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
🤖 활용 AI 도구
Claude Code, Codex
[앞에 제출했는데 작성 가이드 정확하게 맞춰서 재 제출합니다 ]
AI로 결과물을 만드는 것을 넘어, 반복 업무를 줄이는 시스템을 구축하다
AI로 일을 더 많이 하는 것보다 중요한 것은 같은 일을 반복하지 않는 구조를 만드는 것이었습니다. 실행력 교육을 기획하고 강의를 제작하며 고객에게 전달할 자료를 만듭니다. 교육 프로그램 운영계획서 작성, 시장 조사, 홍보 콘텐츠 제작도 직접 담당합니다. 유튜브 영상, 블로그 글, 카드뉴스, 강의 자료, 고객 진단 콘텐츠까지 모두 제 업무입니다.
교육사업 외에도 대학교 명사특강 출강, 저서 집필, 작가 활동, 행사 기획, 프로그램 운영안과 안내 자료 작성, AI를 활용한 웹 기반 신규 사업 개발 등 다양한 일을 하고 있습니다. 기획할 때는 기획자가 되고, 글을 쓸 때는 작가가 됩니다. 영상을 제작할 때는 편집자가 되고, 사업을 검토할 때는 분석가가 됩니다.
이 과정에서 발견한 문제가 있습니다.
업무마다 결과물은 새로 만들어지지만, 그 과정에서 얻은 자료와 판단은 다음 업무에 충분히 활용되지 않는다는 점입니다.
AI를 도입한 뒤에도 이 문제는 남아 있었습니다.
그래서 AI에 일을 맡기는 것에서 나아가, AI를 활용해 업무 자체의 구조를 개선하기 시작했습니다.
① 어떤 상황에서 AI를 활용했나요?
혼자 여러 업무를 처리하면서 같은 일을 반복하는 문제가 있었습니다
1인 기업가에게 가장 부족한 자원은 시간이었습니다.
저는 교육 프로그램을 기획하면서 시장을 조사하고, 기획서를 작성하고, 강의 자료를 제작합니다. 이후 같은 내용을 유튜브와 블로그, 릴스, 카드뉴스로 다시 제작합니다.
그런데 업무가 늘어날수록 자료와 결과물을 관리하는 데에도 시간이 필요했습니다.
원본 자료는 한 폴더에 있고, 완성 파일은 다른 폴더에 있었습니다. AI와 함께 수정한 기준은 대화 기록에 흩어져 있었습니다.
어떤 작업은 초안만 작성한 채 중단됐고, 어떤 작업은 검수까지 완료했는지 확인하기 어려웠습니다.
혼자 사업을 운영하면서 반복하던 업무는 크게 다섯 가지였습니다.
1. 자료 조사와 정보 정리
새로운 강의를 기획하거나 책을 집필할 때 관련 자료를 조사해야 합니다.
수집한 자료에서 주요 내용을 정리하고, 신뢰할 수 있는 정보인지 확인하며, 제 교육사업에 적용할 부분을 선별해야 했습니다.
자료를 저장해 두더라도 나중에 다시 찾지 못하면 같은 조사를 반복해야 했습니다.
2. 기획서와 보고서 작성
교육 프로그램 운영계획서를 작성할 때는 목적, 대상, 일정, 진행 절차, 예산, 운영 방법을 정리합니다.
경쟁사를 조사할 때도 상품 가격, 프로그램 구성, 고객의 구매 동선, 광고 근거 등을 비교해야 합니다.
문서를 작성할 때마다 형식과 기준을 새로 정하는 일도 반복됐습니다.
3. 콘텐츠 제작
하나의 교육 주제를 유튜브 영상, 블로그 글, 릴스, 쇼츠, 카드뉴스 등 여러 형식으로 제작해야 했습니다.
특히 긴 강의를 짧은 영상으로 편집하려면 영상 전체를 다시 확인하고 사용할 구간을 찾은 뒤 제목과 화면 구성을 결정해야 했습니다.
4. 검수와 수정
AI가 작성한 결과물은 그대로 사용할 수 없었습니다.
사실과 다른 내용이 없는지 확인하고, 제 교육 철학과 표현 기준에 맞게 수정해야 했습니다.
문제는 같은 실수를 다른 작업에서도 다시 수정해야 한다는 점이었습니다.
5. 업무 진행 상황 관리
사업과 프로젝트가 늘면서 어떤 일이 완료됐고, 어떤 작업이 중단됐으며, 다음에 무엇을 해야 하는지 파악하는 일도 중요해졌습니다.
여러 AI 도구를 사용할수록 오히려 전체 업무의 진행 상황을 확인하기 어려웠습니다.
업무 개선의 출발점
AI로 영상 편집을 하던 중 이런 질문을 한 적이 있습니다.
"나는 디테일을 잡고 작업하면 더 오래 걸리는 것 같은데 왜 그런 거야?"
이 질문을 계기로 업무 방식을 다시 살펴봤습니다.
AI는 초안을 빠르게 만들 수 있었지만, 사람이 검토하고 수정한 기준까지 다음 작업에 자동으로 남기는 것은 아니었습니다.
AI가 일을 대신하는 것만으로는 부족했습니다.
한 번 일하면서 만든 자료와 판단이 다음 업무에 남아야 했습니다.
그래서 목표를 바꿨습니다.
AI로 개별 업무를 빠르게 처리하는 것에서, 반복 업무를 줄이고 이전의 작업 결과를 재사용하는 구조를 만드는 것으로 바꿨습니다.
---
② 어떤 AI를 어떻게 활용했나요?
Claude Code와 Codex를 활용해 업무별 시스템을 직접 만들었습니다
대표적으로 활용한 AI는 Claude Code와 Codex입니다.
두 도구를 활용해 업무에 필요한 프로그램을 작성하고, 기능을 수정하고, 자료를 정리하고, 콘텐츠 제작 절차를 개선했습니다.
AI에 모든 일을 맡기지는 않았습니다.
다음과 같이 역할을 구분했습니다.
- 사람: 업무 목적 설정, 핵심 자료 제공, 우선순위 결정, 최종 검토와 승인
- AI: 자료 정리, 초안 작성, 의미 분석, 코드 작성 및 수정, 작업 후보 제안
- 일반 프로그램: 정해진 규칙에 따른 파일 처리, 영상 출력, 상태 기록 등 실행 작업
이를 기준으로 여섯 가지 업무 개선 시스템을 구성했습니다.
1. 세컨드 브레인(볼트): 자료 조사와 보고서 작성 개선
자료를 저장하는 방식부터 바꿨습니다
이전에는 참고할 만한 자료를 찾으면 저장해 두는 경우가 많았습니다.
하지만 많은 자료를 보유하는 것보다 필요한 순간에 정확한 자료를 찾는 것이 중요했습니다.
그래서 자료를 체계적으로 보관하고 재사용하기 위한 세컨드 브레인(볼트)을 구성했습니다.
자료는 다음과 같이 구분했습니다.
- 원자료와 출처
- 원자료를 가공한 지식
- 업무별 운영 기준
- 작업 요청과 진행 기록
- 수정 사항과 판단 근거
아침 자료함에는 예약된 자료가 저장되도록 구성했습니다.
자료의 원제와 출처만 저장하는 것이 아니라 핵심 내용, 사업과 관련된 이유, 콘텐츠에 활용할 관점까지 정리했습니다.
또한 개인의 의견인지, 연구에서 상관관계만 확인된 내용인지 구분했습니다.
AI가 작성한 요약을 무조건 사실로 받아들이지 않고, 실제 업무에 사용할 수 있는 근거를 남기기 위한 방식입니다.
경쟁사 조사도 보고서 형식으로 개선했습니다
경쟁사 조사는 상품 가격과 구매 동선, 광고 근거, 수익성 정보를 구분해 정리하도록 했습니다.
여기서 가장 중요한 기준은 확인한 사실과 추정한 내용을 분리하는 것이었습니다.
확인하지 못한 광고 수익성이나 열람할 수 없는 홈페이지 정보는 임의로 작성하지 않고 '미확인'으로 남겼습니다.
AI로 보고서를 만드는 목적은 그럴듯한 문서를 작성하는 것이 아닙니다.
사업 판단에 필요한 정보를 일정한 기준으로 비교하는 것입니다.
