ChatGPT로 콘텐츠 워크플로의 90% 자동화하기

URL: https://www.youtube.com/watch?v=PZHBW6yld5U
원문 제목: How I Automated 90% of My Content Workflow (With ChatGPT)
날짜: 2026-09-16
채널: Peter Yang
재생시간: 약 19분 36초

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==반복되는 콘텐츠 제작의 모든 수작업을 먼저 지도화하고, 단계별 AI skill을 만든 뒤, 이를 처음부터 끝까지 연결하면 제작 과정의 90%를 자동화하면서도 인간의 취향과 판단을 남길 수 있다.==

• Peter Yang은 매주 일요일 팟캐스트를 발행하며 게스트 조사부터 인터뷰 준비, 녹음, 편집 지시, 뉴스레터·YouTube·소셜·클립 패키징까지 맡아 왔다.
• 기존에는 AI의 도움을 받아도 여러 날이 걸렸지만, 15개의 수작업을 세 phase로 묶고 phase별 skill을 만들어 주당 최소 5시간을 절약한다.
• AI가 초안을 한 번에 완벽하게 만들 것이라고 기대하지 않고, 매 단계에서 피드백·수동 편집·검수를 수행하며 그 차이를 다시 skill에 반영한다.

핵심은 특정 도구를 많이 시험하는 데 있지 않다. 매주 시간을 잡아먹는 업무 하나나 둘을 골라 실제 작업 순서를 빠짐없이 적고, AI가 맡을 부분과 사람이 맡을 판단을 분리한 다음, MCP(Model Context Protocol)와 plugin을 연결해 반복 가능한 시스템으로 만드는 데 있다. Yang은 결과물을 값싼 자동 생성물(slop)이 아니라 “high taste and high craft”로 유지하려면 사람이 계속 개입해야 한다고 강조한다.

1. 출발점: 팟캐스트 제작을 수작업에서 시스템으로 바꾸기

매주 반복되는 작업을 낱낱이 적어야 AI가 자동화할 수 있는 경계와 인간의 판단 지점을 볼 수 있다.

1.1. 일요일 발행 루틴과 과거의 병목

1. 주간 발행 일정

   1. 일요일 팟캐스트: Yang은 매주 일요일 새 팟캐스트 에피소드를 발행한다.
   2. 한 편에 딸린 다중 산출물: 한 번의 대화를 팟캐스트, 뉴스레터 포스트, YouTube 영상, 소셜 포스트, 짧은 클립으로 확장한다.

2. 예전의 수작업

   1. 게스트 조사: 출연자의 배경과 주제를 직접 조사한다.
   2. 인터뷰 가이드 작성: 조사 결과를 질문과 진행 순서로 바꾼다.
   3. 대화 녹음: 게스트와 실제 인터뷰를 진행한다.
   4. 편집 지시서 작성: 영상 편집자에게 살릴 부분, 자를 부분, 필요한 패키징을 전달한다.
   5. 콘텐츠 패키징: transcript 정리, YouTube 업로드, 제목·썸네일 조합, 뉴스레터 작성, 클립 제작, 소셜 포스트 작성 등을 차례로 수행한다.

3. 시간 문제

   1. 여러 날의 소요: AI 도움을 받더라도 전체 과정은 여러 날이 걸렸다.
   2. 반복 청취의 비용: 흥미로운 구간을 고르려면 팟캐스트 전체를 다시 들어야 했고, 같은 내용을 여러 플랫폼 형식으로 재가공해야 했다.

1.2. 현재의 목표와 세 phase

1. 자동화 목표

   1. 90% 자동화: 서로 협력하는 AI skill 체계로 전체 과정의 90%를 자동화한다.
   2. 인간의 taste와 judgment 보존: AI 출력물을 그대로 게시하지 않고 Yang의 취향과 판단을 각 단계에 적용한다.
   3. 주당 최소 5시간 회수: 자동화의 실질적 목표는 매주 적어도 5시간을 되찾는 것이다.

2. 세 phase로 묶기

   1. Podcast prep: 게스트를 조사하고 인터뷰 가이드를 준비한다.
   2. Podcast edit: 녹음 후 영상 편집자에게 보낼 지시와 편집 패키지를 만든다.
   3. Podcast production: transcript부터 업로드, 제목·썸네일, 뉴스레터, 클립, 소셜 포스트까지 후반 제작과 배포를 패키징한다.

2. 1단계 — 모든 수작업을 지도화하고 AI의 담당 범위 찾기

자동화의 첫 단계는 멋진 prompt가 아니라, 현재 업무에서 사람이 실제로 밟는 모든 단계를 세밀하게 기록하는 것이다.

