AI 로 자동화를 위한 테스트를 해보고 있습니다.
지난글에 언급한것처럼 저는 여러 AI 모델과 에이전트 시스템을 사용하고 있습니다.
자동화라는게 처음 한번 구축할때는 100의 노력과 시간이 든다면, 같은 작업이나 유사한 작업은 반복될수록 그 100->80->50->10 형태로 줄어들게 됩니다.
그리고 사람의 개입을 최소화 하는게 목표입니다.
사람의 개입을 최소화 하면서도 품질을 유지하는게 기술이겠죠.
AI 가 좋아지면서 이런 자동화의 결과 품질도 좋아지고 있습니다. 지금은 "사람이 병목이다" 라는 말이 있을정도죠.
사람이 AI 와 협업이 필요하지만, AI 는 돈만 있으면, xN 으로 늘릴수가 있습니다. 사람은 한명인데 AI 는 5명 10명인 구조가 되는것이죠.
그래서 저도 여러가지 자동화 방법을 고민하고 시도하고 있습니다.
궁극적 목적은 매출을 만드는것이죠. 자동화로 생산된 결과를 재화로 판매하는것도 방법일수 있고, 직접 재화를 만드는것(주식,코인 자동매매) 도 방법일수 있죠.
요즘 테스트하는것은 2가지 입니다.
1. 웹사이트 제작 자동화
2. 웹사이트 운영 자동화
웹사이트 제작 자동화는 단순 홈페이지 형태는 어렵지 않습니다. 요즘 렌딩페이지, 카드 뉴스, 쇼츠발행 등은 많은 자동화 툴이 만들어지고 판매되고 개발되고 있습니다.
그러나 좀더 복잡한 형태라면 어떨까요?
웹사이트를 만들기 위해서는 사람의 개입하는 구간이 많습니다.
개입을 줄이고, AI 가 자체 판단하여 높은 품질의 결과를 만들어 내야 합니다.
이를 위해서는 큰 작업을 작은 작업을 쪼깨서 각각을 태스크로 생성->작업->검수->적용 이라는 플로우를 반복적으로 수행해야 합니다.
이를 위한 방법으로 loop, goal, 에이전트 오케스트레이션 등 여러 용도나 기능들이 새로 생겨나고 있습니다.
저는 나름대로의 방법으로 AI 가 자율적으로 태스크를 생성하고, 생성 태스크를 기반으로 협업하는 툴을 만들어서 테스트 하고 있습니다.
보통 이런 형태의 서비스를 칸반 보드라고 부르고, 시중에는 여러 칸반 보드 서비스가 존재합니다.
이런 Sass 형 서비스는 기능은 좋지만, 설정이 복잡하고, AI 가 사용하기 위해선 mcp server, api token 생성등 번거로운 절차가 필요합니다. 그리고 딱 원하는 기능으로 커스텀이 어렵습니다.
프로젝트 맞춤형 로컬 칸반 서비스를 작년 9월쯤 AI 로 만들었는데, 당시에 AI 가 만든 결과물이 썩 마음에 들지 않았습니다.(동작은 잘 했음)
최근 AI 모델들이 좋아져서 기존에 만든 로컬 칸반 서비스를 업데이트하고 최근 작업에 적용해 보았습니다.
결과는 꽤 괜찮았습니다.
아직 사람의 개입이 많이 필요하지만, 제작사가 다른 Ai Agent 들이 칸반 보드를 통해 협업하고 결과를 만들어 가는 과정을 보면서, 직원들 거드린 대표 같은 느낌이 들기도 했습니다.
협업으로 만든 사이트는
https://shop.oootool.com/
입니다.(관리자 계정은 admin / admin1234)
이 서비스는 chatgpt, aside browser, grok bot, 그리고 제가 협업으로 통해 만들었습니다.
요구사항 분석과, 레퍼런스 분석, 디자인 시스템 생성, 관리자 기능, 상품 이미지 생성, 데이타 등록, frontend/backend 작업 등 여러 작업을 에이전트가 서로 협업하며 진행하였습니다.
협업은 로컬 칸반 서비스로 수행되었고,
https://shop.oootool.com/kanban/ 에서 확인할수 있습니다.
readonly 로 열려있으니, 조회는 가능합니다.