이 방식은 교육 운영계획서와 공문, 보고서 초안 작성에도 적용할 수 있습니다.
작성 목적, 대상, 근거자료, 주요 내용, 추가 확인 사항을 먼저 정리하면 AI 초안을 더 쉽게 검토할 수 있습니다.
2. AI 콘텐츠 공장: 여러 형식의 콘텐츠 제작과 검수 관리
교육사업에서는 같은 내용을 여러 형식으로 제작합니다.
한 가지 교육 주제가 유튜브 영상이 되고, 블로그 글이 되고, 릴스와 카드뉴스가 됩니다.
하지만 제작물이 늘어나면서 진행 상태를 확인하기 어려워졌습니다.
어떤 원고는 초안만 완성됐고, 어떤 카드뉴스는 이미지를 만들었지만 문장을 검토해야 했습니다. 원본 자료가 부족해서 중단된 작업도 있었습니다.
이를 해결하기 위해 Claude Code와 Codex를 활용해 'AI 콘텐츠 공장'을 구성했습니다.
콘텐츠 제작 과정을 하나의 흐름으로 연결했습니다
원본 자료와 작업 목적을 연결하고, 원고 초안과 검사 결과를 저장하며, 제작 파일과 업무 상태를 같은 작업 기록에서 확인하도록 구성했습니다.
기존의 개별 작업을 다음과 같은 흐름으로 관리했습니다.
원본 자료 → AI 초안 → 콘텐츠 제작 → 검사 → 사람의 검수 → 완료 기록 → 다음 작업에 활용
특히 마지막 단계에서 제가 직접 결과를 검토하고 수정할 수 있도록 했습니다.
콘텐츠를 자동으로 많이 만드는 것보다, 어떤 결과물이 만들어졌고 무엇을 검토해야 하는지 파악하는 데 집중했습니다.
업로드 자동화와 DM 자동화도 구현을 추진하고 있습니다.
다만 인스타그램, 스레드, 메타 계정과 연동하는 부분은 계정 운영 및 플랫폼 정책과 관련된 위험을 고려해 보류했습니다.
현재도 업무에 맞춰 시스템을 계속 개선하고 있습니다.
이 시스템의 목적은 단순히 콘텐츠를 대량 제작하는 것이 아닙니다.
원자료에서 시작한 작업이 제작, 검수, 수정, 재사용으로 연결되도록 하는 것입니다.
3. 긴 강의를 쇼츠와 릴스로 재가공하는 영상 제작 과정 개선
교육 콘텐츠를 제작하면서 특히 많은 시간이 필요한 업무는 긴 강의를 짧은 영상으로 다시 편집하는 작업이었습니다.
기존에는 강의를 처음부터 다시 보고 사용할 구간을 찾고, 제목을 정하고, 화면을 편집해야 했습니다.
이 과정을 다음과 같이 나눴습니다.
원본강의 → 음성인식 → 대본과 시간 정보 생성 → AI의 구간·제목 제안 → 사람의 선택 → 미리보기 → 영상 출력
여기서 AI는 강의의 의미를 분석하고 짧은 영상으로 활용할 구간과 제목 후보를 제안했습니다.
저는 교육적 의미와 메시지를 확인하고 사용할 구간을 결정했습니다.
실제 영상 출력은 FFmpeg가 담당하도록 했습니다.
AI의 판단이 필요한 부분과 일반 프로그램이 정확하게 처리할 수 있는 부분을 구분한 것입니다.
-영상 편집 기준도 재사용하도록 개선했습니다
쇼츠를 편집하면서 화면 상단에 표시된 두 줄 제목이 너무 오래 유지되는 문제가 있었습니다.
그래서 제목을 약 3초 뒤에 숨기고, 그 자리에 강의 내용과 관련된 그림을 표시하도록 수정했습니다.
이 기준은 당시 영상뿐 아니라 재사용할 영상 생성기의 설정에도 반영했습니다.
반복되는 표현이 아닌 강의 내용까지 삭제되는 문제도 있었습니다.
이때는 영상에서 어떤 말을 남길지 사람이 판단해야 한다는 기준을 적용했습니다.
한 번 수정한 결과를 해당 영상에만 반영하는 것이 아니라, 이후에도 사용할 생성기의 설정에 남긴 것입니다.
다만 이 설정이 앞으로 제작할 모든 영상에 동일하게 적용되는지 검증을 마친 것은 아닙니다.
현재 확인한 것은 해당 결과물과 재사용 생성기에 수정 기준을 반영했다는 사실입니다.
이 과정에서 중요하게 생각한 점은 한 편의 영상 완성도가 아닙니다.
사람이 수정한 내용과 그 이유가 다음 제작 과정에도 남는 구조입니다.
4. 시스템 지도: 여러 AI 도구의 연결 관계 관리
AI를 활용해 프로그램을 하나씩 만들면서 새로운 문제가 생겼습니다.
이번에는 도구가 많아져서 전체 구조를 파악하기 어려워진 것입니다.
어떤 프로그램이 어떤 자료를 사용하는지, 자동으로 연결되는 부분은 어디인지, 사람이 직접 확인해야 할 부분은 무엇인지 구분할 필요가 있었습니다. 이를 위해 시스템 지도를 만들었습니다.
2026년 10월 29일 기준으로 시스템 지도에는 총 70개 구성요소가 정리되어 있습니다.
- 실행 근거가 있는 항목: 32개
- 코드가 있는 항목: 31개
- 계획 단계 항목: 7개
구성요소 사이의 연결 관계도 152개 기록했습니다.
각 연결은 자동, 수동, 계획 상태로 구분했습니다.
여기서 70개 구성요소가 모두 운영 중이라는 의미는 아닙니다.
구현된 기능과 계획 중인 기능을 구분하고, 전체 연결 구조를 파악하기 위한 지도입니다.
또한 제가 운영하거나 준비하는 여러 사업을 공통 업무와 사업별 업무로 구분했습니다.
이를 통해 다른 사업에도 활용할 수 있는 작업과 해당 사업에만 필요한 작업을 구분하도록 했습니다.
5. AI 에이전트 사무실: 작업 기록과 미완료 업무를 시각화
AI로 여러 일을 동시에 진행하다 보니 작업을 시작했다가 중단한 경우가 많아졌습니다.
특히 수익화에 도움이 되는 작업을 놓치지 않고 우선순위에 따라 관리할 필요가 있었습니다.
그래서 '생동력 주식회사'라는 가상의 AI 사무실 화면을 구성했습니다.
Claude Code의 세션과 서브에이전트 기록을 읽어 업무 카드로 보여주고, 미완료 업무를 요약하는 관제 화면입니다.
AI의 작업 내용을 팀장과 에이전트 역할로 구분해 시각적으로 볼 수 있도록 했습니다.
화면에는 6개 팀 구역과 33개 역할이 표시됩니다.
이 숫자는 33개의 AI가 동시에 독립적으로 일한다는 뜻이 아닙니다.
자료 수집, 콘텐츠 제작, 반복 작업 등 업무 종류를 구분하기 위해 설정한 역할입니다.
또한 이 화면이 AI에게 독립적으로 업무를 배정하거나 직접 실행하는 것은 아닙니다.
실제 작업 기록을 읽고 진행 상태를 보여주는 도구입니다.
이 시스템을 구성한 이유는 명확합니다.
일을 시작하는 것만큼, 중단된 일을 다시 찾아 완료하는 것도 중요하기 때문입니다.
6. 프로젝트 대시보드: 111개 프로젝트의 통합 관리
AI로 업무 도구를 만들기 시작하면서 교육 프로그램 안내 페이지, 실행력 서비스, 고객 관리 시스템, 콘텐츠 제작 도구, 영상 편집 프로그램, 시장 분석 도구 등 다양한 프로젝트가 생겼습니다.
처음에는 필요한 기능을 만드는 데 집중했습니다.
하지만 프로젝트가 많아지면서 어떤 도구를 운영하고 있는지, 어떤 기능을 수정하고 있는지, 파일이 어디에 저장되어 있는지 확인하는 일도 별도의 업무가 됐습니다.
그래서 여러 프로젝트를 관리하는 웹 대시보드를 구축했습니다.
