# 콘텐츠 팀을 대신 만들어 주는 AI

> 한 명의 크리에이터가 Claude의 숨겨진 '에이전트' 기능을 활용해 자율형 콘텐츠 공장을 구축했습니다. 이 시스템이 어떻게 리서치하고, 글을 쓰고, 사람 크리에이터처럼 사고하는지 그 구체적인 설계도를 소개합니다.

- Source: https://www.stork.ai/blog/ko/this-ai-builds-your-content-team
- Publisher: Stork.AI editorial team
- Published: 2025-12-02
- Updated: 2025-12-02
- Language: ko
- Reading time: 17 min

## 챗봇을 넘어서: AI '에이전트'의 부상

대부분의 사람들은 여전히 AI를 더 똑똑한 검색창처럼 대합니다. 질문하면 답을 내놓고, 관계는 거기서 끝납니다. 그러나 모델이 응답하는 데 그치지 않고 다음에 할 일을 스스로 결정하고, 외부 도구를 불러오고, 감독 없이 몇 시간 동안 실행될 수 있게 되면 이러한 사고방식은 더 이상 통하지 않습니다.

여기서 **에이전틱 AI**가 등장합니다. 에이전트는 단일한 프롬프트-응답 루프 대신 목표를 계획하고, 이를 하위 작업으로 분해하고, 전문 도구나 API를 호출하며, 그 결과를 엮어 완성된 결과물을 만듭니다. '챗봇'이라기보다, 여러분이 지표를 지켜보는 동안 리서치, 초안 작성, 수정, 게시까지 할 수 있는 주니어 프로듀서에 가깝다고 생각하시면 됩니다.

Ethan Nelson의 Claude Code 설정은 이것이 실제로 어떤 모습인지 보여 줍니다. 여러 Model Context Protocol(MCP)과 함께 **Claude Code**를 기반으로 구축된 그의 시스템은 리서처, 전략가, 카피라이터, 프로젝트 매니저를 아우르는 풀스택 콘텐츠 팀으로 작동합니다. 그는 지난 1년간 200,000달러 이상의 AI 시스템을 판매했다고 밝혔으며, 이것이 그 성과 뒤에 있는 인프라입니다.

Nelson은 모든 단계마다 모델에 일일이 프롬프트를 입력하는 대신 에이전트 네트워크를 관리합니다. 한 계층은 YouTube, Instagram, TikTok 전반의 트렌드를 찾고, 다른 계층은 채널 평균을 웃도는 아웃라이어 영상을 분석하며, 세 번째 계층은 대본에서 훅, 제목, 스토리 구조를 역설계합니다. 이후 에이전트들은 이렇게 얻은 패턴을 AIDA, problem–agitate–solution 같은 카피라이팅 프레임워크에 반영합니다.

이에 더해 시스템은 그의 개인 지식 스택을 활용합니다. MCP는 성과가 좋은 훅을 모아 둔 content intelligence vault, “Superintelligence”와 “Your Next Five Moves” 같은 책에서 가져온 [Readwise](/en/readwise) 기반 하이라이트 아카이브, 음성 메모 아이디어를 계속 기록한 로그가 담긴 Notion 데이터베이스와 연결됩니다. 에이전트는 이러한 소스를 참조하여 스크립트가 일반적인 AI식 결과물이 아니라 그 자신의 목소리에 기반하도록 유지합니다.

Nelson은 이제 일상적으로 AI에 “프롬프트를 입력”하지 않고 AI를 **오케스트레이션**합니다. 그는 plan-mode 단계 구성을 검토하고 워크플로를 조정하며 “human in the loop”로 남아 있고, 에이전트는 Kanban 카드를 자동으로 생성하고 스크립트 상태를 업데이트하며 장편 콘텐츠를 숏폼으로 리퍼포징합니다. 그의 역할은 영리한 프롬프트를 입력하는 일에서, 코드 에디터 안에 자리 잡은 반자율 콘텐츠 조직을 관리하는 일로 바뀝니다.

## 콘텐츠 공장 청사진

![일러스트: The Content Factory Blueprint](https://files.stork.ai/api/storage/7bab698a-30a6-406d-94d1-34a4067f0087)

콘텐츠는 막연한 직감에서 시작됩니다. "AI 에이전트에 대해 이야기해야겠다"는 생각이나, 샤워 중에 떠오른 덜 다듬어진 후킹 문구 같은 것입니다. Claude Code는 이를 공장 라인으로 바꿔 줍니다. **Claude**가 중앙 오케스트레이터 역할을 하며 각 단계를 적합한 전문 에이전트에 전달하고, 모든 결과를 다시 모아 일관된 스크립트, 뉴스레터, 숏폼 클립으로 완성합니다.

