검색만 하는 AI 브라우저는 필요 없습니다

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

ASide를 직접 시험한 결과, AI 브라우저의 가치는 검색을 넘어 자료 수집·저장·게시까지 실제 작업을 이어가는 데 있었으며, 실행 성공과 결과의 정확성은 따로 확인해야 했다.

📌 핵심 요점

1. 검색에서 실행으로 이어지는 동작이 확인됐다. 쿠팡 SSD 목록의 엑셀 저장, 미디엄 번역문의 지식 관리 등록, 네이버 블로그 발행, X 검색 결과의 노션 저장까지 완료됐다. 유튜브 라이브 채팅 입력도 성공했다.
2. 자동화는 설정과 스킬 선택에 영향을 받았다. 카카오톡은 스킬과 시스템 권한 설정 뒤에도 읽히지 않다가 실험 기능을 켠 후 접근됐다. 미디엄 작업은 번역 전용 스킬을 잘못 호출해, 전문과 요약을 함께 저장하는 스킬로 다시 실행해야 했다.
3. 작업 중간의 상태와 최종 결과를 구분해야 한다. 쿠팡 수집 중에는 60개 한도 표시와 추가 탐색 문제가 있었지만, 이후 거의 100개에 가까운 상품이 담긴 엑셀을 직접 열었다. 저장 위치가 불명확해 다운로드 폴더로 옮기는 후속 요청도 필요했다.
4. 외부 도구 연결은 확인 범위가 서로 달랐다. Claude에서 ASide 브라우저 스킬을 호출해 네이버를 열었고, 오르카에는 메시지를 보내 응답을 받았다. NotebookLM은 소스 30개 등록 후 오디오 생성이 진행됐지만, 완성된 오디오의 다운로드까지 확인되지는 않았다.
5. 모델과 루틴 선택은 비용·반복 실행의 변수다. 기존 구독 모델을 연결하고 작업별 모델을 선택하는 설정이 소개됐다. AI 뉴스 수집 예약도 요청했지만 예약 시각의 실행 결과는 없었고, 시연에 사용한 토큰·한도 소모량도 정확히 분리 측정되지 않았다.

🧩 배경과 문제 정의

• ASide가 기존 브라우저와 어떻게 다른지, 검색을 넘어 실제 작업에 어떤 도움을 주는지가 출발점이다. 단체 채팅방 요약, 상품 정보 수집, 번역과 지식 관리 저장을 활용 사례로 삼는다.
• 카카오톡 대화 읽기는 스킬 활성화만으로 작동하지 않았고, 시스템 접근 권한과 실험 기능 설정이 추가로 필요했다. 운영체제별 지원 여부와 비공식 데이터 접근 방식의 불확실성도 남아 있다.
• 반복 작업을 브라우저에서 수행하고 외부 도구나 개인 지식 관리 시스템으로 연결하는 것이 핵심 관심사다. 실제로 확인된 동작과 아직 구상 중이거나 진행 중인 작업을 구분해야 한다.

🕒 시간순 섹션별 상세정리

1. 방송 소음 문제를 계기로 시스템 진단을 시험하다

• 노트북 팬이 심하게 돌아가는 문제를 ASide에 질문하자 부하가 높다는 응답이 나왔다. OBS 인코딩이 원인으로 의심됐지만, 방송을 유지하려면 OBS를 끌 수 없는 상황이었다 [08:54]
• 마이크 선을 뺐다가 다시 연결한 뒤 소음이 사라졌다는 반응이 확인됐다. 팬 부하에 대한 추정과 별개로, 방송 소음은 케이블 재연결 후 개선됐다 [11:17]

2. 기존 브라우저와의 차이를 자동화 용도에서 찾다

• 초기에는 기존 브라우저와의 차이가 뚜렷하지 않아 ASide를 많이 쓰지 않았다. 이후 활용처를 찾으면서, 1년 결제한 그록의 남는 토큰을 ASide에서 사용하는 방안도 고려했다 [13:09]
• 외부 작업을 폭넓게 자동화할 수 있다는 설명을 접했지만, 평소 자동화를 자주 하지는 않아 작은 작업부터 시도하기 시작했다 [13:34]

