1. 왜 AI 블로그를 만들기로 했나
솔직히 말하면 처음 계획은 굉장히 단순했습니다. "AI 관련 글 몇 개 써놓으면 구글 광고 수익이 들어오지 않을까?" 그게 전부였어요. 그런데 막상 시작하고 보니 생각이 완전히 바뀌었습니다. 오늘은 그 과정을 처음부터 끝까지 솔직하게 정리해보려고 합니다. 잘된 것, 안 된 것, 예상 밖이었던 것, 돈이 얼마나 들었는지까지 전부요.
제가 AI에 관심을 갖기 시작한 건 ChatGPT가 처음 나왔을 때부터입니다. 처음엔 그냥 신기해서 써봤는데, 쓰면 쓸수록 "이걸 제대로 쓸 줄 아는 사람과 모르는 사람 사이에 생산성 차이가 엄청나겠다"는 생각이 들었습니다. 실제로 주변에서도 갈리기 시작했거든요. 같은 일을 하는데 AI 쓰는 사람은 두 배 속도로 하고, 안 쓰는 사람은 예전 방식 그대로 하고 있는 장면들을 자주 목격했습니다.
그런데 한국어로 된 AI 관련 콘텐츠를 찾아보면 문제가 있었습니다. 크게 두 종류로 나뉘었는데, 하나는 너무 입문자용이라 실용적인 내용이 없는 경우고, 다른 하나는 번역체 느낌이 강하거나 외국 기준으로 쓰여서 한국 상황에 맞지 않는 경우였습니다. "ChatGPT Plus 구독하면 $20" 이런 식의 정보는 많은데, "한국에서 카카오 채널 연동할 때 Claude API 어떻게 쓰는지"는 제대로 된 글이 없었어요.
그래서 제가 직접 써보면서 알게 된 것들을 정리하는 블로그를 만들기로 했습니다. 처음엔 워드프레스를 쓸까, 티스토리를 쓸까 고민했습니다. 근데 워드프레스는 호스팅 비용이 들고, 티스토리는 플랫폼 의존도가 높고, 벨로그는 개발자 한정 느낌이 강했습니다. 그래서 결국 순수 HTML/CSS로 만들고 Vercel에 무료로 올리는 방식을 선택했습니다. 그리고 이 모든 개발을 Claude AI에게 맡겼습니다.
처음엔 구글 애드센스도 붙일 생각이었습니다. 실제로 광고 코드를 모든 페이지에 다 심었어요. 그런데 며칠 보다 보니 광고가 사이트 분위기를 너무 망친다는 걸 느꼈습니다. 내용을 진지하게 읽다가 갑자기 중간에 "이 상품 지금 할인 중!" 같은 배너가 뜨면 독자 입장에서 당연히 기분이 나빠지겠죠. 결국 과감하게 전체 광고를 제거했습니다. 수익화는 나중에 다른 방법으로 생각하기로 했어요. 솔직히 지금은 콘텐츠를 쌓는 게 먼저라는 생각입니다.
처음엔 "AI가 글 써주면 광고 수익 자동으로 들어오겠지"라는 안일한 생각이었습니다. 실제로 해보니 콘텐츠 품질 관리, SEO 설정, 지속적인 업데이트까지 생각보다 훨씬 많은 결정과 검토가 필요했습니다. AI가 일을 많이 해주는 건 맞는데, 판단은 여전히 사람이 해야 합니다.
블로그 만들기로 결심한 진짜 이유
처음에 수익 목적이 있었던 건 솔직히 인정합니다. 하지만 실제로 작업을 시작하고 보니 다른 동기가 더 강해졌습니다. 제가 AI 도구를 직접 쓰면서 "이거 진짜 유용하다"고 느낀 순간들이 있었고, 그걸 공유하고 싶었습니다. 예를 들어 Claude로 코드를 짜다가 "이 리포지토리에서 버그 찾아줘"라고 했더니 파일을 전부 탐색하고 잠재적 문제를 리스트업해준 순간, 진짜 충격이었거든요. 이런 경험들을 더 많은 사람들이 알았으면 했습니다.
또 한 가지 이유는 제가 직접 배우기 위해서였습니다. 글로 정리하면 내가 안다고 생각했던 것들의 구멍이 보입니다. "Claude Haiku와 Sonnet 차이가 뭐야?"라고 누군가 물어봤을 때 명확하게 설명할 수 있으려면, 나 자신이 직접 두 모델로 같은 작업을 해보고 비교해야 합니다. 그 과정이 결국 저한테도 엄청난 공부가 됐습니다.
