Codex로 150만 팔로워 콘텐츠 비즈니스를 운영하는 법 — Riley Brown

메타데이터

• 원문 제목: How I Run My 1.5M+ Follower Content Business With Codex | Riley Brown
• 원문 URL: https://www.youtube.com/watch?v=N34zz1-RSGw
• 원문 발행일: 2026-08-16
• 채널: Peter Yang
• 출연자: Riley Brown
• 영상 길이: 약 41분 48초
• 영상 ID: N34zz1-RSGw
• 주제: AI 교육 콘텐츠 사업, Codex 기반 창작 워크플로, 개인화된 스킬, 썸네일·리서치·에이전트 자동화

---

📌 핵심 질문 / 이 콘텐츠가 다루는 핵심 논점

==AI는 콘텐츠 제작자를 대체하는 일괄 생산기가 아니라, 제작자의 호기심과 판단을 더 깊은 리서치·더 좋은 결과물로 바꾸는 개인화된 창작 운영체제다.==

• Riley Brown은 약 3년 동안 AI를 가르치며 여러 플랫폼에서 거의 170만 명의 팔로워를 모았고, 콘텐츠·제품·컨설팅을 연결해 사업을 운영한다.
• Codex는 로컬 파일과 컴퓨터를 직접 다루고, Remotion·Paper·Notion·Typefully 같은 도구 및 사용자가 만든 스킬을 연쇄적으로 조합한다.
• 가장 지속 가능한 방식은 콘텐츠를 먼저 자신의 호기심과 현장 경험에서 만들고, 훅·제목·썸네일 같은 패키징을 사후에 과학적으로 개선하는 방식이다.
• 스킬은 처음부터 완벽하게 설계하는 문서가 아니라, 실제 결과를 기준으로 테스트하고 실패를 피드백해 진화시키는 업무 습관이다.
• 반복 생산량보다 한 편에 투입하는 검증과 품질이 장기적인 해자(moat)를 만든다.

Riley Brown의 창작 시스템은 사람이 아이디어를 떠올리고 현장에서 배우는 중심축을 유지하면서, AI 에이전트가 자료 수집·구조화·시각화·초안·검증을 맡는 구조다. 완성된 모든 작업을 기계적으로 자동화하지 않고, 영상 편집처럼 아직 사람이 더 잘하는 영역은 전문가에게 맡긴다. 반대로 아이디어 발산, 훅 연구, 썸네일 후보 제작, 데이터베이스 입력처럼 반복되면서도 맥락이 필요한 작업은 스킬로 축적한다.

1. Riley Brown의 콘텐츠 사업 구조

AI 교육을 중심으로 한 개인 브랜드가 콘텐츠, 제품, 컨설팅을 하나의 사업 흐름으로 연결한다.

1.1. AI 교육에서 파생된 세 가지 수익 축

1. AI 교육 콘텐츠가 브랜드의 중심에 놓인다

   1. Riley Brown은 지난 3년 동안 AI를 사람들에게 설명하는 콘텐츠를 꾸준히 만들었다.
   2. YouTube, X, Instagram, TikTok 등 여러 플랫폼을 합쳐 거의 170만 명의 팔로워를 확보했다.
   3. AI 교육이라는 일관된 주제가 플랫폼마다 다른 형식으로 확장되면서 개인의 전문성과 유통망이 함께 쌓였다.

2. 콘텐츠에서 제품으로 확장된다

   1. Vibe Code를 출시했고, 이후 Chorus라는 제품을 만들고 있다.
   2. 제품은 콘텐츠에서 설명하는 AI 활용법을 실제 업무에 적용하려는 사용자에게 더 직접적인 가치를 제공한다.
   3. 콘텐츠가 관심과 신뢰를 만들고 제품이 사용 경험을 제공하는 구조가 만들어진다.

3. 컨설팅이 현장 학습과 매출을 동시에 만든다

   1. 기업이 업무에 에이전트를 도입하도록 돕는 컨설팅을 진행한다.
   2. 최근 3개월 동안 여러 회사와 대화하면서 각 조직이 AI 에이전트를 어떻게 사용하는지 관찰했다.
   3. 컨설팅은 단순한 서비스 매출이 아니라 매일 개발자와 고객에게서 새로운 사용 사례를 배우는 학습 장치다.

1.2. 플랫폼별 네이티브 콘텐츠 전략

1. YouTube가 유일한 원본 허브는 아니다

   1. 긴 형식의 콘텐츠를 선호하지만 Instagram과 TikTok에도 각각 전용 콘텐츠를 만든다.
   2. Instagram과 TikTok은 Riley Brown이 콘텐츠를 시작한 플랫폼이기도 하다.
   3. X에서도 긴 형식의 글이 YouTube만큼 잘 작동하기 때문에 플랫폼마다 원어민처럼(native) 맞춘 콘텐츠를 제작한다.

2. 클리핑은 뒤늦게 도입한 확장 방식이다

   1. 긴 영상을 잘라 여러 플랫폼에 배포하는 방식은 AI와 함께 이제 막 본격적으로 사용하기 시작했다.
   2. 다만 단순히 하나의 긴 영상을 잘게 쪼개는 것보다 각 플랫폼에 맞는 전용 콘텐츠를 만드는 태도를 더 중시한다.
   3. 한 번 만든 것을 무차별적으로 재활용하기보다 채널별 사용 맥락을 보존하는 방식이 브랜드의 질을 지킨다.

1.3. AI가 담당하는 범위와 사람의 역할

1. AI가 거의 모든 사전 제작 업무를 보조한다

   1. 아이디어 발굴, 콘텐츠 기획, 좋은 훅 작성, YouTube 썸네일 조사, 자료 리서치에 AI를 사용한다.
   2. YouTube 연구자(YouTube researcher) 스킬은 영상을 조사할 때마다 에이전트가 자동으로 호출하는 개인 도구다.
   3. 이런 스킬을 많이 쌓으면 콘텐츠 제작을 더 큰 규모로 운영하면서도 개인의 기준과 맥락을 유지할 수 있다.

2. 영상 편집은 여전히 전문 편집자가 맡는다

   1. Riley Brown이 직접 깊이 관여하는 부분은 영상 편집을 제외한 대부분의 제작 과정이다.
   2. 현재 AI 영상 편집은 아직 충분히 자연스럽지 않다고 판단해 여러 영상 편집자를 고용한다.
   3. AI를 쓴다는 이유로 모든 일을 자동화하지 않고, 사람의 감각이 더 중요한 영역에는 사람을 배치한다.

