[Claude Code + OpenClaw] 유튜브 자동화에서 AI 팀 구축까지 — 업무 자동화 시스템을 쌓아가는 여정

이전 게시글: "[ChatGPT + Claude Code] AI로 AI를 배워 유튜브 콘텐츠 자동화 시스템 설계"

관련 게시글: OpenClaw 스터디 사례 (별도 게시)

한줄 요약

유튜브 자동화 프로그램 구축 → AI 대본 작성 프로세스 세팅 → AI 워크스페이스에 OpenClaw를 통합해 AI 팀 구축까지, 업무 자동화 시스템을 단계별로 쌓아가고 있는 과정입니다.

이런 분들께 도움돼요

• 유튜브나 콘텐츠 제작 업무를 자동화하고 싶은데 어디서부터 시작할지 모르는 분

• AI 도구를 하나씩 써봤는데, 통합적으로 엮어서 업무 시스템을 만들고 싶은 분

• AI를 단순 도구가 아니라 "팀원"처럼 활용하는 게 궁금한 분

• 자동화의 현실적 한계를 느끼고, 프로그램 개발로 보완하는 방법이 궁금한 분

소개: 시도하고자 했던 것과 그 이유

문제 상황 (Before)

유튜브 채널을 운영하고 있는데, 소재 발굴부터 대본 작성, 편집까지 전부 수작업이었습니다.

유튜브 외에도 블로그, SNS, 재테크 정보 수집 등 자동화하고 싶은 업무가 많았고, 가장 큰 고민은 "혼자 다 하는 데 한계가 있다"는 것이었습니다. AI를 단순히 글 하나 써달라고 시키는 수준이 아니라, 팀원처럼 같이 일하는 AI를 만들 수 없을까 — 이 고민이 이전부터 있었습니다.

시작하게 된 계기

GPTers 스터디에서 AI 워크스페이스와 Claude Code를 접하면서, "이걸로 진짜 업무 시스템을 만들 수 있겠다"는 확신이 생겼습니다. 한 번에 완성하려 하지 않고, 하나씩 쌓아가기로 했습니다.

진행 방법: 어떻게 업무 자동화를 쌓아왔나

사용한 도구

Step 1: 유튜브 자동화 프로그램 구축

GPTers 스터디의 중급 자동화 설계 스킬(6단계)을 활용해서 설계하고, Claude Code로 실제 프로그램을 개발했습니다.

인터뷰 → 워크시트 → 자동화 설계 → 도구 연결 → 드라이런 → 실행

만든 것:

• 떡상 영상 자동 검색 + VPH(시간당 조회수) 기반 필터링

• 영상 심층 분석 (대본구조/썸네일/SEO/댓글/광고적합성)

• 리포트 자동 생성 + 내 채널과 GAP 분석

• 분석 결과 기반 가이드 3종 자동 생성 (대본지침/제목·썸네일/SEO)

자동화 설계에서 배운 것:

1차 인터뷰에서는 "일반적인" 자동화 설계만 했는데, 실제 업무와 동떨어진 부분이 많았습니다.

자동화는 "뭘 자동화할지"보다 "실제로 내가 어떻게 일하는지"를 먼저 정확히 파악하는 게 중요했습니다.

Step 2: AI 대본 작성 프로세스 세팅

분석 프로그램은 잘 돌아가는데, "이걸로 대본을 어떻게 쓰지?" 문제가 남았습니다. 데이터가 아무리 좋아도 실제 콘텐츠로 이어지지 않으면 의미가 없었습니다.

Claude Code 로컬 환경에서 대본 작성 지침을 구조화하고, 분석 데이터를 참조 자료로 연결하는 프로세스를 세팅했습니다. 웹에서 AI한테 시킬 때와 달리, 로컬에서는 지침과 참조 자료를 필요할 때만 로드할 수 있어서 컨텍스트 관리가 훨씬 유리했습니다.

이 과정에서 AI 대본 작성의 여러 문제점을 발견하고 하나씩 해결해가는 중인데, 지금도 매번 쓸 때마다 프로세스를 보정하고 있습니다.

