AI 커뮤니티 - 지피터스 | Article 정리

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

지피터스 커뮤니티 글들은 비전공자의 클라우드 앱 배포, 반복 업무 자동화, 회고 루틴 자동화, AI 영상 제작 사례를 통해 ‘AI에게 맡기되 작게 나누고 검증하며 안전장치를 붙이는 방식’이 실제 성과로 이어진다는 점을 보여준다.

📌 핵심 요약

현직 공인중개사는 Claude Code의 도움을 받아 React·Vite 프론트엔드, Node.js·Express·Mongoose 백엔드, MongoDB Atlas 데이터베이스를 연결한 업무용 To-Do 앱을 만들고 Vercel·Heroku에 배포했다.
To-Do 앱 제작자는 매물접수, 광고관리, 집보기, 계약, 잔금·중도금, 서류, 고객상담 등 실제 중개 업무 흐름에 맞춘 필터와 D-day, 우선순위, 마감일 표시를 구현했으며, 환경변수 분리와 클라우드 연결 검증의 중요성을 배웠다.
OpenClaw의 AI 직원 ‘뽀둥이’는 웨비나 후기 인증사진 확인, 채점, 우수후기 선정, 메일 발송, 결과 정리를 자동화했으며, 사진 일괄 처리 실패, 결과 유실, 규칙 중복, 잘못된 링크 발송 같은 사고를 겪으며 백업·중앙 규칙·사람 승인 절차를 갖추게 되었다.
매일 1% 성장 회고 자동화 사례는 메신저 알림, Google Form, 자동 응답 확인, Markdown 파일 생성, 개인 지식 저장소 업로드로 이어지는 구조를 통해 회고의 시작 마찰을 줄이고 ‘답변만 하면 끝’인 루틴을 만들었다.
결혼식 축하 영상 제작 사례는 ChatGPT, DALL-E, Suno, Antigravity, Google Flow, Genspark를 조합해 20년 지기 친구를 위한 5분 분량의 웨딩 애니메이션 뮤직비디오를 만든 과정으로, 수동 생성·레이아웃 오류·자막 싱크 실패를 구체 데이터와 재작업으로 해결한 경험을 담고 있다.

🧩 주요 포인트

현직 공인중개사는 Claude Code의 도움을 받아 React·Vite 프론트엔드, Node.js·Express·Mongoose 백엔드, MongoDB Atlas 데이터베이스를 연결한 업무용 To-Do 앱을 만들고 Vercel·Heroku에 배포했다.
To-Do 앱 제작자는 매물접수, 광고관리, 집보기, 계약, 잔금·중도금, 서류, 고객상담 등 실제 중개 업무 흐름에 맞춘 필터와 D-day, 우선순위, 마감일 표시를 구현했으며, 환경변수 분리와 클라우드 연결 검증의 중요성을 배웠다.
OpenClaw의 AI 직원 ‘뽀둥이’는 웨비나 후기 인증사진 확인, 채점, 우수후기 선정, 메일 발송, 결과 정리를 자동화했으며, 사진 일괄 처리 실패, 결과 유실, 규칙 중복, 잘못된 링크 발송 같은 사고를 겪으며 백업·중앙 규칙·사람 승인 절차를 갖추게 되었다.
매일 1% 성장 회고 자동화 사례는 메신저 알림, Google Form, 자동 응답 확인, Markdown 파일 생성, 개인 지식 저장소 업로드로 이어지는 구조를 통해 회고의 시작 마찰을 줄이고 ‘답변만 하면 끝’인 루틴을 만들었다.
결혼식 축하 영상 제작 사례는 ChatGPT, DALL-E, Suno, Antigravity, Google Flow, Genspark를 조합해 20년 지기 친구를 위한 5분 분량의 웨딩 애니메이션 뮤직비디오를 만든 과정으로, 수동 생성·레이아웃 오류·자막 싱크 실패를 구체 데이터와 재작업으로 해결한 경험을 담고 있다.

