IT 기술 따라잡기

Seattle Tech Week 2026이 이번 주(7/27~31) 시애틀에서 진행 중이다. 일주일 동안 열리는 행사가 242개, 그중 AI 태그가 붙은 것만 77개다.

전부 내 관심 분야라 오히려 고르기가 어려웠다. 갈 만한 게 없는 게 아니라, 관심 가는 게 한 주에 몰려 있는 게 문제였다. 행사 하나 확인하는 데 2분씩만 잡아도 8시간이 넘는다.

이걸 AI에게 맡기는 과정에서, 같은 문제를 두 에이전트가 어떻게 다르게 접근하는지 꽤 선명하게 볼 수 있었다. 결론부터 말하면 이번 건은 명확히 Codex Win이었다.

1. Claude Code가 막힌 지점

처음 요청은 단순했다. "이 페이지에 있는 행사들을 정리해줘."

Claude Code는 Luma 허브 페이지를 찾아냈다. 거기까지는 문제없었다. 그런데 각 행사의 날짜·시간·장소·신청 링크를 안정적으로 추출하지 못했다.

이유는 명확하다. Luma는 동적 웹앱이다. 사람 눈에 보이는 카드 목록은 정적 HTML에 들어 있는 게 아니라, 브라우저 안에서 API 호출로 렌더링된 결과다. 즉 "페이지를 찾았다"와 "그 페이지의 모든 이벤트 데이터를 구조화해서 가져왔다"는 전혀 다른 문제다.

게다가 이벤트가 200개가 넘으면 개별 링크를 하나씩 타고 들어가는 방식은 금방 병목이 된다. 결국 내가 화면 캡처를 제공하고, AI가 그걸 읽어 표로 만드는 우회로를 택했다. 하루치는 처리되지만 5일치를 하려면 같은 짓을 반복해야 한다. 확장성이 없는 방식이었다.

자동화하려다 반자동 수작업이 된 셈이다.

2. Codex가 문제를 다시 정의한 방식

같은 상황을 Codex에게 그대로 설명하고 방법을 물었다.

Codex는 "화면을 더 잘 읽는 방법"을 찾지 않았다. 대신 "이 화면이 데이터를 어디서 가져오는가"를 추적했다. JavaScript 번들과 네트워크 호출 구조를 확인해, 허브가 내부적으로 쓰는 공개 API 엔드포인트를 찾아냈다.

확인된 정보는 이랬다.

• Calendar ID: cal-7YGhWSN0o5k0LsQ
• Endpoint: https://api.luma.com/calendar/get-items?calendar_api_id=...&period=future
• 페이지네이션: pagination_limit, pagination_cursor, has_more, next_cursor

이 API를 호출하니 각 이벤트의 제목, 시작·종료 시간, 장소, 태그, 등록 상태, URL이 구조화된 JSON으로 떨어졌다. 페이지네이션을 따라가며 전체를 수집해 242개 전량을 확보했다.

구분 Claude Code 초기 방식 Codex 해결 방식

중요한 건 어느 모델이 더 똑똑하냐가 아니다. 문제를 어떤 레벨로 정의했는가가 결과를 갈랐다. "이 페이지의 행사들을 정리해줘"는 사람에게는 자연스러운 요청이지만, 에이전트에게는 동적 렌더링·숨겨진 API·페이지네이션·링크 매칭·상태 변경이 뒤섞인 복합 요청이다.

3. 수집 다음이 진짜 일이다

데이터가 모였다고 끝이 아니다. AI 태그만 77개인데 다 갈 수는 없다.

AI에게 내 기준을 줬다. 지금 진행 중인 프로젝트와의 관련성, 시간 충돌 여부, 시애틀-벨뷰 이동 부담(편도 약 30분). 결과물은 추천 목록이 아니라 내가 Yes/No만 판단하면 되는 후보표였다.

여기서 한 가지 짚어둘 게 있다. AI가 내 기준을 알 수 있었던 건 평소에 작업 기록을 로컬 마크다운으로 남겨뒀기 때문이다. WorkLog, Daily Roundup, Topic 문서가 쌓여 있으니 AI는 "이 사람이 무엇에 관심 있는지"를 추론할 근거를 갖고 시작했다. 그래서 인기 있어 보이는 행사가 아니라, 내가 하던 일과 연결되는 행사를 우선 보고했다.

