IT 기술 따라잡기

만드는 건 쉬워졌습니다. 문제는 그 다음입니다 — Builders Lounge 2차 모임 후기

6월 8일 벨뷰 시청에서 Builders Lounge 2차 모임을 했습니다. 규칙은 하나였습니다. 슬라이드 말고 만든 걸 가져올 것.

다섯 분이 각자 AI로 만든 Product를 들고 오셨습니다. 개발자도 있었고, 코드 한 줄 안 써본 분도 있었습니다. 그런데 다섯 개 모두 실제로 돌아갔습니다.

전체 영상(1시간 28분)은 아래에 있습니다. 이 글에서는 그날 나온 것들을 정리하고, 끝나고 나서도 계속 생각하게 된 두 가지 이야기를 덧붙입니다.

https://youtu.be/Racs4wG3BtA

이날 나온 다섯 개

두뇌 훈련 보드게임 — 김성진

개발자 한 분과 개발을 전혀 모르는 분이 함께 만든 보드게임입니다. 컴퓨터와 겨루는 방식이고 미니맥스 알고리즘이 들어가 있습니다. 이날 가장 인상적이었던 건 게임 자체보다 만들어진 과정이었습니다. "코딩을 모르는데 어떻게 만들었나"라는 질문에 대한 답이 그대로 데모로 나왔거든요.

→ http://braintraining-boardgames-319297116860.s3-website-us-west-2.amazonaws.com/landing-page/

워싱턴 트레일·여가 지도 — 김진영

워싱턴주의 등산로, 캠핑장, 골프장을 한 장의 지도에 모은 사이트입니다. 인기도, 고도 상승, 트레일 길이가 다 나오고, 예약 페이지가 있으면 바로 연결됩니다. 시애틀에서 몇 시간 걸리는지도 표시됩니다.

만드신 계기가 재미있었습니다. "일하기 싫은 날 그냥 Claude한테 시켰다"고 하시더군요. 처음엔 자부심을 갖고 만들다가, 나중엔 캠핑장이 붙고 골프장이 붙고 하면서 지금 모습이 됐다고 합니다. 운전 시간을 벨뷰 기준으로 넣었다가 "그건 빼라"는 말을 듣고 뺐다는 이야기도 있었습니다.

→ https://trails.aiforbetter.me/

Gobi Space — 강민석

커뮤니티가 쌓아둔 기록을 AI가 함께 읽고 답해 주는 지식 협업 플랫폼입니다. 이날은 웹뿐 아니라 Windows에서 돌아가는 데스크탑 앱까지 시연했습니다. 스페이스에 올라온 글에 댓글을 달고, 그 내용을 AI에게 물어보면 답이 나오는 구조입니다.

→ https://www.gobispace.com

Builders Lounge 기록 저장소 — 박창수

제가 만든 것입니다. 모임에서 나온 기록을 쌓아두고, AI가 나중에 다시 꺼내 쓸 수 있게 하는 저장소입니다. 이날은 Spec-driven과 Prompt-driven, 두 가지 바이브 코딩 방법론을 비교하는 이야기도 함께 했습니다.

→ https://github.com/solkit70/builders-lounge-personal-notes

시스템 장애 대응 AI 에이전트 — 손민수

회사 시스템에 장애가 생겼을 때 AI가 먼저 판단하는 에이전트입니다. GateKeeper, Specialist, Judge 세 단계로 역할을 나눠 놓은 구조가 인상적이었습니다. 시작한 지 일주일 된 MVP 단계라 아직 공개된 건 아니고, 아이디어와 화면 위주로 보여 주셨습니다.

하네스 엔지니어링

이날 예정에 없이 가장 오래 이야기한 주제입니다.

말을 탈 때 씌우는 굴레와 고삐 이야기에서 시작했습니다. 말을 잘 키우면 적토마가 되고 천리마가 되는데, 천리마의 문제가 뭐냐면 — 내가 백 미터만 가려고 했는데 천 미터를 달려버리면 그만큼 다시 걸어와야 한다는 겁니다.

AI가 딱 그렇습니다. 시켜 놓으면 저 멀리까지 가버리고, 되돌리는 게 더 힘듭니다. 햄스터가 쳇바퀴 돌듯 계속 달리기도 합니다. 그래서 일을 맡길 때 "어디가 끝인지"를 정해 주는 게 중요하다는 이야기였습니다.

잘 달리게 만드는 게 기술이 아니라, 고삐를 어디에 둘지 아는 게 기술이라는 것. 개념은 분명히 있는데 아직 이걸 부르는 이름이 마땅치 않습니다. 그래서 그날 즉석에서 "하네스 엔지니어링"이라는 말이 나왔습니다.

만들고 나서가 더 어렵다

또 하나 반복해서 나온 이야기입니다.

