이 AI는 스프레드시트를 앱으로 변환합니다.

스프레드시트는 결정이 이루어지는 장소일 것이었으나, 대신 데이터의 무덤이 되어버렸습니다. 수천 개의 행, 수십 개의 탭, “상태”, “소유자”, “생성 일자”와 같은 불분명한 열이 조용히 리드 노트, 통화 결과 및 아무도 끝까지 스크롤하지 않을 지원 티켓을 삼켜버리고 있습니다. CRM도 그리 도움이 되지 않습니다; 그저 동일한 테이블을 더 복잡한 UI로 감싸고 있을 뿐입니다.

대부분의 팀은 이 상태에 있습니다: 데이터는 풍부하지만 인사이트는 부족합니다. 영업팀은 모든 전화를 기록하고, 마케팅팀은 모든 클릭을 추적하며, 지원팀은 모든 티켓에 태그를 붙이지만, 누군가 "지난 주에 실제로 무엇이 달라졌나요?"라고 묻는 순간, 방은 침묵에 휩싸이고 누군가는 VLOOKUP을 쓰느라 애쓰고 있습니다. 귀중한 맥락은 자유 형식의 메모, 타임스탬프 및 상태 필드에 숨겨져 있으며, 아무도 이를 손으로 필터링하고 그룹화하거나 차트로 만들 시간이 없습니다.

수동 분석은 상당한 인지 부담을 요구합니다. “지난 30일 동안 어떤 캠페인이 가장 많은 자격 있는 리드를 생성했나요?”라는 질문에 답하기 위해서는 날짜 범위, 세그먼트 및 “자격 있는”의 정의를 머릿속으로 조합하고, 피벗 테이블, 필터, 그리고 반쪽짜리 차트를 엮어야 합니다. 모든 후속 질문—“좋아요, 그런데 지역별로는 어떻죠?”—은 그 정신적 체조를 다시 시작해야 한다는 것을 의미합니다.

그러한 오버헤드는 기본적인 질문을 미니 프로젝트로 바꿉니다. 사람들은 데이터를 검토하기보다는 원시 테이블을 스크린샷하여 슬라이드로 가져갑니다. 대시보드가 존재할 때는 몇 가지 미리 만들어진 뷰들을 시간을 멈춰 놓듯 고정시키며, 나머지 데이터는 CSV 내보내기와 잊혀진 구글 시트 속에서 썩어갑니다.

이제 모든 과정을 건너뛰고 데이터와 직접 대화하는 모습을 상상해 보세요. "지난 주의 통화량을 지난 두 주와 비교해 줘"라고 요청하면, AI 에이전트가 구글 시트나 CRM에서 데이터를 추출한 후, 4,800통의 통화, 4,200건의 예약, 추세선 및 변화에 대한 간단한 서사를 포함한 대화형 차트를 반환합니다.

이는 데이터 입력에서 데이터 대화로의 전환입니다. 단순히 데이터를 시스템에 쏟아붓고 누군가가 그것을 분석할 만큼 관심을 가지기를 바라는 대신, 비즈니스 사용자는 능동적인 질문자로 변모합니다: “예비 고객의 주요 반대 사항을 보여줘,” “이탈 위험이 있는 계정을 강조해줘,” “응답 시간의 이상치를 찾아줘.” 인터페이스는 정적인 테이블에서 반응하는 동료로 변화합니다.

n8n과 Thesis.dev와 같은 도구는 이를 더욱 발전시킵니다. 기존의 자동화 작업은 스프레드시트에 계속 기록되지만, AI 기반의 생성형 UI 계층이 이러한 정적 그리드를 응답하는 살아있는 대시보드로 전환합니다.