2. Codex를 창작 운영체제로 보는 관점

Codex의 강점은 채팅 답변 자체보다 로컬 환경과 도구를 실제로 움직이는 실행 권한에 있다.

2.1. 클라우드 채팅과 로컬 실행 환경의 차이

1. 업로드 데이터의 위치가 다르다

   1. ChatGPT에 이미지나 PDF를 올리면 일반적으로 데이터가 클라우드에 저장된다.
   2. Codex에서는 작업물이 로컬에 저장되며, 에이전트가 로컬 파일과 컴퓨터에 직접 접근한다.
   3. 이 차이는 콘텐츠 제작자가 이미 보유한 파일, 브랜드 자산, 초안, 자료를 별도의 업로드 과정 없이 워크플로에 연결하게 한다.

2. 컴퓨터 사용 능력이 창작 도구 연결을 단순화한다

   1. Codex에는 컴퓨터 사용(computer use) 기능이 내장되어 있어 브라우저와 애플리케이션을 조작할 수 있다.
   2. Codex의 인앱 브라우저에서 Notion, Google Docs, 캘린더 같은 서비스를 열고 결과를 바로 확인할 수 있다.
   3. 앱과 탭을 옮겨 다닐 때 맥락을 잃는 문제가 줄어들어, 아이디어에서 실행까지의 흐름이 한 작업 공간에 남는다.

2.2. Remotion으로 영상 도입부의 시각 언어 만들기

1. Remotion 플러그인이 고품질 애니메이션을 코드로 만든다

   1. Riley Brown은 영상 초반에 고품질 애니메이션과 그래픽을 자주 넣는다.
   2. Remotion 플러그인으로 Codex 안에서 플로차트, 로고, 도입 그래픽을 생성한 뒤 영상을 편집할 때 그래픽을 위에 얹는다.
   3. Remotion은 Codex에 기본으로 내장된 플러그인이어서 별도의 복잡한 설정 없이 호출할 수 있다.

2. 개인 브랜드 규칙을 별도 스킬로 주입한다

   1. 기본 Remotion 기능 외에 Riley Brown은 자신의 크리에이터 브랜드를 반영한 Remotion 모범 사례(best practices) 스킬을 만들었다.
   2. 스킬에 색상과 스타일을 넣으면 생성되는 그래픽이 자신의 영상 문법에 맞춰진다.
   3. 매번 색상과 레이아웃을 설명하기보다 브랜드 기준을 스킬에 축적하는 방식이 반복 작업의 마찰을 줄인다.

3. 인터넷 이미지 수집 스킬과 결합한다

   1. 인터넷 이미지 풀러(internet image puller) 스킬은 SER API를 통해 Google 이미지에서 관련 로고와 시각 자산을 찾는다.
   2. 영상의 트랜스크립트를 읽고 필요한 B-roll을 추론한 뒤 관련 로고를 찾아 내려받는다.
   3. 이미지 수집 스킬과 Remotion 스킬을 한 프롬프트에서 연쇄 호출하면, 관련 로고를 수집하고 그 자산을 넣은 그래픽을 한 번에 생성할 수 있다.

2.3. 스킬 체이닝이 만드는 복합 워크플로

1. 한 스킬의 결과가 다음 스킬의 입력이 된다

   1. YouTube 연구자가 주제와 관련된 자료를 찾는다.
   2. 인터넷 이미지 풀러가 그 자료에서 필요한 로고와 이미지를 수집한다.
   3. Remotion 스킬이 수집된 자산을 영상용 플로차트나 애니메이션으로 재구성한다.

2. 사용자는 결과 기준을 제시하고 실행 순서를 자연어로 연결한다

   1. 사용자는 “관련 로고를 가져오고 이 내용을 위한 그래픽을 만들어 달라”는 식으로 요청한다.
   2. Codex는 각 작업에 맞는 스킬과 플러그인을 조합해 수집·생성·배치 단계를 수행한다.
   3. 처음부터 거대한 자동화 시스템을 설계하기보다 실제로 필요한 작업을 하다가 연결 가능한 조합을 발견하는 방식이 빠르다.

3. YouTube 리서치와 훅 설계

좋은 영상은 전부 대본으로 통제하는 대신, 초반의 약속을 정교하게 만들고 본문에 사람의 설명 능력과 현장 경험을 남긴다.

3.1. YouTube 연구자 스킬의 구조

1. Super Data가 대규모 트랜스크립트 수집을 빠르게 만든다

   1. YouTube 연구자 스킬은 Super Data API를 사용해 어떤 YouTube 영상의 전체 트랜스크립트를 약 1초 만에 가져온다.
   2. 필요하면 채널 전체를 스크랩할 수 있고, Codex의 서브에이전트를 여러 개 띄워 약 30초 안에 채널을 조사할 수 있다.
   3. 특정 크리에이터의 여러 영상에서 반복되는 말투, 구성, 훅, 전개를 비교할 수 있어 경쟁 분석과 형식 연구가 빨라진다.

2. 훅 아웃라인이 성공한 형식을 새로운 주제에 이식한다

   1. 훅 아웃라인(hook outline) 스킬은 성과가 좋은 영상의 도입부를 압축하고 나머지 전개를 개요로 정리한다.
   2. 좋은 영상의 정확한 문장을 복사하는 대신, 도입에서 어떤 약속을 하고 본문을 어떤 순서로 배치했는지 형식으로 추출한다.
   3. 자신의 새 아이디어를 그 형식에 맞춰 재구성하면 검증된 구조의 장점을 활용하면서도 내용은 자신의 것으로 유지할 수 있다.

3. GPT 계열과 Claude 계열의 트랜스크립트 처리 차이가 있다

   1. Codex의 GPT 모델은 저작권 침해 우려 때문에 타인의 영상 트랜스크립트를 그대로 가져오지 않고 요약만 제공하는 경우가 있다.
   2. Riley Brown은 이 용도에서 Claude 모델이 트랜스크립트를 더 직접적으로 처리하며, 오픈 모델도 비교적 제한이 적다고 설명한다.
   3. GLM 5.2 같은 오픈 모델도 이 작업을 수행할 수 있어, 에이전트와 모델 선택은 고정된 정답보다 작업별 적합성으로 판단해야 한다.

3.2. 완전 대본보다 사람의 설명 능력이 중요한 이유

1. 첫 30초가 이탈을 결정한다

   1. 시청자는 영상 초반 30초가 지루하면 바로 떠난다.
   2. 따라서 도입부는 미리 대본으로 설계하고, 본문은 핵심 항목을 개요로 정리한 뒤 자연스럽게 설명하는 방식이 효율적이다.
   3. Riley Brown은 AI 시대에 완전히 대본화된 영상의 가치가 내려가고, 사람의 열정과 설명 능력의 가치가 올라갈 것으로 본다.

