2억 조회수를 만든 AI 콘텐츠 시스템

메타데이터

• 원문 제목: The AI Content System Behind 200M Views — Sarah Chieng, Cerebras & Cova Lee, OpenAI
• video_id: CFbnVpSsDFQ
• URL: https://www.youtube.com/watch?v=CFbnVpSsDFQ
• 채널: aiDotEngineer (YouTube 표기: AI Engineer)
• 원본 게시일: 2026-10-21
• 처리일: 2026-10-22
• 카테고리: AI·LLM / 콘텐츠 제작 자동화

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

AI가 콘텐츠 제작의 반복·기술 작업을 맡으면 창작자는 더 많은 콘텐츠를 찍어내는 데 그치지 않고, ==자신의 경험·취향·목소리를 더 선명하게 표현하고 작품의 최종 판단을 직접 내리는 콘텐츠 시스템==을 만들 수 있다.

• 기획부터 발행까지 여섯 단계를 분리하면 반복 작업을 발견하고 에이전트·도구에 맡길 범위를 구체화할 수 있다.
• 스와이프 파일과 성과 데이터는 제작자의 취향과 맥락을 모델에 전달해 획일적인 결과물을 줄인다.
• 자동화의 목적은 사람의 창작을 대체하는 것이 아니라 자막·정리·렌더링처럼 지루한 일을 덜어내 창작자가 더 많이 실험하고 배우게 하는 것이다.

이 시스템의 중심에는 도구가 아니라 제작자의 관점이 있다. 에이전트는 여러 콘셉트와 편집안을 빠르게 만들어 줄 수 있지만, 무엇이 자기다운지 알아보고 선택하는 일은 사람의 몫이다. 실제 생활에서 얻은 경험과 호기심, 축적된 전문성이 콘텐츠의 독특함을 만들고, AI는 그것을 더 빠르고 풍부하게 표현하도록 돕는다.

1. 두 제작자의 배경과 콘텐츠 시스템의 여섯 단계

1.1. 기술 콘텐츠 제작과 시각적 창작이 만나는 워크숍

1. Sarah Chieng의 개발자 경험 콘텐츠

   1. Sarah는 Cerebras의 개발자 경험(Developer Experience) 책임자로 소개되며, 회사의 AI 프로세서와 빠른 추론을 설명하는 기술 콘텐츠를 만든다.
   2. Cerebras의 하드웨어가 OpenAI, Mistral, Cognition 등의 모델을 지원한다고 언급하고, 회사 업무와 별도로 YouTube·LinkedIn·Instagram·X(당시 Twitter)에서도 개인 콘텐츠를 제작한다.
   3. 그의 작업은 기술 개념을 명료하게 가르치는 텍스트 중심의 설명형 콘텐츠에 가깝다.

2. Cova Lee의 크리에이터 경험

   1. Cova는 OpenAI 개발자 경험 팀에 합류했으며, 이전에는 Instagram·YouTube Shorts·TikTok 등 짧은 영상 중심의 전업 크리에이터였다.
   2. 디자인과 영상의 시각적 연출을 중시하며, 조명·애니메이션·배경·타이포그래피를 활용해 화면의 분위기를 구성한다.
   3. 두 사람은 서로 다른 제작 방식과 관점을 합쳐 창작 시스템과 디자인 감각을 함께 다루는 워크숍을 구성했다.

3. 시각 자료가 기억에 미치는 영향

   1. 워크숍은 청중에게 영상 콘텐츠 제작 경험과 AI를 활용해 콘텐츠를 시작했는지를 물으며 시작한다. 직접 제작해 본 사람, AI 없이 처음부터 만든 사람, AI 도구를 계기로 제작을 시작한 사람의 비중을 가볍게 확인한다.
   2. 두 발표자는 John Medina와 관련해 사흘 뒤 기억하는 정보가 입력 내용만 있을 때 약 10%지만, 시각 자료가 함께 있으면 약 65%로 올라간다는 수치를 소개한다.
   3. 이 수치는 시각적인 설명이 기술 교육에서도 중요한 이유를 보여 주는 도입부로 쓰인다.

4. 워크숍에서 제시한 도구와 모델

   1. 두 사람은 프롬프트, 실제 작업 흐름, 사용하는 도구를 공유하고, 시연 자료와 비슷한 내용을 담은 블로그도 공개해 프롬프트를 다시 확인할 수 있게 했다고 말한다.
   2. 시연에서는 ChatGPT/Codex 환경의 GPT-5.6 Soul Ultra Fast라는 모델을 언급하며, Cerebras가 제공하는 모델이라고 소개한다.
   3. 발표자들은 이 모델이 초당 750토큰을 처리한다고 말하며, 긴 스크립트와 큰 파일을 다룰 때 빠른 추론이 특히 유용하다고 설명한다.

1.2. 아이디어에서 발행까지 이어지는 여섯 단계

1. 여섯 단계로 제작을 구조화한다

   1. 전체 과정은 아이디어 발상(ideating), 대본 작성(scripting), 촬영(recording), 편집(editing), 재가공(repurposing), 발행(publishing)으로 나뉜다.
   2. 아이디어 발상에서는 소음 속에서 눈에 띄는 콘셉트를 찾고, 대본에서는 훅과 메시지를 구성하며, 촬영과 편집에서는 이를 화면으로 구현한다.
   3. 재가공 단계에서는 긴 콘텐츠를 자매 콘텐츠나 짧은 영상으로 나누고, 발행 단계에서는 플랫폼별 캡션을 만들고 게시 일정을 관리한다.