당신의 새로운 AI 데이터 분석가를 만나보세요: 소프트웨어처럼 행동하기보다는 실제로 스프레드시트를 읽는 동료처럼 행동하는 세 부분으로 이루어진 스택입니다. n8n은 자동화 두뇌 역할을 하고, Google Sheets는 기억을 저장하며, Thesis.dev는 클릭하고, 호버하고, 탐색할 수 있는 대시보드로 답변을 변환하는 목소리와 얼굴을 제공합니다.

n8n 내부에는 분석을 위한 AI 에이전트가 이 스택의 중심에 위치하고 있습니다. 이 에이전트는 시트에서 원시 데이터를 수신하고, “지난 주의 통화량을 지난 두 주와 비교해 줘”와 같은 자연어 프롬프트를 이해하며, 어떤 분석을 실행할지 결정합니다. 그런 다음 구조화된 응답을 반환하여 차트, KPI 및 내러티브 통찰을 설명하며, Thesis.dev가 이를 즉시 렌더링할 수 있도록 합니다.

수작업으로 스키마를 구축하거나 차트 라이브러리를 설계하는 대신, 기존 데이터를 에이전트의 워크플로우에 연결합니다. 음성 에이전트 로그, 웹 스크랩한 리드, 통화 통계 등을 이용해 에이전트는 날짜 범위별로 필터링하고, 결과별로 그룹화하며, “4,800통화에서 4,200개의 약속이 생성됨”과 같은 패턴을 드러낼 수 있습니다. SQL이나 피벗 테이블을 건드리지 않아도 됩니다. 당신이 말하면, 그것이 쿼리와 시각화로 변환됩니다.

Thesis.dev는 에이전트의 출력을 소비하여 이를 인터랙티브 컴포넌트로 변환하는 생성적 UI 레이어 역할을 합니다. 하나의 응답으로 다음과 같은 항목이 생성될 수 있습니다: - 통화량의 시계열 차트 - 총 통화, 약속, 전환율에 대한 KPI 카드 - 주요 이의 제기 목록의 표 - 권장 다음 단계가 포함된 짧은 텍스트 요약

전통적인 BI 도구인 Tableau나 Power BI는 사전 모델링, 데이터 웨어하우스, 대시보드를 관리하는 전문가가 필요합니다. CSV를 가져오고, 차원을 정의하고, 조인을 조정한 다음 새로운 보고서를 위해 며칠 또는 몇 주를 기다려야 합니다. 새로운 이해관계자의 질문 하나하나가 백로그에 또 다른 티켓이 됩니다.

이 AI 기반 스택은 그 동력을 뒤바꿉니다. 연결되면, 동일한 작업 흐름이 추가 모델링 없이 수십 개의 새로운 질문에 답변합니다: “대행사별 성과 보여줘,” “결과가 감소한 날짜 강조해줘,” “예약된 전화로 캠페인 순위 매겨줘.” 몇 초 안에 새로운 대시보드를 얻을 수 있으며, 나중에 급하게 만드는 것이 아닙니다.

속도가 주요 기능이 됩니다. 비기술 팀은 입력할 수 있는 만큼 빠르게 실시간 운영 데이터를 조사할 수 있으며, n8n과 Thesis.dev는 백그라운드에서 조화롭게 배관, 레이아웃 및 타임스탬프를 처리합니다.

생성적 UI는 AI가 단락으로 답변하는 것을 멈추고 인터페이스로 답변하기 시작할 때 발생합니다. 긴 텍스트 대신 "지난주 통화량을 지난 2주와 비교해라."와 같은 단일 프롬프트에서 차트, 카드, 테이블 및 전체 대시보드가 생겨납니다.

AI는 내부적으로 픽셀을 그리지 않습니다. 화면이 어떻게 보여야 하는지를 구조화된 설명으로 생성합니다: “일일 통화의 막대 차트, x축은 날짜, y축은 통화 수, 마지막 7일 강조, 총 통화 및 약속을 위한 두 개의 KPI 카드 추가, 짧은 서술 요약 포함.” 그 JSON과 유사한 스키마는 Thesis.dev로 전송되어 브라우저에서 UI를 즉시 렌더링합니다.