2026년 10월 29일 기준, 대시보드에는 총 111개 프로젝트가 등록되어 있습니다.
이 가운데 운영 중인 프로젝트 10개와 신규 프로젝트 3개도 별도로 표시됩니다.
대시보드에는 다음 기능을 구성했습니다.
- 프로젝트 이름과 설명 검색
- 업무 분야별 분류
- 진행 상태별 분류
- 자주 사용하는 프로젝트 상단 배치
- 관련 작업 페이지로 이동하는 바로가기
111개 프로젝트가 모두 완성돼 운영 중이라는 뜻은 아닙니다.
실험 중인 프로젝트와 보관 중인 프로젝트도 포함되어 있습니다.
프로젝트 수가 많다는 것만으로 생산성이 높아졌다고 말할 수도 없습니다.
현재 확인한 결과는 여러 프로젝트를 한곳에 등록하고 검색, 분류, 상태 확인, 바로가기 기능으로 관리할 수 있다는 것입니다.
각 시스템의 역할을 구분했습니다
제가 구축한 시스템은 모두 같은 일을 하지 않습니다.
| 시스템 | 주요 역할 |
| 세컨드 브레인(볼트) | 자료, 지식, 판단 근거 보관 |
| AI 콘텐츠 공장 | 원고와 콘텐츠 제작, 검수 상태 관리 |
| 영상 재가공 도구 | 강의에서 짧은 영상 제작 |
| 시스템 지도 | 프로그램 구성요소와 연결 관계 관리 |
| AI 에이전트 사무실 | AI 작업 기록과 미완료 업무 확인 |
| 프로젝트 대시보드 | 전체 프로젝트 목록과 진행 상태 관리 |
하나의 프로그램에 모든 기능을 넣기보다는 업무 목적에 맞게 도구를 구분했습니다.
AI는 구현을 돕고, 저는 사업의 방향과 업무 구조를 결정했습니다.
# ③ 활용 결과 어떤 변화가 있었나요?
## 결과물의 생산뿐 아니라 제작 과정과 진행 상태까지 관리하게 됐습니다
이번 업무 개선의 성과를 확인할 때는 AI 도구의 개수보다 실제 작업 기록과 결과물을 기준으로 삼았습니다.
2026년 10월 29일 기준 확인한 주요 결과는 다음과 같습니다.
| 개선 영역 | 확인한 결과 |
| 콘텐츠 공장 | 작업 기록 57건 |
| 원고 관리 | 검사 통과 표시와 초안이 있는 검수 대기 33건 |
| 카드뉴스 제작 | 완료 상태 18묶음, 참조 이미지 164개 |
| 강의 재가공 | 원본 유튜브 영상 2편에서 쇼츠 20편 제작 |
| 영상 제작 확장 | 필사책 릴스 7개, 진단 주제 영상 10개 |
| 시스템 관리 | 구성요소 70개, 연결 관계 152개 |
| AI 에이전트 사무실 | 6개 팀 구역, 33개 역할 표시 |
| 프로젝트 관리 | 프로젝트 111개 등록, 운영 중 10개·신규 3개 표시 |
| 원고 검수 | 사실 주장 44개를 정리한 검토표 및 수정 사례 |
| 시장 조사 | 경쟁사 분석 보고서 확인 |
위 수치는 서로 다른 업무에서 확인한 작업 기록입니다. 영상 제작 수치와 프로젝트 수에는 각기 다른 기준이 적용되므로 모두 합산해 성과로 해석하지 않았습니다.
변화 1. 자료를 다시 활용할 수 있게 됐습니다
이전에는 조사한 자료를 저장하는 데 집중했습니다.
이제는 원자료, 가공한 내용, 업무에 적용할 관점, 판단 근거를 구분해서 관리합니다.
자료를 다시 사용할 때 이전에 어떤 내용을 확인했는지 살펴볼 수 있는 구조가 생겼습니다.
변화 2. 콘텐츠 제작 상태를 확인할 수 있게 됐습니다
이전에는 콘텐츠 제작물이 여러 폴더와 작업 기록에 흩어져 있었습니다.
이제는 원본과 초안, 제작 파일, 검수 상태를 연결해 관리합니다.
작업이 실패하면 실패 상태를 기록하고, 자료가 부족하면 필요한 자료를 표시합니다.
이를 통해 어디에서 작업이 중단됐는지 확인하고 다시 시작할 수 있는 기록을 남기게 됐습니다.
변화 3. 반복 수정 사항을 프로그램 설정에 반영하게 됐습니다
이전에는 영상 한 편을 수정하고 나면 다음 영상에서도 같은 문제를 다시 수정할 수 있었습니다.
이제는 수정한 결과와 이유를 생성기의 설정에도 남기는 방식을 적용했습니다.
쇼츠 상단 제목의 표시 시간과 강의 발화 삭제 기준이 대표적인 사례입니다.
단, 향후 모든 작업에서 같은 오류가 재발하지 않는다는 점까지 검증한 것은 아닙니다.
변화 4. 여러 도구와 프로젝트를 한곳에서 파악할 수 있게 됐습니다
시스템 지도와 프로젝트 대시보드를 통해 도구의 구성과 진행 상태를 구분해 볼 수 있게 됐습니다.
AI 에이전트 사무실에서는 작업 기록과 미완료 업무를 확인하도록 구성했습니다.
각 도구의 역할과 상태를 확인할 수 있는 관리 체계를 마련한 것입니다.
변화 5. 결과물 검수 기준이 명확해졌습니다
AI는 빠르게 문장을 작성하지만, 사실 확인까지 자동으로 보장하지는 않습니다.
실제로 원고에서 낱말의 글자 수를 잘못 설명한 부분을 확인해 수정한 적이 있습니다.
이후 사실 주장 44개를 정리한 검토표를 작성하고, 초안과 수정판, 수정 이유, 비교 검사 결과를 함께 보관했습니다.
참고자료와 직접 제작한 결과물도 구분했습니다.
특히 AI의 검사 통과 표시와 사람의 최종 승인을 서로 다른 상태로 관리했습니다.
검토표가 원고 전체의 정확성을 보증하는 것은 아니기 때문입니다.
개인 경험처럼 제가 직접 확인해야 하는 내용은 별도 대기 상태로 남겼습니다.
아직 확인하지 못한 성과도 구분했습니다
현재 확인한 것은 시스템 구축 결과와 작업 기록입니다.
동일한 조건에서 AI 도입 전후의 작업 시간을 비교한 결과는 아직 확보하지 않았습니다.
따라서 업무 시간이 몇 퍼센트 감소했다거나 비용을 얼마 절감했다고 단정하지 않았습니다.
앞으로 동일한 유형의 업무를 대상으로 작업 시작과 종료 시각, 수정 횟수, 동일 오류의 재발 여부를 기록해 실제 개선 효과를 확인할 계획입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 결과물뿐 아니라 사람의 판단 기준도 업무 자산으로 남겼습니다
제가 가장 중요하게 생각한 것은 AI를 사용하는 방식입니다.
처음에는 필요한 결과물을 AI에 요청했습니다.
하지만 지금은 업무를 진행하면서 반복되는 문제가 발생하면 다음 질문부터 합니다.
'이 문제는 왜 반복될까?'
'다음에도 같은 작업을 해야 할까?'
'지금 수정한 기준을 다음 업무에 적용할 수 있을까?'
'새로운 도구가 필요한가, 기존 도구를 수정하면 되는가?'
그 결과 다음과 같은 업무 원칙을 정했습니다.
첫째, 업무를 자동화하기 전에 과정을 나눕니다
모든 일을 AI에 한 번에 맡기지 않습니다.
사람이 판단해야 하는 일, AI가 도울 수 있는 일, 일반 프로그램이 수행해야 하는 일을 구분합니다.
영상 재가공 과정이 대표적인 예입니다
AI는 대본에서 사용할 구간과 제목을 제안하고, 사람은 사용할 내용을 선택하며, FFmpeg는 영상 출력을 수행합니다.
이렇게 역할을 구분하면 각 단계의 결과를 확인하기 쉽습니다.
둘째, 확인한 사실과 추정을 구분합니다
AI가 제안한 내용을 모두 사실로 취급하지 않습니다.
자료의 출처와 확인 범위를 기록하고, 확인되지 않은 정보는 미확인으로 남깁니다.
