하지만 AI가 모든 콘텐츠를 100% 생산하는 방향은 택하지 않았습니다. 작가마다 문체가 다르고 경험의 결이 다른, 이 다양성이 매거진의 색깔이거든요. 단순 지식, 정보 전달 채널이 아니라 독자와 직접 소통하는 채널이기도 해서, 콘텐츠에는 조심스럽게 적용하고 마지막 단계에서는 반드시 사람의 검수를 거칩니다.

AI를 여러 방면에서 쓰다 보면, 어디에 활용하는 게 좋고 어디에는 쓰지 않는 게 좋은지가 감으로 잡히기 시작합니다. 저희처럼 휴먼 터치가 중요한 콘텐츠에서는, AI를 쓰더라도 사람의 손이 반드시 필요하다는 걸 확인했습니다.

하지만 모든 콘텐츠가 그럴 필요는 없었습니다. AI 에이전트가 신뢰하고 인용해야 하는 콘텐츠라면 어떨까요? 작가의 개성보다는 의사결정에 필요한 지식과 정보 그 자체가 중요한 콘텐츠라면요?

AI 시대, 기업에 필요한 두 종류의 콘텐츠

기업 블로그에 필요한 건 작가의 개성이 아닙니다. 정확한 정보를, 구조화된 형태로, 일관되게 전달하는 겁니다. 표준화된 디자인과 문체를 적용할 수 있고, 무엇보다 기업에게는 고유한 데이터가 있습니다. 위시켓이라면 플랫폼에 등록되는 프로젝트의 카테고리 분포, 기술 스택 트렌드, 예산대별 분포 같은 것들이죠. 이 데이터 자체가 콘텐츠의 차별화 포인트가 됩니다. 다른 곳에서 복제할 수 없는, 기업만이 가진 원천 소스인 셈입니다.

여기서 한 가지 생각해볼 지점이 있습니다. 이 데이터를 표준적으로 잘 커뮤니케이션할 수 있다면, 그 콘텐츠를 읽는 건 사람뿐일까요?

AI 시대에 콘텐츠를 소비하는 건 사람만이 아닙니다. ChatGPT, Perplexity, Gemini 같은 AI 에이전트들도 웹을 검색하고, 신뢰할 수 있는 출처의 콘텐츠를 인용해서 답변을 구성합니다. 구조화된 정의, 구체적 수치, 명확한 Q&A 형태로 정리된 콘텐츠를 AI가 더 잘 읽고, 더 자주 인용합니다. 이런 콘텐츠를 먼저 선점하는 기업이 검색 시장의 다음 승자가 됩니다. 이른바GEO(Generative Engine Optimization)라고 불리는 영역이죠.

정리하면, AI 시대에 기업에는 두 종류의 콘텐츠가 필요합니다.

하나는 사람을 위한 콘텐츠입니다. 브랜드 스토리, 고객 공감, 설득. 감각과 감정의 영역이라 사람의 손이 많이 필요합니다. 그 과정에서 AI를 도구로 활용할 수는 있지만, 사람들의 어떤 감각을 자극할지 그 ‘무엇’을 기획하는 건 사람의 일일 것입니다. 품질 좋은 콘텐츠와 사람의 마음을 움직이는 콘텐츠가 무엇인지를 정의하는 것에는 여전히 사람이 필요할 것입니다.

다른 하나는 에이전트를 위한 콘텐츠입니다. 기업의 고유 데이터를 구조화해서, AI 에이전트가 신뢰하고 인용할 수 있는 형태로 만드는 콘텐츠죠. 이쪽은 표준화가 가능하고, 데이터가 차별화 포인트이며, 무엇보다 꾸준히 자동으로 생산할 수 있는 구조를 만들 수 있습니다.

저희는 자동화된 콘텐츠의 가치는 후자에서 나올 수 있다고 생각했습니다. 기업이 에이전트를 위한 콘텐츠를 꾸준히, 자동으로 만들어낼 수 있다면, 그리고 그 안에 기업만의 데이터가 담겨 있다면 GEO 시대에 검색을 선점할 수 있겠다고 봤습니다. 신뢰를 얻는 콘텐츠는 양과 질 모두 중요한데, 두 가지 모두 AI로 해결할 수 있을 거라 생각했습니다. 그래서 직접 실험을 시작했습니다.

콘텐츠 자동화 파이프라인을 설계한 방법

이 글은 콘텐츠 자동화의 6단계 파이프라인 중 1단계의 기본적인 로직을 완성한 시점에서 작성되었습니다. 1단계도 더 나은 결과물이 나오도록 계속 피드백하며 개선하는 중입니다. 미완성 실험기이죠. 그런데 1단계만 진행했음에도 먼저 공유하는 이유가 있습니다.