2.1. 15개 단계의 작업 지도

1. 전체 작업 목록 만들기

   1. 15개 수작업: Yang은 팟캐스트 한 편을 만들기 위해 자신이 수동으로 해 오던 단계를 15개로 목록화했다.
   2. 누락 금지: AI에게 줄 지시와 맥락이 많고 정확할수록 전체 흐름을 자동화할 가능성이 커지므로 사소해 보이는 단계도 빼지 않는다.

2. 준비 phase

   1. 게스트 리서치: 출연자의 경력, 주제와 관련된 작업, 기존 발언을 조사한다.
   2. 인터뷰 가이드: 조사에서 얻은 질문, 예상 답변에 대한 메모, 대화의 흐름을 구성한다.

3. 녹음·편집 지시 phase

   1. 인터뷰 녹음: 준비한 가이드로 대화를 녹음한다.
   2. 편집자 전달: 녹음본에서 사용할 도입부, 인용문, 삭제할 구간, 클립 후보를 골라 영상 편집자에게 보낸다.

4. 후반 제작 phase

   1. transcript와 YouTube: 팟캐스트 transcript를 확보·정리하고 에피소드를 YouTube에 업로드한다.
   2. 패키징: 제목과 썸네일 조합을 만들고, 뉴스레터 포스트와 YouTube·Spotify 설명을 작성한다.
   3. 재가공·배포: 짧은 영상 클립을 만들고 소셜 포스트를 작성·예약한다.
   4. 부수 작업: 스폰서 링크, 타임스탬프, 재생목록, 수익화 설정 등 게시 과정의 반복 조작도 포함한다.

2.2. ChatGPT에게 맡길 부분을 먼저 묻기

1. 목록을 그대로 전달하기

   1. 질문 방식: 전체 작업 목록을 ChatGPT에 복사해 넣고 “여기서 어떤 일을 내 부담에서 덜어낼 수 있나?”라고 묻는다.
   2. 기존 skill의 영향 차단: 이미 여러 skill을 만들어 둔 상태였기 때문에 출력이 그 skill들에 의해 편향되지 않도록 cognito mode를 사용한다.

2. AI가 맡을 수 있다고 판단한 작업

   1. 준비 작업: 게스트 조사와 인터뷰 가이드 초안 작성을 맡을 수 있다고 답한다.
   2. 편집 준비: intro reel 후보를 찾고 transcript를 정리할 수 있다고 답한다.
   3. 후반 제작: 제목·썸네일, 뉴스레터 포스트, 클립, 소셜 포스트 등의 대부분을 맡을 수 있다고 답한다.
   4. 필요한 전제: AI는 대부분을 소유할 수 있지만, Yang의 약간의 가이드가 있어야 한다고 정리한다.

3. 1단계의 실천 규칙

   1. 작업부터 해부: 자동화 도구를 고르기 전에 현재 workflow의 매뉴얼을 작성한다.
   2. 반복 패턴 식별: 목록을 보면 준비, 편집, 제작처럼 반복되는 phase가 드러나고, 다음 단계의 skill 설계 단위가 된다.

3. 2단계 — phase별 AI skill 만들기

AI skill은 한 번의 거대한 대화가 아니라, 각 phase의 목적과 순서를 고정한 재사용 가능한 작업자다.

3.1. 세 개의 상위 skill

1. Podcast prep skill

   1. 목적: 게스트를 조사하고 인터뷰 가이드를 만든다.
   2. 산출물: 연구 링크, 시장·YouTube 참고자료, 질문, 예상 답변 메모, 시연할 use case, 패키징 아이디어를 포함한 준비 문서를 낸다.

2. Podcast edit skill

   1. 목적: 녹음이 끝난 뒤 편집자에게 전달할 지시와 자료를 만든다.
   2. 산출물: Linear 티켓, intro reel, 인용문, 삭제할 구간, 클립 후보와 소셜 copy가 들어간 editor package를 낸다.

3. Podcast production skill

   1. 목적: 후반 제작과 배포 패키징을 총괄한다.
   2. 오케스트레이션: podcast post, thumbnail title, show notes, social, video clip 등 개별 skill을 현재 순서에 맞춰 하나씩 호출한다.
   3. 라우팅 계층: 어떤 산출물을 먼저 만들고 다음 skill에 무엇을 넘길지 orchestration·routing layer가 관리한다.

3.2. 모델과 skill의 기본 설계

1. 과도한 모델 선택을 피하기

   1. GPT medium 사용: Yang은 이 workflow에서 GPT의 medium 수준을 주로 사용한다.
   2. 토큰 절약: 토큰을 아끼기 위해 매번 더 무겁고 비싼 추론 옵션을 선택할 필요가 없으며, medium이면 충분하다고 말한다.