3. 카카오톡 요약을 위한 스킬과 접근 권한을 설정하다

• 첫 활용 사례는 카카오톡 단체 채팅방 내용 요약이다. 설정의 플러그인 MCP 항목에 카카오톡 스킬이 있으며, ASide가 기본 제공하는 스킬로 보인다고 설명했다 [14:10]
• 맥에서는 카카오톡을 켜 두고 스킬을 활성화한 다음, 시스템 설정의 개인정보 보호 및 보안에서 전체 디스크 접근 권한의 ASide Computer Use를 활성화해야 한다고 설명했다. 이 권한이 없으면 대화창 읽기가 안 되는 것으로 추정했다 [15:07]

4. 채팅 에이전트에 사용할 구동 모델을 연결하다

• ASide에는 에이전트의 구동 모델을 선택하는 설정이 있다. ASide를 구독하지 않으면 채팅 사용이 어렵다고 설명하면서, 보유한 모델을 OAuth 방식으로 연동해 사용하는 경로도 언급했다 [15:45]

5. 설정 화면에 보이지 않던 실험 기능이 대화 읽기를 해결하다

• 카카오톡 실행, 스킬 활성화, 시스템 권한 설정을 마쳤는데도 채팅방을 읽지 못했다. 실험 기능을 켜야 한다는 정보를 찾았지만 설정 화면에서는 해당 항목을 발견하지 못했다 [16:36]
• 채팅창에 실험 기능을 활성화해 달라고 요청하자 기능이 켜졌고, 이후 카카오톡 채팅방을 읽을 수 있게 됐다 [17:07]

6. 카카오톡 내부 DB 접근 방식과 플랫폼 제약을 확인하다

• 맥 카카오톡의 내부 SQLite DB를 읽어 대화를 가져오는 방식으로 이해하고 있으며, 공식적인 접근 경로는 아니라고 설명했다 [18:07]
• 바이브랩스 채팅방에서 오늘의 의미 있는 내용을 요청하자, 최근 50건에는 저녁 대화만 잡혔다며 당일 0시까지 범위를 넓혀 읽는 동작이 나타났다 [18:23]

7. 조사 결과를 오르카의 실행 기능으로 연결하다

• 오르카의 터미널 핸들을 이용하면 메시지를 보낼 수 있다고 설명했다 [20:32]
• ASide에서 조사한 내용을 오르카로 전달하고, 오르카의 스킬을 호출해 후속 행동을 수행하는 작업 연결 방식을 구상했다. 이 구간에서는 구상 단계의 활용안이다 [20:57]

8. 쿠팡 SSD 검색 결과를 엑셀로 수집하도록 요청하다

• 쿠팡에서 1TB부터 2TB까지의 SSD 상품을 검색하고 목록을 엑셀 파일로 저장하는 작업을 요청했다 [21:44]
• 쿠팡처럼 로봇 접근이 차단된 쇼핑몰에서 브라우저를 통한 수집이 가능한지 시험하면서, 상품 브랜드와 링크 등의 정보를 열로 저장하도록 조건을 덧붙였다 [22:27]

9. 에이전트 탭에서 실제 검색 동작을 확인하다

• 에이전트가 접속하는 페이지는 별도의 에이전트 탭에서 확인할 수 있다. 쿠팡 검색창에 SSD 용량 관련 키워드가 입력되고 상품이 조회되는 동작이 나타났다 [23:26]
• 조회 화면에서 2TB 상품 가격 94만 원을 보고, 과거 자신이 2TB 제품을 30만 원대에 구매했던 경험과 비교했다. 이는 화면의 특정 상품과 개인 구매 경험에 대한 비교다 [23:37]

10. 상품 수집 작업을 정기 실행과 스킬로 확장하다

• ASide에는 크론잡과 유사한 스케줄러 기능이 있어 상품 수집 같은 작업을 정기적으로 수행하도록 만들 수 있다고 설명했다 [24:16]
• 같은 작업을 내부 스킬로 구현하는 방식도 가능하다고 했다. 반복 수집을 재사용 가능한 작업으로 만드는 활용안이다 [24:22]

11. 추가 상품 탐색에서 수집 범위의 한계가 드러나다

• 에이전트는 페이지 이동과 더보기 버튼을 확인했지만, 상품이 없다는 결과가 나타나 추가 수집 과정이 순조롭지만은 않았다 [24:49]
• 화면에 60개가 한도라는 내용이 나타났다. 수집 정보를 엑셀로 저장할 것이라고 예상했지만, 이 시점에는 파일 저장 완료가 확인되지 않았다 [25:22]