최종적으로 참가 확정 12개, 승인 대기 12개. Google Calendar에 반영하고 승인 메일이 올 때마다 상태를 갱신했다.

4. 한 번의 통찰을 재사용 가능하게 만들기

여기서 끝났으면 그냥 잘 풀린 사례 하나였을 것이다.

일주일 뒤, 전혀 다른 사이트(Wix 기반 페이지)에서 똑같은 벽을 만났다. WebFetch가 "JS로 동적 렌더링돼서 내용을 다 못 가져온다"고 보고했다. 그때 이 원칙을 다시 적용했다 — 화면 말고 데이터 원천을 찾는다. 원본 HTML을 직접 받아보니 페이지 안에 임베드된 JSON 객체에 전체 콘텐츠가 들어 있었다.

같은 접근이 두 번 통했으면 그건 우연이 아니라 패턴이다. 그래서 이 방법 자체를 web-data-extraction이라는 재사용 가능한 스킬로 정리했다. 다음에 같은 상황이 오면 AI가 이 원칙을 잊지 않도록.

재사용 가능한 절차는 대략 이렇다.

1. 사용자가 보는 화면과 AI가 접근 가능한 데이터가 같은지 먼저 확인한다
2. 동적 페이지라면 HTML 텍스트만 읽지 말고 JS 번들과 네트워크 호출을 본다
3. 임베디드 JSON이나 공개 API가 있으면 화면 캡처 대신 거기서 구조화된 데이터를 가져온다
4. 페이지네이션(cursor, limit, has_more) 구조를 확인한다
5. 원천 데이터 저장과 선별·추천을 별도 단계로 분리한다
6. 상태가 바뀌는 정보(등록 승인 등)는 최종 결정 직전에 다시 확인한다

5. 한계도 분명하다

과장하지 않기 위해 적어둔다. AI가 Luma에 로그인해서 Register나 Request to Join을 대신 눌러주지는 못했다. 신청·승인 흐름을 에이전트가 안정적으로 처리하는 건 아직 일반 사용자가 안심하고 맡길 수준이 아니다.

그러니까 이 실험의 결론은 "AI가 다 해줬다"가 아니다. 정보 과부하를 줄이고, 내가 결정할 수 있는 형태로 정리해주는 데까지가 현재 지점이다. 그것만으로도 8시간짜리 일이 며칠 저녁 잠깐씩으로 줄었다.

6. 여담 — 월요일 현장에서

이렇게 정한 일정으로 어제 월요일 첫 행사에 갔다. 벨뷰 시청에서 열린 Startup425 행사였는데, 거기서 한국에서 온 42 Network 학생들을 만났다.

42는 강의와 시험 대신 프로젝트와 동료 학습(peer-to-peer)으로 개발자를 키우는 소프트웨어 교육기관이다. 프랑스 파리에서 시작해 지금은 30여 개 나라에 캠퍼스가 있고, 한국에는 42 서울이 있다. 공식 소개에 따르면 세계 최대 규모의 무료 IT 교육 네트워크다.

먼 길 왔으니 많이 배우고 가면 좋겠다.

영상

전체 과정을 7분짜리 영상으로 정리했다.

https://youtu.be/EQ1I0YSfMvM

영어 버전: https://youtu.be/OjSXw0_4ihY

7월 초 일주일간 무료로 제공되던 Anthropic의 신모델 "Fable 5"가 유료 전환됐다. $20 구독료(Claude Pro)에는 포함되지 않고, Usage Credits를 별도로 결제해야 쓸 수 있는 구조다. 마침 $100짜리 무료 크레딧(9/19 만료)과 이전 크레딧 약 $18(8월 만료)이 남아 있어서, 어차피 쓸 거 제대로 실측해보기로 했다. 시작 잔액은 $25.08, Monthly Spend Limit은 $20으로 걸어뒀다. "설마 이걸 넘기겠어" 싶었다.

첫날 저녁, 한도 118% 초과

착각이었다. 첫날 저녁, 슬라이드 컴포넌트 몇 개를 고치는 사이 Monthly Spend Limit을 118% 초과했다는 메시지가 떴다. 작업이 그대로 멈췄다.