2. 단계 분리는 자동화 지점을 드러낸다

   1. 각 단계가 명확하면 어떤 작업을 직접 해야 하고 어떤 작업을 에이전트나 API에 맡길지 구분하기 쉽다.
   2. 반복되는 파일 정리, 자막 보정, 포맷 변환, 게시 예약은 자동화하고, 아이디어 선택과 메시지·연출의 판단은 제작자가 맡는다.
   3. 자동화는 콘텐츠를 무차별적으로 늘리는 장치가 아니라, 시간이 오래 걸리는 작업을 덜어 창작과 개선에 더 많은 시간을 쓰게 하는 기반이다.

2. 아이디어 발상: 취향을 기록하고 성과를 연구한다

2.1. 스와이프 파일은 제작자의 취향을 담는 외부 기억이다

1. 좋아하는 레퍼런스를 한곳에 모은다

   1. 스와이프 파일(swipe file)은 영감을 준 영상, 이미지, 글, 떠오른 질문을 쌓아두는 개인 자료실이다.
   2. Cova는 저장한 영상과 Pinterest 이미지를 모아 둔 시각적인 웹사이트를 사용하고, Sarah는 마음에 드는 X 게시물의 링크를 Notion 페이지에 붙여 넣는 간단한 방식을 쓴다.
   3. Obsidian, Notion, 노트 앱 등 도구의 형태는 중요하지 않으며, 자료를 한곳에서 다시 찾고 참조할 수 있으면 된다.

2. 레퍼런스는 글로 설명하기 어려운 스타일을 전달한다

   1. 에이전트가 레퍼런스를 읽으면 제작자가 선호하는 색감·구도·문장·분위기를 구체적으로 참고할 수 있다.
   2. 텍스트 지시만으로는 레퍼런스가 주는 인상과 시각적 영향력을 전달하기 어렵고, 실제 예시를 보여 주는 편이 원하는 방향을 이해시키기 쉽다.
   3. 스와이프 파일은 좋은 결과의 기준을 외부에 보존하므로, 시간이 지나 다시 보았을 때 잊었던 아이디어를 되살리고 제작자의 취향을 일관되게 전달한다.

3. 자료를 복사하는 데서 멈추지 않고 맥락을 기록한다

   1. 자신이 왜 그 레퍼런스를 저장했는지, 어떤 부분이 좋았는지 함께 적으면 에이전트가 단순 모방이 아닌 선호의 이유를 배울 수 있다.
   2. 여러 채널에서 수집한 참고 자료는 자기 목소리와 회사 목소리, 짧은 영상과 긴 인터뷰처럼 서로 다른 형식을 구분하는 데도 쓰인다.

2.2. 제목과 썸네일을 제작의 핵심 산출물로 취급한다

1. 패키징은 시청 여부를 결정한다

   1. 제목과 썸네일은 잠재 시청자가 가장 먼저 보는 요소이며, 본문을 열어 보거나 재생할지를 좌우한다.
   2. 발표자는 YouTube 성과의 약 50%가 제목·썸네일 패키징에 달려 있다고 말한다.
   3. 콘텐츠를 다 만든 뒤 몇 초만 들여 제목을 정하는 대신 제작 시간의 절반가량을 패키징에 쓰면 500회 조회와 500만 회 조회의 차이를 만드는 데 기여할 수 있다고 경험을 나눈다.

2. 자료 수집 도구로 채널과 시장을 살핀다

   1. YouTube를 막 시작한 Cova는 좋아하는 크리에이터의 영상 수천 개를 한곳에 모아 제목과 썸네일을 비교하고, 마음에 드는 썸네일을 새 아이디어로 재구성하는 연구 도구를 만들었다.
   2. 이어 YouTube 홈 화면을 흉내 내는 시뮬레이터를 만들고, 자신의 아이디어가 다른 썸네일 사이에서 눈에 띄는지 제작 전에 확인했다.
   3. 에이전트를 사용하면 실제 영상을 만들기 전에 시장을 조사하고, 필요한 도구 자체를 맞춤 제작할 수 있다.

3. 평균이 아니라 자기 채널의 맥락에서 성과를 비교한다

   1. 유명 인물의 게시물은 내용이 평범해도 크게 퍼질 수 있으므로, 단순한 좋아요 수보다 각 계정의 평소 성과를 기준으로 무엇이 평소보다 잘됐는지 봐야 한다.
   2. 같은 계정에서 올린 이전 게시물끼리, 또는 하네스 엔지니어링처럼 같은 주제를 다룬 게시물끼리 비교하면 주제와 포맷의 영향을 더 잘 분리할 수 있다.
   3. Dots 같은 자동화 도구로 계정과 플랫폼을 꾸준히 관찰하면 무엇이 두드러졌는지 기록하고 다음 실험에 반영할 수 있다.

4. 아웃라이어에서 반복 가능한 프레임워크를 찾는다

   1. 평소보다 압도적으로 성과가 높은 게시물은 채널의 일반적인 평균과 다른 요소를 담을 수 있으므로, 아웃라이어를 별도로 찾아 분석한다.
   2. Cova의 YouTube 연구 도구에는 채널 평균 조회 수의 1배에서 20배까지 범위를 조절하는 슬라이더가 있어 특이하게 잘된 사례를 걸러낸다.
   3. 특히 썸네일의 새롭고 흥미로운 표현을 살펴보고, 무엇이 작동했는지 ChatGPT에 분석시켜 다음 아이디어의 프레임워크로 활용한다.