2. skill 문서의 핵심 구성

   1. 이름: skill이 어떤 phase를 담당하는지 분명히 적는다.
   2. 사용 시점: 언제 호출해야 하는지 정의한다.
   3. 실행법: AI가 따라야 할 단계와 필요한 결과를 구체적으로 적는다.
   4. 예시와 기준: 과거에 직접 쓴 좋은 결과물을 넣어 tone, style, guideline을 학습시킨다.

4. 실제 사례 — ChatGPT Finance 팟캐스트 준비

세 phase는 Ethan이라는 OpenAI 제품 리드와 진행한 개인 재무 팟캐스트를 실제 사례로 시연한다.

4.1. 조사 prompt와 인터뷰 가치 판단

1. 시작 prompt

   1. 주제와 인물: “OpenAI의 Ethan과 개인 재무(personal finance)에 대해 인터뷰한다. 조사하고 인터뷰 가이드를 준비해 달라”고 입력한다.
   2. 자동 호출: ChatGPT가 Podcast prep skill을 자동으로 호출한다.

2. 리서치 결과

   1. 권장 목표: Ethan과의 대화는 추상적인 AI 소개보다 실용적인 개인 재무 use case에 초점을 맞추는 것이 좋다고 제안한다.
   2. 근거 링크: ChatGPT Finance에 관한 조사 자료와 관련 링크를 모은다.
   3. YouTube scan: 개인 재무와 ChatGPT를 다루며 성과가 좋은 YouTube 영상도 찾아 해당 niche의 관심도를 확인한다.
   4. 초기 packaging: 썸네일·제목 조합을 처음부터 제안해 인터뷰를 어떤 약속으로 포장할지 생각하게 한다.

3. 인터뷰를 할 가치 검증

   1. 수요 확인: ChatGPT로 재무를 관리하는 흥미로운 영상이나 use case가 전혀 없다면 인터뷰 자체가 가치가 없을 수 있다.
   2. 선행 조사: 녹음에 들어가기 전에 시청자 관심, 차별화 가능성, 패키징 가능성을 확인해 시간 낭비를 막는다.

4.2. 초안 가이드와 인간의 재지시

1. AI가 구성한 첫 가이드

   1. 도입부: Ethan을 소개하고 대화의 맥락을 여는 intro를 만든다.
   2. 질문과 답변 메모: 조사에서 예상되는 답변에 대한 notes를 질문 옆에 붙인다.
   3. 주요 category: ChatGPT가 돈과 실제로 무엇을 할 수 있는지, OpenAI finance benchmark, Ethan의 배경을 바탕으로 신뢰할 수 있는 personal CFO를 만드는 방법을 제시한다.

2. 덜 흥미로운 부분을 걸러내기

   1. benchmark의 한계: OpenAI finance benchmark는 흥미도가 낮다고 판단한다.
   2. 신뢰의 문제: Ethan의 배경과 personal CFO라는 방향은 사용자가 재무 조언을 신뢰할 수 있는지와 연결되므로 살릴 가치가 있다고 본다.

3. Yang의 구체적 피드백

   1. 추가 조사: ChatGPT Finance 문서와 Ethan의 tweet history를 더 찾아 use case 중심으로 보강하라고 한다.
   2. 원하는 인터뷰 순서: ChatGPT Finance가 무엇인지 설명하고, 계정을 연결하는 법을 다루고, 실제 use case로 넘어가는 구조를 지정한다.
   3. 반복 수정: AI가 처음 만든 구조를 그대로 쓰지 않고 피드백에 따라 interview guide를 다시 작성하게 한다.

4.3. 최종 준비 문서

1. 세 가지 명확한 영역

   1. Questions: 실제 인터뷰에서 물을 질문을 정리한다.
   2. Notes: 질문별 조사 내용과 예상 답변의 맥락을 둔다.
   3. Use cases: 대화 중 직접 시연할 개인 재무 활용 사례를 분리한다.

2. 협업 전달

   1. Google Doc: ChatGPT가 정리한 내용을 Google Doc에 작성한다.
   2. 검토 요청: Ethan과 팀에 보내 인터뷰 전에 함께 검토한다.

5. 녹음과 편집 지시 — Riverside MCP와 Linear 연결

녹음이 끝난 뒤에도 AI는 전체 transcript를 훑어 편집자가 바로 사용할 수 있는 자료를 만든다.

5.1. Riverside 녹음 환경

1. 실제 녹음

   1. 15분 샘플: Ethan과의 완성된 녹음 길이는 15분이다.
   2. 로컬 녹화: Riverside는 각자의 로컬 환경에서 녹화해 높은 해상도를 유지한다.
   3. 연결 안정성: 로컬 녹화 덕분에 통화 연결이 끊겨 녹음 품질이 떨어지는 문제를 걱정하지 않아도 된다.

