n8n 워크플로우 2026: MCP 노드로 외부 도구 연결하는 AI Agent 4단계 가이드

Photo by Simon Kadula on Unsplash

n8n 워크플로우를 이미 한 번이라도 만져본 분이라면, 지금까지 가장 답답했던 부분이 있을 겁니다. "AI 에이전트가 우리 회사 Notion이나 사내 API를 직접 호출하게 하려면 노드를 일일이 만들어 붙여야 한다"는 문제죠. 2026년에는 이 흐름이 크게 바뀌었습니다. n8n이 MCP(Model Context Protocol) 노드를 공식 지원하면서, 외부 도구를 AI 에이전트에 연결하는 작업이 사실상 "엔드포인트 등록 한 번"으로 끝나게 됐기 때문입니다.

이 글은 셀프호스팅 설치 가이드가 아닙니다. 이미 n8n을 쓰고 있는 분이 MCP 노드와 AI Agent를 활용해 외부 도구를 한 번에 연결하는 4단계 워크플로우를 정리한 실전 가이드입니다. 본 글의 가격·기능 정보는 작성 시점(2026년 6월) 기준의 n8n 공식 문서를 기반으로 합니다.

왜 지금 n8n 워크플로우에 MCP가 중요한가

기존 n8n에서 AI 에이전트가 외부 도구를 쓰려면 각 도구마다 HTTP Request 노드를 만들고, 인증·파라미터를 손으로 매핑하고, 결과를 다시 에이전트에 넣는 작업이 반복됐습니다. 도구가 5개면 노드가 15~20개로 늘어났죠. 도구가 추가될 때마다 워크플로우 그림이 거미줄처럼 부풀어 디버깅 비용도 같이 늘었습니다.

MCP는 이 과정을 표준화한 프로토콜입니다. n8n에는 MCP 클라이언트가 추가되어, MCP 서버 엔드포인트를 등록하면 그 서버가 노출하는 도구들을 Agent 노드에서 바로 호출할 수 있게 됐습니다. 도구 목록은 n8n이 자동으로 가져오고, 인증은 Bearer·헤더·OAuth2 중 선택할 수 있습니다(n8n 공식 문서: MCP Client Tool node).

2026년 n8n 가격·과금 구조도 함께 정리

• Cloud Starter: 월 약 $24부터, 월 2,500 실행 포함
• Cloud Pro: 월 약 $60, 월 10,000 실행 포함
• Business / Enterprise: 별도 견적
• 셀프호스팅 Community Edition: 소프트웨어 무료, VPS 비용(보통 월 $3~7)만 부담

핵심은 "실행 기반 과금"입니다. 20개 노드짜리 워크플로우 한 번 = 1 execution. Zapier·Make의 스텝 단위 과금과 결정적으로 다른 부분이라, 복잡한 자동화일수록 비용 차이가 커집니다. 정확한 최신 요금과 플랜별 한도는 결제 전 n8n 공식 가격 페이지에서 한 번 더 확인하는 걸 권합니다.

n8n MCP + AI Agent 워크플로우의 핵심 노드

이번에 새로 자리 잡은 노드 두 개를 먼저 확실히 구분해야 합니다. 이름은 비슷하지만 역할이 정반대입니다.

MCP Server Trigger — 내 워크플로우를 도구로 "노출"

내가 만든 n8n 워크플로우 중 일부를 외부 AI 클라이언트(예: Claude Desktop, Cursor)에게 도구로 열어주는 역할입니다. 노드를 추가하면 테스트용·프로덕션용 URL이 발급되고, Bearer 토큰이나 커스텀 헤더로 접근 인증을 걸 수 있습니다. "사내 ERP 재고 조회 워크플로우만 AI에게 열어주기" 같은 식으로 일부만 선택적으로 노출하는 게 핵심입니다. 사내 데이터를 통째로 외부에 던지지 않고, 정해진 함수 호출만 허용하는 느낌으로 쓸 수 있죠.

MCP Client Tool — 외부 MCP 서버 도구를 "내 에이전트에 연결"

반대로 외부에 이미 있는 MCP 서버의 도구를 n8n의 AI Agent 노드 안으로 끌어오는 역할입니다. 한 번 연결해두면 그 서버가 제공하는 도구 전체를 자동으로 인식하고, "Selected" 옵션으로 일부만 노출시킬 수도 있습니다.

두 노드를 같이 쓰는 그림은 결국 이렇게 정리됩니다. MCP Server Trigger는 "내가 만든 워크플로우를 외부 AI에게 도구로 빌려주는 창구", MCP Client Tool은 "외부 도구를 내 AI Agent의 손에 쥐여주는 어댑터". 사내 데이터·외부 도구를 같은 에이전트가 다루는 그림을 만들고 싶다면 두 노드를 같은 워크스페이스에 둘 다 깔아 두는 게 일반적입니다.

실전 4단계 워크플로우 가이드

1단계: AI Agent 노드와 LLM 자격증명 준비

새 워크플로우에 AI Agent 노드를 하나 추가하고, OpenAI·Anthropic Claude·Google Gemini 중 하나의 API 키를 자격증명으로 등록합니다. 여기서 모델 호출 비용은 n8n이 아니라 각 모델 제공사에 직접 지불됩니다. n8n은 이 부분에 별도 "AI 사용료"를 받지 않습니다. 처음 깔 때는 토큰 단가가 가장 저렴한 모델로 시작해 도구 연결이 잘 되는지부터 확인하고, 품질이 부족할 때 상위 모델로 교체하는 순서가 안전합니다.

2단계: 외부 MCP 도구 붙이기

같은 워크플로우의 AI Agent 노드 아래 Tools 영역에서 MCP Client Tool을 추가합니다. 연결할 MCP 서버의 엔드포인트 URL과 인증 방식을 입력하면, n8n이 도구 목록을 가져옵니다. "All"로 두면 전체, "Selected"로 두면 원하는 도구만 노출됩니다. 셀프호스팅 환경에서는 커뮤니티 패키지의 도구 사용을 허용하는 환경변수 N8N_COMMUNITY_PACKAGES_ALLOW_TOOL_USAGE=true를 켜야 한다는 점을 기억하세요. 처음에는 도구 1~2개만 "Selected"로 노출해 호출이 안정되는지 본 다음 범위를 넓히는 게 디버깅 비용이 가장 적게 듭니다.

3단계: 내 워크플로우를 도구로 역제공 (선택)

거꾸로 우리 회사 데이터·로직을 외부 AI 클라이언트(Claude Desktop, Cursor 등)에 도구로 열고 싶다면 새 워크플로우의 시작점에 MCP Server Trigger를 둡니다. 트리거 노드 안에서 어떤 도구(워크플로우 함수)들을 노출할지 선택하고, Bearer 토큰 인증을 권장 설정으로 잡습니다. 발급된 프로덕션 URL을 외부 클라이언트의 MCP 설정에 등록하면 끝입니다. 회사 데이터가 걸려 있다면 토큰 발급 후 외부 클라이언트별로 별도 토큰을 발급해 두는 편이, 나중에 회수·교체가 쉬워집니다.

4단계: 실행 모니터링과 비용 통제

n8n의 Executions 패널에서 1회 실행 단위로 로그·소요 시간·실패 원인을 확인합니다. 과금은 실행 횟수 기준이므로, AI Agent가 한 실행 안에서 도구를 여러 번 호출해도 그 자체는 1 execution입니다. 다만 각 모델 호출은 모델사 토큰 비용으로 별도 누적되니, Anthropic·OpenAI 콘솔에서 일일 한도(spend limit)를 미리 걸어 두는 게 안전합니다. 실패한 실행에는 자동 재시도를 켜기 전에 "왜 실패했는지"를 확인하는 습관이 중요합니다 — 외부 도구 인증 만료 같은 케이스는 재시도만 반복하면 토큰 비용만 나갑니다.

막히기 쉬운 지점과 실용 팁

• Tools 영역에 MCP Client가 안 보일 때: 셀프호스팅이라면 위에서 말한 환경변수를 켜고 컨테이너를 재시작합니다. Cloud 환경이라면 노드 검색에서 "MCP"로 다시 찾아보세요.
• MCP Server URL이 외부에서 안 열릴 때: 셀프호스팅이라면 Webhook URL이 외부 도메인으로 잡혀 있는지 먼저 확인합니다. localhost로 잡혀 있으면 외부 AI 클라이언트는 접근할 수 없습니다.
• 실행 비용이 빨리 늘 때: 한 워크플로우 안에서 가능한 작업을 묶어 처리하는 게 유리합니다. 1회 실행 = 1 execution 룰을 적극 활용하세요.
• 도구가 너무 많아 에이전트가 헷갈릴 때: 한 에이전트에 도구를 전부 붙이지 말고, 용도별로 워크플로우를 쪼개 도구 묶음을 분리하는 게 정답에 가깝습니다. 도구가 적을수록 모델이 잘 고릅니다.
• 처음부터 직접 짜기 부담스러울 때: n8n 공식 템플릿 라이브러리에 AI/MCP 관련 워크플로우가 다수 공개돼 있어 클론해 출발점으로 삼을 수 있습니다(n8n 워크플로우 템플릿).

결론 — n8n 워크플로우의 다음 단계

2026년의 n8n 워크플로우는 더 이상 "조건문이 들어간 자동화 도구"에 머무르지 않습니다. MCP 노드 두 개로 우리 회사의 데이터·로직과 LLM 에이전트를 양방향으로 묶을 수 있는 작은 AI 플랫폼에 가깝습니다. 가격 측면에서도 실행 기반 과금 덕분에 복잡한 자동화를 짤수록 비용 효율이 좋아지는 구조가 유지되고 있습니다.

이미 n8n을 쓰고 있다면 오늘 새 워크플로우 하나만 만들어 보세요. AI Agent 노드 + MCP Client Tool 하나, 그리고 평소에 자주 쓰는 외부 도구 한 가지를 연결하는 것부터 시작하면 충분합니다. 작은 한 번의 연결이, 내년 한 해의 자동화 폭을 결정합니다.

※ 본 글의 가격·기능 정보는 작성 시점(2026년 6월) 기준이며, 실제 적용 전 n8n 공식 사이트에서 최신 내용을 확인하시기 바랍니다.

Make 자동화 2026: 크레딧 전환과 AI Agent 도입으로 달라진 5단계 설계

Photo by Campaign Creators on Unsplash

"Make 자동화 다시 시작해볼까?" 했다가 결제 페이지에서 멈칫한 적 있다면, 2026년 들어 바뀐 두 가지 큰 변화 때문일 가능성이 큽니다. 하나는 8월부터 시작된 operations → credits 빌링 단위 전환, 다른 하나는 시나리오 빌더 안으로 들어온 AI Agent입니다. 둘 다 기존 워크플로우를 그대로 굴려도 되지만, 모르고 쓰면 같은 작업에 더 많은 크레딧을 태우게 됩니다. 본 글 작성 시점 기준, Make 공식 헬프센터와 커뮤니티 공지를 바탕으로 정리한 Make 자동화 2026 실전 가이드입니다.

왜 지금 Make 자동화를 다시 들여다봐야 할까

"노코드 자동화 = Zapier" 공식이 흔들린 지는 꽤 됐습니다. 같은 시나리오를 짜도 Make 가 더 저렴하고 시각적으로 보이는 분기가 많아 비개발자도 다중 단계 워크플로우를 짜기 좋다는 평가가 누적됐기 때문입니다. 여기에 2026년 들어 두 가지 변화가 더해졌습니다.

• 2026년 8월 27일 — 빌링 단위 변경. 기존 operations 가 credits 로 1:1 전환됐고, 요금제와 가격은 그대로지만 AI 모듈 같은 일부 고급 기능은 1 크레딧 이상을 소모할 수 있게 바뀌었습니다. (Make 공식 Credits 가이드)
• AI Agent 의 시나리오 빌더 통합. 별도 도구가 아니라 시나리오 안에서 호출 가능한 모듈이 되어, 추론(reasoning) 과정을 패널로 확인하고 멀티모달 입력(문서·이미지·오디오)을 받을 수 있게 확장됐습니다.

요약하면, 같은 작업이라도 모듈을 어떻게 골라 짜느냐에 따라 월말 크레딧 사용량 차이가 더 커졌다는 뜻입니다. 무작정 AI 모듈로 도배하면 크레딧이 빨리 닳고, 반대로 비싼 비용을 들이지 않고도 워크플로우의 "판단" 부분만 AI Agent 로 위임하는 새로운 설계 패턴이 가능해졌습니다.

달라진 핵심 변화 2가지 한눈에 보기

1) Operations → Credits 빌링 전환

2026년 8월 27일부터 Make 의 빌링 단위는 operations 에서 credits 로 바뀌었습니다. 기존 사용자는 잔여 operations 가 1:1 비율로 credits 로 자동 전환됐고, 플랜 가격 자체는 동일합니다. 단 핵심 차이는 다음 두 가지입니다.

• 모듈마다 크레딧 소모량이 다를 수 있다. 기존 모듈 대부분은 여전히 1 크레딧이지만, AI 모듈처럼 처리량이 큰 모듈은 더 많은 크레딧을 소모할 수 있게 설계가 바뀌었습니다.
• 유료 플랜의 롤오버. 사용하지 않은 크레딧을 다음 달로 한 달간 이월할 수 있어, 트래픽이 들쭉날쭉한 워크플로우(예: 월말 정산, 시즌성 캠페인)에서 손해가 줄어듭니다.

플랜 구조 자체는 Core 9달러/Pro 16달러/Teams 29달러 (월) 로 동일하며, 무료 플랜은 월 1,000 크레딧·시나리오 2개 한도까지 그대로 유지됩니다. 빌링 페이지에서 "operations" 표기를 보던 분이라면 이제 "credits" 로 라벨이 바뀐 점만 인지하면 됩니다.

2) AI Agent 가 시나리오 안으로 들어왔다

예전 Make AI 기능이 "프롬프트 → 결과" 식 단순 호출이었다면, 2026년 AI Agent 는 다음과 같이 달라졌습니다.

• 시나리오 빌더와 같은 화면에서 동작. 별도 콘솔로 이동하지 않고, 기존 노드 사이에 Agent 모듈을 꽂아 넣을 수 있습니다.
• Reasoning 패널. Agent 가 어떤 도구를 호출했고 왜 그 분기로 갔는지 단계별 로그를 볼 수 있어, 디버깅 시간이 줄어듭니다.
• 멀티모달 입력. 텍스트뿐 아니라 문서·이미지·오디오를 그대로 받아 Agent 가 판단합니다.
• 재사용성. 한 번 만든 Agent 를 라이브러리에 올려두고 여러 시나리오에서 호출할 수 있어, 같은 프롬프트를 매번 복사하지 않아도 됩니다.

실무적으로 가장 큰 차이는 "분기를 사람이 미리 다 짜야 했던 구간"을 Agent 에게 맡길 수 있다는 점입니다. 예를 들어 들어온 문의 메일이 환불·기술문의·세일즈 중 어디인지 분류하던 라우터 노드를 Agent 하나로 줄이는 식의 단순화가 가능해집니다.

실전: 크레딧을 아끼면서 AI Agent 를 쓰는 5단계 설계

STEP 1. "AI 가 꼭 필요한 노드"만 골라낸다

모든 분기를 AI 로 돌리면 크레딧이 금방 닳습니다. 다음 원칙으로 필터링하세요.

• 고정 규칙으로 처리 가능한 분기(예: 금액 ≥ 10만원 → A, 미만 → B) → 일반 Router/Filter 모듈
• 입력 형식이 자유롭고 사람이 봐도 한 번에 분류가 안 되는 분기(예: 자유 문의 메일 분류) → AI Agent
• 요약·재작성·번역 등 텍스트 생성 → AI Agent 또는 단발 AI 모듈

STEP 2. 시나리오 스케줄링 주기를 다시 본다

빌링 단위가 크레딧으로 바뀌면서, 동일 시나리오라도 "얼마나 자주 도는가" 가 비용에 더 직결됩니다. 1분 간격으로 폴링하던 시나리오를 5분/15분으로 늦추는 것만으로도 월 크레딧이 크게 줄어듭니다. 실시간이 필수가 아닌 백오피스 자동화라면, 우선 폴링 주기를 늘려 보세요.

STEP 3. Reasoning 패널로 Agent 의 "헛수고" 를 잡는다

AI Agent 모듈을 도입했다면, 첫 일주일은 반드시 Reasoning 패널을 켜고 로그를 확인하세요. 자주 발견되는 비용 누수 패턴은 다음과 같습니다.

• 동일한 외부 API 를 같은 입력으로 반복 호출 → 캐시 모듈 추가
• 출력 토큰이 매번 수천 단위 → 시스템 프롬프트에서 "JSON 한 줄로만" 같은 출력 제약 추가
• 판단이 갈리지 않는 분기에서도 Agent 호출 → 앞단에 단순 Filter 모듈 추가

STEP 4. 롤오버를 가정해 월간 예산을 짠다

유료 플랜이라면 사용하지 않은 크레딧이 다음 달로 한 달간 이월됩니다. 즉, 매월 사용량이 들쭉날쭉하다면 "월 평균" 으로 플랜을 잡되, 피크 달을 기준으로 너무 큰 플랜을 잡지 않아도 됩니다. 한 달 정도는 다음 달 잉여로 메울 수 있기 때문입니다. 반대로 매월 사용량이 일정한 워크플로우라면 롤오버 효과가 거의 없으니, 평균치에 딱 맞는 플랜을 고르는 편이 낫습니다.

STEP 5. 작은 예시 한 개로 감을 잡는다

"문의 메일 자동 분류 후 담당자 슬랙 알림" 시나리오를 예로 들어 보겠습니다. 기존에는 Gmail 트리거 → 키워드 기반 Filter → Router 3분기 → 슬랙 채널별 알림 식으로 짰다면, 2026년 권장 구성은 다음과 같습니다.

• Gmail 트리거 모듈
• 본문 길이가 짧고 명확한 키워드가 있으면 단순 Filter 모듈로 먼저 분류
• 그 외에는 AI Agent 모듈로 환불·기술·세일즈 중 하나로 분류
• 분류 결과를 Router 모듈로 받아 슬랙 채널별로 알림 발송

핵심은 AI Agent 호출이 모든 메일에 대해 일어나지 않도록 앞단에 단순 Filter 를 두는 것입니다. 길이가 짧고 패턴이 분명한 메일은 어차피 키워드로 분류되니, Agent 를 부르지 않아도 됩니다. 이 한 줄 차이가 월말 크레딧 사용량에서 의외로 큰 폭으로 누적됩니다. 반대로 본문이 길거나 의도가 모호한 메일에서는 Agent 가 사람보다 빠르고 일관되게 분류해주니, "모호한 입력은 Agent 에게, 명확한 입력은 Filter 에게" 라는 분담을 시나리오 한 장에 녹여두면 됩니다.

도구 선택: Make 가 맞는 사람, Zapier·n8n 이 맞는 사람

같은 노코드 자동화 카테고리라도 결이 다릅니다. 본 글 작성 시점 기준 일반론으로 정리하면 다음과 같습니다.

• Make — 시각적 시나리오로 다중 분기·반복 처리를 짜야 하는 중간 복잡도 워크플로우. 무료 1,000 크레딧으로 손쉽게 PoC 가능.
• Zapier — 단순 트리거→액션 1:1 자동화 위주, IT 부서 없이 비개발자 혼자 빠르게 세팅. 다만 작업당 과금이라 대량 처리는 비용이 빠르게 증가.
• n8n — 셀프호스팅이 가능한 팀. 코드/JS 노드를 자유롭게 쓸 수 있고, 자체 서버에 올리면 실행 수 제한 없이 운영 가능.

"AI Agent 를 시나리오 안에서 시각적으로 디버깅하고 싶다" 가 우선순위라면, 본 글 작성 시점 기준 가장 손이 덜 가는 선택지는 Make 입니다. 반대로 자체 서버 운영이 가능하고 비용 통제가 중요하다면 n8n 셀프호스팅이 여전히 강력한 대안입니다.

마무리: 같은 시나리오라도 "구조" 가 비용을 가른다

2026년 Make 자동화의 핵심 변화는 결국 하나입니다. 모듈마다 크레딧 소모량이 달라졌고, 판단이 필요한 노드에 AI Agent 라는 새 카드가 추가됐다. 같은 워크플로우라도 모든 분기를 AI 로 도배하면 비용이 빠르게 누적되지만, 진짜 판단이 필요한 한 노드에만 Agent 를 꽂으면 사람이 매번 분기를 손보던 시간을 줄이면서 크레딧은 거의 그대로 유지할 수 있습니다.

지금 돌리고 있는 시나리오가 있다면, 오늘부터 Reasoning 패널을 켜고 한 주만 로그를 들여다보세요. "이 분기, 굳이 AI 가 아니어도 되겠는데?" 하는 자리가 두세 군데는 반드시 보입니다. 그 두세 군데를 단순 모듈로 바꾸는 것만으로도, 다음 달 크레딧 청구서 숫자가 달라집니다.