3. 대본과 촬영 계획: 말투를 보존하고 실행 가능한 형태로 만든다

3.1. 글부터 쓰기보다 말로 설명해 대본의 재료를 얻는다

1. 교육 콘텐츠는 광고 문구처럼 들리지 않아야 한다

   1. 기술 콘텐츠는 개념이 무엇이고 왜 중요한지를 실제 사람에게 설명하듯 전달해야 하며, 마케팅에서 반복해 온 상투적인 표현에 기대면 안 된다.
   2. Sarah는 처음부터 글을 쓰면 익숙한 홍보 문구를 반복하기 쉽지만, 개념을 소리 내 설명하면 자연스러운 교육적 표현을 얻기 쉽다고 말한다.
   3. Whisper Flow 같은 음성 입력이나 ChatGPT 음성 모드를 활용해 핵심 아이디어를 말로 풀고, 이를 대본의 초안으로 삼는다.

2. AI 인터뷰로 모호한 논리를 드러낸다

   1. 음성 모드에 “이 아이디어로 영상을 쓰고 있으니 나를 인터뷰해 달라”고 요청하면, 모델이 설명이 불분명한 지점을 질문하고 개념 사이의 연결을 확인한다.
   2. 스스로 관계를 설명하기 어려운 부분은 추가 질문으로 명확히 하고, 꼭 필요하지 않은 내용은 잘라낼 수 있다.
   3. 글쓰기의 두 기준은 간결함(conciseness)과 명료함(clarity), 즉 두 개의 C라고 강조한다.

3. 여러 대안을 만들어 사람이 고른다

   1. 자신의 기존 콘텐츠를 살펴 목소리와 선호를 반영하는 스크립트 스킬을 만든 뒤, 하나의 대본만 받지 않고 보통 세 가지 대본 옵션을 생성한다.
   2. 각 안을 참여도나 특정 목표에 맞춰 점수화·순위화하도록 요청하면 어떤 방향의 강점과 절충점이 있는지 비교할 수 있다.
   3. AI가 선택지를 넓히더라도 최종적으로 자기 목소리에 맞는 대본을 고르는 사람의 판단은 유지한다.

3.2. 실적과 포맷을 반영해 대본·캡션 스킬을 개선한다

1. 관객과 콘텐츠 형식에 맞춰 목소리를 분리한다

   1. 개인 계정과 회사 계정, 긴 인터뷰와 기술 데모, 짧은 대화형 영상은 서로 다른 목소리와 문장 구성을 필요로 한다.
   2. 플랫폼마다 TikTok·Instagram·YouTube Shorts용 스크립트 및 캡션 스킬을 따로 두면 형식에 맞는 결과를 낼 수 있다.
   3. 자기 목소리를 기록한 스킬은 보편적인 말투를 덧씌우기 위한 게 아니라 각 창작자의 특성을 보존하기 위한 것이다.

2. 사람다운 캡션을 만들기 위한 기준을 전달한다

   1. 스와이프 파일의 좋은 게시물과 문장 사례를 프롬프트에 연결해 자신의 선호와 어울리는 표현을 참고시킨다.
   2. Wikipedia의 ‘AI 글쓰기의 징후’ 목록을 함께 제공하고 해당 특징을 피하라고 요청하는 것도 한 가지 방법으로 소개한다.
   3. 개인 목소리와 브랜드 목소리를 구분하고, 플랫폼 및 포맷에 맞춰 문장을 달리해야 캡션이 기계적으로 획일화되지 않는다.

3. 실험의 비교 조건을 맞춘다

   1. 동일한 긴 영상에서 나온 여러 컷다운에 서로 다른 캡션 훅을 붙이면 원본 주제는 비슷하게 유지하면서 캡션 방식의 차이를 비교할 수 있다.
   2. Twitter API를 ChatGPT에 연결하면 게시물 데이터를 가져와 어떤 훅이 인터뷰 형식에서 잘 작동하고 어떤 스타일이 그렇지 않은지 확인할 수 있다.
   3. 분석을 반복하면 관찰 결과를 스킬에 반영하고, 다음 제작에 더 나은 출발점을 마련할 수 있다.

3.3. 대본을 촬영 가능한 샷 리스트와 체크리스트로 바꾼다

1. 대본을 두 번 읽어 촬영 계획을 만든다

   1. 첫 번째 패스에서는 대본에 A-roll, B-roll, 화면 녹화, 그래픽 등 필요한 장면을 표시한다.
   2. 두 번째 패스에서는 필요한 장면을 촬영 순서와 무관하게 모은 체크리스트를 만든다.
   3. 촬영자는 주어진 장면을 하나씩 확인하며 필요한 영상을 놓치지 않고 모으고, 각 내레이션에 어떤 화면이 들어갈지도 확인할 수 있다.

2. 기존 데모와 화면 녹화 자료를 다시 찾는다

   1. Coast는 Codex CLI와 함께 쓸 수 있고, 컴퓨터 작업을 시간에 따라 로컬에 기록해 과거에 만든 데모의 순간을 검색하는 도구로 소개된다.
   2. 마음에 들었던 데모나 과거 작업을 찾아 참고한 뒤 필요한 화면을 다시 촬영하면 매번 처음부터 자료를 찾을 필요가 없다.
   3. CleanShot은 화면 녹화와 스크린샷을 빠르게 만들고, 이메일 흐리기·중요 영역 강조·화살표·텍스트 표시 같은 주석을 편집기 없이 덧붙이는 데 유용하다.

3. 소스 자산을 종류별로 정리한다

   1. A-roll은 출연자가 말하는 핵심 영상이고, B-roll은 보조 화면·스크린샷·화면 녹화 등 이야기의 맥락을 보완하는 자료다.
   2. 파일 이름과 폴더를 잘 정리하면 ChatGPT가 자산을 구분하고, 편집 프로그램에서 올바른 클립을 연결하는 작업도 도울 수 있다.
   3. 가장 복잡한 영상의 전체 자산 목록을 기준으로 삼되, 매번 모든 종류의 자료가 필요한 것은 아니다.

