AI 자동화를 하나씩 붙이다 보면 묘한 현상이 생깁니다. 블로그는 매일 발행되고, 텔레그램 알림은 정시에 오고, 주간 리포트는 자동으로 쌓입니다. 겉으로는 잘 돌아가는 것처럼 보입니다. 그런데 어느 순간부터 '내가 지금 뭘 하고 있는 거지?'라는 질문이 듭니다. 자동화된 작업이 너무 많아지면, 오히려 전체 그림이 안 보이게 됩니다.
이게 바로 GPTers 22기 영상에서 반복해서 등장한 문제입니다. 자동화를 많이 구축한 사람일수록 공통적으로 말한 고민이 있었습니다. '지금까지 뭘 만들었는지, 그중에 뭐가 살아 있고 뭐가 죽었는지, 전체적으로 얼마나 완성됐는지 모르겠다'라는 것입니다. 자동화 개수만 늘어나고, 자동화 상태를 한눈에 보여주는 지표가 없으면, 결국 운영자가 길을 잃습니다.
GPTers에서 한 참가자가 했던 말이 아직도 생생합니다. "AI 한테 이것저것 시켜놓고 정작 나는 뭐가 어떻게 돌아가는지 몰라서, 매일 아침 텔레그램 알림 목록을 스크롤하면서 상황 파악부터 시작합니다." 이 말이 바로 자동화 역설의 핵심입니다. 자동화가 사람을 덜 바쁘게 만드는 게 아니라, 사람이 자동화를 관리하느라 더 바빠지는 상황인 거죠. 해결책은 놀랍게도 자동화를 더 늘리는 게 아니라, 하나의 운영 대시보드를 만드는 것입니다.
GPTers 영상에서 자동화를 오래 유지한 사람들을 분석해보면, 한 가지 공통점이 있었습니다. 그들은 자신의 자동화 상태를 한눈에 볼 수 있는 운영체계를 먼저 만들었습니다. 자동화를 만드는 속도보다, 만든 자동화를 추적하는 구조를 먼저 잡은 거죠.
이 운영체계에는 세 가지 정보가 항상 들어 있었습니다. 첫째, 현재 돌아가고 있는 자동화 목록입니다. 몇 개가 살아 있고, 몇 개가 멈췄는지 실시간으로 보여줍니다. 둘째, 각 자동화의 최근 실행 결과입니다. 성공했는지 실패했는지, 마지막 실행이 언제였는지 기록됩니다. 셋째, 전체 완료율입니다. 계획한 자동화 중에 몇 퍼센트가 실제로 완성돼서 돌아가고 있는지 수치로 보여줍니다.
이 세 가지 중에서 특히 완료율이 중요했습니다. GPTers에서도 "완료율을 넣고 나서야 자동화가 '취미'에서 '운영'으로 바뀌었다"라는 발언이 있었습니다. 완료율이라는 숫자 하나가 생기니, 무엇을 먼저 해야 하는지, 어디서 멈췄는지, 어떤 자동화가 방치되고 있는지 한눈에 들어왔습니다. 추상적이던 진행 상황이 구체적인 숫자로 바뀌니까, 다음 행동도 자연스럽게 정해졌습니다.
또 하나 인상 깊었던 건, 잘 운영되는 자동화일수록 '완료'의 기준이 엄격했다는 점입니다. "블로그 자동화를 만들었다"로 완료가 아니라, "블로그 자동화가 7일 연속 오류 없이 발행됐다"까지 가야 완료로 인정하는 식입니다. 이렇게 기준을 엄격하게 잡으니, 자동화를 대충 만들고 넘어가는 일이 없어졌습니다. 완료율이 단순한 숫자가 아니라 품질 기준이 된 셈입니다.
제가 현재 운영 중인 개인 AI 대시보드 구조를 공유해보겠습니다. GPTers 영상에서 배운 원칙들을 실제 제 환경에 맞게 적용한 결과물입니다.
대시보드는 크게 네 개의 섹션으로 나뉩니다. 첫 번째는 '오늘의 상태'입니다. 날짜, 요일, 그리고 오늘 돌아가야 할 자동화 목록과 현재 상태를 보여줍니다. 매일 아침 텔레그램으로 한 장짜리 카드가 도착하는데, 거기에는 오늘 예정된 크론 작업, 예상 완료 시각, 어제 실패한 작업이 있으면 경고 표시가 들어갑니다. 이 카드 하나만 봐도 오늘 내 운영체계가 어떻게 돌아갈지 10초 안에 파악됩니다.