최상단에는 조율 계층이 있습니다. Claude가 크리에이터에게 다루고 싶은 아이디어를 묻고, 그 요청을 트렌드 리서치, YouTube 분석, 웹 리서치, 스크립트 구조, 훅 생성, 그리고 크리에이터의 삶과 목표, 오디언스를 파악하고 있는 전략 에이전트 등 여러 에이전트에게 분배합니다.

처음부터 끝까지 이 워크플로는 LLM과 대화하는 것보다 생산 파이프라인을 운영하는 것에 가깝습니다. 한 줄짜리 프롬프트에서 시작한 하나의 아이디어가 사람이 빈 페이지를 마주하지 않고도 장편 영상 스크립트, 뉴스레터 초안, Instagram, TikTok, YouTube용 여러 숏폼 변형으로 이어질 수 있습니다.

설계상 사람의 통제는 계속 중심에 있습니다. Nelson은 자신을 타이피스트가 아닌 **전략가이자 편집자**로 규정합니다. 그는 초기 방향을 승인하고, 리서치를 검토하고, 훅을 다듬으며, 스크립트가 Notion과 ClickUp에서 '촬영 준비 완료' 상태로 넘어가기 전에 최종 승인을 합니다.

이 오케스트레이터 아래에는 세 가지 주요 계층이 있습니다. **Research** 계층은 MCP로 연결된 에이전트를 사용해 YouTube, Instagram, TikTok에서 인기 동영상, 제목, 훅을 가져온 다음, 해당 채널의 평균을 웃도는 이상치를 표시합니다.

이 리서치 에이전트는 자막을 추출하고 훅의 길이, 감정적 트리거, 형식(질문, 대담한 주장, 반대 의견)을 분석한 뒤 모든 내용을 '콘텐츠 인텔리전스 볼트'에 기록합니다. 각 항목에는 조회수와 댓글 같은 성과 지표와 함께 '이것이 효과적인 이유', '그 공식'이라는 생성된 분석이 포함될 수 있습니다.

**Content Creation** 계층은 이러한 패턴을 새로운 콘텐츠로 바꿉니다. 스크립트 구조 및 카피라이팅 에이전트는 PAS(문제–자극–해결)와 AIDA(주목–흥미–욕구–행동) 같은 프레임워크를 사용해 개요를 구성하고, '바이브 마케팅' 에이전트는 장편과 숏폼 결과물 전반에 걸쳐 톤, 속도감, 브랜드 목소리를 유지합니다.

**Personal Context Layer**는 시스템이 평범하게 들리는 것을 방지합니다. Notion과 [Readwise](/en/readwise)를 통해 Claude Code는 "Superintelligence", "Your Next Five Moves"의 하이라이트, 개인 노트, 음성 메모로 남긴 아이디어, 과거 스크립트가 담긴 데이터베이스에 접근하고, 이러한 참고 자료와 의견을 새 콘텐츠마다 녹여냅니다. 그 결과 템플릿이 아니라 여전히 Nelson답게 들립니다.

## 자동화된 인텔리전스 스웜

[YouTube Studio](/en/youtube-studio), TikTok 검색, Notion 사이를 끝없이 오가는 일은 잊으십시오. Ethan Nelson의 시스템은 **자동화된 인텔리전스 스웜**을 가동해 그가 한 줄을 쓰기도 전에 기초 리서치를 마칩니다. 몇 시간의 수작업 조사가 백그라운드 프로세스로 바뀌어 조용히 실행되고, 그동안 그는 '휴먼 인 더 루프'로 남습니다.

이 스웜의 맨 앞에는 Instagram, TikTok, YouTube에 연결된 **Trends Research Agent**가 있습니다. 이 에이전트는 각 플랫폼에서 지금 급상승 중인 항목을 조회하고, 인기 동영상을 가져와 제목, 훅, 형식, 길이를 추출합니다. '이번 주에 무엇이 효과적인가?'가 추측의 영역이 아니라, 패턴이 풍부한 사례를 담은 실시간 피드가 됩니다.

이와 함께 **YouTube Analytics Agent**는 통계적 이상치를 찾아냅니다. 채널을 스캔하여 크리에이터의 기준치를 크게 웃도는 동영상을 표시한 다음, 다음 항목을 깊이 분석합니다.
- 조회수 및 성장 속도
- 채널 평균 대비 상대적 성과
- 훅의 길이와 구조
- 주제, 접근 방식, 썸네일/제목 조합

이 에이전트들은 링크를 보여 주는 데서 그치지 않고 역설계합니다. 성과가 높은 각 클립은 훅 스크립트, 감정적 트리거, 훅 유형(질문, 대담한 주장, 반대 의견, 스토리), 플랫폼, 품질 순위로 구성된 구조화된 데이터로 분해됩니다. 댓글 및 조회수 데이터에 접근할 수 있는 경우, 시스템은 참여도와 성과 지표를 기반으로 '훅 품질'에 점수를 매깁니다.

