연결은 됐고, 움직이는 3D 영상까지 뽑았다.
다만 가는 길이 순탄하진 않았다.
오늘 겪은 삽질을 그대로 기록해둔다.
이미지: 직접 제작
BlenderMCP가 뭐냐
간단히 말하면 Claude가 Blender를 직접 조종하게 해주는 다리다.
포트 9876을 통해 Claude Code와 Blender가 대화하고,
"큐브 만들어줘", "이 오브젝트 옮겨줘", "충돌 장면 만들어줘"같은
자연어 지시를 Blender 안에서 실제로 실행시킨다.
전체 그림은 이렇다.
Claude Code ──(포트 9876)── Blender (BlenderMCP 애드온)
"충돌 장면 만들어줘" → 실제로 오브젝트 배치/이동/렌더
[어렵게 생각할 필요없다 단순히 우리가 전화를 연결한다 생각하면된다]
[포트 9876 = 블렌더와 클로드코드의 전화번호이다]
이미지: 직접 제작
연결 순서
다운로드 설치 Blender 실행
N키로 사이드 패널 열기 (안 되면 우측 세로 탭에서 BlenderMCP 찾기)
BlenderMCP 탭 → 포트 9876 확인 → "Connect to MCP server" 클릭
애드온이 안 보이면 Edit → Preferences → Add-ons에서 MCP를 검색해 체크박스를 켜야 한다.
포터블 버전은 가끔 등록이 풀려서 다시 설치해야 할 때도 있다.
🖼️
이미지: AI 생성
첫 번째 벽 — 이미지를 줘도 3D가 안 된다
처음에 크게 착각한 게 있다. "메뚜기 이미지를 주면 Blender가 알아서 3D 메뚜기를 만들겠지." 안 된다.
BlenderMCP는 이미지를 보고 3D 모델을 만들어주는 게 아니다.
이미 씬에 있는 오브젝트를 옮기거나,
기본 도형(큐브·실린더)을 만드는 것만 가능하다.
이미지는 그냥 참고 자료일 뿐 형상이 되지 않는다.
🖼️
이미지: 직접 제작
위 이미지처럼 단순한 도형 캔들 정도는 만들어서 들어가게끔 연속된 동작은 가능하다.
복사붙여넣기는 가능한데 완전 고퀄리티 이미지를 영상으로 만들어주는 작업은 아직 할줄 모르겠다.
누끼(배경 제거)를 따서 줘도 마찬가지다.
누끼는 2D 평면 작업이라 Blender 입장에선 납작한 그림 한 장이다.
3D 충돌 장면이 될 수 없다.
해결책: 이미지로 3D를 만들려면 별도의 image-to-3D 도구(Tripo, Hunyuan3D 등)를 거쳐야 한다.
이건 BlenderMCP가 하는 일이 아니다.
두 번째 벽 — 바퀴가 바닥에 박힌다
차 모델을 받아서 바닥에 놨더니 바퀴가 땅속으로 절반쯤 들어가 있었다.
이게 입문자가 제일 많이 만나는 함정이다.
원인은 origin(원점)이다.
차 모델의 원점이 바닥(바퀴 밑)이 아니라 차체 중심에 있으면,
z=0에 놓는 순간 차의 절반이 바닥 아래로 꺼진다.
Claude는 바운딩박스 최저점이 어딘지 모르고 그냥 원점을 z=0에 맞추기 때문이다.
여기서 배운 교훈이 있다.
Claude한테 좌표를 추측으로 박게 두면 안 된다.
명령 전에 무조건 "get_scene_info랑 get_object_info로
실제 위치·크기·바운딩박스 먼저 읽고 움직여"라고 시켜야 한다. 추측 금지, 실측 먼저.
세 번째 벽 — 모델을 어디서 구하냐
3D 모델을 어디서 가져오느냐가 관건이었다.