만드는 건 이제 어렵지 않습니다. 문제는 만들고 난 다음입니다. "이걸 어떻게 쓰지?", "이게 제일 나은 게 맞나?" 하는 고민이 만든 다음에 옵니다. 도메인까지 사서 배포는 했는데 그 다음이 안 보인다는 이야기, 회원 가입을 붙일지 말지 고민이라는 이야기가 나왔습니다.

바이브 코딩이 만드는 단계의 비용을 확 낮춰 놓으니까, 병목이 뒤로 밀린 겁니다. 이제 어려운 건 구현이 아니라 그 다음 단계입니다.

이 모임을 계속 하는 이유

제가 이 모임에서 제일 좋아하는 순간은 발표가 끝나고 "그거 저도 써볼게요" 하는 말이 나올 때입니다. 대단한 걸 만들어서가 아니라, 서로 만든 걸 실제로 써 보고 이야기해 준다는 것 — 모두가 Builder이면서 동시에 서로의 사용자가 되는 순간이 이 모임의 전부입니다.

이날도 하네스 엔지니어링, PKM, 에이전트 생태계까지 이야기가 번져서 예정 시간을 한참 넘겼습니다.

영상에 대해

한국어로 진행되고 영어 자막이 화면에 함께 나옵니다. 유튜브 자막에서 한국어/영어를 골라 켤 수도 있습니다. 설명란에 시간대별 목차를 넣어 놨으니 관심 가는 부분만 골라 보셔도 됩니다.

이 영상에 영어 자막을 다는 작업도 AI로 했는데, 그 과정에서 느낀 게 많아 따로 정리해 볼 생각입니다.

다음 모임

8월 6일 목요일, 벨뷰 시청에서 준비하고 있습니다. 아직 장소 예약을 확정하는 중이라 최종 확정되면 다시 공지하겠습니다.

AI로 뭔가 만들고 계시거나 만들어 보고 싶으신 분은 언제든 환영합니다. 완성된 것이 아니어도 괜찮습니다.

요즘 AI랑 일하면서 이상한 경험을 했습니다.

일을 시키면 시킬수록, 할 일이 줄어드는 게 아니라 오히려 늘어나는 겁니다.

처음엔 이해가 안 됐습니다. AI가 일을 대신 해주는데 왜 할 일이 늘어날까. 곰곰이 생각해보니 이유는 간단했습니다. AI가 일을 워낙 빨리 끝내주니까, 그 결과를 보자마자 "그럼 이번엔 이것도 해볼까?" 하고 새로운 아이디어가 계속 떠오르는 거였습니다. 처리 속도가 빨라질수록 아이디어도 빨라지고, 아이디어가 빨라지니까 할 일 목록도 같이 빨라지는 거죠.

실험 ① — 반복되는 일들을 찾아서 자동화하다

그래서 이번 주에는 방향을 좀 바꿔봤습니다. 늘어난 일들 중에서 "이거 매번 똑같이 하고 있네" 싶은 반복되는 부분들을 찾아내서, 한 번 만들어두면 계속 재사용할 수 있는 자동화 도구로 만들어봤습니다.

세 가지를 만들거나 다듬었습니다.

첫 번째는 3시간짜리 라이브 방송을 10분짜리 요약 영상으로 만드는 작업입니다. 원래는 방송이 끝날 때마다 필요한 자료를 일일이 찾아서 정리했는데, 이제는 그 과정 자체를 자동으로 진행하도록 만들었습니다.

두 번째는 매일 하는 정리 작업입니다. 컴퓨터에 그날 새로 생기거나 수정된 파일들을 스스로 확인해서, 오늘 무슨 일을 했고 다음엔 뭘 해야 하는지 일기처럼 정리해주는 시스템입니다.

세 번째는 한 주를 돌아보는 작업입니다. 그냥 지난주를 정리하는 데서 끝나지 않고, 다음 주 계획까지 이어서 세워주도록 확장했습니다.

세 가지 모두 예전에는 매번 제가 직접 챙기던 일들이었는데, 이제는 "오늘 정리해줘" 한마디면 알아서 진행됩니다.

실험 ② — 결과물이 멀쩡해 보여도 과정은 확인해야 합니다

또 하나 인상 깊었던 경험은, AI에게 어떤 절차를 맡겼을 때 결과물만 보고 안심하면 안 된다는 걸 다시 확인한 일입니다.

미리 만들어둔 템플릿과 절차가 있었는데, 결과물만 보면 아무 문제가 없어 보였습니다. 그런데 자세히 들여다보니, AI가 그 절차를 제대로 따르지 않고 자기 방식대로 진행한 뒤 결과물만 비슷하게 맞춰놓은 거였습니다. 만약 결과물만 보고 확인 없이 넘어갔다면 전혀 몰랐을 일입니다.

이 경험 덕분에 다시 한번 느꼈습니다. AI에게 일을 맡겼다고 해서 사람의 검토가 필요 없어지는 건 아니라는 걸요.

이 두 경험이 말해주는 것

결국 이번 주 경험들은 같은 이야기를 하고 있었습니다.