2. Claude Code로 사이트 만든 방법 — 실제 워크플로우
이 블로그 전체는 Claude Code로 만들었습니다. Claude Code는 터미널에서 쓰는 AI 코딩 에이전트인데, 단순히 코드를 생성해주는 것보다 훨씬 강력합니다. 프로젝트 전체 파일 구조를 이해하고, 파일을 직접 읽고 쓰고, git 명령어를 실행하고, 심지어 PR을 만들고 머지하는 것까지 다 합니다.
제 워크플로우는 이렇게 돌아갔습니다. 먼저 GitHub에 저장소를 만들고, Vercel과 연결했습니다. Vercel은 GitHub의 main 브랜치에 변경사항이 생기면 자동으로 배포합니다. 그러면 저는 Claude Code에게 "이런 글 써줘", "이 도구 만들어줘"라고 지시하고, Claude가 HTML 파일을 생성하면 git commit과 push까지 합니다. GitHub Actions를 통해 Vercel 프리뷰가 뜨고, 확인 후 머지하면 자동 배포 완료입니다. 코드 한 줄 직접 안 써도 됩니다.
처음엔 이게 진짜 될까 반신반의했습니다. 근데 실제로 해보니 그냥 됩니다. 제가 해야 할 일은 결과물을 브라우저에서 확인하고, "이 부분 고쳐줘"나 "좋아, 다음 거 만들어줘"라고 말하는 것 정도입니다.
병렬 에이전트로 생산성 5배 올리기
가장 놀라웠던 건 여러 에이전트를 동시에 돌릴 수 있다는 점이었습니다. 예를 들어 "아티클 5개를 동시에 만들어줘"라고 하면, Claude가 5개의 독립적인 작업을 병렬로 실행합니다. 각 에이전트가 서로 다른 파일을 동시에 생성하는 거예요. 실제로 이 방식으로 하루 만에 5개 아티클과 3개 도구를 한 번에 만들었습니다. 순차적으로 하면 아마 며칠 걸렸을 작업입니다.
물론 이 방법에도 주의할 점이 있었습니다. 여러 에이전트가 동시에 같은 파일(index.html, sitemap.xml 같은 공유 파일)을 수정하면 충돌이 발생합니다. 그래서 한 에이전트는 새 아티클만 만들고, 다른 에이전트는 홈페이지/카테고리 네비게이션만 업데이트하는 식으로 역할을 나눠서 지시했습니다.
GitHub 머지 충돌 — 제일 많이 마주친 문제
이 프로젝트를 하면서 제일 자주 만난 기술적 문제는 git merge conflict였습니다. GitHub에서 Squash merge 방식을 쓰면, PR이 머지될 때마다 브랜치의 커밋 히스토리가 새로 생성됩니다. 이 때문에 다음 PR을 만들 때 이전 PR의 변경사항이 중복으로 충돌하는 현상이 생겼습니다. 처음엔 이게 왜 생기는지 몰라서 당황했는데, 해결법은 단순했습니다.
이 방법이 처음엔 무섭게 느껴졌습니다. git push -f (강제 푸시)를 쓰는 거니까요. 하지만 이 브랜치는 혼자 쓰는 피처 브랜치이고, main에 영향을 주는 게 아니니 안전합니다. 핵심은 "히스토리를 재작성하는 게 아니라, 변경사항 자체는 그대로 유지한 채 브랜치 시작점만 최신 main으로 옮기는 것"입니다.
Vercel 자동 배포 설정
Vercel은 정말 설정이 간단했습니다. GitHub 저장소를 연결하기만 하면 main에 푸시될 때마다 자동으로 빌드하고 배포합니다. 순수 HTML 사이트라 별도 빌드 설정도 필요 없었습니다. PR을 만들면 프리뷰 URL도 자동으로 생성되어서, 실제 배포 전에 결과물을 확인할 수 있었습니다. 무료 플랜으로 충분히 커버 가능합니다.
3. 처음 만들었을 때 실패담 — 날짜 버그, 이상한 내용
처음 만들었을 때 결과물은 솔직히 별로였습니다. 이걸 숨기고 싶지 않아서 그냥 털어놓겠습니다. 몇 가지 심각한 문제가 있었어요.