이 모든 내용은 Nelson이 **Content Intelligence Vault**라고 부르는 Notion 데이터베이스로 모입니다. 모든 항목에는 훅이 효과적인 이유, 요약된 공식, 원래의 성과 맥락이 저장됩니다. 시간이 지나면 이 데이터베이스는 한 크리에이터의 직관이 아니라 인터넷 전반에서 수집한 검증된 훅, 제목, 형식의 살아 있는 라이브러리가 됩니다.

Claude Code는 이 볼트를 실시간으로 활용합니다. 새로운 아이디어가 들어오면 에이전트는 유사하게 성과가 높은 훅을 가져오고, 구조를 응용하며, 대상 플랫폼과 오디언스에 맞는 새로운 변형까지 생성할 수 있습니다. 창작은 빈 페이지가 아니라 검증된 패턴 더미에서 출발합니다.

비슷한 스웜을 구축하려는 분들에게는 Anthropic의 공식 가이드인 [Claude Code: Best practices for agentic coding - Anthropic](https://www.anthropic.com/engineering/claude-code-best-practices)이 Nelson과 같은 시스템의 사양서처럼 읽힙니다. 그 결과 '리서치'는 데이터 파이프라인이 되고, '직감'에는 마침내 숫자라는 근거가 생기는 콘텐츠 워크플로가 만들어집니다.

## 기계에 나만의 영혼 불어넣기

대부분의 AI 콘텐츠 시스템에서 병목은 영혼입니다. Ethan Nelson의 해법은 자신의 책, 노트, 미완성 아이디어를 Claude Code에 직접 연결하는 **Personal Context Layer**이며, 덕분에 에이전트는 평범하고 SEO 냄새가 나는 결과물로 흘러가지 않습니다.

Nelson은 하나의 '스타일 가이드' 프롬프트 대신, **Readwise**와 동기화된 Notion 데이터베이스 네트워크를 통해 Claude를 운영합니다. 모든 Kindle 하이라이트, 즉흥적인 음성 메모, 그가 삶의 기준으로 삼는 모든 프레임워크가 구조화된 지식 그래프에 담기며, 에이전트는 스크립트, 뉴스레터, 숏폼 영상 훅을 작성하는 동안 이를 실시간으로 조회할 수 있습니다.

통합은 Readwise의 자동 Kindle 동기화에서 시작됩니다. Nelson은 월 몇 달러를 지불하여 "China Root", "Think on These Things", "Do the Work", "Superintelligence", "Your Next Five Moves"의 하이라이트가 책 제목, 마지막 하이라이트 날짜, 하이라이트 수 필드와 함께 Notion에 저장되도록 합니다.

그러면 Claude Code는 MCP 커넥터를 통해 수천 개의 인용문을 필요할 때 검색할 수 있습니다. 콘텐츠 에이전트가 규율이나 불확실성에 관한 은유를 필요로 할 때, 지어내지 않고 Krishnamurti의 원문 구절이나 Ryan Holiday 스타일 플레이북의 전술적인 문장을 가져와 원자료로 인용합니다.

이와 별개로 Nelson은 음성 메모로 채워지는 **노트 데이터베이스**를 운영합니다. AI 에이전트, 오디언스 심리, 1인 사업자의 번아웃에 관해 샤워 중에 떠오른 생각이 있을 때마다 이는 개별 레코드가 됩니다. 에이전트는 여기서 반복되는 주제를 찾아내므로, 시스템은 YouTube가 유행해야 한다고 보는 것이 아니라 그가 실제로 몰두하는 것을 중심으로 움직입니다.

Personal Context Layer가 사람 연구자라면 쉽게 결합하지 않을 출처를 융합할 때 진가가 드러납니다. 영상에서 Nelson은 Claude에게 "The Spirit of Hope"와 "Think on These Things"의 아이디어를 AI와 인간의 주체성에 관한 하나의 논지로 합쳐 달라고 요청하는 프롬프트를 시연합니다.

이 시스템은 피상적인 요약 대신 특정 하이라이트를 교차 참조합니다. 한 책의 실존적 불확실성에 관한 구절을 다른 책의 주의와 사고에 관한 명상과 연결합니다. 그 결과는 AI가 인식을 무디게 하는 것이 아니라 길러 주는 도구라는 비자명한 주장이며, 흔한 'AI 꿀팁 10가지' 스크립트에서는 찾아볼 수 없는 내용입니다.