Thesis.dev를 LLM에 연결된 실시간 프론트엔드 엔진으로 생각해 보세요. n8n은 Google Sheets나 CRM에서 실시간 데이터를 공급하고, AI 에이전트는 어떤 시각적 요소가 적합한지 결정하며, Thesis.dev는 이를 코드에 손대지 않고도 마우스를 올리고, 필터링하며, 스타일을 변경할 수 있는 인터랙티브 대시보드로 변환합니다. React 컴포넌트도, CSS 변수도, 빌드 단계도 필요 없습니다.

피치는 매우 간단합니다: 전혀 프론트엔드 작업이 필요 없습니다. 원하는 내용을 자연어로 설명하면, 시스템이 다음을 생성합니다: - 레이아웃 - 시각적 구성 요소 - 바인딩된 데이터 및 인터랙션

“이번 달 잠재 고객의 주요 반대 의견을 보여주고 주별로 추세를 시각화해 달라”고 말할 수 있다면, 작동하는 분석 UI를 출시할 수 있습니다.

비유하자면, 속도전문가 아티스트에게 실시간으로 대화하면서 그림을 설명하는 상황을 상상해 보세요. “배경은 어둡게 하고, 중앙에 밝은 빨간 선을 추가하고, 봉우리 부분에 주석을 달아주세요.” 생성형 UI는 이와 같은데, 단지 “그림”이 시간 스탬프, 필터, 그리고 메트릭스에 의해 구동되는 실시간 데이터 대시보드라는 점이 다릅니다.

이것을 스스로 연결하는 누구에게나, n8n은 오케스트레이션과 AI 프롬프트를 처리하고, Thesis.dev는 렌더링을 담당합니다. 공식 튜토리얼: n8n에서 AI 워크플로우 구축하기 (공식 n8n 문서)에서는 Thesis.dev와 같은 생성적 UI 레이어가 기대하는 구조화된 응답을 생성하는 AI 에이전트를 만드는 방법을 안내합니다.

대시보드와 차트 이전에, 캔버스가 필요합니다. 이 빌드에서 그 캔버스는 n8n입니다. n8n은 모든 논리 조각이 플로우차트의 노드로 존재하는 비주얼 자동화 플랫폼입니다. 무료 n8n 클라우드 계정에 가입한 후 "새 워크플로우"를 클릭하면 연결을 위해 기다리는 외로운 단일 진입점이 있는 빈 편집기로 이동하게 됩니다.

크론 작업이나 웹후크 대신, 이 시스템은 대화로 시작합니다. n8n의 채팅 트리거 노드는 외부에서 들어오는 Thesis.dev 인터페이스의 모든 메시지를 잡아내어 워크플로우에 대한 구조화된 입력으로 변환하는 역할을 합니다. 첫 번째 노드로 "채팅 트리거"를 추가하면 n8n에게 "사용자가 질문을 입력할 때마다 이 흐름을 시작해 줘"라고 효과적으로 명령한 것입니다.

그곳에서 뇌를 추가합니다. n8n은 언어 모델, 메모리 및 도구를 하나의 오케스트레이터로 묶은 AI 에이전트 노드를 제공합니다. "AI 에이전트"를 검색하고 다음 단계로 추가하면 n8n이 이를 자동으로 채팅 트리거에 연결하여 모든 사용자 쿼리가 에이전트로 직접 전달됩니다.

초기 설정은 챗 모델 선택과 자격 증명 연결에 중점을 둡니다. AI 에이전트 노드에서 챗 모델 제공업체(예: OpenAI 호환)를 선택하고 새 자격 증명을 생성합니다. 이때 표준 OpenAI 키 대신 Thesis.dev의 C1 미들웨어에서 API 키를 붙여넣습니다. 또한 모델 호출이 생성적 UI 레이어를 통과하도록 하기 위해 기본 URL을 api.openai.com/v1에서 Thesis.dev 엔드포인트로 업데이트합니다.

이 두 노드가 자리잡으면 앱의 뼈대가 형성됩니다: 사용자 메시지 → 챗 트리거 → AI 에이전트 → 응답. 구글 시트 쿼리, 날짜 범위로 필터링, 통화 통계 집계, 대시보드 출력 형식화 등 모든 추가 동작은 이 중앙 축에서 새로운 노드나 가지가 됩니다. 당신은 함수를 작성하는 것이 아니라 논리를 그리는 것입니다.