2. 콘텐츠는 주제에 대한 인간적 관심을 드러내야 한다

   1. 사람들은 단지 정제된 정보가 아니라 열정적인 사람이 주제를 파고드는 과정을 보러 온다.
   2. 게스트와 대화하는 팟캐스트 형식은 구조화된 도입 뒤에 자연스러운 대화를 배치해 인간적인 면을 살린다.
   3. AI가 만든 완성형 대본만 읽는 방식은 개성과 즉흥적인 통찰을 약화시킬 수 있다.

3. 저작권 문제를 피하면서 형식을 배운다

   1. 성공한 콘텐츠에서 배울 대상은 특정 문장보다 훅의 약속, 정보 배치, 전개 속도 같은 구조다.
   2. 자신의 트랜스크립트와 아이디어를 검증된 형식에 맞춰 다시 쓰면 영향은 활용하되 내용과 경험은 독립적으로 유지된다.
   3. AI는 형식을 분석하고 재구성하는 조력자이며, 최종 주제와 관점은 제작자가 결정한다.

3.3. B-R-E-N-S로 훅을 점검한다

1. Big은 관심의 크기를 만든다

   1. 새 모델이 세계 최고이거나 산업 전체를 바꿀 정도라는 큰 변화는 시청자가 문제의 규모를 빠르게 이해하게 한다.
   2. “새로운 모델이 나왔다”에서 멈추지 않고 시청자의 일과 사업에 미칠 파급을 함께 제시해야 한다.

2. Relatable은 시청자와 주제를 연결한다

   1. 새로운 기술이 모든 사람이나 모든 비즈니스에 영향을 준다는 맥락을 붙이면 낯선 기술도 개인적인 문제가 된다.
   2. 전문적인 기능을 설명할 때 실제 업무와 일상에서 만날 장면을 먼저 제시하는 방식이 효과적이다.

3. Easy는 실행 가능성의 감각을 준다

   1. “따라 할 수 있는 6단계 방법”이나 “실행 가능한 9가지 팁”처럼 방법론을 제시하면 시청자가 결과를 얻을 수 있다고 느낀다.
   2. 거대한 변화라도 구체적인 절차로 쪼개면 시청자가 영상 시청을 투자로 받아들인다.

4. New는 새로움의 이유를 만든다

   1. 사람은 이미 알고 있는 사실보다 방금 등장한 모델, 새 기능, 새로운 사례에 더 강하게 반응한다.
   2. Big과 New는 함께 쓰일 수 있지만, 새로움이 실제 변화와 연결되어야 과장으로 보이지 않는다.

5. Safe는 긴 영상을 볼 시간의 위험을 낮춘다

   1. 30분이 넘는 콘텐츠는 시청자가 시간을 낭비할까 봐 느끼는 불안을 먼저 해결해야 한다.
   2. 전문가의 신뢰도, 다룰 범위, 끝까지 봤을 때 얻을 가치가 도입부에 명시되어야 한다.
   3. B-R-E-N-S 요소를 많이 넣을수록 훅의 설득력이 높아지지만, 주제와 맞지 않는 과장된 약속은 장기 신뢰를 해친다.

4. 주제에서 시작해 패키징을 사후에 최적화하는 방식

지속 가능한 창작은 조회수 예측보다 제작자의 호기심과 현장 경험을 우선하고, 포장 단계에서 데이터와 실험을 활용한다.

4.1. 90%는 본문 경험이고 10%는 시청을 얻는 과학이다

1. 주제는 직감과 현장 경험에서 출발한다

   1. Riley Brown은 무엇을 말할지 결정할 때 대규모 유행 조사를 먼저 하지 않고 자신의 직감을 따른다.
   2. 영상의 대부분은 자신이 실제로 도구를 매일 사용하며 배운 내용을 파고드는 시간이다.
   3. 본문은 핵심 항목만 개요로 정리한 뒤 촬영 중 자연스럽게 설명하고, 실제 사용 맥락과 시행착오를 포함한다.

2. 훅은 촬영 후에 분리해서 만든다

   1. 촬영 중에는 예상보다 긴 30분짜리 곁가지 이야기가 나올 수 있고, 그 곁가지가 오히려 최고의 영상이 되기도 한다.
   2. 촬영을 끝낸 뒤 전체 내용을 AI로 분석해 실제로 무엇을 말했는지 확인한다.
   3. YouTube 연구자 스킬이 다른 성공 영상의 훅 형식을 찾아오면, 자신의 본문을 정확히 약속하는 도입부를 별도로 녹화한다.

3. 패키징은 본문의 가치를 전달하는 장치다

   1. 제목과 썸네일이 나쁘면 영상을 만들지 않는 제작자도 있지만, Riley Brown은 이 순서를 자신의 제작 출발점으로 삼지 않는다.
   2. 패키징이 만들고 싶은 내용을 지배하면 제작자는 조회수만 좇게 되고, 결국 원하지 않는 춤 영상처럼 에너지를 주지 않는 콘텐츠까지 만들 수 있다.
   3. 자신이 만들고 싶은 내용을 먼저 만든 뒤 제목·썸네일·훅을 개선하면 호기심과 성장 실험을 동시에 보존할 수 있다.

4.2. Peter Yang에게 제안한 팟캐스트 도입부 실험

1. 게스트의 전문성과 영상의 약속을 초반에 분명히 한다

   1. Peter Yang의 게스트 소개 자체가 게스트가 크리에이터 비즈니스를 어떻게 운영하는지 알려 주는 도입부 역할을 한다.
   2. 30분이 넘는 대화형 콘텐츠는 게스트의 전문성, 다룰 질문, 시청자가 얻을 결과를 더 명확히 제시할 필요가 있다.
   3. 하나의 정답을 고정하기보다 여러 도입부 형식을 시험해 승리하는 형식을 찾는 것이 우선이다.

2. 좋은 게스트와 좋은 훅을 별도로 최적화한다

   1. 지식이 풍부한 게스트를 섭외하는 능력은 계속 개선해야 하는 핵심 경쟁력이다.
   2. 좋은 게스트가 있어도 도입부가 시청자의 기대를 만들지 못하면 대화의 가치가 전달되지 않는다.
   3. 게스트의 권위와 대화에서 나올 실용적 결과를 B-R-E-N-S 요소와 결합하면 긴 대화를 안전하게 시작할 수 있다.

