워크플로우를 다 만들고 처음으로 실행 버튼을 눌렀을 때 떨렸다. 약 2주 동안 각 에이전트의 프롬프트를 수정하고, 노드를 연결하고, 에러를 고치고를 반복했다. 이제 그 모든 게 하나로 연결되어 작동하는 순간이었다.
전체 워크플로우 구성
이 시스템은 6개의 AI 에이전트가 순차적으로 협업하는 구조다. 각자 맡은 역할만 수행하고, 다음 에이전트에게 결과물을 넘긴다.
[1. 리서치 에이전트]
↓ 검색 의도, 벤치마크, 차별화 기회
[2. 전략 에이전트]
↓ 콘텐츠 구조, H2/H3 설계
[3. 리스크 판별 에이전트]
↓ high/low 판단
↓ (high인 경우)
[4. 팩트 검증 에이전트]
↓ 검증된 사실, 면책 문구
[5. SEO 편집 에이전트]
↓ SEO 제목, 메타 설명, 링크 전략
[6. 글쓰기 에이전트]
↓ 구텐베르크 형식 본문
[워드프레스 발행]이렇게 역할을 나눈 이유는 단순하다. AI 하나한테 모든 걸 시키면 프롬프트가 복잡해진다.
리서치도 하고, 전략도 짜고, 글도 써달라고 하면 AI는 이 세 가지를 동시에 처리하려고 한다. 문제는 각 단계의 출력 형식이 다르다는 거다. 리서치는 구조화된 데이터로 나와야 하고, 전략은 설계도 형태로 나와야 하고, 글쓰기는 최종 본문으로 나와야 한다. 이걸 한 번에 시키면 출력이 뒤섞인다.
그리고 프롬프트에 여러 역할을 명시하면 AI가 어느 하나에 집중하기 어렵다. “리서치할 때는 이렇게 하고, 전략 짤 때는 저렇게 하고”라고 조건을 나열하면 프롬프트가 길어지고 복잡해진다. AI는 프롬프트가 간단하고 명확할 때 가장 잘 작동한다.
리서치 에이전트는 검색 의도, 벤치마크 포인트, 차별화 기회만 JSON 형태로 출력하라는 단순한 지시를 받는다. 전략 에이전트는 리서치 결과를 받아서 H2/H3 구조만 만들어라는 명확한 역할을 받는다. 각자 자기 일만 하니까 프롬프트 설계가 쉽고, 에이전트의 출력 품질도 일관되게 나왔다.
첫 실행, 예상치 못한 분기
에어테이블에 “강아지 단백질 섭취량 계산법”이라는 키워드를 예약 상태로 넣고 워크플로우를 실행했다. 리서치 에이전트가 구글, 네이버 블로그, 네이버 뉴스를 동시에 검색했다. 몇 분 뒤 에어테이블에 결과가 쌓였다. 검색 의도 가설, 벤치마크 포인트, 차별화 기회가 깔끔하게 정리되어 있었다. 특히 차별화 기회를 보니 “상위 글들은 조단백 퍼센트 수치만 설명하고 있으니, 실제 그램 환산 방법을 단계별로 제시하라”는 인사이트가 나왔다. AI가 스스로 찾아낸 차별화 포인트였다.
전략 에이전트로 넘어갔다. H2가 6개 나왔다. “조단백만 보면 생기는 오해”, “단백질 섭취량을 보는 올바른 기준”…등등. 전략 타입은 “hybrid”였다. 상위 글들의 공통 구조를 유지하면서 계산 방법이라는 차별 섹션을 강하게 넣는 전략이었다.
그 다음 리스크 판별 에이전트가 작동했다. 결과는 high. “영양 섭취 기준과 수치가 포함된 주제로 최신 가이드라인 확인이 필요함”이라는 이유였다. 워크플로우가 갈라졌다. 내가 수동으로 판단하지 않아도 시스템이 알아서 “이 주제는 민감하니까 팩트 체크를 돌려야겠다”고 판단한 거였다.