여기서 확실히 배운 것: "한 번에 완성"이 아니라 "세팅 → 테스트 → 보정"을 반복하는 게 핵심이라는 것.

Step 3: AI 워크스페이스 + OpenClaw 통합

유튜브 분석, 대본 작성까지는 Claude Code로 잘 돌아갔지만, 이걸 매번 직접 지시하고 확인하는 구조는 한계가 있었습니다. 그리고 유튜브 외에도 재테크 정보 수집, AI 동향 파악, 학습 관리 등 자동화하고 싶은 업무가 더 있었습니다.

그래서 기존 AI 워크스페이스에 OpenClaw를 통합해서, AI 에이전트들이 팀원처럼 자율적으로 일하는 체계를 만들었습니다.

AI 팀 구조:

나 (의사결정 + 피드백)
    ↕
클코 — Claude Code (참모 + 시스템 관리 + 에이전트 감사)
  ↙          ↘
엘라              토니
(학습 + AI정보)    (재테크 정보)
  ↘          ↙
AI 워크스페이스 (통합 지식 관리 SSOT)

크론잡 세팅 (OpenClaw CLI):

# 에이전트별 크론잡 추가
openclaw cron add --name "엘라 아침 루틴" \
  --cron "30 7 * * *" --exact \
  --agent ella --session isolated \
  --channel telegram --announce --to "<chatId>" \
  --message "아침 루틴을 시작해. ..."

# 크론잡 목록 확인
openclaw cron list

# 실행 이력 + 에러 확인
openclaw cron runs --id <job-id> --limit 5

# 크론잡 수정 (채널/메시지/시간)
openclaw cron edit <job-id> --channel telegram --to "<chatId>"

매일 아침 7:30에 텔레그램으로 두 에이전트의 브리핑이 자동으로 옵니다. 핵심만 5~7줄 요약이고, 궁금하면 바로 물어보면 디테일하게 이어서 답합니다.

Step 4: 운영 체계 구축

에이전트를 세팅하는 것보다 운영하면서 생기는 문제를 해결하는 체계를 만드는 게 더 중요했습니다.

1) 중복 작업 방지 — 공유 진도표를 SSOT(Single Source of Truth)로 운영

[규칙]
1. 학습 전: 공유-학습진도표.md에서 상태 확인
2. ✅인 항목은 다시 학습 안 함 (정리 노트만 참조)
3. 학습 후: 즉시 상태 업데이트 + 정리 위치 기록
4. 서로의 학습 노트는 자유롭게 참조 가능

2) 에이전트 검증 — AI가 "했습니다"라고 해도 반드시 확인

# 산출물 파일 실제 존재 확인
docker exec <container> ls -la <파일경로>

# 파일 소유권 이상 확인 (docker cp 후 root 문제 방지)
docker exec <container> find ~/.openclaw/ -not -user node -type f

AI 에이전트는 "했습니다"라고 보고하고 실제로는 안 한 경우가 있습니다. 파일 존재 확인 뿐 아니라 내용이 오늘 날짜인지, 지시한 항목을 빠뜨리지 않았는지까지 확인하는 습관이 필요합니다.

3) 주간 자동 개선 — 매주 일요일, 엘라가 자동으로:

• 크론잡 에러 패턴 / 반복 미완료 항목 / 역할 빈 영역 점검

• 구체적 개선 제안 3~5개 작성 → 텔레그램 보고

• 이 제안을 보고 사람이 판단 → 좋은 건 바로 반영

4) 통합 참조 — 여러 대화창에서 따로 작업해도 전체 맥락을 잃지 않도록:

• 클코가 메모리를 통해 프로젝트 간 연결점 파악

• 대본 작성 → 자동화 개발 → 수익화까지 하나의 흐름으로 인식

• 빈틈이나 비효율을 발견하면 선제적으로 제안

자동화의 한계, 그리고 보완책

자동화를 계속 진행하면서 느낀 현실이 있습니다.

"자동화만으로는 안 되는 영역이 분명히 있다."

내린 결론: 자동화로 한계가 있는 부분은 별도 프로그램 개발로 보완하는 게 타당합니다.