2. Riverside의 AI 도구

   1. dead air 제거: 침묵 구간을 자동으로 잘라낸다.
   2. repeat phrase 제거: 반복해서 말한 구절과 불필요한 부분을 자동으로 줄인다.
   3. UI 밖의 활용: Yang은 UI에서 직접 작업하기보다 Riverside MCP를 ChatGPT에 설치해 지시하는 방식을 선호한다.

5.2. Podcast edit skill이 만드는 editor package

1. Linear 티켓 생성

   1. 첫 행동: “Riverside Ethan recording에 Podcast edit skill을 실행하라”고 하면 AI가 먼저 영상 편집자용 지시를 담은 Linear 티켓을 만든다.
   2. 패키지 확장: 이어서 thumbnail·title과 편집 자료를 묶은 editor package를 만든다.

2. 30~40초 intro reel

   1. 목적: 모든 에피소드에 팟캐스트에서 가장 매력적인 대목을 강조하는 30~40초 intro reel을 붙인다.
   2. 두 가지 후보: skill은 작성된 transcript를 읽고 option A와 option B, 두 개의 intro reel 후보를 만든다.
   3. 인간의 선택: Yang은 두 후보에 피드백을 주고 원하는 요소를 결합해 최종 intro를 정한다.

3. 클립 후보 발굴

   1. 전체 transcript 검색: AI가 녹음 전체를 읽고 흥미로운 구간을 찾아낸다.
   2. 사례 후보: “ChatGPT로 9일간의 지출을 audit할 수 있다”는 대목이 첫 클립 후보로 제시되고, 소셜 copy와 전체 transcript도 함께 나온다.
   3. 시작·종료점 수정: Yang은 클립을 어디서 시작하고 끝낼지 다시 지정해 후보를 다듬게 한다.

5.3. 편집팀이 쓰는 Linear 티켓

1. 티켓 구성

   1. Thumbnail과 title: 앞 단계에서 정한 패키징 후보를 넣는다.
   2. Intro reel과 quotes: 도입부 영상과 뽑아 쓸 인용문, 위치 정보를 적는다.
   3. Moments to cut: logistic issue, technical difficulty 등 잘라낼 지점을 전체 에피소드에서 찾아 timestamp로 표시한다.
   4. Clips copy: 만들고 싶은 클립의 본문, social copy, 관련 자료를 함께 넣는다.

2. 사람의 역할이 남는 이유

   1. 시간 절약: 직접 하려면 팟캐스트 전체를 다시 듣고 흥미로운 순간을 골라야 하므로 몇 시간이 걸린다.
   2. 검수와 taste: AI 결과를 그대로 복사하지 않고 Yang이 후보를 검토하고 피드백을 주며 좋은 결과로 수렴시킨다.
   3. 반복 가능한 전달: 최종 자료가 Linear 티켓 하나에 모여 편집자가 필요한 정보를 한 곳에서 확인한다.

6. Podcast production — 후반 제작물 하나씩 완성하기

가장 많은 일이 몰린 production phase는 상위 skill이 여러 하위 skill을 순서대로 호출해 반복 작업을 연결한다.

6.1. Substack 뉴스레터 포스트

1. 뉴스레터의 구성

   1. 기본 요소: 영상, 제목, 영상 timestamp, sponsor 정보를 포함한다.
   2. 독자 가치: 팟캐스트에서 얻을 수 있는 takeaway와 특히 insightful한 대목을 글로 정리한다.

2. podcast post skill의 초안

   1. 호출 방식: “뉴스레터 포스트를 작업하자”고 하면 Podcast production이 podcast post skill을 첫 draft 작성 단계로 호출한다.
   2. 원하는 방향: Ethan이 공유한 실제 prompt를 중심으로 아주 practical하게 작성하라고 지시한다.
   3. 첫 결과의 문제: 최초 draft는 좋지 않았다. prompt 내용이 정확하지 않았고 Yang이 원하는 활용법을 충분히 반영하지 못했다.

3. 정확한 여섯 prompt 반영

   1. 사람이 기준 제공: Ethan이 실제로 공유한 정확한 여섯 개 prompt를 직접 제시한다.
   2. 재작성: AI가 그 여섯 prompt를 뉴스레터 포스트에 통합한다.
   3. 실용성 강화: 독자는 일반적인 AI 찬양이 아니라 ChatGPT로 돈을 절약하는 구체적인 prompt를 그대로 확인할 수 있게 된다.