AI가 일을 처리하는 속도는 더 이상 문제가 아닙니다. 진짜 중요한 건 늘어난 가능성 중에서 무엇을 할지 사람이 잘 결정하는 것, 그리고 AI에게 맡긴 뒤에도 중간중간 제대로 되고 있는지 사람이 확인하는 것입니다. AI가 빨라질수록 사람이 해야 할 일이 오히려 더 선명해지는 느낌입니다.

같은 방송에서는 제가 참여하는 커뮤니티를 위한 AI Agent 검증 작업과, 지역 모임에서 나온 아이디어를 정리하는 이야기도 함께 다뤘습니다.

영상 보기

이번 주 방송 요약 영상입니다. 한국어와 영어 버전 모두 준비되어 있습니다.

🇰🇷 한국어 버전: https://youtu.be/F50yRfFhyIw

🇺🇸 English version: https://youtu.be/_S82H5EVTnc

매주 일요일 라이브 방송에서 이런 실험들을 계속 나누고 있습니다. 궁금한 점 있으시면 편하게 댓글 남겨주세요 😊

지난 6월 26일, 시애틀 한인 IT 커뮤니티인 창발(Changbal) Product Group 모임에서 발표를 했습니다.

주제는 "The AI Powered Creator" — AI 시대에 콘텐츠 크리에이터는 어떻게 일해야 하는가에 대한 이야기였습니다.

발표 영상 전체를 유튜브에 공개했습니다.

👉 [영상 바로 보기] https://youtu.be/cmC1GFARQus

발표에서 보여드린 것

발표에서 직접 시연을 했는데요. 제가 사는 동네인 Tehaleh 커뮤니티 소개 영상을 AI 도구들을 활용해 36분 만에 만드는 과정을 화면으로 보여드렸습니다.

한국어 버전과 영어 버전, 두 가지를 만들었습니다.

그런데 "AI가 다 해준다"는 이야기를 하려고 한 게 아니었습니다.

오히려 반대였습니다.

핵심 메시지: 기록이 AI를 강하게 만든다

발표를 준비하면서 제가 가장 전달하고 싶었던 메시지는 하나였습니다.

AI를 어떻게 쓰는지보다, AI에게 무엇을 줄 수 있는지가 결과를 결정합니다. 그 '무엇'이 바로 기록입니다.

AI도 재료가 있어야 뭔가를 만들어 냅니다. 제가 일상에서 쌓아온 기록 — 미팅 내용, 실험 결과, 실패 경험 — 이것들이 AI에게 Context가 되고, 그 Context가 인터넷 어디에도 없는 나만의 콘텐츠를 만들어 냅니다.

36분이 가능했던 이유는 AI 도구가 좋아서가 아니라, 사전에 쌓아둔 기록이 있었기 때문입니다.

영상에서 다루는 내용

• AI로 동네 소개 영상을 36분 만에 만드는 전체 과정
• CatchUp AI 채널 2년 성장 데이터 솔직 공개
• 제가 실제로 사용하는 기록 시스템 전체 공개
• 유튜브 채널 6가지 유형 분석과 내 채널의 방향
• Q&A

마치며

AI 크리에이터, 콘텐츠 제작, 기록 시스템에 관심 있으신 분들께 도움이 되면 좋겠습니다.

발표 자료나 사용한 도구들이 궁금하신 분은 댓글로 남겨주세요 😊

👉 *https://youtu.be/cmC1GFARQus

요즘 AI 시대에 대한 생각이 많습니다.

그런데 막상 글로 정리하려고 하면 파편처럼 흩어진 채로 좀처럼 모이질 않더라고요. 머릿속에는 분명히 뭔가 있는데, 그게 하나의 흐름으로 연결되질 않는 느낌이었습니다.

그러다가 문득 생각했습니다.

"내가 지난 2년 동안 AI에 대해서 유튜브에 뭔가 만들어놨었지?"

실험 ① — AI가 나의 두 번째 뇌가 되다

찾아보니 AI 시대의 변화에 대한 영상이 일곱 편쯤 있었습니다. 그 영상들의 대본(transcript)을 전부 AI에게 넘기면서 물었습니다.

"내 AI 세계관을 정리해봐."

결과를 보고 솔직히 놀랐습니다.

AI는 제 생각을 6개 항목으로 깔끔하게 정리해줬는데, 요즘 머릿속에서 맴돌던 파편들이 거기 다 들어 있었습니다. 기본적인 생각은 2년 전이나 지금이나 변하지 않았더라고요. 이제 지금의 시각에서 새로 더해진 것들만 얹으면 됩니다.

기록을 남기는 게 왜 중요한지, 그리고 그 기록이 AI를 만났을 때 어떤 일이 일어나는지를 이번에 직접 경험했습니다.

제가 쓴 것들, 제가 말한 것들 — 그 기록들이 AI의 컨텍스트가 됩니다. AI는 그것을 바탕으로 저보다 더 잘 저를 기억해줍니다. 단순한 검색이나 요약이 아니라, 제 사고 방식 자체를 재구성해주는 것이었습니다.