콘텐츠 작업에서 기획이 가장 중요하듯, 이 자동화 프로젝트에서도 마찬가지였습니다.에이전트가 기획을 잘 할 수 있어야 진정한 자동화가 시작됩니다. 그럴 듯한 글은, 우리가 이미 많이 해봤듯이 제미나이든 클로드든 챗GPT든 그럭저럭 잘 작성합니다. 하지만 AI가 우리에게 꼭 필요한 글을 기획하게 하는 건 아직 부족합니다. 이 부분을 자동화하는 것이 핵심 중 하나라고 봤습니다. 처음에 우리가 타깃하는 키워드, 주제를 잘 고르고 좋은 개요를 만들 수 있어야 좋은 글도 작성할 수 있을 거라고 생각했습니다. 이 가장 중요한 단계가 1단계였기 때문에, 아직 할 일이 남았음에도 공유를 해보려 합니다.

사실 저희 팀은 이미 기업용 글을 생산하는 에디터를 직접 만들어본 경험이 있었습니다. 콘텐츠 생성 에디터는 콘텐츠의 목적과 의도를 입력하면 AI가 기획부터 본문 생성까지 처리해주는 편집기입니다. 이 과정에서 배운 게 있었는데요. 그냥 "글 써줘"가 아니라, 레퍼런스를 입력하고, 단락별로 기획안을 생성하게 하고, 그 기획안이 통과되면 글을 작성하게 하고, 단락별로 수정을 거치는 구조가 훨씬 좋은 결과를 낸다는 것이었습니다.

그러니까 문제의 핵심은 처음부터 알고 있었습니다. AI한테 한꺼번에 시키면 안 됩니다.리서치부터 글쓰기까지 하나의 프롬프트에 몰아넣으면, 리서치의 폭이 자동으로 좁아집니다. 괜찮은 결과물을 가져온 것처럼 보이지만, 판단 과정을 뜯어보면 이해도가 낮고 신뢰가 떨어집니다. 단순히 키워드에 따라 글을 작성해주는 대행사를 이용해보신 분들은 아실 것입니다. 비즈니스 맥락 없이 키워드만 타깃한 글을 쓰면 사람이든 AI든 뻔한 글을 만들어낼 수밖에 없습니다.

그래서 에디터를 만들면서 확인한 원칙, 즉 단계를 쪼개고, 각 단계에서 품질을 통제해야 한다는 것을 이번에는 더 큰 스케일로 적용하기로 했습니다. 글 한 편을 잘 쓰는 수준이 아니라, 기획부터 발행까지 전체 과정을 파이프라인으로 만드는 겁니다. 콘텐츠 마케터가 실제로 일하는 순서를 그대로 따르는 구조로, 총 6단계로 설계했습니다.

1단계: 퍼널/GEO 기반 키워드 기획 시스템
어떤 키워드를 타깃할지, 검색량과 경쟁 강도, GEO 인용 가능성을 종합해서 콘텐츠 주제를 결정합니다.
2단계: 키워드 기반 콘텐츠 생성 자동화
결정된 키워드를 바탕으로 H2 구조, 제목안, 본문 초안까지 자동으로 생성합니다.
3단계: SEO/GEO 최적화 검수
생성된 콘텐츠가 검색엔진과 AI 에이전트 모두에게 잘 읽히는 구조인지 점검합니다.
4단계: 발행 자동화 시스템
검수를 통과한 콘텐츠를 블로그에 자동으로 발행합니다.
5단계: 뉴스레터 자동 재생산
발행된 블로그 콘텐츠를 뉴스레터 형식으로 재가공해서 발송합니다.
6단계: 멀티포맷 확장
블로그 글 하나를 SNS 포스팅, PR 보도자료 등 다양한 포맷으로 변환합니다.

핵심 원칙은 "한 번에 다 시키지 않는다"는 것이었습니다. 에이전트에게 넓은 범위의 목표를 주면 결과가 산만해집니다. 좁은 범위의 목표를 주고 완수하게 하는 쪽이 훨씬 성능이 좋았습니다. 리서치 따로, 기획 따로, 글쓰기 따로, 검수 따로. 사람이 팀으로 일하는 것처럼, 에이전트도 역할을 나눠야 제대로 된 결과물이 나왔습니다.

자동 키워드 기획 시스템을 만들며 배운 것

첫 번째 에이전트, 왜 리서처였나

6단계 파이프라인을 설계하고 나면, 다음 질문은 "어디부터 만들 것인가"입니다. 저희는 1단계, 키워드 기획 시스템부터 시작했습니다.

