① 어떤 상황에서 AI를 활용했나요?

저는 코드를 한 줄도 못 쓰던 문과 직장인입니다. 취미가 골프인데 한국은 주말 한 게임에 30만원 가까이 듭니다. 일본 지방은 평일 그린피가 3만~4만원대라 직접 다녀봤더니, 진짜 문제는 돈이 아니라 설계였어요. 항공, 렌터카, 숙소, 티타임을 전부 따로 알아봐야 하고, 도착한 날 라운딩이 가능한지는 항공 도착 시각에 달려 있습니다. 여행사 패키지는 수수료가 붙고 블로그 정보는 파편이라, 계산이 되는 도구를 직접 만들기로 했습니다.

② 어떤 AI를 어떻게 활용했나요?

AI 코딩 에이전트(Claude Code)와 대화하며 만들었습니다. 제가 한 일은 한국어로 요구사항을 말하는 것이었습니다.
"예약 사이트에 실제로 올라온 그린피를 매일 새벽에 받아와줘"
"출발일과 인원을 넣으면 몇 게임이 가능한지 계산해줘"
"항공 도착 시각으로 첫날 라운딩 가능 여부를 판정해줘"
AI가 코드를 쓰면 저는 결과를 실제 값과 대조해 검증하고, 틀리면 다시 대화로 고쳤습니다. 기획과 검증은 사람이, 구현은 AI가 맡는 방식입니다.

③ 활용 결과 어떤 변화가 있었나요?

골프원정대(jpgolf.kr)라는 서비스를 만들어 무료로 운영하고 있습니다.
일본 골프장 1,042곳의 그린피를 매일 자동 갱신합니다(8월 19일 아침에도 237곳을 재확인했습니다).
"후쿠오카 3박4일 4명"을 넣으면 4게임 72홀에 1인 약 78만~88만원이라는 완성 일정이 나옵니다. 항공·렌터카·숙소·그린피가 항목별로 분해돼서 어디에 얼마가 드는지 보입니다.
공항에서 골프장까지 실제 차량 이동시간을 1,056곳 전부 측정해뒀고, 예약을 어떤 순서로 해야 꼬이지 않는지 링크까지 안내합니다.
최근에는 베트남·태국·말레이시아 317곳으로 넓혔습니다. 현지 예약 사이트의 실제 가격 그대로입니다.
실제로 나고야 일정을 짜면서 41개 코스의 티타임을 조회하고 골프장 공식 홈페이지와 교차 확인해 같은 티타임을 8,250엔 싸게 잡은 기록도 있습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

AI에게 판단을 맡기지 않고 계산만 맡긴 것이 핵심입니다. 여행 추천을 AI에게 통째로 시키면 그럴듯하지만 틀린 가격과 없는 코스를 지어냅니다. 그래서 가격·거리·항공 시각은 실측 데이터로 계산하고, AI는 요구사항 해석과 코드 작성, 결과 설명에만 쓰도록 역할을 나눴습니다.
또 하나는 검증 습관입니다. AI가 만든 결과를 매번 실제 예약 사이트 값과 대조했고, 직접 일본에 가서 라운딩하며 계산이 맞는지 확인했습니다. 감으로 짜지 않고 숫자로 짜니 서비스로 쓸 수 있는 물건이 됐습니다.

⑤ 다른 사람도 따라 할 수 있나요?

할 수 있습니다. 필요한 건 코딩 지식이 아니라 자기가 잘 아는 불편함입니다. 저는 골프와 여행을 알았고, 코드는 AI가 채웠습니다.
따라 하실 분께 권하는 순서는 이렇습니다. 첫째, 매번 손으로 반복하는 일을 하나 고릅니다. 둘째, 그 일의 판단 기준을 문장으로 적습니다. 셋째, AI에게 그 문장을 그대로 주고 만들게 한 뒤 결과를 실제 값과 대조합니다. 넷째, 틀린 부분만 대화로 고칩니다.
AI 시대의 개발은 코드를 아는 사람이 아니라 문제를 아는 사람이 하는 일이라고 생각합니다.