4.3. 호기심을 따르는 창작의 지속 가능성

1. 에너지를 주는 주제가 장기 생산성을 만든다

   1. 제작자가 스스로 궁금해하는 내용을 만들면 콘텐츠가 의무가 아니라 학습 과정이 된다.
   2. 현장에서 매일 배우는 사실이 콘텐츠에 들어가므로 지식이 고갈되지 않는다.
   3. 콘텐츠가 실제 사업과 제품 개발의 경험을 반영하면 단순 뉴스 요약보다 오래 지속되는 관점이 생긴다.

2. 조회수만으로 주제를 결정하면 창작의 영혼이 사라진다

   1. 바이럴 가능성이 높은 아이디어만 쫓으면 제작자는 자신의 관심과 무관한 주제를 반복하게 된다.
   2. 반복적인 배치 생산(batch production)은 초기에 효율적으로 보이지만 시간이 지날수록 결과물을 영혼 없는 것으로 만들 수 있다.
   3. 양보다 질을 우선하는 선택이 장기적으로 더 강한 브랜드 해자를 만든다.

5. 스킬로 축적된 창작 도구 상자

스킬은 미리 완벽하게 설계하는 제품이 아니라, 자주 하는 작업을 AI에게 맡긴 뒤 유용성이 확인될 때 저장하는 작업 단위다.

5.1. Excalidraw 다이어그램으로 생각을 구조화한다

1. 말로 쏟아낸 아이디어가 슬라이드의 뼈대가 된다

   1. Riley Brown은 Whisper Flow를 켜고 10분 동안 걸어 다니면서 생각나는 아이디어를 말한다.
   2. “Codex에 관한 영상을 만들고, 이번 주에 생각한 주제들을 아홉 장의 슬라이드로 정리해 달라”는 식으로 자연스럽게 지시한다.
   3. Excalidraw 다이어그램 스킬은 말로 흩어진 주제를 일정한 스타일의 섹션과 슬라이드로 정리한다.

2. AI 초안이 영상의 80%를 구조화한다

   1. 생성된 다이어그램은 실제 영상에 사용할 결과물의 약 80%를 제공한다.
   2. Riley Brown은 남은 20%를 20~30분 동안 직접 편집하면서 표현을 다듬는다.
   3. 슬라이드 구조가 본문의 범위를 미리 잡아 주기 때문에 데모와 설명이 빠지는 문제도 줄어든다.

5.2. Notion과 인앱 브라우저로 아이디어를 바로 기록한다

1. 콘텐츠 데이터베이스가 긴 형식과 짧은 형식을 분리한다

   1. Notion 데이터베이스에 긴 형식 영상과 짧은 형식 영상을 각각 기록한다.
   2. 새 아이디어가 생기면 Codex에 “최신 Meta Ray-Ban을 주제로 짧은 영상을 만들고, Notion에 진행 중인 항목으로 추가해 링크를 달라”고 요청한다.
   3. 에이전트가 데이터베이스에 올바른 상태와 내용을 입력하고, 사용자는 Codex를 떠나지 않고 생성된 Notion 링크를 연다.

2. 아이디어 기록에서 초안으로 자연스럽게 이동한다

   1. 데이터베이스 항목을 만든 뒤 본문에 훅과 개요를 넣어 달라고 추가 지시할 수 있다.
   2. Meta Ray-Ban이 시장에서 확산되면 안경에서 앱을 만드는 기회가 커질 수 있다는 가설을 개요의 방향으로 넣는다.
   3. 기록, 개요, 브라우저 확인을 한 공간에서 수행하면 탭 전환으로 인한 맥락 손실이 줄어든다.

3. Google Docs·캘린더·이메일도 같은 방식으로 연결된다

   1. Codex는 Google Docs를 열고 문서를 작성하거나 캘린더 이벤트 링크를 만들어 인앱 브라우저에서 확인할 수 있다.
   2. 이메일 작성도 자주 맡기는 업무 중 하나다.
   3. 앱마다 별도의 자동화 사용법을 익히기보다, 자연어로 필요한 결과를 요청하는 통합 흐름이 만들어진다.

5.3. Typefully로 X 게시물 아이디어를 예약한다

1. 생각이 떠오른 순간 초안을 만든다

   1. Typefully를 X 계정과 연결하면 “이 주제로 트윗을 초안 작성해 달라”는 요청이 바로 게시물 아이디어로 저장된다.
   2. 작업 중 떠오른 인사이트를 나중에 다시 기억하려고 하지 않고 발생 즉시 기록한다.

2. 주간 검토가 발행 리듬을 만든다

   1. 매주 월요일 Typefully에 쌓인 초안을 확인하고 게시한다.
   2. AI는 초안과 정리를 담당하고, 최종 선택과 발행은 제작자가 한다.
   3. 즉흥적인 아이디어와 정기적인 검토를 결합하면 생각의 속도를 잃지 않으면서 발행 품질을 관리할 수 있다.

6. Paper 기반 썸네일 제작과 시각적 프롬프트

AI에게 얼굴 표정과 전체 썸네일을 한 번에 새로 만들게 하기보다, 성과가 검증된 시각 자료를 보드에 모으고 기존 사진을 편집하는 방식이 안정적이다.

6.1. 상위 성과 썸네일을 보드에 수집한다

1. 성과가 검증된 레퍼런스를 먼저 모은다

   1. YouTube 썸네일 스킬은 성과가 좋은 썸네일 약 100개를 스크랩한다.
   2. Alex Hormozi, Dan Martell, Andrej Karpathy 등이 아니라 transcript상 Alex Hormozi·Dan Martell·Alex Hormosi·Andre Jick의 썸네일을 예시로 삼으며, 각 인물의 상위 성과 영상에서 패턴을 찾는다.
   3. Riley Brown은 자신이 좋아하는 크리에이터의 상위 썸네일을 Paper 보드에 놓고 자신의 이미지와 비교한다.

2. Paper가 AI 네이티브 Figma 역할을 한다

   1. Paper는 Figma의 좋은 기능을 가져오면서 AI와 각종 도구를 쉽게 연결하도록 만든 AI 네이티브 디자인 애플리케이션이다.
   2. Codex가 수집한 썸네일을 Paper 보드에 자동으로 배치하면 작은 이미지 파일 목록을 일일이 열어 보지 않아도 시각적으로 비교할 수 있다.
   3. 레퍼런스와 자신의 사진을 한 캔버스에 놓는 것이 텍스트 프롬프트로 모든 스타일을 설명하는 것보다 빠르다.