하루 반나절 만에 한도를 4번 올리다

그때부터 이상한 행진이 시작됐다. $25 → $40(다음 날 새벽 또 초과) → $70(문서 두 개에 92%) → $100. 하루 반나절 사이 네 번의 한도 인상. 학습 로드맵 문서 하나, 구글 폼 설계 문서 하나 — 이 두 개를 마무리하는 데만 $17.93이 들었다. "이건 계속 못 쓰겠다"는 생각이 처음 든 순간이었다.

같은 날 두 작업의 영수증: $0 vs $8.16

그래서 작업을 두 종류로 나눴다. 절차가 정해진 기계적 작업(구글 폼 실제 제작)은 Sonnet으로, 창의적 판단이 필요한 작업(안내 슬라이드 1장 설계)만 Fable로. 같은 날 두 작업의 영수증을 비교하니 $0 대 $8.16으로 극명하게 갈렸다. 참고로 이 영상 자체를 기획하는 동안에도 크레딧 게이지가 74%에서 85%로 늘었고, 슬라이드 코드를 작성하던 제작 중반에는 남은 $16이 순식간에 사라지며 $100 한도마저 넘겨 결국 Opus로 갈아타 마무리했다.

지금 쓰고 있는 AI 스택

결론은 "성능은 최고, 하지만 일상적으로는 못 쓴다"였다. 지금은 이렇게 나눠 쓴다.

• Fable 5: 당분간 보류 — 일상 사용은 너무 비쌈
• Opus: 주요 작업 — 계획·분석·중요한 판단
• Sonnet: 간단한 작업 — 정해진 절차·기계적 처리

실제 매달 지불하는 AI 구독료는 Claude Pro $20 + ChatGPT Plus(Codex) $20 + Google AI Plus(Gemini) $4.99 — 총 $44.99에 세금 별도, 여기에 Usage Credits 같은 종량제 비용이 쓴 만큼 추가된다.

이 영상은 어떻게 만들었나

영상 슬라이드 기획부터 컴포넌트 코딩, 렌더링까지 Claude Code와 Remotion AI로 만들었다. 나레이션은 Qwen3-TTS로 생성했는데, 내 목소리를 복제한 Voice Clone과 AI 프리셋 보이스(Cherry·Serena·Sohee)를 슬라이드 성격에 맞게 섞어 썼다. 영어 버전은 슬라이드 텍스트와 나레이션을 전부 영어로 다시 작업해 별도로 올렸다.

영상으로 보기

한국어 영상 전체 챕터는 아래에서 확인할 수 있다.

https://youtu.be/3z4iwrpF0p8

English version (full English narration & subtitles):

https://youtu.be/VWg-1u9eEW8

## 왜 이 영상을 만들었나

얼마 전 유타주의 한 선생님이 컴퓨터가 익숙하지 않으신데도 AI의 도움을 받아 며칠 만에 앱을 만드는 과정을 옆에서 도와드렸습니다. 그분이 만든 건 자신의 인생 이야기를 말로 들려주면 녹음해서 글로 바꾸고, 책으로 엮을 수 있는 문서로 정리해 프린트까지 해주는 앱이었습니다. 특별한 코딩 재능이 있어서가 아니라, 평생 쌓아온 경험 자체가 이미 충분한 재료였기 때문입니다.

이 경험을 바탕으로, 시애틀의 송재희님이 정리하신 무료 가이드 "Build with AI"를 쉽게 풀어 소개하는 영상을 만들었습니다. 대상은 개발자가 아니라, 자기 분야의 경험과 지식은 풍부하지만 컴퓨터는 어렵게 느껴지는 분들입니다.

https://youtu.be/T9BCpJ_ffzQ

## Build with AI, 12부를 네 묶음으로

Build with AI는 12개 파트로 구성된 실전 가이드인데, 영상에서는 이걸 네 묶음으로 나눠 설명합니다.