비주얼 노드 기반 모델을 이해하는 것이 중요합니다. 각 노드는 특정 행동을 나타내며, 연결은 데이터 흐름을 정의합니다. 따라서 “지난 주의 통화를 지난 두 주와 비교하라”는 질문이 트리거, 에이전트, 데이터 가져오기 과정을 거쳐 렌더링된 대시보드로 돌아오는 과정을 실제로 볼 수 있습니다.

이 단계를 AI에게 안경을 씌우는 것으로 생각하세요. 요청을 보내는 위치를 변경하지 않는 한, 당신의 n8n AI 에이전트는 OpenAI의 기본 API에 연결된 또 다른 챗봇일 뿐이며, 레이아웃, 차트 또는 대시보드에 대한 개념을 알지 못합니다.

대신 에이전트를 api.openai.com이 아닌 Thesis.dev로 재지정합니다. AI 에이전트 노드에서 새로운 채팅 모델 자격 증명을 추가하고 OpenAI를 선택한 후 Thesis.dev API 키를 붙여넣습니다. 그런 다음 기본 URL 필드를 덮어써서 요청이 OpenAI 서버가 아닌 Thesis.dev의 미들웨어 엔드포인트로 전달되도록 합니다.

그 단일 필드 교환이 생성적 UI를 여는 열쇠입니다. Thesis.dev는 API 프록시로서 중간에 자리잡고 있으며, 에이전트의 프롬프트를 가로채고 구성 요소, 스타일 및 레이아웃에 대한 지침을 주입한 후, 정제된 프롬프트를 기본 LLM에 전달합니다. LLM이 응답하면, Thesis.dev는 응답을 UI 준비 완료 스키마로 재포맷하여 프론트엔드에서 차트, 카드, 테이블 또는 전체 대시보드로 렌더링할 수 있도록 합니다.

텍스트 블롭 대신, 에이전트는 비주얼을 설명하는 구조화된 JSON을 반환합니다. “지난 주의 통화량을 이전 2주와 비교해 달라”는 쿼리는 다음과 같이 변환됩니다: - 날짜가 x축에 있고 통화 수가 y축에 있는 선 그래프 사양 - 총 통화 및 예약에 대한 KPI 카드 (예: 4,800통화, 4,200예약) - 서사적 통찰력 및 권장 다음 단계

이 작업을 진행하려면 Thesis.dev로 가서 무료 계정을 생성하세요. 로그인 후, 계정 메뉴를 열고 API 키를 클릭한 다음 새 키를 생성합니다(예를 들어 "n8n‑test"와 같은 이름으로 지정하여 용도를 기억하세요). 그 키를 복사하여 n8n OpenAI 자격 증명의 API 키 필드에 붙여넣습니다.

이제 기본 URL을 수정하세요. 기본적으로 n8n은 `https://api.openai.com/v1`로 채워집니다. 이 값을 Thesis.dev 문서나 대시보드에 제공된 엔드포인트로 교체하세요. 이 지점부터 모든 AI 에이전트 호출은 OpenAI와 직접 통신하는 대신 Thesis.dev의 미들웨어를 경유합니다.

또 하나의 중요한 요소: 간단한 메모리 노드를 AI 에이전트 뒤에 추가하세요. 메모리는 에이전트가 이전 질문, 필터 및 엔터티를 기억하도록 해주어 "이제 그걸 영업사원별로 나누세요" 또는 "지난 달만 보여주세요"와 같은 후속 질문이 여전히 동일한 데이터셋과 타임스탬프를 참조할 수 있도록 합니다. 이를 갖추지 않으면 모든 질문이 새로운 시작이 되어, "대시보드와의 대화"가 고립된 기억 상실 쿼리의 연속으로 변질됩니다.