이유는 기업에서 콘텐츠를 만드는 콘텐츠 담당자의 업무 순서를 따랐기 때문입니다. 여기서는 편의상 콘텐츠 마케터라고 하겠습니다. 콘텐츠를 기획하려면 먼저 어떤 키워드를 타깃할지를 결정해야 합니다. 검색량은 어느 정도인지, 경쟁 콘텐츠는 뭐가 있는지, 우리 블로그에 이미 다룬 주제와 겹치지는 않는지. 이 판단을 내리려면 그 전에 키워드를 둘러싼 데이터를 긁어모으는 리서치가 선행되어야 합니다.

여기서 또 한 가지를 배웠습니다. 처음에는 리서치와 기획을 하나의 에이전트에 넣어봤습니다. "키워드 조사해서 콘텐츠 기획안까지 만들어줘." 결과는 좋지 않았습니다. 리서치를 하면서 동시에 판단까지 하려니 리서치의 폭이 좁아졌습니다. 에이전트가 자기가 쓰기 편한 방향으로 데이터를 골라오는 느낌이었죠. 그래서 분리했습니다. 데이터를 수집하는 리서처 에이전트, 그 데이터를 보고 기획을 짜는 플래너 에이전트. 역할을 나누자 리서치의 폭이 넓어지고, 기획의 근거가 탄탄해졌습니다.

이 과정에서 결정적인 역할을 한 건 내부 콘텐츠 마케터와의 인터뷰였습니다. 자동화의 대상이 콘텐츠 마케터의 업무이다 보니, 마케터가 실제로 키워드를 디깅하는 절차를 먼저 이해해야 했습니다. 어떤 순서로 검색하는지, 어디서 키워드를 찾는지, 뭘 보고 "이 키워드는 된다, 안 된다"를 판단하는지. 이걸 자연어로 정의하고, 그대로 에이전트의 작업 정의서에 올렸습니다.

슬랙에서 명령어 하나로 한 달치 기획이 나오기까지

실제로 이 파이프라인이 어떻게 돌아가는지 보여드리겠습니다.

전체 구조는 슬랙 입력 → 리서처(시장조사) → 플래너(전략수립) → 슬랙 결과 + 구글시트 및 대시보드 출력입니다. 슬랙에서 질문 의도, 콘텐츠 방향성, 발행 월을 입력하면 파이프라인이 자동으로 돌아갑니다.

콘텐츠 기획을 위해 슬랙에 기본 정보를 입력하는 과정 <출처: 요즘IT>

먼저, 슬랙에 콘텐츠를 통해 공략하고자 하는 사용자의 ‘질문’과 콘텐츠의 방향을 간단히 입력합니다. GEO 최적화를 위해 사용자의 질문과 그 의도를 중심으로 콘텐츠를 기획하려는 니즈를 반영해 입력받을 내용을 설계했습니다. 입력한 내용을 바탕으로 시스템에서 블로그 전략을 생성하고, 그 과정을 슬랙에서 알려줍니다.

정보 입력 후 과정을 알려주는 슬랙 블로그 전략봇 화면 <출처: 요즘IT>

슬랙에 입력된 내용을 바탕으로, 리서처는 3단계로 시장을 조사합니다.

1단계에서 질문에서 키워드를 추출하고, 구글/네이버 자동완성, 검색광고, 연관검색어를 긁어서 의미 기준으로 그룹핑합니다. 이번 실행에서 "외주 개발"이라는 메인 키워드 하나에서 104개 클러스터, 24개의 PAA(People Also Ask) 질문이 수집됐습니다.
2단계에서는 각 클러스터의 대표 키워드로 구글과 네이버 상위 콘텐츠를 수집하고, 경쟁사를 분석하고, 검색결과의 특수영역(AI 오버뷰, 영상, 스니펫 등)을 감지합니다.
3단계에서는 ChatGPT에 같은 질문을 넣어서 어떤 사이트가 인용되는지를 확인합니다. 위시켓 블로그가 AI 검색에서 인용되고 있는지, 경쟁사는 인용되고 있는지를 파악하는 겁니다.

플래너는 이 데이터를 받아서 7단계로 기획을 완성합니다.

키워드 그룹을 질문 카테고리별로 분류하고,
각 질문이 인지/고려/전환 중 어디에 해당하는지 퍼널을 태깅합니다.
위시켓 기존 발행 글 200건 이상과 대조해서 중복 여부를 판정하고,
검색량과 트렌드 가중치로 우선순위를 매기고,
월/수/금 발행일에 퍼널이 교차 배치되도록 일정을 짭니다.
마지막으로 각 콘텐츠의 제목 후보 3개, 본문 H2 구조, CTA, GEO 유형까지 설계합니다.