이러한 종합은 모든 훅, 개요, CTA를 그 자신의 지적 이력에 고정합니다. 그 결과 AI가 생성한 콘텐츠가 Ethan Nelson답게 들리는데, 내부적으로는 말 그대로 그의 독서 습관, 사고 모델, 늦은 밤의 노트를 기반으로 작동하기 때문입니다.

## 콘텐츠 제작 조립 라인

![일러스트: 콘텐츠 제작 조립 라인](https://files.stork.ai/api/storage/0cec4c70-44e3-4906-b036-f12fe556cf04)

Nelson의 방식에서 콘텐츠는 아이디어에서 완성된 스크립트로 단번에 넘어가지 않습니다. 콘텐츠는 **콘텐츠 제작 조립 라인**을 거칩니다. 각각 특정 창작 결정을 책임지는 에이전트의 사슬이며, 하나의 긴 프롬프트에 운을 거는 방식이 아니라 Claude Code가 병렬로 모두 조율합니다.

가장 먼저 **Hook Generation Agent**가 Content Intelligence Vault를 샅샅이 살펴봅니다. 이 Notion 데이터베이스는 플랫폼, 감정적 트리거, 훅 유형(질문, 대담한 주장, 반대 의견), 품질 점수, 심지어 길이별로 훅을 추적하며, 가능한 경우 각 레코드에 조회수와 댓글 같은 성과 지표를 연결합니다.

Nelson이 주제를 입력하면 이 에이전트는 단일 사례를 재조합하는 데 그치지 않습니다. 다음 항목을 교차 참조합니다.
- 성과가 가장 높은 YouTube 장편 영상 인트로
- Instagram과 TikTok의 숏폼 패턴
- 볼트에 이미 순위가 매겨진 훅

그런 다음 호기심 격차, '당신 vs 그들' 프레이밍, 높은 기대를 거는 약속처럼 이미 검증된 공식에 해당하는 후보 훅을 내놓습니다. 각 제안에는 짧은 근거와 패턴 라벨이 함께 제공되므로, Nelson은 지위, 놓칠까 하는 두려움, 정체성 중 어떤 심리적 레버가 핵심 역할을 하는지 확인할 수 있습니다.

다음으로 **Script Structure Agent**가 훅과 아이디어를 뼈대로 바꿉니다. 콜드 오픈, 맥락, 스토리 비트, 가치 전달, 반론 처리, 행동 유도라는 명확한 섹션으로 개요를 구성합니다. YouTube에는 시청 지속 흐름에 맞춰 최적화하고, 뉴스레터에는 서사의 흐름과 훑어보기 쉬운 소제목에 비중을 둡니다.

이 구조 에이전트는 아무런 근거 없이 지어내지 않습니다. Content Intelligence Vault에서 분석된 자막을 참고하여 '약속 → 증거 → 보상' 같은 성공적인 속도 조절 기법이나, 처음 30초 안에 이탈하지 않도록 하는 초반 티저 콜백을 그대로 활용합니다. 그 결과 플랫폼의 규범과 오디언스의 기대에 이미 부합하는 뼈대가 만들어집니다.

아웃라인이 확정되면 **Copywriting Agent**가 본격적으로 내용을 채우기 시작합니다. Nelson은 Dan Co의 “two-hour writer”에서 가져온 프레임워크와 **AIDA**(Attention, Interest, Desire, Action), **PAS**(Problem, Agitate, Solution) 같은 고전적인 공식, 그리고 David Ogilvy 시대의 카피라이팅 대가들이 사용한 패턴을 이 에이전트에 적용했습니다.

이 에이전트는 글머리 기호로 정리된 내용을 강렬한 문단, 날카로운 전환 문장, 구체적인 사례로 바꿉니다. 또한 Readwise 하이라이트, 노트, 기존 콘텐츠 데이터베이스를 활용해 AI 시스템, human-in-the-loop 워크플로, 크리에이터 레버리지 등 Nelson이 반복해서 다루는 주제를 파악하고 있으므로, 스크립트는 일반적인 AI식 채움 문구가 아니라 Nelson 본인의 실제 아이디어를 바탕으로 작성됩니다.

마지막 단계에서는 **Vibe Marketing Agent**가 브랜드의 문지기 역할을 합니다. 완성된 스크립트를 Nelson의 개인 컨텍스트 레이어와 대조하여 선호하는 문장 길이, 기술적 깊이의 수준, 전문 용어에 대한 허용 범위, 자신의 비즈니스 수치나 고객 성과를 얼마나 자주 언급하는지를 확인합니다.