AI 에이전트는 마법처럼 당신의 스프레드시트를 "볼" 수 없습니다. 그들은 도구가 필요합니다—외부 시스템을 필요한 대로 읽고, 쓰고, 검색할 수 있는 명시적인 기능입니다. n8n의 AI 에이전트에서 도구는 로드아웃처럼 작용합니다: 당신은 모델이 호출할 수 있는 서비스를 결정하며, n8n은 이를 안전하고 매개변수가 있는 작업으로 노출합니다.

n8n에서 AI Agent 노드를 열고 도구 탭으로 이동합니다. 새 도구를 추가하고 기본 작업으로 Google Sheets 노드를 선택합니다. 이렇게 하면 사용자가 "지난 주의 통화량을 보여줘."라고 요청할 때와 같이 대화 중에 에이전트가 호출할 수 있는 Sheets 통합이 만들어집니다.

액세스를 허가하려면 해당 도구 구성에서 Google Sheets 자격 증명을 생성하거나 선택하세요. n8n은 Google 계정으로 로그인하고 스프레드시트를 읽을 수 있도록 승인 요청을 합니다. 이 스프레드시트는 원시 통화 로그, 잠재 고객 데이터 또는 성과 지표를 저장합니다. 승인이 완료되면 에이전트는 해당 문서에 대한 안전하고 취소 가능한 접근 권한을 가지게 됩니다—그 이상은 아닙니다.

다음으로, 에이전트가 사용할 정확한 데이터 세트를 지정하십시오. 구성: - 음성 에이전트 로그를 위한 스프레드시트 ID 또는 URL - 특정 시트 이름 (예: “Calls_2024”) - 범위 또는 모드 (예: “모든 행 읽기”)

열을 제한할 수도 있습니다—날짜, 호출자 ID, 결과, 타임스탬프—모델에 무의미한 노이즈를 피하기 위해서입니다. 이러한 가드레일은 AI가 질문에 정확하게 답하고 대시보드를 빠르게 유지하는 데 도움을 줍니다.

에이전트의 관점에서 볼 때, 데이터와 관련된 모든 자연어 질문은 이제 이 도구를 통해 전달됩니다. “지난 7일 동안 예정된 약속”을 요청하면 AI는 Google Sheets 노드를 호출하여 해당 행들만 가져온 후, 이를 Thesis.dev에 전달하여 자동으로 차트, 카드 또는 표로 변환합니다.

같은 도구 패턴은 Sheets를 넘어 확장됩니다. Airtable 노드를 추가하여 기본을 쿼리하거나 PostgreSQL / MySQL 노드를 사용하여 파라미터화된 쿼리로 프로덕션 SQL 데이터베이스에 접근할 수 있습니다. 이러한 종류의 자동화 설정에 대한 심층적인 설명은 AI 워크플로우를 n8n으로 구축하는 방법 – freeCodeCamp에서 더 고급 패턴을 세분화하여 제시합니다. 이 패턴은 이 생성적 UI 스택에 매끄럽게 맞아떨어집니다.

결국 힘은 워크플로우가 다이어그램에서 벗어나 실제 제품처럼 동작할 때 도래합니다. n8n에서는 몇 가지 혼란스러울 정도로 작은 스위치가 AI 에이전트가 대화하고, 청취하며, 실제 사용자들을 위해 온라인에 유지되는 방식을 제어합니다.

반응성을 우선으로 하세요. 채팅 트리거와 AI 에이전트 노드 모두 스트리밍 기능이 활성화되어 있어야 합니다. 스트리밍이 없으면 사용자는 모델이 전체 응답을 마칠 때까지 빈 UI를 바라봐야 합니다. 그러나 스트리밍을 활성화하면 Thesis.dev가 실시간으로 부분 출력을 렌더링하여 차트, 카드 및 설명이 모델이 작업하는 동안 점진적으로 나타납니다.

Chat Trigger 노드에서 스트리밍을 활성화하여 n8n이 전체 응답을 버퍼링하는 대신 도착하는 토큰을 전달하도록 합니다. 그런 다음 AI 에이전트 노드를 열고 그곳에서도 스트리밍을 전환합니다. 이는 기본 Thesis.dev 엔드포인트에 데이터를 점진적으로 발생시키도록 지시합니다. 이 두 설정을 함께 사용하면 대시보드가 "제출하고 기다리기"에서 실제 분석가가 타이핑하여 응답하는 것처럼 느껴지게 만듭니다.

