YouTube태오의 실행 비즈니스·2026년 11월 13일·0

AI 홈페이지, 같은 프롬프트인데 GPT와 클로드 결과가 갈린 이유

Quick Summary

같은 프롬프트로 홈페이지를 고쳐도 GPT 아스트라와 클로드 오퍼스는 서로 다른 수정 방식을 보였으며, 내 고객과 브랜드를 정의하고 멈출 시점을 정하는 일은 사람에게 남았다.

영상 보기

클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.

원본 열기

🖼️ 인포그래픽

AI 홈페이지, 같은 프롬프트인데 GPT와 클로드 결과가 갈린 이유 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

AI 홈페이지, 같은 프롬프트인데 GPT와 클로드 결과가 갈린 이유의 핵심 내용을 4단계로 요약한 인포그래픽
AI 홈페이지, 같은 프롬프트인데 GPT와 클로드 결과가 갈린 이유 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 결론

같은 프롬프트로 홈페이지를 고쳐도 GPT 아스트라와 클로드 오퍼스는 서로 다른 수정 방식을 보였으며, 내 고객과 브랜드를 정의하고 멈출 시점을 정하는 일은 사람에게 남았다.

📌 핵심 요점

  1. 운영 중인 인적성 교육 홈페이지를 두 AI로 각각 25번째 버전까지 수정했다. 1~12회는 계획에 따라 진행하고, 13~24회는 아스트라의 12번째 버전을 공통 출발점으로 삼아 AI의 판단에 맡겼으며, 25회에는 상대 모델의 장점을 결합했다.
  2. 프롬프트는 전환율·브랜드·UI/UX·카피를 함께 다루도록 설계했다. 라운드마다 핵심 가설 하나를 검증하고, 근거 없는 추가와 추정치의 사실화를 피하며, 실제 파일과 모바일 화면까지 확인하도록 요구했다.
  3. 두 모델은 비슷한 문제를 발견했지만 해결 방식이 달랐다. 이 실험에서 아스트라는 가격 조건과 설명, 신청 기능을 덧붙이는 경향을 보였고, 오퍼스는 가격을 덜어내거나 적합하지 않은 고객에게 다른 선택지를 안내하는 방향을 보였다.
  4. 초기 프롬프트에는 핵심 고객과 브랜드 관련 정보가 비어 있었다. 이를 채우지 않자 AI가 고객을 추정했고, 이후 운영자가 브랜드 이름·로고·색의 의미와 고객 여정을 설명하자 사이트에 고유한 정체성이 반영됐다.
  5. 반복 수정 횟수와 AI의 자기 점수만으로 성과를 판단하기는 어렵다. 변화가 정체되면 사람이 수정을 멈추고, 실제 고객에게 보여주며 기능의 작동과 문장의 설득력을 확인해야 한다.

🧩 배경과 문제 정의

발표자는 실제로 운영하던 인적성 교육 홈페이지를 개선 대상으로 삼았다. 브랜딩 독서 모임을 계기로 홈페이지가 고객과의 첫 접점이라는 점을 되새겼지만, 기존 화면은 상품과 서비스를 나열하는 데 머물러 있다고 느꼈다. 강의 일정과 병행해 개선할 방법을 찾으면서, 동일한 프롬프트를 반복 적용했을 때 AI가 어디까지 바꿀 수 있는지 비교했다.

핵심 문제는 화면을 보기 좋게 만드는 데 그치지 않고, 고객이 무엇을 선택하고 어떤 행동을 하게 되는지까지 설계하는 것이었다. 실험 후반에는 모델의 수정 방식뿐 아니라, 운영자가 비워둔 고객·브랜드 정보와 반복 작업을 멈출 기준이 중요한 문제로 드러났다.