[자동화] 분석/수집/브리핑/학습 관리
[프로그램 개발] 포맷 변환/발행/업로드 파이프라인
[사람] 방향 설정 + 품질 판단 + 최종 승인

"전부 자동화"가 아니라 "사람의 번거로운 작업을 최소화"가 현실적 목표입니다.

결과와 배운 점

지금까지의 결과

배운 점 3가지

1. 한 번에 완성하려 하지 말 것

처음부터 "유튜브 완전 자동화"를 목표로 잡았으면 아마 아무것도 못 했을 겁니다. 소재 발굴 → 분석 → 대본 → AI 팀 순서로, 작은 단위로 세팅 → 테스트 → 보정을 반복했기 때문에 여기까지 올 수 있었습니다.

2. 자동화 + 프로그램 개발 = 현실적 조합

자동화가 잘 되는 영역은 자동화하고, 한계가 있는 영역은 별도 프로그램을 개발해서 보완하는 게 현실적입니다. 안 되는 걸 억지로 자동화하려다 시간만 낭비한 경험이 있습니다.

3. AI는 "도구"가 아니라 "팀"으로 설계해야 효과가 난다

Claude Code 하나만 쓸 때와, 역할을 나눈 AI 팀을 운영할 때는 체감이 완전히 다릅니다. 각자 역할이 명확하고, 서로의 작업을 참조하고, 빈틈을 자동으로 찾아서 제안하는 체계가 되니까 — 진짜 팀원이 생긴 느낌입니다.

재사용 가능한 접근법

1. 업무 자동화 설계 순서

실제 업무 파악 → 반복 작업 식별 → 가장 쉬운 것부터 자동화
→ 테스트 → 보정 → 다음 단계로 확장
→ 자동화 한계 발견 → 프로그램 개발로 보완

2. 멀티에이전트 역할 분담 패턴

[참모] 시스템 설계 + 전체 관리 + 다른 에이전트 점검
[실행A] 특정 영역 담당 (예: 학습/정보 수집)
[실행B] 다른 영역 담당 (예: 재테크/시장 분석)
[공유] 통합 지식 관리 시스템 (SSOT)

3. 크론잡 운영 패턴

# 역할별 에이전트 + 시간 분리
openclaw cron add --agent <agent-id> --cron "<스케줄>" \
  --channel telegram --announce --to "<chatId>" \
  --message "<지시 내용>"

# 브리핑은 짧게 (5~7줄), 상세는 파일 저장, 궁금하면 이어서 질문

4. 자동화 vs 프로그램 개발 판단 기준

반복적 + 판단 불필요 → 자동화 (크론잡/스킬)
반복적 + 포맷 변환 → 프로그램 개발
비정기적 + 판단 필요 → 사람 (AI 보조)

향후 계획

[현재]                      [다음]                        [목표]
대본 작성 시스템        →  편집 변환 프로그램 개발     →  영상 업로드 파이프라인
                           (자동화 한계 → 프로그램 보완)
AI 팀 브리핑           →  브리핑 품질 계속 보정       →  자기개선하는 자동화 시스템
유튜브 자동화          →  블로그/SNS 자동 발행 확장   →  수익화 통합 시스템
재테크 정보 수집       →  분석 자동화                →  의사결정 지원

궁극적 목표: 사람의 개입이 점점 줄어들고, AI 시스템이 스스로 자기개선을 하면서 진화하고 발전하는 업무 자동화 시스템.

물론 현실적으로 사람의 판단이 완전히 빠질 수는 없습니다. 하지만 "사람이 해야 할 일"의 범위를 계속 줄여나가는 것, 그리고 자동화로 안 되는 부분은 프로그램 개발로 보완하는 것 — 그게 이 여정의 방향입니다.

도움 받은 글/자료

• GPTers AI 워크스페이스 스터디 (20기~21기)

• GPTers 중급 자동화 설계 스킬 (6단계)

• OpenClaw 공식 문서 (docs.openclaw.ai)

• 뽀짝이의 서재 (bbojjak-library.gpters.org) — 실전 사례 + 운영 노하우

• OpenClaw 덕후방 커뮤니티 — 실사용 팁/트러블슈팅