4. 시각적 정체성과 편집 자동화

4.1. 반복되는 시각 스타일을 디자인 시스템으로 만든다

1. 자신의 기존 콘텐츠에서 스타일을 추출한다

   1. Cova는 최근 Instagram 영상 50개를 Codex에 분석시켜 반복해서 나타나는 시각 스타일을 찾고, 이를 Figma 문서로 정리했다.
   2. 실제 결과물이 어느 정도 쌓인 뒤 자신의 색감·레이아웃·텍스트와 조명 특징을 시스템으로 바꾸면 에이전트가 그 스타일을 일관되게 지원할 수 있다.
   3. 남의 스타일만 복제하는 대신 자기 영상에서 출발해 개인 디자인 시스템을 만드는 접근이다.

2. 여러 시안을 한꺼번에 비교한다

   1. Figma MCP와 플러그인 등을 이용해 한 가지 디자인만 요청하지 않고 여러 시각화 방식을 생성한다.
   2. 빠른 추론을 활용해 브랜딩·로고·영상의 전체 분위기를 열 가지 버전으로 만들어 보고, 마음에 드는 요소를 골라 조합한다.
   3. 이 방식은 워크숍 슬라이드 제작에도 활용됐으며, 참가자가 스와이프 파일을 시안의 레퍼런스로 연결할 수 있는지 질문하자 발표자는 그렇다고 답한다.

4.2. 영상 편집 API와 자연어 지시를 활용한다

1. HyperFrames로 렌더링된 영상을 만든다

   1. HyperFrames by Haydn처럼 API를 제공하는 편집 도구는 문서를 ChatGPT에 제공하고 설정을 맡기면 무거운 초기 연결 작업을 줄일 수 있다.
   2. 원본 영상과 편집 지시, 참고 영상, 텍스트 스타일을 전달하면 클립 연결·자막·텍스트 애니메이션을 만들고 렌더링한 뒤 결과에 대한 피드백도 반영한다.
   3. Figma의 브랜드 가이드까지 전달하면 색상과 글꼴 같은 시각 규칙을 편집에 적용할 수 있고, 발표자는 한 번의 지시로 완성된 결과를 얻은 경험도 있다고 답한다.

2. 렌더링 중심 도구와 타임라인 편집기를 구분한다

   1. HyperFrames는 결과를 빠르게 렌더링하는 데 적합하지만, 수정할 때마다 다시 지시하고 새 결과물을 렌더링하는 방식이 된다.
   2. 모든 클립·레이어·타이틀·음악을 세밀하게 조정하려면 Premiere, Final Cut Pro, DaVinci Resolve, CapCut 같은 편집 프로그램을 쓴다.
   3. 발표자 경험상 Astra는 Premiere의 컴퓨터 조작에 강하고, Final Cut Pro에는 좋은 MCP가 있으며, Soul Ultra Fast가 이를 잘 다룬다고 언급한다.

3. 도구 선택은 편집 통제 수준에 따라 달라진다

   1. 영상 전체를 빠르게 생성하고 큰 수정만 하고 싶다면 API 기반의 렌더링 도구가 편리하다.
   2. 스토리의 모든 컷과 사운드, 타이틀을 직접 통제하고 싶다면 타임라인과 사용자 지정 도구를 활용한다.
   3. 발표자 한 명은 DaVinci·Final Cut Pro·Premiere를 써 본 뒤 데스크톱 버전 CapCut이 가장 마음에 든다고 농담 섞어 말한다.

4.3. 반복 작업용 편집 도구와 시각 효과를 만든다

1. 음악 패드로 효과음을 빠르게 삽입한다

   1. Cova는 9개 버튼이 있는 음악 패드를 만들어 whoosh, 클릭, 셔터 효과음을 누르는 즉시 지정된 트랙에 넣는다.
   2. 컴퓨터 사용 에이전트가 평소의 편집 동작을 따라 효과음을 배치하게 할 수 있고, 결과를 직접 다시 점검하거나 손으로 보완하기도 쉽다.
   3. 화면 전환에는 whoosh, 이미지나 화면 녹화가 나타날 때는 클릭, 카메라 셔터 장면에는 셔터음을 붙이는 예를 든다.

2. 촬영 환경을 이미지 생성으로 확장한다

   1. Cova는 대학원 기숙사의 텅 빈 벽을 Photoshop Generative Fill로 바꾸면서 로봇·창문·선반·조명·선풍기·회전하는 바이닐 레코드가 있는 배경을 만들었다.
   2. 초기에는 배경의 특정 부분을 마스크로 둘러싸고 “요정 조명”처럼 간단히 지시해 세 가지 시안 중 하나를 골랐으며, 현재는 ChatGPT의 이미지 생성으로 배경을 개선하고 인물은 그대로 유지하도록 요청할 수 있다고 설명한다.
   3. 좋은 촬영 세트가 없어도 한 번의 배경 작업으로 화면을 풍부하게 만들 수 있다.

3. 3D 오브젝트와 애니메이션도 제작 흐름에 넣는다

   1. Astra의 컴퓨터 사용으로 After Effects를 조작하고 Blender에서 3D 모델을 생성해 GLB로 내보낸 뒤, After Effects에 넣어 회전시키고 원본 영상 위에 띄운 예가 나온다.
   2. 짧은 지시와 스와이프 파일 레퍼런스만으로 떠다니는 오브젝트를 영상에 추가해, 사람이 수작업으로 하면 몇 시간이 걸릴 효과를 만들었다.
   3. 이미지 생성으로 텍스트를 콜라주와 수채화 스타일로 바꾸고 여러 이미지를 GIF로 묶어 애니메이션 타이틀을 만든 사례도 소개한다.

