AI 에이전트를 활용하여 콘텐츠 퍼블리싱 파이프라인을 자동화하는 방법 (당신의 설정도 그대로 복제할 수 있습니다)

저는 6개의 플랫폼에서 AI 프롬프트 팩, 디지털 템플릿, 개발 도구(dev tools)를 판매하는 작은 사이드 비즈니스를 운영하고 있습니다. 만약 제가 모든 콘텐츠를 직접 수동으로 만들고 게시해야 했다면, 시급 0달러를 받으며 하루 12시간씩 일하고 있었을 것입니다. 대신, 저는 대부분의 힘든 작업을 대신 수행하는 AI 에이전트 파이프라인을 구축했습니다.

여러분의 사이드 허슬(side hustle)에도 그대로 복제할 수 있도록, 제가 사용하는 코드, 워크플로우(workflow), 도구들을 포함한 정확한 시스템을 소개합니다.

문제점

디지털 제품을 판매할 때는 다음과 같은 작업을 끊임없이 수행해야 합니다:

• 제품에 관한 블로그 포스트 작성
• 플랫폼 간 콘텐츠 재가공 (Repurpose)
• 분석 데이터 모니터링 및 리스팅(listing) 수정
• 제품을 최신 상태로 유지 및 업데이트

이는 본업 외에 별도의 풀타임 업무나 다름없습니다.

해결책은 무엇일까요? 직접 하는 것을 멈추는 것입니다. 여러분을 대신해 이 일을 수행할 에이전트(agents)를 구축하세요.

아키텍처: 화려함보다는 단순함

복잡한 AI 스택이 필요하지 않습니다. 제 파이프라인은 3개의 계층(layer)으로 구성되어 있습니다:

계층 1: 스케줄러 (cron) → 몇 시간마다 실행
계층 2: 에이전트 (LLM + 도구) → 컨텍스트(context)를 읽고 무엇을 할지 결정
계층 3: 실행 (API 호출) → 블로그 작성, 콘텐츠 게시, 결과 기록

벡터 데이터베이스(vector databases)도, 파인튜닝(fine-tuning)도, RAG 파이프라인도 없습니다. 그저 cron 스케줄러, 도구 접근 권한을 가진 LLM 에이전트, 그리고 공유 상태를 위한 SQLite 데이터베이스가 있을 뿐입니다.

실제 작동 방식

매 2~3시간마다 cron 작업이 실행되어 AI 에이전트에게 제어권을 넘깁니다. 에이전트는 다음과 같은 과정을 거칩니다:

1. 컨텍스트 읽기 — 비즈니스 규칙, DB 스키마(schema), 우선순위가 담긴 마크다운(markdown) 파일
2. 수행된 작업 확인 — SQLite를 쿼리하여 최근 게시물과 지표(metrics) 확인
3. 생성할 내용 결정 — 최근에 다루지 않은 주제 선택
4. 콘텐츠 작성 — 블로그 포스트, 소셜 미디어 스니펫(snippet) 또는 제품 리스팅 생성
5. 게시 — REST API (dev.to, Gumroad 등)를 통해 게시
6. 모든 내용 기록 — 다음 에이전트가 참조할 수 있도록 결과를 SQLite에 다시 기록

실제 의사결정 루프(decision loop)는 다음과 같이 작동합니다:

# STEP 1: 비즈니스 컨텍스트 읽기
cat /home/nampa/income/AGENTS.md

...

이 과정은 자율적으로 실행됩니다. 저는 각 게시물을 일일이 승인하지 않습니다. 에이전트들은 제가 한 번 설정해 둔 규칙을 따릅니다.

핵심 통찰: 공유 상태(Shared State)가 작동을 가능하게 한다

마법의 핵심은 LLM(Large Language Model)이 아닙니다. 모든 에이전트가 읽고 쓰는 SQLite 데이터베이스입니다.

공유 상태(shared state)가 없다면, 각 에이전트는 고립되어 실행되며 동일한 작업을 반복하게 됩니다. 중앙 데이터베이스가 있으면 다음과 같은 일이 가능합니다:

• 에이전트 A가 블로그 포스트를 게시함 → 이를 로그에 기록함 → 에이전트 B가 이를 확인하고 다른 용도로 재가공(repurpose)함
• 에이전트 C가 어떤 제품이 팔리는지 확인함 → 키워드를 조정함 → 에이전트 D가 제품 설명(listing descriptions)을 다시 작성함
• 모든 작업에는 타임스탬프(timestamp)가 찍히므로, 동일한 작업이 중복되어 수행되지 않음

-- 단순하고 효과적인 공유 상태
CREATE TABLE work_log (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
...

이 테이블은 운영의 두뇌 역할을 합니다. 모든 에이전트는 행동하기 전에 이 테이블을 확인합니다.

실무적인 부분: 실제로 무엇을 만들어내는가

다음은 이 파이프라인이 일주일 동안 만들어낸 실제 결과물입니다:

요일	에이전트 작업	결과물
월	블로그 작성자	"아침 루틴을 자동화하는 5가지 파이썬(Python) 한 줄 코드"
...

