Running a Chess YouTube Channel entirely by AI — Stephan Steinfurt, TNG

한 줄 핵심

체스 엔진과 LLM, 여러 도구를 결합한 에이전트로 밤마다 체스 기보를 분석해 유튜브 영상까지 자동 생성하는 방식이 핵심이며, 품질과 비용을 아직 조정 중이지만 이미 실사용 가능한 수준에 도달했다.

시간별 요약

1. 0:14
   이 프로젝트는 체스 기보를 AI가 해설하는 영상을 완전히 자동으로 만들어 유튜브에 올리는 실험이며, 신문에서 말한 ‘체스 프로그램의 성배’에 가까운 문제를 실제 시스템으로 풀고 있다. 먼저 완성된 2분짜리 예시를 보여 주며, 복잡한 전술을 자연어로 설명하는 결과물을 시연한다.
2. 4:00
   매일 밤 lichess의 기보를 내려받아 배경 분석을 돌리고, 에이전트가 더 깊게 검토한 뒤 특수 포맷으로 정리해 영상으로 변환한다. 최종 영상은 변형, brilliant move, blunder를 설명하며, 인간이 개입하지 않아도 제작 흐름이 이어지도록 설계돼 있다.
3. 5:01
   핵심 난점은 체스 엔진은 잘 두지만 설명을 못 하고, LLM은 말을 잘하지만 체스를 못 둔다는 점을 어떻게 결합하느냐에 있다. 이를 위해 Gemini 3 but 1 Pro를 기반으로 두고, 합법 수 검사, 보드 탐색, 엔진 실행, checks/captures/threats 조회, web search 같은 도구를 얹어 추론과 실행을 연결한다.
4. 8:01
   초기에는 Python 스크립트가 분석 결과를 만들고 LLM이 문장화했지만, reasoning model이 등장한 뒤에는 에이전트가 직접 포지션을 생각하고 도구를 호출하는 방식으로 바뀌었다. Grok 4를 포함한 최신 모델들이 도구를 적절한 시점에 호출하며, 가장 좋은 수뿐 아니라 인간이 떠올릴 법한 수까지 함께 넣는 정보의 충돌이 오히려 설명 품질을 높인다.
5. 10:01
   분석이 끝나면 특수 포맷을 영상으로 바꾸고, 11 Labs V3로 음성을 생성하며, 하이라이트 칸과 화살표, brilliant move 판정까지 에이전트가 결정한다. 현재는 자동 업로드를 막 시작한 단계라 사람이 먼저 검토하기도 하지만, 영상당 비용은 약 20-30 cents 수준이고 오류율도 낮아 확장 가능성을 확인하는 중이다.
6. 12:00
   운영 관점에서는 아직 수익화 전이라 비용이 순손실이지만, 500k views와 4,000명 이상의 구독자를 빠르게 확보하며 수요는 확인됐다. 다만 너무 쉬운 문제만 넣을지, 실력대별로 맞출지, 인간이 실제로 둘 법한 수와 엔진 최선 수를 어떻게 섞을지는 아직 조정이 필요한 상태다.

실무 인사이트

• 좋은 AI 해설은 ‘최선의 답’만 주는 것이 아니라 인간이 고민할 만한 후보들을 함께 제공할 때 더 설득력 있게 작동한다.
• 에이전트형 자동화는 모델 성능보다도 도구 설계와 출력 포맷이 품질을 좌우하므로, 합법 수·엔진·검색·요약을 단계별로 분리하는 것이 중요하다.
• 초기에는 전면 자동화보다 사람이 샘플 검수하는 하이브리드 운영으로 오류 유형을 축적한 뒤, 점진적으로 자동 업로드 비중을 늘리는 방식이 안전하다.