처음부터 될 수는 없지만, 그래도 해야죠

한 줄 핵심

AI 네이티브 채널을 만들기 위해 디스코드 AI 에이전트와 자막·위키·워크플로우를 붙여 실험했지만, 대본 자동생성은 아직 기대에 못 미치고 콘텐츠 큐레이션·리서치 보조부터 현실적으로 다듬어야 한다는 결론이다.

시간별 요약

1. 0:00
   AI 네이티브 조직을 실제로 만들기 위해 디스코드에 AI 에이전트를 붙이고, CLAUDE.md 같은 온보딩 문서를 채워 문맥을 학습시키는 작업이 시작된다. 처음부터 완성형을 기대하기보다 인턴을 교육하듯 채널과 업무 방식을 알려주는 접근이 핵심으로 잡힌다.
2. 1:00
   에이전트의 역할은 PD처럼 콘텐츠를 큐레이션하고 리서치와 기획, 대본 작성까지 맡기는 방향으로 정의된다. 다만 수도리무브의 정체성과 콘텐츠 맥락이 비어 있으면 제대로 일을 못 하므로, 채널 소개와 이전 영상 패턴을 먼저 넣는 컨텍스트 설계가 중요해진다.
3. 5:00
   Workflow를 이용해 수집·분류·요약을 병렬로 돌리고, 유튜브 자막과 재생목록을 대량으로 가져와 구조화하는 실험이 진행된다. 크론, systemd, MCP, ElevenLabs 같은 도구 이야기가 이어지며, 반복 작업은 자동화하되 세션·권한·비용 관리도 함께 고려해야 한다는 현실이 드러난다.
4. 14:00
   자막 수집과 화자 분리, 타임스탬프 보정 같은 전처리 품질이 좋아지면 에이전트가 콘텐츠를 훨씬 더 잘 이해할 수 있다는 점이 확인된다. 동시에 AI가 사람보다 다른 방식으로 문맥을 읽을 수 있으니, 명시적 지시보다 데이터 구조와 보조 도구를 잘 설계하는 쪽이 더 중요해진다.
5. 30:02
   기존 대본은 AI를 반응하는 리액터로만 두고, 뻔한 정의를 나열하며, 사람의 관점과 갈등 지점을 충분히 담지 못해 만족스럽지 않다는 평가를 받는다. 앞으로는 대본 자체보다 흥미로운 논점거리와 리서치 결과를 잘 뽑아내는 브리프 수준부터 개선해야 한다는 방향으로 정리된다.
6. 35:02
   이번 실험의 결론은 AI가 모든 것을 대체하는 단계가 아니라, 채널의 문맥을 잘 먹인 하네스 위에서 리서치와 큐레이션을 보조하는 단계가 현실적이라는 점이다. 대본 자동화는 아직 부족하지만, 반복 실행과 A/B 테스트를 통해 수도리무브에 맞는 AI 네이티브 워크플로우를 계속 깎아가야 한다.

실무 인사이트

• AI 에이전트에 일을 시킬 때는 역할 정의보다 먼저 채널·조직의 문맥, 과거 산출물, 용어집을 구조화해 넣어야 결과 품질이 올라간다.
• 대본 자동생성보다 먼저 자막 수집, 화자 분리, 재생목록 분류, 메모리 요약을 자동화하면 리서치와 기획 보조의 효용이 빨리 나온다.
• 좋은 결과를 위해서는 한 번에 완성품을 기대하기보다, 브리프-리서치-대본의 각 단계를 분리해 평가하고 A/B 테스트로 기대치를 조정하는 방식이 효과적이다.