처음엔 Hyper3D Rodin(이미지→3D 생성)을 쓰려 했는데,
내장된 무료 체험키가 모두가 공유하는 공용 키라 시작하자마자 잔액 소진 상태였다.
받자마자 못 쓰는 상황이 발생한 것이다.
그래서 Sketchfab으로 방향을 틀었다.
Sketchfab은 크리에이티브 커먼즈 라이선스로 100만 개가 넘는 무료 모델을 제공하고,
잔액이라는 개념이 없다. 무료 계정 가입 후 API 토큰만 발급받으면 바로 이용할 수 있다.
한도가 아예 없는 건 아니지만(짧은 시간에 너무 많이 받으면 속도 제한),
모델 몇 개 받는 데는 전혀 문제없다.
상업적으로 쓸 거라면 라이선스를 신경 써야 한다.
CC0는 출처 표기도 필요 없고,
CC-BY는 영상 설명란에 제작자 이름만 적으면 된다.
수익화 채널이라면 Claude한테 "CC0 또는 CC-BY 상업용 가능한 것만 골라줘"라고 명시하는 게 안전하다.
네 번째 벽 — 걷게 만들기
가장 헷갈렸던 부분이다.
메뚜기 다리를 한 발씩 움직이게 하려면 IK(역기구학) 리깅이라는 걸 해야 하는데,
이건 본(bone) 구조를 만들고 다리마다 컨트롤을 붙이는 작업이라 MCP로는 사실상 불가능에 가깝다.
입문자가 GUI에서 손으로 하려면 며칠은 걸리는 작업이다.
🖼️
이미지: AI 생성
해결책은 "직접 리깅하지 말고, 이미 걷는 애니메이션이 든 모델을 받는 것"이었다.
Sketchfab에서 "rigged + animated"로 검색하면 걷기 애니메이션이 내장된 모델이 나온다.
이걸 받으면 다리 움직임은 모델 안에 이미 녹화돼 있어서,
재생만 하면 다리가 움직인다. 여기에 몸 전체를 경로(Curve)를 따라 이동시키면 —
다리는 걷고 몸은 앞으로 가는, 진짜 걸어가는 그림이 완성된다.
핵심 구분 하나.
"걷기"와 "바닥 정렬"은 별개 문제다.
걷는 모델을 받아도 origin이 발바닥에 없으면 또 바닥에 박힌다.
그래서 받은 뒤에도 바닥 정렬은 따로 해줘야 한다.
그래서 결국 됐다
🖼️
이미지: 직접 제작
움직이는 메뚜기 모델을 받아서
초록 지면 위에 발 닿게 세우고
걷기 애니메이션을 재생하면서
경로를 따라 이동시켜
영상으로 렌더링
여기까지 성공했다. 처음에 바퀴가 바닥에 박히던 걸 생각하면 꽤 멀리 왔다.
클로드 코드 블렌더, 솔직한 결론
다 해보고 나서 정리한 생각은 다음과 같다.
3D는 분명 매력적이다.
제재가 없고, 모든 걸 내가 통제할 수 있다.
카메라가 빙글 돌고, 슬로우모션 걸고, 충돌 순간 줌인하는 연출은 2D로는 절대 못 한다.
🖼️
이미지: AI 생성
하지만 "내가 원하는 구도로, 내 디자인으로, 자유롭게" 만드는 건 아직 먼 이야기다.
오늘 한 건 결국 "남이 만든 모델을 받아서 경로를 따라 움직이게 한 것"이고,
진짜 내 디자인으로 자유롭게 다루려면 모델링·리깅·애니메이션을 제대로 배워야 한다.
그것은 몇 달짜리 투자다.
그래서 지금 내 결론은 이렇다. 3D는 당장 콘텐츠를 뽑는 메인 수단이 아니라, 제재 없는 미래를 위한 적금이다.
당장 채널 돌리는 건 검증된 방식으로 하고,
3D는 노는 시간에 천천히 쌓아간다. 가능성을 확인해둔 것만으로도 손해는 아니다.