이 칸반보드의 모든 태스크중 제가 직접 등록한 태스크는 없습니다. https://shop.oootool.com/ 사이트를 만들면서 필요한 기능들을 제가 요청하면 에이전트 봇들이 직접 생성하고, 상태값을 변경하고 완료한 태스크들 입니다.
물론 이번 프로젝트는 사람의 개입이 좀 많았습니다. 그러나 어느 지점에서 개입을 줄일지, 어떻게 줄일지에 대해서 많은 인사이트를 쌓았습니다.
현재 100 정도의 사람 리소스를 썼다면, 다음번에는 80 만 쓰는게 목표입니다. 최종적으로는 요구사항이 있으면, 10의 사람 개입으로 이정도 웹사이트를 제작하는것입니다.
결과가 마음에 들기도 하고, 한번쯤 작업을 공유하는게 좋을것 같아 장문을 남겨봅니다. (AI 도움없이 글쓰기를 연습하고 있습니다. ㅎㅎ)
AI 를 통해 업무를 자동화 하거나, 웹사이트 제작을 자동화하고 싶으신분. 또는 저와의 대화를 통해 경험을 공유하고 싶은 분들은 커피챗 가능하니 메세지 주세요.
이번 주말엔 돈 벌 궁리를 또 해봐야겠네요. 자동화 보다 돈버는게 더 중요하네요.(마누라 눈치^^)
댓글 14개
저는 원천 개발에 대해서는 아직 협업 보다는 오케스트레이션으로 하고 있습니다.
일부 작은 기능들은 완전 자동화 AI 모듈을 만드는 것을 고민하고 있습니다.
고객사는 아직 DX 전환도 안된 곳들이 대부분이라
레거시 시스템을 DX 하면서 아주 일부 기능들만 AX로 전환해서 도움을 주고 있습니다.
처음부터 너무 자동화 해버리니까 따라오지 못해서 포기하는 곳들이 많습니다.
아무래도 회사를 통해서 하는 업무와 개인이 하는 업무의 차이가 생기는것 같아, 고민이 많습니다.
서울이나 수도권에 오시면 메세지 한번 주세요. 커피 한잔 하러 가겠습니다.
혹시 거리가 너무 먼건 아닌가요?
그럼 한번 연락 드릴게요!!
자율형 에이전트를 사용하다보니 기존 방식이 무용한것 같습니다.
그냥 맡기면 알아서 만들어주는데 굳이...
물론 비지니스에서는 렌딩페이지 웹사이트 제작기를 통해 판매가 가능할것 같지만,
개인 입장에서 자율형 에이전트 위임형태가 쉽고 편하네요.
다음번 웹사이트 외주가 들어오면 좀더 자동화 해서 결과를 생성하고, 그 과정을 다시 한번 공유하도록 하겠습니다.
ㄷㄷ.. 시간 아깝,,
이미지 생성하는 AI 서비스 비용은 기존 구독 요금제에 포함되어 있고(chatgpt + grok)
"사이트 컨셉에 맞춰서 카테고리 20개와 상품 100개, 그리고 상품별 이미지, 상품 설명, 상품별로 1-5개의 후기를 작성해줘"
한줄로 끝낸 작업입니다.(마음에 안든 등록 상품 몇개는 삭제했습니다.)
웹사이트를 AI 로 만들면 시간을 보내는 구간은 취향에 맞춰 디테일을 다듬는 작업입니다.
가령 현재 사이트에서 오래 걸린 작업은 Shorts 동영상 뷰어 입니다. 초기에는 그냥 보통의 동영상 플레이어가 표시되어서 밋밋한 느낌이었고, 지금은 몇번 다듬어서 쇼츠 플레이어와 비슷한 형태로 표시됩니다.
취향을 다듬는 작업이 AI 작업에서 사람이 해야 하는 역활이라고 저는 생각하고 있습니다.
다르게 말하면, 좋은 취향을 가진 사람이 좋은 퀄리티의 AI 결과물을 만든다는 뜻이죠.
