목록으로
업무 생산성 개선을 위한 AI 활용
서버 한 대에 AI 팀을 꾸린 코딩 비전공자의 24시간 작업실
코딩 비전공자가 AI에게 기획·개발·검증·운영 역할을 맡겨 공모전 사이트 12개를 만들고 이 원고와 영상까지 같은 작업 흐름으로 자동화한 실제 기록입니다.
🤖 활용 AI 도구
OpenAI Codex, Claude Code, Gemini, 로컬 오픈웨이트 LLM(Qwen 계열), 이미지 생성 모델, Edge TTS
- 출발점
저는 금융을 전공하고 투자 업무를 해왔습니다. 인공지능 연구자도, 컴퓨터공학 전공자도 아닙니다. 현장에서 생긴 문제를 제 손으로 풀고 싶었지만 기업 자료 수집과 보고서 작성, 시장 데이터 정리, 웹·모바일 구현을 혼자 감당하기는 어려웠습니다. 외주를 맡기면 아이디어가 바뀔 때마다 설명을 되풀이해야 했고 코딩부터 배운 뒤 시작하려니 해결하고 싶은 문제가 계속 뒤로 밀렸습니다.
처음에는 AI 채팅창에 코드를 물었습니다. 결과물은 빨리 나왔지만 운영 단계에서 자주 무너졌습니다. 앞뒤 맥락이 끊겼고 작동하는 코드가 곧 안전한 코드는 아니었습니다. 문제는 질문의 재치가 아니라 일을 맡기는 구조였습니다. AI 한 명에게 모든 일을 시키는 대신 기획, 개발, 검토, 운영 역할을 나눠 하나의 팀으로 꾸렸습니다.
- AI에게 일을 맡긴 방법
작업은 제가 무엇을 만들지 정하는 데서 시작합니다. 입력 자료와 원하는 결과, 금지할 일, 완료 확인 방법을 짧은 작업명세에 씁니다. Codex와 Claude Code 같은 코딩 에이전트가 저장소를 읽고 계획을 세운 뒤 코드를 작성합니다. 실행된다는 이유만으로 완성이라 부르지는 않습니다. 자동 테스트와 브라우저 점검을 거치고 독립 검토 에이전트가 보안과 사실성을 확인합니다. 실패하면 고칩니다. 그래도 통과하지 못하면 이전 체크포인트로 돌아갑니다.
검증을 마친 작업만 상시 서비스나 예약 작업으로 넘깁니다. 이후 상태는 로그, 알림, 대시보드로 살핍니다. 복잡한 설계와 개발에는 프런티어 모델을 쓰고 반복 호출이 많거나 민감한 데이터가 걸린 일에는 제 서버의 로컬 LLM을 씁니다. 성능만 좇지 않고 비용과 개인정보, 서비스 중단 가능성까지 함께 따진 선택입니다.
- 실제로 만든 것
대표 사례는 QuantInSight와 ArcAI.ve입니다. QuantInSight에서는 시장, 뉴스, 계량, 리스크 역할의 AI가 출처가 붙은 리서치를 쓰고 위원회 토론과 코드 기반 게이트를 통과한 판단만 주문 후보가 됩니다. ArcAI.ve에서는 채팅, 코딩 에이전트, 지식, 파일과 여러 프로젝트를 한 작업대에서 운영합니다.
같은 구조로 공모전을 위해 사이트 12개를 만들었습니다. 그리고 이는 지금 이 시간에도 계속해서 늘어나는 중입니다. ShiftProof는 인수인계와 기계 기록을 대조해 작업 중지를 판단하고 PensionIC는 연금 사각지대를 진단합니다. BARAM 2026은 기상 예보로 풍력발전량을 예측하며 TripCast는 날씨와 여행 정보를 잇습니다. AutoZoom은 회의가 끝난 뒤 녹음, 전사, 요약을 이어받습니다. MT Simulator와 Tower of Errors에서는 AI와 상호작용하는 게임을 웹과 안드로이드 앱으로 완성했습니다. 주제는 다르지만 작업명세, 에이전트 분업, 테스트, 운영 로그라는 틀은 같습니다.