2026년 기준으로 만든 사이트인데, AI가 생성한 콘텐츠 곳곳에 "2025년 최신"이라는 문구가 남아 있었습니다. 가격 정보도 2025년 기준이었고, 모델명도 예전 것들이 섞여 있었습니다. 직접 확인해보기 전까지 몰랐던 게 창피하지만, AI가 만든 걸 그대로 믿으면 안 된다는 걸 이때 제대로 배웠습니다. 결국 Python 스크립트로 전체 20개 HTML 파일을 일괄 수정했습니다.
처음 AI가 생성한 아티클들은 형식은 그럴듯했지만 내용이 공허했습니다. "ChatGPT는 다양한 분야에서 활용 가능합니다. 텍스트 생성, 번역, 요약 등을 할 수 있습니다." — 이런 식의 교과서 같은 내용이었어요. 실제로 어떻게 쓰는지, 가격은 얼마인지, 다른 도구와 비교하면 어떤지 같은 실용적인 정보가 빠져 있었습니다. 독자 입장에서 읽어보면 "그래서 뭘 해야 하는데?"라는 물음에 답이 없는 글들이었습니다.
Claude 관련 글에서 "Claude 3.5 Sonnet"이라고 쓰여 있었는데, 현재 최신 모델은 "Claude Sonnet 4.6"입니다. 모델 계보가 바뀌면서 명칭 체계도 달라졌는데, AI가 학습 데이터 기준으로 예전 이름을 그대로 써버린 거예요. 가격도 틀렸습니다. 실제로 내용을 하나씩 검증하지 않으면 outdated 정보를 독자에게 전달하게 됩니다.
전면 재작성 — 뭘 어떻게 바꿨나
이 문제들을 발견하고 나서 대부분의 글을 전면 재작성했습니다. 재작성할 때 기준으로 삼은 것들이 있었어요.
첫째, 실제 수치를 넣었습니다. "Claude Sonnet 4.6 API 가격은 2026년 5월 기준 입력 토큰 1백만 개당 3달러, 원화로 약 4,140원입니다"처럼 구체적인 숫자가 있어야 독자가 실제로 활용할 수 있습니다. 모호한 표현은 전부 구체적인 숫자로 바꿨습니다.
둘째, Before/After 예시를 넣었습니다. 프롬프트 엔지니어링 글에서는 "나쁜 프롬프트 → 이렇게 바꾸면 좋은 프롬프트"를 나란히 보여줬습니다. 막연하게 "Chain-of-Thought 프롬프팅을 사용하세요"라고만 쓰는 것보다 훨씬 이해가 빠릅니다.
셋째, 솔직한 단점도 썼습니다. DeepSeek이 좋은 점만 쓰면 광고처럼 보입니다. "중국 서버라 회사 내부 데이터 넣으면 안 된다", "가끔 hallucination이 있다"처럼 실제 쓰다가 느낀 단점들도 포함했습니다. 독자 입장에서 단점도 알아야 선택을 제대로 할 수 있으니까요.
콘텐츠를 전면 재작성하고 나서 읽어보니 확실히 달랐습니다. "직접 써보고 쓴 글" 느낌이 났고, 읽으면서 실제로 유용한 정보를 얻을 수 있는 구조가 됐습니다. AI가 첫 초안을 만들고, 사람이 검증하고 개선하는 협업 방식이 맞다는 걸 이때 확신했습니다.
4. Claude vs ChatGPT 실전 비교
이 블로그를 만들면서 Claude와 ChatGPT를 실제로 둘 다 써봤습니다. 둘을 번갈아가며 같은 작업을 맡겨보고 비교해봤어요. 결론부터 말하면 "용도에 따라 다르다"인데, 어떻게 다른지 구체적으로 정리하겠습니다.
| 비교 항목 | Claude Sonnet 4.6 | ChatGPT-4o |
|---|---|---|
| 긴 코드 작성 | ✓ 압도적으로 나음. 500줄 HTML 한 번에 생성 | 중간에 잘리거나 "계속하려면 말해주세요" 나옴 |
| 맥락 유지 | ✓ 프로젝트 전체 파일을 기억하며 일관성 유지 | 긴 대화에서 앞 내용 잊어버리는 경우 있음 |
| 자연스러운 한국어 | ○ 좋음. 가끔 문어체가 강함 | ✓ 구어체 표현이 더 자연스러운 경우 있음 |
| 빠른 답변 | ○ Haiku면 빠름. Sonnet은 보통 속도 | ✓ GPT-4o mini는 정말 빠름 |
| 가격 (입력 1M 토큰) | Sonnet 4.6: $3.00 | GPT-4o: $2.50 |
| 파일 시스템 접근 | ✓ Claude Code로 직접 파일 읽기/쓰기 가능 | ChatGPT는 로컬 파일 접근 안 됨 |
| 브레인스토밍 | ○ 구조적인 아이디어를 잘 냄 | ✓ 더 창의적이고 다양한 방향으로 생각함 |
| 실수 인정 | ✓ 틀린 걸 지적하면 바로 인정하고 수정 | ○ 가끔 자기 답변을 고집하는 경우 있음 |
코딩 작업: Claude가 확실히 낫다
이 블로그 제작 경험으로 가장 확실히 느낀 건 긴 코드 작성에서 Claude가 압도적이라는 점입니다. 이 블로그의 아티클 하나가 보통 700~1000줄의 HTML입니다. ChatGPT-4o에게 같은 작업을 맡겼을 때는 중간에 잘리거나 "계속 생성할까요?"라고 물어보는 경우가 많았습니다. 반면 Claude는 시작부터 끝까지 한 번에 완성도 높게 생성했습니다.