경쟁사 조사에서는 광고 수익성처럼 외부에서 확인하기 어려운 정보를 임의로 작성하지 않도록 했습니다.
원고 검수에서는 사실 주장과 개인의 경험을 구분했습니다.
문서의 완성도보다 판단 근거의 정확성을 우선한 것입니다.
셋째, 수정한 이유를 기록합니다
AI가 작성한 결과에서 잘못된 부분을 수정하는 것으로 끝내지 않습니다.
어떤 문제가 있었고, 왜 수정했으며, 앞으로 어떤 기준을 적용해야 하는지 남깁니다.
예를 들어 쇼츠의 제목 표시 시간을 수정했다면 그 기준을 영상 생성기의 설정에 반영합니다.
반복되지 않은 발화가 삭제됐다면 어떤 발화를 남길지는 사람이 판단하도록 기준을 수정합니다.
이렇게 해야 같은 판단을 다음 작업에서도 활용할 수 있습니다.
넷째, AI 검토와 사람의 승인을 구분합니다
AI의 검토를 통과했다고 해서 결과물이 곧바로 완성되는 것은 아닙니다.
AI가 놓친 사실 오류나 문맥 문제를 사람이 확인해야 합니다.
따라서 검수 상태를 구분했습니다.
AI 초안 → 자동 검사 → 사람의 검토 → 수정 → 최종 승인
업무에 따라 필요한 검토 절차는 달라질 수 있지만, 최종 책임은 사람이 맡도록 구성했습니다.
다섯째, 완성된 작업뿐 아니라 실패와 중단도 기록합니다
처음에는 완료된 결과물에 집중했습니다.
하지만 실제로 여러 프로젝트를 운영하면서 필요한 것은 중단된 작업을 다시 찾는 기능이었습니다.
그래서 작업이 실패한 이유, 원본 자료가 부족한 상태, 추가 확인이 필요한 내용도 남기도록 했습니다.
AI 에이전트 사무실과 프로젝트 대시보드를 구성한 이유도 여기에 있습니다.
어떤 작업을 다시 시작해야 하는지 확인하고, 수익화에 직접 도움이 되는 업무를 우선적으로 살펴보기 위한 것입니다.
여섯째, 필요한 기능을 만들고 사용하면서 개선합니다
처음부터 완벽한 시스템을 만들려고 하지 않았습니다.
반복되는 문제가 생기면 해당 문제를 해결할 방법을 찾았습니다.
필요한 기능을 직접 만들고 실제 업무에 사용하면서 수정했습니다.
새로운 프로그램을 만들었다면 이후에는 그 프로그램을 관리할 방법도 마련했습니다.
이렇게 업무 도구가 늘어나면서 시스템 지도와 프로젝트 대시보드까지 구성하게 됐습니다.
제 방식의 핵심은 '판단의 재사용'입니다
업무에 AI를 활용하는 방식은 여러 가지입니다.
저는 그중에서도 사람이 한 번 내린 판단을 다음 업무에 활용하는 데 집중했습니다.
문제 발견 → 원인 확인 → AI와 개선안 설계 → 도구 수정 → 사람의 검수 → 기준 기록 → 다음 업무에 적용
AI를 사용하는 사람에서 업무 시스템을 설계하는 사람으로 역할을 확장한 것입니다.
⑤ 다른 사람도 따라 할 수 있나요?
복잡한 시스템이 없어도 반복 문서 하나부터 시작할 수 있습니다
제가 구축한 시스템 전체를 처음부터 만들 필요는 없습니다.
AI를 업무에 활용하려는 1인 기업가나 실무자는 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 운영 기준을 구분해 저장합니다.
자료의 출처와 작성 시점도 함께 남깁니다.
2단계. AI에 초안을 요청합니다
정리한 자료를 AI에 제공하고 목적, 운영 내용, 일정, 기대효과를 작성하도록 요청합니다.
이때 자료에 없는 사실은 임의로 만들지 않도록 지시합니다.
실제로 사용할 수 있는 요청문은 다음과 같습니다.
> 다음 자료를 바탕으로 교육 프로그램 운영계획서 초안을 작성해 주세요.
> 1. 교육 목적, 대상, 일정, 예산, 운영 내용을 구분해 작성합니다.
> 2. 원자료에 있는 사실만 사용합니다.
> 3. 확인할 수 없는 내용은 '확인 필요'로 표시합니다.
> 4. 담당자, 일정, 운영 절차를 구체적으로 작성합니다.
> 5. 기대효과는 추상적인 표현보다 확인할 수 있는 변화 중심으로 작성합니다.
> 6. 마지막에 사람이 최종 확인해야 할 항목을 정리합니다.
3단계. 사람이 검토합니다
AI가 작성한 초안에서 실제 일정과 예산, 운영 기준, 교육 내용이 정확한지 확인합니다.
잘못 작성된 내용은 수정합니다.
4단계. 수정한 내용과 이유를 기록합니다
예를 들어 다음과 같은 기준을 남길 수 있습니다.
- 기대효과에 추상적인 표현을 사용하지 않는다.
- 운영 절차는 담당자와 일정 중심으로 작성한다.
- 예산은 제공한 자료와 일치해야 한다.
- 확인되지 않은 내용은 임의로 채우지 않는다.
5단계. 다음 문서에 기준을 재사용합니다
다음에 운영계획서를 작성할 때 AI가 이전에 확정한 작성 기준을 먼저 참고하도록 합니다.
이렇게 하면 기존 문서와 기준을 재사용하는 업무 흐름을 만들 수 있습니다.
회의 요약에도 같은 방법을 적용할 수 있습니다
회의에서도 동일한 구조를 사용할 수 있습니다.
참석자의 동의를 받아 기록한 회의 내용을 AI로 정리합니다.
그다음 결정 사항, 담당자, 기한, 추가 확인 사항으로 분류합니다.
AI가 정리한 내용을 참석자가 검토한 뒤 확정합니다.
이렇게 확정한 기록을 다음 회의의 참고자료로 활용할 수 있습니다.
처음에는 AI 서비스 하나와 문서 폴더만 있어도 시작할 수 있습니다.
핵심은 다음의 다섯 단계입니다.
원본 정리 → AI 초안 작성 → 사람의 검토 → 수정 이유 기록 → 다음 업무에 재사용
처음부터 대규모 자동화를 시도할 필요는 없습니다.
작은 업무에서 시작하고, 같은 작업이 반복될 때 필요한 도구를 추가하면 됩니다.
# AI 업무 프로세스 개선을 통해 배운 점
처음에는 AI를 사용하면 업무를 더 빨리 끝낼 수 있을 것이라고 생각했습니다.
하지만 실제로 활용하면서 새로운 문제가 나타났습니다.
AI가 작성한 결과를 다시 수정해야 했고, 여러 도구의 연결을 확인해야 했습니다. 자동 처리가 실패하는 경우도 있었고, 진행하다가 중단한 프로젝트를 다시 찾는 일도 필요했습니다.
그래서 목표를 바꿨습니다.
많은 업무를 무조건 자동화하는 것이 아니라, 반복되는 작업을 구분하고 중요한 판단을 남기는 구조를 만드는 것으로 바꿨습니다.
현재는 자료를 조사하면서 근거를 남기고, 콘텐츠를 제작하면서 원본과 초안을 구분하고, 수정하면서 그 이유를 기록합니다.
여러 도구의 연결과 진행 상태를 확인하고, 완료하지 못한 작업도 다시 살펴볼 수 있도록 구성했습니다.
다만 현재 확보한 기록만으로 모든 업무의 생산성이 얼마나 개선됐는지 정량적으로 말하기는 어렵습니다.
앞으로는 동일한 조건의 업무를 기준으로 작업 시간, 수정 횟수, 같은 오류의 재발 여부를 측정해 개선 효과를 확인할 계획입니다.
AI를 활용하는 과정에서 가장 중요한 역할은 여전히 사람에게 있습니다.
어떤 문제를 해결할지 결정하는 사람.
어떤 결과가 필요한지 판단하는 사람.
AI가 만든 결과를 검토하고 책임지는 사람.
그 역할은 1인 기업가인 제가 맡아야 합니다.
어떤 결과가 필요한지 판단하는 사람.
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.