이 순간 깨달은 게 있다. 만약 AI 하나한테 “리서치하고 전략 짜고 글 써줘”라고 했다면 이런 분기가 불가능했을 거다. 리스크 판별이라는 단계가 독립적으로 존재하기 때문에, 시스템이 자동으로 판단하고 워크플로우를 갈라놓을 수 있었다. 각 에이전트가 자기 역할만 명확히 하니까, 전체 시스템이 똑똑해지는 거였다.
팩트 검증의 까다로운 기준
팩트 검증 에이전트가 검색을 시작했다. 첫 검색에서 나온 결과 대부분이 네이버 블로그였다. 전부 배제됐다. 두 번째 검색에서 농림축산식품부 사이트와 서울대 수의대 논문을 찾았다. 이제야 인정할 만한 출처가 나온 거다.
최종 결과물을 보니 검증된 사실 2개가 들어있었다. 각 항목마다 관할권, 신뢰도, 출처 URL이 명시되어 있었다. 그리고 면책 문구 3개가 들어있었다. “이 글은 일반적인 정보 제공을 목적으로 하며, 개인의 상황에 따른 전문적인 조언을 대체하지 않습니다” 같은 문구들이었다. 금지 표현 목록도 있었다. “반드시 효과가 있다”, “모든 강아지에게 동일하게 적용된다” 같은 표현들이었다.
이게 팩트 검증 에이전트만의 역할이다. 글쓰기 에이전트한테 “출처 확인하면서 글 써줘”라고 하면 대충 넘어간다. 근데 팩트 검증만 전담하는 에이전트가 있으니까, 출처 필터링이 깐깐해지는 거다. 역할이 나눠지니까 각자의 퀄리티가 올라간다.
글쓰기 에이전트의 출력
글쓰기 에이전트가 본문을 만들었다. 구텐베르크 블록 형식으로 나왔다. H2, H3 구조는 전략 에이전트가 만든 설계도를 그대로 따랐다. 면책 문구는 초반 섹션에 자연스럽게 녹아있었다. 검증된 사실은 출처와 함께 인용되어 있었다. 외부 링크도 제대로 삽입되어 있었다.
워드프레스에 글이 발행됐다. 에어테이블의 status가 “완료”로 바뀌고 발행 URL이 기록됐다. 전체 프로세스는 약 5분 걸렸다.
이 시스템이 나에게 준 것
이 자동화 시스템을 돌려보면서 확실히 느낀 게 있다. 블로그 운영이 부담이 아니라 즐거움이 됐다는 것이다. 예전에는 오늘 글 써야 하는데… 하면서 미루곤 했다. 자료 조사부터 막막했고, 구조 잡는 것도 어려웠고, 글 쓰는 건 더 어려웠다. 지금은 에어테이블에 키워드만 넣어두면 완성본이 나온다.
그리고 무엇보다 내가 어떻게 일하는지 더 명확하게 이해하게 됐다. 자동화 시스템을 만들면서 리서치, 전략 수립, 글쓰기를 단계별로 분리했다. 그 과정에서 내가 무의식적으로 하던 일들을 의식적으로 정의했다. 이게 자동화의 긍정적인 부수 효과다.
AI 1개 vs 6개 에이전트 팀
ChatGPT한테 “이 키워드로 블로그 글 써줘”라고 하면 10초 만에 글이 나온다. 근데 그 글은 뻔하다. 리서치 없이 AI가 아는 내용만 쓰고, 구조는 교과서 같고, 출처도 없고, SEO도 대충이다.
내 시스템은 5분 걸린다. 근데 그 5분 동안 6개의 전문 팀이 협업한 결과물이 나온다. 리서치팀이 상위 글을 분석하고, 전략팀이 차별화 포인트를 찾고, 리스크 판별팀이 민감 주제를 걸러내고, 팩트 검증팀이 출처를 확인하고, SEO 편집팀이 검색 최적화를 하고, 글쓰기팀이 구텐베르크 형식으로 완성한다.
1인 사업자는 대기업처럼 팀을 꾸릴 수는 없다. 하지만 이 6개의 AI 에이전트는 팀을 대신할 수 있다. 이들이 협업해서 꽤 괜찮은 퀄리티의 글을 만들어낸다. 그게 내가 이 실험을 통해 얻은 가장 큰 수확이다.