6.2. Thumbnail·title packaging과 A/B test

1. thumbnail title skill의 조사

   1. 주제 추출: transcript를 다시 읽어 팟캐스트에서 다룬 main topic을 찾는다.
   2. 성과 비교: Yang 자신의 채널과 비슷한 채널에서 성과가 좋은 영상을 조사한다.
   3. 조합 제안: 조사 결과를 바탕으로 제목과 썸네일의 여러 조합을 만든다.

2. 다섯 패키지와 인간의 선택

   1. 후보 수: AI는 다섯 가지 packaging 조합을 제안한다.
   2. 재지정: Yang은 후보를 생각해 본 뒤 “이 조합들로 하자”고 원하는 방향을 다시 제시한다.
   3. 시청률의 중요성: YouTube에서는 사람들이 클릭해 시청하게 만드는 thumbnail·title 선택이 매우 중요하다고 강조한다.

3. 템플릿과 Figma MCP

   1. 반복 템플릿: 팟캐스트용 thumbnail template이 이미 있다면 매번 처음부터 디자인할 필요가 없다.
   2. 직접 수정: Figma MCP나 사용하는 디자인 도구를 연결하면 AI에게 thumbnail을 직접 수정하게 할 수 있다.
   3. 현실적인 소요 시간: Yang은 좋은 thumbnail·title을 고르는 데 AI의 도움을 받아도 적어도 30~40분이 걸릴 만큼 결과에 까다롭다고 말한다.
   4. 최종 운영: 선택한 조합들은 해당 에피소드에서 A/B test한다.

6.3. YouTube·Spotify show notes와 게시 설정

1. show notes skill의 산출물

   1. 설명문 작성: YouTube와 Spotify 설명문 초안을 만든다.
   2. 정확한 timestamp: 편집자가 업로드한 YouTube 영상을 기준으로 timestamp를 맞춘다.
   3. 링크 수집: sponsor 링크, 뉴스레터 포스트 링크, Ethan을 찾을 수 있는 온라인 링크를 스스로 찾아 넣는다.

2. 피드백을 통한 구체화

   1. 일반 제목 보완: Yang은 timestamp에 단순 구간명이 아니라 실제 use case 이름을 쓰라고 피드백한다.
   2. 반복 수정: show notes도 한 번에 완벽하지 않으므로 여러 차례 고친다.

3. 브라우저 작업 자동화

   1. YouTube 설명문 입력: 합의한 show notes를 browser use로 복사해 실제 YouTube description에 붙여 넣는다.
   2. 게시 옵션: 수익화(monetization)를 켜고 올바른 playlist에 넣는 등 버튼을 눌러야 하는 반복 작업도 수행한다.
   3. 자동화 범위: 글을 쓰는 일뿐 아니라 게시 화면에서의 운영 조작까지 AI workflow에 포함한다.

6.4. 수동 편집을 skill 개선 데이터로 바꾸기

1. AI 초안을 그대로 믿지 않기

   1. 불만족 인정: 뉴스레터 초안이 비교적 좋아진 뒤에도 Yang은 완전히 만족하지 못해 직접 여러 부분을 편집한다.
   2. 고품질 원칙: 수동 편집은 AI를 거부하는 행동이 아니라 다음 실행에서 같은 오류를 줄이기 위한 품질 데이터가 된다.

2. before snapshot과 비교

   1. snapshot 저장: 직접 편집하기 전에 AI 수정본의 현재 상태를 snapshot으로 남긴다.
   2. after 비교: 수동 편집을 끝낸 뒤 AI에게 두 버전의 차이를 설명하게 한다.
   3. 변경 이유 확인: 무엇이 바뀌었는지 설명시키는 목적은 다음 실행에서 한 번에 좋은 결과를 얻도록 skill을 업데이트하는 데 있다.

3. one-shot을 위한 skill 업데이트

   1. 변경 목록 요청: “다음에는 한 번에 처리하고 실수를 피할 수 있도록 podcast post skill의 before·after 변경을 요약하라”고 요청한다.
   2. 승인 가능한 번호 목록: AI가 변경사항을 번호 목록으로 정리해 각 항목을 accept 또는 decline할 수 있게 한다.
   3. 검토와 재피드백: Yang은 목록을 직접 읽고 검토한 뒤 추가 피드백을 준다.
   4. 반영 명령: 최종적으로 “모든 업데이트를 skill에 적용하라”고 지시한다.
   5. 학습 루프: 수동 편집 → 차이 분석 → 선택적 승인 → skill 업데이트를 반복하면 skill이 같은 실수를 계속하지 않는다.

