Home
AI Leadership
AI NEWS
AI Native Lab
구독
콘텐츠 자동화 실험일지: Openclaw로 스레드, 블로그까지
작성자
- 팀제이커브팀
성공 여부
성공
주제
- 자동화
스레드를 꾸준히 운영하고 싶다는 생각, 한 번쯤 해보셨을 겁니다. 그런데 막상 해보면 글감 찾기, 쓰기, 올리기 이 세 가지가 계속 발목을 잡습니다.
저도 비슷한 고민을 하고 있었는데요. 그러다 문득 이런 생각이 들었습니다.
"이미 매일 나누고 있는 AI와의 대화를 콘텐츠로 쓰면 어떨까?"
그렇게 시작된 게, 오픈클로 기반 AI를 활용한 콘텐츠 자동화 실험이었습니다.
결론부터 말씀드리면, 생각보다 훨씬 간단하게 스레드 운영부터 블로그 OSMU(One-Source-Multi-Use)까지 이어지는 구조를 만들 수 있었는데요. 하나씩 풀어보겠습니다.
왜 콘텐츠 자동화를 시도했을까
스레드를 꾸준히 운영해보고 싶다는 생각은 오래됐습니다. 그런데 막상 해보면 항상 같은 지점에서 막히더라고요.
글감을 고르는 것도 일이고, 쓰는 것도 일이고, 올리는 것도 일이죠. 결국 며칠 하다가 흐지부지되는 경우가 많았습니다.
그러다 다른 쪽에서 힌트를 하나 얻었습니다.
평소에 저는 텔레그램에 붙여둔 AI 어시스턴트, 일명 '돌돌이'와 대화를 자주 나누는데요.
이 돌돌이는 오픈클로(OpenClaw)를 기반으로 개인화해서 만든 AI 챗봇입니다.
팀제이커브 크루 레크의 개인용 오픈클로(OpenClaw), 돌돌이
아이디어를 정리할 때도 쓰고, 생각을 확장할 때도 쓰고, 거의 매일 대화를 쌓고 있었죠. 그런데 어느 순간 이런 생각이 들었습니다.
"이 대화들, 그냥 날려버리기엔 아깝지 않나?"
실제로 대화를 돌아보면 그대로 써도 될 만큼 괜찮은 인사이트나 문장이 꽤 많았습니다. 그럼 굳이 새로 쓰지 않아도 되겠다는 생각이 들었죠. 그래서 방향을 이렇게 잡았습니다.
•
새로 쓰지 말고, 이미 있는 대화를 활용하자
•
AI에게 글 작성을 무작정 시키는 게 아니라, 글감부터 뽑게 하자
•
그리고 가능하면 업로드까지 자동화하자
이렇게 해서, 대화 → 콘텐츠 → 발행 → 재활용(OSMU)까지 이어지는 구조를 실험해보게 됐습니다.
오픈클로로 만든 콘텐츠 자동화 구조
구조는 최대한 단순하게 잡았습니다. 복잡하게 만들면 결국 안 쓰게 되거든요.
전체 흐름은 이렇게 이어집니다.
•
돌돌이와 평소처럼 대화 → 글감 추천 → 버튼 클릭 → 자동 발행
대화 → 글감 추천 → 버튼 클릭 → Threads 자동 발행 플로우
하나씩 보면 어렵지 않습니다.
1. 대화 → 글감 → 게시까지 이어지는 흐름
먼저, 돌돌이가 하루 대화 중 일부를 스레드 글감으로 추천해줍니다.
여기서 중요한 건, "글을 써줘"가 아니라 "쓸 만한 소재를 골라달라"는 점입니다.
1. 대화 → 글감 → 게시까지 이어지는 흐름 도식화
완성된 글을 받는 것보다, 내 생각이 담긴 대화를 기반으로 정리된 초안이 훨씬 자연스럽거든요. 그리고 이 글감들은 정해진 형식이 아니라, 앞에서 설계해둔 콘텐츠 카테고리(관점, 사례, 팁 등)에 맞게 랜덤하게 생성됩니다.
그래야 덜 봇처럼 보이고(?), 실제 사람이 운영하는 느낌이 나니까요. 물론, 가장 중요한 '글에 건 제 생각이 드러나는가'이기 때문에, 이걸 잘 걸러내는 것이 이번 실험의 핵심이기도 합니다.
텔레그램 버튼 + Human-in-the-loop 구조
여기서 한 번 '사람이 해야하는 일'을 넣었습니다. 텔레그램 메시지에 '게시하기' 버튼을 붙여두고, 글감을 받은 뒤에 직접 읽어보고 괜찮은 것만 선택합니다.
돌돌이(openclaw)와의 대화 내용 예시
이 과정이 생각보다 중요합니다. 완전 자동화를 해버리면 편하긴 한데, 콘텐츠 톤이 미묘하게 어긋나기 시작하거든요.
그래서 역할을 이렇게 나눴습니다.
•
AI: 글감 추천 + 초안 생성
•
사람: 최종 선택 (버튼 클릭)
AI가 하는 일과 사람이 하는 일 구분에 대한 도식화
결과적으로 사람은 "쓰는 사람"이 아니라 "선별하는 사람"이 되는거죠.
