🤖 10. AI 길들이기 4시스템 실습

영상 핵심은 단순합니다. AI를 똑똑하게 쓰는 게 아니라, AI가 실수해도 흔들리지 않게 운영 시스템을 만든다는 것.

flowchart TD
A[요청 입력] --> B[시스템1 자동 매뉴얼 호출]
B --> C[시스템2 계획/맥락/체크리스트 생성]
C --> D[작업 실행]
D --> E[시스템3 자동 품질검사]
E --> F[시스템4 셀프체크 리마인더]
F --> G[보완/수정]
G --> H[전문 에이전트 리뷰]
H --> I[최종 결과물]

🧠 칠판 치트시트

• AI 기본 상태: 50점 (기억 누락 + 매뉴얼 미준수 + 과신)
• 시스템 적용 후: 95점에 근접 (일관성 + 재현성 + 검수 자동화)
• 핵심: 프롬프트 한 번 잘 쓰는 것보다 운영 루프 설계가 중요

30초 요약

• 영상은 “6개월 시행착오로 만든 AI 운영 4시스템”을 공개한다.
• 1. 자동 매뉴얼, 2) 작업 기억, 3) 자동 품질검사, 4) 셀프 체크를 묶어 쓴다.
• 결론은 도구명보다 시스템이 성과를 만든다는 것.

영상 타임라인 (누락 없이)

• 0:00 인트로: “책 300권 분량 프로젝트를 6개월에 재구축”
• 1:15 문제 제기: AI는 유능하지만 자주 맥락을 잃음
• 2:32 배경: 실제 대형 리팩터링 프로젝트 맥락
• 3:43 시스템1 문제: 매뉴얼을 만들어도 AI가 안 읽음
• 5:00 시스템1 해결: 자동 매칭/호출 구조 도입
• 6:19 시스템1 규칙: 키워드·작업위치·패턴 기반 매뉴얼 활성화
• 7:39 시스템1 결과: 길고 무거운 매뉴얼 분리 후 효율 개선
• 9:11 시스템2 문제: 금붕어 기억력(장기 작업 맥락 이탈)
• 10:29 시스템2 해결: 계획서/맥락노트/체크리스트 3문서 운영
• 11:25 시스템2 운영: 한 번에 다 시키지 말고 단계별 실행
• 12:25 시스템3&4: 자동 품질검사 + 셀프체크 리마인더
• 13:14 확장: 전문 에이전트 팀 + 보고 체계 + 요약 마무리

시스템 1) AI 자동 매뉴얼

문제

• 문서가 있어도 AI가 읽지 않고 기존 습관대로 작업함.

해결

• 작업 시작 전/완료 후에 자동 알림 훅으로 관련 매뉴얼을 강제 상기.
• 매뉴얼을 통문서(1500줄+)로 두지 않고 목차 + 세부 챕터로 분해.

실무 규칙

• 키워드 기반 활성화(예: backend/api/db)
• 작업 위치 기반 활성화(경로별)
• 파일 패턴 기반 활성화(에러핸들링/보안 등)

시스템 2) AI 작업 기억

문제

• 대화 길어지면 목표/제약을 잃고 딴 길로 감.

해결

• 작업 시작 시 3문서 고정:
  1. plan.md (무엇을 만들지)
  2. context.md (왜 이렇게 하는지/참조 링크)
  3. checklist.md (진행/잔여)

실무 규칙

• “먼저 계획 생성 → 인간 승인 → 문서 저장 → 실행” 순서 고정
• 작업은 1~2개 단위로 쪼개 실행
• 매 턴 종료 시 checklist 업데이트

시스템 3) 자동 품질검사

문제

• AI가 “완료”라고 했지만 실제로는 누락/오류가 잦음.

해결

• 수정 파일 기록 후 완료 시점에 검사 자동 실행
• 오류가 경미하면 즉시 수정, 크면 리뷰 담당 호출

최소 검사 세트

• lint
• type-check
• test
• 보안/에러 처리 체크

시스템 4) AI 셀프 진단(리마인더)

문제

• 완료 직전에 사람이 보던 점검 포인트가 빠짐.

해결

• 작업 종료 시 AI에게 고정 질문 자동 노출
  • “에러 처리 확인했나?”
  • “보안 위험은 없나?”
  • “변경 이유를 설명할 수 있나?”

완성형 운영 루프 (실습 핵심)

1. 요청 입력
2. 관련 매뉴얼 자동 호출
3. 계획/맥락/체크리스트 생성
4. 소단위 실행
5. 완료 후 자동검사
6. 셀프체크
7. 필요시 전문 에이전트 리뷰
8. 반영 + 로그 기록

90분 실습 가이드 (복붙형)

준비물

• Claude Code (또는 동급 코딩 에이전트)
• 대상 코드베이스 1개
• 테스트 실행 가능한 로컬 환경

실습 목표

• “기능 1개 추가 + 품질검사 통과 + 변경기록 남기기”를 1사이클 완주

Step 1) 작업 문서 3개 생성

mkdir -p .ai-work
cat > .ai-work/plan.md << 'EOF'
# Plan
- 목표:
- 범위:
- 완료 조건:
EOF
cat > .ai-work/context.md << 'EOF'
# Context
- 배경:
- 제약:
- 참고 링크:
EOF
cat > .ai-work/checklist.md << 'EOF'
# Checklist
- [ ] 요구사항 확인
- [ ] 구현
- [ ] 테스트
- [ ] 문서 업데이트
EOF

Step 2) 시스템 프롬프트(작업 규칙) 주입

너는 작업 전에 반드시 .ai-work/plan.md, context.md, checklist.md를 읽고,
작업 후 checklist를 갱신한다.
한 번에 작업 1~2개만 수행하고, 완료 시 lint/type-check/test 결과를 보고한다.

Step 3) 소단위 실행

요구사항을 plan.md 기준으로 2개 태스크로 나눠서 1번 태스크만 먼저 구현해.

Step 4) 자동 품질검사

npm run lint && npm run test

Step 5) 셀프 진단 질문

이번 변경에서 누락 가능성이 큰 지점 3개와 보완 계획을 checklist에 반영해.

Step 6) 완료 판정

• 코드 변경 + 테스트 통과
• checklist 4개 모두 체크
• 변경 이유를 5문장 이내로 설명 가능

실패 패턴과 보완

• 패턴 A: 계획 없이 바로 구현 시작
  • 보완: plan 승인 전 구현 금지
• 패턴 B: 한 번에 너무 큰 작업 지시
  • 보완: 20~40분 단위 태스크 분할
• 패턴 C: “완료” 보고 후 검수 누락
  • 보완: 완료 전 lint/test 자동 실행 고정

이 영상을 Agent 본편으로 두는 이유

이 콘텐츠는 감상형 에세이보다 재현 가능한 운영 절차가 중심입니다. 그래서 Agent/코딩에이전트 트랙의 본편으로 배치하는 게 맞습니다.

참고

• 원본 영상: https://youtu.be/7vihh_G_434?si=88R661UyIIoRULOh
• 기반 출처: 영상 본문 설명의 타임스탬프 + 자동자막(ko-orig) 분석

참고 고지: 본 문서는 생성형 AI(자동자막 분석+요약)를 활용해 작성했습니다.

다음 차시

• 08. 비용 운영
• insights
• ClaudeCode 인덱스