2026년 8월 10일 현재 제 작업 프로젝트는 38개이고 운영중인 사이트로는 공개 도메인 20개가 등록돼 있습니다. 영상 폴더에는 6월 22일부터 8월 10일까지 만든 최종 MP4 46개가 남아 있습니다. QuantInSight 저장소에는 테스트 파일 233개, 테스트 함수 1,268개가 있습니다. 숫자가 성과의 전부는 아닙니다. 예전에는 아이디어를 메모로 남겼지만 지금은 실제로 작동시키고 실패 기록과 검증 절차까지 쌓습니다.
이 제출물도 같은 방식으로 만들었습니다. 지금 읽고 계신 문서도 사례를 설명하려고 따로 손으로 만든 홍보물이 아닙니다. Codex가 공모전 안내 파일을 읽고 projects의 기록과 코드를 대조해 초안을 쓰고, 이를 Claude Code가 검토했습니다. 논리와 문맥, AI 특유의 표현을 다시 점검한 뒤 DOCX와 PDF로 뽑는 일까지 자동화했습니다.
첨부 영상도 같은 작업 흐름에서 나왔습니다. 실제 앱 화면 수집, 장면 구성, 남성 TTS와 자막 생성, CSS 기반 모션, 렌더링을 자동화하고 재생 오류와 음량, 해상도, 파일 용량을 검사했습니다. 저는 QuantInSight와 ArcAI.ve를 앞세우도록 정하고 화면 중복과 사진 배치를 살피며 수정 방향을 지시했습니다. 이 문서와 영상은 AI 활용을 설명하는 첨부물이면서 작성과 제작 자동화가 실제로 돌아간 결과물입니다.
- 실패가 만든 안전장치
자동화는 성공만 빠르게 하는 것이 아니라 실패도 빠르게 반복합니다. 실제로 매매 시스템에서 거래소 우회 규칙이 매수와 매도에 다르게 적용돼 산 주식을 제때 팔지 못한 적이 있습니다. 영상 생성 중에는 로컬 모델의 추론이 끝나지 않아 새벽 작업이 멈추기도 했습니다. AI는 이상함을 느끼지 못한 채 같은 실패를 되풀이했습니다.
그 뒤 에이전트에는 맡은 역할만큼의 권한만 주고 판단과 실행을 분리했습니다. 조용한 실패는 알림과 대체 경로로 드러냈습니다. 판단 근거와 결과를 기록하고 사람이 관찰, 조정, 정지할 지점도 미리 마련했습니다. 금융 주문처럼 되돌리기 어려운 일은 LLM의 문장만으로 실행하지 않습니다. 코드로 정한 한도와 검증 절차를 통과해야 합니다.
개인정보와 저작권도 같은 원칙으로 다룹니다. 계좌와 사용자 데이터는 프로젝트 코드와 분리된 보관소에 두고 민감한 반복 작업은 로컬 모델로 처리합니다. 기업분석에는 공개자료의 출처를 붙여 사실과 추정을 나눕니다. 영상에는 제 사진과 공개 화면, 개인정보가 없는 가상 데이터만 사용했습니다. AI가 쓴 글과 만든 결과는 제가 사실, 수치, 저작권, 개인정보 노출 여부를 확인한 뒤 내보냅니다.
- 누구나 작게 재현할 수 있습니다
1000만원을 호가하는 서버나 자동매매부터 시작할 필요는 없습니다. 매주 되풀이하는 일 하나를 골라 AI에게 참고 답변이 아닌 완성된 결과물을 맡기면 됩니다. 입력 자료, 결과 형식, 금지할 일, 확인 방법을 적어 초안을 받습니다. 사람이 사실을 확인하고 같은 일이 다시 생길 때 예약 실행과 로그, 실패 알림을 붙입니다. 메일 분류, 회의록 정리, 업계 뉴스 요약부터 시작해도 충분합니다.