오늘의 수확은 "AI한테 3D 소프트웨어를 직접 조종하게 시킬 수 있다"는 걸 두 눈으로 확인한 것.
이게 어디까지 갈 수 있을지는 계속 파봐야 알 것 같다.
코드를 직접 쓰지 못한다.
근데 도구는 만들었다.
AI가 대신 짜줘서.
이번 글은 그 도구를 어떻게 만들게 됐는지,
그리고 코드 모르는 사람이 어떻게 AI에게 일을 시켰는지에 대한 이야기다.
한마디로 코드 못 쓰는 사람의 캐릭터 에디터 제작기다.
이미지: AI 생성
시작 — 도구가 필요했다
내 작업은 AI 마스코트로 영상 콘텐츠를 만드는 거다.
캐릭터 한 명을 정해두고,
그 캐릭터가 “달리는”, “인사하는”, “옆을 가리키며 설명하는” 등 다양한 컷을 뽑아 영상에 붙인다.
처음엔 그냥 메모장에다 프롬프트 적어가며 했다.
캐릭터 디자인 스펙을 매번 복붙하고,
그 뒤에 장면 묘사만 바꿔서 붙였다.
문제는 컷이 30개 정도 넘어가면 미친듯이 복잡해진다는 거다.
진짜 개발자들은 대단한거 같다 이것들을 전부 생각하고 만든다는게 말이되나?
머리가 멍해지는 기분이 들더라.
이미지: AI 생성
그러다 깨달았다.
이런 거 관리하는 도구는 결국 “폼과 목록”의 결합이잖아?
세상에서 제일 흔한 종류의 소프트웨어.
그러면 못 만들 이유가 없지 않나?
Claude Code한테 시켰다
문제는 내가 코드를 못 쓴다는 것.
하지만 내가 뭘 원하는지는 명확히 안다.
그러면 그걸 그대로 AI인 Claude Code한테 설명하면 된다.
내가 원한 화면 구조와 기능은 이랬다.
이미지: AI 생성
화면 한쪽에는 캐릭터 목록이 있고,
클릭하면 마스터 프롬프트가 보여서 바로 편집할 수 있어야 했다.
다른 한쪽에는 캐릭터 선택, 장면 묘사, 동작, 구도를 입력하는 컷 만들기 영역을 배치하고,
입력 즉시 조립된 최종 프롬프트가 미리보기로 뜨게 만들고 싶었다.
이미지: AI 생성
이걸 그대로 Claude Code한테 줬다.
큰 작업이니까 서브에이전트를 적극 활용하되,
비용이 비싼 특정 모델은 제외하라는 원칙도 명확히 박았다.
이전 경험에서 우러나온 나만의 철저한 기준이었다.
작업 — 하루도 안 걸렸다
Claude Code가 먼저 계획을 짜서 보여줬다.
파일 구조부터 서브에이전트 역할 분담,
자동 테스트 계획까지 일목요연했다.
여기서 내가 한 일은 계획을 읽고 빠진 게 있는지 확인하는 것이었다.
이게 코드 안 쓰는 사람의 진짜 역할이다.
코드 쓰는 게 아니라, 결과를 검증하는 것.
이미지: AI 생성
내가 확인하고 내린 지침은 명확했다.
캐릭터 스펙을 코드에 박지 말고 에디터에서 JSON 편집으로 끝나게 할 것,
그리고 웹 자동화가 깨질 위험을 줄이기 위해 실제 생성은 자동 호출 대신 사람이 따로 하도록 격리할 것.
이미지: AI 생성
이런 결정들은 기술 결정이 아니라 작업 흐름 결정이다.
코드를 몰라도 할 수 있다.
오히려 작업 흐름을 매일 직접 굴리는 사람만 할 수 있는 최고의 판단이다.
내가 승인하자 AI 서브에이전트들이 병렬로 작업을 진행했다.
컴포저, 크로마키 코드, 프론트엔드를 각자 맡아 결과를 통합하고 자동 테스트까지 돌렸다.