이것이 제가 직접 구축하고 개선해 온 AI 업무 시스템의 목적입니다.
AI로 결과물을 만드는 것을 넘어, 반복 업무를 줄이는 시스템을 구축하다
AI로 일을 더 많이 하는 것보다 중요한 것은 같은 일을 반복하지 않는 구조를 만드는 것이었습니다. 실행력 교육을 기획하고 강의를 제작하며 고객에게 전달할 자료를 만듭니다. 교육 프로그램 운영계획서 작성, 시장 조사, 홍보 콘텐츠 제작도 직접 담당합니다. 유튜브 영상, 블로그 글, 카드뉴스, 강의 자료, 고객 진단 콘텐츠까지 모두 제 업무입니다.
교육사업 외에도 대학교 명사특강 출강, 저서 집필, 작가 활동, 행사 기획, 프로그램 운영안과 안내 자료 작성, AI를 활용한 웹 기반 신규 사업 개발 등 다양한 일을 하고 있습니다. 기획할 때는 기획자가 되고, 글을 쓸 때는 작가가 됩니다. 영상을 제작할 때는 편집자가 되고, 사업을 검토할 때는 분석가가 됩니다.
이 과정에서 발견한 문제가 있습니다.
업무마다 결과물은 새로 만들어지지만, 그 과정에서 얻은 자료와 판단은 다음 업무에 충분히 활용되지 않는다는 점입니다.
AI를 도입한 뒤에도 이 문제는 남아 있었습니다.
그래서 AI에 일을 맡기는 것에서 나아가, AI를 활용해 업무 자체의 구조를 개선하기 시작했습니다.
① 어떤 상황에서 AI를 활용했나요?
혼자 여러 업무를 처리하면서 같은 일을 반복하는 문제가 있었습니다
1인 기업가에게 가장 부족한 자원은 시간이었습니다.
저는 교육 프로그램을 기획하면서 시장을 조사하고, 기획서를 작성하고, 강의 자료를 제작합니다. 이후 같은 내용을 유튜브와 블로그, 릴스, 카드뉴스로 다시 제작합니다.
그런데 업무가 늘어날수록 자료와 결과물을 관리하는 데에도 시간이 필요했습니다.
원본 자료는 한 폴더에 있고, 완성 파일은 다른 폴더에 있었습니다. AI와 함께 수정한 기준은 대화 기록에 흩어져 있었습니다.
어떤 작업은 초안만 작성한 채 중단됐고, 어떤 작업은 검수까지 완료했는지 확인하기 어려웠습니다.
혼자 사업을 운영하면서 반복하던 업무는 크게 다섯 가지였습니다.
1. 자료 조사와 정보 정리
새로운 강의를 기획하거나 책을 집필할 때 관련 자료를 조사해야 합니다.
수집한 자료에서 주요 내용을 정리하고, 신뢰할 수 있는 정보인지 확인하며, 제 교육사업에 적용할 부분을 선별해야 했습니다.
자료를 저장해 두더라도 나중에 다시 찾지 못하면 같은 조사를 반복해야 했습니다.
2. 기획서와 보고서 작성
교육 프로그램 운영계획서를 작성할 때는 목적, 대상, 일정, 진행 절차, 예산, 운영 방법을 정리합니다.
경쟁사를 조사할 때도 상품 가격, 프로그램 구성, 고객의 구매 동선, 광고 근거 등을 비교해야 합니다.
문서를 작성할 때마다 형식과 기준을 새로 정하는 일도 반복됐습니다.
3. 콘텐츠 제작
하나의 교육 주제를 유튜브 영상, 블로그 글, 릴스, 쇼츠, 카드뉴스 등 여러 형식으로 제작해야 했습니다.
특히 긴 강의를 짧은 영상으로 편집하려면 영상 전체를 다시 확인하고 사용할 구간을 찾은 뒤 제목과 화면 구성을 결정해야 했습니다.
4. 검수와 수정
AI가 작성한 결과물은 그대로 사용할 수 없었습니다.
사실과 다른 내용이 없는지 확인하고, 제 교육 철학과 표현 기준에 맞게 수정해야 했습니다.
문제는 같은 실수를 다른 작업에서도 다시 수정해야 한다는 점이었습니다.
5. 업무 진행 상황 관리
사업과 프로젝트가 늘면서 어떤 일이 완료됐고, 어떤 작업이 중단됐으며, 다음에 무엇을 해야 하는지 파악하는 일도 중요해졌습니다.
여러 AI 도구를 사용할수록 오히려 전체 업무의 진행 상황을 확인하기 어려웠습니다.
업무 개선의 출발점
AI로 영상 편집을 하던 중 이런 질문을 한 적이 있습니다.
"나는 디테일을 잡고 작업하면 더 오래 걸리는 것 같은데 왜 그런 거야?"
이 질문을 계기로 업무 방식을 다시 살펴봤습니다.
AI는 초안을 빠르게 만들 수 있었지만, 사람이 검토하고 수정한 기준까지 다음 작업에 자동으로 남기는 것은 아니었습니다.
AI가 일을 대신하는 것만으로는 부족했습니다.
한 번 일하면서 만든 자료와 판단이 다음 업무에 남아야 했습니다.
그래서 목표를 바꿨습니다.
AI로 개별 업무를 빠르게 처리하는 것에서, 반복 업무를 줄이고 이전의 작업 결과를 재사용하는 구조를 만드는 것으로 바꿨습니다.
---
② 어떤 AI를 어떻게 활용했나요?
Claude Code와 Codex를 활용해 업무별 시스템을 직접 만들었습니다
대표적으로 활용한 AI는 Claude Code와 Codex입니다.
두 도구를 활용해 업무에 필요한 프로그램을 작성하고, 기능을 수정하고, 자료를 정리하고, 콘텐츠 제작 절차를 개선했습니다.
AI에 모든 일을 맡기지는 않았습니다.
다음과 같이 역할을 구분했습니다.
- 사람: 업무 목적 설정, 핵심 자료 제공, 우선순위 결정, 최종 검토와 승인
- AI: 자료 정리, 초안 작성, 의미 분석, 코드 작성 및 수정, 작업 후보 제안
- 일반 프로그램: 정해진 규칙에 따른 파일 처리, 영상 출력, 상태 기록 등 실행 작업
이를 기준으로 여섯 가지 업무 개선 시스템을 구성했습니다.
1. 세컨드 브레인(볼트): 자료 조사와 보고서 작성 개선
자료를 저장하는 방식부터 바꿨습니다
이전에는 참고할 만한 자료를 찾으면 저장해 두는 경우가 많았습니다.
하지만 많은 자료를 보유하는 것보다 필요한 순간에 정확한 자료를 찾는 것이 중요했습니다.
그래서 자료를 체계적으로 보관하고 재사용하기 위한 세컨드 브레인(볼트)을 구성했습니다.
자료는 다음과 같이 구분했습니다.
- 원자료와 출처
- 원자료를 가공한 지식
- 업무별 운영 기준
- 작업 요청과 진행 기록
- 수정 사항과 판단 근거
아침 자료함에는 예약된 자료가 저장되도록 구성했습니다.
자료의 원제와 출처만 저장하는 것이 아니라 핵심 내용, 사업과 관련된 이유, 콘텐츠에 활용할 관점까지 정리했습니다.
또한 개인의 의견인지, 연구에서 상관관계만 확인된 내용인지 구분했습니다.
AI가 작성한 요약을 무조건 사실로 받아들이지 않고, 실제 업무에 사용할 수 있는 근거를 남기기 위한 방식입니다.
경쟁사 조사도 보고서 형식으로 개선했습니다
경쟁사 조사는 상품 가격과 구매 동선, 광고 근거, 수익성 정보를 구분해 정리하도록 했습니다.
여기서 가장 중요한 기준은 확인한 사실과 추정한 내용을 분리하는 것이었습니다.
확인하지 못한 광고 수익성이나 열람할 수 없는 홈페이지 정보는 임의로 작성하지 않고 '미확인'으로 남겼습니다.
AI로 보고서를 만드는 목적은 그럴듯한 문서를 작성하는 것이 아닙니다.
사업 판단에 필요한 정보를 일정한 기준으로 비교하는 것입니다.
이 방식은 교육 운영계획서와 공문, 보고서 초안 작성에도 적용할 수 있습니다.