그냥 AI를 쓰는 것과, 나의 기록을 AI에게 주는 것은 완전히 다른 경험이었습니다.

실험 ② — Bila AI Agent를 라이브 방송 중에 직접 만들다

같은 방송에서 또 하나의 실험을 진행했습니다.

제가 참여하는 Builders Lounge 모임의 안내와 코디네이팅 역할을 담당할 AI Agent, Bila AI를 직접 만들기 시작했습니다.

GobiSpace라는 플랫폼에서 UI 기반으로 AI Agent를 설계했습니다. 코드를 한 줄도 작성하지 않고, 대화하듯 Agent의 역할과 규칙을 정의하는 방식입니다. 4개 단원 중 첫 번째 단원을 방송 중에 완성했고, AI가 스스로 생성한 5가지 테스트 케이스도 전부 통과했습니다.

이 과정에서 느낀 것은 하나입니다.

"사용자가 자신에게 필요한 AI Agent를 직접 만들 수 있는 시대가 이미 왔다."

개발자가 아니어도 됩니다. 어떤 문제를 해결하고 싶은지 명확하면, 그것을 AI에게 설명하는 것만으로 Agent를 설계할 수 있습니다.

이 두 실험이 말해주는 것

두 실험은 결국 같은 방향을 가리킵니다.

AI 시대에 중요한 것은 AI를 사용하는 기술이 아니라, AI에게 줄 수 있는 나만의 재료를 가지고 있느냐의 문제입니다.

나의 기록, 나의 생각, 나의 문제 — 이것들이 AI를 강하게 만들고, 나를 AI와 함께 더 멀리 데려다줍니다.

앞으로도 매주 일요일 라이브 방송에서 이런 실험들을 계속 공유할 예정입니다.

영상 보기

6월 28일 방송 요약 영상이다. 한국어와 영어 버전 모두 준비되어 있다.

🇰🇷 한국어 버전: https://youtu.be/3TQSOGOPd6A

🇺🇸 English version: https://youtu.be/cuWfBjBFe8U

📺 라이브 원본 전체 영상: https://www.youtube.com/live/hqnG-lDab_Y

매주 일요일 오전 라이브 방송에서 뵙겠습니다.
구독과 알림 설정 해두시면 놓치지 않으실 수 있습니다. 🙂

AI를 공부하고 직접 활용하면서 계속 확인하게 되는 사실이 있습니다. AI의 성능도 중요하지만, 실제 결과물의 품질을 결정하는 것은 AI에게 제공할 수 있는 ‘기록’과 ‘맥락’이라는 점입니다.

이번 AI in Action #14에서는 제가 일주일 동안 쌓아 둔 활동 기록을 AI와 함께 활용해 실제 결과물로 전환하는 과정을 실험했습니다.

아이디어와 결과물 사이의 단계가 줄어들다

예전에는 아이디어를 실제 결과물로 만들기까지 많은 중간 단계가 필요했습니다. 필요한 기술을 배우고, 자료를 찾고, 초안을 작성하고, 여러 차례 수정해야 했습니다.

AI는 이 과정의 상당 부분을 줄여 줍니다. 그러나 AI가 내가 무엇을 해왔고 무엇을 원하는지 모른다면 결과는 쉽게 엉뚱한 방향으로 흘러갑니다.

그래서 AI 시대에는 기록이 더욱 중요해집니다. 기록은 단순한 보관 자료가 아니라 AI가 나를 이해하고 다음 작업을 수행하는 데 사용하는 맥락이 됩니다.

방송 중 진행한 실제 실험

이번 영상에서는 다음과 같은 작업을 실제 사례로 소개합니다.

필요한 기능을 즉석에서 만들기

방송 중 사용하던 음성 기능에 문제가 생겼습니다. 업데이트를 기다리는 대신 AI와 함께 간단한 웹 기반 TTS 앱을 만들어 바로 사용했습니다.

중요한 점은 앱의 규모가 아니라 문제를 발견했을 때 필요한 도구를 직접 만들어 사용할 수 있게 되었다는 변화입니다.

지난 기록을 새로운 콘텐츠로 활용하기

일주일 동안 작성한 회의 기록, 활동 정리, 작업 로그와 Transcript를 AI가 읽을 수 있는 형태로 보관했습니다. 이 기록들은 다음 방송을 준비하고 새로운 콘텐츠를 만드는 재료가 되었습니다.

기록이 충분하면 매번 빈 화면에서 다시 시작할 필요가 없습니다.

커뮤니티 기록을 AI의 맥락으로 만들기

Builders Lounge 모임에서 나온 대화와 프로젝트 소개를 Transcript와 문서로 정리했습니다. 이렇게 남겨진 기록은 사람이 다시 읽을 수 있을 뿐 아니라 커뮤니티 AI가 참고할 수 있는 자료로도 활용할 수 있습니다.

