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.
🖼️ 인포그래픽

🖼️ 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
- 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.
- 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.
- 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.
- 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.
- 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?