목록으로
업무 생산성 개선을 위한 AI 활용
1인 기업가의 AI 활용 업무 프로세스 개선 _ 혼자 일하는 1인기업 대표가 AI로 업무 시스템을 만든 이야기
1인 기업가의 AI 활용 업무 프로세스 개선 _ 혼자 일하는 1인기업 대표가 AI로 업무 시스템을 만든 이야기
🤖 활용 AI 도구
Claude Code, Codex
AI로 일을 더 많이 하는 것보다 중요한 것은 같은 일을 반복하지 않는 구조를 만드는 것이었습니다.
저는 생동력연구소를 운영하는 1인 교육사업자
실행력 멘토, 생동대장 이유진입니다.
실행력 교육을 기획하고, 강의를 만들고, 고객에게 전달할 자료를 작성합니다. 교육 프로그램의 운영 계획을 세우고, 시장을 조사하고, 홍보 콘텐츠도 제작합니다. 유튜브 영상, 블로그 글, 카드뉴스, 강의 자료, 고객 진단 콘텐츠까지 모두 제 업무입니다.
교육사업 외에 대학교 명사특강 출강, 저서 집필활동, 작가 활동, 프로그램 운영안, 행사 계획, 안내 자료, AI를 활용한 웹 활용 사업처럼 목적은 다르지만 자료를 정리하고 문서를 작성하고 새로운 프로그램을 설계하는 업무가 많습니다.
1인 기업가에게 가장 부족한 자원은 사람도, 아이디어도 아닌 시간이었습니다.
기획할 때는 기획자가 되고, 글을 쓸 때는 작가가 됩니다. 영상을 만들 때는 편집자가 되고, 사업을 검토할 때는 분석가가 됩니다.
그런데 업무마다 사용하는 자료와 도구가 달랐습니다.
자료는 한곳에 있고, 완성 파일은 다른 폴더에 있었습니다. AI와 함께 수정했던 기준도 대화 기록에 흩어져 있었습니다.
AI를 사용하면 초안은 만들 수 있었습니다. 하지만 결과물을 검토하고, 이전 결정을 찾아보고, 다음 작업에 적용하는 일은 여전히 제 몫이었습니다.
AI로 영상 편집 작업을 하던 중 이런 질문을 했습니다.
"나는 디테일 잡고 하면 더 오래 걸리는 것 같은데 왜 그런 거야?"
이 질문이 업무 개선의 출발점이 됐습니다.
AI가 일을 대신하는 것만으로는 부족했습니다.
한번 일하면서 만든 자료와 판단이 다음 업무에도 남아야 했습니다.
그래서 AI를 단순한 질문 도구가 아니라 업무 프로세스를 구성하는 도구로 활용하기 시작했습니다.
1. AI를 도입하기 전, 가장 큰 문제는 반복 업무였습니다
혼자 사업을 운영하면서 제가 반복하던 업무는 크게 다섯 가지였습니다.
첫째, 자료 조사와 정보 정리입니다.
새 강의를 만들고 책을 집필하기 위해 위해 관련 자료를 찾고, 주요 내용을 정리하고, 제 교육사업에 적용할 부분을 선별해야 했습니다.
둘째, 기획서와 보고서 작성입니다.
교육 프로그램을 기획할 때는 목적과 대상, 진행 절차, 예산과 운영 방법을 정리합니다. 경쟁사를 조사할 때는 가격, 상품 구성, 고객의 구매 동선 등을 비교해야 합니다.
셋째, 콘텐츠 제작입니다.
제가 전하고자 하는 메시지를 블로그 글, 쇼츠, 릴스, 카드뉴스 등 다른 형식으로 제작해야 했습니다.
넷째, 검수와 수정입니다.
AI가 만든 문장에 잘못된 정보가 없는지 확인하고, 제 교육 철학과 표현 기준에 맞게 수정하는 과정입니다.
다섯째, 업무 진행 상황 관리입니다.
어떤 업무가 끝났고 어떤 자료가 부족한지, 어떤 결과물을 다시 확인해야 하는지 관리해야 했습니다.
이 문제를 해결하기 위해 필요한 것은 AI 도구 하나를 추가하는 일이 아니었습니다.
업무에 필요한 자료를 찾고, 결과를 만들고, 검토하고, 다음 업무에 연결하는 절차 자체를 바꾸는 일이었습니다.
2. AI를 업무에 맞게 배치했습니다
제가 활용한 대표적인 AI는 Claude Code, Codex 입니다. 각 도구에 같은 일을 맡기지 않았습니다.
Claude Code와 Codex는 업무에 필요한 프로그램을 작성하고 수정하는 데 활용했습니다. 참고자료를 요약하고, 원고 초안을 작성하고, 영상의 제목과 구간 후보를 제안하는 데 활용했습니다.
AI가 잘하는 일과 일반 프로그램이 정확하게 수행할 수 있는 일을 구분했습니다.
핵심 원칙도 정했습니다.
AI는 초안을 제안하고, 프로그램은 정해진 작업을 실행하고, 저는 첫 방향성과 반드시 포함되어야 하는 것들을 넣고, 최종 판단을 담당합니다.
3. 첫 번째 개선: 자료와 보고서 작성 과정을 바꿨습니다
자료 수집에서 끝내지 않고 다음 업무에 연결했습니다
이전에는 참고할 만한 자료를발견하면 저장해 두는 경우가 많았습니다.
하지만 자료를 많이 저장한다고 업무에 활용되는 것은 아니었습니다.
필요한 순간에 다시 찾을 수 있어야 했습니다.
이를 위해 자료를 보관하는 세컨드 브레인(볼트)을 구성했습니다.
원자료, 가공한 지식, 운영 기준, 작업 요청과 진행 기록을 구분해 보관했습니다.
아침 자료함에는 자료의 원제와 출처뿐 아니라 요약, 제 사업과 관련 있는 이유, 콘텐츠에 적용할 관점을 함께 남겼습니다.
아침 자료함에는 미리 예약한 자료들이 저장되어 있습니다. 어떤 정보가 개인의 의견인지, 상관관계만 확인된 결과인지도 구분했습니다.
이렇게 정리한 이유는 단순합니다.
AI가 요약한 내용을 사실로 받아들이지 않고, 제가 실제로 활용할 수 있는 근거를 남기기 위해서입니다.