노션 AI 활용법 2026: AI Autofill·커스텀 에이전트로 데이터베이스 자동화 4단계

Photo by Emiliano Vittoriosi on Unsplash

매일 거래 내역을 옮겨 적고, 회의록을 요약하고, 고객사 정보를 검색해 채워 넣는 일. 이런 반복 작업이 하루의 절반을 차지한다면 노션 AI 활용법의 무게중심을 "글쓰기 보조"에서 "데이터베이스 자동화"로 옮길 때입니다. 2026년 4월 노션 3.4 두 번째 업데이트에서 AI Autofill이 커스텀 에이전트 기반으로 강화되면서, 표 한 칸씩 손으로 채우던 워크플로우를 백그라운드 자동화로 바꿀 수 있게 됐습니다. 본 글 작성 시점 기준 직장인이 가장 빠르게 효과를 볼 수 있는 4단계 적용 순서를 정리합니다.

왜 지금 "노션 AI 활용법"이 데이터베이스 자동화로 바뀌었나

지난 1~2년간 노션 AI는 문서 안에서 글을 쓰고 요약하는 기능 위주였습니다. 그러나 노션의 4월 업데이트로 AI Autofill이 커스텀 에이전트(Custom Agents)를 백엔드로 쓰도록 바뀌면서, 데이터베이스의 행이 백그라운드 프로세스로 자동 갱신되는 구조가 됐습니다. 사용자가 챗 화면을 열지 않아도 새 행이 추가될 때마다 에이전트가 작동한다는 뜻이죠.

이 변화가 중요한 이유는 두 가지입니다. 첫째, 노션 안에서 끝나는 작업이 아니라 워크스페이스 검색·웹 검색을 거쳐 출처까지 함께 채워줍니다. 둘째, 단순 요약·태깅을 넘어 멀티스텝 지시를 처리할 수 있습니다. 즉 "이 고객사의 도메인을 보고 산업 분류와 최근 공시 한 줄을 함께 채워줘" 같은 작업이 자동화 범위 안에 들어왔다는 의미입니다.

실무 관점에서는 한 가지가 더 중요합니다. 챗봇에 매번 같은 프롬프트를 다시 붙여 넣는 흐름과 달리, Autofill은 데이터베이스 속성 안에 지시문이 저장됩니다. 한 번 잘 설계해두면 그 데이터베이스를 같이 쓰는 모두가 자동화의 혜택을 받고, 새 행이 추가될 때마다 같은 품질의 결과가 채워집니다.

Basic Autofill과 Custom Agent Autofill의 차이

노션 헬프 센터의 Autofill 문서를 보면 자동채움은 두 단계로 나뉩니다. 어느 쪽을 먼저 켜야 하는지부터 헷갈리면 비용이 새기 시작합니다.

• Basic Autofill: 요약, 태깅, 번역 같은 단순 작업용. Business·Enterprise 플랜에 포함돼 있고 별도 크레딧을 소모하지 않습니다.
• Custom Agent Autofill: 웹/워크스페이스 검색이나 멀티스텝 지시 같은 복잡한 작업용. 작업 단위로 노션 크레딧을 소모합니다.

본 글 작성 시점 기준으로 노션 크레딧은 1,000 단위당 10달러로 책정돼 Business·Enterprise 사용자에게 추가 구매 형태로 제공됩니다(Notion 3.4 릴리스 노트). 즉 모든 컬럼을 Custom Agent로 채우면 빠르게 크레딧이 빠지므로, "꼭 외부 정보가 필요한 컬럼"만 골라 쓰는 설계가 핵심이 됩니다. 정책과 가격은 추후 변경될 수 있으니 공식 페이지에서 최신 정보를 확인하세요.

4단계 실전 워크플로우: 어떤 컬럼부터 자동화할까

처음부터 모든 데이터베이스에 AI를 붙이면 크레딧만 태우고 결과는 어수선해집니다. 다음 순서로 한 단계씩 늘려가는 방식이 안전합니다.

1단계 — 데이터베이스 속성을 "사람 입력" vs "AI 입력"으로 분리

현재 가지고 있는 데이터베이스(고객 명단, 회의록, 도서 노트, 콘텐츠 캘린더 등)에서 각 컬럼을 두 종류로 나눕니다. 사람이 직접 적어야 정확한 값(이름, 일자, 외부 링크, 본문)과 그 본문에서 파생할 수 있는 값(요약, 태그, 카테고리, 감정 분류)을 구분하는 작업입니다. AI는 후자만 맡깁니다.

가장 빠르게 효과를 보는 패턴은 "원본 한 칸 + 파생 여러 칸" 구조입니다. 회의록을 예로 들면 본문 컬럼 하나만 사람이 정성스럽게 적어두면, 옆에 있는 요약·태그·다음 액션·담당자 후보·관련 프로젝트 같은 5개 정도의 파생 컬럼이 AI에 맡길 후보가 됩니다. 반대로 컬럼이 전부 "AI가 만들 수 있는 값"으로만 채워져 있다면, 그 데이터베이스는 사실상 입력 없이 출력만 기대하는 구조라 결과가 흐릿해집니다.

2단계 — Basic Autofill부터 켠다

요약·태깅·번역 컬럼에 먼저 Basic Autofill을 적용합니다. 예를 들어 회의록 데이터베이스라면 "본문" 컬럼은 사람이 작성하고, "한 줄 요약"·"의사결정 태그"·"영문 번역" 컬럼만 자동채움으로 둡니다. Basic은 별도 크레딧을 쓰지 않으므로 행이 늘어도 비용 걱정이 없습니다. 결과가 마음에 들 때까지 프롬프트를 다듬습니다.

현실적인 팁은 처음 일주일은 자동채움 결과를 그대로 두지 말고, 매번 한두 칸은 사람이 손을 봐서 "이 톤", "이 형식"이 어떻게 다른지 프롬프트에 반영하는 것입니다. 예를 들어 한 줄 요약이 항상 "~에 대해 논의함"으로 끝난다면, 지시문에 "동사형 결론으로 끝낼 것"을 추가하는 식입니다. 2단계를 충분히 다듬고 나면 3단계로 넘어갈 컬럼이 자연스럽게 좁혀집니다.

3단계 — 외부 정보가 필요한 컬럼만 Custom Agent로 승급

Basic으로 채워지지 않는 컬럼이 자연스럽게 정해집니다. 예: 고객사 데이터베이스의 "최근 공시 한 줄", 콘텐츠 캘린더의 "유사 기사 링크", 채용 후보 데이터베이스의 "회사 소속 확인". 이런 컬럼만 Custom Agent로 옮깁니다. 에이전트에는 "어떤 출처를 우선 보라", "확신이 없으면 빈칸으로 두라" 같은 가드레일을 함께 적어두는 편이 비용·품질 모두에 유리합니다.

4단계 — 사용량 모니터링과 주기적 감사

크레딧이 빠지는 속도는 데이터베이스가 커질수록 가속됩니다. 워크스페이스 설정에서 크레딧 잔량을 확인하고, 매주 한 번은 자동 채워진 컬럼 10~20개를 표본으로 뽑아 사실 여부를 검증합니다. 자동화는 "검토를 줄이는 것"이지 "검토를 없애는 것"이 아니라는 점이 핵심입니다.

Basic vs Custom Agent Autofill 한눈에 비교

구분	Basic Autofill	Custom Agent Autofill
잘 맞는 작업	요약·태깅·번역·간단 분류	웹·워크스페이스 검색, 멀티스텝 지시
크레딧 소모	없음 (Business/Enterprise 포함)	작업당 크레딧 차감
출처 표기	대상 본문 기반	검색 출처와 함께 채움
적합한 컬럼 예시	회의록 요약, 카테고리 태그	고객사 산업 분류, 경쟁사 동향 요약

직장인이 자주 빠지는 3가지 실수

• 모든 컬럼을 Custom Agent로 설정 — 크레딧이 빠르게 소진됩니다. 외부 정보가 필요한 컬럼만 승급하세요.
• 출처 표기 없이 신뢰 — Custom Agent는 검색 결과를 끌어오지만 사실 검증을 대신해 주진 않습니다. 중요한 의사결정에는 1차 출처를 직접 확인해야 합니다.
• 법무·세무·의료 데이터에 그대로 적용 — 자동채움 결과는 참고용이며 법적 효력이 없습니다. 이런 영역은 전문가 상담을 권장합니다.

외부 도구와 묶으면 효과가 커지는 지점

커스텀 에이전트는 노션 외부에서도 작동합니다. 노션의 발표에 따르면 슬랙, 이메일, 캘린더 등과 연동돼 워크스페이스 밖 이벤트도 트리거로 쓸 수 있습니다. 예를 들어 슬랙에 새 고객 문의가 들어오면 노션 CRM에 행이 추가되고, AI Autofill이 회사 정보·산업 분류를 자동으로 채우는 흐름이 가능합니다. 즉 "노션 안 데이터베이스 청소"에서 "팀 전체의 데이터 라우팅 허브"로 활용 범위가 넓어집니다. 단, 이 영역은 권한 설계와 감사 로그가 함께 가야 하므로 팀 도입 단계에서는 IT 담당자와 협의가 필요합니다.

1인 사용자도 이 흐름을 활용할 수 있습니다. 가벼운 예로는 자주 받는 뉴스레터를 노션 데이터베이스에 모으는 워크플로우가 있습니다. 본문 컬럼만 들어오면 요약·핵심 인용·관련 주제 태그까지 Basic Autofill로 자동 채우는 식이죠. 일주일 뒤에는 "내가 이번 주에 받은 정보의 지도"가 자연스럽게 만들어지고, 다시 검색해 찾는 시간이 줄어듭니다. 즉 노션 AI 활용법의 본질은 매번 새 프롬프트를 짜는 것이 아니라, 들어오는 정보를 정해진 형식으로 자동 가공해 두는 일에 가깝습니다.

결론: 오늘부터 한 컬럼만 자동화해보자

노션 AI 활용법은 더 이상 "글 잘 써주는 챗봇"에 머물지 않습니다. 본 글 작성 시점 기준 가장 큰 변화는 데이터베이스 자동화이며, 핵심은 "어떤 컬럼만 AI에 맡길지" 분리하는 설계입니다. 오늘부터 회의록이든 거래 명단이든 가장 자주 쓰는 데이터베이스 하나를 골라 요약·태깅 컬럼 한 칸에만 Basic Autofill을 켜보세요. 첫 자동화가 돌아가는 순간부터 그다음 단계가 명확해집니다.

* 노션 크레딧 가격·플랜 정책·기능 범위는 본 글 작성 시점 기준이며 추후 변경될 수 있으니 공식 페이지에서 최신 정보를 확인하시기 바랍니다.

노션 AI 활용법, 노션 자동채움, AI Autofill, 커스텀 에이전트, 노션 데이터베이스, Notion AI 2026, 업무 자동화, 직장인 생산성

AI 이미지 생성 무료 도구 2026: Gemini·Ideogram·FLUX 일일 한도와 상용 사용 4가지 비교

Photo by Iyus sugiharto on Unsplash

"블로그 썸네일 한 장 뽑자고 매달 2만~4만원짜리 AI 구독을 또 추가해야 할까?" 2026년 들어 가장 많이 받는 질문입니다. 결론부터 말하면, 적어도 일반 블로그·SNS·기획서 용도라면 무료 티어만으로도 충분히 일이 됩니다. 다만 도구마다 일일 한도, 워터마크, 텍스트 처리력, 상용 사용 라이선스가 천차만별이라 잘못 고르면 "결국 또 결제"로 끝납니다. 이번 글은 AI 이미지 생성 무료 도구 네 가지를 같은 기준으로 비교해, 본인 용도에 맞는 한 개를 고르는 방법을 정리했습니다. (본 글 작성 시점 기준)

왜 "무료면 다 같다"가 함정인가

2025년까지만 해도 무료 AI 이미지 도구는 "써볼 만은 한데 결과물은 별로"가 정설이었습니다. 2026년에 들어와 분위기가 크게 바뀌었습니다. Google Gemini의 Nano Banana 2, Black Forest Labs의 FLUX, OpenAI의 GPT Image 1.5, Ideogram v3 같은 모델이 잇따라 무료 티어를 열면서 상용 광고 시안 수준의 품질이 손에 들어왔습니다.

그런데 무료 티어는 "같은 무료"가 아닙니다. 어떤 곳은 하루 10장만 주고, 어떤 곳은 워터마크가 찍히고, 어떤 곳은 무료로 만든 이미지가 커뮤니티 갤러리에 공개로 올라갑니다. 게다가 일부는 무료 플랜에선 상업적 사용을 제한합니다. 그래서 "무료 도구 추천"이라는 말 자체보다 네 가지 기준으로 따져보는 것이 훨씬 실용적입니다.

또 하나 놓치기 쉬운 점은 무료 한도가 자주 바뀐다는 것입니다. Gemini의 일일 한도는 출시 직후와 안정화 후가 다르고, ChatGPT는 트래픽이 몰리는 시간대엔 무료 사용자 한도를 임시로 줄이기도 합니다. 그래서 "오늘 본 숫자"가 다음 달에도 같으리란 보장은 없습니다. 절대값을 외우기보다 도구별 한도 변동을 미리 알고 한 도구에 너무 깊이 종속되지 않는 편이 안전합니다.

AI 이미지 생성 도구를 고를 때 따져볼 4가지 기준

① 일일 무료 한도

가장 먼저 보는 지표입니다. 하루에 1~2장이면 충분한 사람과, 블로그 글마다 3~4장씩 뽑는 사람은 다른 선택을 해야 합니다. Gemini 앱은 무료 사용자에게 Nano Banana 2 모델 기준 하루 약 20장을 제공합니다. Google AI Studio로 들어가면 같은 무료 계정으로도 하루 50건까지 한도가 늘어납니다.

② 해상도와 워터마크

Gemini 무료 티어는 1024px(1K) 기본 해상도로 출력됩니다. 블로그 본문, SNS 포스트, 회의자료 정도엔 무리가 없지만 인쇄·대형 디스플레이는 부족합니다. Nano Banana Pro 모델은 무료로 하루 2장 가능하지만 워터마크가 표시됩니다. 반면 Google AI Studio 무료 티어는 최대 2K 해상도까지 지원하면서 워터마크가 없는 점이 차별점입니다.

③ 텍스트·로고 처리력

썸네일에 한글·영문 텍스트, 가격표, 배지 같은 글자가 정확히 들어가야 한다면 모델 선택이 거의 한 가지로 좁혀집니다. Ideogram v3는 2026년 현재 복잡한 텍스트를 가장 안정적으로 렌더링하는 모델로 평가받습니다. 무료 티어는 하루 10 slow 크레딧이며, 한 프롬프트당 변형 4장까지 만들 수 있어 실효 한도는 하루 약 40장 수준입니다(Ideogram 공식 가격 페이지).

④ 상용 사용과 프라이버시

Ideogram 무료 플랜은 상업적 사용 권리가 제한되고, 생성한 이미지가 커뮤니티에 공개됩니다. 비공개 생성과 풀 상용 라이선스는 Basic($8/월) 또는 Pro($48/월) 플랜부터 열립니다. 반대로 FLUX 계열 오픈소스 모델은 본인 GPU에 깔아 쓰는 한 횟수·해상도·상용 사용에 제약이 없습니다.

2026년 무료로 쓰기 좋은 네 가지 도구

도구	무료 한도	강점	주의점
Gemini 앱 (Nano Banana 2)	약 20장/일, 1K	속도·자연어 지시	대형 출력엔 부족
Google AI Studio	50건/일, 최대 2K	무료·고해상도·워터마크 없음	UI가 개발자 친화적
Ideogram v3	10 크레딧/일(≈40장)	텍스트·로고 처리 우위	무료는 공개·상용 제한
FLUX (오픈소스)	로컬 무제한	비용·프라이버시·자유도	GPU 필요, 초기 셋업

ChatGPT의 GPT Image 1.5는 무료 사용자에게도 일부 열려 있지만, 일일 한도가 자주 바뀌고 텍스트 지시 정확도·장면 이해·수정 정밀도가 직전 버전보다 크게 좋아졌다는 점이 강점입니다. "글로 길게 설명한 그대로 그려달라"에 가까운 워크플로우라면 후보로 둘 만합니다.

용도별로 어떤 도구를 골라야 할까

블로그 썸네일·SNS용

하루 1~3장 정도면 Gemini 앱이 가장 빠르고 매끄럽습니다. 자연어로 "직장인이 노트북 앞에서 머리 잡은 일러스트, 파스텔 톤" 식으로 적어도 결과가 잘 나오고, 1K 해상도면 본문 이미지로 충분합니다. 추가 비용 없이 시작할 수 있어 일단 디폴트로 두고 부족할 때 다른 도구를 보완하는 흐름을 추천합니다.

가격표·배너·로고 텍스트가 필요할 때

Ideogram을 켭니다. 다른 모델은 한글이든 영문이든 글자 형태가 자주 깨지지만, Ideogram은 의도한 문구를 거의 그대로 렌더링합니다. 단, 무료 플랜은 결과물이 커뮤니티 갤러리에 공개되므로 회사 브랜드 컨셉이나 미공개 캠페인은 Basic 이상 유료 플랜이 안전합니다.

고해상도·인쇄·발표 자료용

Google AI Studio를 활용합니다. 같은 Google 계정 무료 사용자도 2K까지 워터마크 없이 받을 수 있어, 슬라이드·인쇄용으로 가성비 좋은 선택입니다. UI가 기본적으로 개발자 인터페이스에 가까워 첫 1~2회는 적응 시간이 필요합니다.

비용 없이 대량으로 돌려야 할 때

FLUX를 로컬에 깔아두면 됩니다. VRAM이 충분한 GPU가 있다면 횟수 제한 없이 사용할 수 있고, 데이터가 외부로 나가지 않아 프라이버시도 확보됩니다. 양자화된(quantized) 모델을 쓰면 사양 요구가 낮아지지만, 셋업 학습 곡선이 있다는 점은 감안해야 합니다.

도구를 바꿔도 통하는 프롬프트 3가지 팁

한국어로 적되, 핵심 명사는 영어 병기

네 도구 모두 한국어 프롬프트를 이해하지만, "보케(bokeh)", "시네마틱 라이팅(cinematic lighting)", "아이소메트릭(isometric)" 같은 시각 용어는 영어가 학습량이 압도적으로 많아 결과가 더 안정적입니다. 한국어로 문장을 쓰고, 중요한 시각 키워드만 괄호 안에 영어로 병기하는 것이 가성비 좋은 방법입니다.

"부정 조건"을 명시한다

"어떤 분위기"만 적기보다 "어떤 분위기가 아니어야 하는지"를 함께 적으면 시도 횟수가 절반으로 줄어듭니다. 예를 들어 "차분한 톤, 빨강 채도 높은 색 사용 금지", "텍스트 없음", "사람 얼굴 클로즈업 아님" 같은 부정 조건을 한두 줄 붙입니다. 무료 한도가 빠듯할수록 이 한 줄이 결과적으로 일일 한도를 두 배 늘려주는 효과를 냅니다.

한 번에 다 채우려 하지 말기

초보자가 가장 많이 하는 실수는 "분위기·구도·색감·소품·문구"를 한 문장에 다 욱여넣는 것입니다. 모델은 길어진 프롬프트의 앞쪽 가중치를 더 따르는 경향이 있어, 뒤로 갈수록 지시가 무시됩니다. 첫 프롬프트는 "주제 + 분위기 + 구도"까지만 쓰고, 결과를 본 다음 색감·소품을 보강하는 2단계 접근이 결과를 빨리 좁힙니다.

오늘부터 어떻게 시작할까

가장 좋은 방법은 "한 번에 다 비교"가 아니라 "한 가지를 일주일만 진심으로" 써보는 것입니다. 본인이 가장 자주 만드는 이미지(블로그 썸네일·발표 슬라이드·상품 컷 중 하나)를 정하고, 위 네 가지 도구 중 가장 가까운 한 개를 골라 일주일 동안만 매일 사용해 보세요. 무료 한도 안에서 어디까지 만족스러운지, 어떤 부족함이 남는지가 정확히 보입니다. 거기서 부족한 부분이 명확해질 때 비로소 유료 결제를 고려해도 늦지 않습니다. 오늘 점심 시간에 Gemini 앱이든 Google AI Studio든 하나만 열어, 다음 블로그 글에 쓸 이미지 한 장부터 만들어 보세요.