6.5. Social skill로 teaser와 포스트 예약하기

1. 기본 산출물

   1. 요청량: Podcast social skill에 teaser 두 개와 podcast post 두 개를 요청한다.
   2. 스타일 주입: Yang이 과거에 직접 쓴 좋은 teaser와 podcast post를 skill에 제공하고 같은 style과 guideline을 따르라고 한다.

2. 사람의 문장 편집

   1. 초안의 한계: 예시를 충분히 줘도 한 번에 완벽한 결과가 나오지는 않는다.
   2. intro quote 교체: Yang은 더 좋은 도입 인용문을 고르라고 지시하고 직접 문장을 다듬는다.

3. 웃는 장면을 찾아 이미지 붙이기

   1. 구체적 시각 기준: 양쪽이 모두 웃는 YouTube screen cap을 찾아 teaser post에 붙이라고 요청한다.
   2. 첫 후보의 문제: 처음 찾은 이미지에서 Ethan이 웃고 있지 않아 조건을 충족하지 못한다.
   3. 재검색 결과: AI가 둘 다 즐겁게 대화하는 것처럼 보이는 장면을 다시 찾아 첨부한다.
   4. 예약: 합의한 copy와 이미지가 붙은 teaser post를 Typefully에 넣고 다음 토요일로 예약한다.

6.6. 클립 제작과 Typefully 게시

1. 클립 후보 선택

   1. 후보 예시: “ChatGPT가 세금 계획을 실행하게 만들기”가 1번, “숨은 신용카드 reward 찾기”가 2번으로 제안된다.
   2. 대화의 재미: Yang은 세 번째 옵션이 자신과 Ethan 사이의 banter를 가장 잘 살린다고 판단한다.

2. Riverside로 클립 만들기

   1. MCP 실행: “세 번째 옵션이 좋으니 Riverside로 clip을 만들어 달라”고 요청한다.
   2. 편집 검수: 생성된 클립에서 pause와 불필요한 단어가 많이 빠졌는지 확인한다.
   3. 원하는 리듬 조정: AI가 고른 후보를 그대로 쓰지 않고 실제로 원하는 타이밍과 문장만 남도록 검토한다.

3. 최종 소셜 예약

   1. copy도 별도 검토: 클립과 함께 게시될 social post의 문구도 확인한다.
   2. 승인 명령: “Looks good. 둘 다 Typefully에 올려 게시물을 예약하라”고 지시한다.
   3. 최종 상태: Typefully에서 전체 clip과 소셜 copy가 함께 들어간 예약 게시물을 확인한다.

7. 자동화의 운영 원칙과 한계

AI가 시간을 줄여도 최종 품질은 사람이 쌓아 온 기준, 예시, 피드백 루프에서 나온다.

7.1. AI slop을 막는 인간의 역할

1. 각 단계의 검수

   1. 출력 확인: Yang은 workflow의 각 단계에서 AI output을 검토한다.
   2. 필요한 수동 편집: prompt, 인용문, 클립 시작·종료점, 썸네일·제목 등 마음에 들지 않는 부분을 직접 수정한다.

2. 고품질 기준

   1. 자동 게시 거부: AI가 내놓은 결과를 그대로 복사해 게시하지 않는다.
   2. high taste와 high craft: 목표는 양산형 slop이 아니라 취향과 완성도가 높은 콘텐츠다.
   3. 자동화의 정의: 자동화는 판단을 없애는 것이 아니라, 판단 전에 필요한 조사·초안·검색·반복 조작을 줄이는 것이다.

7.2. 다른 업무에 적용하는 세 단계

1. workflow 선택

   1. 한두 개만 시작: 매주 많은 시간을 잡아먹는 수작업 workflow 한두 개를 고른다.
   2. 구체적 목록: 처음부터 모든 업무를 자동화하려 하지 말고 선택한 workflow의 단계를 빠짐없이 쓴다.

2. AI에게 분해 요청

   1. 질문: “내가 하는 수작업은 다음과 같다. 어느 부분을 streamline할 수 있나?”라고 ChatGPT나 Claude에 묻는다.
   2. 도구 연결: ChatGPT와 Claude에 연결하는 MCP와 plugin이 많을수록 AI가 실제로 대신할 수 있는 단계가 늘어난다.

3. skill 연결

   1. phase별 제작: 목록에서 드러난 phase마다 AI skill을 만든다.
   2. end-to-end 연결: 개별 skill을 고립된 prompt로 두지 말고 전체 workflow의 앞뒤 순서로 연결한다.
   3. 완전 자동화 지향: 가능한 만큼 전체 흐름을 자동화하되, 사람이 taste와 judgment를 넣는 검수 지점을 명시한다.