🧠 상세 정리

1. 비전공자의 업무용 To-Do 앱 제작과 클라우드 배포

첫 번째 사례는 개발 비전공자인 현직 공인중개사가 자신의 업무 흐름에 맞는 To-Do 앱을 직접 만든 이야기다. 매물접수, 집보기, 계약처럼 이동이 잦은 중개 업무를 즉시 정리하기 위해 개인 업무용 앱이 필요했고, Claude Code와 단계별로 대화하며 코드를 작성하고 오류를 해결했다. 프론트엔드는 React와 Vite, 백엔드는 Node.js·Express·Mongoose, 데이터베이스는 MongoDB에서 MongoDB Atlas로 확장했으며, 배포는 Heroku와 Vercel을 사용했다. 단순히 화면만 만든 것이 아니라 프론트엔드, 백엔드, 데이터베이스가 클라우드에서 연결되는 실제 서비스 형태를 목표로 삼았고, 개발자도구의 200 OK 응답과 Atlas 데이터 저장 화면으로 작동을 확인했다. 이 과정에서 환경변수로 API 주소와 DB 접속 정보를 분리하고, .env를 깃에 올리지 않는 보안 습관도 핵심 학습으로 정리했다.

2. To-Do 앱 제작 중 겪은 배포·연결 문제와 실무형 교훈

To-Do 앱 사례에서 가장 중요한 학습은 로컬에서 되는 것과 클라우드에서 되는 것이 다르다는 점이었다. MongoDB가 윈도우10에서 실행되지 않는 문제는 버전 호환성 때문에 발생했고, Atlas 연결 시 querySrv ECONNREFUSED 오류는 Node DNS 해석기의 SRV 조회 실패로 인해 공개 DNS를 지정해 해결했다. 배포 뒤 Application error가 발생한 원인은 Atlas의 DB 접근 IP 허용목록이 집 IP에만 묶여 있었기 때문이며, 배포 후에도 localhost로 연결되는 문제는 배포 호스트에 환경변수를 직접 등록해 풀었다. 작성자는 비전공자일수록 AI에게 전체를 한 번에 맡기지 말고 작은 단위로 지시한 뒤 결과를 확인하고 다음 단계로 넘어가는 방식을 강조했다. 또한 로그인 기능이 아직 없어 링크를 공개하지 않았고, 사용자별 데이터 분리와 비밀번호 관리, CORS 제한 같은 입문자 수준의 보안 적용을 앞으로 배우고 싶다고 밝혔다.

3. 웨비나 후기 리뷰 자동화와 사고에서 만들어진 안전장치

두 번째 사례는 지피터스 웨비나 후기를 수작업으로 확인하던 일을 AI 직원 ‘뽀둥이’에게 맡겨 자동화한 경험이다. 웨비나가 끝나면 수십에서 수백 장의 SNS 후기 인증사진을 열어 태그, 실제 후기 여부, 잘못된 줌 화면 캡처 여부를 확인하고 점수를 매겨 우수후기를 뽑은 뒤 메일까지 보내야 했기 때문에, 한 회차에 거의 하루가 걸렸다. 자동화 초기에는 사진을 한꺼번에 처리하다가 에러가 나고, 채점 결과 30명분이 사라지고, 모델 변경 규칙이 여러 군데 복사되어 일부 회차에서 옛날 모델이 돌아가는 사고가 있었다. 이를 계기로 한 사람 후기씩 처리하기, 저장 전 자동 백업 만들기, 중요한 규칙을 한 곳에만 두기, 캡처와 SNS 링크를 함께 확인하기, 메일 발송 직전 사람이 승인하기 같은 장치가 추가됐다. 현재는 후기 수집부터 확인, 채점, 우수후기 선정, 메일 발송, 결과 정리까지 명령어 한 줄로 이어지고, 중간에 끊겨도 끝난 단계는 건너뛰고 계속 진행되는 구조가 되었다.