- **사고 전환** (Part 0~2): AI는 버튼이 아니라 협업자라는 마인드셋, 맡길 일과 사람이 지킬 일의 구분
- **재료 준비** (Part 3~6): 좋은 결과는 좋은 재료(도메인 지식·기록·문제 정의)에서 나온다
- **만들기 방식** (Part 7~9): AI 에이전트·바이브 코딩·코드 어시스턴트, 그리고 "계획부터" 원칙
- **서비스화와 미래** (Part 10~12): 혼자 쓰는 것과 남도 쓰게 만드는 것의 차이, 그리고 변하지 않는 자산

## 제 경험을 더한 부분

원문에 없는, 제가 실제로 겪은 두 가지 이야기도 넣었습니다.

1. **AI 자막 검수 경험담**: AI가 고유명사를 소리 나는 대로 잘못 적거나, 말실수까지 그대로 받아 적는 걸 보면서, 사람이 어디에 필요한지가 더 또렷해진 경험
2. **배포의 벽**: 이선생님이 앱은 완성했지만, 가족에게 전달하는 배포 단계에서 막혔던 뒷이야기 — 그리고 이걸 "100마일 고속도로 중 5마일만 10차선"이라는 비유로 정리한 이유. 여러 사람이 함께 쓰는 앱에는 데이터베이스·백엔드·클라우드 같은, AI 에이전트가 아직 대신해주지 못하는 일이 많다는 것도 짚었습니다.

## 바이브 코딩을 시작하고 싶은데 막히는 분들을 위한 프로그램

영상 제작과 별개로, 저는 AI를 일상에 적용하는 다양한 실험을 계속하고 있습니다. 그중 하나로 "코딩은 모르지만 꼭 만들고 싶은 앱이 있다"는 분들을 위해, 컴퓨터에 바이브 코딩 환경(VS Code + Claude Code)을 함께 세팅하고, 원하시는 간단한 앱 하나를 온라인으로 같이 만들어보는 과정을 진행하고 있습니다.

관심 있으신 분은 영상 설명란의 신청서 링크로 들어가 성함·이메일·만들고 싶은 앱만 간단히 적어 주시면 제가 직접 이메일로 연락드립니다. 한국어·영어 모두 신청 가능합니다.

English version: https://youtu.be/bfpj7aetzhk

바이브 코딩 첫걸음 - 온보딩 신청서
https://docs.google.com/forms/d/e/1FAIpQLScLIGwXR4SR467JJcRbVWkoKZP9Xd0bhHDSM64noospnK1X8w/viewform

원문: Build with AI (송재희님), https://buildwithai.clearlyreqs.com/ko/

2년 넘게 조금씩 키워온 제 유튜브 채널이, 최근에 처음으로 구독자가 줄었습니다. 그래서 원인을 AI에게 분석시켜 봤습니다. "몰락한 유튜브 채널 살리기 프로젝트"는 여기서 시작합니다.

https://youtu.be/uvR--_klsMg

## 언어 장벽은 아직 안 무너졌다

여러 원인 중 하나가 뜻밖이었습니다. 저는 AI 번역이 좋아지고 유튜브 더빙 기능까지 나온 걸 보면서, 언어 장벽이 예전만큼 크지 않을 거라고 판단했습니다. 그래서 같은 내용을 한국어 영상과 영어 영상, 두 버전으로 만들어 올려왔는데요. AI로 채널 데이터를 뜯어보니, 이 판단 자체가 하락의 원인 중 하나였습니다. 시청자는 여전히 자기 언어로 된 콘텐츠를 원했고, 두 버전으로 쪼개는 전략은 각 버전의 노출과 완청률을 동시에 갉아먹고 있었습니다.

원인을 없애는 대신, 원인을 보완하는 쪽으로 처방을 정했습니다. 모든 영상에 자막을 달아서, 영어 영상엔 한국어 자막을, 한국어 영상엔 영어 자막을 붙이는 것입니다.

## 자막 대작전 — 실패, 성공, 반전

### 1차 시도: Remotion, 그러나 16시간

이미 Remotion으로 슬라이드형 영상을 만들고 있었기 때문에, 자막도 같은 파이프라인 안에서 처리하는 게 자연스러워 보였습니다. React 컴포넌트로 자막 오버레이를 만들고 프레임 단위로 타이밍을 맞췄습니다. 그런데 세미나 녹화 영상 하나를 자막까지 입혀 렌더링하는 데 16시간이 걸렸습니다. Chromium 기반 렌더러가 매 프레임을 실제로 그려내는 방식이라, 자막 레이어 하나 추가했을 뿐인데 비용이 크게 뛰었습니다.