카피가 기계적이거나 지나치게 격식적이거나 과장된 느낌으로 흐르면, 이 에이전트는 구조와 핵심 주장은 유지한 채 어조를 다시 작성합니다. 또한 동일한 스크립트를 Twitter 스레드, 뉴스레터, YouTube 영상 등 다양한 채널에 맞게 다시 구성하면서도 Nelson 고유의 목소리가 지닌 일관된 흐름을 유지할 수 있습니다.

## 오케스트레이터의 내부

Ethan Nelson의 환경에서 Claude는 프롬프트에 답변하는 데 그치지 않고 **워크플로 오케스트레이터**로서 전체 과정을 운영합니다. Claude Code 안에서 모델은 콘텐츠 파이프라인의 상위 수준 스키마를 읽고, 감독이 여러 제작팀에 장면을 배정하듯 트렌드 리서치, YouTube 분석, 스크립트 구조, 훅 생성 등 전문화된 에이전트를 가동합니다.

Plan Mode는 이러한 지휘 과정을 눈에 보이게 만들어 줍니다. 어떤 작업이 실행되기 전에 Claude는 어떤 MCP를 호출할지, Notion이나 Readwise에서 어떤 데이터를 가져올지, 대본을 어떻게 훅으로 변환할지, 사람의 검토가 어디에 들어가는지를 단계별 실행 지도로 제시합니다. Nelson은 각 단계를 승인하거나 수정하거나 취소할 수 있어, 직접 운전하지 않으면서도 핸들에서 손을 떼지 않는 셈입니다.

이러한 단계는 Claude의 I/O 계층 역할을 하는 **Model Context Protocols (MCPs)**를 기반으로 합니다. MCP는 Claude Code를 다음과 연결합니다.
- YouTube 분석
- 웹 리서치 및 실시간 인터넷 검색
- Instagram, TikTok, YouTube 트렌드 피드
- Content Intelligence Vault와 Readwise 하이라이트 같은 Notion 데이터베이스

맞춤형 백엔드에 API를 하드코딩하는 대신, MCP는 Claude에게 코딩 환경 안에서 도구와 데이터에 대한 구조화되고 권한이 부여된 접근을 제공합니다.

병렬 처리는 이 아키텍처가 보기 좋은 데모에서 콘텐츠 공장으로 느껴지기 시작하는 지점입니다. 한 서브 에이전트가 YouTube의 아웃라이어 영상을 분석하는 동안 다른 서브 에이전트는 대본에서 훅 패턴을 분석하고, 세 번째 서브 에이전트는 Nelson의 Readwise 기반 하이라이트에서 뒷받침이 되는 인용문을 가져옵니다. 오케스트레이터인 Claude는 이 결과물을 하나의 스크립트 초안으로 통합하며, 이 초안에는 이미 트렌드, 접근 각도, 근거 자료가 담겨 있습니다.

Plan Mode는 이러한 병렬 처리도 검토할 수 있게 해 줍니다. 어떤 서브 에이전트가 TikTok 트렌드 데이터를 가져왔는지, 어떤 서브 에이전트가 클릭률 가능성에 따라 훅의 순위를 매겼는지, 어떤 서브 에이전트가 Nelson의 노트 데이터베이스에서 개인적인 일화를 넣었는지 확인할 수 있습니다. 엉뚱한 채널을 가져오거나 트렌드를 잘못 해석하는 등 어떤 단계가 잘못되더라도, 전체 시스템을 해체하지 않고 계획에서 해당 노드만 정밀하게 조정할 수 있습니다.

누구나 [Claude.ai - Create with Claude](https://claude.ai)에서 이와 유사한 오케스트레이션 워크플로를 실험해 볼 수 있습니다. Nelson의 구축 사례는 **agentic AI**가 챗봇처럼 동작하는 데서 벗어나, 게시 전에 모든 행동을 설명할 수 있는 제작팀처럼 작동할 때 어떤 일이 일어나는지 보여 줍니다.

## 자동화된 리퍼포징 엔진

크리에이터는 글쓰기 때문에 지치는 것이 아니라 같은 일을 반복하다가 지칩니다. 20분 분량의 YouTube 스크립트나 1,500단어 분량의 뉴스레터가 한 플랫폼의 게시물 하나로 끝나고, TikTok, Shorts, Reels, X, LinkedIn은 비어 있게 됩니다. Ethan Nelson의 Claude 기반 시스템은 이러한 병목을 **리퍼포징 엔진**으로 바꾸어, 모든 장편 콘텐츠를 일주일 치 배포를 위한 원재료로 활용합니다.