6.2. 자신의 얼굴과 의상을 기존 이미지에 합성한다

1. 기존 썸네일을 복제해 출발한다

   1. 자신의 사진이 들어간 기존 썸네일을 복제하고, 성과가 좋은 레퍼런스 옆에 배치한다.
   2. AI 이미지 생성 기능으로 수염이 있는 인물을 자신의 이미지로 바꾸고, 셔츠를 흰색으로 바꾸며, 체인 목걸이를 추가하는 식으로 수정한다.
   3. 한 번에 7개 버전을 생성해 가장 자연스러운 후보를 선택한다.

2. 부분 수정이 얼굴 보존에 유리하다

   1. AI가 얼굴 표정을 완전히 바꾸면 얼굴이 왜곡되는 문제가 생길 수 있다.
   2. Paper에서 얼굴 전체를 새로 만들기보다 기존 이미지를 유지하고, 윤곽선·빛·배경·색상·텍스트 같은 요소를 단계적으로 수정한다.
   3. “캐릭터가 달라지지 않게 얼굴을 매끄럽게 만들고, 흰색과 주황색 사이의 외곽선 빛을 추가하며, 초록색 선을 밝게 해 달라”는 식의 국소적 요청이 효과적이다.

6.3. 스타일 가이드를 문장 대신 시각적 요소로 제공한다

1. 시각 레퍼런스 자체가 프롬프트가 된다

   1. 텍스트 색상이 항상 흰색이어야 한다고 장황하게 설명할 필요 없이 원하는 결과물과 비슷한 썸네일을 보드에 올린다.
   2. 여러 썸네일을 함께 선택하고 “이 인물을 저 인물처럼 보이게 하고, Mythos and Fable 썸네일의 텍스트 스타일을 적용해 달라”고 요청한다.
   3. 이미지 모델의 요소(elements)를 시각적으로 조합하면 말로 스타일을 설명하는 프롬프트의 한계를 보완할 수 있다.

2. AB 테스트를 제작 시스템에 포함한다

   1. 썸네일 디자이너가 AI를 활용하며 지속적으로 AB 테스트를 진행한다.
   2. 영상 성과가 두 배가 될 수 있다면 전문 디자이너와 테스트에 비용을 지불할 가치가 있다.
   3. AI는 후보를 빠르게 많이 만들고, 디자이너와 제작자는 브랜드 적합성과 실제 성과를 기준으로 최종 선택한다.

7. 스킬을 만드는 방법과 안전 경계

창작용 스킬은 결과를 측정하며 개선하고, 민감한 업무용 스킬은 내부 동작과 권한을 별도로 검토해야 한다.

7.1. 실제 작업에서 유용성이 확인된 뒤 스킬로 저장한다

1. 필요한 스킬 목록을 미리 상상하지 않는다

   1. Riley Brown의 스킬 대부분은 처음부터 필요한 스킬을 목록으로 설계해 만든 것이 아니다.
   2. AI에게 실제 작업을 시키고, 유용하게 반복되는 작업이 생기면 “이 과정을 스킬로 바꿔 달라”고 요청한다.
   3. 어떤 스킬은 사용하다가 더 이상 필요하지 않으면 중단하며, 스킬 목록도 업무에 따라 계속 변한다.

2. 실패한 결과가 스킬의 명세가 된다

   1. Codex가 결과를 잘못 만들면 “잘하지 못했으니 다음에는 이렇게 하지 말고 기준을 바꿔 달라”고 피드백한다.
   2. 새 채팅을 열어 이전 맥락을 비운 뒤 동일한 테스트를 반복한다.
   3. 새 환경에서 성공하면 스킬이 실제로 일반화되었다고 판단하고, 실패하면 다시 기준을 수정한다.

3. 모델별 문법보다 결과 기준을 우선한다

   1. 특정 모델에서 오늘 잘 작동하는 스킬 문서 형식이 모델 업데이트 뒤에도 영원히 유효하다는 보장은 없다.
   2. 스킬 파일을 수동으로 완벽하게 작성하는 일보다 원하는 결과를 명확히 정의하고 성과로 평가하는 편이 낫다.
   3. AI에게 결과 기준을 지키도록 요구하고 측정 결과로 스킬을 업데이트하는 방식이 창작 워크플로에 적합하다.

7.2. 저위험 창작과 고위험 업무를 분리한다

1. 창작 업무는 빠른 실험을 허용한다

   1. 썸네일, 다이어그램, 아이디어 개요 같은 창작 업무는 결과가 마음에 들지 않아도 피해가 제한적이다.
   2. 이런 업무에서는 AI가 스스로 실행하도록 두고, 결과가 마음에 들지 않을 때 즉시 더 나은 결과를 요구하는 편이 효율적이다.
   3. 실패를 학습 데이터로 삼는 반복이 개인에게 맞는 스킬을 빠르게 만든다.

2. 고위험 업무는 검토 절차를 둔다

   1. 고객 업무, 결제, 민감한 문서처럼 실수의 영향이 큰 작업은 스킬의 내부 동작을 직접 분석한다.
   2. 필요하면 다른 사람이 스킬을 검토하도록 해 단일 에이전트의 판단에 의존하지 않는다.
   3. 위험도에 따라 자동화의 자유도와 승인 절차를 다르게 설정해야 한다.

8. 품질 우선 운영과 생산량 목표

AI가 작업 속도를 높여도 목표는 콘텐츠 수를 무한히 늘리는 것이 아니라 한 편에 더 많은 연구와 검증을 투입하는 것이다.

8.1. 배치 생산보다 한 편의 연구 밀도를 높인다

1. 배치 생산은 자연스러운 첫 반응이다

   1. Notion에 스크립트가 쌓이면 한 번에 녹화하고 대량으로 처리하고 싶어진다.
   2. 많은 제작자는 AI의 속도를 콘텐츠 개수로 전환하려고 한다.
   3. 이 방식은 초기에는 효율적으로 보이지만, 시간이 지나면 결과물이 영혼 없이 반복될 수 있다.

2. AI의 시간 절약을 품질 연구에 재투자한다

   1. Codex가 10분 동안 다른 크리에이터의 영상을 조사하게 하고, 좋은 페이싱을 자신의 영상에 적용하는 방법을 찾게 한다.
   2. 영상에 등장하는 모든 주장에 대해 팩트 체크를 시키고, 관련된 여러 브라우저 탭을 열어 근거를 검토한다.
   3. 빠른 리서치가 확보한 시간을 더 많은 영상 생산이 아니라 한 영상의 전체 연구량 증가에 사용한다.