12. 미디엄 글 번역과 스크랩의 수작업을 줄이다

• 기존에는 구독 중인 미디엄에서 글을 고른 뒤 크롬으로 번역하고, Save to Notion 확장을 이용해 페이지 내용을 노션으로 넘겼다 [26:46]
• ASide를 사용한 뒤에는 번역과 저장을 여러 단계로 직접 처리하는 대신, 선택한 글을 자동으로 처리하는 방식으로 바꿨다 [27:02]

13. 번역한 본문과 자료를 개인 지식 관리 시스템에 저장하다

• 맥미니에 구축한 개인 지식 관리 시스템으로 글을 자동 저장하는 ASide 스킬을 만들어 두었다. 슬래시 명령으로 ‘페이지 한국어 번역’ 스킬을 호출하면 현재 페이지를 번역하고 메모로 등록하는 작업이 계속된다 [28:06]
• 처리 대상에는 본문 텍스트뿐 아니라 문단에 붙은 이미지와 영상 링크도 포함된다. 번역과 함께 관련 자료를 빠뜨리지 않고 저장하도록 구성했다 [28:35]

14. 유료 콘텐츠 처리와 여러 작업의 진행 상태를 확인하다

• 미디엄 같은 유료 사이트는 크롤링이 어렵고 구현 난도가 높지만, 브라우저와 스킬을 이용하면 번역·저장 과정을 자동화할 수 있다고 설명했다 [28:56]
• 미디엄 작업을 진행하는 동안 쿠팡 에이전트 탭에서도 상품 검색과 수집이 계속되고 있었다. 이 시점에도 쿠팡 엑셀 파일의 완성 여부는 확인되지 않았다 [29:09]

15. 개인 지식 관리에 LLM 위키와 관계 구조를 결합한다

• 개인 지식 관리 시스템에는 LLM 위키 개념과 RAG가 들어가 있으며, 온톨로지도 구축하려 하지만 개념을 적용하는 데 어려움이 있다 [30:16]
• 이 시스템의 엔진은 9월 유튜브 멤버십에 소스 코드로 제공할 대상이다 [30:34]

16. SSD 검색 결과를 엑셀로 정리하고 다운로드 폴더로 옮긴다

• 쿠팡 SSD 상품을 정리한 파일은 처음에 저장 위치가 명확히 안내되지 않았다. 위치를 다시 확인한 뒤 다운로드 폴더로 옮기도록 요청했고, 이동된 파일을 직접 열었다 [32:08]
• 엑셀에는 1TB~2TB 상품의 검색 정보와 목록이 들어 있으며, 추출한 상품은 거의 100개에 가깝다. 정렬은 최저가순으로 보인다는 평가다 [33:01]

17. 문체 학습을 포함한 쓰레드 게시·댓글 스킬을 요청한다

• 사용자가 키워드나 콘셉트를 제공하면 쓰레드에 글을 게시하고, 다른 사람이 댓글을 달면 자동으로 답하는 스킬을 요청한다 [35:10]
• 브런치 글 링크를 제공해 자신의 문체를 분석하고 익히도록 한다. 목표는 글 게시와 댓글·대댓글 응답을 수행하는 쓰레드 로봇이다 [36:07]

18. 번역 전용 스킬을 지식 관리 등록 스킬로 바로잡는다

• 미디엄 글을 번역한 뒤 지식 관리에 저장하는 작업을 기대했지만, 실제로 호출한 스킬은 번역만 수행하는 스킬이었다 [37:15]
• 필요한 스킬은 현재 페이지의 한국어 전문과 핵심 요약을 같은 메모에 넣고, 맵스의 바이브 코딩 라벨로 저장하는 ‘바이브 코딩 메모 등록’이다. 잘못된 호출을 확인하고 해당 스킬을 다시 실행한다 [38:11]

19. 기존 AI 구독을 연결하고 작업별 모델과 권한을 설정한다

• 설정의 모델 메뉴에는 어사이드가 제공하는 모델이 있으며, 현재 계정은 무료 버전이다. 별도의 연결 메뉴에서는 API나 기존 구독 모델을 연동할 수 있다 [39:16]
• 클로드, ChatGPT, 그록, 키미코드 구독을 연결한 상태이며, 일반 작업·딥 리서치·화면 캡처 관련 작업·이미지 생성에 사용할 모델을 선택할 수 있다 [40:24]