핵심 스크립트가 Notion 내 콘텐츠 데이터베이스에 등록되면 Claude Code는 이를 단순히 요약하는 데 그치지 않습니다. 오케스트레이터는 스크립트를 콜드 오픈, 핵심 주장, 근거, 스토리 비트, 콜투액션으로 나누고, 각 부분에 타임스탬프, 감정적 어조, 타깃 오디언스를 태그로 붙입니다. 이러한 구조 덕분에 에이전트는 단순히 바꿔 쓰는 것이 아니라 실제로 잘라 쓸 대상을 갖게 됩니다.

이후 전담 리퍼포징 에이전트가 스크립트에서 다음을 추출합니다.
- 30초 이내로 독립적으로 전달되는 신호가 강한 **핵심 요점**
- 네이티브 소셜 게시물처럼 읽히는 강렬한 인용문과 반대 관점의 문장
- TikTok, Reels, Shorts의 콜드 오픈으로 활용할 수 있는 내러티브 훅

Claude는 Content Intelligence Vault의 훅 패턴을 이미 추적하고 있으므로, 각 부분을 질문형, 대담한 주장형, 스토리형, 반대 관점형 등 검증된 형식에 맞출 수 있습니다. “프롬프트를 판매하는 대신 AI 시스템을 구축한다”는 하나의 인사이트에서 서로 다른 플랫폼과 오디언스에 맞춘 다섯 가지 훅이 나올 수 있습니다.

그다음 시스템은 일반적인 캡션이 아니라 완전한 숏폼 스크립트를 생성합니다. 각 마이크로 스크립트에는 1–3초 길이의 스크롤 멈춤 요소, 2–4문장의 간결한 내러티브, 플랫폼별 CTA가 포함되며, 모두 Ethan의 **Personal Context Layer**와 맞춰져 있어 템플릿이 아닌 그의 목소리처럼 들립니다. 하나의 핵심 아이디어가 수작업 재작성 없이 45초 TikTok, 30초 Reel, YouTube Short, LinkedIn 게시물로 만들어질 수 있습니다.

예전에는 업로드 한 건에 불과했던 장편 영상 하나가 이제는 안정적으로 10–20개의 콘텐츠로 확장됩니다. “오늘 무엇을 올릴까?”라고 묻는 대신, 남는 질문은 “이 아이디어의 어떤 버전을 다음에 게시할까?”뿐입니다.

## 첫 AI 에이전트를 위한 청사진

![일러스트: 첫 AI 에이전트를 위한 청사진](https://files.stork.ai/api/storage/21cd6429-ff00-4e5e-85ba-067dd82e8c41)

첫 에이전트를 설계할 때는 Ethan Nelson의 전체 에이전트 군집을 그대로 재현하려는 욕심을 버리는 것에서 시작합니다. 개념을 검증할 수 있는 하나의 좁은 범위의 엔드 투 엔드 워크플로, 즉 날것의 아이디어를 게시 가능한 스크립트나 게시물로 바꾸는 과정을 구성하는 것이 좋습니다. 이때 대부분의 작업은 Claude가 수행하고 사용자는 과정에 계속 참여합니다.

시작용 툴킷은 놀라울 만큼 간단합니다. **Claude**(API 또는 Warp 같은 터미널 이용), 구조화된 두뇌 역할을 할 **Notion**, 그리고 Kindle, 기사, 트윗의 하이라이트를 그 두뇌에 차례로 공급해 줄 **Readwise**가 필요합니다. Nelson은 이 세 가지 축과 몇 가지 MCP로 6자리 수 규모의 시스템을 구축했으며, 기본 구성만으로도 가치의 80%를 얻을 수 있습니다.

에이전트는 정돈되지 않은 데이터를 잘 추론하지 못하므로 Notion이 핵심적인 역할을 합니다. 하나의 거대한 문서 대신 깔끔한 데이터베이스 2–3개를 만드는 것부터 시작하세요.

- **Hook Vault**: Title, Hook, Platform, Emotional Trigger, Hook Type(질문형, 대담한 주장형, 반대 관점형), Performance Notes, Quality Score 필드.
- **Notes DB**: Idea, Source(음성 메모, 대화, 고객 통화), Date, Status, Relevance Tag.
- 선택 사항: Readwise의 Notion 통합으로 동기화되는 Readwise Highlights DB.

분량보다 구조가 더 중요합니다. Nelson의 Content Intelligence Vault가 효과적인 이유는 모든 훅에 플랫폼, 길이, 감정적 트리거, 그리고 짧은 “효과가 있는 이유” 분석이 포함되어 있기 때문입니다. 이러한 스키마 덕분에 Claude는 라벨이 없는 텍스트를 헤매는 대신 “참여도가 높은 상위 10개의 반대 관점형 YouTube 훅”과 같은 질의를 수행할 수 있습니다.