작성 목적, 대상, 근거자료, 주요 내용, 추가 확인 사항을 먼저 정리하면 AI 초안을 더 쉽게 검토할 수 있습니다.
2. AI 콘텐츠 공장: 여러 형식의 콘텐츠 제작과 검수 관리
교육사업에서는 같은 내용을 여러 형식으로 제작합니다.
한 가지 교육 주제가 유튜브 영상이 되고, 블로그 글이 되고, 릴스와 카드뉴스가 됩니다.
하지만 제작물이 늘어나면서 진행 상태를 확인하기 어려워졌습니다.
어떤 원고는 초안만 완성됐고, 어떤 카드뉴스는 이미지를 만들었지만 문장을 검토해야 했습니다. 원본 자료가 부족해서 중단된 작업도 있었습니다.
이를 해결하기 위해 Claude Code와 Codex를 활용해 'AI 콘텐츠 공장'을 구성했습니다.
콘텐츠 제작 과정을 하나의 흐름으로 연결했습니다
원본 자료와 작업 목적을 연결하고, 원고 초안과 검사 결과를 저장하며, 제작 파일과 업무 상태를 같은 작업 기록에서 확인하도록 구성했습니다.
기존의 개별 작업을 다음과 같은 흐름으로 관리했습니다.
원본 자료 → AI 초안 → 콘텐츠 제작 → 검사 → 사람의 검수 → 완료 기록 → 다음 작업에 활용
특히 마지막 단계에서 제가 직접 결과를 검토하고 수정할 수 있도록 했습니다.
콘텐츠를 자동으로 많이 만드는 것보다, 어떤 결과물이 만들어졌고 무엇을 검토해야 하는지 파악하는 데 집중했습니다.
업로드 자동화와 DM 자동화도 구현을 추진하고 있습니다.
다만 인스타그램, 스레드, 메타 계정과 연동하는 부분은 계정 운영 및 플랫폼 정책과 관련된 위험을 고려해 보류했습니다.
현재도 업무에 맞춰 시스템을 계속 개선하고 있습니다.
이 시스템의 목적은 단순히 콘텐츠를 대량 제작하는 것이 아닙니다.
원자료에서 시작한 작업이 제작, 검수, 수정, 재사용으로 연결되도록 하는 것입니다.
3. 긴 강의를 쇼츠와 릴스로 재가공하는 영상 제작 과정 개선
교육 콘텐츠를 제작하면서 특히 많은 시간이 필요한 업무는 긴 강의를 짧은 영상으로 다시 편집하는 작업이었습니다.
기존에는 강의를 처음부터 다시 보고 사용할 구간을 찾고, 제목을 정하고, 화면을 편집해야 했습니다.
이 과정을 다음과 같이 나눴습니다.
원본강의 → 음성인식 → 대본과 시간 정보 생성 → AI의 구간·제목 제안 → 사람의 선택 → 미리보기 → 영상 출력
여기서 AI는 강의의 의미를 분석하고 짧은 영상으로 활용할 구간과 제목 후보를 제안했습니다.
저는 교육적 의미와 메시지를 확인하고 사용할 구간을 결정했습니다.
실제 영상 출력은 FFmpeg가 담당하도록 했습니다.
AI의 판단이 필요한 부분과 일반 프로그램이 정확하게 처리할 수 있는 부분을 구분한 것입니다.
-영상 편집 기준도 재사용하도록 개선했습니다
쇼츠를 편집하면서 화면 상단에 표시된 두 줄 제목이 너무 오래 유지되는 문제가 있었습니다.
그래서 제목을 약 3초 뒤에 숨기고, 그 자리에 강의 내용과 관련된 그림을 표시하도록 수정했습니다.
이 기준은 당시 영상뿐 아니라 재사용할 영상 생성기의 설정에도 반영했습니다.
반복되는 표현이 아닌 강의 내용까지 삭제되는 문제도 있었습니다.
이때는 영상에서 어떤 말을 남길지 사람이 판단해야 한다는 기준을 적용했습니다.
한 번 수정한 결과를 해당 영상에만 반영하는 것이 아니라, 이후에도 사용할 생성기의 설정에 남긴 것입니다.
다만 이 설정이 앞으로 제작할 모든 영상에 동일하게 적용되는지 검증을 마친 것은 아닙니다.
현재 확인한 것은 해당 결과물과 재사용 생성기에 수정 기준을 반영했다는 사실입니다.
이 과정에서 중요하게 생각한 점은 한 편의 영상 완성도가 아닙니다.
사람이 수정한 내용과 그 이유가 다음 제작 과정에도 남는 구조입니다.
4. 시스템 지도: 여러 AI 도구의 연결 관계 관리
AI를 활용해 프로그램을 하나씩 만들면서 새로운 문제가 생겼습니다.
이번에는 도구가 많아져서 전체 구조를 파악하기 어려워진 것입니다.
어떤 프로그램이 어떤 자료를 사용하는지, 자동으로 연결되는 부분은 어디인지, 사람이 직접 확인해야 할 부분은 무엇인지 구분할 필요가 있었습니다. 이를 위해 시스템 지도를 만들었습니다.
2026년 10월 29일 기준으로 시스템 지도에는 총 70개 구성요소가 정리되어 있습니다.
- 실행 근거가 있는 항목: 32개
- 코드가 있는 항목: 31개
- 계획 단계 항목: 7개
구성요소 사이의 연결 관계도 152개 기록했습니다.
각 연결은 자동, 수동, 계획 상태로 구분했습니다.
여기서 70개 구성요소가 모두 운영 중이라는 의미는 아닙니다.
구현된 기능과 계획 중인 기능을 구분하고, 전체 연결 구조를 파악하기 위한 지도입니다.
또한 제가 운영하거나 준비하는 여러 사업을 공통 업무와 사업별 업무로 구분했습니다.
이를 통해 다른 사업에도 활용할 수 있는 작업과 해당 사업에만 필요한 작업을 구분하도록 했습니다.
5. AI 에이전트 사무실: 작업 기록과 미완료 업무를 시각화
AI로 여러 일을 동시에 진행하다 보니 작업을 시작했다가 중단한 경우가 많아졌습니다.
특히 수익화에 도움이 되는 작업을 놓치지 않고 우선순위에 따라 관리할 필요가 있었습니다.
그래서 '생동력 주식회사'라는 가상의 AI 사무실 화면을 구성했습니다.
Claude Code의 세션과 서브에이전트 기록을 읽어 업무 카드로 보여주고, 미완료 업무를 요약하는 관제 화면입니다.
AI의 작업 내용을 팀장과 에이전트 역할로 구분해 시각적으로 볼 수 있도록 했습니다.
화면에는 6개 팀 구역과 33개 역할이 표시됩니다.
이 숫자는 33개의 AI가 동시에 독립적으로 일한다는 뜻이 아닙니다.
자료 수집, 콘텐츠 제작, 반복 작업 등 업무 종류를 구분하기 위해 설정한 역할입니다.
또한 이 화면이 AI에게 독립적으로 업무를 배정하거나 직접 실행하는 것은 아닙니다.
실제 작업 기록을 읽고 진행 상태를 보여주는 도구입니다.
이 시스템을 구성한 이유는 명확합니다.
일을 시작하는 것만큼, 중단된 일을 다시 찾아 완료하는 것도 중요하기 때문입니다.
6. 프로젝트 대시보드: 111개 프로젝트의 통합 관리
AI로 업무 도구를 만들기 시작하면서 교육 프로그램 안내 페이지, 실행력 서비스, 고객 관리 시스템, 콘텐츠 제작 도구, 영상 편집 프로그램, 시장 분석 도구 등 다양한 프로젝트가 생겼습니다.
처음에는 필요한 기능을 만드는 데 집중했습니다.
하지만 프로젝트가 많아지면서 어떤 도구를 운영하고 있는지, 어떤 기능을 수정하고 있는지, 파일이 어디에 저장되어 있는지 확인하는 일도 별도의 업무가 됐습니다.
그래서 여러 프로젝트를 관리하는 웹 대시보드를 구축했습니다.
2026년 10월 29일 기준, 대시보드에는 총 111개 프로젝트가 등록되어 있습니다.