상호작용은 신뢰성에도 의존합니다. n8n Cloud에서 워크플로를 항상 켜져 있는 모드로 구성하거나, 자체 호스팅 인스턴스가 계속 작동하도록 하여 공용 엔드포인트가 하룻밤 사이에 작동을 멈추지 않도록 하세요. 엉망인 데이터나 API 오류가 예상된다면, 기본적인 오류 처리 노드를 추가하는 것이 좋습니다. 특히 Google Sheets가 몇천 개의 행을 초과할 때는 더욱 그렇습니다.

스트리밍과 안정성이 설정되면, 워크플로우에서 활성화를 클릭하세요. n8n은 이를 라이브 엔드포인트로 게시하며 공개 URL을 노출합니다. 일반적으로 외부 앱에서 POST 요청을 수신하는 웹훅 스타일의 링크입니다.

웹후크 URL을 즉시 복사하세요. 이 주소는 n8n 백엔드와 Thesis.dev 프론트엔드 간의 다리가 됩니다: Thesis.dev의 설정에 붙여넣어 모든 사용자 쿼리가 생성적 UI에서 귀하의 AI 에이전트로 직접 라우팅되고 실시간으로 구조화된 UI 구성 요소를 반환하도록 하세요.

귀하의 데이터와의 첫 번째 실제 접촉은 thesis.dev/n8n에서 발생합니다. 최소한의 프론트엔드가 제공됩니다: 하나의 URL 필드와 하나의 채팅 상자. 상단 필드에 n8n 웹후크 URL을 붙여넣고 저장을 클릭하면, 이제 브라우저 탭이 귀하가 방금 구축한 워크플로와 직접 연결됩니다.

이제 시스템에 실제로 스트레스를 주는 프롬프트를 입력하세요: “지난 주의 통화량을 이전 두 주와 비교하세요.” 이 한 문장이 전체 요청 파이프라인이 됩니다: Thesis.dev는 이를 n8n으로 전송하고, 당신의 AI 에이전트는 Google Sheets에 접속하여 적절한 행을 가져오고, 텍스트 덩어리 대신 구조화된 답변을 반환합니다.

응답이 돌아오면, Thesis.dev는 단순히 숫자를 출력하지 않습니다. 대신, 3주간의 호출 수를 비교하는 차트를 렌더링하며, 호버할 수 있는 포인트와 레이블이 붙은 축을 통해 일일 변동과 주차별 차이를 한눈에 볼 수 있습니다.

차트 위 또는 옆에 KPI 카드가 있어 이야기를 요약합니다. 데모에서 이러한 카드에는 총 4,200회의 약속과 4,800회의 통화와 같은 총계가 포함되어 있으며, 이는 이전에 단지 행과 타임스탬프만 있던 동일한 실시간 시트에서 계산되었습니다. 이제는 조합된 스프레드시트 보기보다 SaaS 분석 도구의 대시보드처럼 느껴집니다.

스크롤을 아래로 내리면 UI가 서사적 맥락을 추가합니다. 에이전트는 통화량이 증가하거나 감소하는 추세인지 설명하고, 급증이나 급락을 표시하며, 특정 날짜에 에이전트 용량을 늘리거나 약속이 통화량에 비해 지체되는 경우 리드 품질을 다시 확인하는 등의 다음 단계를 제안할 수 있습니다.

여기서부터 적극적으로 실험해 보세요. 다음을 요청하세요: - "지난 30일 동안 완료된 약속에 따른 성과가 가장 높은 에이전트를 보여주세요." - "가장 일반적인 통화 결과와 그들의 전환율을 파악하세요." - "통화와 예약된 약속 사이에 비정상적으로 감소한 날을 강조하세요."