20. 번역문을 지식 관리에 저장하고 연구 노트·위키로 확장한다

• 미디엄의 클로드 코드 설정 파일 관련 글이 바이브 코딩 라벨에 등록됐다. 메모에는 핵심 요약, 원문 링크, 이미지가 포함된 한국어 번역 전문이 들어 있다 [43:30]
• 저장한 자료는 LLM 위키 파이프라인에 연결되며, 제텔카스텐 방식의 연구 노트로 변환하면서 배치 위치와 인덱스를 정할 수 있다 [44:20]

21. 쓰레드 게시물이 열린 브라우저의 라이브 링크까지 활용한다

• 어사이드 브라우저를 주제로 한 쓰레드 글이 실제 게시됐다. 댓글에는 현재 라이브 방송 중이라는 내용과 방송 링크까지 붙었다 [45:49]
• 라이브 링크는 직접 알려준 적이 없었다. 어사이드는 브라우저에 열려 있던 방송 페이지를 보고 링크를 가져와 글에 반영했다고 답했다 [47:03]

22. 바이브 코딩 인기 영상의 댓글 수집을 자동화한다

• 유튜브에서 ‘바이브 코딩’을 검색하고, 인기가 높은 영상의 댓글을 수집하는 자동화 기능을 요청한다 [47:30]
• 관련 작업으로 영상 자동 업로드도 가능할 것이라는 예상이 나온다. 이 시점에 실제로 요청한 작업은 인기 영상 검색과 댓글 수집이다 [48:47]

23. 그록봇과 어사이드의 협업 가능성을 시험한다

• 그록봇이 어사이드를 제어할 수 있는지 질문한다. 두 도구가 함께 작업할 때 어떤 효과가 있을지 확인하려는 실험이며, 제어 가능 여부는 아직 불확실하다 [49:20]

24. 잠실동 아파트 시세 조사와 시각화 웹페이지 제작을 요청한다

• 네이버 부동산에서 송파구 잠실동 아파트의 최근 시세를 조사하고, 가격이 급등한 아파트를 찾도록 요청한다 [50:27]
• 찾은 아파트의 평면도와 시세 차트를 가져오고, 아파트 정보까지 함께 보여주는 웹페이지를 만들도록 요구한다. 정보 수집과 웹페이지 제작을 하나의 작업으로 연결하는 시도다 [51:07]

25. 수집 댓글에서 바이브 코딩의 한계와 학습 수요를 추린다

• 댓글 수집 결과에는 검색 20건과 댓글 총 152건이 표시된다 [52:28]
• 반복되는 의견은 말로 프로그램을 만들 수 있어도 코드가 커지면 무너진다는 점, 취미용과 판매 가능한 제품은 다르다는 점, 강의 홍보보다 실패 사례와 실전 영상이 유익하다는 점이다 [52:38]

26. API 없는 자동화의 장점과 공개 다운로드 링크의 제약이 드러난다

• 어사이드의 장점으로 API 없이 웹 작업을 자동화하고, 수집한 정보를 컴퓨터의 원하는 위치에 저장할 수 있다는 점이 꼽힌다. 그록봇과의 연동 질문에는 이때까지 답변이 없다 [54:12]
• 생성한 파일을 내려받을 링크로 제공할 수 있는지 추가로 요청한다. 공개 링크를 만들려면 웹 서버나 어사이드가 제공하는 저장 공간이 필요할 수 있다는 추정이 나온다 [55:08]

27. 네이버 블로그에 글과 이미지를 함께 게시하도록 요청한다

• 자신의 네이버 블로그에 어사이드 브라우저를 주제로 약 2,000자 분량의 글을 게시하도록 요청한다. 글과 이미지 등 다양한 형식을 사용한다는 조건을 붙이며, 게시 완료 결과는 이 구간에 나오지 않는다 [57:22]

28. X 검색 결과를 노션에 저장하는 대안을 시험한다

• 개인 지식 관리 사이트가 없는 경우에는 GitHub 저장소나 노션을 수집 자료의 저장 대상으로 활용할 수 있을 것이라는 대안이 나온다 [57:49]
• X에서 어사이드 키워드를 검색하고, 관련 글의 링크와 핵심 내용 요약을 자신의 노션 페이지에 저장하도록 요청한다. 노션 페이지를 제대로 인식하는지와 저장 성공 여부는 아직 확인되지 않는다 [58:16]