4. AI 아바타는 전체 대체보다 짧은 수정에 적합하다

   1. HeyGen은 자신의 아바타를 만드는 도구로 언급되며, 잘못 말한 단어·날짜·초당 토큰 수 등을 고칠 때 짧은 구간만 대체할 수 있다.
   2. 발표자는 현재 아바타로 영상 전체를 만들고 싶지는 않지만, 0.5초 정도의 사소한 오류를 보정할 때 시간을 절약한다고 말한다.
   3. 긴 영상의 핵심 구간을 찾아 여러 짧은 영상으로 자동 분할하는 데에도 아바타·영상 도구를 활용할 수 있다.

5. 재가공과 발행: 한 번의 촬영을 여러 플랫폼에 맞춘다

5.1. 긴 영상에서 짧은 자매 콘텐츠를 만든다

1. 긴 원본에 든 좋은 순간을 발견한다

   1. 긴 인터뷰를 준비하고 촬영·편집하는 데 약 한 달이 걸리기도 하므로, 그 안에 있는 좋은 발언을 찾아내 다시 쓰는 것이 중요하다.
   2. AI 도구는 긴 영상에서 하이라이트를 골라 YouTube Shorts·TikTok·Instagram Reels 등에 맞는 짧은 컷다운으로 만들 수 있다.
   3. 한 번의 촬영을 한 편의 영상으로 소진하지 않고 여러 주에 걸쳐 발행할 소재로 활용한다.

2. 같은 원본도 형식별로 다시 편집한다

   1. 짧은 영상은 장면 전환과 시각적 변화가 중요하고, 설명형 기술 콘텐츠는 스크립트의 논리와 정확성이 더 중요할 수 있다.
   2. 자막·화면 강조·사운드 효과를 플랫폼별로 조정하고, 서로 다른 포맷을 위한 별도의 스킬을 둔다.
   3. AI가 자동으로 자른 결과를 그대로 쓰는 대신 사람이 맥락과 메시지를 확인하고 선택한다.

5.2. 캡션 작성과 게시 예약을 자동화한다

1. 플랫폼별 게시 업무를 Buffer에 연결한다

   1. 소비자용 플랫폼의 API 문서를 ChatGPT에 주고 설정을 맡기면 영상 게시와 예약을 위한 연결을 만들 수 있다.
   2. Buffer에 여러 게시물을 넣고 매주 화요일에 한 편씩 다음 6주 동안 여러 플랫폼에 올리도록 예약하는 예가 나온다.
   3. 플랫폼별 적절한 게시 시간을 조사하고, 캡션 초안을 작성한 뒤 사전 승인을 받도록 구성하면 몇 주 치 게시 계획을 한 번에 준비할 수 있다.

2. 캡션은 승인 절차를 거친다

   1. 게시 예약에는 플랫폼마다 다른 톤과 길이를 반영한 캡션이 필요하다.
   2. 발표자는 캡션을 자동 작성하더라도 발행 전에 먼저 검토하고 승인하도록 한다.
   3. 다른 예시에서는 매주 수요일 발행을 지정하고 캡션 승인을 먼저 받게 해 자동 발행의 통제권을 유지한다.

6. 돌아보기와 품질 원칙: AI가 덜어낸 시간은 창작에 쓴다

6.1. 제작 과정을 주기적으로 감사하고 개선한다

1. 주간 프로세스 리뷰로 낭비를 찾는다

   1. “내 영상 제작 과정을 검토하고, 시간이 가장 많이 드는 부분과 도구로 만들거나 자동화할 반복 작업을 찾아 달라”는 간단한 프롬프트를 매주 실행한다.
   2. 바쁜 제작자는 계속 만들기만 하다가 어디에서 시간이 새는지 돌아볼 여유가 없으므로, 정기적인 리뷰가 시스템을 개선하는 출발점이 된다.
   3. 비효율이 드러나면 Premiere용 스킬이나 다른 편집 지침을 업데이트해 다음 작업을 더 빠르게 만든다.

2. 실제 리뷰가 발견한 낭비를 제거한다

   1. 한 사례에서는 아침 할 일 확인을 두 군데에서 하고 있다는 사실을 찾아, 주로 보는 ChatGPT Space 문서 한 곳으로 모았다.
   2. 다른 사례에서는 확인하지 않는 Slack 스레드로 리마인더를 보내고 있어 작업을 놓치고 있다는 점을 발견했다.
   3. Premiere를 열 때마다 반복하던 가져오기 상태 확인이 실제로는 필요하지 않다는 점도 찾아내어 그 체크를 제거했고, 작업이 빨라졌다.

3. 게시물의 성과를 월간으로 보고 스킬을 갱신한다

   1. 프로세스뿐 아니라 매달 계정의 성과가 좋았던 게시물을 돌아보면 다음 콘텐츠의 방향을 찾을 수 있다.
   2. 성과와 댓글, 주제별 반응을 정기적으로 살펴 어떤 작업이 주의를 요하는지 확인하고, 필요한 응답도 놓치지 않는다.
   3. 개선된 작업 방식과 반응을 스킬에 반영하면 시스템이 누적 학습한다.

6.2. 자동화는 창작을 대체하지 않고 창작자의 판단을 강화한다

1. ‘AI 슬롭’을 늘리는 것이 목표가 아니다

   1. 여러 도구와 자동화 방법을 배운 뒤 대량의 무개성 AI 콘텐츠를 만드는 것이 워크숍의 결론이 되어서는 안 된다고 강조한다.
   2. 자막 추가, 클립 정리, 회전 오브젝트 제작처럼 지루하거나 오래 걸리는 일을 줄이면 제작자는 자신의 창작을 더 공들여 다듬을 수 있다.
   3. AI가 아이디어와 대안을 만들더라도 어떤 결과가 자기다운지 선택하는 사람이 운전석에 있어야 한다.