경쟁사 조사도 보고서 형식으로 정리했습니다
1인 교육사업을 운영하려면 경쟁사의 상품과 시장 흐름을 이해해야 합니다.
그동안은 경쟁사 홈페이지와 홍보 자료를 살펴본 뒤 필요한 내용을 따로 정리했습니다.
경쟁사의 가격, 구매 동선, 광고 근거, 수익성 정보를 구분했습니다. 여기서 중요한 기준은 '확인한 사실'과 '추정한 내용'을 혼동하지 않는 것이었습니다.
확인할 수 없는 정보는 미확인으로 남기도록 했습니다. 확인하지 못한 광고 수익성이나 읽을 수 없는 홈페이지 정보는 임의로 채우지 않았습니다.
AI를 사용해 보고서를 만드는 목적은 그럴듯한 문서를 만드는 것이 아닙니다.
사업 판단에 필요한 정보를 일정한 기준으로 비교하는 것입니다. 교육 운영안과 공문 초안에도 같은 원리를 적용할 수 있습니다.
작성 목적, 대상, 근거자료, 주요 내용, 확인할 사항을 먼저 구분하면 AI가 만든 초안을 사람이 검토하기 쉽습니다.
4. 두 번째 개선: 콘텐츠 제작 'AI 콘텐츠 공장'으로 구성
교육사업에서 콘텐츠는 고객에게 교육 내용을 전달하는 중요한 수단입니다.
저는 같은 주제의 내용을 유튜브, 블로그, 릴스, 카드뉴스 등 여러 형식으로 제작합니다. 하지만 제작물이 늘면서 문제가 생겼습니다.
어떤 원고는 초안만 완성됐고, 어떤 카드뉴스는 이미지를 만들었지만 문장을 검토해야 했습니다. 자료가 부족해서 중단된 작업도 있었습니다.
이런 상태를 구분하기 위해 AI 콘텐츠 공장을 구성했습니다.
Claude Code와 Codex를 활용해 제작 도구를 만들고 수정했습니다.
원본 자료와 작업 목적을 연결하고, 원고 초안과 검사 결과를 저장하고, 제작한 파일과 업무 상태를 같은 작업 기록에서 찾도록 했습니다.
핵심은 쌓이는 자료를 다시 활용되는 지식으로 연결하는 부분입니다.
다양한 업무 프로세스를 모두 구현할 수 있도록 계속 업그레이드 해나가고 있어요.
사용하면서 계속 갈고 닦아야 정말 핏한 도구가 됩니다.
마지막은 반드시 제가(휴먼터치) 검수하고 수정 확인할 수 있게 세팅했습니다.
업로드 자동화, DM 자동화까지 구현 중에 있습니다. 이 부분은 바로 되는데 SNS 계정 중에 인스타, 스레드, 메타 쪽이 상당히 민감해서 일단 보류 상태입니다.
이렇게 상태를 관리하니 어떤 작업에서 다시 시작해야 하는지 확인할 수 있는 기록이 생겼습니다.
AI로 무조건 많은 콘텐츠를 만드는 것보다, 만들어진 결과를 확인하고 관리하는 구조를 마련하는 데 집중했습니다. 실행처럼 프로세스는 연결성이 정말 중요해요.
5. 세 번째 개선: 긴 강의를 짧은 영상으로 재가공했습니다
교육 콘텐츠를 제작할 때 부담이 컸던 작업 중 하나는 긴 강의를 짧은 영상으로 편집하는 일이었습니다. 영상 전체를 다시 보면서 사용할 구간을 찾고, 제목을 정하고, 화면을 편집해야 했습니다.
이를 개선하기 위해 강의 재가공 과정을 나눴습니다.
원본 강의 → 음성인식 → 대본과 시간 정보 → AI의 구간·제목 제안 → 사람의 선택 → 미리보기 → 영상 출력
이 절차에서 AI는 영상의 의미를 분석하고 후보를 제안했습니다.
실제 영상 출력은 FFmpeg가 맡았습니다.
6. 네 번째 개선: 제가 수정한 기준을 다음 작업에 남겼습니다
이번 업무 개선에서 가장 중요하게 생각한 부분입니다.
AI가 만들어 준 결과를 수정하는 것 자체는 어렵지 않습니다.
문제는 같은 수정을 다음에도 반복한다는 점입니다.
예를 들어 쇼츠 영상의 제목이 화면에 너무 오래 남아 있으면 시선을 분산시킬 수 있습니다.
저는 쇼츠 상단의 두 줄 제목을 약 3초 뒤에 숨기고, 그 자리에 말뜻에 맞는 그림을 넣도록 요청했습니다. 이 요청은 당시 작업물과 재사용할 생성기의 설정에 함께 반영됐습니다. 완성된 영상의 검수 프레임에서도 차이를 확인했습니다.
중요한 것은 한 편의 영상을 개선했다는 사실이 아닙니다. 한 번 정한 편집 기준을 재사용할 프로그램의 설정에도 남겼다는 점입니다.
다른 사례도 있습니다.
영상 편집 과정에서 반복되지 않은 말까지 삭제가 되서 해당 내용을 수정하고
강의에서 어떤 말을 남길지는 제가 판단해야 한다는 기준을 적용했습니다.
물론 이러한 설정이 이후의 모든 영상에 자동으로 적용되는지 검증을 마친 것은 아닙니다. 현재 확인한 것은 당시 결과물과 재사용 생성기에 수정 기준이 반영됐다는 사실입니다. 저는 이 방식이 단순한 콘텐츠 자동화와 다른 점이라고 생각합니다.
AI가 만든 결과만 쌓는 것이 아니라, 사람이 판단한 이유도 업무 자산으로 남기는 방식이기 때문입니다.
7. 다섯 번째 개선: 시스템 지도와 AI 에이전트 사무실을 구성
AI 도구와 프로젝트가 늘어나면서 또 다른 문제가 나타났습니다.
도구가 많아질수록 전체 업무를 파악하기 어려워졌습니다.
어떤 프로그램이 어떤 자료를 사용하는지, 자동으로 연결되는 부분은 어디인지, 사람이 직접 확인해야 하는 부분은 무엇인지 정리할 필요가 있었습니다.