특히 한분야에 오랫동안 작업해 오신 분들의 취향은 정말 탁월하다고 생각하고 있고,
AI 시대에 그분들이 더 부각될거라 봅니다.(개인적 생각)
솔그루님의 글들을 보면 자신은 AI/에이전트를 상당히 앞서 사용하고 있고, 그렇지 않은 사람들은 아직 특정 단계에 도달하지 못했다는 식의 전제가 말투에 반복해서 묻어납니다. 그런데 제 댓글 내용에는 별다른 답변 없이 ‘간섭하는 글이라서 차단했다’는 취지로 대응하는 것을 보니, 자신과 다른 시각의 사용자를 어떻게 바라보는지도 어느 정도 드러나 보입니다.
몇몇 글에서는 우선 기술적인 개념부터 구분할 필요가 있어 보입니다.
스크립트로 에이전트를 호출했다고 해서 그것만으로 높은 수준의 자율 자동화가 되는 것은 아닙니다.
자율 자동화라고 하려면 단순히 에이전트를 호출하고 결과를 받아오는 수준을 넘어, 작업의 시작부터 판단, 검증, 예외처리, 다음 단계 결정과 후속 실행까지 일정 범위에서 사람의 개입 없이 이어져야 합니다.
사람이 실행하고 결과를 확인한 뒤 다음 작업을 결정하고 다시 실행한다면, 그것은 에이전트를 스크립트로 호출해서 작업하는 방식에 가깝습니다. 에이전트를 사용한 것, 일부 작업을 자동 실행한 것, 자율적인 에이전트 자동화를 구축한 것은 구분해서 설명해야 합니다.
한두 번의 표현이라면 넘어갈 수 있겠지만, 사람의 개입이 상당한 작업까지 높은 수준의 자동화나 특별한 기술적 성취처럼 읽힐 수 있는 설명이 여러 글에서 반복되고 있기 때문에 이 부분은 비평할 필요가 있다고 생각합니다.
이번에 보여주신 멀티에이전트와 칸반 구조도 마찬가지입니다.
현재 설명만 보면 범용 에이전트 하나에 충분한 컨텍스트와 도구를 제공하면 하나의 작업 흐름에서 처리할 수 있는 일을 여러 에이전트와 칸반으로 나눠놓은 것으로 보입니다.
멀티에이전트가 필요한 경우는 분명히 있습니다. 독립적인 대규모 작업의 병렬 수행, 서로 다른 전문 모델이나 실행 환경, 컨텍스트 분리, 독립적인 검증과 실패 복구 등이 필요한 경우입니다.
하지만 병렬화할 수 있다는 것과 멀티에이전트 아키텍처가 필요하다는 것은 다른 이야기입니다.
작업을 여러 조각으로 나누고 여러 에이전트에게 동시에 실행시켰다는 사실만으로 멀티에이전트 구조의 필요성이나 기술적 우위가 입증되지는 않습니다. 오히려 컨텍스트 전달, 상태 동기화, 결과 취합, 충돌 처리와 검증이라는 관리 계층만 하나 더 만든 것일 수도 있습니다.
따라서 칸반의 태스크를 에이전트가 직접 생성했다거나 여러 에이전트가 동시에 움직였다는 사실 자체는 별로 중요하지 않습니다.
중요한 것은 단일 범용 에이전트에게 같은 작업을 맡겼을 때와 비교해 사람의 개입이 얼마나 줄었는지, 작업 시간이 얼마나 단축됐는지, 실패율과 결과 품질이 얼마나 개선됐는지, 그리고 사람의 개입 없이 어느 정도까지 지속적으로 실행할 수 있었는지입니다.
이런 비교가 없다면 멀티에이전트와 칸반이 실제 자동화 수준을 높인 것인지, 단일 에이전트가 내부적으로 처리할 작업 분해를 외부에 펼쳐놓고 다시 관리하는 구조를 만든 것인지 판단하기 어렵습니다.
에이전트가 몇 개 움직이는지, 태스크를 AI가 만들었는지가 본질은 아닙니다.
무엇이 실제로 자동화됐고, 사람의 개입이 얼마나 줄었으며, 단일 에이전트 방식보다 무엇이 실질적으로 나아졌는지를 보여주는 것이 본질입니다.
복잡한 구조를 만들었다는 것과 높은 수준의 자동화를 구현했다는 것은 같은 이야기가 아닙니다.