이 모든 과정은 제가 키보드에 손을 대지 않고도 일어납니다. 에이전트들은 가장 영향력이 큰 작업에 따라 우선순위를 정합니다. 블로그를 먼저 작성하고(유기적 트래픽 유도), 그다음 재가공(콘텐츠당 효율 극대화), 마지막으로 최적화(전환율 개선)를 진행합니다.

품질은 어떠한가? 에이전트가 쓰레기 같은 글을 쓰지 않는가?

이것은 제가 가장 많이 받는 질문 1위입니다. 두 가지 답변이 있습니다:

1. 에이전트는 아무것도 없는 상태에서 글을 쓰는 것이 아닙니다. 에이전트는 엄격한 규칙이 담긴 템플릿 시스템을 따릅니다. 첫 번째 문단의 후킹(hook), 중간의 실용적인 코드나 단계, 자연스러운 흐름에서의 1~2개 소프트 CTA(Call to Action) 등이 포함됩니다. 구조는 미리 검증되어 있으며, LLM은 세부 내용을 채워 넣을 뿐입니다.

2. 저는 결과물이 아니라 시스템을 검토합니다. 모든 포스트를 편집하는 대신, 저는 규칙을 검토합니다. 만약 포스트의 품질이 낮다면, 포스트를 수정하는 것이 아니라 규칙을 업데이트합니다. 그러면 다음 포스트는 자동으로 더 나아질 것입니다.

코드 스니펫 (code snippets), 제품 설명 (product descriptions), 그리고 분석 보고서 (analytics reports)에도 동일하게 적용됩니다. 템플릿 (Templates) + 검토 주기 (review cycles) = 대규모 환경에서의 일관된 품질을 의미합니다.

CTA 전략 (판매 목적이 아닌, 자연스러운 방식)

모든 포스트에는 문맥에 적합한 1~2개의 제품 링크가 포함됩니다. "지금 구매하세요"와 같은 배너가 아니라, 자연스러운 언급 방식입니다.

예를 들어, 이 포스트에서 다음에 취할 수 있는 명확한 단계는 다음과 같습니다: 이 시스템의 사전 구축된 버전을 확보하는 것입니다. 저는 다음의 두 가지 제품을 판매하고 있으며, 이는 직접적으로 적용 가능합니다:

• AI Automation Toolkit — cron 설정, SQLite 스키마 (schema), 그리고 에이전트 프롬프트 (agent prompts)가 사전 구성된 완전한 에이전트 파이프라인 (agent pipeline)입니다. API 키만 입력하면 바로 시작할 수 있습니다. → 확인하기
• Python Revenue Engine — 에이전트가 수행하는 모든 작업을 추적하는 분석 (analytics) + 로깅 (logging) 백엔드입니다. → 엔진 보기

각 제품의 가격은 여러분이 절약하게 될 시간, 즉 수 시간의 설정 시간의 가치에 맞춰 책정되었습니다.

냉혹한 진실: 배포(Distribution) > 제작(Production)

파이프라인은 콘텐츠를 생성하지만, 제작 (production)은 병목 현상 (bottleneck)이 아닙니다. 배포 (distribution)가 병목 현상입니다.

블로그 포스트를 만드는 데는 에이전트 실행 시간 5분이 소요됩니다. 하지만 이를 사람들에게 보여주는 데는 일관된 교차 플랫폼 공유 (cross-platform sharing), SEO 최적화 (SEO optimization), 그리고 운이 필요합니다. 저의 현재 집중 과제는 파이프라인을 "더 많이 제작하기"에서 "더 잘 배포하기"로 전환하는 것입니다:

• 모든 블로그 포스트 → Twitter/LinkedIn용 짧은 스레드 (thread)로 자동 변환
• 모든 분석 결과 → 리스팅 (listings)에 대한 실행 가능한 개선 사항으로 변환

만약 여러분이 이러한 파이프라인 중 하나를 구축한다면, 규칙 작성 (rule-writing) 시간의 80%를 제작 규칙이 아닌 배포 규칙에 할애하십시오. 시장에는 콘텐츠가 부족한 것이 아니라, 사람들이 실제로 보는 콘텐츠가 부족한 것입니다.

작게 시작하기: 10분 만에 만드는 첫 번째 에이전트

이 시스템의 최소 기능 제품 (minimum viable version)은 다음과 같습니다:

# 1. SQLite 데이터베이스 생성
sqlite3 my_business.db "CREATE TABLE actions (id INTEGER PRIMARY KEY, task TEXT, done_at DATETIME DEFAULT CURRENT_TIMESTAMP);"

...

이것이 전부입니다. 나머지는 LLM (Large Language Model)이 처리합니다. 거기서부터 규모를 키워나가십시오.

저자 소개: 저는 Kai Thorne Digital을 운영하며, AI로 자동화된 사이드 비즈니스 (side businesses)를 구축하고 실제로 효과가 있는 방법에 대해 글을 쓰고 있습니다. 더 많은 시스템, 스크립트 (scripts), 그리고 전략을 확인하시려면 팔로우해 주세요.