이를 위해 시스템 지도를 만들었습니다. 구성요소는 실행 근거가 있는 항목 32개, 코드가 있는 항목 31개, 계획 단계 7개로 구분했습니다.
연결 관계도 자동, 수동, 계획으로 구분했습니다.
이는 70개 프로그램이 모두 운영 중이라는 뜻이 아닙니다.
구현 상태와 연결 구조를 파악하기 위한 지도입니다.
제가 AI 덕분에 하고 있는 사업+준비하는 사업이 여러 개라 공통작업과 사업별 분류를 해두었습니다.
- AI 업무를 살펴보는 가상의 사무실
AI 작업 기록을 더 쉽게 살펴보기 위해 '생동력 주식회사'라는 사무실 화면도 구성했습니다. Claude Code의 세션과 서브에이전트 기록을 읽어 업무 카드로 보여주고, 미완료 업무를 요약하는 관제 화면입니다.
AI로 너무 많은 일을 하다보니 하다가 만 일들을 놓치지 않기 위해 만들었습니다. 하다가 중단 된 업무들, 또 그중에 바로 수익화에 도움되는 것들을 우선순위로 배치해서 볼 수 있게 했습니다.
AI가 일을 할 때마다 팀장, 에이전트 구조가 시각적으로 보이게 하여 업무의 효율성을 극대화 했습니다.
사무실에는 6개 팀 구역과 33개 역할이 표시됩니다. 하지만 33개의 AI가 동시에 일한다는 의미는 아닙니다. 역할은 자료 수집, 제작, 반복 작업 등 업무 종류를 구분 했습니다.
이 화면이 AI 작업을 직접 실행하거나 사람처럼 독립적으로 업무를 배정하는 것은 아닙니다. 실제 작업 기록을 읽고 상태를 보여주는 도구입니다.
이 구조를 만들면서 세 가지 역할을 구분했습니다.
세컨드브레인(볼트)는 자료와 판단을 보관합니다.
콘텐츠 공장은 결과물과 검수 상태를 관리합니다.
시스템 지도와 사무실은 업무의 연결과 진행 상황을 보여줍니다.
각 도구의 목적을 구분해 관리한 것이 이번 업무 프로세스 개선의 특징입니다.
8. 여섯 번째 개선: 111개 프로젝트를 관리하는 자체 대시보드
AI로 필요한 업무 도구를 하나씩 만들면서 새로운 문제가 생겼습니다.
이번에는 도구를 만드는 것이 아니라 만들어 놓은 도구를 관리하는 일이 필요해졌습니다. 교육 프로그램 안내 페이지, 실행력 서비스, 고객 관리 시스템, 콘텐츠 제작 도구, 영상 편집 프로그램, 시장 분석 도구 등 다양한 프로젝트가 생겼기 때문입니다.
처음에는 필요한 도구를 개발하는 데 집중했습니다. 하지만 프로젝트가 많아지자 어떤 도구를 운영하고 있는지, 무엇을 수정하고 있는지, 어디에 저장했는지 확인하는 과정도 업무가 됐습니다. 그래서 여러 프로젝트를 한곳에서 관리할 수 있는 웹 대시보드를 직접 구축했습니다.
흩어진 프로젝트를 한곳에서 관리하도록 구성했습니다
2026년 10월 29일 기준, 대시보드에는 총 111개 프로젝트가 등록돼 있습니다.
운영중인 프로젝트 10개와 신규 프로젝트 3개도 별도로 표시됩니다.
프로젝트 이름과 설명으로 검색할 수 있으며, 업무 분야와 진행 상태에 따라 분류해서 볼 수 있습니다. 자주 사용하는 프로젝트는 상단에 배치하고, 필요한 경우 관련 작업 페이지로 이동할 수 있게 했습니다.
111개 프로젝트가 모두 완성돼 운영 중이라는 뜻은 아닙니다. 실험 중인 프로젝트와 보관 상태의 프로젝트도 포함합니다. 중요한 것은 프로젝트의 개수가 아니라 상태와 역할을 구분해 관리하는 구조를 만들었다는 점입니다. 사업에 맞는 도구를 직접 만들고 관리합니다
제가 운영하는 교육사업에는 다양한 업무가 있습니다.
고객을 모집하기 위한 안내 페이지가 필요하고, 신청한 고객을 관리할 도구도 필요합니다. 강의와 콘텐츠를 제작해야 하고, 사업을 검토하기 위한 자료도 분석해야 합니다. 이 업무들을 하나의 프로그램에 억지로 넣기보다 목적에 맞는 도구로 구분했습니다.
AI 콘텐츠 공장은 콘텐츠의 제작과 검수 상태를 관리합니다.
시스템 지도는 여러 도구의 연결 관계를 정리합니다.
AI 에이전트 사무실은 AI 작업의 진행 상황을 확인합니다.
프로젝트 대시보드는 제가 만든 여러 업무 도구의 목록과 상태, 접근 경로를 관리합니다.
각 도구가 담당하는 역할을 구분한 것입니다.
AI를 사용하는 사람에서 업무 시스템을 설계하는 사람으로 제가 경험한 가장 큰 변화는 AI를 활용하는 방식입니다.
처음에는 AI에 필요한 결과물을 요청했습니다.
지금은 업무를 진행하면서 반복되는 문제를 발견하면 이를 해결할 도구를 만들 수 있는지 검토합니다.
그리고 만든 도구를 관리하는 체계도 함께 구성합니다.
AI가 모든 일을 알아서 처리하는 것은 아닙니다.
어떤 문제가 중요한지, 무엇을 먼저 해결할지, 어떤 기능이 필요한지는 제가 결정합니다. AI는 구현을 돕고, 저는 사업의 방향과 업무 구조를 설계합니다. 저는 이것이 1인 기업가에게 중요한 AI 활용 방식이라고 생각합니다.
혼자 일하더라도 필요한 업무 시스템을 직접 설계하고 개선할 수 있기 때문입니다.
물론 프로젝트 수가 많다는 것만으로 업무 생산성이 높아졌다고 말할 수는 없습니다. 현재 확인한 것은 111개 프로젝트를 등록하고 검색, 분류, 상태 확인, 바로가기 기능을 갖춘 관리 대시보드를 구축했다는 사실입니다.
AI를 활용하면서 저는 업무의 결과물을 만드는 것에서 나아가, 그 결과물을 만들고 관리하는 시스템까지
직접 설계하게 됐습니다.