🕒 시간순 섹션별 상세정리

1. 같은 홈페이지를 두 AI로 반복 수정한 실험

  • 운영 중인 홈페이지를 같은 프롬프트로 연속 수정하도록 맡겼으며, 비교 대상은 영상에서 부르는 클로드 오퍼스와 GPT 아스트라였다. 두 결과 모두 개선됐지만 최종 모습은 크게 달랐다. [00:31]
  • 원본은 배너와 상품 카드로 구성된 인적성 교육 사이트였다. 브랜딩 독서 모임 이후 고객이 자신을 처음 발견하는 홈페이지가 상품·서비스 목록에 머물러 있다는 문제를 느꼈다. [00:55]
  • 강의 일정 때문에 홈페이지 수정에만 시간을 쓸 수 없어 AI의 반복 개선을 시도했다. 처음에는 두 모델이 비슷하게 고칠 것으로 예상했지만 결과는 달랐다. [01:22]

2. 디자인보다 고객 행동을 겨냥한 프롬프트

  • AI에 전환율·브랜드·UI/UX·카피를 함께 담당하는 시니어 웹 디렉터 역할을 부여하고, 매 라운드 핵심 가설 하나만 검증하도록 했다. [01:39]
  • 근거 없는 기능 추가를 피하고 실제 파일을 실행 가능한 상태로 수정하며, 데스크톱과 모바일을 확인하고 중간 확인 요청 없이 진행하도록 요구했다. 라운드마다 자기 채점도 하게 했다. [01:54]
  • 단순히 예쁘게 해달라는 요청은 디자인 변경에 머물 수 있어, 수정이 고객의 어떤 행동과 연결되는지에 집중하도록 명시했다. 다만 결과에 영향을 준 입력의 누락이 있었다고 예고했다. [02:25]

3. 계획을 따르는 단계와 자율 판단 단계를 분리

  • 1~12번째는 원래 홈페이지를 프롬프트에 따라 계속 개선하고, 13번째부터는 계획 없이 AI의 판단에 맡기는 방식으로 실험을 나눴다. [02:47]
  • 두 모델은 먼저 기준선을 진단했다. 무엇을 파는지 명확하지 않고, 첫 화면의 CTA가 메인 상품으로 안내하지 못한다는 문제가 제시됐다. [03:09]

4. 아스트라의 초기 수정과 화면 변화의 정체

  • 아스트라는 긴 첫 화면을 줄이고, 고객의 점수 정체를 묻는 제목으로 바꾸며 주요 버튼을 모았다. 5번째에는 필요한 도움을 고르는 고객 여정 안내를 넣었다. [03:43]
  • 7번째에는 상황별 과정과 비용을 비교하는 표를 추가했고, 9번째에는 색과 선의 역할을 통일한다는 이유로 색을 변경했다. [04:03]
  • 9~12번째에는 화면의 문구가 바뀌지 않았고, 색·모바일·키보드 이동·오류 화면 등 사용 과정과 관련된 부분을 손봤다고 보여준다. [04:14]

5. 오퍼스의 초기 수정과 공통으로 발견한 문제

  • 오퍼스는 고객 행동, 전환 장벽, 브랜드 키워드와 개선 근거를 기록하며 수정했다. 버튼 문구를 사전 신청 알림으로 바꾸고 모바일 상품 목록의 표시 방식도 조정했다. [04:54]
  • 11번째에는 창업 이야기를 넣어 브랜드 요소를 보완했다. 또한 아스트라와 마찬가지로 고객 상황에 맞춰 무료 가이드·VOD·스터디 등을 선택하도록 안내했다. [05:34]
  • 두 모델 모두 합격률이나 수강생 수를 지어내지 않았으며, 발표자는 이를 프롬프트의 제약과 연결했다. 계획이 있을 때 발견한 문제는 비슷했지만, 아스트라는 후반에 문구 변화가 줄고 오퍼스는 12번째까지 계속 수정했다. [06:12]

6. 공통 출발점에서 자율 개선을 다시 시작

  • 오퍼스에 아스트라의 12번째 결과를 평가하게 하자, 브랜딩이 잘된 버전으로 평가하고 자신의 장점을 결합하자고 제안했다. [06:36]
  • 이에 2단계에서는 두 모델 모두 아스트라의 12번째 화면을 출발점으로 삼았다. 같은 화면에서 무엇을 어떻게 고치는지 비교하려는 목적이었다. [06:51]
  • 두 모델에는 스스로 판단해 종합적으로 고치고 24번째까지 발전시키라는 짧은 지시를 내렸다. [07:00]

7. 아스트라는 설명과 기능을 추가하는 방향으로 진행

  • 자율 판단을 맡기자 항목 수가 늘고 알림 신청과 수강 신청 체험 페이지가 추가됐다. 가격에도 예정 금액과 할부 여부를 설명하는 단서를 붙였다. [07:47]
  • 과정 비교표와 가상 코칭 사례를 넣어 스터디 페이지의 글이 늘었다. 22번째부터는 눈에 보이는 변화가 거의 없었고, 후반에는 모바일 신청 버튼과 오류 재시도 등을 손봤다. [08:25]
  • 자기 점수는 91점에 머물렀지만 24번째에는 A/B 테스트까지 추가했다. 발표자는 당시 목적이 홈페이지 개선이었던 만큼 이 추가가 과했을 수 있다고 평가했다. [08:46]

