안녕하세요, 브랜딩팀 인턴 한철희입니다.

지난주, 저는 위픽레터에 쌓여 있던 4,900여 개의 방대한 글을 AI에게 읽히고 분류하는 작업을 진행했습니다. 데이터를 시각화해보니 우리 매체에 어떤 글이 넘치고, 또 어떤 글이 부족한지 한눈에 들어왔습니다. 지난주가 데이터를 통해 현황을 진단하는 시간이었다면, 이번 주는 그 데이터를 바탕으로 실무를 자동으로 처리하는 시스템을 직접 구현하고 고도화하는 데 온전히 집중한 한 주였습니다.

첫 번째로 시도한 것은 보도자료 자동 처리 시스템입니다. 매일 메일함으로 쏟아지는 수많은 보도자료를 사람이 일일이 읽고 정리하는 것은 매우 소모적인 일이었습니다. 저는 메일이 수신되면 AI가 내용을 읽고 요약해 노션에 정리해 주는 기능을 구현했습니다.

이 과정에서 예상못한 난관이 있었습니다. 보도자료가 단순히 텍스트가 아닌 PDF나 첨부파일로 오는 경우가 많았기 때문입니다. 이를 해결하기 위해 첨부파일을 자동으로 저장하고 그 안의 내용을 추출해 읽어내는 로직을 추가했습니다. 또한, 동시에 여러 통의 메일이 쏟아질 때 시스템이 일부를 누락시키는 치명적인 문제를 발견했습니다. 이는 실무 자동화에서 용납될 수 없는 결함이었기에, 데이터를 순차적으로 처리하는 배치(Batch) 로직을 도입하고 동시 실행 제어 설정을 최적화했습니다. 덕분에 제목에 보도자료나 출시 같은 키워드가 포함된 메일을 100% 정확하게 캐치하고 처리하는 안정적인 시스템을 완성할 수 있었습니다.

두 번째로는 전략적 콘텐츠 자동 생성에 도전했습니다. 단순히 조회수만 높은 밈이나 이슈 키워드보다는, 우리에게 실질적인 이익을 줄 수 있는 광고주 타겟 키워드에 집중했습니다. 정보의 정확성을 높이기 위해 일반 크롤링 대신 퍼플렉시티(Perplexity)를 연동하여 최신 정보를 수집하게 했고, 2,000자가 넘는 긴 글을 작성할 때 AI가 멈추는 문제를 해결하기 위해 내용을 분할하여 작성하고 다시 매끄럽게 합치는 로직을 통해 글을 작성했습니다. 글의 마지막에는 자연스럽게 우리 회사를 소개하는 문구를 넣어, 콘텐츠가 단순 정보 제공을 넘어 비즈니스 기회로 이어지도록 설계했습니다.

세 번째로는 태그없는 글들을 찾아서 AI로 태그를 직접 작성하는 작업을 진행했습니다. 전체 글 중 태그가 없어 검색되지 않던 1,400여 개의 글을 AI가 읽고, 문맥에 맞는 태그를 자동으로 달아주도록 만들었습니다. 사람이 했다면 며칠이 걸렸을 일을 API를 활용해 단시간에 해결하며 검색 편의성을 높였습니다.

지난주에는 방대한 데이터를 학습시키느라 작업 속도에 아쉬움이 있었지만, 이번 주에는 그 데이터를 바탕으로 실무에 즉시 적용 가능한 자동화 모델들을 직접 구현해보며 큰 성취감을 느꼈습니다. 무엇보다 AI를 활용해 단순 반복 업무 시간을 줄이고, 그 시간을 더 가치 있는 고민에 쓸 수 있다는 사실을 머리가 아닌 몸으로 체감한 한 주였습니다.