내가 옆에서 한 일은 가끔 질문에 답해주고,
빌드가 끝나면 직접 열어서 동작을 확인하는 것뿐이었다.
정말 하루도 안 걸렸다.
이미지: AI 생성
도구가 굴러간다
지금 그 에디터는 내 브라우저에서 아주 잘 돌아간다.
캐릭터를 골라 새 컷을 디자인하고,
조립된 프롬프트를 복사해 던지고,
결과 이미지를 가져와 붙여넣는 일련의 과정을 한 화면에서 처리한다.
메모장 수십 개를 띄울 일이 완전히 사라졌다.
이미지: AI 생성
코드 못 쓰는 사람이 도구 만드는 진짜 기술
이걸 만들면서 깨달은 건, 코드를 못 쓴다는 사실이 내 발목을 잡는 게 아니라는 점이다.
AI 시대에 진짜 발목을 잡는 건 자신이 무엇을 원하는지 정확히 모르는 것이다.
예전 같았으면 모르면 인터넷을 뒤져보고 사람들에게 물어보거나
전문가를 찾아서 해결했었어야 할 일을
지금은 내가 컴퓨터에 앉아서 ai 소통으로 해결을 한다.
진짜 대단한 시대가 열린것이라 생각한다.
이미지: AI 생성
AI에게 단순히 “도구 만들어줘”라고만 하면 무조건 망한다.
그 도구가 정확히 뭘 보여주고,
어떤 입력을 받아서,
어떤 결과를 내놓아야 하는지 사람이 한 줄씩 정의해줘야 AI가 제대로 짠다.
그건 작업을 매일 치열하게 굴려본 사람만 할 수 있는 일이다.
지금 당장 내가 다른사람이 필요한게 무엇이다 말하면
그 계획이라 해야하나? 진행과정? 시작점을 딱 골라서 시작할 정도는 되는거같다.
개발자도 그 업무 도메인을 모르면 절대 못 만든다.
그 기획력이 바로 내가 가진 무기였고,
거기에 AI의 코드 능력을 붙인 것이다.
이미지: AI 생성
캐릭터 에디터 제작기 관련 핵심 변수를 다시 짚어봅니다.
투자 판단에서 캐릭터 에디터 제작기 흐름은 중요한 기준이 됩니다.
캐릭터 에디터 제작기가 내게 알려준 것
정리
코드를 모른다고 도구를 못 만드는 시대는 완전히 끝났다.
단, 내가 무엇을 원하는지 명확히 알아야만 만들 수 있다.
비슷한 작업을 매일 반복하면서 “이런 도구가 있으면 진짜 편할 텐데”라는 생각이 든다면,
그게 바로 당신도 도구를 만들 수 있다는 신호다.
그 직관이 곧 명세고, 그 명세가 곧 도구의 설계도다.
AI한테 너무 거창하게 생각하지 말고, 있는 그대로 설명해보자.
어렵게 생각하지말것
시작은 어렵지않다.
AI를 켜고 “난 오늘부터 홈페이지를 만들거야 계획을 짜줘” 채팅창에 입력하면 그게 시작이다.
단 한번의 사용으로 5시간 사용 한도의 51%를 날려 먹은 웃픈 이야기와 함께 이를 해결한 과정을 공유해 드립니다.
이 글은 클로드 코드 사용량 폭발 사건과 그 해결기를 담은 기록입니다.
이미지: AI 생성
현재 준비 중인 콘텐츠는 심리테스트, 홈페이지 주식 관련 글 정리, 그리고 일상적인 경험담들입니다. 오늘은 그중에서도 오늘 딱 겪었던 따끈따끈한 심리테스트 개발 연동 이야기를 해보려고 합니다.
심리테스트 자동화, 4단계 구조부터
클로드 코드로 심리테스트를 만드는 과정은 크게 4단계로 나뉩니다.