이 가운데 운영 중인 프로젝트 10개와 신규 프로젝트 3개도 별도로 표시됩니다.
대시보드에는 다음 기능을 구성했습니다.
- 프로젝트 이름과 설명 검색
- 업무 분야별 분류
- 진행 상태별 분류
- 자주 사용하는 프로젝트 상단 배치
- 관련 작업 페이지로 이동하는 바로가기
111개 프로젝트가 모두 완성돼 운영 중이라는 뜻은 아닙니다.
실험 중인 프로젝트와 보관 중인 프로젝트도 포함되어 있습니다.
프로젝트 수가 많다는 것만으로 생산성이 높아졌다고 말할 수도 없습니다.
현재 확인한 결과는 여러 프로젝트를 한곳에 등록하고 검색, 분류, 상태 확인, 바로가기 기능으로 관리할 수 있다는 것입니다.
각 시스템의 역할을 구분했습니다
제가 구축한 시스템은 모두 같은 일을 하지 않습니다.
| 시스템 | 주요 역할 |
| 세컨드 브레인(볼트) | 자료, 지식, 판단 근거 보관 |
| AI 콘텐츠 공장 | 원고와 콘텐츠 제작, 검수 상태 관리 |
| 영상 재가공 도구 | 강의에서 짧은 영상 제작 |
| 시스템 지도 | 프로그램 구성요소와 연결 관계 관리 |
| AI 에이전트 사무실 | AI 작업 기록과 미완료 업무 확인 |
| 프로젝트 대시보드 | 전체 프로젝트 목록과 진행 상태 관리 |
하나의 프로그램에 모든 기능을 넣기보다는 업무 목적에 맞게 도구를 구분했습니다.
AI는 구현을 돕고, 저는 사업의 방향과 업무 구조를 결정했습니다.
# ③ 활용 결과 어떤 변화가 있었나요?
## 결과물의 생산뿐 아니라 제작 과정과 진행 상태까지 관리하게 됐습니다
이번 업무 개선의 성과를 확인할 때는 AI 도구의 개수보다 실제 작업 기록과 결과물을 기준으로 삼았습니다.
2026년 10월 29일 기준 확인한 주요 결과는 다음과 같습니다.
| 개선 영역 | 확인한 결과 |
| 콘텐츠 공장 | 작업 기록 57건 |
| 원고 관리 | 검사 통과 표시와 초안이 있는 검수 대기 33건 |
| 카드뉴스 제작 | 완료 상태 18묶음, 참조 이미지 164개 |
| 강의 재가공 | 원본 유튜브 영상 2편에서 쇼츠 20편 제작 |
| 영상 제작 확장 | 필사책 릴스 7개, 진단 주제 영상 10개 |
| 시스템 관리 | 구성요소 70개, 연결 관계 152개 |
| AI 에이전트 사무실 | 6개 팀 구역, 33개 역할 표시 |
| 프로젝트 관리 | 프로젝트 111개 등록, 운영 중 10개·신규 3개 표시 |
| 원고 검수 | 사실 주장 44개를 정리한 검토표 및 수정 사례 |
| 시장 조사 | 경쟁사 분석 보고서 확인 |
위 수치는 서로 다른 업무에서 확인한 작업 기록입니다. 영상 제작 수치와 프로젝트 수에는 각기 다른 기준이 적용되므로 모두 합산해 성과로 해석하지 않았습니다.
변화 1. 자료를 다시 활용할 수 있게 됐습니다
이전에는 조사한 자료를 저장하는 데 집중했습니다.
이제는 원자료, 가공한 내용, 업무에 적용할 관점, 판단 근거를 구분해서 관리합니다.
자료를 다시 사용할 때 이전에 어떤 내용을 확인했는지 살펴볼 수 있는 구조가 생겼습니다.
변화 2. 콘텐츠 제작 상태를 확인할 수 있게 됐습니다
이전에는 콘텐츠 제작물이 여러 폴더와 작업 기록에 흩어져 있었습니다.
이제는 원본과 초안, 제작 파일, 검수 상태를 연결해 관리합니다.
작업이 실패하면 실패 상태를 기록하고, 자료가 부족하면 필요한 자료를 표시합니다.
이를 통해 어디에서 작업이 중단됐는지 확인하고 다시 시작할 수 있는 기록을 남기게 됐습니다.
변화 3. 반복 수정 사항을 프로그램 설정에 반영하게 됐습니다
이전에는 영상 한 편을 수정하고 나면 다음 영상에서도 같은 문제를 다시 수정할 수 있었습니다.
이제는 수정한 결과와 이유를 생성기의 설정에도 남기는 방식을 적용했습니다.
쇼츠 상단 제목의 표시 시간과 강의 발화 삭제 기준이 대표적인 사례입니다.
단, 향후 모든 작업에서 같은 오류가 재발하지 않는다는 점까지 검증한 것은 아닙니다.
변화 4. 여러 도구와 프로젝트를 한곳에서 파악할 수 있게 됐습니다
시스템 지도와 프로젝트 대시보드를 통해 도구의 구성과 진행 상태를 구분해 볼 수 있게 됐습니다.
AI 에이전트 사무실에서는 작업 기록과 미완료 업무를 확인하도록 구성했습니다.
각 도구의 역할과 상태를 확인할 수 있는 관리 체계를 마련한 것입니다.
변화 5. 결과물 검수 기준이 명확해졌습니다
AI는 빠르게 문장을 작성하지만, 사실 확인까지 자동으로 보장하지는 않습니다.
실제로 원고에서 낱말의 글자 수를 잘못 설명한 부분을 확인해 수정한 적이 있습니다.
이후 사실 주장 44개를 정리한 검토표를 작성하고, 초안과 수정판, 수정 이유, 비교 검사 결과를 함께 보관했습니다.
참고자료와 직접 제작한 결과물도 구분했습니다.
특히 AI의 검사 통과 표시와 사람의 최종 승인을 서로 다른 상태로 관리했습니다.
검토표가 원고 전체의 정확성을 보증하는 것은 아니기 때문입니다.
개인 경험처럼 제가 직접 확인해야 하는 내용은 별도 대기 상태로 남겼습니다.
아직 확인하지 못한 성과도 구분했습니다
현재 확인한 것은 시스템 구축 결과와 작업 기록입니다.
동일한 조건에서 AI 도입 전후의 작업 시간을 비교한 결과는 아직 확보하지 않았습니다.
따라서 업무 시간이 몇 퍼센트 감소했다거나 비용을 얼마 절감했다고 단정하지 않았습니다.
앞으로 동일한 유형의 업무를 대상으로 작업 시작과 종료 시각, 수정 횟수, 동일 오류의 재발 여부를 기록해 실제 개선 효과를 확인할 계획입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 결과물뿐 아니라 사람의 판단 기준도 업무 자산으로 남겼습니다
제가 가장 중요하게 생각한 것은 AI를 사용하는 방식입니다.
처음에는 필요한 결과물을 AI에 요청했습니다.
하지만 지금은 업무를 진행하면서 반복되는 문제가 발생하면 다음 질문부터 합니다.
'이 문제는 왜 반복될까?'
'다음에도 같은 작업을 해야 할까?'
'지금 수정한 기준을 다음 업무에 적용할 수 있을까?'
'새로운 도구가 필요한가, 기존 도구를 수정하면 되는가?'
그 결과 다음과 같은 업무 원칙을 정했습니다.
첫째, 업무를 자동화하기 전에 과정을 나눕니다
모든 일을 AI에 한 번에 맡기지 않습니다.
사람이 판단해야 하는 일, AI가 도울 수 있는 일, 일반 프로그램이 수행해야 하는 일을 구분합니다.
영상 재가공 과정이 대표적인 예입니다
AI는 대본에서 사용할 구간과 제목을 제안하고, 사람은 사용할 내용을 선택하며, FFmpeg는 영상 출력을 수행합니다.
이렇게 역할을 구분하면 각 단계의 결과를 확인하기 쉽습니다.
둘째, 확인한 사실과 추정을 구분합니다
AI가 제안한 내용을 모두 사실로 취급하지 않습니다.
자료의 출처와 확인 범위를 기록하고, 확인되지 않은 정보는 미확인으로 남깁니다.