Perplexity 검색 2026: 무료 풀린 Comet 브라우저로 바꾸는 검색 워크플로우 4단계

Photo by Firmbee.com on Unsplash

"검색"이라는 단어의 의미가 2026년에 빠르게 흔들리고 있습니다. 광고로 도배된 결과 페이지를 한 줄씩 훑고, 출처를 의심하며 다시 검색어를 다듬는 시간이 점점 아깝게 느껴진다면, 이미 많은 사람이 같은 고민을 하고 있다는 신호입니다. 그 빈자리를 가장 빠르게 채우고 있는 도구가 Perplexity 검색이고, 2026년 3월 자사 AI 브라우저 Comet이 전 플랫폼에서 무료로 풀리면서 검색 워크플로우 자체가 다시 한번 바뀌는 분위기입니다. 이 글에서는 Perplexity가 일반 검색과 무엇이 다른지, 무료가 된 Comet으로 어떻게 정보 수집 방식을 바꿀 수 있는지를 4단계로 정리합니다.

Perplexity 검색이 풀려는 진짜 문제

구글로 대표되는 전통 검색은 "내가 보고 싶은 페이지의 목록"을 돌려줍니다. 즉, 클릭과 비교, 요약은 모두 사용자 몫이죠. 반면 Perplexity는 질의를 받으면 여러 소스를 동시에 읽고, 각 문장 옆에 출처 번호를 붙인 한 편의 답변으로 합쳐 돌려줍니다. 이렇게 되면 "어떤 사이트가 1위인가"보다 "내가 던진 질문의 답이 어디에 어떻게 흩어져 있는가"가 보이게 됩니다.

특히 세 가지 부분에서 차이가 큽니다.

• 출처 인라인 표기: 답변 문장마다 번호가 달리고, 클릭하면 해당 원문으로 이동합니다. 할루시네이션 의심 여부를 사용자가 직접 검증할 수 있는 구조입니다.
• 꼬리 질문 흐름: 한 번의 검색이 끝이 아니라, 답변 하단에 자동 생성되는 후속 질문을 통해 "주제를 좁혀가는" 작업이 한 화면에서 끝납니다.
• 답변 단위 공유: 검색 결과 페이지가 아니라 답변 자체에 고유 URL이 붙어 협업자에게 그대로 링크로 넘길 수 있습니다.

이 차이는 단순히 "더 똑똑한 검색창" 수준이 아니라, "리서치 워크플로우를 한 도구 안에서 끝내자"는 방향성에 가깝습니다. 일반 챗봇과의 결정적 차이는 답변 안에 출처 번호가 박혀 있다는 점입니다. AI 답변에 "그래서 어디서 본 건데?"라고 의심하던 단계가 한 클릭으로 줄어들고, 잘못된 정보를 발견했을 때도 어느 문장의 어느 소스에서 비롯됐는지 추적할 수 있습니다.

2026년 Perplexity 요금제와 모델 구성

유료 기능까지 포함해 정확히 어디부터 무료인지 헷갈리는 분이 많습니다. 본 글 작성 시점 기준 공식 요금제는 크게 세 갈래로 정리됩니다.

플랜	가격	핵심 포인트
무료	0원	기본 Perplexity 검색 + Comet 브라우저 전체 기능
Pro	월 $20 또는 연 $200	Sonar Pro·Sonar Reasoning Pro, GPT-5.2·Opus 4.6·Gemini 3 Pro 선택, Spaces·Pages·Labs, Comet Plus 포함
Max	월 $200	개인 파워유저 대상 상위 플랜. Comet Plus 포함

여기에 별도로 Comet Plus라는 월 $5 애드온이 있는데, Conde Nast 계열(Wired·뉴요커·Vogue·VF·AD), CNN, Fortune, LA Times, Washington Post 등 파트너 발행사의 프리미엄 기사를 Comet 답변 안에서 그대로 인용·열람할 수 있게 해줍니다. Pro와 Max 구독자는 자동 포함이고, Comet Plus만 단독으로도 가입할 수 있습니다.

무료로 충분한가, 유료가 필요한가

일상적인 정보 검색·요약·간단한 리서치는 무료로 충분합니다. Pro로 넘어갈 만한 트리거는 보통 다음 세 가지 중 하나가 분명할 때입니다.

• Spaces에 50개 가까운 자료를 올려두고 반복적으로 질문하는 워크플로우
• 특정 모델(예: Opus 4.6 또는 Gemini 3 Pro)을 검색·답변과 함께 쓰고 싶을 때
• Pages·Labs로 검색 결과를 그대로 발행물로 가공해야 할 때

반대로, 단순 검색만 하는 일반 사용자는 무료 티어로도 Comet의 핵심 에이전트 기능까지 다 쓸 수 있게 되었기 때문에, 굳이 Pro에 먼저 가입할 필요는 없습니다.

무료로 풀린 Comet 브라우저, 무엇이 달라졌나

Comet은 원래 2025년 7월 데스크톱 전용, 월 $200 Max 플랜에 사실상 묶여 있던 고가 브라우저였습니다. 그러던 것이 Perplexity 공식 Comet 페이지 기준 2026년 3월 18일 iOS·Android·Windows·Mac 전 플랫폼에서 무료로 풀렸습니다. 출시 직후 iOS App Store 전체 카테고리 3위까지 올라가며, 미국에서만 10만 건이 넘는 다운로드를 단기간에 기록했다는 발표가 있었습니다.

무료가 되었다는 사실보다 중요한 건, "에이전트형 브라우저"라는 구조가 누구나 쓸 수 있는 영역으로 내려왔다는 점입니다. 이전까지는 검색창 옆에서 답을 받는 정도였다면, 이제는 보고 있는 페이지 위에서 "이거 비교해줘", "이 표 한 줄로 요약해줘" 같은 명령을 곧바로 줄 수 있게 됩니다.

핵심 차별 포인트

• 페이지 단위 어시스턴트: 보고 있는 탭의 내용을 그대로 요약하거나, 페이지 안의 표·문단에 대해 즉시 질의할 수 있습니다.
• 다중 탭 작업 자동화: 여러 탭을 열어둔 채 "이 세 페이지 가격을 비교해줘" 같은 요청을 한 번에 처리합니다.
• 음성 모드: 핸즈프리로 질문→요약 흐름을 만들 수 있어 모바일에서 활용도가 높습니다.
• Deep Research 내장: 별도 탭으로 깊이 있는 리서치 모드를 실행해, 출처 다수를 모은 보고서 형식 답변을 받습니다.

다만 에이전트형 브라우저는 사용자의 탐색·클릭 패턴을 더 많이 학습할 수밖에 없는 구조입니다. Perplexity 측은 광고 타게팅을 수익화의 한 축으로 두고 있다고 공식적으로 밝혔으므로, 민감 정보를 다루는 브라우징은 일반 브라우저와 분리해 쓰는 편이 안전합니다.

실전: Perplexity 검색을 일에 끼워 넣는 4단계

도구를 깔아두기만 하고 잘 안 쓰는 일을 막으려면, 기존 작업 흐름의 어디에 끼울지부터 정해야 합니다. 다음 4단계는 무료 사용자를 기준으로 만든 최소 셋업입니다.

1단계 — 일상 검색의 절반을 Perplexity로 옮기기

처음부터 모든 검색을 옮기려고 하면 금세 원래 습관으로 돌아옵니다. 우선 "결과를 두세 번 비교해야 하는 질문"만 Perplexity로 보내세요. 예) 제품 스펙 비교, 정책·세제 해석, 영어 기사 요약. 단순 길찾기·실시간 가격은 여전히 일반 검색이 더 빠른 영역이니 무리하게 옮기지 않아도 됩니다.

2단계 — Comet 브라우저를 "리서치 전용" 자리에 두기

현재 쓰는 메인 브라우저를 갈아엎을 필요는 없습니다. Comet을 깔되 별도 워크스페이스 또는 두 번째 도크 아이콘으로 둬, "조사·요약·비교용"으로만 켭니다. 이렇게 분리하면 광고 트래킹 노출 범위도 자연스럽게 좁힐 수 있고, 평소 로그인 상태와도 격리되어 개인정보 측면에서 한결 안전합니다.

3단계 — 후속 질문과 출처 클릭 루틴 만들기

Perplexity의 가장 큰 이점은 답변 자체가 아니라 "다음에 무엇을 물을지" 자동 제안에 있습니다. 답변을 받자마자 (1) 본문 안의 출처 번호 1~2개를 직접 클릭해 원문을 확인하고, (2) 하단 후속 질문 중 가장 좁은 쪽을 한 번 더 누르는 습관을 만들면 단순 챗봇 사용과 차이가 크게 벌어집니다. "한 번 묻고 끝"이 아니라 "두세 번 좁혀가며 묻기"가 기본값이 되어야 합니다.

4단계 — Spaces로 반복 주제 저장하기

무료 사용자도 Spaces 자체는 사용할 수 있습니다(Pro는 Space당 파일 50개까지 확장됩니다). "ETF 리서치", "이직 준비", "신사업 아이디어"처럼 본인이 자주 돌아오는 주제를 Space로 묶어두고, 관련 PDF·링크를 그 안에 모아 질문하면, 매번 처음부터 컨텍스트를 설명할 필요가 없습니다. 결과적으로 같은 질문을 반복할 때 답변의 일관성이 크게 올라가고, 며칠 뒤 다시 들어가도 흐름이 끊기지 않습니다.

결론: 검색을 "찾기"에서 "묻기"로 옮길 때

Perplexity 검색의 핵심은 "AI가 알려주는 정답"이 아니라, 출처 번호와 후속 질문을 통해 사용자가 더 빠르게 의심하고 더 깊이 파고들 수 있게 해 주는 구조에 있습니다. 무료가 된 Comet 브라우저는 이 구조를 검색창 밖, 즉 평소 브라우징하던 모든 페이지 위로 끌어올린 단계라고 볼 수 있습니다. 한 번에 모든 도구를 갈아 끼울 필요 없이, 위 4단계 중 가장 단순한 1단계만 오늘부터 시작해보세요. 일주일이면 "옛날 검색 방식이 답답하다"는 감각이 직접 느껴질 겁니다.

본 글은 일반 정보 제공 목적이며, 요금제·기능·약관은 서비스 운영사의 정책 변경에 따라 달라질 수 있습니다. 가입 전 공식 페이지에서 최신 조건을 확인하시기 바랍니다.

Cursor AI 개발 2026: Background Agent와 새 요금제로 달라진 비동기 코딩 4단계 가이드

Photo by Arnold Francisca on Unsplash

2026년 Cursor AI 개발 환경은 두 가지 축에서 크게 달라졌다. 첫째, 올해 초 출시된 Cursor 3.0이 Background Agent(Cloud Agent)를 정식 기능으로 풀면서 "에디터 화면에서 기다리며 코딩"하던 방식이 "맡겨두고 다른 일 하기"로 바뀌었다. 둘째, 요금제가 Hobby·Pro·Pro+·Ultra·Teams·Enterprise 6개 플랜으로 세분화되고 크레딧 기반 과금으로 정리되면서 매달 실제 비용을 가늠하기가 더 까다로워졌다. 이 글에서는 비동기 코딩을 시작하는 실전 4단계와 새 요금제 핵심, 그리고 비용 감각을 잡는 법까지 정리한다. (본 글 작성 시점: 2026년 5월 기준)

달라진 점: 동기식 AI 코딩의 한계와 Background Agent

Composer, Agent, Tab 자동완성까지는 모두 "내 화면에서 같이 일하는 AI"였다. 의존성 업데이트, 린트 오류 일괄 수정, 레거시 모듈에 타입 힌트 추가 같은 반복 작업도 결국 사용자가 에디터를 켜고 결과를 기다려야 했다. Background Agent는 이 패턴을 깼다.

• 요청한 작업이 클라우드 가상머신에서 격리 실행된다.
• 저장소 클론 → 파일 수정 → 테스트 실행 → Pull Request 생성까지 자동으로 진행.
• 완료되면 상태바 알림으로 통지하며, 로그·스크린샷·영상으로 활동 내역을 남긴다(2026년 2월 업데이트).
• 로컬 리소스를 잡아먹지 않아 다른 작업과 충돌하지 않는다.

패러다임 변화는 단순하다. 기존이 "AI 옆에서 같이 타이핑"이었다면, Background Agent는 "AI 동료에게 티켓을 발행"하는 모델이다. 사람과 동료 에이전트가 각자 다른 작업을 병렬로 처리한다.

2026 Cursor AI 개발 요금제 한눈에 보기

플랜	월 요금	핵심 한도	특징
Hobby	$0	월 2,000 Tab 자동완성 + 50 slow premium 요청	카드 없이 가입, 개인 학습용
Pro	$20	$20 크레딧 + Auto 모드 무제한	일반 개발자 표준 플랜
Pro+	$60	$60 크레딧	Pro 대비 크레딧 3배
Ultra	$200	$400 크레딧	신기능 우선 접근, 헤비 유저용

핵심 포인트는 두 가지다. 첫째, Auto 모드는 무제한이며 크레딧을 차감하지 않는다 — Cursor가 작업 성격에 맞는 모델을 자동으로 고른다. 둘째, Claude Sonnet이나 GPT-5 같은 프리미엄 모델을 수동으로 골라 쓰면 $20 크레딧으로 대략 225회 Claude Sonnet 요청 또는 550회 Gemini 요청 정도가 가능하다(모델·컨텍스트 길이·출력 길이에 따라 변동).

Cursor AI 개발 실전 4단계: Background Agent 시작하기

1단계: 사전 설정 (약 3분)

• Privacy Mode 비활성화 — 코드를 원격 환경에 전송해야 하므로 Settings에서 꺼준다.
• GitHub 연동 — Integrations에서 대상 저장소에 read-write 권한을 부여한다.
• Usage-based spending 활성화 — 크레딧 초과분에 대비해 최소 $10 충전이 권장된다.

이 세 가지는 한 번 설정하면 다음부터는 신경 쓸 필요가 없다. 회사 코드라면 Privacy Mode 해제 정책이 사내 보안 가이드에 부합하는지 먼저 확인할 것. 시크릿 키·고객 데이터가 포함된 저장소라면 별도 워크 어카운트나 비공개 데모 리포에서 먼저 테스트해 보는 게 안전하다.

2단계: 작업 실행

Agent 패널을 열고 "Run in Background"를 누르거나 단축키 Ctrl+E(macOS는 Cmd+E)를 누른다. 작업 설명과 타깃 브랜치를 지정하고 Start. 좋은 프롬프트 예시는 다음과 같다.

"src/ 폴더 전체의 ESLint 오류를 수정하고, 각 파일에 누락된 TypeScript 타입을 추가해줘. tests/ 안의 단위 테스트는 변경하지 말고, 모든 변경은 별도 PR로 만들어줘."

프롬프트는 대상 범위 + 금지 영역 + 산출물 형태를 한 문장에 명시하는 게 핵심이다. 막연한 "코드 좀 정리해줘"보다 "이 폴더에서 이 규칙만 수정"이 훨씬 안전하다. 첫 시도라면 작은 폴더 하나, 또는 파일 5개 이하로 범위를 좁혀 결과를 확인한 뒤 점진적으로 넓혀가는 걸 권한다.

3단계: 진행 모니터링과 검토

• 상태바 아이콘 또는 사이드바 "Agents" 패널에서 현재 단계, 경과 시간, 라이브 로그를 확인할 수 있다.
• 완료되면 GitHub 페이지로 자동 리다이렉트되며 PR 초안이 채워져 있다.
• diff를 직접 검토하고 필요한 부분만 수정·머지한다 — Background Agent가 만든 PR도 결국 사람의 리뷰가 필요하다.

4단계: 크레딧 관리

• 일상 코딩은 Auto 모드에 맡긴다(크레딧 차감 없음).
• 까다로운 리팩터링이나 Background Agent용으로만 프리미엄 모델을 수동 선택한다.
• 대시보드에서 모델별 사용량을 추적하고, 월 한도의 70% 도달 시 알림을 받도록 설정해 두면 과금 사고를 줄일 수 있다.

간단한 비용 감각을 잡아보면, Pro $20 플랜에서 Claude Sonnet으로 Background Agent를 돌리면 한 작업당 보통 수 회의 모델 호출이 일어난다. 한 달에 비동기 잡일을 20~30건 처리하면 $20 크레딧이 거의 다 소진된다. 그 이상을 정기적으로 돌릴 계획이라면 Pro+나 Ultra로 올리는 게 결과적으로 더 경제적이다.

2026년 2월 업데이트: 자체 평가(Self-evaluation)

2월 업데이트로 Background Agent는 자신의 변경을 스스로 검증하는 단계를 갖췄다. 테스트를 다시 돌려 통과 여부를 확인하고, 변경 전후 동작을 스크린샷·짧은 영상으로 캡처해 PR 설명에 첨부한다. 사람 리뷰어가 "이게 진짜 의도대로 작동하는지" 확인하는 시간을 줄여주는 게 핵심 가치다. 단, 그 검증 단계 자체가 추가 모델 호출을 일으키므로 크레딧이 더 빨리 소진된다는 점은 감안해야 한다.

Background Agent에 잘 맞는 작업 vs 그렇지 않은 작업

모든 작업을 비동기로 돌릴 수 있는 건 아니다. 다음 기준으로 판단하면 시행착오를 줄일 수 있다.

• ✅ 잘 맞는 작업: 의존성 업그레이드, 린트 일괄 수정, 레거시 코드에 타입 힌트 추가, 테스트 커버리지 보강, 반복적 마이그레이션, 문서·주석 일괄 보완.
• ❌ 잘 안 맞는 작업: 제품 의사결정이 얽힌 신규 기능 설계, 실시간 디버깅, 보안 민감한 변경(인증·시크릿 처리), 디자인 결정, UX 미세 조정.

또 하나 체감되는 한계는 비용이다. Background Agent는 자체 검증·문서화 단계가 추가되면서 같은 작업을 동기식으로 처리할 때보다 크레딧을 더 빠르게 소진할 수 있다. 비용에 민감하다면 작업 단위가 명확하고 결과 검증이 쉬운 일감부터 시작하는 게 안전하다. 또한 Background Agent가 만든 PR은 자동으로 머지하지 말고 사람이 한 번 더 확인하는 프로세스를 유지해야 한다 — AI가 검증 단계를 자동화했다고 해서 사람 리뷰의 가치가 사라진 건 아니다.

결론: 비동기 코딩이 표준이 되는 흐름

Cursor 3.0의 Background Agent는 "AI가 옆에서 도와주는 도구"에서 "AI에게 일을 맡기는 동료"로 한 단계 더 패러다임을 옮겼다. 새 요금제는 가벼운 사용자에게는 여전히 Pro $20면 충분하지만, 헤비 유저에게는 Pro+나 Ultra로의 전환을 고민하게 만드는 구조다. 핵심 전략은 단순하다 — Auto 모드를 기본값으로 두고, 비동기로 돌릴 가치가 있는 잡일에만 프리미엄 크레딧을 쓰는 것이다. 오늘 30분만 내서 평소 미뤄둔 린트 오류 청소나 의존성 업그레이드를 Background Agent로 한 번 맡겨보자. 일하는 방식 자체가 달라지는 게 체감될 것이다.

ChatGPT 프롬프트 고급 활용법 2026: Custom Instructions·Memory로 매번 더 나은 답을 받는 4단계

Photo by Igor Omilaev on Unsplash

같은 ChatGPT를 쓰는데 누군가는 실무에 그대로 쓰는 결과물을 뽑아내고, 누군가는 매번 어색한 일반론을 받습니다. 차이는 "더 비싼 모델"이 아니라 ChatGPT 프롬프트를 다루는 방식에 있습니다. 같은 질문을 던져도 모델이 "당신이 누구이고, 어떤 답을 원하는지" 알고 시작하면 답의 깊이가 달라집니다. 이 글에서는 단순한 "역할 부여" 한 줄을 넘어, Custom Instructions와 Memory, 그리고 프롬프트 구조를 결합해 매번 더 나은 답을 끌어내는 4단계 시스템을 정리합니다.

왜 똑같은 ChatGPT 프롬프트인데 결과가 다를까

OpenAI는 사용자가 매번 자신을 다시 설명하지 않아도 되도록 두 가지 개인화 장치를 제공합니다. 하나는 모든 새 대화에 자동 적용되는 Custom Instructions(맞춤형 지침)이고, 또 하나는 사용자가 명시적으로 저장하거나 모델이 최근 대화에서 추출해 활용하는 Memory(메모리)입니다. 두 기능을 비워둔 채로 "프롬프트만 길게" 쓰면, 대화를 시작할 때마다 같은 배경을 반복 입력해야 합니다. 그래서 같은 질문을 해도 결과 품질이 들쭉날쭉합니다.

또 하나, 한국에서 흔히 도는 "프롬프트 잘 쓰는 법" 콘텐츠는 대부분 초창기 모델 기준입니다. 2026년의 최신 모델들은 추론(reasoning)이 내장된 경로와 일반 응답 경로가 갈라져 있어, 같은 "단계별로 생각해줘" 한 줄이 어떤 모델에서는 도움이 되고 어떤 모델에서는 오히려 잡음이 됩니다. 이 차이를 모르고 쓰면 토큰만 낭비합니다.