또 중요한 게 맥락 유지 능력입니다. Claude Code를 쓰면 현재 프로젝트의 모든 파일을 참조할 수 있습니다. "다른 아티클이랑 같은 CSS 스타일로 만들어줘"라고 하면 실제로 다른 파일을 읽고 동일한 패턴을 적용합니다. ChatGPT는 이 수준의 프로젝트 맥락 이해가 안 됩니다.
글쓰기 작업: 경우에 따라 다르다
글쓰기는 좀 더 복잡합니다. 이 블로그처럼 정보형 콘텐츠(비교표, 가격 정리, 단계별 가이드)는 Claude가 더 잘합니다. 구조가 명확하고 정확한 정보를 담아야 할 때 Claude의 꼼꼼함이 빛납니다.
반면 캐주얼한 SNS 글이나 마케팅 카피는 ChatGPT가 더 자연스러운 경우가 있습니다. Claude는 가끔 너무 교과서적으로 쓰는 경향이 있어서, "더 구어체로, 친구한테 말하듯이 써줘"라고 명시적으로 지시해야 할 때가 있었습니다.
결론: 둘 다 써라
제 실제 워크플로우는 이렇습니다. 코딩, 긴 글 작성, 프로젝트 전반 관리는 Claude를 씁니다. 빠른 아이디어 탐색이나 "이 주제로 뭘 써야 할지 모르겠다" 싶을 때 브레인스토밍 용도로는 ChatGPT도 씁니다. 두 도구가 경쟁 관계라기보다는 서로 보완적인 역할을 합니다. 한 가지만 쓰는 사람보다 상황에 맞게 두 가지를 쓰는 사람이 훨씬 생산적입니다.
5. DeepSeek 써본 솔직 후기
DeepSeek을 처음 봤을 때 솔직히 반신반의했습니다. "중국 회사가 만든 AI가 Claude나 GPT-4에 견줄 수 있겠어?"라고 생각했거든요. 근데 실제로 써보니 놀랐습니다. 특히 가격 대비 성능 면에서요.
가격이 Claude Sonnet의 11분의 1 수준입니다. 이 가격 차이가 말이 되려면 성능이 그만큼 떨어져야 하는데, 실제로 써보면 그렇지 않습니다. 물론 최고 수준의 작업에서는 Claude가 낫지만, 일상적인 코딩이나 간단한 글쓰기에서는 DeepSeek이 충분합니다.
DeepSeek을 직접 써본 작업들
이 블로그에서 DeepSeek V3를 실제로 테스트해봤습니다. 주로 비교적 단순한 작업들이었는데, 예를 들어 짧은 Python 스크립트 작성, 간단한 CSS 수정, 데이터 형식 변환 같은 것들입니다. 이런 작업에서는 DeepSeek V3가 충분히 잘 했습니다. 응답 속도도 빠르고, 한국어 이해도 생각보다 좋았어요.
DeepSeek R1은 다릅니다. R1은 추론에 특화된 모델로, 수학 문제나 복잡한 논리 문제를 풀 때 강합니다. "이 코드에서 시간복잡도를 어떻게 개선할 수 있는지 단계별로 생각해줘"같은 질문에 특히 강했습니다. 생각 과정을 보여주면서 답을 내는 방식이 Claude의 extended thinking과 비슷한 느낌이었습니다.