출처 입력
9. 여섯 번째 개선: AI가 만든 결과도 다시 검토했습니다
AI를 사용하면서 알게 된 사실이 있습니다. AI는 빠르게 문장을 작성할 수 있지만, 사실 확인까지 자동으로 보장하지는 않습니다. 사실이라고 해놓고 아닌 경우도 있었습니다.
그래서 원고를 작성할 때 사실 주장과 표현을 점검하는 절차를 마련했습니다.
원고에서 낱말의 글자 수를 잘못 표현한 부분을 확인하고 수정했습니다.
초안과 수정판뿐 아니라 판단 이유와 비교 검사 결과도 함께 보관했습니다.
다만 AI 검토표가 원고 전체의 정확성을 보증하는 것은 아닙니다. 저만의 고유 경험을 확인해야 하는 내용은 별도 대기로 남겼습니다.
참고자료와 제가 제작한 결과물도 구분했습니다.
AI 활용의 목적은 빠른 생산뿐 아니라 정확한 결과를 만드는 것입니다.
따라서 AI 검토가 끝난 상태와 사람이 최종 승인한 상태를 구분했습니다.
10. 업무 개선의 결과를 숫자로 확인했습니다
이번 사례에서 중요한 것은 AI를 몇 개 사용했는지가 아닙니다.
실제 업무에서 무엇을 만들고 어떤 기록을 남겼는지입니다.
2026년 10월 29일 기준으로 확인한 주요 결과는 다음과 같습니다.
개선 영역
콘텐츠 공장 운영
작업 기록 57건 확인
원고 관리
검사 통과 표시와 초안이 있는 검수대기 33건
카드뉴스 제작
완료 상태 18묶음, 참조 이미지 164개
강의 재가공
원본 유튜브 2편에서 쇼츠 20편 제작
영상 제작 확장
필사책 릴스 7개, 진단 주제 영상 10개
시스템 관리
구성요소 70개, 연결 관계 152개 기록
원고 검수
사실 주장 44개를 정리한 검토표와 실제 수정 사례
시장 조사
경쟁사 보고서 확인
이 결과는 각각 다른 작업에서 확인한 기록입니다.
AI로 업무 프로세스를 고도화 하면서 이전에는 개별 작업의 결과를 만들고 수정하는 데 집중했다면, 이제는 원본과 AI 초안, 수정 결과, 검수 상태, 다음 업무에 적용할 기준을 구분해 보관하고 있습니다.
또한 AI의 작업이 실패하면 실패 상태를 기록하고, 원본 자료가 부족하면 필요한 자료를 표시합니다.
결과물의 수뿐 아니라 업무 진행 상태를 살펴볼 수 있는 구조를 만든 것입니다.
이렇게 만들면 문제 발생시 문제해결이 정말 빨라집니다.
10. 다른 1인 기업가도 적용할 수 있는 방법
이 시스템 전체를 처음부터 만들 필요는 없습니다.
AI를 업무에 활용하려는 1인 기업가는 반복해서 작성하는 문서 하나부터 시작할 수 있습니다. 예를 들어 교육 프로그램 운영계획서를 작성한다면 다음과 같이 진행할 수 있습니다.
1단계. 원본 자료를 정리합니다.
교육 목적, 대상, 일정, 예산, 관련 기준을 구분해 저장합니다.
2단계. AI에 초안을 요청합니다.
기존 자료를 바탕으로 목적, 운영 내용, 일정, 기대효과를 정리하도록 요청합니다. 자료에 없는 사실은 임의로 만들지 않도록 지시합니다.
3단계. 사람이 검토합니다.
실제 일정과 예산, 행정 기준, 교육 내용이 정확한지 확인합니다.
4단계. 수정한 내용과 이유를 기록합니다.
예를 들어 '기대효과에 추상적인 표현을 쓰지 않는다', '운영 절차는 담당자와 일정 중심으로 작성한다'와 같은 기준을 남깁니다.
5단계. 다음 문서 작성에 기준을 재사용합니다.
AI가 이전에 확정한 문서 기준을 먼저 참고하도록 합니다.
회의 기록도 비슷한 방식으로 처리할 수 있습니다.
참석자의 동의를 받아 기록한 회의 내용을 AI로 정리한 뒤 결정 사항, 담당자, 기한, 추가 확인 사항으로 분류하는 방식입니다.
처음에는 AI 서비스 하나와 문서 폴더만 있어도 시작할 수 있습니다.
핵심은 복잡한 프로그램이 아니라 다음의 업무 흐름입니다.
원본 정리 → AI 초안 작성 → 사람의 검토 → 수정 이유 기록 → 다음 업무에 재사용
작은 업무에서 시작해 반복되는 작업이 확인되면 도구를 추가하는 것이 좋습니다.
11. 제가 생각하는 AI 업무 혁신
처음에는 AI를 사용하면 업무를 더 빨리 끝낼 수 있을 것이라고 생각했습니다.
하지만 실제로 활용하면서 새로운 과제가 나타났습니다.
AI가 만든 결과도 수정해야 했고, 여러 도구의 연결을 확인해야 했습니다. 자동 처리에 실패하는 경우도 있었습니다.
그래서 목표를 바꿨습니다.
많은 업무를 무조건 자동화하는 것이 아니라, 반복되는 작업을 구분하고 중요한 판단을 기록하는 구조를 만드는 것으로 말입니다.
이제는 콘텐츠를 제작하면서 원본을 남기고, 수정하면서 판단 이유를 기록하고, 검수하면서 확인할 내용을 구분합니다.
AI를 활용하는 과정에서 가장 중요한 역할은 여전히 사람에게 있습니다.
어떤 업무를 할 것인지 정하는 사람.
어떤 결과가 필요한지 판단하는 사람.
AI가 만든 결과를 검토하고 책임지는 사람.
1인 기업가인 제가 맡아야 할 역할입니다.
앞으로는 동일한 조건의 업무에서 작업 시작 시각과 종료 시각, 수정 횟수, 같은 오류의 재발 여부를 측정할 계획입니다.
이를 통해 실제로 작업 시간이 줄었는지, 수정 품질이 좋아졌는지 더 디테일하게 확인하려고 합니다.