Custom Instructions: 한 번 채워두면 모든 대화에 적용

설정 → Personalization → Custom Instructions로 들어가면 두 칸짜리 입력창이 있습니다. 첫 칸은 "당신에 대해 ChatGPT가 알아야 할 것", 둘째 칸은 "응답 방식". OpenAI 공식 문서에 따르면 각 칸은 1,500자 제한이고, 모든 요금제와 Web·Desktop·iOS·Android에서 동일하게 동작합니다.

첫 칸(나에 대해)에 넣을 것

• 직무·연차·업종 (예: "B2B SaaS 마케터 5년차, 콘텐츠와 그로스 담당")
• 주로 쓰는 도구·언어 (예: "Notion, GA4, Python 기초 / 한국어 우선")
• 현재 집중하고 있는 프로젝트나 학습 주제 한두 줄

둘째 칸(응답 방식)에 넣을 것

• 기본 출력 형식 (예: "결론 → 근거 → 예시 → 다음 액션 순서로")
• 피해야 할 것 (예: "사과·자기소개·면책 문구 생략, 본론부터")
• 불확실할 때의 행동 (예: "추측하지 말고 어떤 정보가 부족한지 먼저 질문")

이 한 번의 세팅이 이후 모든 대화의 "암묵적 시스템 프롬프트"로 작동합니다. 매번 "마케터 입장에서 답해줘"를 적지 않아도 됩니다.

Memory: Saved Memory와 대화 참조의 차이

OpenAI는 Memory를 두 층으로 운영합니다. 하나는 사용자가 명시적으로 "이것 기억해줘"라고 요청해 저장되는 Saved Memories, 다른 하나는 사용자가 켜둘 경우 모델이 최근 대화 내용을 참조해 톤·맥락을 이어가는 대화 기록 참조입니다. 무료 요금제는 가벼운 버전, Plus·Pro·Enterprise는 더 풍부한 회상을 제공합니다(본 글 작성 시점 기준 OpenAI Help Center 안내).

Custom Instructions와 헷갈리기 쉬운데, 역할 분담은 다음처럼 잡으면 단순합니다.

• Custom Instructions = 자주 바뀌지 않는 "출력 규칙"과 "내 프로필"
• Memory = 대화 중 자연스럽게 누적되는 "내 취향·진행 중인 프로젝트 상태"

예를 들어 "한국어로, 결론부터"는 Custom Instructions에 넣고, "지금 진행 중인 블로그 자동화 프로젝트는 Cloudflare Workers를 백엔드로 쓴다" 같은 일시적이지만 중요한 맥락은 Memory에 저장하라고 명시적으로 요청하면 됩니다. 설정에서 개별 메모리를 삭제하거나 전체를 비활성화할 수 있어, 민감한 정보가 누적되는 게 걱정되면 주기적으로 정리해도 됩니다.

프롬프트 본문은 Role · Task · Format · Constraint 4요소로

2026년 프롬프트 엔지니어링 가이드들이 공통적으로 강조하는 것은 "길게 쓰기"가 아니라 "명세서처럼 쓰기"입니다. 모델의 주의는 앞쪽 토큰에 더 쏠리므로, 프롬프트 첫머리에 역할과 과제를 분명히 두는 게 핵심입니다. 실무에서 잘 작동하는 최소 구조는 네 가지입니다.

• Role — "누구처럼 답할 것인가" (예: "B2B SaaS 콘텐츠 에디터")
• Task — "정확히 무엇을 만들 것인가" (예: "랜딩 페이지 헤드라인 5개")
• Format — "어떤 형태로 줄 것인가" (예: "표, 각 행에 카피·타깃·기대 반응")
• Constraint — "지켜야 할 제약" (예: "한 줄 25자 이내, 광고성 표현 금지")

Role은 분류·사실 확인 같은 단순 과제에는 효과가 크지 않지만, 톤이 중요한 글쓰기·기획·코칭 같은 개방형 과제에서는 답의 결을 크게 바꿉니다. 반대로 Constraint를 생략하면 "그럴듯한 일반론"이 나옵니다. "한 줄 25자, 의문문 금지" 같은 구체적 제약이 평범한 카피와 쓸 만한 카피를 가릅니다.

나쁜 예 vs 좋은 예

같은 의도라도 어떻게 쓰느냐에 따라 결과가 크게 달라집니다.

• ❌ "광고 카피 좀 써줘" — 어떤 제품, 누구를 위해, 어떤 톤인지 모두 빠져 있어 모델이 평균값을 답합니다.
• ✅ "30대 직장인 대상 가계부 앱 출시 광고 카피. Role: 카피라이터 10년차. Format: 표 5행, 컬럼은 헤드라인/타깃 페인포인트/CTA. Constraint: 한 줄 20자 이내, 의문문 금지, 영어 단어 1개 이하."

두 번째 프롬프트는 첫 번째보다 길지만, 모델이 추측할 여지를 거의 남기지 않아 첫 시도에서 바로 쓸 만한 결과가 나올 확률이 훨씬 높습니다.

실전 팁: 매번 더 나은 답을 받는 4단계 체크리스트

1단계 — 세팅을 먼저 끝낸다

새 프로젝트를 시작할 때 가장 먼저 Custom Instructions를 점검합니다. 직무·도구가 바뀌었는데 옛 설정이 남아 있으면 답이 어긋납니다. 분기별 1회 정도 다시 들여다보는 걸 권장합니다.

2단계 — 추론 모델과 일반 모델을 구분해서 쓴다

OpenAI의 추론 계열 모델(o-시리즈 등)은 내부에서 이미 단계별 사고를 수행하도록 설계돼 있습니다. 이런 모델에는 "step by step으로 생각해줘" 같은 명시적 chain-of-thought 지시를 굳이 추가하지 않는 편이 좋다고 여러 2026년 가이드가 정리하고 있습니다. 반대로 일반 응답 모델에 복잡한 분석을 시킬 때는 "근거를 단계별로 보여달라"가 여전히 유효합니다.

3단계 — Output 예시를 하나라도 같이 준다

원하는 결과의 샘플을 하나만 붙여도 응답 품질이 눈에 띄게 안정됩니다. "이런 표 형식으로", "이런 어조로" 글로 설명하는 것보다 실제 한 줄을 보여주는 게 빠릅니다. 여기까지가 흔히 말하는 "Few-shot" 기법인데, 거창한 이름과 달리 예시 하나로 충분한 경우가 많습니다.

4단계 — 안 풀리면 프롬프트가 아니라 모델 자체를 의심한다

같은 프롬프트로도 모델 버전에 따라 결과가 크게 다릅니다. 코딩이라면 코딩 특화 모델, 긴 문서 분석이라면 컨텍스트가 넉넉한 모델로 바꿔보는 게 프롬프트 다섯 번 고치는 것보다 빠를 때가 많습니다. "프롬프트 탓"으로 보이는 문제 상당수가 사실은 "도구 선택 실수"입니다.

결론: 프롬프트보다 "환경"을 먼저 세팅하라

2026년의 ChatGPT 프롬프트 잘 쓰기는 더 이상 한 줄짜리 마법 문장을 찾는 게임이 아닙니다. Custom Instructions로 나의 프로필과 출력 규칙을 한 번 박아두고, Memory로 진행 중인 맥락을 누적시키고, 본문 프롬프트는 Role·Task·Format·Constraint 네 축으로 짜는 것 — 이 세 가지가 합쳐질 때 같은 모델에서도 다른 결과가 나옵니다. 오늘 바로 Custom Instructions 두 칸부터 채워보세요. 다음 대화부터 답의 결이 바뀝니다.

※ 본 글의 기능·정책 내용은 작성 시점 기준 OpenAI Help Center 공식 문서 안내를 참고했습니다. 요금제별 Memory 범위와 인터페이스는 업데이트에 따라 달라질 수 있습니다.

클로드 활용법 2026: Skills로 만드는 반복 업무 자동화 4단계 워크플로우

Photo by Bernd 📷 Dittrich on Unsplash

매일 클로드를 켜고 똑같은 프롬프트를 다시 붙여넣고 있다면, 도구를 쓰는 게 아니라 시간을 갈아넣는 일에 가깝습니다. 보고서 양식, 코드 리뷰 체크리스트, 회의록 정리 규칙 — 머릿속엔 있지만 매번 설명해야 하는 그 패턴들 말이에요. 2026년 4월 일반 출시된 Opus 4.7과 함께 정착된 Skills 기능이 바로 이 반복을 끊어줍니다. 이번 글에서는 클로드 활용법을 "더 좋은 프롬프트 쓰기"에서 "한 번 만들어 계속 쓰는 자동화"로 끌어올리는 4단계 워크플로우를 정리합니다. (본 글 작성 시점 2026년 5월 기준)

왜 2026년 클로드 활용법이 Skills 중심으로 바뀌었나

2026년 들어 Claude에서 가장 큰 변화는 모델 성능이 아니라 같은 작업을 패키지로 저장하는 구조가 자리잡았다는 점입니다. 이전엔 매번 긴 프롬프트를 복붙하거나, Projects의 지시문에 모든 규칙을 욱여넣어야 했어요. Skills는 이걸 "주제별 폴더"로 쪼개서, 클로드가 필요할 때만 알아서 꺼내 쓰게 만듭니다.

Skills와 Projects, 무엇이 다른가

구분	Skills	Projects
역할	특정 작업을 처리하는 "방법"	장기 작업의 "맥락·자료"
저장 형식	SKILL.md 파일 (YAML 헤더 + 지침)	지시문 + 지식 베이스 파일
호출 방식	관련 키워드 자동 매칭 또는 /skill-name	해당 프로젝트 진입 시 항상 로드
대표 예시	주간 보고서 작성, PR 코드 리뷰	책 집필, 특정 제품 운영

핵심은 "Skills는 동사, Projects는 명사"라는 점입니다. 한 Projects 안에서 여러 Skills를 함께 쓰는 게 가장 효율적인 조합이에요.

Skills로 반복 업무 자동화하는 4단계

1단계 — skill-creator 활성화

웹·데스크톱 클로드에서 설정 → 기능 → skill-creator 메뉴를 켭니다. Pro 플랜 이상이면 사용할 수 있고, 터미널 환경의 Claude Code에서는 ~/.claude/skills/ 폴더에 SKILL.md를 직접 두거나 /plugin marketplace add anthropics/skills로 공식 마켓플레이스 스킬을 가져올 수 있습니다.

2단계 — 평소처럼 한 번 작업하고 "Skill로 만들어줘"

핵심은 처음부터 완벽한 지침을 쓰려고 하지 않는 것입니다. 평소 하던 대로 한 번 작업을 끝까지 진행한 뒤, 마지막에 "방금 흐름을 Skill로 만들어줘"라고 요청하면 클로드가 그 흐름을 바탕으로 초안 SKILL.md를 만들어 줍니다. 처음엔 어색하지만, 이렇게 만든 Skill 두세 개만 손에 익혀도 매일 30분 이상이 가벼워집니다.

3단계 — SKILL.md의 YAML 헤더 다듬기

SKILL.md 파일 맨 위 --- 사이에 들어가는 두 필드가 모든 걸 좌우합니다.

• name: kebab-case (예: weekly-report-writer)
• description: 이 Skill이 언제 발동해야 하는지를 구체적인 트리거 문구와 함께 명시. "주간 보고서를 써달라거나, 지난주 업무를 정리해달라는 요청이 오면 이 Skill을 사용한다" 같은 식.

description이 모호하면 클로드가 Skill을 안 꺼내옵니다. 발동 조건을 한 문장으로 못 쓰겠으면 Skill로 만들기엔 너무 이른 작업이라는 신호예요. 그럴 땐 같은 작업을 두세 번 더 해보고, 패턴이 보일 때 다시 시도하면 됩니다.

4단계 — "검증자 → 수정 → 반복" 패턴 심기

Anthropic이 공개한 Skill 작성 모범 사례에서 일관되게 추천하는 패턴이 있습니다. Skill 안에 출력물을 자기 점검하는 단계를 넣는 것입니다. 예: "보고서를 작성한 뒤, (1) 모든 수치에 출처가 함께 있는지, (2) 다음 주 할 일이 명시되어 있는지 다시 확인하고 부족하면 보완한다." 한 번의 검증 루프만 추가해도 결과 품질이 눈에 띄게 올라갑니다.

처음 만들기 좋은 Skill 후보 세 가지

막막하다면 다음 중 하나로 시작하세요. 모두 패턴이 명확해서 description을 쓰기 쉽고, 매일·매주 반복되어 효과가 빨리 체감됩니다.

• 주간 회고 작성 — 캘린더·할 일 목록을 붙여넣으면 정해진 양식으로 정리해 주는 Skill.
• 이메일 톤 점검 — 메일 초안을 받아 어색한 문장과 과한 사과 표현을 짚어주는 Skill.
• 회의록 요약 — 녹취 텍스트를 받아 결정사항·할 일·담당자 세 항목으로 분류해 주는 Skill.

Projects를 같이 쓸 때 컨텍스트 절약 팁

Skills가 "방법"이라면 Projects는 "재료"입니다. 두 가지를 같이 쓸 때 자주 빠지는 함정과 해결법을 정리했습니다.

• 지시문엔 큰 맥락만, 작업 지시는 대화에서 — "이 프로젝트는 B2B SaaS 마케팅 블로그입니다" 정도면 충분. "오늘은 X 주제로 써줘"는 채팅창에 그때그때.
• 안 쓰는 지식 파일은 즉시 제거 — 업로드만 해둬도 컨텍스트를 먹습니다. 6개월 전 PDF가 여전히 들어 있는 프로젝트는 응답 속도와 정확도 둘 다 떨어집니다.
• 1M 컨텍스트 한도 근처에선 RAG 모드로 자동 전환 — Opus 4.7은 표준 가격으로 1M 토큰까지 받지만, 그 한계에 가까워지면 클로드가 자동으로 RAG 방식으로 바꿔 필요한 부분만 찾아 씁니다. 그래도 사람이 정리해두는 게 정확도엔 훨씬 낫습니다.

플랜은 어떻게 골라야 하나

플랜	월 요금	적합한 사람
Free	0달러	맛보기, Skills를 직접 만들기엔 한계
Pro	20달러 (연간 결제 시 17달러)	Projects 무제한·Claude Code 포함, 개인 자동화 시작점
Max 5x	100달러	하루 종일 코딩·리서치하는 파워 유저
Max 20x	200달러	장시간 에이전트 작업을 돌리는 전문가
Team	1인당 30달러 (최소 5석)	팀 단위 협업·공유 Projects

Skills를 본격적으로 쓸 거라면 Pro로 시작해서 두 달 정도 사용량을 보고 Max로 올릴지 결정하는 게 가장 합리적입니다. 요금제는 변동될 수 있으니 결제 전엔 claude.com/pricing에서 최신 가격을 확인하세요.

결론 — "프롬프트 잘 쓰기"는 끝, "Skill 잘 만들기"가 시작

2026년의 클로드 활용법은 더 이상 "어떻게 묻는가"가 아니라 "어떻게 한 번 만들어서 계속 쓰는가"의 게임입니다. 매일 반복하는 작업 중 가장 시간을 잡아먹는 하나를 고르고, 오늘 그걸 첫 번째 Skill로 만들어 보세요. 일주일 안에 손에 잡히는 시간 차이가 느껴질 거예요.

AI 블로그 자동화 2026: 양치기 한계와 4단계 파이프라인·도구 비용 정리

Photo by Christin Hume on Unsplash

"AI 블로그 자동화로 하루 10편씩 찍어내면 부수입이 만들어진다." 이런 말, 2026년에도 통할까요? 결론부터 말하면 아닙니다. 구글이 2026년 3월 코어 업데이트에서 사람 검토 없이 하루 50건 이상 AI 글을 쏟아낸 사이트들을 직접 타격하면서, '양치기 자동화'의 시대는 끝났습니다. 그렇다고 자동화가 의미 없는 건 아닙니다. 오히려 사람의 판단을 어디에 끼워 넣을지 설계만 잘하면, 하루 10분 만으로도 안정적으로 글이 나오는 파이프라인을 만들 수 있죠. 이 글에서는 본 사이트가 실제로 굴리고 있는 자동화 구조를 기반으로, AI 블로그 자동화의 현실적인 4단계 파이프라인을 정리합니다.

왜 "완전 무인 자동화"는 더 이상 답이 아닐까

2024~2025년에는 GPT API를 n8n이나 Make에 연결해 키워드만 던지면 본문·이미지·발행까지 한 번에 처리하는 워크플로우가 유행했습니다. 문제는 그 결과물이 구글 입장에서 너무 똑같이 생겼다는 것입니다.

구글 정책이 실제로 금지하는 것

구글 검색 가이드라인과 AdSense 프로그램 정책은 AI가 만든 콘텐츠 자체를 금지하지 않습니다. 금지하는 건 다음 세 가지입니다 (본 글 작성 시점 2026년 5월 기준).

• Scaled content abuse: 검색 순위만 노리고 대량 생산된, 사용자에게 가치가 없는 콘텐츠
• Thin content: 어디서나 볼 수 있는 일반론, 식별 가능한 저자·전문성 없음
• Editorial oversight 부재: 사람이 검수·편집한 흔적이 없는 글

업계 분석에 따르면 2026년 3월 코어 업데이트 이후 타격을 받은 사이트들의 공통점은 ①하루 50건 이상의 AI 글 자동 발행, ②"OO지역 최고 식당 5곳" 류의 템플릿형 양산 콘텐츠, ③경쟁자 글을 AI로 리라이팅해 가치를 더하지 않은 경우 세 가지였습니다.

그래서 자동화의 방향이 바뀌었다

핵심은 "AI가 90%, 사람이 10%" 모델로 옮겨가는 것입니다. 사람이 손대는 10%가 키워드 선정, 사실 검증, 마지막 톤 다듬기에 집중되면 E-E-A-T(경험·전문성·권위·신뢰) 신호를 살리면서도 운영 부담은 낮아집니다.

AI 블로그 자동화 핵심 도구 4종

AI 블로그 자동화 파이프라인은 크게 ① 글 생성, ② 워크플로우 연결, ③ 발행·소셜 확산, ④ 분석·개선의 네 축으로 구성됩니다. 각 축에서 2026년 시점 가장 자주 쓰이는 도구를 정리하면 다음과 같습니다.

역할	대표 도구	2026년 시작 가격
글 생성 LLM	Claude, ChatGPT, Gemini	월 $20 안팎 (Pro 기준)
워크플로우 자동화	n8n, Make, Zapier	n8n 셀프호스팅 $5 / Make Core $10.59 / Zapier Pro $19.99
AI 에이전트형 실행	Claude Code (SKILL.md)	Pro 플랜 내 포함
발행·소셜 분배	Blogger / WordPress API, Threads, X	대부분 무료 API

워크플로우 도구: n8n vs Make vs Zapier

워크플로우 도구는 사용량 단위가 서로 달라 직접 비교가 까다롭습니다. Zapier는 "태스크"(스텝 1개당 1태스크)로, Make는 "오퍼레이션"(모듈 호출 1회당 1오퍼레이션)으로, n8n은 "실행"(워크플로우 1회 전체)으로 셉니다.

• Zapier Professional: 연 결제 시 월 $19.99에 750 태스크 — 가장 쉽지만 가장 비쌈
• Make Core: 월 $10.59에 10,000 오퍼레이션 — 가격 대비 가장 균형
• n8n Self-hosted: 월 $5부터 실행 횟수 무제한 — 가장 저렴하지만 서버 운영 지식 필요

월 100건 정도 발행하는 1인 운영자라면 Make Core가 가장 무난하고, 기술적 자신감이 있다면 n8n 셀프호스팅으로 95% 이상 비용을 줄일 수 있습니다.

Claude Code Skills: 반복 작업을 패키지로 굳히는 법

2025년 말 등장한 Claude Code의 Skills 기능은 자동화의 결을 바꿨습니다. SKILL.md라는 마크다운 파일에 워크플로우 지시문을 적어두면, Claude가 그 절차를 매번 동일한 품질로 재현해 줍니다.

• YAML 프런트매터 + 마크다운 본문으로 구성된 단일 파일
• 보조 스크립트·자료를 같은 폴더에 두고 호출 가능
• 실행 결과를 learnings.md에 누적하면 다음 실행 시 참고하는 "자기 개선" 루프 구성 가능

본 사이트도 이 방식으로 운영됩니다. "키워드 선택 → 리서치 → 본문 작성 → 자체 검토 → Blogger 발행 → Notion 백업"이라는 9단계를 SKILL.md 한 장에 정리해두면, 매일 정해진 시간에 launchd(맥OS 스케줄러)가 Claude를 호출해 똑같은 절차를 반복합니다.