AI가 낮춘 것은 어떻게 만들 것인가의 비용입니다. 무엇을 만들지 정하는 질문과 좋은 결과를 고르는 기준, 결과를 감당하는 책임은 여전히 사람에게 남습니다. AI가 제 일을 대신한 것이 아닙니다. 전에는 할 수 없었던 일을 실제로 시작하게 했습니다. 이 제출물의 마지막 확인과 서명도 제 몫입니다.
저는 금융을 전공하고 투자 업무를 해왔습니다. 인공지능 연구자도, 컴퓨터공학 전공자도 아닙니다. 현장에서 생긴 문제를 제 손으로 풀고 싶었지만 기업 자료 수집과 보고서 작성, 시장 데이터 정리, 웹·모바일 구현을 혼자 감당하기는 어려웠습니다. 외주를 맡기면 아이디어가 바뀔 때마다 설명을 되풀이해야 했고 코딩부터 배운 뒤 시작하려니 해결하고 싶은 문제가 계속 뒤로 밀렸습니다.
처음에는 AI 채팅창에 코드를 물었습니다. 결과물은 빨리 나왔지만 운영 단계에서 자주 무너졌습니다. 앞뒤 맥락이 끊겼고 작동하는 코드가 곧 안전한 코드는 아니었습니다. 문제는 질문의 재치가 아니라 일을 맡기는 구조였습니다. AI 한 명에게 모든 일을 시키는 대신 기획, 개발, 검토, 운영 역할을 나눠 하나의 팀으로 꾸렸습니다.
- AI에게 일을 맡긴 방법
작업은 제가 무엇을 만들지 정하는 데서 시작합니다. 입력 자료와 원하는 결과, 금지할 일, 완료 확인 방법을 짧은 작업명세에 씁니다. Codex와 Claude Code 같은 코딩 에이전트가 저장소를 읽고 계획을 세운 뒤 코드를 작성합니다. 실행된다는 이유만으로 완성이라 부르지는 않습니다. 자동 테스트와 브라우저 점검을 거치고 독립 검토 에이전트가 보안과 사실성을 확인합니다. 실패하면 고칩니다. 그래도 통과하지 못하면 이전 체크포인트로 돌아갑니다.
검증을 마친 작업만 상시 서비스나 예약 작업으로 넘깁니다. 이후 상태는 로그, 알림, 대시보드로 살핍니다. 복잡한 설계와 개발에는 프런티어 모델을 쓰고 반복 호출이 많거나 민감한 데이터가 걸린 일에는 제 서버의 로컬 LLM을 씁니다. 성능만 좇지 않고 비용과 개인정보, 서비스 중단 가능성까지 함께 따진 선택입니다.
- 실제로 만든 것
대표 사례는 QuantInSight와 ArcAI.ve입니다. QuantInSight에서는 시장, 뉴스, 계량, 리스크 역할의 AI가 출처가 붙은 리서치를 쓰고 위원회 토론과 코드 기반 게이트를 통과한 판단만 주문 후보가 됩니다. ArcAI.ve에서는 채팅, 코딩 에이전트, 지식, 파일과 여러 프로젝트를 한 작업대에서 운영합니다.
같은 구조로 공모전을 위해 사이트 12개를 만들었습니다. 그리고 이는 지금 이 시간에도 계속해서 늘어나는 중입니다. ShiftProof는 인수인계와 기계 기록을 대조해 작업 중지를 판단하고 PensionIC는 연금 사각지대를 진단합니다. BARAM 2026은 기상 예보로 풍력발전량을 예측하며 TripCast는 날씨와 여행 정보를 잇습니다. AutoZoom은 회의가 끝난 뒤 녹음, 전사, 요약을 이어받습니다. MT Simulator와 Tower of Errors에서는 AI와 상호작용하는 게임을 웹과 안드로이드 앱으로 완성했습니다. 주제는 다르지만 작업명세, 에이전트 분업, 테스트, 운영 로그라는 틀은 같습니다.