2. 취향·큰 아이디어·실행을 분리해 생각한다

   1. 제작자는 무엇을 말하고 싶은지 큰 아이디어를 정하고, 레퍼런스와 경험을 통해 자기 취향을 더 분명히 해야 한다.
   2. AI 도구는 그 아이디어를 실행 가능한 대본·화면·효과로 빠르게 구현하는 조력자다.
   3. 더 좋은 도구의 가치는 제작자가 더 큰 결과물과 더 세밀한 표현을 시도하게 만드는 데 있다.

7. 장비, 작업 환경, 청중 질문

7.1. 고가 장비보다 목적에 맞는 촬영 환경을 고른다

1. 발표자의 장비는 초보자 기준이 아니다

   1. Cova는 Sony FX3 바디를 약 2,500달러, 렌즈도 약 2,500달러에 구입해 전체적으로 약 5,000달러 수준의 시네마급 장비를 사용한다고 말한다.
   2. 이전에는 약 300달러의 Canon EOS R50을 썼으며, FX3는 극장 상영도 가능한 시네마급이라 초보자용 장비와는 거리가 있다고 덧붙인다.
   3. Peak Design의 카본 파이버 삼각대는 가볍고 튼튼하며, Photodiox Gobo는 따뜻한 창문 빛 효과를 만드는 데 쓴다.

2. 마이크와 보급형 카메라를 선택할 수 있다

   1. Mic Mini는 약 60달러로 소개되며 영상 녹음뿐 아니라 Whisper Flow로 에이전트와 대화할 때도 쓸 수 있다.
   2. Rode와 DJI의 소형 마이크는 업계에서 많이 쓰이고 비교적 저렴한 선택지로 언급된다.
   3. Sony ZV-1은 약 500달러의 좋은 입문용 카메라로 추천되며, Canon Mark II 계열도 브이로그 제작자가 쓰는 선택지로 거론된다.

3. 집에서 시작하는 제작 환경도 참고할 수 있다

   1. 두 사람은 Replit에 있다가 SpaceAct로 옮긴 Matt Palmer가 공유한 홈 콘텐츠 제작 장비 안내를 좋은 레퍼런스로 든다.
   2. 소액으로 시작하는 장비 구성부터 회사 스튜디오를 꾸리는 구성까지 참고할 수 있다.
   3. 고급 장비가 없어도 공간 구성과 화면 연출을 계획하면 실용적인 콘텐츠 환경을 만들 수 있다.

7.2. Notion·ChatGPT Space·스킬·Dots를 연결한다

1. 자료와 스크립트는 복잡한 구조보다 검색 가능성이 중요하다

   1. Sarah는 스와이프 파일과 과거 스크립트를 Notion 한곳에 쌓아 두고 ChatGPT의 Notion 커넥터로 활용한다.
   2. Cova는 Notion의 디자인을 좋아하지만 최근에는 스레드와 문서를 연결하기 쉽고 대화에서 바로 갱신할 수 있는 ChatGPT Space를 더 많이 쓴다고 말한다.
   3. 한곳에서 찾고 AI가 참조할 수 있으면 과도한 정보 구조를 만들 필요는 없다.

2. 스킬은 단계별 지침과 세부 작업을 묶는다

   1. Cova는 Premiere 조작 스킬 아래에 색보정·효과음·자막 등 하위 스킬을 두고, 각 작업에서 축적한 모범 사례와 비효율 개선을 업데이트한다.
   2. 편집 과정을 1단계부터 12단계까지 목록으로 두고, 이미 끝난 효과음과 아직 필요한 자막처럼 현재 상태를 확인하도록 설계한다.
   3. 가장 중요한 스킬은 계속 읽기 쉽고 최신 상태인지 확인하며 다듬는다.

3. 예약 작업보다 먼저 알려 주는 에이전트를 활용한다

   1. Dots는 매일 정해진 시간에 “콘텐츠를 확인하라”고 알리는 수준을 넘어, 성과가 뛰어난 영상이나 잊은 게시물을 발견하면 먼저 알리는 방식으로 소개된다.
   2. X나 LinkedIn을 계속 관찰해 성과가 좋은 영감과 트렌드, 답해야 할 댓글을 찾고, 성과 분석을 바탕으로 스킬을 갱신하도록 할 수 있다.
   3. “지금 당장 주의가 필요한 일이 있으면 알려 달라”는 개인 비서형 과업이 발표자가 선호하는 활용 사례다.

4. 플랫폼 데이터를 활용하되 성과 프레임워크를 찾는다

   1. Twitter의 알고리즘 구현이 공개 저장소에 공개되어 있어, ChatGPT에 코드를 제공하고 점수 계산 방식 등을 설명받을 수 있다고 언급한다.
   2. 잘된 게시물을 복제하는 데 그치면 이미 유행을 뒤쫓게 되므로, 성과가 좋았던 사례에서 반복 가능한 프레임워크를 찾아 새 주제에 적용한다.
   3. 워크숍 프롬프트는 공개해도 개별 창작자의 목소리를 담은 스킬은 각자에게 맞춰져 있으므로, 모두가 같은 말투를 써서는 안 된다고 답한다.

7.3. 진정성은 실제 경험과 생활의 호기심에서 나온다

1. 최종 콘텐츠의 중심은 제작자의 목소리다

   1. AI는 조사와 예비 작업을 도울 수 있지만, 최종 결과는 본인이 쓰고 AI에는 문법을 다듬거나 최소한으로 수정하도록 요청하는 방식을 권한다.
   2. 숫자와 구체적인 사례, 개인적인 일화를 넣으면 콘텐츠가 추상적이고 기계적인 설명에서 벗어나기 쉽다.
   3. 사람을 끌어당기는 연설과 글쓰기에는 정치 연설 등에서 발전한 여러 이야기 프레임워크가 있으므로 참고할 수 있다.