4. 매일 1% 성장 회고를 지속하기 위한 자동화 구조

세 번째 사례는 매일 회고를 하고 싶지만 시작이 귀찮아 미루게 되는 문제를 자동화로 해결한 이야기다. 작성자는 오늘 무엇을 써야 하는지, 어디에 기록해야 하는지, 나중에 어떻게 정리해야 하는지 같은 작은 마찰이 회고 습관을 방해한다고 보고, 의지 대신 시스템을 만들기로 했다. 최종 구조는 매일 밤 메신저로 회고 알림을 받고, Google Form 링크에서 여덟 개 질문에 답하면, 제출 응답을 확인해 Markdown 회고 파일을 만들고 개인 지식 저장소에 날짜별로 업로드하는 방식이다. 질문은 오늘 한 줄 요약, 잘한 일, 아쉬웠던 순간과 다음 대응, 새로 배운 것, 감사한 것, 만족도와 이유, 내일 다르게 할 행동, 내일의 나에게 보내는 문장으로 구성됐다. 핵심은 반성이 아니라 피드백이며, 앞으로는 주간 회고 자동 생성, 월간 성장 리포트, 만족도 변화 확인, 반복 감정·키워드 탐색, 다음 주 실험 제안으로 확장하고 싶다고 정리했다.

5. AI 도구 조합으로 만든 결혼식 축하 애니메이션 영상

네 번째 사례는 20년 지기 친구의 결혼을 축하하기 위해 5분 분량의 웨딩 애니메이션 뮤직비디오를 제작한 과정이다. ChatGPT는 10년 치 카카오톡 대화에서 핵심 추억을 반영한 가사 추출, Suno용 사운드 스타일 프롬프트, DALL-E 캐릭터 일러스트 생성에 쓰였고, Suno는 웨딩 팝 테마곡을 만드는 데 사용됐다. Antigravity는 씬 구성과 영상 제작 프롬프트 설계, Remotion 기반 하네스 변형, 자막 레이아웃과 음원 배치에 활용됐으며, Google Flow는 일러스트에 움직임을 부여한 30개 씬의 애니메이션 클립을 만드는 데 쓰였다. 하지만 Flow가 한 번에 8초짜리 영상만 만들 수 있어 5분 8초짜리 노래에 맞춰 30개 씬을 수동으로 준비해야 했고, 에이전트가 문서를 제대로 반영하지 않아 실사 얼굴이 노출되거나 세로형으로 잘못 렌더링되는 문제도 겪었다. 자막 싱크 문제는 ChatGPT와 Genspark로 한 줄 단위 절대 시간 타임라인 JSON을 뽑아 직접 적용하면서 해결했고, 작성자는 AI 생산성 이후에는 깊고 구체적인 개인적 내용이 결과물의 질을 좌우한다고 느꼈다.

🧾 핵심 주장 / 시사점

여러 사례의 공통점은 AI에게 일을 통째로 맡기는 것이 아니라, 작은 단계로 쪼개고 각 단계의 결과를 확인하며 다음으로 넘어갈 때 안정성이 높아졌다는 점이다.
자동화의 핵심은 속도만이 아니라 백업, 규칙의 단일 출처, 환경변수 분리, 최종 사람 승인처럼 사고가 반복되지 않게 만드는 운영 장치에 있었다.
개인 업무 앱, 후기 리뷰, 회고, 웨딩 영상처럼 서로 다른 영역에서도 좋은 결과를 만든 요소는 도구 자체보다 실제 맥락을 구체적으로 전달하고 실패에서 구조를 개선하는 방식이었다.

✅ 액션 아이템

업무 흐름별 필터·D-day·우선순위를 반영해 To-Do 앱을 기능 단위로 분해하고 배포 전후 점검한다.
자동화는 사진 일괄 처리 실패·결과 유실·규칙 중복 사고를 가정해 백업·중앙 규칙·사람 승인 절차를 함께 붙인다.
회고 루틴은 메신저 알림, Google Form, 응답 자동 확인, Markdown 생성, 지식 저장소 업로드를 한 흐름으로 묶어 마찰을 낮춘다.