경쟁사 조사에서는 광고 수익성처럼 외부에서 확인하기 어려운 정보를 임의로 작성하지 않도록 했습니다.
원고 검수에서는 사실 주장과 개인의 경험을 구분했습니다.
문서의 완성도보다 판단 근거의 정확성을 우선한 것입니다.
셋째, 수정한 이유를 기록합니다
AI가 작성한 결과에서 잘못된 부분을 수정하는 것으로 끝내지 않습니다.
어떤 문제가 있었고, 왜 수정했으며, 앞으로 어떤 기준을 적용해야 하는지 남깁니다.
예를 들어 쇼츠의 제목 표시 시간을 수정했다면 그 기준을 영상 생성기의 설정에 반영합니다.
반복되지 않은 발화가 삭제됐다면 어떤 발화를 남길지는 사람이 판단하도록 기준을 수정합니다.
이렇게 해야 같은 판단을 다음 작업에서도 활용할 수 있습니다.
넷째, AI 검토와 사람의 승인을 구분합니다
AI의 검토를 통과했다고 해서 결과물이 곧바로 완성되는 것은 아닙니다.
AI가 놓친 사실 오류나 문맥 문제를 사람이 확인해야 합니다.
따라서 검수 상태를 구분했습니다.
AI 초안 → 자동 검사 → 사람의 검토 → 수정 → 최종 승인
업무에 따라 필요한 검토 절차는 달라질 수 있지만, 최종 책임은 사람이 맡도록 구성했습니다.
다섯째, 완성된 작업뿐 아니라 실패와 중단도 기록합니다
처음에는 완료된 결과물에 집중했습니다.
하지만 실제로 여러 프로젝트를 운영하면서 필요한 것은 중단된 작업을 다시 찾는 기능이었습니다.
그래서 작업이 실패한 이유, 원본 자료가 부족한 상태, 추가 확인이 필요한 내용도 남기도록 했습니다.
AI 에이전트 사무실과 프로젝트 대시보드를 구성한 이유도 여기에 있습니다.
어떤 작업을 다시 시작해야 하는지 확인하고, 수익화에 직접 도움이 되는 업무를 우선적으로 살펴보기 위한 것입니다.
여섯째, 필요한 기능을 만들고 사용하면서 개선합니다
처음부터 완벽한 시스템을 만들려고 하지 않았습니다.
반복되는 문제가 생기면 해당 문제를 해결할 방법을 찾았습니다.
필요한 기능을 직접 만들고 실제 업무에 사용하면서 수정했습니다.
새로운 프로그램을 만들었다면 이후에는 그 프로그램을 관리할 방법도 마련했습니다.
이렇게 업무 도구가 늘어나면서 시스템 지도와 프로젝트 대시보드까지 구성하게 됐습니다.
제 방식의 핵심은 '판단의 재사용'입니다
업무에 AI를 활용하는 방식은 여러 가지입니다.
저는 그중에서도 사람이 한 번 내린 판단을 다음 업무에 활용하는 데 집중했습니다.
문제 발견 → 원인 확인 → AI와 개선안 설계 → 도구 수정 → 사람의 검수 → 기준 기록 → 다음 업무에 적용
AI를 사용하는 사람에서 업무 시스템을 설계하는 사람으로 역할을 확장한 것입니다.
⑤ 다른 사람도 따라 할 수 있나요?
복잡한 시스템이 없어도 반복 문서 하나부터 시작할 수 있습니다
제가 구축한 시스템 전체를 처음부터 만들 필요는 없습니다.
AI를 업무에 활용하려는 1인 기업가나 실무자는 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 운영 기준을 구분해 저장합니다.
자료의 출처와 작성 시점도 함께 남깁니다.
2단계. AI에 초안을 요청합니다
정리한 자료를 AI에 제공하고 목적, 운영 내용, 일정, 기대효과를 작성하도록 요청합니다.
이때 자료에 없는 사실은 임의로 만들지 않도록 지시합니다.
실제로 사용할 수 있는 요청문은 다음과 같습니다.
> 다음 자료를 바탕으로 교육 프로그램 운영계획서 초안을 작성해 주세요.
> 1. 교육 목적, 대상, 일정, 예산, 운영 내용을 구분해 작성합니다.
> 2. 원자료에 있는 사실만 사용합니다.
> 3. 확인할 수 없는 내용은 '확인 필요'로 표시합니다.
> 4. 담당자, 일정, 운영 절차를 구체적으로 작성합니다.
> 5. 기대효과는 추상적인 표현보다 확인할 수 있는 변화 중심으로 작성합니다.
> 6. 마지막에 사람이 최종 확인해야 할 항목을 정리합니다.
3단계. 사람이 검토합니다
AI가 작성한 초안에서 실제 일정과 예산, 운영 기준, 교육 내용이 정확한지 확인합니다.
잘못 작성된 내용은 수정합니다.
4단계. 수정한 내용과 이유를 기록합니다
예를 들어 다음과 같은 기준을 남길 수 있습니다.
- 기대효과에 추상적인 표현을 사용하지 않는다.
- 운영 절차는 담당자와 일정 중심으로 작성한다.
- 예산은 제공한 자료와 일치해야 한다.
- 확인되지 않은 내용은 임의로 채우지 않는다.
5단계. 다음 문서에 기준을 재사용합니다
다음에 운영계획서를 작성할 때 AI가 이전에 확정한 작성 기준을 먼저 참고하도록 합니다.
이렇게 하면 기존 문서와 기준을 재사용하는 업무 흐름을 만들 수 있습니다.
회의 요약에도 같은 방법을 적용할 수 있습니다
회의에서도 동일한 구조를 사용할 수 있습니다.
참석자의 동의를 받아 기록한 회의 내용을 AI로 정리합니다.
그다음 결정 사항, 담당자, 기한, 추가 확인 사항으로 분류합니다.
AI가 정리한 내용을 참석자가 검토한 뒤 확정합니다.
이렇게 확정한 기록을 다음 회의의 참고자료로 활용할 수 있습니다.
처음에는 AI 서비스 하나와 문서 폴더만 있어도 시작할 수 있습니다.
핵심은 다음의 다섯 단계입니다.
원본 정리 → AI 초안 작성 → 사람의 검토 → 수정 이유 기록 → 다음 업무에 재사용
처음부터 대규모 자동화를 시도할 필요는 없습니다.
작은 업무에서 시작하고, 같은 작업이 반복될 때 필요한 도구를 추가하면 됩니다.
# AI 업무 프로세스 개선을 통해 배운 점
처음에는 AI를 사용하면 업무를 더 빨리 끝낼 수 있을 것이라고 생각했습니다.
하지만 실제로 활용하면서 새로운 문제가 나타났습니다.
AI가 작성한 결과를 다시 수정해야 했고, 여러 도구의 연결을 확인해야 했습니다. 자동 처리가 실패하는 경우도 있었고, 진행하다가 중단한 프로젝트를 다시 찾는 일도 필요했습니다.
그래서 목표를 바꿨습니다.
많은 업무를 무조건 자동화하는 것이 아니라, 반복되는 작업을 구분하고 중요한 판단을 남기는 구조를 만드는 것으로 바꿨습니다.
현재는 자료를 조사하면서 근거를 남기고, 콘텐츠를 제작하면서 원본과 초안을 구분하고, 수정하면서 그 이유를 기록합니다.
여러 도구의 연결과 진행 상태를 확인하고, 완료하지 못한 작업도 다시 살펴볼 수 있도록 구성했습니다.
다만 현재 확보한 기록만으로 모든 업무의 생산성이 얼마나 개선됐는지 정량적으로 말하기는 어렵습니다.
앞으로는 동일한 조건의 업무를 기준으로 작업 시간, 수정 횟수, 같은 오류의 재발 여부를 측정해 개선 효과를 확인할 계획입니다.
AI를 활용하는 과정에서 가장 중요한 역할은 여전히 사람에게 있습니다.
어떤 문제를 해결할지 결정하는 사람.
어떤 결과가 필요한지 판단하는 사람.
AI가 만든 결과를 검토하고 책임지는 사람.
그 역할은 1인 기업가인 제가 맡아야 합니다.
어떤 결과가 필요한지 판단하는 사람.
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.
이것이 제가 직접 구축하고 개선해 온 AI 업무 시스템의 목적입니다.