실전: 4단계 무인 발행 파이프라인 짜기

아래는 1인 운영자 기준으로 가장 현실적인 AI 블로그 자동화 구조입니다. 각 단계에서 "사람이 끼어드는 지점"을 어디에 둘지가 핵심입니다.

1단계: 키워드 큐 구축 (사람 개입 ○)

자동화 파이프라인의 입력값입니다. 보통 카테고리별로 15~20개씩 키워드를 JSON으로 정리해두고, 7일 내 중복 발행을 막는 룰을 추가합니다. 키워드는 처음에 사람이 직접 큐레이션하세요 — 이 단계에서 토픽 자체가 흥미롭지 않으면 뒤 단계가 아무리 잘 돌아가도 트래픽이 안 붙습니다.

2단계: 리서치 + 초안 생성 (AI)

키워드가 정해지면 LLM이 ①웹 검색 2~3회로 사실 확인, ②3,000~4,500자 초안 작성, ③출처가 불명확한 단언 자체 검증의 흐름을 돕니다. 여기서 "모르는 건 쓰지 마라" 룰을 시스템 프롬프트에 박아두는 게 중요합니다. 수치(수익률·세율·가격)는 검색 근거가 있을 때만 본문에 넣고, 없으면 그 문장 자체를 삭제하도록 시키세요. 흐림 표현("약 ~ 수준")으로 회피하면 평균 품질이 떨어집니다.

3단계: 자체 검토 + 발행 (AI, 사람은 옵션)

초안이 만들어지면 같은 모델이 다른 페르소나로 검토하게 합니다. 체크리스트는 보통 다음 항목으로 구성합니다.

• 본문의 모든 구체 수치에 출처가 있는가
• 언급한 제품·서비스·기능이 현재 실재하는가
• "최고의/유일한" 같은 광고성 표현이 없는가
• 키워드가 제목·첫 문단·H2 중 1곳 이상에 자연스럽게 들어갔는가
• 의료·법률·세무 단언이 있으면 "전문가 상담 권장" 면책이 붙어 있는가

검토 후 자동 발행. Blogger·WordPress 모두 무료 API를 제공하므로 추가 비용 없이 게시 가능합니다.

4단계: 분배 + 분석 (자동)

발행과 동시에 Threads·X 같은 소셜에 티저를 자동 게시하고, URL에 UTM 파라미터(예: utm_source=threads)를 붙여 GA4로 유입 경로를 추적합니다. 한 달간 데이터가 쌓이면 어떤 카테고리·키워드가 트래픽을 만드는지 보이고, 1단계의 키워드 큐를 재조정하는 피드백 루프가 완성됩니다.

주의할 점과 시작 팁

자동화에 너무 빠지면 잊기 쉬운 세 가지가 있습니다.

1. 저자 정보를 명시하라: 익명·가명이 아닌, 실재하는 운영자 프로필(About 페이지, SNS 링크)이 E-E-A-T 신호에 직접적으로 기여합니다.
2. 발행량보다 일관성: 하루 1편을 6개월 유지하는 게, 하루 10편을 2주만 하다가 멈추는 것보다 훨씬 강력합니다. 구글은 신규성보다 꾸준함을 더 신뢰합니다.
3. 주 1회는 사람이 직접 읽어라: 자동화 글 중 한 편을 골라 처음부터 끝까지 읽고, 어색하거나 사실관계가 의심되는 부분을 수정 발행하세요. 모델이 만드는 미묘한 할루시네이션은 자동 검토로는 못 잡습니다.

비용 측면에서는 처음부터 풀세팅하지 말고 "LLM 1개 + 워크플로우 1개"로 시작하는 걸 권합니다. Claude Pro($20) + Make Core($10.59) 조합이면 월 $30대 예산으로 충분히 굴러갑니다. n8n 셀프호스팅까지 갈지는 한 달 운영해보고 비용이 부담스러워졌을 때 결정해도 늦지 않습니다.

결론: 자동화는 "사람을 빼는 것"이 아니라 "사람을 더 잘 쓰는 것"

2026년의 AI 블로그 자동화는 양치기에서 멀어지고 있습니다. 구글 정책이 그렇게 만들었고, 독자도 그쪽을 원합니다. 자동화의 목적은 사람의 시간을 가장 값어치 있는 곳—키워드 선택과 마지막 검수—에 쓰게 만드는 것이지, 사람을 완전히 빼는 게 아닙니다. 오늘 키워드 큐 15개부터 정리해서 작은 파이프라인 한 줄을 만들어보세요. 일주일이면 첫 자동 발행이 돌고, 한 달이면 어떤 글이 트래픽을 만드는지 데이터로 보이기 시작합니다.

※ 본 글의 가격·정책 정보는 작성 시점인 2026년 5월 기준이며, 각 서비스의 약관과 가격은 수시로 바뀔 수 있으니 도입 전 공식 페이지에서 재확인하시기 바랍니다.

AI 유튜브 자동화 2026: 정책 변경 후 살아남는 도구 3종과 4단계 워크플로우

Photo by Detail .co on Unsplash

"AI로 영상 하루 5개씩 찍어내면 빠르게 수익화될 거다." 작년까지는 그렇게 통했습니다. 하지만 AI 유튜브 자동화를 시도하는 분들에게 2025년 7월은 분기점이 됐습니다. 유튜브가 "대량 생산·반복 AI 콘텐츠"의 광고 수익을 차단하는 정책을 본격 시행하면서, 같은 도구·같은 워크플로우로도 누구는 살아남고 누구는 채널이 멈춰버렸습니다. 본 글 작성 시점(2026년 5월) 기준으로 "지금 다시 시작한다면" 어떤 도구를 어떻게 조합해야 정책을 통과하는지, 검증된 정보만 정리했습니다.

왜 2025년 7월 이후 AI 유튜브 자동화 채널이 쏟아져 정지됐나

유튜브는 본 글 작성 시점 기준으로 "AI 사용 자체"를 금지하지 않습니다. 정책의 칼끝은 두 가지를 향합니다. 첫째는 대량 생산(mass-produced), 둘째는 반복 구성(repetitive)입니다. 자동화된 시스템으로 같은 형식을 기계적으로 양산하는 채널, AI 음성으로 위키백과를 읽어 슬라이드만 붙이는 채널, 출처만 살짝 바꾼 AI 뉴스 영상을 무한히 올리는 채널이 1차 표적이 됐습니다.

유튜브 파트너 프로그램(YPP) 가입 조건 자체는 동일합니다. 구독자 1,000명 이상이고, 지난 12개월간 공개 영상 시청 시간 4,000시간 또는 90일 내 쇼츠 조회수 1,000만 회 중 하나를 충족해야 합니다. 또한 6개월 이상 영상이나 커뮤니티 게시물 업데이트가 없으면 채널 수익 창출 자격이 박탈될 수 있다는 점도 함께 기억해 두는 것이 좋습니다. 정책 위반은 영상 단위 광고 차단에서 끝나지 않고, 반복될 경우 YPP 자체에서 채널이 퇴출될 수 있다는 점이 이번 변화의 핵심입니다.

결국 자동화 채널이 살아남는 조건은 단순합니다. "AI를 썼느냐"가 아니라 "독창적이고 진정성 있는 스토리텔링이 들어갔느냐"입니다. 도구 선택과 워크플로우는 이 기준 위에서 다시 짜야 합니다. 같은 도구로도 적용 방식만 바꾸면 결과가 크게 달라지는 것이, 살아남은 채널들의 공통점입니다.

AI 유튜브 자동화에 자주 쓰이는 핵심 도구 비교

현재 시점에서 한국 1인 운영자가 가장 많이 조합해 쓰는 도구는 음성(TTS), 영상 편집·재활용, 종합형 영상 생성 세 그룹으로 나뉩니다. 각 그룹의 대표 도구를 검증된 기능 중심으로 비교했습니다.

1) ElevenLabs — AI 음성(TTS·보이스 클로닝) 표준

텍스트를 입력하면 사람 목소리에 가까운 자연스러운 오디오를 생성하는 AI TTS 플랫폼입니다. 본 글 작성 시점 기준 70개 이상의 언어를 지원하며, 보이스 클로닝 기능으로 자기 목소리 또는 라이선스된 보이스를 학습시켜 일관된 채널 톤을 유지할 수 있습니다. "AI 음성으로 위키백과를 읽기만 하는" 콘텐츠는 정책 위반이지만, 본인이 직접 쓴 스크립트를 자신만의 보이스로 내레이션하는 활용은 정책상 문제 없는 영역에 속합니다. 한국어 발음·억양 자연스러움은 본인 채널의 주력 톤과 직접 들어보고 맞춰보는 것을 권장합니다.

2) Pictory — 롱폼을 숏폼·요약 영상으로 재활용

긴 영상이나 텍스트(블로그 글, 팟캐스트, 웨비나)를 짧고 매력적인 클립으로 자동 변환해주는 도구입니다. 이미 만든 롱폼 영상을 유튜브 쇼츠·인스타 릴스·틱톡용 9:16 클립으로 잘라내는 "재활용 자동화"에 강점이 있습니다. 0에서 영상을 찍어내는 도구라기보다, 본인 콘텐츠를 채널 곳곳에 퍼뜨릴 때 시간을 줄여주는 보조 도구로 보는 편이 정확합니다. 한 편의 롱폼이 곧 여러 편의 쇼츠가 되어 채널 활성도와 노출 빈도를 올려줍니다.

3) InVideo — 종합형 AI 영상 생성·편집기

스크립트만 넣어도 생성형 영상·내레이션·자막·스톡 영상을 묶어 1차 컷을 만들어주는 종합 도구입니다. 본 글 작성 시점 기준으로 Sora 2·VEO 3 같은 생성형 영상 모델 통합을 광고하고 있고, 1,600만 개 이상의 스톡 자산과 140개 이상 언어의 AI 음성을 제공합니다. 페이스리스(얼굴이 나오지 않는) 채널 운영자가 1차 도구로 자주 선택하는 옵션입니다. 다만 InVideo의 결과물을 그대로 업로드하면 "템플릿 양산"으로 보일 수 있어, 자기만의 인서트·자막 스타일을 반드시 덧입혀야 합니다.

정책을 통과하는 4단계 자동화 워크플로우

도구를 어떻게 쓰느냐보다, 어떤 순서로 사람의 판단을 끼워 넣느냐가 정책 통과 여부를 가릅니다. 다음 4단계를 권장합니다.

1단계 — 주제와 각도는 사람이 정한다

AI에게 "오늘 트렌드 영상 만들어줘"라고 던지지 마세요. 본인이 직접 두 가지를 정합니다. 첫째, 이 영상이 시청자의 어떤 질문에 답하는가. 둘째, 같은 주제의 기존 영상과 무엇이 다른가(나만의 데이터·경험·각도). 이 단계에서 "유튜브가 차단하는 반복 콘텐츠"인지 아닌지가 결정됩니다.

2단계 — 스크립트 초안만 AI에 위임

ChatGPT·Claude 같은 LLM으로 스크립트 초안을 받되, 반드시 본인의 사례·수치·관점을 직접 끼워 넣는 단계를 둡니다. 100% AI 스크립트는 "비진정성"으로 분류될 위험이 큽니다. 초안 분량의 상당 부분은 본인 손으로 다시 쓴다는 기준을 두면 안전합니다. 특히 도입 30초와 마무리 30초는 무조건 본인 언어로 다시 쓰세요. 시청자가 "이 채널만의 어조"를 느끼는 구간이 바로 여기이고, 알고리즘이 영상의 시청 지속률을 평가하는 핵심 구간이기도 합니다. 본인의 경험·실패담·구체 수치를 한두 개 끼워 넣으면 "독창적 스토리텔링" 기준에 한 발 더 가까워집니다.

3단계 — 보이스·영상은 자동화, 컷 편집은 직접

내레이션은 ElevenLabs, 1차 영상 컷은 InVideo로 만들되, 최종 컷 편집·강조 자막·인서트 영상은 직접 손봅니다. 모든 영상이 같은 템플릿·같은 길이·같은 자막 스타일이라면 "반복 구성"으로 분류될 위험이 커지므로, 영상마다 도입부 구성·인서트 빈도·자막 위치를 살짝씩 다르게 가져갑니다.

4단계 — Pictory로 재활용, 6개월 비활성 회피

주력 롱폼을 Pictory로 쇼츠·릴스용 클립 여러 개로 잘라 채널에 분산 업로드합니다. 동시에 커뮤니티 탭에 주기적으로 업데이트를 올려 6개월 비활성 룰에 걸리지 않도록 관리합니다. 자동화의 진짜 효과는 "0→1 양산"이 아니라 "1→N 확산"에서 나옵니다.

흔히 빠지는 함정과 회피 체크리스트

함정	증상	회피 방법
AI 음성 + 슬라이드 양산	같은 포맷 영상이 반복적으로 누적	본인 인서트 영상·실제 화면 녹화 비중 늘리기
위키·기존 기사 단순 낭독	출처 그대로 음성만 입힘	본인 해석·반론·사례를 절반 이상 끼워 넣기
채널 방치	장기간 업로드·커뮤니티 글 없음	커뮤니티 탭 주기적 활용
도구 종속	월 구독료가 채널 수익을 초과	1단계는 무료/저가 플랜으로 검증 후 확장

지금 시작한다면 어떤 순서로?

처음부터 ElevenLabs·Pictory·InVideo를 한 번에 결제할 필요는 없습니다. 본 글 작성 시점 기준 권장 순서는 이렇습니다. ① 무료 LLM으로 몇 편 분량의 스크립트 골격을 짜본다 → ② 그중 1편을 본인 사례를 넣어 완성하고 ElevenLabs 무료 한도 안에서 내레이션을 만든다 → ③ InVideo 무료 플랜으로 1차 컷을 만들어 본인이 직접 마무리한다 → ④ 몇 편을 올린 후 평균 시청 지속률·완시청률을 보고 어떤 포맷이 통하는지 확인한 뒤에 유료 전환을 결정합니다. 이 순서대로 가면 "구독료가 수익을 추월"하는 흔한 실패를 피할 수 있습니다.

핵심은 "유튜브가 막은 것은 AI가 아니라 게으름"이라는 점입니다. AI 유튜브 자동화는 사람의 기획·관점·편집을 빼는 게 아니라, 반복 작업을 빼서 그 시간을 기획에 더 쓰기 위한 도구로 다룰 때 가장 오래 살아남습니다. 오늘 채널 콘셉트 한 줄을 적고, 이번 주 안에 첫 1편을 직접 마무리해 올려보세요.

본 글은 공개된 정보를 정리한 일반 가이드이며, 채널별 수익화 승인·정책 적용은 유튜브 측 판단에 따라 달라질 수 있습니다. 정확한 정책은 유튜브 공식 고객센터 안내를 함께 확인하시기 바랍니다.

Gemini 활용법 2026: Deep Research·Workspace 통합과 AI Pro/Ultra 4가지 핵심 가이드

Photo by Claudio Schwarz on Unsplash

ChatGPT나 Claude는 매일 쓰면서도 Gemini 활용법은 막상 손이 잘 안 가는 분이 많습니다. "Google 계정으로 그냥 쓸 수 있다"는 것까지는 아는데, 무료 버전과 유료 플랜의 차이, Deep Research 같은 신규 에이전트, Workspace 통합 기능을 한 번에 정리해 본 적은 드물죠. 2026년 5월 기준 Gemini는 Google I/O 2026을 거치며 모델·요금·기능이 크게 재편되었습니다. 이번 글에서는 지금 시점에서 가장 헷갈리는 4가지 — 모델 라인업, Deep Research, Workspace 통합, 요금제 — 를 단계별로 정리합니다. 본 글에 인용된 가격·모델 정보는 모두 본 글 작성 시점(2026년 5월 22일) 기준입니다.

왜 지금 Gemini 활용법을 다시 정리해야 하는가

Gemini는 단순한 챗봇이 아니라 Google 생태계 전체를 묶는 AI 레이어로 진화하고 있습니다. 그런데 2026년 들어 변화가 너무 빨라서, 1~2개월 전 자료조차 이미 낡은 정보가 됩니다.

• 모델 교체: 2026년 3월 26일자로 gemini-3-pro-preview가 종료되고 gemini-3.1-pro-preview로 일원화되었습니다.
• I/O 2026 신모델 GA: 2026년 5월 19일 Google I/O에서 Gemini 3.5 Flash가 정식 출시되었습니다.
• 구독제 개편: Google AI Ultra의 진입 가격이 $249.99에서 $99.99로 인하되고 AI Plus 티어가 새롭게 정리되었습니다.

즉 지금 시점에 "Gemini를 어떻게 쓸까"라는 질문은 어떤 모델을 어떤 도구로 어느 플랜에서 쓸 것인가로 바뀌어야 합니다.

핵심 1. Gemini 모델 라인업: 3.1 Pro vs 3.5 Flash

2026년 5월 현재 일반 사용자가 만나는 Gemini 모델은 크게 두 줄기입니다.

Gemini 3.1 Pro — "깊이 생각하는" 모델

2026년 3월부터 종전 3 Pro를 대체한 메인 추론 모델입니다. Google AI Pro 구독에서 기본으로 제공되며, 1M 토큰 컨텍스트 윈도우와 Deep Research 같은 에이전트 기반 기능의 백본으로 쓰입니다. 긴 문서 분석, 코드 리뷰, 멀티 스텝 리서치처럼 "한 번에 많이 읽고 길게 답해야 하는" 작업에 적합합니다.

Gemini 3.5 Flash — "빠르게 행동하는" 모델

2026년 5월 19일 Google I/O에서 GA로 풀린 신모델입니다. 공식 발표 기준 1M 토큰 컨텍스트 윈도우를 유지하면서 코딩·에이전트 벤치마크에서 이전 세대 Pro 모델을 앞서며, 다른 프런티어 모델 대비 약 4배 빠른 응답 속도를 강조합니다. API 가격은 1M 토큰 기준 입력 $1.50 / 출력 $9 수준으로, "속도와 비용 효율"이라는 포지션이 명확합니다.

어떻게 골라 써야 할까

• 긴 보고서·논문 요약, 복잡한 리서치 → 3.1 Pro
• 대량의 단순 작업, 자동화 파이프라인 안에서 호출, 코드 보조 → 3.5 Flash
• Deep Research·Deep Research Max 같은 에이전트 기능 → 내부적으로 3.1 Pro 기반

핵심 2. Deep Research: AI에게 "조사 시키는" 워크플로

Gemini가 ChatGPT와 가장 크게 차별화되는 지점이 바로 Deep Research입니다. 단순 검색이 아니라, AI가 스스로 계획을 세우고 여러 소스를 돌아다니며 보고서를 만들어 옵니다.

Deep Research와 Deep Research Max의 차이

구분	Deep Research	Deep Research Max
지향점	속도·반응성	최대 종합도
전형적 용도	실시간 UI 스트리밍	자동화된 심층 보고
제공 형태	Gemini API 공개 프리뷰(유료 티어)	Gemini API 공개 프리뷰(유료 티어)

일반 사용자에게 의미 있는 4가지 변화

1. MCP 연결: Model Context Protocol로 내 비공개 데이터(사내 문서, DB 등)를 안전하게 연결해 조사하게 할 수 있습니다.
2. 네이티브 시각화: 보고서 안에 차트·인포그래픽을 직접 만들어 줍니다.
3. 리서치 계획 제어: AI가 짠 조사 플랜을 사용자가 직접 수정해 결과 방향을 바꿀 수 있습니다.
4. 파일 업로드 → Canvas 변환: 내가 가진 자료를 소스로 추가하고, 결과 보고서를 인터랙티브 시각자료·퀴즈 등으로 Canvas에서 재가공할 수 있습니다.

처음부터 모든 걸 쓸 필요는 없습니다. "한 가지 주제를 골라 Deep Research로 보고서 1편 만들어 보기" → "Canvas에서 핵심 차트만 추출해 발표 자료로 재활용" 흐름이 가장 부담 없는 시작입니다.

핵심 3. Workspace 통합: Gemini가 Gmail·Docs·Calendar 안으로

Gemini의 또 다른 강점은 Google Workspace 안에 직접 들어가 있다는 점입니다. 별도 탭으로 띄우지 않아도 메일·문서·캘린더 옆에서 호출됩니다.

지금 바로 쓸 수 있는 통합 기능

• Gmail: 이전 메일과 Drive 자료를 참고해 사용자의 말투에 맞춘 맞춤형 스마트 답장 초안을 작성합니다.
• Docs / Drive: Gemini 앱에서 Drive·Docs의 정보를 검색·요약하고, 빠른 답변을 받을 수 있습니다.
• Tasks / Keep: 할 일·메모·리마인더를 Gemini 대화창에서 추가·수정·조회할 수 있습니다.
• Calendar: 자연어로 일정을 만들고 변경할 수 있어, 회의·휴가 일정을 빠르게 잡기 좋습니다.
• Meet 실시간 통역: 화자의 음성·말투·표현을 유지한 채 거의 실시간으로 언어를 번역해 줍니다.