두 번째는 '주간 완료율'입니다. 이번 주에 완료한 자동화 작업, 진행 중인 작업, 아직 시작도 안 한 작업을 퍼센트로 보여줍니다. GPTers 사례를 참고해서, 완료 기준을 '실행 성공'이 아니라 '7일 연속 오류 없이 작동'으로 잡았습니다. 이 기준을 적용하니 완료율이 현실적으로 낮아졌지만, 대신 숫자를 신뢰할 수 있게 됐습니다. 완료율이 높아 보이려고 기준을 낮추는 건 의미가 없고, 오히려 진짜 상태를 보여주는 게 더 중요합니다.
세 번째는 '방치된 자동화' 목록입니다. 마지막 실행이 7일 이상 지났거나, 실패한 지 3일이 넘은 자동화를 자동으로 리스트업합니다. 이 목록은 매주 월요일 아침에 한 번 확인합니다. 방치된 자동화가 있다는 건 두 가지 중 하나입니다. 더 이상 필요 없는 자동화를 그냥 놔둔 경우, 아니면 고쳐야 하는데 미루고 있는 경우입니다. 어느 쪽이든 방치된 자동화는 운영의 구멍이 됩니다.
네 번째는 '개선 루프'입니다. 매주 금요일 오후에 한 주 동안의 자동화 로그를 바탕으로, 가장 많이 실패한 작업, 가장 시간을 많이 쓴 작업, 가장 효과가 컸던 작업을 자동으로 정리합니다. 이걸 보면서 '다음 주에 무엇을 고칠지' 딱 한 가지만 정합니다. GPTers에서 배운 교훈처럼, 개선 목표는 하나로 좁히는 게 실제로 실행할 확률이 가장 높습니다.
이 네 개의 섹션이 모이면, 나의 AI 운영체계 전체를 한눈에 볼 수 있습니다. 기술적으로 복잡한 대시보드가 아니라, 매일 아침 1분, 매주 월요일 5분, 매주 금요일 10분만 투자하면 되는 구조입니다. 중요한 건 데이터를 많이 모으는 게 아니라, 모은 데이터가 바로 행동으로 이어지는 경로를 만드는 것입니다.
운영체계를 만들 때 가장 조심해야 할 함정이 있습니다. 한 번에 완벽한 대시보드를 만들려고 하는 겁니다. GPTers에서도 이 함정에 빠진 사례가 꽤 있었습니다. 처음부터 모든 자동화의 로그를 수집하고, 예쁜 그래프를 그리고, 실시간 모니터링까지 붙이려다 지쳐서 중간에 포기하는 경우입니다.
제 경험으로는 정반대로 접근하는 게 훨씬 오래 갑니다. 처음에는 딱 하나의 숫자에서 시작합니다. 예를 들어 '오늘 블로그 자동 발행이 성공했는가'라는 예/아니오 하나만 체크합니다. 이 한 줄이 익숙해지면, 다음 주에 하나 더 추가합니다. '일주일 동안 며칠이나 성공했는가'로 확장합니다. 그다음 주에는 '어떤 요일에 실패가 몰리는가'를 추가합니다. 이렇게 한 단계씩 쌓아가면, 두 달 후에는 자연스럽게 꽤 쓸모 있는 운영체계가 완성됩니다.
GPTers에서 오래 운영하시는 분들의 공통된 조언도 이것이었습니다. "처음에는 엑셀 한 칸에서 시작하라. 시스템이 무거워지면 사람이 먼저 지친다." 실제로 한 참가자는 노션 페이지 하나에 매일 성공/실패만 O/X로 체크하는 것에서 시작해서, 지금은 30개가 넘는 자동화를 관리하는 대시보드로 발전시켰습니다. 중요한 건 한 번에 완성하는 게 아니라, 매주 조금씩 개선하는 루틴 자체를 만드는 것입니다.
또 하나 중요한 원칙은 사람이 하는 일과 AI가 하는 일을 분리하는 겁니다. 운영체계에서 AI는 데이터를 수집하고 정리하는 역할만 합니다. 판단은 항상 사람이 합니다. 예를 들어 AI는 "이번 주 자동화 실패율이 높습니다"라고 알려주지만, "그러니까 이 자동화를 폐기하세요"라고 결정하지는 않습니다. 이 경계를 지키는 게 운영체계를 오래 유지하는 비결입니다. AI가 판단까지 대신하게 되면, 사람은 점점 운영에서 손을 떼게 되고, 결국 시스템 전체가 무너집니다.