파이프라인 작동 후 산출물 대시보드. 1개월치 콘텐츠 전략이 생성된다. 1개월 생산 건수, 집중할 사용자의 의도와 사용자 질문에 맞춰 발행 캘린더에 따라 콘텐츠를 기획해준다. <출처: 요즘IT>

파이프라인 작동 후 산출물 대시보드에서 발행 캘린더에 생성된 콘텐츠 1개를 클릭하면 H2까지 기획된 내용이 나온다. 기획 배경도 간단히 알려준다. <출처: 요즘IT>

예를 들어 "외주 개발"로 한 번 실행하면, 이런 결과가 나옵니다. "외주 개발사를 고를 때 포트폴리오 외에 반드시 확인해야 할 검증 기준은 무엇인가요?"라는 질문에 대해 퍼널은 고려 단계, GEO 유형은 비교형, 발행일은 3월 18일, SEO 제목안은 "외주 개발사 검증 기준 5가지, 포트폴리오 너머를 봐야 한다",CTR 제목안은 "포트폴리오 보고 고른 외주 개발사가 실패하는 이유"로 설계되고, H2 구조 5개와 CTA(견적 비교)까지 한 번에 나옵니다. 이런 기획이 월 13건, 한 달치가 12분 49초 만에 완성됩니다.

최종적으로 리서처와 플래너를 연결해서 1단계 파이프라인을 1회 실행하면 약 12분 49초 정도 걸립니다. 리서처에는 GPT-5.2, 가벼운 필터링에는 GPT-4.1 mini, 플래너에는 Claude Sonnet 4.6을 쓰고 있습니다. 콘텐츠 마케터가 같은 작업을 수동으로 하면 보통 2~3시간이 걸린다는 점을 생각하면, 시간과 비용 모두 의미 있는 수준이었습니다.

기술보다 기획이 중요합니다

사실 아직 6단계 중 1단계를 완성했을 뿐입니다. 콘텐츠 생성, SEO/GEO 검수, 발행 자동화, 뉴스레터, 멀티포맷 확장은 아직 구축 전이죠. 그런데 1단계만 만들면서도 배운 게 꽤 많습니다.

가장 크게 느낀 건, 이 작업이 "기술 프로젝트"가 아니라 "기획 프로젝트"에 가깝다는 겁니다. 에이전트의 성능을 끌어올린 건 코드를 최적화한 순간이 아니었습니다. 콘텐츠 마케터가 실제로 일하는 과정을 인터뷰해서 자연어로 정의하고, 그 정의를 에이전트의 작업 명세서에 옮긴 순간이었습니다. 비개발자가 기술 단위의 최적화를 요청하는 것보다, 기획 문서를 정돈해서 넘기는 쪽이 결과가 좋았습니다. 에이전트에게 좋은 지시를 내리는 건, 결국 좋은 기획을 할 수 있느냐의 문제였던 거죠.

또 하나는 사전 컨텍스트의 힘입니다. 같은 에이전트라도 회사 프로필, 타겟 페르소나, 경쟁사 목록 같은 내부 맥락을 넣어주느냐 안 넣어주느냐에 따라 결과물 품질이 확 달라졌습니다. 아무 맥락 없이 돌리면 일반적인 블로그 수준의 결과가 나오지만, 위시켓의 데이터와 상황을 이해시키면 "이 회사 블로그에서만 할 수 있는 이야기"가 나오기 시작합니다. 결국 자동화의 품질은 자동화 바깥에서 결정되는 셈입니다.

지금 당장 파이프라인을 구축하기 어려운 상황에 있으시더라도, 이 글을 읽고 뭔가 해보고 싶으시다면, 이 두 가지만 해보시길 추천드립니다.

내부 콘텐츠 담당자에게 "콘텐츠를 기획하고 제작할 때 실제로 어떤 순서로 작업하나요?"라고 물어보는 것.
2. 그리고 그 워크플로우를 자연어로 정리해두는 것.

이 문서 하나가, 나중에 자동화를 시작할 때 가장 큰 자산이 됩니다.

앞으로 나머지 5단계를 만들어가면서, 각 에이전트 개발기를 하나하나 공유하지는 않을 겁니다. 대신 이 과정에서 알게 되는 인사이트 — 기업이 AI 콘텐츠 자동화를 도입할 때 실제로 부딪히는 구조적 문제와 해결 방향은 계속 공유하려고 합니다. 이 글이 그 첫 번째이고요.

그리고 이 실험의 과정을 더 깊이 다루는 세미나를 준비하고 있습니다. 6단계 파이프라인의 설계 과정, 에이전트별 시행착오, 실제 비용과 속도, 기업 블로그에 적용하면서 발견한 것들을 직접 공유하는 자리입니다. 관심이 있으시다면 아래 설문에 응답해 주세요. 세미나 일정이 확정되면 가장 먼저 안내드리겠습니다.

➡️세미나 알림 등록하기 (30초 소요)