저에게 AI 업무 프로세스 개선은 사람의 판단을 없애는 일이 아닙니다. 사람이 내린 판단이 다음 업무에도 활용되도록 만드는 일입니다. 혼자 일하더라도 매번 처음부터 시작하지 않는 것. 제가 만든 AI 업무 시스템이 해결하려는 가장 큰 문제입니다.
저는 생동력연구소를 운영하는 1인 교육사업자
실행력 멘토, 생동대장 이유진입니다.
실행력 교육을 기획하고, 강의를 만들고, 고객에게 전달할 자료를 작성합니다. 교육 프로그램의 운영 계획을 세우고, 시장을 조사하고, 홍보 콘텐츠도 제작합니다. 유튜브 영상, 블로그 글, 카드뉴스, 강의 자료, 고객 진단 콘텐츠까지 모두 제 업무입니다.
교육사업 외에 대학교 명사특강 출강, 저서 집필활동, 작가 활동, 프로그램 운영안, 행사 계획, 안내 자료, AI를 활용한 웹 활용 사업처럼 목적은 다르지만 자료를 정리하고 문서를 작성하고 새로운 프로그램을 설계하는 업무가 많습니다.
1인 기업가에게 가장 부족한 자원은 사람도, 아이디어도 아닌 시간이었습니다.
기획할 때는 기획자가 되고, 글을 쓸 때는 작가가 됩니다. 영상을 만들 때는 편집자가 되고, 사업을 검토할 때는 분석가가 됩니다.
그런데 업무마다 사용하는 자료와 도구가 달랐습니다.
자료는 한곳에 있고, 완성 파일은 다른 폴더에 있었습니다. AI와 함께 수정했던 기준도 대화 기록에 흩어져 있었습니다.
AI를 사용하면 초안은 만들 수 있었습니다. 하지만 결과물을 검토하고, 이전 결정을 찾아보고, 다음 작업에 적용하는 일은 여전히 제 몫이었습니다.
AI로 영상 편집 작업을 하던 중 이런 질문을 했습니다.
"나는 디테일 잡고 하면 더 오래 걸리는 것 같은데 왜 그런 거야?"
이 질문이 업무 개선의 출발점이 됐습니다.
AI가 일을 대신하는 것만으로는 부족했습니다.
한번 일하면서 만든 자료와 판단이 다음 업무에도 남아야 했습니다.
그래서 AI를 단순한 질문 도구가 아니라 업무 프로세스를 구성하는 도구로 활용하기 시작했습니다.
1. AI를 도입하기 전, 가장 큰 문제는 반복 업무였습니다
혼자 사업을 운영하면서 제가 반복하던 업무는 크게 다섯 가지였습니다.
첫째, 자료 조사와 정보 정리입니다.
새 강의를 만들고 책을 집필하기 위해 위해 관련 자료를 찾고, 주요 내용을 정리하고, 제 교육사업에 적용할 부분을 선별해야 했습니다.
둘째, 기획서와 보고서 작성입니다.
교육 프로그램을 기획할 때는 목적과 대상, 진행 절차, 예산과 운영 방법을 정리합니다. 경쟁사를 조사할 때는 가격, 상품 구성, 고객의 구매 동선 등을 비교해야 합니다.
셋째, 콘텐츠 제작입니다.
제가 전하고자 하는 메시지를 블로그 글, 쇼츠, 릴스, 카드뉴스 등 다른 형식으로 제작해야 했습니다.
넷째, 검수와 수정입니다.
AI가 만든 문장에 잘못된 정보가 없는지 확인하고, 제 교육 철학과 표현 기준에 맞게 수정하는 과정입니다.
다섯째, 업무 진행 상황 관리입니다.
어떤 업무가 끝났고 어떤 자료가 부족한지, 어떤 결과물을 다시 확인해야 하는지 관리해야 했습니다.
이 문제를 해결하기 위해 필요한 것은 AI 도구 하나를 추가하는 일이 아니었습니다.
업무에 필요한 자료를 찾고, 결과를 만들고, 검토하고, 다음 업무에 연결하는 절차 자체를 바꾸는 일이었습니다.
2. AI를 업무에 맞게 배치했습니다
제가 활용한 대표적인 AI는 Claude Code, Codex 입니다. 각 도구에 같은 일을 맡기지 않았습니다.
Claude Code와 Codex는 업무에 필요한 프로그램을 작성하고 수정하는 데 활용했습니다. 참고자료를 요약하고, 원고 초안을 작성하고, 영상의 제목과 구간 후보를 제안하는 데 활용했습니다.
AI가 잘하는 일과 일반 프로그램이 정확하게 수행할 수 있는 일을 구분했습니다.
핵심 원칙도 정했습니다.
AI는 초안을 제안하고, 프로그램은 정해진 작업을 실행하고, 저는 첫 방향성과 반드시 포함되어야 하는 것들을 넣고, 최종 판단을 담당합니다.
3. 첫 번째 개선: 자료와 보고서 작성 과정을 바꿨습니다
자료 수집에서 끝내지 않고 다음 업무에 연결했습니다
이전에는 참고할 만한 자료를발견하면 저장해 두는 경우가 많았습니다.
하지만 자료를 많이 저장한다고 업무에 활용되는 것은 아니었습니다.
필요한 순간에 다시 찾을 수 있어야 했습니다.
이를 위해 자료를 보관하는 세컨드 브레인(볼트)을 구성했습니다.
원자료, 가공한 지식, 운영 기준, 작업 요청과 진행 기록을 구분해 보관했습니다.
아침 자료함에는 자료의 원제와 출처뿐 아니라 요약, 제 사업과 관련 있는 이유, 콘텐츠에 적용할 관점을 함께 남겼습니다.
아침 자료함에는 미리 예약한 자료들이 저장되어 있습니다. 어떤 정보가 개인의 의견인지, 상관관계만 확인된 결과인지도 구분했습니다.
이렇게 정리한 이유는 단순합니다.
AI가 요약한 내용을 사실로 받아들이지 않고, 제가 실제로 활용할 수 있는 근거를 남기기 위해서입니다.
경쟁사 조사도 보고서 형식으로 정리했습니다
1인 교육사업을 운영하려면 경쟁사의 상품과 시장 흐름을 이해해야 합니다.
그동안은 경쟁사 홈페이지와 홍보 자료를 살펴본 뒤 필요한 내용을 따로 정리했습니다.