8. 오퍼스는 브랜드 이야기와 선택 기준을 보완

  • 오퍼스는 잘못된 설명을 수정하고 창업 이야기를 추가했으며, 주된 전환 행동을 사전 신청으로 정리했다. 가격에 조건을 붙인 아스트라와 달리 홈 화면의 가격을 제거했다. [09:33]
  • 스터디가 필요하지 않은 상황을 안내하는 문장을 추가했다. 발표자는 맞지 않는 고객에게 전자책이나 VOD 등 다른 선택지를 알려주던 자신의 상담 방식과 맞아 긍정적으로 평가했다. [10:15]
  • 23번째에는 오늘 할 일을 하나로 고르게 정리했고, 24번째에는 화면을 더 바꾸지 않은 채 운영자가 결정해야 할 다섯 가지를 남기고 멈췄다. [10:43]

9. 자기 점수보다 두 결과의 장점을 결합

  • 두 모델은 시험 규칙, 가격 표시, 수준 진단과 다른 선택지 안내 등 비슷한 문제를 발견했다. 자기 점수는 아스트라 87→91점, 오퍼스 87→98점이었지만 발표자는 자기 채점이므로 큰 의미를 두지 않았다. [11:14]
  • 화면이 바뀐 횟수는 둘 다 아홉 번이었다. 25번째에는 서로의 장점을 가져오게 했고, 아스트라 결과에는 오퍼스의 운영자 이야기와 스터디 비대상 안내 등이 결합됐다. [11:58]
  • 발표자는 결과 차이의 원인을 단정할 수 없다고 밝혔다. 다만 계획 없이 판단을 맡기면 AI가 익숙한 수정부터 시작하는 것으로 해석하며, 비싼 모델이 알아서 해줄 것이라는 기대를 경계했다. [12:21]

10. 비워둔 고객·브랜드 정보가 드러낸 한계

  • 초기 프롬프트에는 핵심 고객과 브랜드 키워드, 이미지 관련 항목이 비어 있었다. AI는 사이트를 보고 고객을 추정해 채웠다. [12:45]
  • 오퍼스는 노력해도 점수가 오르지 않아 자신을 의심하는 취업 준비생을 고객으로 추정했다. 발표자는 자신이 정하지 않은 고객을 향해 말하다 보니 일반적으로 좋은 홈페이지에 머물렀다고 설명했다. [13:07]
  • 이후 더 챕터라는 이름, 직장으로 먼저 가본 길잡이를 뜻하는 로고, 색의 역할을 제공했다. 유형 파악→시간 안에 풀기→통과→다음 챕터인 직장으로 이어지는 여정도 명시했다. [13:47]

11. 브랜드를 입력하고 실제 화면을 점검한 추가 개선

  • 계획·수정·점검을 반복하고 코드뿐 아니라 캡처한 화면도 확인하도록 했다. 처음 보는 사람이 3초 안에 직장으로 가는 길을 돕는 곳임을 알아차리도록 평가 기준도 고객 중심으로 바꿨다. [14:07]
  • 브랜드를 반영한 화면에는 학습 단계가 표시됐고, 스크롤에 따라 길잡이 캐릭터가 움직이도록 구성됐다. 하위 페이지에도 브랜드 의미와 학습 중 막히는 상황에 대한 안내를 보완한 뒤 마지막에는 덜어내는 방향으로 정리했다. [14:59]
  • 완성된 사이트는 학습 단계와 필요한 도움을 연결하고 무료 자료 등으로 이동하도록 구성됐다. 발표자는 후기를 더 넣을 필요가 있다고 덧붙이면서도, 고객 관점으로 개선된 결과에 만족한다고 말했다. [15:54]