3. 장기적인 해자는 품질의 누적이다

   1. 장기간 꾸준한 품질은 단기적인 배치 생산보다 모방하기 어렵다.
   2. 현장 경험, 검증된 시각 언어, 개인화된 스킬, 인간적인 설명 능력이 누적될수록 콘텐츠의 고유성이 높아진다.
   3. “더 많이”보다 “더 잘”을 선택하는 태도가 경쟁 우위를 만든다.

8.2. 긴 형식과 짧은 형식의 현실적인 목표

1. 긴 형식의 우선 목표는 주 4편이다

   1. Riley Brown은 장기적으로 주 4편의 긴 형식 영상을 만들고 싶어 한다.
   2. 짧은 형식 콘텐츠를 주 5편까지 추가하는 목표를 세웠다.
   3. 짧은 콘텐츠를 매일 하나씩 만들고 싶지만, 현재는 먼저 긴 형식의 안정적인 리듬을 구축하는 단계다.

2. 초보 제작자의 목표는 자신에게 맞아야 한다

   1. Peter Yang은 일주일에 한두 편만 만들어도 이미 지친다고 말한다.
   2. Riley Brown은 콘텐츠 제작 자체가 즐겁기 때문에 높은 목표를 감당할 수 있다고 답한다.
   3. 생산량 목표는 AI 도구가 정하는 수치가 아니라 제작자의 에너지, 편집 역량, 사업 구조에 맞춰 조절해야 한다.

9. 로컬 Codex에서 클라우드 에이전트 팀으로

개인 창작 도구가 팀의 업무 인터페이스로 확장되려면 로컬 파일, 인증, 권한, 공유 맥락을 함께 해결해야 한다.

9.1. 로컬 자동화와 클라우드 자동화의 트레이드오프

1. Codex 자동화는 컴퓨터가 켜져 있어야 한다

   1. Riley Brown은 자동화에 Codex를 많이 사용하지 않는다.
   2. 로컬 컴퓨터가 켜져 있어야만 자동화가 실행되는 제약을 피하고 싶기 때문이다.
   3. 대신 항상 실행 가능한 클라우드 에이전트를 사용해 정기적인 작업과 업데이트를 처리한다.

2. 클라우드 환경은 핵심 로컬 파일에 접근하기 어렵다

   1. 별도의 클라우드 컴퓨터를 사용하면 로컬 컴퓨터의 핵심 파일과 자산을 바로 읽을 수 없다.
   2. 로컬 환경은 파일 접근성이 좋지만 실행 지속성이 낮고, 클라우드 환경은 지속성이 좋지만 데이터와 인증을 연결해야 한다.
   3. 어느 에이전트도 모든 요구를 충족하지 못하며, 환경마다 다른 트레이드오프를 가진다.

3. 브라우저 인증이 자동화의 다음 관문이다

   1. 현재 클라우드 에이전트가 사용자의 앱에 로그인하려면 인증 정보와 권한 문제가 남아 있다.
   2. 브라우저 사용 기술이 발전하면 연말쯤 사용자가 인식하지 못하는 사이 에이전트가 로그인된 브라우저를 거의 완벽하게 조작할 수 있을 것으로 예상한다.
   3. 로그인된 클라우드 브라우저는 크론 작업과 장기 자동화에 특히 유리하다.

9.2. Slack 안에서 동작하는 에이전트 팀

1. 업무 역할별 에이전트를 만든다

   1. Riley Brown은 Slack에 에이전트 전용 채널을 만들고 세 개의 에이전트를 배치했다.
   2. 최고마케팅책임자(CMO) 에이전트는 업데이트를 보내고, Content Man 에이전트는 다른 사람의 콘텐츠를 분석해 짧은 영상 아이디어를 제공한다.
   3. Peter Yang의 YouTube 영상을 학습한 Peter Yangbot도 만들었지만, 촬영 직전에 생성해 충분히 완성하지는 못했다.

2. Chorus로 여러 모델과 메시지 인터페이스를 실험한다

   1. 세 에이전트는 Chorus로 만들었지만 에이전트를 만들 수 있는 제품은 이미 여러 개 존재한다.
   2. 현재 Chorus의 방향은 특정 모델 하나에 묶이지 않고 여러 모델을 사용할 수 있게 하는 것이다.
   3. iMessage, Slack, 그룹 메시지에서 에이전트와 대화하고 스킬을 활용하도록 만드는 흐름이 핵심이다.

3. 팀용 에이전트 인터페이스는 아직 미해결 문제다

   1. Codex 앱은 PR 협업을 제외하면 기본적으로 한 사람이 사용하는 싱글 플레이어 경험이다.
   2. 창작 스킬을 여러 사람이 공유하는 멀티플레이어 경험은 권한, 기억, 역할, 개인별 반응을 함께 해결해야 한다.
   3. Anthropic은 모든 것을 아는 하나의 통합 에이전트에 가까운 방향을 실험하고, 다른 팀은 마케팅 에이전트와 개발자 에이전트를 각각 팀원처럼 태그하는 방향을 탐색한다.

4. 에이전트는 사용자별 관계를 가져야 한다

   1. 같은 마케팅 에이전트라도 어떤 팀원에게 반응하느냐에 따라 알고 있는 배경과 설명 방식이 달라져야 한다.
   2. 팀 구성원마다 에이전트와 다른 관계를 맺는 모델은 단일 챗봇보다 강력하지만 복잡한 기억·권한 설계를 요구한다.
   3. Slack이 적절한 인터페이스인지에 대해서는 아직 확신이 없지만, 팀용 에이전트가 다음 단계라는 방향성은 분명하다.

10. 콘텐츠에서 컨설팅과 제품으로 확장하는 이유

콘텐츠만으로도 훌륭한 사업을 만들 수 있지만, 현장에서 제품을 만들고 고객을 만나야 교육 콘텐츠의 깊이와 지속성이 유지된다.

10.1. 스폰서십과 광고는 강력하지만 충분하지 않다

1. 콘텐츠 수익만으로도 안정적인 사업이 가능하다

   1. Riley Brown은 브랜드 스폰서십과 미드롤 광고를 진행한다.
   2. AI 회사들이 배포와 관심을 필요로 하기 때문에 AI 교육 크리에이터에게 스폰서 수요가 높다.
   3. 콘텐츠만으로도 아주 좋은 생활 수준을 만들 수 있고, 사업을 더 확장하지 않아도 되는 선택지가 있다.