2026년 8월 10일 현재 제 작업 프로젝트는 38개이고 운영중인 사이트로는 공개 도메인 20개가 등록돼 있습니다. 영상 폴더에는 6월 22일부터 8월 10일까지 만든 최종 MP4 46개가 남아 있습니다. QuantInSight 저장소에는 테스트 파일 233개, 테스트 함수 1,268개가 있습니다. 숫자가 성과의 전부는 아닙니다. 예전에는 아이디어를 메모로 남겼지만 지금은 실제로 작동시키고 실패 기록과 검증 절차까지 쌓습니다.
이 제출물도 같은 방식으로 만들었습니다. 지금 읽고 계신 문서도 사례를 설명하려고 따로 손으로 만든 홍보물이 아닙니다. Codex가 공모전 안내 파일을 읽고 projects의 기록과 코드를 대조해 초안을 쓰고, 이를 Claude Code가 검토했습니다. 논리와 문맥, AI 특유의 표현을 다시 점검한 뒤 DOCX와 PDF로 뽑는 일까지 자동화했습니다.
첨부 영상도 같은 작업 흐름에서 나왔습니다. 실제 앱 화면 수집, 장면 구성, 남성 TTS와 자막 생성, CSS 기반 모션, 렌더링을 자동화하고 재생 오류와 음량, 해상도, 파일 용량을 검사했습니다. 저는 QuantInSight와 ArcAI.ve를 앞세우도록 정하고 화면 중복과 사진 배치를 살피며 수정 방향을 지시했습니다. 이 문서와 영상은 AI 활용을 설명하는 첨부물이면서 작성과 제작 자동화가 실제로 돌아간 결과물입니다.
- 실패가 만든 안전장치
자동화는 성공만 빠르게 하는 것이 아니라 실패도 빠르게 반복합니다. 실제로 매매 시스템에서 거래소 우회 규칙이 매수와 매도에 다르게 적용돼 산 주식을 제때 팔지 못한 적이 있습니다. 영상 생성 중에는 로컬 모델의 추론이 끝나지 않아 새벽 작업이 멈추기도 했습니다. AI는 이상함을 느끼지 못한 채 같은 실패를 되풀이했습니다.
그 뒤 에이전트에는 맡은 역할만큼의 권한만 주고 판단과 실행을 분리했습니다. 조용한 실패는 알림과 대체 경로로 드러냈습니다. 판단 근거와 결과를 기록하고 사람이 관찰, 조정, 정지할 지점도 미리 마련했습니다. 금융 주문처럼 되돌리기 어려운 일은 LLM의 문장만으로 실행하지 않습니다. 코드로 정한 한도와 검증 절차를 통과해야 합니다.
개인정보와 저작권도 같은 원칙으로 다룹니다. 계좌와 사용자 데이터는 프로젝트 코드와 분리된 보관소에 두고 민감한 반복 작업은 로컬 모델로 처리합니다. 기업분석에는 공개자료의 출처를 붙여 사실과 추정을 나눕니다. 영상에는 제 사진과 공개 화면, 개인정보가 없는 가상 데이터만 사용했습니다. AI가 쓴 글과 만든 결과는 제가 사실, 수치, 저작권, 개인정보 노출 여부를 확인한 뒤 내보냅니다.
- 누구나 작게 재현할 수 있습니다
1000만원을 호가하는 서버나 자동매매부터 시작할 필요는 없습니다. 매주 되풀이하는 일 하나를 골라 AI에게 참고 답변이 아닌 완성된 결과물을 맡기면 됩니다. 입력 자료, 결과 형식, 금지할 일, 확인 방법을 적어 초안을 받습니다. 사람이 사실을 확인하고 같은 일이 다시 생길 때 예약 실행과 로그, 실패 알림을 붙입니다. 메일 분류, 회의록 정리, 업계 뉴스 요약부터 시작해도 충분합니다.
AI가 낮춘 것은 어떻게 만들 것인가의 비용입니다. 무엇을 만들지 정하는 질문과 좋은 결과를 고르는 기준, 결과를 감당하는 책임은 여전히 사람에게 남습니다. AI가 제 일을 대신한 것이 아닙니다. 전에는 할 수 없었던 일을 실제로 시작하게 했습니다. 이 제출물의 마지막 확인과 서명도 제 몫입니다.
