이 글을 읽으면 알 수 있어요!
요구사항을 어떤 단위로 정해야 AI가 엉뚱한 자동화를 만들지 않는지
오류 수정과 외부 서비스 연동에 시간이 드는 이유
시작 전에 정해야 할 실행 한도와 비용 기준
“매주 금요일, 여러 파일을 모아 보고서를 만들고 이메일로 보내 줘.”
사람에게는 익숙한 업무지만 AI 에이전트에게는 빈칸이 많은 지시입니다.
어느 폴더를 볼지, 파일명이 다르면 어떻게 할지, 숫자가 비어 있으면 멈출지, 누구에게 보내기 전에 확인받을지가 빠져 있기 때문입니다.
바이브 코딩은 시작 장벽을 낮추지만, 업무의 예외까지 대신 정의해 주지는 않습니다.
공개 커뮤니티와 오픈소스 이슈를 살펴보면 막힘은 코드 문법보다 요구사항, 데이터 흐름, 인증, 실행 한도에서 반복됩니다.
아래 사례는 개인의 공개 경험과 기술 이슈를 바탕으로 한 관찰이며, 모든 도구에서 똑같이 재현된다는 뜻은 아닙니다.
────────────────────
첫 번째 막힘: 원하는 결과는 말했지만 판단 기준이 없다
n8n 커뮤니티의 한 초보 사용자는 채용 공고를 모아 정리하고 싶다는 개념은 알지만, 실제 실행을 어디서 시작해야 할지 모르겠다고 적었습니다.
이때 “채용 공고를 수집해 줘”만으로는 대상 사이트, 검색 조건, 중복 제거, 저장 위치, 실패 시 행동을 결정할 수 없습니다.
주간 보고서 자동화도 같은 문제를 겪습니다.
요구사항은 기능명이 아니라 입력, 처리, 출력, 예외, 승인으로 나눠야 합니다.
입력: 금요일 오후 3시에 지정 폴더의 CSV만 읽는다.
처리: 고객사별 매출을 합치고 전주 대비 변화를 계산한다.
출력: 표와 세 줄 요약을 임시 문서로 만든다.
예외: 필수 열이 없거나 합계가 맞지 않으면 발송하지 않는다.
승인: 담당자가 확인 버튼을 눌러야 이메일을 보낸다.
가장 먼저 만들 것은 ‘똑똑한 에이전트’가 아니라 정상과 예외를 구분하는 작은 업무 명세입니다.
────────────────────
두 번째 막힘: 오류 메시지를 고쳤는데 다른 곳이 다시 깨진다
테스트 데이터는 깨끗하지만 실제 파일에는 빈 셀, 다른 날짜 형식, 중복 행, 늦게 도착한 값이 섞입니다.
n8n 사용자들은 운영 단계에서 외부 API 실패, 입력 형식 불일치, 시간 초과와 부분 실패가 먼저 드러난다고 공유했습니다.
AI에게 오류 문구만 붙여 넣으면 당장의 코드 한 줄은 바뀌어도 앞 단계의 잘못된 데이터가 남을 수 있습니다.
오류 수정 기준은 “다시 실행되느냐”가 아니라 “어느 입력에서, 어느 단계가, 어떤 값 때문에 실패했는지 재현되느냐”입니다.
⚠️ 수정 전에는 실패 입력 한 건, 기대 결과 한 건, 실제 결과 한 건을 함께 저장해야 합니다.
그리고 수집, 정리, 요약, 발송을 한꺼번에 시험하지 말고 단계별 결과를 확인해야 합니다.
메일 발송처럼 되돌리기 어려운 행동에는 테스트 모드와 중복 방지 키를 두는 것이 안전합니다.
────────────────────
세 번째 막힘: 외부 서비스 연결은 버튼 하나가 아니다
Make 커뮤니티에는 Salesmsg 연동 중 OAuth 토큰 요청이 401 Unauthorized로 실패한 실제 문의가 올라왔습니다.
n8n 커뮤니티에서도 고객의 Google 자격 증명을 노드마다 설정하는 과정이 지루하고 오래 걸렸다는 경험이 공유됐습니다.
연동에는 계정 로그인 외에도 앱 등록, 권한 범위, 콜백 주소, 토큰 갱신, 비밀키 보관, 사용량 제한이 따라옵니다.
따라서 연결 전에 “누구의 계정으로 행동하는가, 읽기와 쓰기 중 무엇을 허용하는가, 토큰이 만료되면 어디서 알림을 받는가”를 정해야 합니다.
비전공자가 혼자 진행한다면 처음에는 서비스 하나와 읽기 권한부터 연결하고, 쓰기·삭제·발송 권한은 검증 뒤에 여는 편이 좋습니다.
────────────────────
네 번째 막힘: 실행은 되지만 비용과 반복을 통제하지 못한다
LangGraph 공개 이슈에는 Text-to-SQL 에이전트가 종료 조건을 충족해야 하는데도 재귀 한도에 닿을 때까지 반복됐다는 보고가 있습니다.
이런 반복은 답이 늦어지는 문제를 넘어 모델 호출과 도구 실행을 계속 늘릴 수 있습니다.
OpenAI도 Usage API와 Costs 항목을 별도로 제공하며 프로젝트와 API 키별 사용량·비용을 확인하도록 안내합니다.
💡 시작 전에는 1회 실행의 최대 단계, 재시도 횟수, 입력 문서 크기, 일일 예산, 초과 시 중단 규칙을 숫자로 정해 두세요.
분류, 계산, 파일 이동처럼 규칙이 고정된 단계는 일반 자동화로 처리하고, 요약이나 애매한 판단에만 LLM을 쓰면 비용과 오류 범위를 함께 줄일 수 있습니다.
────────────────────
어디까지 준비되면 시작해도 될까
처음부터 여러 서비스를 오가는 자율 에이전트를 만들 필요는 없습니다.
한 가지 반복 업무를 골라 입력과 기대 결과를 각각 세 건 확보하고, 실패하면 멈추는 지점과 사람이 승인할 지점을 표시해 보세요.
그 다음 읽기 전용 연결로 작은 구간을 자동화하고, 로그와 비용을 확인한 뒤 범위를 넓히면 됩니다.
시작 기준은 “AI가 대부분 알아서 할 것”이 아니라 “실패했을 때 사람이 어디를 확인할지 알고 있는가”입니다.
혼자 바이브 코딩으로 자동화를 만들다 보면, 코드를 작성하는 시간보다 업무 규칙과 예외 상황을 정리하는 데 더 많은 시간이 들기도 합니다.
semo의 AI 에이전트는 무조건 모든 업무를 자동화하기보다, 반복되는 업무 흐름을 먼저 살펴보고 AI가 맡을 부분과 사람이 판단할 부분을 구분하는 데서 시작합니다.
예시로 해외 히트 상품 소싱도 어떤 업무부터 자동화해야 할지, 외부 서비스는 어디까지 연결해야 할지, 오류와 비용은 어떻게 통제해야 할지 semo와 함께 작은 업무 하나부터 정리해 보시면 더 체계적인 자동화가 가능합니다.
반복 업무에 쓰던 시간을 줄이고, 사람이 판단해야 하는 중요한 일에 더 집중할 수 있는 방법을 함께 찾아드립니다.
지금 자동화하고 싶은 업무가 있다면, 매번 반복하는 입력과 최종 결과부터 한 줄씩 적어 보세요.
그 두 줄 사이의 빈칸이 바로 개발 전에 준비해야 할 범위입니다.
#AI에이전트 #바이브코딩 #업무자동화 #노코드자동화 #비전공자개발