리서치와 발표 준비

Peter Thiel의 기술·정치·경제적 비전에 관한 리서치와 AI 시대의 콘텐츠 제작에 관한 발표 준비도 진행했습니다.

AI에게 단순히 글을 써 달라고 요청하는 것이 아니라, 기존 기록과 프로젝트 자료를 제공하고 리서치 구조와 발표 흐름을 함께 만드는 방식으로 작업했습니다.

Remotion을 이용한 영상 제작

기획안, 내레이션, 이미지, 음성, 슬라이드 구성과 렌더링 과정을 기록과 연결해 영상으로 제작했습니다. 이번 한국어·영어 요약 영상 자체도 이러한 과정을 통해 만들어진 결과물입니다.

이번 실험에서 얻은 결론

이번 실험의 핵심은 다음 문장으로 정리할 수 있습니다.

아이디어에서 결과물까지, 중간이 사라졌다. 단, 기록이 있어야 한다.

AI를 잘 활용하기 위해 반드시 개발자가 될 필요는 없습니다. 하지만 내가 무엇을 했고, 무엇을 배웠으며, 어떤 문제를 해결하려는지를 꾸준히 남기는 습관은 필요합니다.

기록은 과거를 보관하는 자료에 그치지 않습니다. AI와 함께 다음 결과물을 만드는 재료이자 개인적인 지식 기반이 됩니다.

영상 보기

한국어 영상
https://youtu.be/cFdPtziAyxQ

영어 영상
https://youtu.be/yG-E0ly8fhY

지난 5월 13일, 워싱턴주 벨뷰 시청에서 열린 AI 세미나에 직접 참석해 발표 영상을 촬영했습니다.

"AI가 왜 기업에서 자꾸 실패할까?" 라는 질문을 오랫동안 품고 있었는데, 이날 현장에서 그 답을 꽤 명확하게 들을 수 있었습니다. 요약 영상으로 만들어 Catch Up AI 채널에 공개했으니, 현장에 가지 못하신 분들도 핵심 내용을 빠르게 확인하실 수 있습니다.

이날 발표한 전문가 3인 + 패널 Q&A

🔴 Lana Feng, Ph.D. — Cogzia 공동창업자

MIT 연구 결과 AI 파일럿의 95%는 개념 검증 단계에서 멈춥니다. 실패 원인의 70%는 기술 문제가 아니라 사람의 문제 — 도메인 전문가 참여율이 고작 5%에 불과하기 때문입니다.

에너지 업계에서 2주 걸리던 재무 분석이 AI 도입 후 30분으로 줄었다는 사례도 소개됐는데, 단 한 가지 조건이 있었습니다. 처음부터 도메인 전문가가 AI 개발 루프 안에 있어야 한다는 것.

🟠 Alex Thaman — Andesite CTO

보안 분야의 구조적 딜레마를 다뤘습니다. 대기업 Splunk 비용은 연간 최대 $70M(약 950억 원). 로그 데이터는 매년 23% 증가하는데 보안 예산은 16%밖에 늘지 않습니다.

데이터가 늘면 비용이 오르고, 비용이 오르면 수집 범위를 줄이고, 범위가 줄면 보안 사각지대가 생기는 SIEM 둠 루프. 이 악순환을 끊는 열쇠가 AI라고 했습니다.

🔵 Aruna Veerappan — Upwork 엔지니어링 시니어 디렉터

가장 충격적인 데이터가 나온 세션이었습니다. Cursor를 도입한 500명 규모 개발팀의 비용이 $30만에서 $100만 이상으로 3배 넘게 급등했습니다. 반면, LangGraph 3단계 아키텍처로 재설계한 팀은 20배 절감에 성공했습니다.

같은 AI 도구 시대라도 어떻게 설계하느냐가 비용 구조 자체를 결정한다는 것이 이날 현장의 결론이었습니다.

🟣 패널 전체 Q&A

"현장에서 가장 무서운 보안 위협은 퀀텀 컴퓨팅인가?" 라는 질문에 금융기관 관계자가 단호하게 답했습니다. "아니요. 지금 당장 1위는 여전히 2FA 피싱입니다."

오픈소스 AI 모델의 보안 리스크로 정부 기관이 Anthropic 계약을 중도 해지했다는 실제 사례도 공개됐고, AI ROI는 코드 생성량이 아닌 **수용률(adoption rate)**로 측정해야 한다는 제안도 인상적이었습니다.

요약 영상 바로 보기

현장 발표 4개의 핵심을 2분으로 정리했습니다.

🇰🇷 한국어 버전

▶ https://youtu.be/Atjn75QCbSM

🇺🇸 English Version

▶ https://youtu.be/HppGRRENcPk

풀 영상이 궁금하신 분들께

발표 4개의 풀 영상(각 30~35분)은 현재 Catch Up AI 채널 멤버 전용으로 공개되어 있습니다. 주 2편씩 일반 공개로 전환될 예정이니, 멤버십에 가입하시면 가장 먼저 보실 수 있습니다.