7.3. 복잡해 보여도 시작하는 법

1. AI가 대부분 작성

   1. 외형의 복잡성: Podcast prep skill은 이름, 실행 시점, 사용법, 여러 단계 때문에 처음 보면 상당히 복잡하고 위협적으로 보인다.
   2. 실제 제작 방식: Yang이 대부분의 코드를 직접 쓴 것이 아니라 AI에게 지시하고 workflow를 함께 설계했다.

2. 각 skill의 내부 구조

   1. Podcast edit: AI가 순서대로 수행해야 할 단계 목록을 가진다.
   2. Podcast production: 여러 하위 skill을 순서에 따라 호출하는 orchestration과 routing layer를 가진다.
   3. 기억할 세 문장: 모든 수작업을 지도화하고, 단계별 AI skill을 만들고, skill을 처음부터 끝까지 연결한다.

8. 솔직한 회고와 마무리

8.1. 자동화 시스템도 인간 노동을 없애지는 않는다

1. 여전히 큰 투입

   1. 시간의 잔존: fancy한 system을 갖췄어도 팟캐스트 제작에는 여전히 많은 시간이 든다.
   2. 인력 고용의 필요: Yang은 AI를 실제로 움직이고 관리할 human을 고용하는 데 자신이 더 능숙해져야 할 것 같다고 솔직하게 말한다.

2. 시연의 의도

   1. 실제 업무 공개: 새 도구를 잔뜩 보여 주거나 데모만 하는 대신, ChatGPT를 실제 업무에 연결해 시간을 절약하고 일을 끝내는 과정을 보여 주려 했다.
   2. 실용성: 목표는 과장된 자동화 약속이 아니라 실제로 반복 업무를 줄이는 practical no-bullshit tutorial이다.

8.2. 추가 자료와 마무리 안내

1. Behind the Craft

   1. 주소: 더 많은 skill과 workflow는 behindthecraft.com에서 확인할 수 있다.
   2. 재사용 자료: 사이트에 복사해 붙여 쓸 수 있는 prompt가 여러 개 포함되어 있다.

2. 마지막 인사

   1. 시청자 요청: 실용적인 튜토리얼과 인터뷰를 더 보려면 좋아요와 구독을 요청한다.
   2. 톤: 전체 마무리까지 실무 중심의 “no-bullshit” 접근을 유지한다.

주요 발언 모음

“AI skill을 서로 연결하면 전체 과정의 90%를 자동화하면서도 중간중간 내 taste와 judgment를 적용할 수 있다.”

“내가 원하는 것은 slop을 뿜어내는 것이 아니라 high taste와 high craft다.”

“모든 수작업 단계를 지도화하고, 각 단계에 AI skill을 만들고, skill을 end-to-end로 연결하라.”

“이렇게 복잡해 보이는 skill도 대부분 내가 직접 쓴 것이 아니라 AI에게 지시하고 workflow를 만든 결과다.”

“이 멋진 system을 갖고 있어도 팟캐스트를 만드는 데는 아직 시간이 많이 든다. AI를 도와 실제 일을 진행할 사람을 고용하는 데 더 능숙해져야 할 것 같다.”

핵심 데이터 & 수치

• 주당 발행 빈도: 매주 일요일 팟캐스트 에피소드 1편을 발행한다.
• 기존 소요 시간: AI 도움을 받아도 제작에 여러 날이 걸렸다.
• 자동화 목표: 전체 콘텐츠 workflow의 90%를 자동화한다.
• 절약 목표: 주당 최소 5시간을 절약한다.
• 수작업 목록: 팟캐스트 제작 과정에서 15개 수동 단계를 식별했다.
• workflow phase: Podcast prep, Podcast edit, Podcast production의 3개 phase로 묶었다.
• Riverside 샘플: Ethan과의 완성 녹음은 15분이다.
• Intro reel: 에피소드마다 30~40초짜리 후보를 두 개 생성한다.
• Newsletter prompt: Ethan이 공유한 정확한 6개 prompt를 최종 글에 반영했다.
• Packaging 후보: thumbnail·title 조합 5개를 제안받고 선택해 A/B test한다.
• 썸네일 판단 시간: 좋은 thumbnail·title 조합을 고르는 데 AI를 써도 최소 30~40분이 든다.
• Social 산출물: teaser 2개와 podcast post 2개를 요청한다.
• 클립 사례: “9일간 지출 audit”, “세금 계획 실행”, “숨은 신용카드 reward 찾기”가 후보로 등장한다.