데이터 계층이 마련되면 첫 번째 실질적인 “에이전트”는 모델이 아니라 명령입니다. Nelson은 자신의 마스터 프롬프트를 **ID8**이라고 부르는데, 이는 트렌드 리서치, 훅 생성, 스크립트 초안 작성, 리퍼포징으로 확장되는 단일 지시문입니다. 여러분도 워크플로를 단계별로 담아내는 비슷한 트리거를 만들어야 합니다.

좋은 시작용 명령은 다음과 같을 수 있습니다. “내가 아이디어를 주면 Hook Vault에서 관련 훅 5–10개를 가져오고, 내 Readwise 하이라이트 3–5개와 결합한 다음, 3가지 접근 각도를 제안하고, AIDA 훅을 갖춘 2분 분량의 스크립트와 3개의 TikTok 축약본을 작성해 줘.” 그러면 Claude는 도구나 API 호출을 사용해 Notion에 접근하고, 행을 필터링하며, 결과물을 조립합니다.

이 명령을 코드처럼 다루세요. 버전을 관리하고, 다듬고, 에이전트를 추가할 때마다 새로운 단계를 덧붙이세요. 새로운 아이디어가 떠오를 때마다 전체 시스템을 다시 작성하는 일은 피할 수 있습니다.

## Human-in-the-Loop의 장점

Ethan Nelson의 Claude Code 콘텐츠 공장에서 사람 크리에이터는 사라지지 않고 조직도의 더 높은 위치로 이동합니다. 훅과 썸네일을 대량으로 만들어 내는 대신, Nelson은 **편집장**으로서 어떤 아이디어가 중요한지, 어떤 트렌드를 따를지, 어떤 스크립트를 실제로 공개할지를 결정합니다.

그는 설계 단계부터 “human in the loop”를 유지합니다. Claude가 YouTube, Instagram, TikTok의 아웃라이어에서 추린 주제를 제안하면, Nelson은 AI, 비즈니스, 시스템에 관한 자신의 논지에 맞는 주제를 선택하고 브랜드 성격에 맞지 않거나 기회주의적으로 느껴지는 것은 거부합니다.

이 시스템을 AI 군집이 제작을 맡고 사람이 **전략**을 총괄하는 콘텐츠 스튜디오라고 생각해 보세요. Nelson은 “사기성 수익 주장 금지”, “내가 실제로 읽은 책에 근거할 것”, “관객이 아닌 빌더에게 말할 것” 같은 제약을 설정하고, Claude의 에이전트는 스크립트, 뉴스레터, 숏폼 클립 전반에서 이 규칙에 따라 작업을 수행합니다.

이는 하나의 프롬프트로 1,000단어짜리 블로그 글을 뽑아내는 ‘쏘고 잊는’ 도구와 크게 대비됩니다. 이러한 시스템은 크리에이터의 Readwise 하이라이트, Notion 전략 문서, 성과 데이터를 거의 활용하지 않기 때문에, 결과물이 공개적으로 생각을 펼치는 특정한 한 사람의 글이 아니라 재탕한 LinkedIn 조언처럼 느껴집니다.

Nelson의 워크플로는 완전 자동화가 오히려 콘텐츠를 약화시키는 이유를 보여 줍니다. 에이전트가 그의 Readwise 데이터베이스, content intelligence vault, 개인 노트를 탐색하여 원재료를 찾아내더라도, “Superintelligence”의 어떤 인용문이 논점을 뒷받침하는지, 어떤 트렌드 훅이 클릭 유도 수준을 넘어서는지는 여전히 그가 결정합니다.

진정한 레버리지는 책임을 포기하는 것이 아니라 **증강**에서 나옵니다. Claude Code는 다음을 처리합니다.
- 트렌드 탐색 및 대본 수집
- 훅 패턴 분석 및 순위 지정
- 초안 스크립트 작성 및 리퍼포징

Nelson은 다음을 담당합니다.
- 내러티브 각도 및 포지셔닝
- 윤리적·사실적 가드레일
- 최종 문장 편집 및 카메라 앞 전달

개발자는 [Anthropic Python SDK - GitHub](https://github.com/anthropics/anthropic-sdk-python) 같은 도구를 사용해 이와 유사한 사람 중심 파이프라인을 구성하고, Notion, Readwise 또는 맞춤형 분석 도구와 연결할 수 있습니다. 그 결과는 크리에이터를 대체하는 AI가 아니라, 크리에이터의 취향, 판단력, 목소리를 관심 있는 모든 채널로 확장해 주는 전문 팀입니다.