Make + Webhook + Buffer로 연결한 자동화 스택
빠른 실행을 위해, 해당 과정은 자동화 툴인 Make를 활용했습니다.
어렵진 않고, 아주 단순한 2 개의 모듈만 활용했어요. 버튼을 누르면 그 다음은 전부 자동입니다.
자동화 워크플로우에 활용된 툴, Make의 시나리오 (Wenhook + Buffer) -- 콘텐츠 발행
구조는 꽤 단순합니다.
돌돌이(오픈클로) → Make Webhook → Buffer → Threads 자동 업로드가 끝입니다. 조금 어려워 보이는 어휘들이 몇 가지 있지만, 챗봇에게 물어보면 금방 알 수 있는 수준입니다.
자동화 프로세스 가운데 Human-in-the-loop를 녹여내기
•
텔레그램에서 사람이 "게시하기" 버튼 클릭
•
돌돌이가 Webhook 호출
•
Make 시나리오 실행
•
Buffer를 통해 Threads 자동 업로드
다만.. 처음에는 Threads를 직접 붙이려고 했는데, Make에 네이티브 모듈이 없어서 막혔어요. 여기서 Buffer를 중간에 끼우는 방식으로 해결했는데요, Meta 인증 이슈까지 같이 우회되면서 오히려 더 안정적으로 동작했습니다.
이렇게 해서, 결국 남은 작업은 "딸깍"으로 가능하게 됐습니다.
실제로 돌려보니 달라진 점
구조를 만드는 것과, 실제로 굴러가는 건 또 다른 이야기인데요. 막상 돌려보니까 일하는 방식 자체가 꽤 많이 바뀌었습니다.
글쓰기 0초, 발행 1분, 바뀐 작업 방식
테스트로 스레드 글 5개를 올려봤습니다. 걸린 시간은 대기시간 포함 총 1분 정도였습니다. 당연히, 글을 쓰는 시간은 0초였고요.
물론 완전히 아무것도 안 하는 건 아닙니다. 올리기 전에 한 번 읽어보고, 괜찮은 것만 고릅니다. 그런데 이게 생각보다 큽니다.
Before&After - 글쓰기 0초, 발행 1분으로 바뀐 작업 방식
기존에는 "언제 쓰지…" → 미루기 → 안 함 이 흐름이었다면,
지금은 "괜찮네?" → 버튼 클릭 → 끝으로 바뀌었습니다.
어떤 업무든 발전이 없는 이유는 "관성"이 반인데, 이 관성이 없어진 느낌이었어요.
완전 자동화 대신 '선별'에 집중하게 된 이유
처음에는 완전 자동화를 고민하기도 했습니다. 그런데 직접 써보니 생각이 조금 바뀌었습니다. AI가 만든 글이 틀린 건 아닌데, 미묘하게 '내 말 같지 않은 순간'이 있거든요.
그래서 지금은 오히려 이 구조가 더 마음에 듭니다. AI는 계속 글을 만들어주고, 저는 그중에서 쓸 것만 고르니까요.
게다가 Openclaw의 특성 상 작성한 글들에 대한 실시간 피드백이 가능하니,
하루가 다르게 글의 퀄리티까지 올라가는게 보이더라고요.
스레드에서 블로그까지, OSMU 확장하기
여기서 한 가지 짚고 넘어갈 부분이 있습니다. 지금 보고 계신 이 글도, 사실 새로 쓴 게 아닙니다. 이전까지 돌돌이와 한 대화의 내용들을 바탕으로 시작됐죠.
이 콘텐츠는 따로 처음부터 기획해서 쓴 글이 아닙니다. 돌돌이와 나눴던 "스레드 자동화 어떻게 만들었는지"에 대한 대화가 있었고요. 그 대화를 바탕으로, "이걸 블로그 콘텐츠로 만들어보자"는 흐름으로 이어졌습니다.
실제로는 이런 식이었습니다.
1.
돌돌이와 스레드 자동화 과정을 계속 대화로 정리
2.
그 대화를 기반으로 콘텐츠 제작 요청
3.
구조화 + 맥락 보강 → 블로그 초안 완성
그러니까, 이 글 자체도 AI와의 대화 내용을 토대로 콘텐츠로 변환된 결과물입니다.
AI와의 대화 내용을 토대로 콘텐츠로 변환되는 과정 도식화
OSMU는 '재가공'이 아니라 '흐름 설계'입니다. 보통 OSMU라고 하면 "하나 만들고, 여러 채널에 복붙한다"는 느낌이 강한데요. 이번 케이스는 조금 다릅니다. 스레드를 먼저 만들고 블로그로 옮긴 게 아니라 대화 → 스레드 → 블로그로 자연스럽게 이어진 흐름이죠.
이쯤되면 잘 아시겠지만, 중요한 건 결과물이 아니라 오히려 그 앞단인 "어디서 콘텐츠가 만들어지기 시작하느냐"입니다. 이번 경우에는 생각 → 대화 → 정리 → 발행 → 재가공 이라는 전체적인 흐름이 하나로 연결된 거죠.
콘텐츠를 '만드는 사람'에서, 콘텐츠를 '흐르게 만드는 사람'으로 역할이 바뀌는 것.
이게 이번 실험에서 가장 크게 달라진 지점이었습니다.