첫째는 전체적인 배경 설정,
둘째는 글자가 나오는 레이어 위치 맞춰주기,
셋째는 가장 중요한 글(콘텐츠) 생성 도구 만들기입니다. 매번 같은 내용이 나오면 안 되니까요.
마지막 넷째는 이 모든 요소를 자연스럽게 투입하고 완성하는 단계입니다.
이미지: AI 생성
이 과정을 시작 버튼 딱 하나로 한 방에 해결하려고 하니 모든 게 막혀버렸습니다. 배경이야 대충 만든다 쳐도, 레이어 위치나 글 생성은 눈으로 직접 보고 테스트하고 수정하는 반복 작업의 연속이었습니다. 이쯤 되니 내가 비개발자인지 개발자인지 헷갈리기 시작하더군요.
로컬호스트로 작업 환경을 옮겼습니다
사이트를 열어 확인하고, 실패한 부분을 다시 클로드 코드에게 던져주는 짓을 반복하다가 문득 좋은 아이디어가 떠올랐습니다. “클로드야, 이거 그냥 내 컴퓨터에서도 돌아가게 만들어서 여기서 완전히 고치고 실행하자!”라고 했더니 바로 알겠다고 하더군요. 그렇게 로컬호스트(Localhost) 환경을 구축했습니다.
로컬호스트(Localhost)란?
외부 인터넷 서버를 거치지 않고, 본인의 개인 컴퓨터(PC) 내부를 가상의 서버로 만들어 웹사이트나 프로그램을 구동하는 환경을 뜻합니다. 쉽게 말해 ‘내 컴퓨터 주소’를 의미하며, 개발 중인 화면을 실시간으로 띄워놓고 안전하게 수정 및 테스트를 반복할 수 있는 나만의 비밀 작업실 공간입니다.
이미지: AI 생성
로컬호스트를 띄워놓고 클로드 코드에게 “이건 틀렸어”, “이건 잘했어”, “이 부분은 빼줘”라고 요청하니 순식간에 딱딱 맞춰서 문제들이 풀려나갔습니다.
배경은 아주 천천히 움직이게 만들었습니다
그다음은 이미지와 음악 생성 과정이었습니다.
가장 처음에 만든 심리테스트는 이미지만 떵그러니 넣었더니 너무 밋밋하고 보기 싫었습니다. 그래서 두 번째로는 움직이는 영상을 배경으로 넣어봤는데, 이번에는 배경이 휙휙 지나가니까 글자가 눈에 전혀 안 들어왔습니다. 배경이 너무 신경 쓰였던 거죠.
이미지: AI 생성
결국 최종 조율한 방법은 아주 아주 천천히 움직이는 영상을 만드는 것이었습니다. 사용자가 보면서 ‘아, 뒷배경이 은은하게 움직이고 있구나’ 정도만 파악할 수 있는 수준으로요. 이 부분은 제미나이로 이미지를 먼저 생성한 뒤, 그록(Grok)을 통해 영상으로 변환하여 넣도록 조율했습니다.
이미지는 특별한 기교 없이 상황에 맞는 프롬프트를 넣었습니다. 배경 움직임을 최소화해야 했기에 프롬프트 구조는 생각보다 단순했습니다.
배경 영상 생성 프롬프트 예시
“심리테스트 질문에 어울리는 차분하고 몽환적인 그래픽 일러스트, 아주 미세하고 느린 구름의 움직임(Minimal animation, cinematic, super slow motion, 0.1x speed)”과 같이 시각적 자극을 줄이고 움직임을 극도로 제한하는 키워드를 조합하여 적용했습니다.
이미지: AI 생성
클로드 코드 사용량, 51%가 사라진 순간
그렇게 세팅을 끝내고 신나게 실행을 시켜봤는데, 모니터를 보고 눈을 의심했습니다. 100달러짜리 플랜인데 클로드 사용량이 벌써 51%를 먹고 있었던 것입니다.