핵심 요약 (20줄)

1. Peter Yang은 ChatGPT skill을 연결해 콘텐츠 제작 workflow의 90%를 자동화하고 주당 최소 5시간을 절약한다.
2. 매주 일요일 팟캐스트 한 편을 발행하려면 게스트 조사부터 여러 플랫폼용 산출물 패키징까지 반복 작업이 이어진다.
3. 과거에는 AI를 사용해도 인터뷰 준비와 편집 지시와 배포물을 완성하는 데 여러 날이 걸렸다.
4. 15개의 수작업을 먼저 적으면 Podcast prep·edit·production이라는 세 phase가 선명하게 드러난다.
5. ChatGPT는 전체 작업 목록을 보고 게스트 조사와 인터뷰 가이드와 클립과 소셜 초안을 맡을 수 있다고 제안한다.
6. Podcast prep skill은 리서치 링크와 인기 YouTube 영상과 초기 제목·썸네일 아이디어를 함께 수집한다.
7. Ethan과의 ChatGPT Finance 인터뷰는 개인 재무의 실제 use case를 중심으로 삼아야 한다는 결론을 얻는다.
8. 문서와 Ethan의 과거 발언을 추가 조사한 뒤 ChatGPT Finance와 계정 연결과 활용 사례 순서로 가이드를 고친다.
9. 최종 인터뷰 가이드는 질문과 조사 notes와 직접 시연할 use case를 Google Doc에 담아 Ethan 팀과 공유한다.
10. Riverside는 15분 인터뷰를 로컬 고해상도로 녹화하고 dead air와 반복 문구 제거를 지원한다.
11. Riverside MCP를 ChatGPT에 연결하면 AI가 Linear에 편집팀용 티켓과 editor package를 만든다.
12. Podcast edit skill은 30~40초 intro reel 두 후보와 인용문과 삭제 timestamp와 클립 후보를 제시한다.
13. 전체 transcript에서 9일 지출 audit 같은 장면을 찾은 뒤 Yang은 시작점과 종료점을 피드백한다.
14. Podcast production skill은 뉴스레터와 thumbnail·title과 show notes와 소셜과 클립 skill을 순서대로 호출한다.
15. 뉴스레터 초안이 부정확하면 Ethan이 공유한 정확한 여섯 prompt를 제공해 실용적인 글로 다시 만든다.
16. 성과가 좋은 영상 조사를 바탕으로 만든 다섯 packaging 후보는 인간의 선택을 거쳐 A/B test에 들어간다.
17. show notes skill은 편집된 영상의 timestamp와 스폰서·뉴스레터·게스트 링크를 만들고 YouTube 설정까지 자동화한다.
18. 수동 편집 전후를 snapshot으로 비교하면 반복 오류를 skill에 반영하는 개선 목록을 만들 수 있다.
19. social skill은 teaser와 post를 만들고 웃는 screen cap을 찾아 Typefully 예약까지 수행한다.
20. AI가 반복 업무를 줄여도 high taste와 high craft를 위해 사람의 검수와 향후 human 운영 지원이 필요하다.

결론 및 시사점

1. 업무를 먼저 목록화하라: 자동화 대상은 추상적인 “콘텐츠 제작”이 아니라 조사·질문 작성·타임스탬프·클립 선택처럼 관찰 가능한 단계여야 한다.
2. 단계별 skill을 설계하라: 거대한 만능 prompt보다 phase별 목적, 입력, 출력, 실행 시점, 품질 기준을 분리하는 편이 수정과 재사용에 유리하다.
3. 오케스트레이션을 연결하라: Podcast production처럼 하위 skill을 순서대로 호출하면 하나의 원본 대화에서 뉴스레터, 영상 설명, 소셜, 클립으로 자연스럽게 확장된다.
4. MCP와 plugin을 실제 시스템에 붙여라: Riverside의 녹음·클립, Linear의 티켓, 브라우저의 YouTube 설정, Typefully의 예약처럼 외부 도구 조작까지 연결해야 자동화가 화면 밖의 초안에 머물지 않는다.
5. 피드백을 자산으로 축적하라: snapshot과 before·after 비교로 수동 수정 이유를 추출하고, 승인한 변경사항을 skill에 반영해 다음 실행의 품질을 높인다.
6. 인간의 판단을 남겨라: 제목·썸네일의 클릭 약속, 인용문, banter, 웃는 장면, 클립의 시작·끝은 취향과 맥락이 필요한 지점이므로 사람이 최종 선택한다.
7. 자동화의 한계를 계산하라: 90% 자동화는 제작자가 사라진다는 뜻이 아니다. 좋은 결과를 검수하고 AI를 조율하는 시간, 장기적으로 이를 맡길 사람을 채용할 필요까지 함께 고려해야 한다.
8. 작게 시작하라: 매주 가장 많은 시간을 빼앗는 workflow 한두 개를 골라 세 단계—지도화, skill 생성, end-to-end 연결—를 반복하는 것이 현실적인 출발점이다.