29. 어사이드 CLI 제어와 로컬의 다른 AI 호출을 구분한다

• 로컬에 설치된 CLI를 통해 다른 AI를 호출할 수 있는지라는 질문을 계기로 설정에서 어사이드 CLI 항목을 찾는다 [59:00]
• 클로드 코드에서 어사이드 브라우저를 제어할 수 있는 것으로 보이는 항목을 발견하지만, 원래 질문인 로컬 CLI를 통한 다른 AI 호출 가능 여부는 이 구간 끝까지 확인되지 않는다 [1:00:01]

30. CLI에서 ASide 브라우저를 호출해 사이트 열기

• ASide CLI를 터미널에서 직접 실행했지만 사용법은 명확히 파악하지 못했다. 이어 Claude에서 ASide 브라우저 스킬을 호출해 네이버 접속을 요청했다 [1:01:09]
• 요청한 네이버 페이지가 ASide의 에이전트 탭에 열렸다. Claude Code로 웹사이트를 개발한 뒤 테스트·디버깅에 연결할 가능성을 제시했지만, 실제 개발 검증 용도로는 아직 확인하지 않았다 [1:03:18]

31. 로그인된 네이버 블로그에서 글쓰기 자동화

• 블로그 자동화는 최근 게시글을 읽어 문체를 분석하고, 글쓰기 화면의 버튼과 아이콘 위치를 찾는 방식으로 진행됐다 [1:03:54]
• 로그인된 블로그의 에이전트 탭에서 글 작성과 그림 관련 작업이 진행됐다. 요청한 분량은 약 2,000자였으며, 이 시점에는 작성 결과를 기다리고 있었다 [1:04:46]

32. X 검색 결과를 별도 링크 제공 없이 노션에 저장

• X에서 찾은 ASide 관련 글이 노션 페이지에 저장됐다. 저장 내용에는 요약, 핵심 포인트, 영향력이 큰 글과 한국 사용자 반응 등이 포함됐다 [1:06:03]
• 노션 링크를 따로 제공하지 않았지만 로그인된 웹페이지를 이용해 저장 위치에 접근했다 [1:06:15]

33. 주간 사용량과 이번 시연의 소모량 구분

• 사용량 화면에는 주간 한도의 약 10%를 사용한 것으로 표시됐다. 기존의 다른 작업도 포함돼 있어 이를 모두 ASide 시연의 사용량으로 볼 수는 없다 [1:07:00]
• 이번 시연에 쓴 양은 약 2~3%일 것으로 추정했다. 정확히 분리해 측정한 수치는 아니다 [1:07:22]

34. 오르카 터미널 핸들로 메시지 전송

• 오르카의 터미널 핸들값을 알면 외부에서 해당 세션으로 메시지를 보낼 수 있다. 컴퓨터를 켜 둔 상태에서 다른 컴퓨터의 ASide로 작업을 요청하는 활용 방식을 제시했다 [1:09:52]
• ASide에 핸들값과 함께 인사를 보내도록 요청하자 오르카에 “안녕” 메시지가 도착하고 응답이 돌아왔다 [1:11:40]

35. 블로그 발행 성공과 문체 품질의 한계

• 네이버 블로그의 ‘슬기로운 인공지능 생활’ 카테고리에 글이 자동으로 발행됐다 [1:12:49]
• 결과물을 자신의 문체에 맞추려면 스킬을 만들고 추가로 다듬는 노력이 필요하다고 평가했다 [1:13:19]

36. 부동산 조사 결과를 HTML 페이지로 제작

• 최근 가격이 급등한 잠실 아파트의 정보와 평면도를 담도록 요청한 HTML 파일이 만들어졌고, 다운로드 폴더로 옮겨 직접 열었다 [1:15:03]
• 생성된 페이지에는 엘스의 상승률 102%, 리센츠 84㎡의 가격 36억 원 등이 표시됐다. 이는 결과물에 나타난 수치이며, 이 구간에서 별도의 사실 검증은 이루어지지 않았다 [1:15:21]