이미지: 직접 제작
클로드는 보통 5시간 주기로 사용량이 갱신됩니다. 만약 20달러짜리 일반 플랜으로 이 작업을 돌렸다면 중간에 사용 제한이 걸려 아예 실행조차 되지 않았거나 멈췄을 게 뻔합니다.
이렇게 어마어마한 리소스 소비가 일어난 까닭을 분석해 보니, 클로드의 가장 무겁고 똑똑한 고성능 AI 모델을 단순한 퀴즈 텍스트 생성에 전부 때려 박고 있었기 때문이었습니다.
이미지: AI 생성
고성능 모델만 쓰던 게 문제였습니다
현재 클로드의 AI 모델 종류는 Sonnet 4.6, Haiku 4.5, Opus 4.6, Sonnet 4.5, Opus 4.7 등이 존재하며, 모델마다 비용과 사용량 차이가 크게 납니다. 보통은 전체적인 구조나 마스터플랜을 짤 때 최고 사양인 Opus 4.7을 쓰고, 실제 반복적인 코딩 생산이나 단순 텍스트 생성은 가성비와 속도가 좋은 Sonnet 4.6이나 Haiku를 씁니다.
하지만 저는 비개발자라 아무것도 모르는 상태였으니, 모든 파이프라인을 Opus 4.7로 전부 실행되게 만들어 두었던 것입니다. 이 사단이 난 원인을 파악하자마자 클로드 코드에게 곧바로 명령했습니다. “이 낭비되는 상황을 파악하고, 비용을 줄이기 위한 최소한의 행동 계획을 짜서 나한테 줘.”
이미지: 직접 제작
여기서 AI를 활용할 때 유용한 팁을 하나 드리자면, 무작정 “너 이거 해줘”, “이건 이렇게 고쳐줘”라고 단편적인 지시를 내리는 것보다 “먼저 계획을 짜라”고 우선순위를 넘겨주는 것이 훨씬 좋습니다. AI들이 계획을 먼저 수립하게 만들면, 스스로 무엇을 해야 할지 논리적인 단계를 거치기 때문에 이후 행동에서 실수가 급격하게 줄어듭니다.
이미지: AI 생성
확인해 보니 역시나 제가 만든 심리테스트 자동화 스크립트가 돌아갈 때 모든 텍스트 생성 API 요청이 전부 무거운 모델로 처리되고 있었습니다.
이미지: 직접 제작
모델 분산으로 사용량이 15%까지
클로드 코드의 안내에 따라 무거운 작업은 상위 모델로, 단순 퀴즈 생성이나 폼 양식 맞추기는 하위 모델로 분산하는 수정을 거쳤습니다. 그리고 다시 실행을 시켜보니 놀랍게도 사용량이 기존의 3분의 1 수준인 15%까지 뚝 떨어졌습니다.
프로그램이나 자동화 시스템을 구축할 때 리소스 낭비가 심하다면, 어떤 모델이 불필요하게 고스펙으로 돌아가고 있는지 반드시 체크해 보셔야 합니다.
이미지: AI 생성
비개발자가 꼭 기억할 두 가지
더 중요한 것은 진짜로 성능이 필요한 핵심 부분과 가볍게 처리해도 되는 부분을 구별하지 못하면 나중에 더 큰 문제가 생긴다는 점입니다. 비개발자 입장에서 복잡한 자동화를 구현할 때는 이 두 가지만 꼭 기억하시길 바랍니다.
무조건 계획(Plan)부터 AI에게 짜 달라고 요청할 것
계획된 단계 중 딱 한 가지를 정확하게 마무리 짓고 다음 단계로 넘어갈 것
이 원칙만 지켜도 저처럼 하루 만에 아까운 사용 한도를 절반 넘게 날려 먹는 실수는 피할 수 있을 것입니다. 결국 클로드 코드 사용량 관리의 핵심은 무거운 모델과 가벼운 모델을 제대로 나누는 것이었습니다.