2. 온라인 유행만 좇지 말고 실제 삶을 관찰한다

   1. Cova는 현실에서 다양한 경험을 하고 자신을 끄는 대상을 살피는 일이 독특한 관점을 만든다고 말한다.
   2. 인터넷에서 본 태도와 관점을 그대로 받아들이기만 하면 자기만의 시선이 자라기 어렵다.
   3. 자기 삶과 경험을 의도적으로 큐레이션하는 태도는 콘텐츠뿐 아니라 일반적인 창작에도 적용된다.

3. 이미 쌓아 온 전문성을 ‘수확하고 씨를 뿌린다’

   1. Cloud Code의 개발자 경험 담당자 Tarik이 말한 reap and sow 프레임워크를 소개하며, 엔지니어와 창업자는 콘텐츠를 시작하기 전부터 이미 많은 재료를 축적했다고 설명한다.
   2. 실제로 코드를 쓰고 문제를 해결하며 얻은 배움과 현장 경험을 ‘수확(reaping)’하고, 이를 콘텐츠로 나누는 일이 ‘씨 뿌리기(sowing)’다.
   3. 업무 경험에서 나온 이야기는 일반론만 나열한 콘텐츠보다 구체적이고 진정성 있는 주제를 제공한다.

4. 기술 버블 밖의 호기심도 아이디어가 된다

   1. OpenAI 인턴이었던 Tice Simonian의 로봇이 Golden Gate Bridge를 칠하는 데모나 샌프란시스코 상공을 나는 장면처럼, 일상적인 생각에서 시각적 아이디어가 나올 수 있다.
   2. 옷장 사진으로 AI 옷장을 만들어 코디를 돕는 아이디어는 패션에 관심이 많은 여동생과 나눈 대화에서 시작됐다는 사례가 나온다.
   3. 기술 업계 안에서만 소재를 찾지 말고, 자연스러운 호기심을 따라 일상과 다른 분야를 관찰한다.

7.4. 음악·비주얼·텍스트의 조화와 창작 통제 수준

1. 영상 요소가 하나의 분위기를 만들 때 기억에 남는다

   1. Cova는 음악과 비주얼, 텍스트가 잘 맞물릴수록 짧은 영상의 분위기가 선명해진다고 말하고, 이를 위해 영상 제작 전에 음악을 고르기도 한다.
   2. Steve Lacy의 곡 “Playground”와 노란 춤추는 강아지 영상은 음악과 캐릭터, 화면이 하나의 느낌으로 결합된 사례로 든다.
   3. 여러 크리에이터가 그 영상의 분위기에 공감해 비슷한 감각의 영상을 만들 정도로 조화가 강한 레퍼런스가 될 수 있다.

2. 교육 콘텐츠는 대본이 중심이고 나머지는 보강 요소다

   1. Sarah의 기술 튜토리얼과 엔지니어링 설명은 시네마틱한 화면보다 정확하고 이해하기 쉬운 대본이 더 중요하다.
   2. 자막은 AI가 자주 틀려 손이 많이 가지만, ChatGPT가 CapCut을 조작해 자막을 고치고 자주 쓰는 효과음을 추가하도록 할 수 있다.
   3. 이미지가 화면에 나타날 때 클릭음을 넣고 전환마다 지정한 소리를 쓰며, 강조할 문구는 큰 애니메이션 텍스트로 만들 수 있다.

3. 편집 자동화의 범위는 창작자가 원하는 통제 수준에 달려 있다

   1. 말하는 중간에 “이 장면은 이렇게 편집해 달라”, “이 화면에 이미지를 넣어 달라”고 직접 지시하며 한 번에 긴 영상을 만든 OpenAI 크리에이터 Jason의 사례가 소개된다.
   2. 결과를 빠르게 얻고 세부 제어를 줄이는 방식과 모든 컷·표현을 직접 확인하는 방식은 서로 다른 선택이다.
   3. AI 편집에 맡길 수 있는 범위는 창작자가 얼마나 통제를 내려놓고 싶은지에 따라 정해진다.

4. 개발자의 범위는 전통적인 엔지니어를 넘어 넓어진다

   1. AI 개인 비서가 확산되며 기술 지식 노동에 참여하는 비기술 직군도 도구를 만들고 활용하는 개발자 경험의 일부가 된다.
   2. 기술 회사와 AI 스타트업 안에서 일하지만 비기술 역할을 맡은 사람들은 기술 배경과 비기술 청중을 잇는 콘텐츠의 중요한 대상이다.
   3. 빠르게 쏟아지는 기술 제품과 여러 청중 사이의 교육 격차가 남아 있으며, 누구나 개발자가 될 수 있도록 설명 방식을 넓히는 일이 과제로 제시된다.

주요 발언 모음

“두 개의 C는 간결함과 명료함이다.”

“자동화는 지루한 일을 덜어내 콘텐츠 제작을 하나의 기술로 다듬고 계속 배우게 돕는다.”

“결국 이건 당신의 기술이고 당신의 목소리다. 운전석에는 항상 당신이 있어야 한다.”

“실제 생활을 더 많이 경험하고, 무엇이 자신을 끄는지 주의를 기울여라.”

“최종 콘텐츠는 당신이 쓰고, 도구에는 문법을 다듬거나 아주 적게 수정하라고 명확히 말할 수 있다.”