각 새로운 질문은 동일한 스택을 재사용합니다: n8n은 오케스트레이션을 수행하고, Google Sheets는 데이터를 제공합니다, Thesis.dev는 인터페이스를 자동 생성합니다. 차트 빌더를 사용하거나 프론트엔드 코드를 한 줄도 작성하지 않고도, 시간 기반 차트에서 세분화된 막대 그래프, KPI 카드에서 상세 표로 쉽게 전환할 수 있습니다.

갑자기 이게 깔끔한 AI 데모에서 판매 가능한 제품처럼 보이기 시작합니다. Sheets와 Thesis.dev에 연결된 AI 에이전트를 갖추면, 재사용 가능한 템플릿이 효과적으로 만들어집니다: 새로운 데이터 소스를 연결하고, 프롬프트를 조정한 다음, 클라이언트에게 로그인 정보를 제공하고 “AI 기반 분석”에 대해 월 이용료를 부과하면 됩니다.

자동화 대행사와 개인 프리랜서는 이를 유지 관리 서비스로 제공하는 “AI 분석 조종실”로 패키징할 수 있습니다. 데이터 처리 및 프롬프트 디자인을 담당하고, 고객은 “채널별 MTD 수익 보여줘” 또는 “이번 주에 성과가 떨어지는 영업사는 누구야?”와 같은 질문을 할 수 있는 비공식 URL을 받아 실시간으로 대시보드가 생성되는 것을 확인할 수 있습니다.

스타트업은 이를 실시간 판매 대시보드로 활용할 수 있습니다. n8n을 HubSpot 또는 Pipedrive에 연결하고 5분마다 Google Sheets와 동기화하여 설립자가 “지난주에 5천 달러 이상의 ARR 데모를 생성한 아웃바운드 시퀀스는 무엇인가요?”라고 물어보도록 합니다. 시스템은 전환 퍼널, 영업사원 리더보드, 거래가 지연되는 위치에 대한 간략한 설명을 제공합니다.

마케팅 에이전시는 고객당 리드 성과 추적기를 판매할 수 있습니다. 광고 플랫폼 데이터, 랜딩 페이지 이벤트, 그리고 CRM 결과를 통합된 시트에 연결한 후, 다음과 같은 질문을 제기할 수 있습니다: - “어떤 캠페인이 채널별로 가장 저렴한 SQL을 유도하나요?” - “우리 상위 3개 광고 세트의 창의적 피로도를 보여주세요.” - “이번 주의 CPL을 4주 평균과 비교해 보세요.”

전자 상거래 브랜드는 BI 팀을 채용하지 않고도 운영 개요를 얻을 수 있습니다. n8n은 주문, 환불, 재고 및 지원 티켓을 수집하며, AI 대시보드는 “어떤 제품이 80%의 반품을 유도하고 있습니까?” 또는 “오늘의 AOV가 30일 최빈값보다 20% 하락하면 경고해 주세요.”라고 대답합니다. CSV 대신 이사회 준비가 완료된 대시보드를 제공합니다.

가치는 BI 타임라인을 몇 개월에서 몇 시간으로 압축하는 것에서 나옵니다. 전통적인 대시보드는 스키마 설계, ETL 파이프라인, 프론트 엔드 작업이 필요하지만, 이 스택은 생성적 UI를 사용하여 원시 데이터에서 인터랙티브한 차트, 카드 및 타임스탬프 기반 보고서를 단일 워크플로우로 전환합니다. 하이브리드 AI + 정적 모니터링을 원하는 고객을 위해 n8n을 위한 오픈 소스 대시보드인 n8nDash와 같은 커뮤니티 도구와도 연동할 수 있습니다.

가격 책정은 간단해집니다: 초기 조종실 설치 비용에 더해 유지 관리, 새로운 질문 및 추가 데이터 소스에 대한 정기 요금이 발생합니다. 당신은 "n8n 워크플로우"를 판매하는 것이 아니라 항상 작동하는 대화형 분석을 판매하는 것입니다.

조합 가능한 AI는 이 n8n + Thesis.dev 설정 뒤에 숨겨진 패턴입니다. 모든 일을 처리할 수 있는 단일 모델이나 플랫폼에 의존하는 대신, 작은 특화된 서비스들을 연결합니다: 오케스트레이션 및 로직을 위한 n8n, 저장을 위한 Google Sheets, 생성적 UI를 위한 Thesis.dev. 각 구성 요소는 하나의 작업을 매우 잘 수행한 후 다음으로 전달합니다.