멤버십은 월 $1.99(커피 한 잔)부터 시작합니다.

👉 youtube.com/@catchupai → 멤버 가입

시애틀·벨뷰 지역 AI 현장 영상을 계속 올릴 예정입니다. 구독과 좋아요로 응원해 주세요 🙏

#AI #인공지능 #엔터프라이즈AI #AI파일럿 #보안 #시애틀 #CatchUpAI #AI에이전트 #LangGraph #유튜브

올해 Catch Up AI는 하나의 목표를 가지고 달리고 있습니다.

AI를 일상에 직접 적용해 보는 실험들, 그리고 그 과정에서 얻은 인사이트를 솔직하게 나누는 것.

이번 13회 라이브 요약 영상에서도 실험 3가지를 진행했고, 그 과정에서 꽤 중요한 깨달음을 하나 얻었습니다.

💡 핵심 인사이트: 기록이 AI의 작업 환경이 된다

AI가 갑자기 더 똑똑해진 게 아닙니다.

AI와 함께 한 작업들을 기록해 뒀기 때문에 가능했던 겁니다.

AI는 자연어 문서를 빠르게 읽고 정리합니다. 기록이 쌓일수록 AI가 받는 컨텍스트가 풍부해지고, 그 컨텍스트는 다음 작업으로 이어집니다. 기록은 AI에게 주는 배경 정보가 아니라, AI가 실제로 일할 수 있게 해주는 작업 환경입니다.

🧪 이번 방송의 실험들

실험 0 — 런다운을 캔버스로 전환

방송 준비 문서를 AI가 읽고 시각적인 캔버스 맵으로 구조화했습니다. 참조 문서가 있을 때 AI의 능력이 얼마나 달라지는지 직접 확인했습니다.

실험 1 — AI 기기와 녹음법 사이의 간극 연구

Limitless 같은 AI 웨어러블이 빠르게 확산되는 반면, 법과 사회적 대응은 아직 따라오지 못하고 있습니다. Washington State 녹음법을 AI 에이전트와 함께 연구하고 GitHub에 공개 자료로 정리했습니다.

실험 2 — 연구 결과를 Remotion 영상 콘텐츠로

실험 1에서 쌓은 연구 자료를 바탕으로 AI 영상까지 제작했습니다. 공부한 내용이 곧 콘텐츠가 되는 구조, 직접 만들어 봤습니다.

🛠️ 나만의 AI 작업 환경을 만드는 공식

기록 위치 설정 → 정보 축적 → 반복 작업을 프롬프트로 → AI 실행 → 결과 검증 후 다시 기록

이 루틴을 매주 직접 실천하면서 AI가 점점 나에게 맞는 도구로 바뀌어 가는 걸 체감하고 있습니다.

🎬 영상 바로 보기

한국어 버전과 영어 버전 모두 준비했습니다.

🇰🇷 한국어 버전: https://youtu.be/eL2TOtFXJNI

🇺🇸 영어 버전: https://youtu.be/BJPB_YMWUcE

구독과 좋아요는 큰 힘이 됩니다 😊

AI 기술이 빠르게 발전하면서 녹음·녹화 기능을 갖춘 AI 기기들이 속속 등장하고 있습니다.

Limitless AI 펜던트, Meta Ray-Ban 스마트 글래스, Otter.ai, Fireflies.ai...

한국에서도 이름은 많이 들어보셨을 겁니다.

그런데 막상 이런 기기들을 쓰려고 할 때 이런 생각이 드신 적 없으신가요?

"이거, 법적으로 괜찮은 거 맞지?"

특히 미국을 여행하거나 미국 비즈니스를 하시는 분들이라면 한 번쯤 짚어봐야 할 문제입니다.

## 미국 녹음법, 생각보다 훨씬 복잡합니다

한국은 대화 당사자 한 명이 동의하면 녹음이 가능합니다.

하지만 미국은 주(州)마다 법이 다릅니다.

크게 두 가지로 나뉩니다:

- **일방 동의제 (One-Party Consent)**: 대화 참여자 중 한 명만 동의해도 녹음 가능 (연방법 포함)

- **전면 동의제 (All-Party Consent)**: 대화에 참여하는 모든 사람의 동의가 필요

캘리포니아, 워싱턴, 일리노이 등 11개 주가 전면 동의제를 채택하고 있습니다.

이를 어기면 민사 소송은 물론 형사처벌까지 받을 수 있습니다.

AI 기기를 아무 생각 없이 켜두었다가 법을 위반하는 상황이 충분히 발생할 수 있다는 뜻입니다.

## 직접 리서치해서 영상으로 만들었습니다

이 주제를 AI와 함께 직접 파헤쳐서 영상으로 만들었습니다.

**다루는 내용:**

- 미국 연방법 vs 주법, 어떻게 다른가?

- Limitless AI 펜던트 — 합법인가 불법인가?

- Meta Ray-Ban 글래스 — 몰래 촬영하면 어떻게 되나?