경쟁사의 가격, 구매 동선, 광고 근거, 수익성 정보를 구분했습니다. 여기서 중요한 기준은 '확인한 사실'과 '추정한 내용'을 혼동하지 않는 것이었습니다.
확인할 수 없는 정보는 미확인으로 남기도록 했습니다. 확인하지 못한 광고 수익성이나 읽을 수 없는 홈페이지 정보는 임의로 채우지 않았습니다.
AI를 사용해 보고서를 만드는 목적은 그럴듯한 문서를 만드는 것이 아닙니다.
사업 판단에 필요한 정보를 일정한 기준으로 비교하는 것입니다. 교육 운영안과 공문 초안에도 같은 원리를 적용할 수 있습니다.
작성 목적, 대상, 근거자료, 주요 내용, 확인할 사항을 먼저 구분하면 AI가 만든 초안을 사람이 검토하기 쉽습니다.
4. 두 번째 개선: 콘텐츠 제작 'AI 콘텐츠 공장'으로 구성
교육사업에서 콘텐츠는 고객에게 교육 내용을 전달하는 중요한 수단입니다.
저는 같은 주제의 내용을 유튜브, 블로그, 릴스, 카드뉴스 등 여러 형식으로 제작합니다. 하지만 제작물이 늘면서 문제가 생겼습니다.
어떤 원고는 초안만 완성됐고, 어떤 카드뉴스는 이미지를 만들었지만 문장을 검토해야 했습니다. 자료가 부족해서 중단된 작업도 있었습니다.
이런 상태를 구분하기 위해 AI 콘텐츠 공장을 구성했습니다.
Claude Code와 Codex를 활용해 제작 도구를 만들고 수정했습니다.
원본 자료와 작업 목적을 연결하고, 원고 초안과 검사 결과를 저장하고, 제작한 파일과 업무 상태를 같은 작업 기록에서 찾도록 했습니다.
핵심은 쌓이는 자료를 다시 활용되는 지식으로 연결하는 부분입니다.
다양한 업무 프로세스를 모두 구현할 수 있도록 계속 업그레이드 해나가고 있어요.
사용하면서 계속 갈고 닦아야 정말 핏한 도구가 됩니다.
마지막은 반드시 제가(휴먼터치) 검수하고 수정 확인할 수 있게 세팅했습니다.
업로드 자동화, DM 자동화까지 구현 중에 있습니다. 이 부분은 바로 되는데 SNS 계정 중에 인스타, 스레드, 메타 쪽이 상당히 민감해서 일단 보류 상태입니다.
이렇게 상태를 관리하니 어떤 작업에서 다시 시작해야 하는지 확인할 수 있는 기록이 생겼습니다.
AI로 무조건 많은 콘텐츠를 만드는 것보다, 만들어진 결과를 확인하고 관리하는 구조를 마련하는 데 집중했습니다. 실행처럼 프로세스는 연결성이 정말 중요해요.
5. 세 번째 개선: 긴 강의를 짧은 영상으로 재가공했습니다
교육 콘텐츠를 제작할 때 부담이 컸던 작업 중 하나는 긴 강의를 짧은 영상으로 편집하는 일이었습니다. 영상 전체를 다시 보면서 사용할 구간을 찾고, 제목을 정하고, 화면을 편집해야 했습니다.
이를 개선하기 위해 강의 재가공 과정을 나눴습니다.
원본 강의 → 음성인식 → 대본과 시간 정보 → AI의 구간·제목 제안 → 사람의 선택 → 미리보기 → 영상 출력
이 절차에서 AI는 영상의 의미를 분석하고 후보를 제안했습니다.
실제 영상 출력은 FFmpeg가 맡았습니다.
6. 네 번째 개선: 제가 수정한 기준을 다음 작업에 남겼습니다
이번 업무 개선에서 가장 중요하게 생각한 부분입니다.
AI가 만들어 준 결과를 수정하는 것 자체는 어렵지 않습니다.
문제는 같은 수정을 다음에도 반복한다는 점입니다.
예를 들어 쇼츠 영상의 제목이 화면에 너무 오래 남아 있으면 시선을 분산시킬 수 있습니다.
저는 쇼츠 상단의 두 줄 제목을 약 3초 뒤에 숨기고, 그 자리에 말뜻에 맞는 그림을 넣도록 요청했습니다. 이 요청은 당시 작업물과 재사용할 생성기의 설정에 함께 반영됐습니다. 완성된 영상의 검수 프레임에서도 차이를 확인했습니다.
중요한 것은 한 편의 영상을 개선했다는 사실이 아닙니다. 한 번 정한 편집 기준을 재사용할 프로그램의 설정에도 남겼다는 점입니다.
다른 사례도 있습니다.
영상 편집 과정에서 반복되지 않은 말까지 삭제가 되서 해당 내용을 수정하고
강의에서 어떤 말을 남길지는 제가 판단해야 한다는 기준을 적용했습니다.
물론 이러한 설정이 이후의 모든 영상에 자동으로 적용되는지 검증을 마친 것은 아닙니다. 현재 확인한 것은 당시 결과물과 재사용 생성기에 수정 기준이 반영됐다는 사실입니다. 저는 이 방식이 단순한 콘텐츠 자동화와 다른 점이라고 생각합니다.
AI가 만든 결과만 쌓는 것이 아니라, 사람이 판단한 이유도 업무 자산으로 남기는 방식이기 때문입니다.
7. 다섯 번째 개선: 시스템 지도와 AI 에이전트 사무실을 구성
AI 도구와 프로젝트가 늘어나면서 또 다른 문제가 나타났습니다.
도구가 많아질수록 전체 업무를 파악하기 어려워졌습니다.
어떤 프로그램이 어떤 자료를 사용하는지, 자동으로 연결되는 부분은 어디인지, 사람이 직접 확인해야 하는 부분은 무엇인지 정리할 필요가 있었습니다.
이를 위해 시스템 지도를 만들었습니다. 구성요소는 실행 근거가 있는 항목 32개, 코드가 있는 항목 31개, 계획 단계 7개로 구분했습니다.
연결 관계도 자동, 수동, 계획으로 구분했습니다.
이는 70개 프로그램이 모두 운영 중이라는 뜻이 아닙니다.