2. 제품은 훨씬 어렵지만 더 깊은 학습을 만든다

   1. SaaS 제품을 만드는 일은 콘텐츠를 만들고 스폰서십을 받는 것보다 훨씬 복잡하다.
   2. 제품에는 개발, 운영, 고객 지원, 팀 구성, 반복적인 실패를 감당하는 선행 작업이 필요하다.
   3. 그 어려움 때문에 오히려 콘텐츠에 새로운 경험과 구체적인 사례가 공급된다.

10.2. 현장에 머무는 것이 크리에이터의 전문성을 지킨다

1. 개발자와 매일 대화하며 새로운 것을 배운다

   1. Riley Brown은 Codex를 많이 아는 이유가 개발자들과 매일 시간을 보내기 때문이라고 설명한다.
   2. 매일 서너 가지 새로운 사실을 배우고, 그 배움이 바로 콘텐츠의 소재가 된다.
   3. 기업이 에이전트를 도입하도록 돕는 컨설팅은 표면적인 뉴스 전달보다 훨씬 깊은 이해를 요구한다.

2. 유용하고 동기를 주는 크리에이터가 되려면 직접 사용해야 한다

   1. Riley Brown은 사람들이 자신의 사업에 에이전트를 구현하도록 돕는 유용한 크리에이터가 되고 싶어 한다.
   2. 실제 구축 경험 없이 콘텐츠만 만들면 기술의 한계와 운영상의 문제를 정확히 설명하기 어렵다.
   3. 제품과 컨설팅은 제작자가 현장에 계속 들어가도록 해 콘텐츠의 신뢰도를 지킨다.

3. 좋은 팀이 제품의 실행 부담을 나눈다

   1. 장기 목표는 Riley Brown이 콘텐츠 제작과 상단 퍼널(top of funnel)에 집중하는 것이다.
   2. 제품 개발과 운영은 유능한 팀과 파트너가 맡도록 구조화한다.
   3. 제품을 직접 만들지 않더라도 팀을 통해 사업을 실행하는 과정에서 새로운 학습과 레버리지가 생긴다.

10.3. Peter Levels 사례가 보여 주는 창작자 모델

1. 배포는 빌더의 관심을 증폭한다

   1. Peter Levels는 성공적인 SaaS 회사를 여러 개 만들었고, 높은 배포력을 통해 구축 과정과 결과를 공유한다.
   2. 그의 콘텐츠가 흥미로운 이유는 일반적인 뉴스가 아니라 직접 만든 제품과 그 과정에서 겪은 경험을 말하기 때문이다.

2. 실패 횟수도 학습 자산이 된다

   1. Peter Levels는 약 40번의 실패를 겪었지만 계속 새로운 시도를 한다.
   2. 성공한 제품뿐 아니라 실패한 제품의 수와 시행착오가 그의 이야기를 더 흥미롭게 만든다.
   3. 콘텐츠와 제품의 결합은 성공만 과시하는 마케팅보다 실제 사업의 분산과 불확실성을 보여 줄 수 있다.

11. 광고 삽입에서 드러난 AI 프로토타이핑 사례

Google AI Studio 광고는 영상 본문과 별개로, 아이디어를 실제 사용자 피드백 단계까지 빠르게 가져가는 AI 활용 사례를 제시한다.

11.1. 한 사업 아이디어에서 세 가지 랜딩 페이지를 만든다

1. 베이커리의 서로 다른 가치 제안을 실험한다

   1. Google AI Studio로 베이커리를 위한 랜딩 페이지 세 가지를 만든다.
   2. 한 페이지는 신선한 빵을 강조하고, 다른 페이지는 훌륭한 케이크를 강조하며, 나머지 페이지는 베이커리의 이야기를 강조한다.
   3. Google의 Nano Banana 모델로 생성한 이미지를 랜딩 페이지에 사용한다.

2. 프로토타입을 바로 공유해 반응을 얻는다

   1. 웹사이트를 쉽게 게시하고 사용자에게 공유할 수 있는 커스텀 URL을 만든다.
   2. CorgiConfections.ai.studio라는 URL로 세 가지 변형을 잠재 고객에게 전달한다.
   3. 제품을 완성한 뒤 검증하는 대신, 아이디어 단계에서 여러 메시지를 만들어 피드백을 받는 방식이다.

주요 발언 모음

“사람들이 처음에는 배치로 더 많이 만들고 싶어 한다. 내가 원하는 것은 더 나은 결과다.”

“장기간의 품질이 배치 생산보다 더 큰 해자라고 생각한다. 배치는 시간이 지나면 결과물을 영혼 없게 만든다.”

“AI 시대에 올라가는 가치는 시청자를 훅으로 붙잡고, 자신이 열정을 가진 주제를 잘 설명하는 능력이다.”

“내가 반복해서 하는 일 중 유용한 것을 발견하면 Codex에게 스킬로 바꿔 달라고 한다.”

“스킬 파일을 직접 완벽하게 쓰기보다, AI에게 기준을 지키도록 요구하고 결과를 측정하면서 개선한다.”

“콘텐츠만 만들고 사업을 운영했다면 콘텐츠가 말라 버렸을 것이다. 현장에 있어야 계속 배울 수 있다.”

핵심 데이터 & 수치

• 약 3년: Riley Brown이 AI 교육 콘텐츠를 만들어 온 기간이다.
• 거의 170만 명: YouTube, X, Instagram, TikTok을 합친 팔로워 규모다.
• 1.5M+: Peter Yang의 소개에서 사용된 대규모 팔로워 기준이다.
• 약 3개월: 기업의 AI 에이전트 사용 사례를 집중적으로 대화하고 관찰한 최근 기간이다.
• 약 1초: Super Data API가 한 YouTube 영상의 전체 트랜스크립트를 가져오는 데 걸리는 시간이다.
• 약 30초: Codex 서브에이전트 여러 개로 채널 전체를 스크랩하는 데 걸리는 예시 시간이다.
• 약 300,000회: Codex 활용 9가지를 소개한 Riley Brown의 최고 성과 영상 조회수다.
• 첫 30초: 지루하면 시청자가 이탈하기 때문에 훅과 도입부를 집중적으로 설계해야 하는 구간이다.
• 약 10분: Whisper Flow로 걸어 다니며 아이디어를 말해 다이어그램 초안을 만드는 시간이다.
• 약 80%: Excalidraw 스킬이 실제 영상에 쓸 수 있는 다이어그램 초안으로 제공하는 비중이다.
• 20~30분: AI가 만든 다이어그램을 직접 편집해 완성하는 추가 시간이다.
• 약 100개: 성과가 좋은 썸네일을 스크랩해 레퍼런스로 삼는 규모다.
• 7개: Paper에서 한 번에 생성해 비교하는 썸네일 후보의 예시 수다.
• 주 4편: 장기적으로 만들고 싶은 긴 형식 영상의 목표다.
• 주 5편: 장기적으로 만들고 싶은 고품질 짧은 형식 영상의 목표다.
• 3개: Riley Brown이 Slack의 에이전트 채널에서 운용한 에이전트 수다.
• 약 40번: Peter Levels가 실패한 제품을 포함해 시도한 횟수로 언급된 수치다.