AI 자동화 실패담 이야기다. AI 영상&블로그 자동화, 돈 날리고 깨달은 솔직한 후기
처음에는 AI로 영상이랑 블로그 글을 뚝딱 만들어내는 '자동화 공장'만 구축하면 모든 게 끝날 줄 알았습니다. 하지만 직접 부딪혀보니 현실은 상상과 많이 달랐습니다. 이건 제가 직접 겪은 AI 자동화 실패담입니다.
이미지: AI 생성
할루시네이션, AI들의 뻔뻔한 거짓말
가장 먼저 발목을 잡은 건 AI들의 뻔뻔한 거짓말, 바로 할루시네이션(환각 현상)이었습니다. 제미나이든, 지피티든, 클로드든 가리지 않고 모르는 걸 마치 진짜인 것처럼 너무 당당하게 지어내서 써주더군요. 그대로 올렸다가는 큰일 나겠다 싶어서 결국 사람이 하나하나 검수해야 하는 번거로움이 생겼습니다.
이미지: AI 생성
API 연동의 함정
그다음 찾아온 난관은 바로 API 연동이었습니다. 텍스트 생성은 물론이고 이미지, 사진, 목소리 생성까지 이것저것 욕심내서 파이프라인에 다 연결해 두었죠. 이때까지만 해도 자동으로 굴러가는 시스템을 보며 뿌듯함이 앞섰습니다.
이미지: AI 생성
하지만 여기서 정말 뼈아픈 실수를 하나 하게 됩니다. 이번에 제미나이 이미지 생성 API를 연결하면서 당연히 일정 구간은 무료이거나 비용이 거의 안 들 줄 알았거든요. 나중에 알고 보니 무료가 아니라는 사실을 깨닫고 금액을 확인했을 때 그 당혹감이란 이루 말할 수 없었습니다. 지갑이 제대로 털리고 나니 정신이 번쩍 들더군요.
이미지: AI 생성
복붙 노가다에서 벗어나기까지
이뿐만이 아니었습니다. 초기에는 코딩을 잘 모르니 AI가 짜준 코드를 그저 복사해서 내 코드 마크다운에 붙여넣고, 또 에러 나면 다시 복사해서 붙여넣는 무한 루프를 반복했습니다. 파일 하나 수정하는 데도 시간이 엄청나게 걸렸죠.
이미지: AI 생성
그러다 최근에 클로드 코드를 활용해 내 PC 안의 소스 코드를 직접 읽고 알아서 내용을 수정해 주는 방식으로 워크플로우를 바꿨습니다. 일일이 복붙하지 않아도 터미널에서 알아서 척척 고쳐주니 개발 속도와 편의성이 완전히 신세계로 바뀌더군요. 노가다 아르바이트를 하다가 자동화 장비를 들여놓은 기분이었습니다.
이미지: AI 생성
AI 자동화 실패담이 남긴 진짜 자산
지나고 보면 API 비용으로 생돈도 날리고, 코드 에러 잡느라 밤새며 시간 낭비를 참 많이 한 것 같습니다. '내가 지금 뭘 하고 있나' 싶어 현타가 올 때도 많았습니다. 돈 낭비, 시간 낭비처럼 보였던 그 수많은 삽질의 순간들이 사실은 절대 쓸모없는 짓이 아니었습니다.
이미지: AI 생성
그 과정에서 에러를 해결하는 눈이 생겼고, 어떤 AI 모델이 어느 작업에 효율적인지 몸으로 깨달았습니다. 결국 그 비싼 수업료들이 고스란히 제 안의 '경험'과 '데이터'로 누적되어 가고 있었던 겁니다. 실패해 보지 않았다면 절대 만들지 못했을 나만의 단단한 무기가 생긴 셈이죠. 자동화는 단순한 기술이 아니라, 수많은 시행착오를 견뎌낸 경험의 결과물입니다. 결국 이 AI 자동화 실패담이 제 가장 큰 자산이 됐습니다.