핵심 데이터 & 수치

• 기억률: 사흘 뒤 기억하는 정보가 입력만 있을 때 약 10%, 시각 자료를 더하면 약 65%라고 John Medina 관련 수치를 소개한다.
• 패키징 비중: YouTube 성과의 약 50%가 제목과 썸네일에 달려 있다고 발표자가 말한다.
• 모델 처리 속도: GPT-5.6 Soul Ultra Fast가 초당 750토큰을 처리한다고 소개한다.
• 콘텐츠 리서치 규모: 좋아하는 크리에이터의 YouTube 영상 수천 개를 모아 제목·썸네일을 비교하는 도구를 만들었다.
• 아웃라이어 탐색: 채널 평균 조회 수의 1배에서 20배까지 범위로 특이 성과를 찾는다.
• 스타일 분석: Cova는 최근 Instagram 영상 50개에서 반복되는 시각 스타일을 추출해 Figma 디자인 시스템으로 만들었다.
• 시안 생성: 브랜딩·로고·영상 분위기를 열 가지 안으로 만들어 선택하는 방법을 설명한다.
• 재가공 일정: 긴 인터뷰는 준비·촬영·편집에 약 한 달이 걸릴 수 있고, 컷다운을 여섯 주 동안 매주 하나씩 게시할 수 있다.
• 촬영 장비: Sony FX3 바디 약 2,500달러와 렌즈 약 2,500달러, 이전 Canon EOS R50 약 300달러, Mic Mini 약 60달러, Sony ZV-1 약 500달러를 예로 든다.
• 짧은 대체 구간: AI 아바타로 잘못 말한 부분을 약 0.5초 정도 수정하면 전체를 다시 촬영하지 않고 오류를 보완할 수 있다.

결론 및 시사점

1. 여섯 단계의 제작 흐름을 먼저 문서화하고, 시간 소모가 크며 반복되는 작업부터 API·스킬·에이전트에 맡긴다.
2. 스와이프 파일과 자신의 과거 콘텐츠를 기준으로 모델을 맞춤화하고, 레퍼런스·목소리·플랫폼별 톤을 구분한다.
3. 제목·썸네일과 성과 분석을 본 제작과 분리하지 말고, 채널 평균 대비 아웃라이어와 반복 가능한 프레임워크를 찾는다.
4. 대본은 말로 아이디어를 풀어낸 뒤 AI와 인터뷰하고 여러 대안을 비교하되, 최종 문장과 주장에는 제작자의 관점을 남긴다.
5. AI에게 영상·자막·효과·예약을 맡겨도 사람은 메시지의 정확성과 개성, 최종 편집 통제 수준을 결정한다.
6. 매주 프로세스와 매월 성과를 돌아보고 스킬을 갱신해, 자동화가 쌓일수록 창작자가 더 많은 시간과 주의를 핵심 아이디어에 쓸 수 있게 한다.

20줄 핵심 요약

AI 기반 콘텐츠 제작은 아이디어 발상·대본·촬영·편집·재가공·발행의 여섯 단계로 나누면 자동화 지점을 찾기 쉽다. 스와이프 파일은 제작자가 좋아하는 영상과 이미지, 글을 모아 에이전트가 취향과 시각 스타일을 이해하도록 돕는다. YouTube 성과의 절반은 제목과 썸네일의 패키징이 좌우하므로 제작 시간의 상당 부분을 여기에 투자할 가치가 있다. 수천 개 영상의 제목과 썸네일을 비교하는 도구는 만들기 전 아이디어의 경쟁력과 차별성을 확인하게 해 준다. 평균이 아니라 자기 채널의 과거 게시물과 비교하면 어떤 주제와 형식이 평소보다 잘 작동하는지 알 수 있다. 대본은 말로 개념을 설명하고 AI 인터뷰로 불분명한 논리를 보완한 뒤 간결함과 명료함을 기준으로 다듬는다. 서로 다른 세 가지 대본과 점수 기준을 비교하면 창작자는 메시지와 참여도 목표에 맞는 안을 선택할 수 있다. 샷 리스트는 A-roll·B-roll·화면 녹화·그래픽을 대본에 표시하고 촬영 체크리스트로 빠뜨린 장면을 줄인다. Coast와 CleanShot은 과거 데모를 찾고 화면 녹화와 주석을 빠르게 준비하는 작업을 돕는다. 자신의 Instagram 영상 50개에서 반복 스타일을 추출해 만든 Figma 디자인 시스템은 일관된 시각 결과를 제공한다. HyperFrames는 자연어 지시로 영상과 자막을 렌더링하고, 타임라인 편집기는 세밀한 클립·레이어 통제를 제공한다. 사용자 지정 사운드 패드는 전환의 whoosh와 이미지 등장 시 클릭 효과를 편집 타임라인에 빠르게 넣는다. 이미지 생성과 3D 모델링은 촬영 배경·떠다니는 오브젝트·애니메이션 타이틀을 적은 수작업으로 확장한다. AI 아바타는 영상 전체를 대신하기보다 잘못 말한 짧은 문장이나 날짜를 고칠 때 유용하다. 긴 인터뷰에서 여섯 개의 짧은 컷다운을 만들고 플랫폼별로 예약하면 한 번의 제작물을 여러 주간 활용할 수 있다. Buffer와 게시 API는 여러 플랫폼에 맞춘 캡션과 게시 시간을 준비하되 사람의 사전 승인을 받게 한다. 주간 작업 회고는 확인하지 않는 알림과 불필요한 Premiere 점검처럼 반복되는 낭비를 찾아 제거한다. 자동화의 목표는 AI 슬롭을 늘리는 것이 아니라 창작자가 지루한 일을 덜고 자신의 기술과 목소리를 더 다듬게 하는 것이다. 독특한 콘텐츠는 온라인 유행의 복제보다 실제 생활의 경험과 전문성, 일상적인 호기심에서 나온다. 음악·비주얼·텍스트를 하나의 분위기로 맞추고 청중을 비기술 직군까지 넓히면 기술 콘텐츠의 표현 범위를 확장할 수 있다.