AI Native 채널 수도리무브가 되어보자. 2부

한 줄 핵심

디스코드용 AI 에이전트를 온보딩해 채널 문맥과 전사·정리 워크플로를 자동화했지만, 대본까지 맡기기에는 아직 품질이 기대에 못 미쳐 리서치·큐레이션 보조 수준으로 쓰는 쪽이 현실적이라는 결론이다.

시간별 요약

1. 0:18
   2부는 AI Native 채널이 되기 위한 첫 실험으로 시작되며, 당장 할 수 있는 일부터 하나씩 적용해 보자는 방향이 잡힌다. 기존 인간 조직의 틀을 AI에 맞게 재설계해야 한다는 문제의식이 출발점이다.
2. 2:01
   디스코드 소통 사이에 AI 에이전트를 중간자처럼 두기로 하고, 이 에이전트가 채널 맥락을 모르는 상태를 해결하기 위해 온보딩 문서와 메모리를 채우는 작업이 필요하다는 점이 드러난다. 에이전트는 인턴이 아니라 수도리무브를 이해하는 선생님처럼 다뤄야 한다는 관점도 함께 정리된다.
3. 5:00
   채널의 목표는 단순 보조가 아니라 PD 역할로, 리서치·기획·대본까지 맡는 것이다. 이를 위해 수도리무브가 무엇인지, JC와 JB가 누구인지, 어떤 콘텐츠를 다뤄왔는지 자동으로 파악하게 하는 문맥 수집이 핵심으로 설정된다.
4. 8:01
   유튜브 채널의 상위 콘텐츠와 재생목록을 읽어 들여 주제와 포맷을 정리하게 하고, 최근 영상들의 자막까지 모아 팟캐스트의 서사 구조와 네러티브를 분석시키는 흐름이 잡힌다. 라이브·쇼츠·팟캐스트를 한 번에 묶기보다 문서 단위로 정리하는 쪽이 더 실용적이라는 판단도 나온다.
5. 15:01
   워크플로를 써서 병렬로 영상 자막을 다운로드하고 정리하는 방식이 설명되며, 이 과정을 스킬처럼 저장해 재사용하자는 아이디어가 나온다. 반복 작업은 클로드 코드 크론이나 워크플로로 자동화하고, 한 번 만든 흐름을 이후 리서치에도 재활용하는 구조가 중요하다.
6. 25:00
   라이브 영상은 CC가 없으니 별도 전사나 API 연동이 필요하다는 현실적인 문제가 다뤄진다. 동시에 API 키를 어떻게 다루고, 어떤 하네스에서 어떤 권한으로 돌릴지 같은 하네스 엔지니어링 관점도 함께 부각된다.
7. 41:00
   자막 수집이 거의 끝나가고, 콘텐츠를 보는 눈을 에이전트에게도 따로 만들어 주어야 한다는 얘기가 나온다. 재생목록과 날짜, 제목, 콘텐츠 유형을 기준으로 분류를 정교하게 잡아야 이후의 분석이 의미 있게 쌓인다는 점이 확인된다.
8. 57:00
   에이전트가 채널의 강점과 약점을 분석하며, 로봇 핸드와 피지컬 AI 같은 차별점은 잘 짚지만 동시에 쇼츠 의존과 콘텐츠 분산 같은 약점도 드러낸다. 핵심은 오리지널리티 자체보다 해외 정보를 잘 이해해 시청자 관점으로 재해석하는 능력이라는 점으로 정리된다.
9. 1:23:00
   전사본을 화자 분리하고, 기존 대본과 실제 토론을 비교해 왜 마음에 안 들었는지 분석하는 단계로 넘어간다. 문제는 뻔한 정의 나열이 아니라 흥미로운 논점과 갈림길을 던지지 못한 데 있었고, 앞으로는 대본보다 리서치와 주제 발굴에서 더 큰 효용을 기대하는 쪽으로 방향이 수정된다.
10. 1:47:11
    AI 네이티브 채널의 현실적인 목표는 대본 자동 작성이 아니라, 다음 주제의 후보를 고르고 자료를 조사해 브리프를 잘 뽑아 주는 수준으로 조정된다. 최종적으로는 하네스와 문맥을 계속 다듬어 채널에 맞는 에이전트를 만드는 것이 이번 실험의 성과로 정리된다.

실무 인사이트

• AI 에이전트의 성패는 모델 성능보다도 채널 문맥을 얼마나 잘 먹여 주느냐에 달려 있으니, 재생목록·자막·메타데이터를 먼저 정리한 뒤 작업을 시키는 순서가 중요하다.
• 대본 자동화에 집착하기보다 리서치, 주제 선정, 반박 포인트 발굴처럼 실패 비용이 낮고 효용이 큰 구간부터 자동화하는 것이 실무적으로 더 낫다.
• 반복 실행할 워크플로는 스킬처럼 저장하고 재사용해야 하며, API 키·권한·크론·문서 출력 경로까지 포함한 하네스 설계가 함께 가야 안정적으로 굴러간다.