### 2차 시도: ffmpeg, 15배 빨라졌다

같은 작업을 ffmpeg + libass 조합으로 바꿨습니다. 자막을 .ass 파일로 만들어 영상에 직접 번인(burn-in)하는 방식인데, 렌더링이 아니라 인코딩이라 속도가 완전히 다릅니다. 같은 영상이 16시간에서 약 1시간으로, 15배 가까이 단축됐습니다. "ffmpeg는 에프에프엠펙으로 발음한다"는 것도 이번에 새로 배운 사실입니다.

### 반전: 자막이 화면 밖으로 도망갔다

속도 문제를 풀고 나니 이번엔 자막이 세로 영상(9:16)과 가로 영상(16:9)을 오가면서 화면 밖으로 밀려나는 문제가 생겼습니다. 좌표를 해상도에 비례해서 계산하지 않고 고정값으로 잡아둔 게 원인이었습니다. 하루면 끝날 줄 알았던 실험이, 이 반전 때문에 3일짜리 프로젝트가 됐습니다.

## 이번 주 인사이트

### 인사이트 A — 맡기고 승인만 하면, 일상은 유지된다

이번 작전을 하면서 가장 크게 체감한 변화입니다. AI에게 일을 시키고 중간중간 결과를 확인해서 승인만 하면, 저는 밥을 먹으러 가든 다른 일을 하든 일상을 그대로 유지하면서 일을 진행할 수 있었습니다. 한자리에 앉아서 계속 집중해야 끝나는 일이 아니라, 맡기고 승인하는 방식으로 일하는 형태가 바뀌고 있다는 걸 느꼈습니다.

### 인사이트 B — 그래도 사람이 해야 할 일이 많다

동시에, AI가 다 해주는 건 아니라는 것도 분명해졌습니다. 자막이 화면 밖으로 도망간 원인을 찾아내는 것, 렌더링 방식을 아예 바꾸기로 결정하는 것, 무엇을 승인하고 무엇을 다시 시킬지 판단하는 것 — 이런 지점들은 여전히 사람이 개입해야 했습니다. 맡기는 힘과, 개입할 타이밍을 보는 눈이 같이 필요합니다.

### 인사이트 C — 기술 설명에서 문제 해결의 여정으로

이번 주에 얻은 가장 흥미로운 발견입니다. 기술 콘텐츠의 중심이 "이 기술이 무엇인지 설명하는 것"에서 "이 문제를 어떻게 풀어나갔는지 보여주는 것"으로 옮겨가고 있다는 느낌을 받았습니다. Remotion이 뭔지, ffmpeg가 뭔지 설명하는 것보다 16시간 걸린 실패와 15배 빨라진 성공, 그리고 그 사이의 반전을 보여주는 게 더 많은 이야기를 전달했습니다.

## 번외 — GPU가 갖고 싶다

이번 작업을 하면서 로컬에서 자막 전사(Whisper)를 돌려봤는데, 제 개발 PC(GPU 없음)로는 속도가 너무 느렸습니다. OpenAI API로 전환해서 세미나 영상 9~10개를 3.57달러에 처리했는데, 이 경험 이후로 GPU가 있는 머신이 계속 아른거립니다.

## 다음 작전 예고

"몰락한 유튜브 채널 살리기 프로젝트"는 계속됩니다. 다음 주부터는 단순히 라이브 방송을 요약하는 대신, 매주 진행하는 여러 실험 중 가장 유익한 걸 골라 제대로 된 콘텐츠로 만드는 "알찬 영상 만들기 작전"이 시작됩니다.

## 영상에 대해

이 영상 자체도 AI로 만들었습니다. Claude Code, Codex, 여러 Skills, MCP, TTS, Remotion AI를 함께 활용했고, 같은 이야기를 한국어·영어 버전으로 동시에 제작했습니다. 첫 슬라이드는 제 진짜 목소리이고, 이후 나레이션은 AI로 복제한 제 목소리입니다.

🎬 English version: https://youtu.be/g7qjknKurqM

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