완료율의 진짜 가치는 숫자 자체에 있는 게 아닙니다. 완료율이 있으면 자연스럽게 회고가 생기고, 회고가 있으면 자연스럽게 개선이 쌓입니다. 이게 자동화의 선순환입니다.
GPTers 22기에서도 비슷한 패턴을 봤습니다. 주간 완료율을 체크하는 사람은 자연스럽게 "왜 이번 주 완료율이 낮았지?"라는 질문을 하게 됩니다. 그 질문이 쌓이면 패턴이 보입니다. 특정 요일에 실패가 몰린다거나, 특정 유형의 자동화만 계속 지연된다거나 하는 식입니다. 이걸 발견하면 근본적인 이유를 알게 되고, 이유를 알면 다음 주에 바꿀 게 생깁니다.
제 경우에는 주간 회고를 AI가 초안을 써줍니다. 매주 금요일 저녁에 자동화 로그, 완료율, 방치 목록을 취합해서 회고 초안을 만들어줍니다. 저는 이 초안을 5분 정도 읽으면서 '이번 주에 진짜 잘한 것 하나'와 '다음 주에 바꿀 것 하나'만 추가합니다. 이렇게 가볍게 운영하는 게 오래 갑니다. 회고가 무거워지면 안 하게 되고, 안 하면 완료율도 의미가 사라집니다.
회고가 쌓이면 한 달 단위로도 패턴이 보이기 시작합니다. 어떤 자동화는 만들고 한 달도 안 돼서 방치됐다거나, 어떤 자동화는 만든 지 3개월이 지나도 매일 잘 돌아간다거나. 이 데이터가 쌓이면 '내가 어떤 유형의 자동화를 잘 유지하는지'에 대한 자기 이해가 생깁니다. 단순히 'AI 자동화를 잘한다'가 아니라, '나는 반복 작업 자동화는 잘 유지하지만, 창의적인 작업 자동화는 자주 방치한다' 같은 구체적인 인사이트를 얻게 됩니다.
이게 바로 개인 AI 운영체계의 완성형이라고 생각합니다. 자동화를 만드는 기술이 아니라, 자동화를 오래 유지하고 개선하는 시스템. 그 시스템의 심장이 바로 완료율과 회고입니다.
이 시리즈의 1편에서는 자동화를 바라보는 관점을, 2편에서는 자동화의 판단 기준을, 3편에서는 AI 글쓰기의 스토리라인 설계를, 4편에서는 텔레그램 알림을 운영 카드로 바꾸는 법을, 그리고 이번 5편에서는 개인 AI 운영체계의 핵심인 완료율과 회고를 정리했습니다.
GPTers 22기 1주차부터 5주차까지 102개 영상을 분석하면서 얻은 가장 큰 깨달음은 이것입니다. 좋은 자동화는 사람을 대체하지 않습니다. 오히려 사람이 더 중요한 판단을 할 수 있도록, 반복되는 일과 흩어지는 정보를 정리해줍니다. 그리고 그 자동화가 오래 돌아가려면, 자동화 자체를 돌보는 운영체계가 따로 필요합니다.
완료율, 회고, 대시보드 같은 단어가 거창하게 들릴 수 있습니다. 하지만 실제로는 매일 아침 1분 동안 오늘의 상태를 확인하고, 매주 금요일 10분 동안 한 주를 돌아보는 것만으로도 충분합니다. AI 자동화의 목표는 '완벽한 시스템'이 아니라 '내일도 계속 돌아가는 시스템'입니다. 완료율과 회고는 그 시스템을 계속 돌아가게 만드는 최소한의 연료입니다.
이 다섯 편의 글이, AI 자동화를 시작하려는 분들께 작은 나침반이 되길 바랍니다. 도구를 고르기 전에 구조를 보고, 만들기 전에 판단 기준을 세우고, 글을 쓰기 전에 스토리라인을 잠그고, 알림을 보내기 전에 운영 카드로 설계하고, 마지막으로 완료율과 회고로 전체를 돌보는 것. 이 순서대로 하나씩 해보시면, AI 자동화가 훨씬 덜 두렵고 훨씬 더 오래 가는 도구가 될 것입니다.