실전 활용 시나리오 3가지

1. 회의 → 액션: Meet 회의록을 Docs에 저장 → Gemini로 요약·할 일 추출 → Tasks에 자동 등록.
2. 메일 → 보고서: 한 주치 Gmail 스레드를 골라 "이번 주 고객 이슈 5가지" 형태로 요약 → Docs에 초안 생성.
3. 일정 → 협업: 자연어로 회의 일정 요청 → Calendar 초안 생성 → 참석자 메일까지 한 번에.

의료·법률·세무 등 전문 영역의 의사결정에는 Gemini의 요약 결과를 그대로 활용하기보다 전문가 상담을 권장합니다. AI 요약은 1차 정리용으로 쓰고, 최종 판단은 자신이 한다는 원칙을 지키는 편이 안전합니다.

핵심 4. 요금제 비교: 무료 / AI Plus / AI Pro / AI Ultra

가격 정보 역시 본 글 작성 시점 기준이며, 환율·국가별 정책에 따라 실제 청구 금액은 달라질 수 있습니다. 결제 직전 Gemini 공식 요금 페이지에서 최종 확인을 권장합니다.

플랜	월 요금(USD)	대표 특징	이런 사람에게
무료	$0	기본 챗·이미지 생성, 컨텍스트 32K	가볍게 문답·요약만 쓰는 사용자
Google AI Plus	$7.99	컨텍스트 128K, Flow/Whisk 월 200 크레딧, NotebookLM Plus, 200GB	가성비를 중시하는 학생·1인 사업자
Google AI Pro	$19.99	Gemini 3.1 Pro, Deep Research, Gems, 1M 컨텍스트, NotebookLM Plus, Workspace 통합, 5TB	업무용으로 본격 활용하는 직장인·프리랜서
Google AI Ultra	$99.99~	Pro 대비 5배 사용량, Gemini 3.5 Flash, 20TB, YouTube Premium 포함	리서치·콘텐츠 제작을 풀가동하는 헤비 유저

플랜 선택 체크리스트

• "메일 답장·일정 잡기 + 가끔 요약" 정도라면 → 무료 또는 AI Plus
• "Deep Research로 보고서를 자주 뽑고 싶다" → AI Pro
• "하루 종일 Gemini를 켜놓고 일한다" → AI Ultra

실용 팁: Gemini 활용법을 빠르게 체화하는 5단계

1. 오늘은 모델·플랜 결정만: 위 표를 보고 본인이 무료/Plus/Pro/Ultra 중 어디인지 한 줄로 적어 두세요. 결정이 명확해야 다음 단계가 빠릅니다.
2. Workspace 연결: Gemini 앱에서 Gmail·Docs·Drive·Calendar 권한을 켭니다. 이 단계가 안 되면 통합 기능은 그림의 떡입니다.
3. 샘플 작업 1개를 자동화: "주간 메일 정리"처럼 매주 반복하는 작업을 하나 골라 Gemini로 옮겨봅니다.
4. Deep Research 1편 실험: 평소 미뤄두던 조사 주제 하나로 Deep Research를 돌려, 결과의 깊이와 한계를 직접 확인합니다.
5. 2주 후 재평가: 실제로 절약한 시간을 기준으로 플랜 다운/업그레이드를 결정합니다. 처음 결정에 갇히지 마세요.

결론: 도구 비교보다 "내 워크플로에 끼우기"가 먼저다

Gemini 활용법의 핵심은 "ChatGPT보다 좋다/나쁘다"가 아니라, Google 계정과 Workspace 안에 이미 들어와 있는 AI를 얼마나 자연스럽게 끼워 넣느냐입니다. 모델·기능·요금은 앞으로도 빠르게 바뀌지만, 메일·문서·일정·리서치라는 큰 4가지 축은 잘 바뀌지 않습니다. 오늘 무료 계정에서 회의 메모 요약 한 번부터 시작해 보세요. 익숙해진 후 Deep Research나 AI Pro로 옮겨가도 늦지 않습니다.

본 글은 일반 정보 제공 목적이며, 가격·기능은 본 글 작성 시점(2026-05-22) 기준입니다. 결제·구독 결정 전 공식 페이지에서 최신 정보를 확인하세요.

Claude vs ChatGPT 2026: Opus 4.7·GPT-5.5 가격·코딩·멀티모달 4가지 비교

Photo by Levart_Photographer on Unsplash

매달 2만 원대 AI 구독료를 결제하기로 마음먹은 순간, 다음 질문이 따라옵니다. Claude vs ChatGPT, 어느 쪽이 내 작업에 더 맞을까? 두 서비스 모두 Pro / Plus 요금이 월 20달러로 같고, 모델 성능은 벤치마크상 몇 퍼센트 차이로 좁혀져 있어 단순히 "더 똑똑한 쪽"을 고르는 시대는 지났습니다. 이제는 내가 자주 하는 작업의 종류에 따라 답이 갈립니다. 이 글에서는 본 글 작성 시점(2026년 5월) 기준 최신 모델인 Claude Opus 4.7과 GPT-5.5를 가격·컨텍스트·코딩·멀티모달 4가지 기준으로 비교하고, 용도별 선택 가이드를 정리합니다.

왜 지금 Claude vs ChatGPT 비교가 다시 중요한가

2026년 4월 16일 Anthropic이 Claude Opus 4.7을 공개했고, 일주일 뒤인 4월 23일에는 OpenAI가 GPT-5.5를 내놓았습니다. 두 모델 모두 직전 세대 대비 코딩과 에이전트 작업에서 두 자릿수 향상이 보고됐고, 일반 사용자가 쓰는 ChatGPT와 Claude 웹 인터페이스에도 차례로 적용됐습니다. 결과적으로 "최신 모델이 어디에 들어 있느냐"는 변별력을 잃었고, 기능 묶음과 워크플로 적합도가 새로운 선택 기준이 됐습니다.

두 서비스의 구독료가 같다는 점도 비교를 어렵게 만듭니다. Claude Pro와 ChatGPT Plus 모두 월 20달러이고, 큰 기능 차이를 한 줄로 줄이기 어렵습니다. 그래서 아래에서는 사용자가 가장 자주 체감하는 4개 축으로 나눠 살펴봅니다.

Claude vs ChatGPT, 4가지 비교 기준

1. 가격: 구독료 동일, API는 모델별로 다름

일반 사용자가 보는 웹 구독은 양쪽 모두 월 20달러입니다. 무료 티어 역시 양쪽 다 제한된 사용량으로 중급 모델을 쓸 수 있습니다. 차이는 API를 직접 호출할 때 드러납니다. 본 글 작성 시점 기준 Claude Opus 4.7은 100만 토큰당 입력 5달러·출력 25달러 수준이고, GPT-5.5는 같은 기준으로 입력 5달러·출력 30달러 선에서 형성돼 있습니다. 출력이 무거운 워크로드에서는 Opus 4.7이 약 17% 가량 저렴해집니다. 대량 호출이 없는 일반 구독자에게는 의미가 작지만, 자동화 파이프라인을 굴리는 사람에게는 누적 차이가 큽니다.

2. 컨텍스트 윈도우: 긴 문서·코드베이스를 통째로 넣기

같은 20달러를 내고도, 한 번에 모델에 넣을 수 있는 분량은 다릅니다. Claude는 기본 200K 토큰 컨텍스트를 제공하고, 최신 Opus 4.7은 최대 1M 토큰까지 확장된 컨텍스트 옵션을 갖습니다. ChatGPT 유료 플랜은 128K 토큰이 기본입니다. 토큰 수치만 보면 추상적이지만, A4 한 페이지가 대략 500~800 토큰이라는 점을 떠올리면 차이가 손에 잡힙니다.

• 책 한 권(300페이지) 통째 분석 → Claude 쪽이 잘림 없이 처리하기 쉬움
• 거대한 코드베이스 리뷰 → Opus 4.7의 1M 컨텍스트 옵션이 유리
• 짧은 채팅 위주 → 128K로도 충분, 체감 차이 거의 없음

3. 코딩 성능: 벤치마크 종류에 따라 결과가 갈림

벤치마크 한 줄로 "누가 이겼다"고 말할 수 없는 영역이 코딩입니다. SWE-bench Verified(실제 GitHub 이슈 해결률) 기준 Claude Opus 4.7은 87.6%를 기록했고, 더 까다로운 SWE-bench Pro에서는 64.3%로 GPT-5.5의 58.6%를 앞섭니다. 반대로 Terminal-Bench 2.0(터미널 작업 자동화)에서는 GPT-5.5가 82.7%로 Opus 4.7의 69.4%보다 크게 앞섭니다. 해석하면 다음과 같습니다.

작업 유형	유리한 쪽
큰 코드베이스 구조 이해, 리팩토링, 장기 작업	Claude Opus 4.7
터미널·툴 사용·정밀한 파일 조작	GPT-5.5
일반적인 함수·버그 수정	실질적으로 비등

4. 멀티모달과 생태계: 이미지·영상·음성

ChatGPT는 DALL·E 기반 이미지 생성, Sora 기반 영상 생성, 완성도 높은 음성 모드까지 한 구독 안에 묶어 제공합니다. Claude는 본 글 작성 시점에 이미지·영상 생성을 자체 기능으로 제공하지 않으며, 음성 모드의 범위도 더 좁습니다. 대신 Claude는 긴 문서 처리, 복잡한 지시 따르기, 글쓰기 톤 일관성에서 강점이 자주 언급됩니다. 마케팅 시안이나 영상 썸네일까지 한 도구에서 처리하고 싶다면 ChatGPT 쪽이 가성비 면에서 더 넓은 묶음을 제공합니다.

실용 팁: 내 작업에 어떻게 매칭할까

구독료가 같은 만큼, "둘 중 하나"라는 선택보다는 주로 쓰는 작업을 기준으로 고르고, 1~2개월 써본 뒤 재평가하는 방식을 권합니다.

• 긴 글·보고서·코드베이스 분석 위주 → Claude Pro로 시작. 컨텍스트와 글쓰기 강점이 그대로 ROI로 돌아옵니다.
• 이미지·영상·음성 등 멀티모달 산출물이 필요한 경우 → ChatGPT Plus. 한 구독으로 도구 묶음을 다 쓸 수 있습니다.
• 코드 작업이 절반 이상 → 큰 코드베이스 리팩토링이면 Claude, 터미널·에이전트 자동화면 ChatGPT.
• 업무 자동화 파이프라인을 만들 사람 → API 비용 시뮬레이션이 우선. 출력 토큰이 길면 Opus 4.7이 누적 비용에서 유리한 경우가 많습니다.

두 서비스 모두 무료 플랜이 있으니, 본격 구독 전에 같은 작업을 양쪽에 던져 비교해 보는 것이 가장 정확합니다. 한 달에 한 번은 비교를 다시 해 보세요. 모델 업데이트가 잦은 시기에는 6개월 단위로 강점 지도가 뒤집힌 적이 이미 여러 번 있었습니다.

병행 구독을 고려할 만한 경우

월 40달러 부담이 가능한 사람이라면, 양쪽을 동시에 쓰는 것도 합리적 선택입니다. 같은 프롬프트를 양쪽에 던져 결과를 비교한 뒤 더 좋은 쪽을 채택하면, 단일 모델에 의존했을 때 생기는 품질 편차를 줄일 수 있습니다. 다만 컨텍스트가 길어질수록 동시 운용이 번거로워지므로, 작업 종류별로 메인 서비스를 정해 두는 편이 효율적입니다.

결론: 동률에 가까운 시대, "내 일"이 기준이다

Claude vs ChatGPT 비교는 더 이상 "어느 쪽이 똑똑한가"의 문제가 아닙니다. 가격·컨텍스트·코딩·멀티모달 4축에서 두 모델은 서로 다른 곳을 잘하고, 같은 20달러로 누리는 가치 묶음이 다릅니다. 오늘부터 지난 한 주 동안 AI에 던졌던 작업을 다시 살펴보고, 그중 가장 비중이 큰 유형 하나를 골라 그 작업에 강한 쪽으로 한 달 구독을 시작해 보세요. 한 달 뒤 다른 쪽 무료 플랜에 같은 작업을 넣어 비교하면, 다음 결제일 전에 자신만의 답이 나옵니다.

AI 코딩 도구 비교 2026: Cursor·Copilot·Claude Code 가격과 강점 4가지 기준

Photo by Daniil Komov on Unsplash

"코딩할 때 어떤 AI를 쓰시나요?" 개발자 사이에서 AI 도구는 이제 IDE만큼 자연스러운 도구가 됐습니다. 그런데 막상 고르려면 Cursor, GitHub Copilot, Claude Code까지 선택지가 너무 많죠. 이번 글은 AI 코딩 도구 비교의 핵심을 4가지 기준—가격, 동작 방식, 강점, 적합 사용자—으로 정리했습니다. 본 글 작성 시점(2026년 5월) 기준 공식 가격 페이지 정보를 그대로 옮겼으니, 본인 작업 패턴에 맞춰 빠르게 결정해 보세요.

왜 지금 AI 코딩 도구 비교가 필요할까

2026년 들어 AI 코딩 도구 시장은 단순한 자동완성 단계를 한참 지났습니다. GitHub Copilot은 유료 도구 중 약 42%의 점유율로 가장 많이 쓰이고, Cursor는 IDE 자체를 새로 설계한 형태로 빠르게 성장했고, Anthropic의 Claude Code는 터미널 기반 에이전트로 리포 단위 작업에서 두각을 보이고 있습니다.

문제는 가격 모델과 동작 방식이 도구마다 전혀 달라서, "월 1만 원 더 비싼 게 정말 그만큼 가치가 있나?"를 가늠하기 어렵다는 점입니다. 무료 플랜만 써도 충분한 사람과, 유료로 옮겨야 시간이 절약되는 사람이 갈리는데 그 기준이 잘 알려져 있지 않죠. 그래서 본 글에서는 가격표와 기능표를 그대로 나열하는 대신, "어떤 작업 유형에 어떤 도구가 맞는가"라는 결정 관점에서 풀어 봤습니다.

AI 코딩 도구 비교: 가격과 동작 방식

먼저 세 도구가 어떤 형태로 동작하는지, 그리고 본 글 작성 시점 공식 가격이 얼마인지 정리해 보겠습니다.

1. Cursor — AI 중심으로 재설계된 IDE

Cursor는 VS Code를 포크해 AI 기능을 핵심에 통합한 독립 에디터입니다. 채팅, 인라인 편집, 에이전트가 모두 같은 인터페이스에서 동작하기 때문에 "AI를 메인 도구로 쓰겠다"는 사용자에게 가장 자연스럽습니다.

• Hobby: 무료, 신용카드 없이 시작. 에이전트 요청과 Tab 자동완성이 제한적으로 제공됩니다.
• Pro: 월 $20. 무제한 Tab 자동완성, 확장된 에이전트 한도, $20 상당의 프런티어 모델 사용 크레딧 포함.
• Pro+: 월 $60, Ultra: 월 $200, Teams: 사용자당 월 $40.

2025년 6월부터 Cursor는 크레딧 기반 청구로 전환됐고, 각 유료 플랜은 가격과 동일한 금액의 크레딧 풀을 포함합니다. Auto 모드는 모든 유료 플랜에서 무제한이고, Claude Sonnet이나 GPT-4 같은 프런티어 모델을 수동 지정할 때만 크레딧이 차감되는 구조입니다(연 결제 시 20% 할인).

2. GitHub Copilot — 가장 넓은 IDE 호환성

GitHub Copilot은 VS Code, JetBrains, Neovim, Visual Studio까지 가장 폭넓은 IDE에서 동작합니다. 기존 개발 환경을 그대로 유지하면서 AI만 얹고 싶다면 진입 마찰이 가장 낮은 선택지입니다.

• Free: 월 2,000건의 코드 자동완성 + 50건의 프리미엄 요청(채팅·에이전트·코드 리뷰). 신용카드 불필요.
• Pro: 월 $10, Pro+: 월 $39.
• Business: 사용자당 월 $19, Enterprise: 사용자당 월 $39.

중요한 변화 하나—GitHub는 2026년 6월 1일부터 모든 Copilot 플랜을 사용량 기반 청구로 전환한다고 공식 발표했습니다. "프리미엄 요청" 카운트 대신 매월 GitHub AI Credits가 지급되고, Pro는 $10어치, Pro+는 $39어치 크레딧을 받게 됩니다. 본 글 작성 시점 기준 예정 사항이니, 6월 이후 사용량이 많다면 결제 페이지를 한 번 더 확인하는 게 좋습니다.

3. Claude Code — 터미널 기반 코딩 에이전트

Claude Code는 IDE 확장이 아니라 Anthropic이 만든 터미널 기반 에이전트입니다. 기존 셸 환경에서 그대로 실행되며, 리포 전체를 읽고 여러 파일을 묶어서 리팩터링하거나 테스트를 작성하는 작업에 강합니다.

요금 체계가 다른 두 도구와 다릅니다. Claude Code는 단독 상품으로 팔리지 않고, 기존 Claude 구독 또는 API 계정에 묶여서 청구됩니다.

• Pro: 월 $20(연 결제 시 실질 약 $17/월).
• Max: 월 $100. 사용량이 매우 많은 개인 사용자용.
• Team Standard($20/seat)에는 Claude Code가 포함되지 않습니다. Team Premium($100/seat, 최소 5seat), Enterprise, 또는 개인 Pro/Max 구독에서만 사용 가능합니다.
• API 사용량 기준으로는 Claude Sonnet 4.6이 입력 100만 토큰당 약 $3, 출력 100만 토큰당 약 $15 수준입니다(본 글 작성 시점 기준).

비용 최적화로는 비동기 작업에 50% 할인되는 Batch API, 반복 입력 비용을 최대 90%까지 줄이는 프롬프트 캐싱이 있습니다.

강점·약점 한눈에 보기

구분	Cursor	GitHub Copilot	Claude Code
형태	독립 IDE(VS Code 포크)	IDE 확장	터미널 CLI 에이전트
시작 가격	무료 / Pro $20	무료 / Pro $10	Pro $20부터 또는 API 종량제
강점	AI 중심 워크플로	가장 넓은 IDE 호환성	리포 단위 리팩터링·에이전트
한계	에디터를 갈아타야 함	심층 추론 작업은 약함	에디터가 아닌 별도 도구

실전 팁: 어떤 사용자에게 어떤 도구가 맞을까

가격표만 보지 말고, 본인의 작업 패턴에 따라 고르는 게 합리적입니다. 아래 시나리오별 추천을 참고하세요.

• AI 코딩 입문자·취미 개발자: GitHub Copilot Free로 시작하세요. 월 2,000건 자동완성이면 사이드 프로젝트 한두 개는 충분히 돌아갑니다.
• VS Code·JetBrains을 이미 쓰는 직장인: Copilot Pro($10/월)가 진입 마찰이 가장 낮습니다. 기존 단축키와 워크플로를 그대로 두고 자동완성·채팅만 얹으면 됩니다.
• AI를 메인 코딩 인터페이스로 쓰고 싶은 사람: Cursor Pro($20/월). AI 채팅·에이전트가 에디터 중심에 박혀 있어 컨텍스트 전환이 적습니다.
• 대규모 리팩터링·테스트 자동 생성을 자주 하는 사람: Claude Code(Pro $20/월 또는 Max $100/월). 리포 전체 컨텍스트를 다루는 작업에서 가장 강합니다.
• 예산을 쪼개는 실용주의자: Copilot Pro($10) + Claude Code(Pro $20) 조합. 일상 자동완성과 깊은 리팩터링을 분담해 월 $30 안쪽으로 케이스 대부분을 커버할 수 있습니다.

도입 전 체크리스트

1. 회사 보안 정책에서 외부 AI에 코드 전송이 허용되는지 먼저 확인합니다.
2. 무료 플랜으로 1주일 이상 실제 작업에 써 본 뒤 유료 전환을 결정합니다.
3. 한 달 사용 후 크레딧·토큰 소모량을 확인해 플랜 다운/업그레이드를 조정합니다.

결론: 도구 한 개보다 조합이 답이다

지금까지 AI 코딩 도구 비교를 가격·동작 방식·강점·적합 사용자 네 기준으로 정리했습니다. 정답은 하나가 아니라 본인의 작업 유형에 달려 있습니다. 시장의 흐름은 분명합니다—단일 도구로 모든 걸 해결하기보다, Copilot 같은 자동완성 도구와 Claude Code 같은 에이전트형 도구를 조합해 쓰는 패턴이 점점 일반화되고 있습니다.

참고로 가격과 플랜 정책은 자주 바뀌고, GitHub Copilot은 2026년 6월 1일 사용량 기반 청구 전환을 앞두고 있으니 결제 직전에 공식 페이지를 한 번 더 확인하세요. 오늘 저녁, 무료 플랜 하나라도 깔아 보고 30분만 직접 코드에 부딪혀 보세요. 비교 기사 열 개보다 빠르게 본인에게 맞는 도구가 보일 겁니다.