결론 및 실행 시사점

1. 주제를 먼저 선택한다: 자신의 현장 경험과 호기심에서 말하고 싶은 내용을 정한 뒤 패키징을 사후에 최적화한다.
2. 도입부를 별도로 설계한다: 전체 본문을 먼저 만들고 B-R-E-N-S 기준으로 첫 30초의 약속을 다시 쓴다.
3. 형식을 연구한다: 성과가 좋은 영상의 훅과 전개 구조를 YouTube 연구자 스킬로 분석하고, 문장이 아니라 형식을 자신의 주제에 맞게 이식한다.
4. 자연어 아이디어를 자산으로 바꾼다: Whisper Flow로 생각을 쏟아낸 뒤 Excalidraw 다이어그램과 Notion 개요로 구조화한다.
5. 작업을 실제로 실행한 뒤 스킬화한다: 필요할 것 같은 스킬을 미리 만들지 말고 반복적으로 유용성이 확인된 작업만 스킬로 저장한다.
6. 실패를 스킬 개선에 사용한다: 새 채팅에서 동일한 작업을 다시 테스트하고 결과 기준을 만족할 때까지 스킬을 수정한다.
7. 스킬을 연쇄적으로 연결한다: YouTube 연구, 이미지 수집, Remotion 그래픽, Paper 디자인을 한 프롬프트 안에서 조합한다.
8. 시각 레퍼런스를 프롬프트로 활용한다: 썸네일 스타일을 긴 문장으로 설명하기보다 성과가 좋은 이미지를 Paper 보드에 놓고 AI가 요소를 참조하게 한다.
9. AB 테스트를 비용이 아니라 레버리지로 본다: 썸네일 성과가 크게 달라질 수 있다면 전문 디자이너와 반복 실험에 투자한다.
10. AI의 속도를 생산량보다 연구량에 투자한다: 팩트 체크, 경쟁자 페이싱 분석, 관련 자료 탐색으로 한 편의 품질을 높인다.
11. 위험도에 따라 자동화 수준을 조절한다: 창작 업무는 빠르게 실험하되 결제·고객·민감 문서는 스킬을 검토하고 별도 승인 절차를 둔다.
12. 로컬과 클라우드의 차이를 이해한다: 로컬은 파일 접근성이 좋고 클라우드는 지속 실행이 좋으므로 업무 요구에 맞는 환경을 선택한다.
13. 팀용 에이전트의 역할을 작게 시작한다: 마케팅, 콘텐츠 분석, 개인 지식 봇처럼 명확한 역할부터 Slack에 배치한다.
14. 콘텐츠와 제품을 연결한다: 콘텐츠에서 배운 내용을 제품과 컨설팅으로 검증하고, 현장 경험을 다시 콘텐츠의 근거로 순환시킨다.
15. 성장보다 지속 가능한 에너지를 선택한다: 조회수만 좇지 않고 제작자에게 에너지를 주는 주제를 오래 탐구한다.

핵심 요약 (20줄)

Riley Brown은 약 3년 동안 AI 교육 콘텐츠를 만들며 여러 플랫폼에서 거의 170만 명의 팔로워를 확보했다. 콘텐츠 사업은 AI 교육, Vibe Code와 Chorus 같은 제품, 기업 대상 에이전트 컨설팅으로 확장됐다. YouTube·X·Instagram·TikTok은 단순 재활용 채널이 아니라 각각의 문법에 맞춘 네이티브 콘텐츠 플랫폼으로 운영된다. Codex는 로컬 파일과 컴퓨터를 직접 제어해 창작 도구와 업무 애플리케이션을 하나의 흐름으로 연결한다. Remotion과 개인 브랜드 스킬을 결합하면 영상 도입부에 사용할 그래픽과 애니메이션을 빠르게 만들 수 있다. 인터넷 이미지 풀러는 SER API를 이용해 트랜스크립트와 관련된 로고와 B-roll 자산을 수집한다. YouTube 연구자 스킬은 Super Data API와 서브에이전트로 채널과 영상의 트랜스크립트를 빠르게 분석한다. 훅 아웃라인은 성과가 좋은 영상의 도입 형식을 추출해 새로운 주제에 적용하게 한다. 완전한 대본보다 인간의 열정과 현장 설명 능력이 AI 시대의 콘텐츠 가치를 높인다. B-R-E-N-S는 훅에 큰 변화, 공감할 맥락, 쉬운 실행법, 새로움, 시간 낭비를 막는 안전감을 넣는 기준이다. Riley Brown은 주제와 본문을 자신의 호기심에서 먼저 만들고 제목과 썸네일을 촬영 후에 최적화한다. Whisper Flow로 10분 동안 말한 아이디어는 Excalidraw 스킬을 통해 영상 슬라이드의 80% 초안으로 바뀐다. Notion 데이터베이스와 Typefully 연결은 콘텐츠 아이디어와 X 게시물 초안을 발생 즉시 기록하게 한다. Paper는 성과가 좋은 썸네일을 한 보드에 모으고 자신의 사진을 레퍼런스에 맞춰 편집하게 한다. 시각 레퍼런스를 직접 제공하고 부분 수정하는 방식은 AI의 얼굴 왜곡 문제를 줄인다. 스킬은 미리 완벽하게 작성하는 문서가 아니라 실제 결과를 테스트하며 개선하는 반복 업무다. 저위험 창작 작업은 AI가 자유롭게 실험하게 하고 결제와 민감 문서는 별도의 검토 절차를 둬야 한다. AI가 절약한 시간을 배치 생산보다 팩트 체크와 경쟁자 페이싱 분석에 투자하면 콘텐츠 품질이 높아진다. 로컬 Codex는 파일 접근성이 좋고 클라우드 에이전트는 지속 실행이 좋으므로 두 환경의 트레이드오프를 관리해야 한다. 콘텐츠만으로도 수익을 낼 수 있지만 제품과 컨설팅의 현장 경험이 크리에이터의 전문성과 콘텐츠의 지속성을 강화한다.