37. 웹페이지 제작 후 사용량 확인과 모델 선택

• HTML 제작 뒤 사용량을 다시 확인하면서 주간 사용량을 약 1% 쓴 것 같다고 해석했다. 앞선 10% 표시와의 관계나 정확한 작업별 소모량은 명확히 설명되지 않았다 [1:17:06]
• 일반 코딩에는 Claude를 쓰고 Grok은 주로 ASide에 활용하므로, 남는 사용량을 브라우저 자동화에 쓸 가치가 있다고 평가했다 [1:17:30]

38. 공공 데이터 API를 이용한 제작 가능성

• 공공 데이터 포털과 기상청의 공개 API를 이용해 무언가를 만드는 활용을 제안했다. 실제 API 호출이나 결과물 제작까지 시험한 것은 아니다 [1:18:29]
• 스킬 생성, 크롤링, 웹페이지 제작, 컴퓨터 제어를 연결하면 공공 데이터를 활용한 작업도 가능할 것으로 기대했다 [1:18:53]

39. 유튜브 라이브 채팅 입력 성공

• 현재 진행 중인 유튜브 라이브 채팅창에 인사를 남기도록 요청했다 [1:19:20]
• 컴퓨터 조작 때문에 토큰을 적지 않게 쓸 수 있다고 예상했지만, 정확한 소모량은 알지 못한다고 밝혔다 [1:19:48]

40. AI 뉴스 수집 예약과 무료·유료 루틴 제한

• 매일 저녁 9시에 X·레딧·스레드에서 AI 뉴스와 화제거리를 찾아 지식 관리에 등록하는 크론 작업을 요청했다 [1:21:14]
• 설정 화면의 루틴 기능은 정해진 시간에 작업을 실행하는 방식이다. 무료 플랜은 루틴 3개까지이며, 20달러 유료 플랜에는 무제한 루틴과 무료 대비 3배의 울트라 브라우즈 사용량이 표시됐다. 울트라 브라우즈의 효과와 채널 기능의 정확한 용도는 직접 확인하지 못했다 [1:22:55]

41. Claude Opus와 ChatGPT의 브레인스토밍 시도

• ASide 모델을 Claude Opus로 설정하고, 열린 ChatGPT 페이지에서 Claude Code를 활용한 오프라인 기업 강의 내용을 토론하도록 요청했다 [1:24:44]
• ChatGPT에 프롬프트를 입력하는 데는 성공했다. 다만 답변을 읽고 후속 대화까지 이어갈 수 있는지는 아직 확인되지 않았다 [1:25:09]

42. 유튜브 자료 수집부터 오디오 오버뷰까지 자동화 요청

• 바이브 코딩을 주제로 인기 있는 유튜브 영상 30개를 찾아 NotebookLM에 추가하고, AI 오디오 오버뷰 생성 카드까지 클릭하도록 요청했다 [1:26:33]
• 목표는 영상 수집, 소스 등록, 오디오 오버뷰 생성을 직접 조작하지 않고 연속으로 처리하는 것이다. 이 시점에는 처음 시도하는 작업이었다 [1:26:50]

43. 그래프 엔지니어링 논문 검색·번역·저장 요청

• 아카이브나 유사한 논문 사이트에서 그래프 엔지니어링 관련 논문을 찾고, 목록과 핵심 내용을 번역해 지식 관리에 등록하도록 요청했다 [1:28:03]
• 이 구간에는 논문 검색과 저장의 완료 결과가 제시되지 않아, 실제 수집된 논문이나 번역 품질은 확인할 수 없다 [1:28:18]

44. NotebookLM 소스 30개 등록과 오디오 생성 진행

• NotebookLM 자동화 도중 실패한 소스를 삭제하는 동작이 확인됐다 [1:28:40]
• 소스 30개를 채운 뒤 AI 오디오 오버뷰 생성이 진행됐다. 해당 조작은 사용자가 직접 수행하지 않고 ASide가 처리했다 [1:29:30]

45. 생성물 다운로드 자동화와 노트북 기반 자료 검색

• 생성한 오디오는 MP3, 동영상은 MP4, 슬라이드는 PDF나 PPT로 컴퓨터에 내려받는 전 과정을 자동화할 수 있을 것으로 예상한다. 사람의 개입 없이 작동할 것이라는 기대이며, 이 구간에서 완료를 확인한 결과는 아니다. [1:30:28]
• 채팅창에서 특정 노트북의 자료를 키워드로 검색하고 응답을 가져오는 방식을 RAG처럼 활용할 수 있을 것으로 본다. 노트북에 모은 자료를 클로드 코드나 다른 AI 에이전트와 연결하려던 구상에 해당한다. [1:31:05]