Midjourney 프롬프트 2026: V7 옴니레퍼런스·스타일코드로 만드는 5단계 실전 가이드

Photo by BoliviaInteligente on Unsplash

같은 키워드를 넣어도 결과가 매번 다른 분위기로 나와서 답답한 적 있으셨나요? Midjourney 프롬프트는 단순히 "예쁜 단어"를 나열하는 게 아니라, 구조와 파라미터를 다루는 작업입니다. V7으로 넘어오면서 캐릭터 일관성 도구가 바뀌었고, 스타일 코드와 모델 개인화 같은 신기능이 디폴트로 켜져 있어서 예전 가이드만 보고 따라 하면 의도와 다른 결과가 나오기 쉽습니다. 본 글 작성 시점(2026년 5월) 기준 최신 V7 환경에서 Midjourney 프롬프트를 안정적으로 다루는 5단계를 정리했습니다.

왜 같은 프롬프트가 매번 다르게 나올까

Midjourney는 시드(seed) 값이 자동으로 달라지기 때문에 동일한 텍스트라도 결과가 매번 바뀝니다. 그래서 "운에 맡긴" 단발성 이미지는 만들기 쉬워도, 시리즈 콘텐츠(블로그 썸네일, 제품 컷, 캐릭터 일러스트)를 일관되게 만드는 건 어렵습니다. V7에서는 이 문제를 해결하기 위해 두 종류의 레퍼런스 시스템이 정리됐고, 프롬프트 작성 순서 자체에도 권장 패턴이 생겼습니다.

V6에서 V7로 넘어올 때 꼭 알아야 할 변화

• --cref(캐릭터 레퍼런스)는 V7과 호환되지 않습니다. 입력해도 무시되거나 오류가 납니다.
• 대신 V7부터는 Omni Reference(--oref)가 캐릭터·오브젝트 일관성을 담당합니다. 단순 인상만 가져오던 cref보다 대상의 디테일(헤어, 의상, 표정)을 더 적극적으로 가져옵니다.
• 스타일 레퍼런스(--sref)는 그대로 유지되지만, 강도 조절(--sw)과 버전 선택(--sv, 기본 6) 옵션이 함께 들어왔습니다.
• 모델 개인화(Model Personalization)가 V7 기본값으로 켜져 있어, 사용자가 좋아요/싫어요로 학습시킨 취향이 결과에 반영됩니다.

Midjourney 프롬프트 기본 구조 — 5블록 공식

공식 문서와 실무 사례를 종합하면 안정적으로 작동하는 프롬프트 순서는 다음과 같습니다.

[주제] + [환경/배경] + [조명] + [스타일/매체] + [카메라·렌더 옵션] + [--파라미터]

예시를 보겠습니다.

a young Korean woman reading a book, in a sunlit Seoul café, soft morning window light, watercolor illustration style, 35mm lens, shallow depth of field --ar 16:9 --stylize 250

이 한 문장 안에 주제(여성/책)·환경(서울 카페)·조명(아침 창)·매체(수채화)·렌즈(35mm)·파라미터(가로형 16:9, 스타일 강도 250)가 모두 들어 있습니다. 파라미터는 반드시 프롬프트 텍스트 뒤에 공백을 둔 채 붙이는 게 규칙입니다.

제품 컷이라면 환경 묘사를 줄이고 조명·재질에 더 집중하는 식으로 5블록의 비중을 바꿉니다.

a minimalist ceramic coffee mug, on a white linen tablecloth, top-down studio lighting, product photography, 50mm macro lens --ar 4:5 --stylize 100 --no shadow, text

스타일 강도(--stylize)를 낮게 두면 프롬프트 단어 그대로 묘사되고, 높게 두면 Midjourney가 미적 가공을 더 많이 합니다. 상품 컷처럼 정확한 재현이 중요하면 100~250, 일러스트·콘셉트 아트라면 500~750을 기본 출발점으로 잡으면 시행착오가 줄어듭니다.

자주 쓰는 핵심 파라미터 4가지

파라미터	역할	기본값 / 범위
--ar	가로:세로 비율	기본 1:1, 정수만 가능 (예: 16:9, 9:16, 4:5)
--stylize / --s	예술적 자유도	0~1000 (낮을수록 프롬프트 충실, 높을수록 미적 가공)
--no	네거티브 프롬프트	제외할 요소 (예: --no text, watermark)
--sw	스타일 레퍼런스 강도	기본 100, sref와 함께 사용해 스타일 영향력 조절

화면비는 용도에 맞게 선택합니다. 블로그 본문 썸네일은 16:9, 인스타 피드는 1:1 또는 4:5, 릴스·쇼츠는 9:16이 무난합니다. 결과를 받은 뒤 Canva나 포토샵에서 크롭하면 화질이 손상되므로, 처음부터 목표 비율로 뽑는 편이 좋습니다.

일관성의 핵심 — --oref와 --sref 제대로 쓰기

1) 캐릭터·제품을 똑같이 유지하고 싶다면 --oref

인물 시리즈나 제품 컷처럼 "같은 대상"이 반복돼야 한다면 V7에서는 Omni Reference를 씁니다. 웹 UI의 레퍼런스 탭에 이미지를 올리고 강도를 슬라이더로 조절하면, 그 이미지의 특징적 요소(얼굴, 옷, 형태)를 새 장면에 이식합니다. 기존 --cref가 "전반적 인상"만 가져왔다면 --oref는 디테일을 더 적극적으로 끌고 옵니다.

2) 같은 화풍을 유지하고 싶다면 --sref

--sref 뒤에는 두 가지를 넣을 수 있습니다. 이미지 URL을 붙이면 그 이미지의 스타일(색·터치·분위기)을 따라가고, 숫자 코드를 붙이면 Midjourney 내부 스타일 라이브러리의 특정 룩이 적용됩니다. --sref random으로 무작위 스타일을 받은 뒤 마음에 드는 코드를 메모해 두면, 다음번에도 동일한 톤으로 시리즈를 만들 수 있습니다. 강도는 --sw 값을 기본값 100에서 시작해 점진적으로 올려 가며 조절합니다.

2026년 5월 기준 Midjourney 요금제 정리

본 글 작성 시점 기준 공식 요금제는 4단계입니다. 연간 결제 시 약 20% 할인이 적용됩니다.

플랜	월 요금	Fast GPU 시간	특이사항
Basic	$10	3.3시간 (월 약 200장 수준)	Relax 모드 불가
Standard	$30	15시간	Relax 무제한
Pro	$60	30시간	Stealth(비공개) 모드
Mega	$120	60시간	Pro 기능 포함

Fast GPU 시간이 부족하면 모든 플랜에서 시간당 약 $4로 추가 구매할 수 있습니다. 블로그 썸네일이나 SNS용 정도라면 Basic으로 시작해 부족할 때 Standard로 올리는 흐름이 무난합니다. 환율과 부가세는 결제 시점에 따라 달라질 수 있으니 결제 화면에서 최종 금액을 한 번 더 확인하시기를 권장합니다.

초보자를 위한 Midjourney 프롬프트 5단계 워크플로우

1. 한 문장으로 영문 시드 프롬프트 만들기 — 한국어보다 영어 입력이 의도 전달에 유리합니다. 5블록 공식을 따라 짧게 한 줄로 적습니다.
2. 비율과 스타일 강도부터 고정 — --ar와 --stylize만 먼저 붙여 4장을 뽑아 보고, 분위기가 안 맞으면 stylize를 250↔750 사이에서 조정합니다.
3. 마음에 드는 1장 발견 → sref 코드 확보 — 그 이미지의 스타일 코드를 메모해 두면, 같은 톤으로 다음 이미지를 이어 만들 수 있습니다.
4. 캐릭터가 필요하면 --oref로 일관성 고정 — 인물·제품 사진은 레퍼런스 탭에 이미지를 올리고 강도를 50~70%부터 시작해 보세요.
5. 편집은 Retexture와 인페인팅으로 — V7부터 들어온 레이어 편집, 스마트 선택, Retexture로 일부 영역만 수정하면 재생성 횟수를 줄일 수 있습니다.

실수하기 쉬운 3가지

• 파라미터를 프롬프트 중간에 넣으면 무시됩니다. 반드시 맨 뒤, 공백 한 칸 후에 적습니다.
• 네거티브 프롬프트(--no)에 너무 많은 단어를 넣으면 결과가 흐려집니다. 정말 빼고 싶은 2~3개만 적는 게 좋습니다.
• 모델 개인화가 켜져 있다면 결과가 사용자 취향대로 편향됩니다. 작업용과 실험용 계정을 구분하거나 설정에서 끄고 비교해 보세요.

결론 — 오늘 한 장으로 시작해 보세요

Midjourney 프롬프트는 결국 "주제·환경·스타일·파라미터"라는 네 가지 축을 어떻게 조합하느냐의 문제입니다. V7의 옴니레퍼런스와 스타일 코드를 익히면 그날의 운에 맡기지 않고도 시리즈 콘텐츠를 안정적으로 뽑아낼 수 있습니다. 오늘 한 줄짜리 시드 프롬프트로 4장 먼저 뽑아 보고, 마음에 드는 결과의 sref 코드를 메모하는 것부터 시작해 보세요. 두세 번만 반복해도 자기만의 스타일 라이브러리가 쌓이기 시작합니다.

AI 글쓰기 도구 2026: Claude·ChatGPT·뤼튼 5종 가격·강점 비교 가이드

Photo by Christin Hume on Unsplash

"AI 글쓰기 도구, 도대체 뭘 써야 하지?" 블로그 한 편을 쓰려고 검색하다 보면 Claude, ChatGPT, Jasper, 노션 AI, 뤼튼까지 줄줄이 등장한다. 가격대도 무료부터 월 $59까지 천차만별이고, 광고 문구는 다들 "최고의"를 외친다. 정작 내가 쓰려는 글 — 블로그 포스트, 보고서, 마케팅 카피 — 에 어떤 도구가 맞는지 명확하게 알려주는 글은 드물다. 본 글은 2026년 5월 현재 실제 사용자가 선택지로 두는 다섯 가지 AI 글쓰기 도구를 가격·강점·약점 중심으로 정리하고, 목적별로 어떤 도구를 골라야 하는지 짚는다.

왜 지금 AI 글쓰기 도구를 다시 비교해야 하는가

2024년만 해도 ChatGPT 하나면 모든 글쓰기가 끝나는 분위기였다. 2026년 현재는 상황이 다르다. Anthropic의 Claude는 긴 글의 문체 면에서 ChatGPT를 앞선다는 평이 늘었고, 노션 AI는 워크스페이스 안의 내 문서들을 컨텍스트로 끌어오는 차별화를 만들었으며, Jasper는 팀 단위 브랜드 톤 관리에 집중했다. 한국에서는 뤼튼(wrtn)이 기본 기능 전면 무료를 유지하면서 한국어 사용자 층을 잡고 있다.

이 다양화는 좋은 소식인 동시에 피로의 원인이기도 하다. "Jasper가 ChatGPT보다 3배 비싼데 실제로는 같은 모델을 쓴다"는 분석이 흔하게 보이고, 노션 AI는 단독 구독이 사라지고 Business 플랜에 묶였다. 가격표만 보고 결정하면 후회할 가능성이 크다는 뜻이다.

먼저 점검할 4가지 선택 기준

• 주 사용 언어 — 한국어 중심이면 한국어 학습 데이터 비중과 토큰 효율이 중요하다.
• 글 길이 — 1,000자 이하 짧은 카피인지, 5,000자 이상 장문인지에 따라 적합 도구가 갈린다.
• 팀 vs 개인 — 팀이라면 브랜드 톤 통일·협업 기능이 비용을 정당화한다.
• 기존 워크플로우 — 노션·Slack·문서 시스템과의 통합 여부가 실사용 빈도를 좌우한다.

2026년 5월 기준 주요 AI 글쓰기 도구 5종 비교

아래 표는 본 글 작성 시점(2026년 5월) 기준 공식 가격 정보를 정리한 것이다. 환율과 프로모션에 따라 실제 결제 금액은 달라질 수 있다.

도구	대표 가격(개인 기준)	한국어 품질	강점
Claude Pro	$20/월 (연결제 시 $17/월)	높음	장문 문체, 자연스러운 어조
ChatGPT Plus	$20/월	높음	리서치·구조화, 멀티모달
Jasper	$59/월부터	중간	브랜드 보이스, 마케팅 템플릿
Notion AI	Business 플랜 $20/유저/월에 포함	중상	워크스페이스 문서 컨텍스트 활용
뤼튼(wrtn)	기본 기능 무료	최상(한국어 특화)	무료 진입, 한국어 톤

Claude — 긴 글, 자연스러운 문체가 필요할 때

Anthropic이 만든 Claude는 "사람이 쓴 것 같은 글"이라는 평을 자주 듣는다. 영문 글쓰기 비교에서 ChatGPT보다 자연스러운 문체와 일관된 어조를 보였다는 분석이 있고, 5,000자 이상 장문 에세이나 보고서에서 흐름이 끊기지 않는다는 점이 강점으로 꼽힌다. Pro는 월 $20, 연간 결제 시 월 $17 수준이다.

ChatGPT — 리서치와 구조화가 강점

OpenAI의 ChatGPT Plus는 월 $20 동일하지만, 짧고 명확한 문장으로 정보를 정리하는 데 강하다. 멀티모달(이미지·음성) 처리, 코드 인터프리터 같은 추가 기능까지 묶여 있어 "한 가지로 다 끝낸다"는 접근에 맞다. OpenAI는 2026년 4월 9일에 기존 Plus와 Pro 사이에 월 $100짜리 새 등급을 추가해, 무거운 사용자는 단계적으로 업그레이드할 수 있다.

Jasper — 팀 단위 브랜드 톤 관리

Jasper는 월 $59부터 시작한다. 같은 가격대인 Claude Pro·ChatGPT Plus의 약 3배 수준인데, 그 차이는 모델 자체가 아니라 그 위에 얹힌 브랜드 보이스·캠페인 템플릿·팀 협업 기능에서 나온다. 따라서 "여러 명의 카피라이터가 같은 톤으로 쓰게 해야 한다"는 마케팅팀에는 비용이 정당화되지만, 1인 블로거에게는 과한 선택이 되기 쉽다.

Notion AI — 내 자료 위에서 글쓰기

노션 AI의 강점은 "내 워크스페이스 안의 문서들을 컨텍스트로 활용"한다는 점이다. 회의록·기획서·이전 분기 자료를 참고해 글을 써준다는 의미라, 개별 도구 중에서는 조직 내부 맥락 활용도가 높다. 단, 현재는 별도 구독이 없고 Business 플랜($20/유저/월부터)에 묶여 제공된다. 이미 노션을 팀 도구로 쓰고 있다면 자연스러운 선택이다.

뤼튼 — 한국어 사용자에게 가장 낮은 진입 장벽

국내 서비스인 뤼튼은 2023년 12월부터 기본 AI 글쓰기 기능 전면 무료를 유지하고 있다. 한국어 글쓰기 톤이 자연스럽고, 별도 결제 없이 바로 써볼 수 있다는 점이 진입 장벽을 크게 낮춘다. 다만 고급 기능과 API 활용은 유료 옵션에 묶일 수 있어, 본격적인 업무 도구로 쓸지는 사용 빈도를 보고 결정하는 편이 좋다.

목적별 추천: 내 글에는 어떤 도구가 맞나

도구가 다섯 개라도, 글 쓰는 목적은 보통 네 가지 안에서 결정된다.

1. 블로그·뉴스레터 등 장문 콘텐츠 — Claude Pro. 문체의 자연스러움과 긴 글에서의 일관성이 가장 큰 가치다.
2. 마케팅 카피·SNS 짧은 글·리서치 보조 — ChatGPT Plus. 다용도이고 멀티모달까지 한 구독으로 묶인다.
3. 팀 단위 일관된 브랜드 톤 — Jasper. 1인이면 과하지만, 카피라이터가 여러 명일 때 의미가 생긴다.
4. 한국어 위주, 우선 무료로 시작 — 뤼튼. 결제 부담 없이 일주일 정도 써본 뒤 유료 도구로 갈지 판단한다.

실전 팁: 도구를 잘 쓰기 위한 3가지 습관

• 한 가지에 집중하기 — 세 가지 도구를 동시에 결제하면 어느 하나도 익숙해지지 않는다. 한 달은 하나만 깊이 써본다.
• 프롬프트 템플릿 만들기 — 자주 쓰는 글 유형(블로그, 답변 메일, 회의록 요약)별로 자신만의 프롬프트를 저장해두면 품질이 안정된다.
• 최종 편집은 사람이 — 어떤 도구든 사실 검증과 자기 목소리 다듬기는 사람의 몫이다. AI 초안을 그대로 발행하지 않는다.

결론: 가격표가 아니라 사용 빈도가 결정한다

AI 글쓰기 도구 비교에서 가장 중요한 것은 모델 성능 순위가 아니라 "내가 매일 열어보게 되는가"이다. 월 $20를 결제하더라도 한 달에 두 번만 켠다면 무료 도구만 못하다. 본 글에서 정리한 다섯 가지 중 가장 끌리는 한 가지를 골라, 오늘부터 일주일 동안 모든 글쓰기에 그 도구만 써보자. 그 한 주가 끝날 즈음 어떤 도구가 내 워크플로우에 맞는지 답이 나와 있을 것이다.

ai 글쓰기 도구, ChatGPT, Claude, Notion AI, Jasper, 뤼튼, AI도구 비교, 글쓰기 추천, 블로그 작성

n8n 워크플로우 2026: 셀프호스팅·AI Agent로 시작하는 무료 자동화 4단계

Photo by kenny cheng on Unsplash

업무 자동화에 매달 수십만 원씩 쓰고 있는가? Zapier Professional은 월 750 태스크에 $19.99, Team 플랜은 2,000 태스크에 $69다. 자동화 단계가 늘어나면 비용이 가파르게 누적된다. n8n 워크플로우는 이 문제를 셀프호스팅 옵션 하나로 정면 돌파한다. 본 글 작성 시점(2026년 5월) 기준 n8n Community Edition은 100% 무료에 실행 횟수 제한도 없다. 본 가이드는 n8n의 핵심 개념, 2026년 최신 변경점, Zapier·Make와의 비용 차이, 그리고 첫 워크플로우를 만드는 4단계까지 한 번에 정리했다.

n8n 워크플로우란 무엇인가

n8n은 노드 기반의 시각적 워크플로우 자동화 도구다. 트리거 노드(Schedule, Webhook, 앱 이벤트 등)로 자동화를 시작하고, 400개가 넘는 통합 노드를 화살표로 이어 데이터를 흘려보낸다. 노코드/로우코드 도구이면서도 코드 노드에서 JavaScript와 Python을 그대로 쓸 수 있다(JavaScript는 모든 환경, Python은 셀프호스팅 기준). Fair-code 라이선스로 소스가 공개되어 있고, Docker 한 줄로 자기 서버에 띄워 운영할 수 있다는 점이 가장 큰 차별점이다.

셀프호스팅이 주는 세 가지 이득

• 실행 횟수 무제한 — 클라우드 요금제처럼 실행마다 카운트되지 않는다.
• 데이터 주권 — 워크플로우를 흐르는 데이터가 외부 SaaS를 거치지 않아 보안·컴플라이언스에 유리하다.
• 저렴한 인프라 비용 — Hetzner·DigitalOcean 같은 VPS에서 월 $5~15 수준이면 충분히 운영된다.

2026년 n8n의 최신 변경점

2025년 12월 n8n 2.0이 출시되고 2026년 들어 핵심 정책과 노드가 한 단계 더 정리됐다. 본 글 작성 시점(2026년 5월) 기준 알아두면 좋은 변경점은 다음과 같다.

• 활성 워크플로우 제한 폐지(2026년 4월) — 이전에는 하위 요금제일수록 동시에 활성화할 수 있는 워크플로우 수가 제한됐지만, 이제 모든 플랜에서 활성 워크플로우는 무제한이다. 과금 기준은 오직 "실행 횟수".
• AI 노드 70개+(v1.113.3 기준) — LLM, 임베딩, 벡터DB, 음성, OCR, 이미지 모델까지 한 플랫폼 안에 정리됐다.
• AI Agent 노드 표준화 — 기존에 여러 종류로 나뉘어 있던 Agent가 Tools Agent 방식으로 통합돼, OpenAI·Anthropic·Google Gemini 모델을 동일한 패턴으로 붙일 수 있다.
• Human-in-the-loop(2026년 1월) — Chat 노드에 "Send a message" 및 "Send a message and wait for response" 액션이 추가됐다. AI Agent가 민감한 단계 직전에 사람의 응답을 기다리는 멀티턴 인터랙션이 한 실행 안에서 가능해졌다.