12. 적용 순서와 사람이 정해야 할 종료 시점

  • 첫째, 고객의 실제 발언과 브랜드 정보를 채우고, 둘째, 최초 진단부터 받아보라고 권한다. 진단은 버튼·신청·오류·모바일 같은 기능과 적합성·신뢰·다음 행동을 설명하는 문장으로 나누어 살펴야 한다. [17:25]
  • 셋째, 같은 진단을 두 AI로 비교해 설명이 부족하면 보완하고 너무 많으면 덜어내는 방식을 검토한 뒤 장점을 합치라고 제안한다. 넷째, 점수와 변화가 정체되면 사람이 멈추고 실제 고객에게 보여주며 확인해야 한다고 강조한다. [18:25]
  • 마지막으로 모델을 고르기 전에 기능과 문장 중 무엇을 고칠지, 자신의 고객은 누구인지부터 정하라고 정리한다. 사용한 프롬프트는 고정 댓글과 설명란의 링크 및 단톡방 공지를 통해 제공한다고 안내한 뒤 영상을 마친다. [19:16]

🧾 결론

  • 같은 지시가 같은 결과를 보장하지는 않는다. 다만 이번 결과만으로 모델별 차이가 발생한 원인을 단정하거나 일반적인 우열을 정할 수는 없다.
  • 좋은 홈페이지에는 신청이 제대로 되는 기능과 고객이 자신에게 맞는 선택을 하도록 돕는 문장이 함께 필요하다.
  • AI가 고객과 브랜드를 추정하도록 두기보다, 운영자가 실제 고객의 말과 브랜드의 의미를 먼저 제공해야 한다.
  • 두 결과에서 유용한 부분을 결합하되, 추가 수정의 필요성과 종료 시점은 사람이 판단해야 한다.

📈 투자·시사 포인트

  • AI 도입을 검토할 때는 모델 가격에 대한 기대보다 현재 홈페이지의 병목을 먼저 진단필요가 있다. 영상은 기능 문제인지 문장 문제인지 구분한 뒤 모델을 비교하라고 제안한다.
  • 수정 횟수가 늘어도 고객에게 보이는 변화가 줄어들 수 있다. 반복 작업에 시간을 계속 투입하기보다, 정체 시점에 실제 고객 확인으로 전환하는 것이 영상의 실무적 제안이다.
  • 브랜드 정보와 고객 이해는 AI 작업의 방향을 결정하는 입력 자산이다. 모델 선택과 함께 이 정보를 얼마나 구체적으로 제공하는지도 살펴야 한다.
  • 영상에는 실제 전환율이나 매출 변화가 제시되지 않는다. 화면 개선과 자기 채점 결과를 사업 성과나 투자 수익의 증거로 해석할 수는 없다.

⚠️ 불확실하거나 확인이 필요한 부분

  • 발표자도 동일한 조건에서 결과가 달라진 이유를 단정할 수 없다고 말한다. 설명을 더하거나 덜어내는 경향은 이번 사례의 관찰이며, 모델의 보편적 특성으로 확정할 근거는 부족하다.
  • 2단계에서는 계획을 제거하는 동시에 두 모델 모두 아스트라의 12번째 버전에서 다시 출발했다. 따라서 전체 과정의 차이를 모델 하나의 영향으로만 해석하기 어렵다.
  • 아스트라의 87→91점, 오퍼스의 87→98점은 각 AI의 자기 채점이다. 실제 고객 반응이나 동일한 외부 평가 기준에 따른 성능 비교는 제시되지 않는다.
  • 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

  • 핵심 고객을 연령·직업만으로 적지 말고, 고객이 실제로 말한 어려움과 원하는 변화를 정리한다.
  • 브랜드 이름, 로고, 색의 의미와 피하고 싶은 이미지를 프롬프트에 명시한다.
  • 반복 수정을 시작하기 전에 최초 진단을 받아, 버튼·신청·오류·모바일 문제와 문장·신뢰·선택 안내 문제로 나눈다.
  • 같은 시작 화면과 진단 과제로 두 AI의 결과를 비교하고, 설명을 보완한 부분과 불필요한 요소를 덜어낸 부분을 검토한다.

❓ 열린 질문

  • 핵심 고객과 브랜드 정보를 처음부터 채웠다면 두 모델의 결과 차이는 얼마나 달라졌을까?
  • 설명을 추가한 가격 표시와 가격을 제거한 화면 중 실제 고객에게 더 적합한 방식은 무엇일까?
  • 두 모델의 장점을 결합한 최종 홈페이지는 기존 사이트보다 신청과 고객의 선택을 실제로 개선했을까?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.