기는 것보다
AI가 잘하는 작업은 AI에게 맡기고,
사람이 판단해야 하는 부분은 사람이 확인하고,
반복되는 연결 과정만 자동화하는 것.
직접 만들어보면서 현재 가장 현실적이라고 느낀 AI 업무 자동화 방식은 바로 이 구조였다.