모놀리식 “AI 플랫폼”은 끝에서 끝까지의 마법을 약속하지만, 빠르게 노후되고 그들의 작업 방식에 묶여버립니다. 조합 가능한 스택은 현대 웹 애플리케이션처럼 작동합니다: 모든 것을 망치지 않고 더 나은 구성 요소로 교체할 수 있습니다. 오늘은 n8n + Thesis.dev을 사용하고, 내일은 Sheets를 Postgres 데이터 웨어하우스로 교체하거나 벡터 데이터베이스를 추가할 수 있으며, UI 레이어는 건드리지 않습니다.

이 패턴은 소프트웨어를 구축할 수 있는 사람을 조용히 전환시킵니다. 무료 n8n 클라우드 계정, 구글 시트, Thesis.dev API 키만 가진 단독 운영자는 이제 풀스택 엔지니어, 데이터 시각화 전문가, 프론트엔드 팀이 필요했던 AI 대시보드를 만들 수 있습니다. 노드를 끌어다 놓고 키를 붙여넣으며, 자연어로 동작을 설명할 수 있으며, 수동으로 React, SQL 및 차트 구성을 작성할 필요가 없습니다.

비개발자들은 갑자기 코드의 벽 대신 기능 메뉴를 얻게 됩니다. 대시보드를 넘어보고 싶으신가요? 다음과 같은 기능을 추가할 수 있습니다: - 후속 조치를 촉발하는 리드 스코어링 에이전트 - 담당자별 통화 타임스탬프를 요약하는 QA 코파일럿 - 귀하의 데이터를 선별하여 노출하는 고객 대면 포털

모두 동일한 재사용 가능한 기본 구성 요소를 사용합니다.

이미 재료는 준비되어 있습니다: 엉망인 스프레드시트, 반쯤 사용된 CRM, 아무도 열어보지 않는 유래 없는 보고서들. 워크플로우를 복제하고, 당신의 데이터에 맞게 설정한 다음, thesis.dev/n8n에서 Thesis.dev 프론트 엔드를 연결하세요. 당신의 행과 열이 스스로는 결코 대답할 수 없는 질문을 시작하고, 미래의 경쟁자들이 지금 조용히 준비하고 있는 AI 기반 도구들을 만들어 보세요.

Thesis.dev은 무엇인가요?

Thesis.dev는 '생성적 UI' 플랫폼입니다. 이 플랫폼은 AI 모델의 구조화된 출력을 받아 차트, 표 및 대시보드와 같은 인터랙티브한 사용자 인터페이스 구성 요소로 자동 렌더링하여 수동 프론트 엔드 코딩의 필요성을 없앱니다.

이 튜토리얼을 따라가기 위해 코딩 기술이 필요한가요?

아니요. 이 워크플로우는 n8n의 시각적 노드 기반 인터페이스를 사용하여 구축되었습니다. 당신은 노드를 구성하고 AI에 텍스트 프롬프트를 제공하겠지만, 전통적인 프로그래밍은 필요하지 않습니다.

이 AI 대시보드는 어떤 종류의 데이터와 함께 작업할 수 있나요?

n8n이 지원하는 모든 구조화된 데이터 소스에 연결할 수 있습니다. 여기에는 Google Sheets, Airtable, HubSpot과 같은 CRM, 또는 어떤 SQL 데이터베이스도 포함됩니다. 핵심 요구 사항은 데이터를 행과 열 형식으로 제공하는 것입니다.

이 프로젝트에 n8n은 무료인가요?

네, n8n은 이 전체 워크플로우를 구축하고 테스트할 수 있는 충분한 크레딧을 제공하는 무료 클라우드 계층을 제공합니다. 더 높은 볼륨이나 프로덕션 사용 사례의 경우, 유료 요금제와 자체 호스팅 옵션도 있습니다.