## 미래는 협동조합: AI와 함께 일하기

앞으로의 창작 작업은 하나의 채팅창에 입력하는 방식보다는 소규모 스튜디오처럼 **AI 에이전트**를 지휘하는 방식에 가까워질 것입니다. 리서치, 스크립트 작성, 콘텐츠 재가공, 분석 등 여섯 가지 안팎의 전문 워크플로를 관리하는 능력은, 오늘날 CMS나 Premiere를 다룰 줄 아는 것처럼 촬영 및 편집과 함께 기본 역량이 될 것입니다.

Ethan Nelson의 Claude Code 설정과 같은 시스템을 이미 운영하고 있는 크리에이터들은 사실상 이 역할의 초기 도입자입니다. 이들은 단순히 "AI를 사용"하는 것이 아니라, 쇼러너가 작가진을 이끄는 것처럼 업무를 배정하고, 결과물을 검토하며, 에이전트를 조정합니다.

차세대 에이전트는 스크립트와 캐러셀 초안 작성에서 멈추지 않을 것입니다. 다음과 같은 일을 하게 됩니다.
- YouTube, TikTok, Instagram, X, 뉴스레터 전반에 걸쳐 게시물을 자율적으로 예약
- **댓글 감정(sentiment)**과 시청 시간 곡선을 실시간으로 분석
- 단순히 조회수를 얻는 콘텐츠가 아니라, 팔로워를 구매자로 전환시키는 콘텐츠를 기준으로 새로운 콘텐츠 방향 제안

여기에 광고 플랫폼과 CRM 데이터를 연결하면, 시스템이 썸네일, 후킹 문구, 오퍼를 자동으로 테스트하고 매출에 영향을 주는 쪽으로 노력을 재배분하기 시작합니다. 예를 들어 "AI 워크플로" 쇼츠의 저장률이 40% 더 높다는 점을 에이전트가 포착하고, 개요와 촬영 체크리스트까지 갖춘 주간 시리즈를 조용히 준비하는 모습을 떠올려 보십시오.

직함은 어느새 "프롬프트 엔지니어"에서 **AI 시스템 매니저**로 바뀝니다. 완벽한 단일 프롬프트를 작성하는 데 집착하는 대신, 10–20개 에이전트 사이의 정책, 가드레일, 업무 인계를 설계하고, SRE가 대시보드를 지켜보듯 에이전트의 로그를 감사하게 됩니다.

각 에이전트가 접근할 수 있는 데이터(분석 자료, 개인 메모, 고객 문서 등)와 예외 상황을 어떻게 다시 사용자에게 에스컬레이션할지를 결정하게 됩니다. 가치의 중심은 판단력으로 이동합니다. 무엇을 자동화하고, 무엇을 없앨지, 그리고 사용자의 취향과 경험이 결과물을 어디에서 바꾸는지를 판단하는 일입니다.

먼저 워크플로를 단순한 작업 더미가 아니라 **시스템**으로 바라보는 것부터 시작하십시오. 아이디어가 처음 떠오른 순간부터 스크립트, 멀티 플랫폼 배포까지 어떻게 이어지는지 정리하고, 사용자의 취향, 얼굴, 목소리가 필요하지 않은 반복적인 단계를 모두 표시하십시오.

그 표시한 항목들이 첫 번째 에이전트가 됩니다. 하나를 만들어 도구와 연결하고, 기본적으로 던지는 질문이 "AI가 이걸 할 수 있을까?"에서 "내 시스템의 어느 부분이 다음으로 이 일을 맡아야 할까?"로 바뀔 때까지 계속 진행하십시오.

## 자주 묻는 질문

### 이 맥락에서 Claude Agents란 무엇입니까?

더 큰 워크플로의 일부로서 리서치, 글쓰기, 데이터 분석과 같은 개별 작업을 수행하도록 중앙의 Claude 인스턴스가 조율하는 전문 AI 프로세스입니다.

### 이 시스템은 어떻게 고유한 목소리를 유지합니까?

Readwise의 도서 하이라이트, 개인 메모, 독창적인 아이디어를 포함해 Notion에 있는 크리에이터의 개인 지식 베이스와 연동함으로써, AI가 크리에이터 고유의 관점에서 글을 쓰는 방법을 학습합니다.

### 이것은 Claude의 특정 기능입니까, 아니면 맞춤 구축 방식입니까?

터미널 또는 API 환경에서 Claude의 핵심 기능을 활용하는 맞춤 구축 워크플로입니다. 외부 도구 및 데이터베이스와 연결하여 고유한 자동화 시스템을 만듭니다.

### 'Content Intelligence Vault'란 무엇입니까?

AI가 온라인에서 찾아낸 성과 높은 콘텐츠 후킹 문구, 제목, 공식을 저장하고 분석하는 Notion의 맞춤 데이터베이스로, 새로운 콘텐츠를 위한 검증된 아이디어 저장소를 만들어 줍니다.