Zapier·Make와 n8n 비용 비교

세 도구는 과금 단위 자체가 다르다. 본 글 작성 시점(2026년 5월) 기준 공개된 요금제 기준이다.

항목	n8n	Zapier	Make
과금 단위	실행(워크플로우 1회 = 1실행)	태스크(액션 1건 = 1태스크)	오퍼레이션(데이터 처리 1건 = 1오퍼레이션)
무료 플랜	셀프호스팅 무제한	월 100 태스크 + 2단계 워크플로우만	월 1,000 오퍼레이션
유료 시작가	클라우드 €24/월(2,500 실행)	$19.99/월(750 태스크, 연납 기준)	$10.59/월(10,000 오퍼레이션)
통합 수	400+	7,000+	1,400+ (공식 기준)
셀프호스팅	✅ Community Edition	❌	❌
코드 노드	JavaScript·Python	제한적	제한적

핵심은 "실행 vs 태스크"의 차이다. 30단계로 구성된 워크플로우를 1회 실행하면 n8n은 1실행으로 카운트하지만, Zapier 기준으로는 30태스크로 깎인다. 워크플로우가 복잡해질수록 n8n의 비용 우위는 급격히 커진다. 통합 수는 Zapier가 압도적이지만, n8n은 HTTP Request 노드로 거의 모든 REST API를 직접 호출할 수 있어 실무 커버리지의 격차는 숫자만큼 크지 않다.

n8n 워크플로우 시작 4단계

1단계 — 환경 선택

처음에는 n8n Cloud 트라이얼로 UI에 익숙해진 뒤, 실제 운영은 셀프호스팅으로 옮기는 패턴이 무난하다. VPS 한 대를 잡고 공식 Docker 이미지를 한 줄로 띄우면 끝난다. 도메인을 붙이고 HTTPS만 설정하면 Webhook 트리거도 외부에서 정상 호출된다.

2단계 — 트리거 노드 추가

새 워크플로우 화면 중앙의 "Add first step…" 영역에서 "+" 버튼을 눌러 트리거를 고른다. 실무에서 자주 쓰이는 트리거:

• Schedule — 매일 오전 9시처럼 정해진 시각/주기에 실행.
• Webhook — 발급된 URL로 외부 시스템이 POST/GET을 보내면 실행.
• App 이벤트 트리거 — Slack 메시지 수신, Gmail 새 메일, Notion 페이지 생성 등.

3단계 — 액션 노드 연결

트리거 노드 오른쪽 점에서 화살표를 끌어 다음 노드(HTTP Request, Google Sheets, Postgres, OpenAI Chat Model 등)에 연결한다. 노드 간 데이터는 JSON 배열로 흐르며, 이전 노드의 값은 표현식 {{$json["필드명"]}}으로 참조한다. 처음에는 노드 한두 개로 단순한 데이터 이동(예: Webhook → Google Sheets 행 추가)부터 익히는 것을 권한다.

4단계 — AI Agent 노드로 확장

LLM·툴·메모리를 한 묶음으로 다루고 싶다면 AI Agent 노드를 추가한다. Agent 아래에 Chat Model(예: Claude, GPT)을 모델로 붙이고, 웹 검색·계산·HTTP 호출·내부 노드 등을 툴로 연결하면 에이전트가 입력에 따라 알맞은 툴을 골라 호출한다. 결제·전송처럼 되돌리기 어려운 단계 앞에는 AI Agent → 툴 연결선의 "+" 메뉴에서 "Add human review step"으로 사람의 승인 단계를 끼워 넣을 수 있다.

결론: 무료로 시작해 비용 우위를 챙기자

n8n 워크플로우는 단순한 데이터 연동부터 AI 에이전트 운영까지 한 플랫폼에서 처리하면서도, 셀프호스팅 옵션 덕분에 장기 운영 비용을 극적으로 낮출 수 있다. 자동화 단계가 늘어날수록 Zapier·Make 대비 격차는 더 벌어진다. 오늘 저녁 Docker로 Community Edition을 띄우고, 매일 반복하는 업무 한 가지를 첫 워크플로우로 옮겨보자. 1주일만 굴려봐도 "왜 진작 시작하지 않았지" 싶을 것이다.

Make 자동화 2026: 시나리오·모듈부터 operations 비용 관리까지 5단계 가이드

Photo by Stephen Dawson on Unsplash

매일 반복하는 메일 정리, 스프레드시트 입력, SNS 게시. 한 번에 5분, 하루 30분이지만 한 달이면 15시간이 사라집니다. 코딩 없이 이 시간을 되찾고 싶다면 Make 자동화(구 Integromat)가 가장 현실적인 출발점입니다. 본 글에서는 Make를 처음 접하는 분을 위해 시나리오·모듈 같은 핵심 용어부터 과금 단위인 operations 관리, 그리고 실전 5단계 만들기까지 정리했습니다. (본 글 작성 시점: 2026년 5월 기준)

Make 자동화가 주목받는 이유

Make는 노코드(no-code) 자동화 플랫폼입니다. Gmail, Google Sheets, Notion, Slack 등 수천 개 앱을 시각적인 흐름도로 연결해 "이 일이 일어나면 → 저 일을 하라"는 규칙을 만들 수 있습니다. 비슷한 도구로 Zapier, n8n이 있지만, Make는 다음 두 가지 특징으로 차별화됩니다.

• 시각적 시나리오 편집기: 화살표와 동그란 모듈로 데이터 흐름을 한눈에 본다.
• operations 기반 과금: '시나리오 1회 실행'이 아니라 '한 단계 실행마다 1 operation'으로 측정한다.

핵심 용어 4가지

용어	의미	예시
시나리오(Scenario)	자동화 흐름 하나	"새 이메일 → Notion에 저장"
모듈(Module)	시나리오 안의 한 단계(앱·동작)	"Gmail - Watch Emails"
트리거(Trigger)	시나리오를 시작시키는 이벤트	"새 행이 추가되면"
액션(Action)	트리거 후 수행되는 작업	"Slack에 메시지 보내기"

Make 자동화 요금제와 operations 계산법

Make 요금제는 무료(Free)부터 Core, Pro, Teams, Enterprise까지 다섯 단계입니다. 본 글 작성 시점 기준 공개된 정보로는 연간 결제 시 Core가 월 $10.59, Pro가 월 $18.82 수준이며, Core는 월 10,000 operations 한도를 제공합니다. 또한 2026년부터 유료 플랜에는 사용하지 않은 operations가 다음 달로 한 번 이월되는 'rollover' 기능이 도입됐습니다. 가격과 한도는 변동될 수 있으니 결제 전 공식 페이지를 반드시 확인하세요.

operation은 정확히 무엇을 셀까

Make의 가장 큰 혼동 지점입니다. operation은 "시나리오 1번 실행"이 아니라 모듈 1개가 1회 실행되는 단위입니다.

• 트리거가 실행되면 → 1 operation
• 필터(Filter)에서 통과 여부 판정 → 1 operation
• 이후 액션마다 → 각 1 operation

예를 들어 "Gmail 새 메일 감시 → 키워드 필터 → Notion에 저장 → Slack 알림" 시나리오가 한 번 도는 데 4 operations가 듭니다. 하루 100건의 메일을 처리하면 약 400 operations, 한 달이면 12,000 operations에 가까워져 Core 플랜의 10,000 한도를 넘게 됩니다. 시나리오를 설계할 때 모듈 수를 줄이는 것이 곧 비용 절감이라는 점을 기억해야 합니다.

Zapier와 무엇이 다른가

Zapier가 'Zap(시나리오)당 task 수'를 세는 반면 Make는 '모듈 1회 실행'을 셉니다. 그래서 같은 흐름이라도 두 도구의 비용 체감이 다릅니다. 본 글 작성 시점 기준 공개 자료로는 Make Core가 월 10,000 operations에 약 $10.59, Zapier Starter가 월 750 tasks에 약 $19.99 수준입니다. 단순히 단위 가격만 보면 Make가 저렴해 보이지만, Make는 트리거와 필터까지 operations로 셈한다는 점을 함께 고려해야 합니다. 모듈이 많은 복잡한 흐름이라면 Make가, 단순한 알림성 흐름이 많다면 Zapier가 유리할 수 있습니다.

AI 모듈 활용 포인트

Make는 OpenAI, Anthropic Claude, Google Gemini 등 주요 AI 서비스를 모듈로 제공하며, 공식 자료 기준 수백 종의 AI 관련 앱과 연결됩니다. 예를 들어 "Gmail 새 메일 → OpenAI로 요약 → Notion에 저장"처럼 LLM을 하나의 모듈로 끼워 넣을 수 있습니다. 다만 LLM 호출 자체는 해당 API 요금이 별도로 청구되고, Make의 operations도 한 번 더 소비된다는 점을 잊지 마세요. 처음에는 짧은 입력만 보내 토큰 비용을 가늠한 뒤 본격 도입하는 것이 안전합니다.

처음 시나리오 만들기 5단계

가장 흔한 예시인 "Google Sheets에 새 행이 추가되면 Slack에 알림" 자동화를 기준으로 단계를 설명합니다.

1단계 — 시나리오 생성

대시보드 우측 상단의 Create a new scenario 버튼을 누릅니다. 빈 캔버스에 큰 동그라미 하나가 나타나는데, 이것이 첫 번째 모듈을 둘 자리입니다.

2단계 — 트리거 모듈 선택

동그라미를 클릭해 Google Sheets를 검색하고 Watch Rows를 선택합니다. 처음이라면 계정 연결(OAuth) 단계가 한 번 뜹니다. 시트와 워크시트, 그리고 새 행을 감지할 기준 열을 지정합니다.

3단계 — 필터로 잡음 제거

모든 행을 처리할 필요는 없습니다. 모듈 사이의 회색 선을 클릭해 Set up a filter를 선택하고, 예컨대 "금액 열의 값 ≥ 100,000"처럼 조건을 걸어 둡니다. 필터가 통과하지 못한 실행도 operation을 소비한다는 점에 주의합니다.

4단계 — 액션 모듈 연결

필터 뒤에 Slack 모듈을 추가하고 Create a Message를 선택합니다. 채널을 지정하고, 메시지 본문에 직전 단계에서 받은 값(예: {{1.amount}}, {{1.customer}})을 끌어다 넣습니다. 이 매핑 기능이 Make의 핵심 강점입니다.

5단계 — 테스트와 스케줄링

좌측 하단 Run once로 1회 테스트해 데이터 흐름을 확인합니다. 모듈마다 표시되는 동그란 숫자가 그 모듈이 처리한 묶음(bundle) 개수입니다. 문제가 없으면 좌측 하단 토글을 켜고 스케줄을 설정합니다(예: 15분마다, 매시 정각 등).

비용을 아끼는 실전 팁 5가지

1. 필터를 가능한 한 앞으로 옮기기: 트리거 바로 뒤에서 걸러내면 후속 모듈이 실행되지 않아 operations가 절약됩니다.
2. Router 대신 If-Then 구조 검토: Router는 가지마다 모듈을 다시 세므로, 단순 분기는 필터 한 줄이 더 저렴할 때가 많습니다.
3. 스케줄 간격 늘리기: 1분 간격으로 도는 시나리오는 한 달 43,200회까지 트리거됩니다. 업무 흐름이 견딘다면 15~30분 간격으로 늘립니다.
4. 에러 핸들러 설정: 실패 후 재실행이 무한 반복되면 operations가 폭증합니다. Break 또는 Resume 핸들러로 재시도 횟수를 제한하세요.
5. 월말에 operations 사용량 점검: 좌측 메뉴의 Usage에서 시나리오별 소비량을 확인하고, 과다 소비 시나리오부터 단순화합니다.

초보자가 자주 빠지는 함정

가장 흔한 실수는 "시나리오를 켜 두기만 하면 비용이 적게 나올 것"이라는 오해입니다. 트리거가 자주 발생하는 앱(Webhooks, 메일, 실시간 채팅)에서는 operations가 빠르게 소진됩니다. 처음에는 일부러 스케줄 트리거(5~15분 간격 폴링)로 시작해 한 주 동안 사용량을 관찰한 뒤 실시간 트리거로 전환하는 것이 안전합니다. 또한 무료 플랜은 최소 실행 간격이 길고 일부 프리미엄 앱이 막혀 있으므로, 실제 업무 자동화는 Core 이상이 현실적입니다.

결론: 작게 시작해 측정하면서 늘려라

Make 자동화는 강력하지만 operations라는 "사용량 미터"가 항상 돌고 있다는 점을 잊으면 청구서가 예상을 넘기 쉽습니다. 첫 주에는 모듈 4~5개짜리 작은 시나리오 한 개부터 만들어 흐름을 익히고, 둘째 주에 필터·매핑을 보강한 뒤, 셋째 주부터 두 번째 시나리오로 확장하는 흐름을 추천합니다. 가격·한도·플랜 구성은 공식 페이지에서 수시로 바뀌므로 결제 직전 다시 확인하는 습관도 함께 들이세요. 오늘 작은 시나리오 하나만 만들어 보고, 한 주 뒤 절약된 시간을 직접 계산해 보세요.

노션 AI 활용법 2026: 비즈니스 플랜 기본 탑재, Ask Notion·에이전트 실전 가이드

Photo by Emiliano Vittoriosi on Unsplash

노션(Notion)을 메모장이나 할 일 목록 정도로만 쓰고 있다면, 도구의 절반도 활용하지 못하는 셈입니다. 특히 2026년 들어 노션 AI 활용의 폭이 크게 넓어지면서, 단순히 글을 다듬는 보조 기능을 넘어 워크스페이스 전체를 검색하고 여러 단계의 작업을 대신 처리하는 수준까지 발전했습니다. 문제는 기능이 많아진 만큼 "뭘 어디서부터 써야 하는지" 막막해진다는 점입니다. 이 글에서는 2026년 현재 노션 AI가 실제로 할 수 있는 일과, 요금제 구조, 그리고 바로 적용할 수 있는 활용 팁을 정리했습니다.

왜 지금 노션 AI 활용을 다시 봐야 할까

예전의 노션 AI는 별도 애드온(add-on) 형태로, 쓰려면 추가 요금을 내야 했습니다. 그런데 2026년 초 노션은 AI 기능을 비즈니스(Business)와 엔터프라이즈(Enterprise) 요금제에 기본 포함시키는 방향으로 정책을 바꿨습니다. 본 글 작성 시점 기준으로, 신규 무료(Free)·플러스(Plus) 사용자는 더 이상 독립형 AI 애드온을 구매할 수 없으며, 대신 일정량의 체험 사용량만 제공받습니다. 기존에 애드온을 구독하던 사용자는 계속 이용할 수 있습니다.

즉, AI를 제대로 쓰려면 요금제 구조를 먼저 이해해야 합니다. 무작정 무료로 다 될 거라 기대하면 금세 한도에 부딪힙니다.

2026년 노션 요금제와 AI 포함 범위

본 글 작성 시점 기준 노션의 요금제는 네 단계로 나뉩니다.

요금제	가격(연간 결제 기준)	AI 기능
Free	$0	제한된 체험 사용량
Plus	사용자당 월 $10 (월간 결제 시 $12)	제한된 체험 사용량
Business	사용자당 월 $20 (월간 결제 시 $24)	AI 기본 포함
Enterprise	별도 문의(맞춤형)	AI 기본 포함

핵심 AI 기능인 노션 에이전트(Notion Agent), AI 회의록(AI Meeting Notes), 워크스페이스 검색(Enterprise Search) 등은 비즈니스·엔터프라이즈 플랜에 포함됩니다. 그 외 요금제는 기능을 맛보기로 써볼 수 있는 정도입니다. 가격과 정책은 변동될 수 있으니 결제 전 노션 공식 요금제 페이지에서 다시 확인하는 것이 좋습니다.

크레딧 기반 기능도 등장했다

2026년 2월 업데이트(노션 3.3)에서 '커스텀 에이전트(Custom Agents)' 기능이 추가됐고, 이 기능은 2026년 5월 4일부터 별도의 '노션 크레딧'을 사용하는 방식으로 전환됐습니다. 크레딧은 1,000 크레딧당 $10이며, 비즈니스·엔터프라이즈 플랜 위에 추가로 붙는 구조입니다(월 단위, 이월 불가). 팀 단위로 AI 자동화를 본격적으로 돌릴 계획이라면 이 비용을 미리 계산에 넣어야 합니다.

노션 AI로 실제로 할 수 있는 일

1. 글 작성·편집·요약

가장 기본이자 여전히 가장 자주 쓰는 기능입니다. 빈 페이지에서 'AI에 요청하기'를 선택해 초안을 생성하거나, 이미 써둔 문단을 드래그한 뒤 요약하기, 길게 늘리기, 짧게 줄이기, 톤 바꾸기, 번역하기 등을 시킬 수 있습니다. 회의 메모를 빠르게 정리하거나 긴 문서를 핵심만 추릴 때 특히 유용합니다.

2. 워크스페이스 전체에 질문하기 (Ask Notion)

'Ask Notion'은 내 워크스페이스 안의 페이지, 위키, 데이터베이스를 대상으로 질문하면 답을 찾아주는 기능입니다. 중요한 점은 모든 답변에 원본 페이지로 가는 링크가 함께 표시된다는 것입니다. "지난달 회의에서 결정된 사항이 뭐였지?" 같은 질문에 출처와 함께 답을 받을 수 있어, AI 답변의 신뢰도를 직접 확인할 수 있습니다.

3. 외부 앱 연동 검색

노션 AI는 구글 드라이브, 슬랙 등 외부 앱과 연결할 수 있습니다. 연결해 두면 노션 안에서 질문 한 번으로 흩어진 자료를 한꺼번에 훑을 수 있어, 도구를 옮겨 다니며 검색하는 수고를 줄여줍니다.

4. 노션 에이전트 — 여러 단계 작업 자동화

비즈니스 플랜에 포함된 노션 에이전트는 단일 프롬프트로 문서 초안 작성, 데이터베이스 조회, 페이지 업데이트 같은 여러 단계의 작업을 처리합니다. "이 프로젝트 회의록을 모아 월별 타임라인으로 정리해 줘"처럼 한 문장으로 지시하면, 흩어진 정보를 모아 구조화된 결과물로 만들어 줍니다.

5. AI 회의록

AI 회의록 기능은 회의 내용을 받아쓰고, 끝난 직후 핵심 결정 사항과 액션 아이템을 정리해 줍니다. 회의가 잦은 직장인에게 체감 효과가 큰 기능입니다.

처음 쓰는 사람을 위한 실용 팁

• 체험 사용량으로 먼저 검증하라. 무료·플러스 플랜의 제한된 체험 사용량으로 '글 편집'과 'Ask Notion'을 며칠 써본 뒤, 정말 매일 쓸지 판단하고 나서 비즈니스 플랜을 고민해도 늦지 않습니다.
• AI가 답을 잘 찾게 하려면 페이지 정리가 먼저다. Ask Notion이나 에이전트는 결국 내 워크스페이스의 데이터를 읽습니다. 페이지 제목이 모호하거나 정보가 흩어져 있으면 AI 답변도 부정확해집니다. AI를 쓰기 전에 자주 찾는 문서부터 제목과 구조를 다듬어 두세요.
• 출처 링크를 꼭 확인하라. Ask Notion은 답변에 원본 링크를 함께 줍니다. 중요한 의사결정에 쓸 정보라면 링크를 눌러 원문을 직접 확인하는 습관을 들이는 것이 안전합니다.
• 반복 작업부터 에이전트에 맡겨라. 매주 같은 형식으로 만드는 주간 리포트, 회의록 정리처럼 패턴이 분명한 작업이 에이전트가 가장 잘하는 영역입니다. 창의적 판단이 필요한 일보다 '정해진 절차'를 먼저 넘기세요.
• 팀 도입 전 크레딧 비용을 계산하라. 커스텀 에이전트를 팀 단위로 돌릴 계획이라면 1,000 크레딧당 $10의 추가 비용이 월마다 발생하고 이월되지 않는다는 점을 예산에 반영해야 합니다.

결론

2026년의 노션 AI 활용은 '글을 다듬는 보조 도구'에서 '워크스페이스를 검색하고 작업을 대신하는 동료'로 무게 중심이 옮겨갔습니다. 동시에 요금제 정책도 바뀌어, 제대로 쓰려면 비즈니스 플랜 이상이 필요하고 커스텀 에이전트는 별도 크레딧이 든다는 점을 알고 시작해야 합니다. 가격과 기능 구성은 계속 바뀔 수 있으니 결제 전 공식 페이지 확인은 필수입니다. 거창하게 시작할 필요는 없습니다. 오늘은 무료 체험 사용량으로 평소 쓰던 노션 페이지 하나를 골라 'AI로 요약하기'부터 눌러보세요. 가장 작은 한 걸음이 도구를 바꾸는 시작입니다.