46. 저비용 모델 활용과 조회 스킬의 확장 가능성

• 이런 자동화에는 중국의 저렴한 모델이나 괜찮은 무료 모델을 사용할 수 있고, 굳이 프리미엄급 모델이 필요하지 않을 것으로 본다. 현재 그록을 사용하는 이유는 코딩에 쓰지 않아 토큰이 남기 때문이다. [1:31:34]
• 특정 노트북을 조회하면 결과를 가져오는 스킬을 만들어 활용할 수 있다는 구상이다. 오르카와의 연동도 가능할 것으로 추측하지만, 실제 연동 여부는 확인되지 않는다. [1:32:01]

🧾 결론

• 이번 시연은 ASide가 브라우저 안의 정보를 로컬 파일, 개인 지식 관리 시스템, 게시물로 연결할 수 있음을 보여준다.
• 재사용 가능한 스킬에는 작업 대상뿐 아니라 저장 위치, 포함할 자료, 완료 조건까지 명확히 담아야 한다. 번역 성공이 곧 메모 등록 성공을 뜻하지는 않았다.
• 자동 발행된 글은 문체를 더 다듬어야 했고, 부동산 HTML에 표시된 수치는 별도 검증되지 않았다. 결과물 생성 이후에도 품질 확인이 남는다.
• 원격 작업 전반, 예약 실행의 안정성, 생성물 다운로드까지 모두 검증된 것은 아니다. 확인된 동작을 기준으로 활용 범위를 넓히는 것이 적절하다.

📈 투자·시사 포인트

• AI 브라우저를 평가할 때 검색 답변뿐 아니라 파일 저장, 서비스 간 전달, 게시 완료처럼 실제 업무의 마지막 단계까지 수행하는지 살펴볼 필요가 있다.
• 기존 구독의 남는 사용량을 자동화에 활용할 가능성은 제시됐다. 다만 작업별 소모량과 재시도 비용이 측정되지 않아 경제성이 입증됐다고 보기는 어렵다.
• 쿠팡의 특정 SSD 가격과 과거 개인 구매가는 시장 전체의 가격 추세를 설명하지 못한다. 자동 수집 자료를 가격 판단에 쓰려면 상품 조건과 비교 기준을 맞춰야 한다.
• 잠실 아파트 HTML에 표시된 상승률과 가격은 검증된 투자 근거가 아니다. 시각화 완성도와 별개로 원자료, 비교 기간, 면적과 거래 조건을 확인해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 카카오톡 접근은 내부 SQLite DB를 읽는 비공식 방식이라는 설명에 기반한다. 운영체제별 지원 여부와 이용 정지 가능성은 확정되지 않았으며, 공식 지원 범위도 별도 확인이 필요하다.
• 초반에는 ASide 구독 없이 채팅하기 어렵다는 설명이 나왔지만, 후반에는 무료 계정에서 기존 구독 모델을 연결한 설정이 소개됐다. 실제 이용 조건은 이 자료만으로 단정하기 어렵다.
• 주간 사용량 약 10%, 시연 소모량 추정 2~3%, 이후 약 1%라는 해석은 측정 기준이 명확하지 않다. 작업별 비용이나 모델 간 효율 비교에 그대로 사용할 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 작업 하나를 골라 입력 범위, 필요한 열이나 본문 구성, 저장 위치, 완료 확인 방법을 먼저 정한다.
• 번역·메모 등록·게시 스킬의 역할을 구분하고, 호출한 스킬이 원하는 최종 결과까지 수행하는지 확인한다.
• 쿠팡 엑셀은 상품 수·용량·링크·정렬을, 번역 메모는 전문·요약·원문 링크·이미지 포함 여부를 직접 점검한다.
• 카카오톡 연동 전 지원 환경과 접근 방식을 확인하고, 시스템 권한과 실험 기능 설정을 기록한다.

❓ 열린 질문

• 같은 작업을 반복할 때 로그인 상태나 화면 구성 변화에도 수집·저장·게시가 안정적으로 완료되는가?
• 저렴한 모델과 고성능 모델은 작업 성공률, 재시도 횟수, 총소모량에서 어떤 차이를 보이는가?
• NotebookLM 소스 등록 이후 오디오 완성과 다운로드까지 이어지는 전체 과정도 자동화할 수 있는가?