구현 상태와 연결 구조를 파악하기 위한 지도입니다.
제가 AI 덕분에 하고 있는 사업+준비하는 사업이 여러 개라 공통작업과 사업별 분류를 해두었습니다.
- AI 업무를 살펴보는 가상의 사무실
AI 작업 기록을 더 쉽게 살펴보기 위해 '생동력 주식회사'라는 사무실 화면도 구성했습니다. Claude Code의 세션과 서브에이전트 기록을 읽어 업무 카드로 보여주고, 미완료 업무를 요약하는 관제 화면입니다.
AI로 너무 많은 일을 하다보니 하다가 만 일들을 놓치지 않기 위해 만들었습니다. 하다가 중단 된 업무들, 또 그중에 바로 수익화에 도움되는 것들을 우선순위로 배치해서 볼 수 있게 했습니다.
AI가 일을 할 때마다 팀장, 에이전트 구조가 시각적으로 보이게 하여 업무의 효율성을 극대화 했습니다.
사무실에는 6개 팀 구역과 33개 역할이 표시됩니다. 하지만 33개의 AI가 동시에 일한다는 의미는 아닙니다. 역할은 자료 수집, 제작, 반복 작업 등 업무 종류를 구분 했습니다.
이 화면이 AI 작업을 직접 실행하거나 사람처럼 독립적으로 업무를 배정하는 것은 아닙니다. 실제 작업 기록을 읽고 상태를 보여주는 도구입니다.
이 구조를 만들면서 세 가지 역할을 구분했습니다.
세컨드브레인(볼트)는 자료와 판단을 보관합니다.
콘텐츠 공장은 결과물과 검수 상태를 관리합니다.
시스템 지도와 사무실은 업무의 연결과 진행 상황을 보여줍니다.
각 도구의 목적을 구분해 관리한 것이 이번 업무 프로세스 개선의 특징입니다.
8. 여섯 번째 개선: 111개 프로젝트를 관리하는 자체 대시보드
AI로 필요한 업무 도구를 하나씩 만들면서 새로운 문제가 생겼습니다.
이번에는 도구를 만드는 것이 아니라 만들어 놓은 도구를 관리하는 일이 필요해졌습니다. 교육 프로그램 안내 페이지, 실행력 서비스, 고객 관리 시스템, 콘텐츠 제작 도구, 영상 편집 프로그램, 시장 분석 도구 등 다양한 프로젝트가 생겼기 때문입니다.
처음에는 필요한 도구를 개발하는 데 집중했습니다. 하지만 프로젝트가 많아지자 어떤 도구를 운영하고 있는지, 무엇을 수정하고 있는지, 어디에 저장했는지 확인하는 과정도 업무가 됐습니다. 그래서 여러 프로젝트를 한곳에서 관리할 수 있는 웹 대시보드를 직접 구축했습니다.
흩어진 프로젝트를 한곳에서 관리하도록 구성했습니다
2026년 10월 29일 기준, 대시보드에는 총 111개 프로젝트가 등록돼 있습니다.
운영중인 프로젝트 10개와 신규 프로젝트 3개도 별도로 표시됩니다.
프로젝트 이름과 설명으로 검색할 수 있으며, 업무 분야와 진행 상태에 따라 분류해서 볼 수 있습니다. 자주 사용하는 프로젝트는 상단에 배치하고, 필요한 경우 관련 작업 페이지로 이동할 수 있게 했습니다.
111개 프로젝트가 모두 완성돼 운영 중이라는 뜻은 아닙니다. 실험 중인 프로젝트와 보관 상태의 프로젝트도 포함합니다. 중요한 것은 프로젝트의 개수가 아니라 상태와 역할을 구분해 관리하는 구조를 만들었다는 점입니다. 사업에 맞는 도구를 직접 만들고 관리합니다
제가 운영하는 교육사업에는 다양한 업무가 있습니다.
고객을 모집하기 위한 안내 페이지가 필요하고, 신청한 고객을 관리할 도구도 필요합니다. 강의와 콘텐츠를 제작해야 하고, 사업을 검토하기 위한 자료도 분석해야 합니다. 이 업무들을 하나의 프로그램에 억지로 넣기보다 목적에 맞는 도구로 구분했습니다.
AI 콘텐츠 공장은 콘텐츠의 제작과 검수 상태를 관리합니다.
시스템 지도는 여러 도구의 연결 관계를 정리합니다.
AI 에이전트 사무실은 AI 작업의 진행 상황을 확인합니다.
프로젝트 대시보드는 제가 만든 여러 업무 도구의 목록과 상태, 접근 경로를 관리합니다.
각 도구가 담당하는 역할을 구분한 것입니다.
AI를 사용하는 사람에서 업무 시스템을 설계하는 사람으로 제가 경험한 가장 큰 변화는 AI를 활용하는 방식입니다.
처음에는 AI에 필요한 결과물을 요청했습니다.
지금은 업무를 진행하면서 반복되는 문제를 발견하면 이를 해결할 도구를 만들 수 있는지 검토합니다.
그리고 만든 도구를 관리하는 체계도 함께 구성합니다.
AI가 모든 일을 알아서 처리하는 것은 아닙니다.
어떤 문제가 중요한지, 무엇을 먼저 해결할지, 어떤 기능이 필요한지는 제가 결정합니다. AI는 구현을 돕고, 저는 사업의 방향과 업무 구조를 설계합니다. 저는 이것이 1인 기업가에게 중요한 AI 활용 방식이라고 생각합니다.
혼자 일하더라도 필요한 업무 시스템을 직접 설계하고 개선할 수 있기 때문입니다.
물론 프로젝트 수가 많다는 것만으로 업무 생산성이 높아졌다고 말할 수는 없습니다. 현재 확인한 것은 111개 프로젝트를 등록하고 검색, 분류, 상태 확인, 바로가기 기능을 갖춘 관리 대시보드를 구축했다는 사실입니다.
AI를 활용하면서 저는 업무의 결과물을 만드는 것에서 나아가, 그 결과물을 만들고 관리하는 시스템까지
직접 설계하게 됐습니다.
출처 입력
9. 여섯 번째 개선: AI가 만든 결과도 다시 검토했습니다
AI를 사용하면서 알게 된 사실이 있습니다. AI는 빠르게 문장을 작성할 수 있지만, 사실 확인까지 자동으로 보장하지는 않습니다. 사실이라고 해놓고 아닌 경우도 있었습니다.