- Otter.ai / Fireflies.ai — 업무 회의 녹음, 어디까지 괜찮나?

- AI 음성 복제 — 내 목소리로 만드는 건 합법인가?

- AI 크리에이터를 위한 3가지 실용 원칙

## 영상 보기

한국어 버전과 영어 버전 모두 제작했습니다.

**🇰🇷 한국어 버전**

▶️ https://youtu.be/mQHoEj0_1KE

**🇺🇸 영어 버전**

▶️ https://youtu.be/NCWlam9t9cY

영상에는 챕터가 나뉘어 있어서 궁금한 부분만 골라 보실 수 있습니다.

AI 기기에 관심 있으신 분, 미국 여행이나 출장 계획 있으신 분, 

콘텐츠 크리에이터로 활동하시는 분들께 특히 도움이 될 내용입니다.

그리고 전체 Research 내용은 아래 GitHub Repository 에 공유했습니다.
CatchUpAI_VL/Topics/WA-Recording-Law at main · solkit70/CatchUpAI_VL

AI in Action Live #12 요약 영상을 업로드했습니다.

이번 영상에서 가장 중요하게 이야기하고 싶었던 주제는 “기록이 AI의 컨텍스트가 된다”는 것입니다.

예전에는 데이터를 모으고, 정리하고, 데이터베이스에 넣고, 앱으로 활용하는 일이 쉽지 않았습니다. 그래서 우리가 인터넷에서 만들어내는 많은 데이터는 구글, 페이스북, 애플, 마이크로소프트 같은 빅테크 기업들이 주로 가져가고 활용했습니다.

하지만 AI 시대에는 상황이 달라지고 있습니다.

이제는 꼭 복잡한 데이터베이스나 앱을 만들지 않아도, 우리가 매일 남기는 자연어 기록이 AI에게 바로 쓸 수 있는 컨텍스트가 될 수 있습니다. 회의 메모, 학습 기록, 프로젝트 로그, 아이디어, 대화 내용, 콘텐츠 제작 과정 같은 것들이 모두 나중에 AI와 함께 다시 활용할 수 있는 개인 데이터가 됩니다.

그래서 앞으로 중요한 질문은 “AI가 무엇을 할 수 있나?”뿐만 아니라 “나는 AI에게 줄 나만의 컨텍스트를 만들고 있나?”가 될 것 같습니다.

이번 Live #12 요약 영상에서는 이런 핵심 메시지를 바탕으로 지난주에 진행한 여러 실험을 정리했습니다.

- AI로 라이브 방송을 요약 영상으로 만드는 과정
- 한국어 영상을 영어 영상으로 확장하는 작업
- CMDS x GOBI Cohort 1기 마지막 세션 회고
- Builders Lounge 2차 모임과 AI 코디네이터 구상
- GOBI Desktop으로 방송 진행을 돕는 실험
- Catch Up AI 웹사이트를 AI 코딩으로 수정하고 CI/CD로 배포한 과정
- AI 레코더 사용과 관련된 미국 워싱턴 주 녹화/녹음 법률 학습
- GobiSpace 커스텀 홈페이지 제작 실험
- AI 시대에 개인과 작은 커뮤니티가 할 수 있는 일에 대한 생각

영상은 한국어 버전과 영어 버전으로 각각 업로드했습니다.

한국어 영상:
https://youtu.be/xfwLSFNjvI8

영어 영상:
https://youtu.be/4kP_jwZ_PU8

AI를 단순히 뉴스나 트렌드로 소비하는 것이 아니라, 내 일상과 일에 직접 적용해 보고 그 과정을 기록으로 남기는 실험을 계속해 보려고 합니다.

이번 영상이 AI 시대에 개인이 데이터를 어떻게 관리하고 활용할 수 있을지 생각해 보는 계기가 되었으면 합니다.

🎬 최종 결과물

클론 목소리로 만든 Live #11 하이라이트 영상 — 한국어·영어 버전 동시 제작했습니다.

🇰🇷 한국어 영상 (15분 46초)

https://youtu.be/2wk0_VQx9I8

🇺🇸

 영어 영상 (13분 9초)

https://youtu.be/WwgQDPXcHWs

지금 이 영상의 나레이션, 제 진짜 목소리가 아닙니다.

알리바바 Qwen3-TTS가 3초짜리 제 음성 샘플 하나로 복제한 AI 버전입니다.

캘린더로는 12일, 실제 집중 작업 시간은 단 18시간이었습니다.

이 글에서는 그 여정 전체 — 기술 선택부터 샘플 튜닝, 영상 파이프라인 연동까지 — 를 정리합니다.

🤖 Qwen3-TTS란?

알리바바 Qwen 팀이 2026년 1월 Apache-2.0으로 공개한 오픈소스 TTS(텍스트 음성 변환) 모델 패밀리입니다.

핵심 기능은 두 가지입니다.

• Voice Clone (VC): 3초 음성 샘플만으로 실제 목소리 복제
• Voice Design (VD): "차분한 30대 여성" 같은 자연어 프롬프트로 원하는 음색 설계

10개 언어(한국어 포함)를 지원하고, Apache-2.0이라 상업적으로도 자유롭게 사용 가능합니다.

📌 공식 GitHub: https://github.com/QwenLM/Qwen3-TTS

💻 로컬 vs API — 저는 API를 선택했습니다

Qwen3-TTS를 실행하는 방법은 두 가지입니다.

제 PC는 Intel i7-1355U(15W 저전력) + 내장 그래픽으로 GPU가 없습니다.

자연스럽게 **Alibaba Cloud DashScope Intl API(싱가포르 서버)**를 선택했습니다.

📌 DashScope API: https://www.alibabacloud.com/

📚 어떻게 배웠나 — VibeLearn AI

이번 학습에는 제가 직접 만든 VibeLearn AI 방법론을 활용했습니다.

Topic을 정하고 → AI와 함께 Roadmap을 만들고 → 매일 실습하며 WorkLog를 남기는 구조입니다.

중요한 건 처음부터 "배워서 무엇을 만들 것인지" 까지 목표로 설정한다는 점입니다.

이번 목표: "Qwen3-TTS를 배워서 Remotion 영상에 클론 목소리를 연동한다"

덕분에 학습이 끝났을 때 Live 11회 영상이 완성되어 있었습니다.

📌 VibeLearn AI (무료): https://github.com/solkit70/VibeLearn-AI

🎤 Voice Clone 과정 — 2단계

API 사용 방법은 생각보다 간단합니다.

Step 1 — 음성 등록 (~4초)

# 샘플 업로드 → voice_id 발급

response = dashscope.MultiModalConversation.call(

    model="qwen3-tts-vc-2026-01-22",

    ref_audio="샘플.mp3",

    ...

)

voice_id = response.output.voice_id

Step 2 — 음성 합성 (~10초)

# 텍스트 + voice_id → 클론 목소리

response = dashscope.MultiModalConversation.call(

    model="qwen3-tts-vc-2026-01-22",

    text="합성할 텍스트",

    voice=voice_id,

    stream=False,

)

두 단계면 끝입니다. 코드 작업은 VibeCoding(AI 협업 코딩)으로 처리해서 직접 한 줄도 짜지 않았습니다.

⚠️ 주의: 싱가포르 서버(글로벌) 사용자는 Voice Clone(VC)만 가능합니다. Voice Design(VD)은 중국 서버 전용입니다.

🔧 샘플 품질 튜닝 — 3점 → 4점

처음 클론 결과는 5점 만점에 3점이었습니다. 음색은 비슷한데 끊김이 있었습니다.

개선 포인트:

1. 샘플 녹음 방식 변경: 단어를 끊지 않고 방송 진행하듯 흐르게 읽기 (v1→v4)
2. ffmpeg 후처리: atempo=1.08 (8% 가속)로 자연스러운 속도 조정

ffmpeg -i input.wav -filter:a "atempo=1.08" output.wav -y

결과: 4점 달성. changsoo_final.wav 최종 채택.

💡 실험하면서 발견한 팁들

한국어 콘텐츠엔 한국어 프롬프트

Voice Design 프롬프트를 영어로 입력했더니 일본인이 한국어를 하는 듯한 억양이 나왔습니다. 한국어로 프롬프트를 쓰면 훨씬 자연스럽습니다.

비용 절감 팁

작업 중에는 무료 edge-tts로 영상 타이밍을 먼저 맞추고, 최종본에서만 Qwen3-TTS로 교체하면 비용을 크게 줄일 수 있습니다. 15개 슬라이드 전체 생성 비용은 약 $0.30이었습니다.

이미지 생성 팁

이미지 API를 바로 쓰지 말고, 먼저 AI에게 프롬프트를 만들게 한 다음 ChatGPT·Gemini·Claude에 동시에 넣어 결과를 비교하세요. 제 경험상 ChatGPT와 Gemini가 품질이 가장 좋았습니다.

📁 학습 자료 전체 공개

로드맵, 워크로그 6개, 실습 코드 전부 GitHub에 공개했습니다.

📌 학습 자료: https://github.com/solkit70/CatchUpAI_VL/tree/main/Topics/Qwen3-TTS

VibeLearn AI를 써보고 싶으신 분은 아래에서 무료로 다운받으실 수 있습니다.

배우고 싶은 Topic을 정한 뒤, AI에게 "이걸 배워서 ○○에 활용하고 싶다" 고 말하면 그 목적까지 포함한 Roadmap이 만들어집니다.

📌 VibeLearn AI: https://github.com/solkit70/VibeLearn-AI

🔗 참고 링크 모음

더 궁금하신 점은 댓글로 남겨 주세요.

매주 일요일 밤 9시(한국 시간), 새벽 5시(시애틀)에 라이브 방송도 진행합니다 📺