그래서 원고를 작성할 때 사실 주장과 표현을 점검하는 절차를 마련했습니다.
원고에서 낱말의 글자 수를 잘못 표현한 부분을 확인하고 수정했습니다.
초안과 수정판뿐 아니라 판단 이유와 비교 검사 결과도 함께 보관했습니다.
다만 AI 검토표가 원고 전체의 정확성을 보증하는 것은 아닙니다. 저만의 고유 경험을 확인해야 하는 내용은 별도 대기로 남겼습니다.
참고자료와 제가 제작한 결과물도 구분했습니다.
AI 활용의 목적은 빠른 생산뿐 아니라 정확한 결과를 만드는 것입니다.
따라서 AI 검토가 끝난 상태와 사람이 최종 승인한 상태를 구분했습니다.
10. 업무 개선의 결과를 숫자로 확인했습니다
이번 사례에서 중요한 것은 AI를 몇 개 사용했는지가 아닙니다.
실제 업무에서 무엇을 만들고 어떤 기록을 남겼는지입니다.
2026년 10월 29일 기준으로 확인한 주요 결과는 다음과 같습니다.
개선 영역
콘텐츠 공장 운영
작업 기록 57건 확인
원고 관리
검사 통과 표시와 초안이 있는 검수대기 33건
카드뉴스 제작
완료 상태 18묶음, 참조 이미지 164개
강의 재가공
원본 유튜브 2편에서 쇼츠 20편 제작
영상 제작 확장
필사책 릴스 7개, 진단 주제 영상 10개
시스템 관리
구성요소 70개, 연결 관계 152개 기록
원고 검수
사실 주장 44개를 정리한 검토표와 실제 수정 사례
시장 조사
경쟁사 보고서 확인
이 결과는 각각 다른 작업에서 확인한 기록입니다.
AI로 업무 프로세스를 고도화 하면서 이전에는 개별 작업의 결과를 만들고 수정하는 데 집중했다면, 이제는 원본과 AI 초안, 수정 결과, 검수 상태, 다음 업무에 적용할 기준을 구분해 보관하고 있습니다.
또한 AI의 작업이 실패하면 실패 상태를 기록하고, 원본 자료가 부족하면 필요한 자료를 표시합니다.
결과물의 수뿐 아니라 업무 진행 상태를 살펴볼 수 있는 구조를 만든 것입니다.
이렇게 만들면 문제 발생시 문제해결이 정말 빨라집니다.
10. 다른 1인 기업가도 적용할 수 있는 방법
이 시스템 전체를 처음부터 만들 필요는 없습니다.
AI를 업무에 활용하려는 1인 기업가는 반복해서 작성하는 문서 하나부터 시작할 수 있습니다. 예를 들어 교육 프로그램 운영계획서를 작성한다면 다음과 같이 진행할 수 있습니다.
1단계. 원본 자료를 정리합니다.
교육 목적, 대상, 일정, 예산, 관련 기준을 구분해 저장합니다.
2단계. AI에 초안을 요청합니다.
기존 자료를 바탕으로 목적, 운영 내용, 일정, 기대효과를 정리하도록 요청합니다. 자료에 없는 사실은 임의로 만들지 않도록 지시합니다.
3단계. 사람이 검토합니다.
실제 일정과 예산, 행정 기준, 교육 내용이 정확한지 확인합니다.
4단계. 수정한 내용과 이유를 기록합니다.
예를 들어 '기대효과에 추상적인 표현을 쓰지 않는다', '운영 절차는 담당자와 일정 중심으로 작성한다'와 같은 기준을 남깁니다.
5단계. 다음 문서 작성에 기준을 재사용합니다.
AI가 이전에 확정한 문서 기준을 먼저 참고하도록 합니다.
회의 기록도 비슷한 방식으로 처리할 수 있습니다.
참석자의 동의를 받아 기록한 회의 내용을 AI로 정리한 뒤 결정 사항, 담당자, 기한, 추가 확인 사항으로 분류하는 방식입니다.
처음에는 AI 서비스 하나와 문서 폴더만 있어도 시작할 수 있습니다.
핵심은 복잡한 프로그램이 아니라 다음의 업무 흐름입니다.
원본 정리 → AI 초안 작성 → 사람의 검토 → 수정 이유 기록 → 다음 업무에 재사용
작은 업무에서 시작해 반복되는 작업이 확인되면 도구를 추가하는 것이 좋습니다.
11. 제가 생각하는 AI 업무 혁신
처음에는 AI를 사용하면 업무를 더 빨리 끝낼 수 있을 것이라고 생각했습니다.
하지만 실제로 활용하면서 새로운 과제가 나타났습니다.
AI가 만든 결과도 수정해야 했고, 여러 도구의 연결을 확인해야 했습니다. 자동 처리에 실패하는 경우도 있었습니다.
그래서 목표를 바꿨습니다.
많은 업무를 무조건 자동화하는 것이 아니라, 반복되는 작업을 구분하고 중요한 판단을 기록하는 구조를 만드는 것으로 말입니다.
이제는 콘텐츠를 제작하면서 원본을 남기고, 수정하면서 판단 이유를 기록하고, 검수하면서 확인할 내용을 구분합니다.
AI를 활용하는 과정에서 가장 중요한 역할은 여전히 사람에게 있습니다.
어떤 업무를 할 것인지 정하는 사람.
어떤 결과가 필요한지 판단하는 사람.
AI가 만든 결과를 검토하고 책임지는 사람.
1인 기업가인 제가 맡아야 할 역할입니다.
앞으로는 동일한 조건의 업무에서 작업 시작 시각과 종료 시각, 수정 횟수, 같은 오류의 재발 여부를 측정할 계획입니다.
이를 통해 실제로 작업 시간이 줄었는지, 수정 품질이 좋아졌는지 더 디테일하게 확인하려고 합니다.
저에게 AI 업무 프로세스 개선은 사람의 판단을 없애는 일이 아닙니다. 사람이 내린 판단이 다음 업무에도 활용되도록 만드는 일입니다. 혼자 일하더라도 매번 처음부터 시작하지 않는 것. 제가 만든 AI 업무 시스템이 해결하려는 가장 큰 문제입니다.