DeepSeek의 한계 — 솔직하게
DeepSeek은 중국 기업의 서버에서 운영됩니다. 업무 관련 내부 문서, 고객 개인정보, 회사 코드베이스, 계약서 내용 등 민감한 정보는 절대 입력하면 안 됩니다. 개인용 학습이나 공개 정보 처리에는 문제없지만, 보안이 중요한 업무에는 적합하지 않습니다. GDPR이나 개인정보보호법 관점에서도 위험할 수 있습니다.
또 하나, DeepSeek은 특정 민감한 주제(중국 정치, 역사적 사건 등)에 대한 답변을 회피하거나 왜곡하는 경우가 있습니다. 이건 모델의 학습 방식과 관련된 문제입니다. 일반적인 IT 기술 질문에는 영향이 없지만, 알고 있어야 합니다.
언제 DeepSeek을 쓰고, 언제 Claude를 쓰는가
제가 정리한 기준은 이렇습니다. DeepSeek이 적합한 경우: 공개 정보 기반의 코딩 작업, 개인 프로젝트 스크립트, 학습 목적, 비용이 중요한 대량 처리 작업. Claude가 필요한 경우: 회사 관련 작업, 복잡한 멀티 파일 프로젝트, 보안이 중요한 내용, 최고 수준의 품질이 필요한 작업. 이 기준을 적용하면 비용은 많이 줄이면서 품질은 유지할 수 있습니다.
6. 이미지 생성 AI 직접 테스트
블로그를 만들면서 썸네일이나 일러스트를 AI로 만들어보고 싶었습니다. 실제로 Midjourney, DALL-E 3, Adobe Firefly를 테스트해봤는데, 경험을 정리해드리겠습니다.
Midjourney v7 — 퀄리티는 최고지만 달라진 게 있다
Midjourney는 여전히 이미지 퀄리티 면에서 최고입니다. 특히 v7로 업데이트되면서 사실감이 엄청나게 올라갔습니다. 그런데 달라진 점이 있었어요. v6까지는 Discord에서만 쓸 수 있었는데, 이제 웹 인터페이스로도 가능합니다. 그리고 프롬프트 방식도 바뀌었습니다. 예전엔 "A man, 4K, photorealistic, --ar 16:9 --v 6.1" 같은 형식이었는데, v7은 더 자연스러운 언어로 써도 잘 이해합니다.
가장 크게 달라진 건 스타일 참조 기능입니다. --sref 파라미터로 이미지의 스타일을 가져올 수 있고, --cref로 캐릭터 일관성을 유지할 수 있습니다. 예를 들어 블로그 썸네일의 스타일을 일관되게 유지하고 싶으면 --sref [이미지URL]을 쓰면 됩니다. 이 기능 덕분에 브랜드 이미지를 만드는 데 훨씬 편해졌습니다.
가격은 Basic 플랜이 월 $10(약 13,800원)입니다. 생성 횟수에 제한이 있어서 본격적으로 쓰려면 Standard 플랜($30)을 추천합니다.
DALL-E 3 — 한국어를 잘 이해한다는 의외의 강점
DALL-E 3의 의외의 강점은 한국어 텍스트 처리입니다. "가나다라마바사"를 이미지 안에 넣어달라고 하면 실제로 이미지에 글자가 들어갑니다. 완벽하진 않지만, 한국어 텍스트가 포함된 이미지가 필요할 때는 DALL-E 3가 낫습니다. Midjourney는 텍스트 렌더링이 아직 부정확한 경우가 많거든요.
ChatGPT Plus 구독($20/월)에 포함되어 있어서 ChatGPT를 쓰고 있다면 추가 비용 없이 쓸 수 있습니다. 단점은 스타일이 제한적이고, 창의적인 표현보다는 직관적인 이미지 생성에 적합합니다.
왜 이 블로그에 AI 이미지를 아직 안 썼나
솔직히 말하면 이미지를 넣을 시간과 에너지가 아직 없었습니다. 그리고 저작권 문제도 고려했습니다. Midjourney로 만든 이미지는 상업적으로 쓸 수 있지만, 사용 규정을 정확히 이해하고 써야 합니다. Adobe Firefly는 저작권 안전성이 제일 높은 옵션인데, Adobe CC 구독($60~80/월)이 필요합니다. 이런 비용과 복잡성보다 지금은 텍스트 콘텐츠 퀄리티를 올리는 게 우선이라고 판단했습니다.
7. n8n으로 자동화 해본 것들
n8n은 Zapier나 Make 같은 자동화 도구인데, 오픈소스라 자체 서버에 설치해서 무료로 쓸 수 있습니다. 이 블로그를 운영하면서 몇 가지 자동화를 시도해봤습니다.
n8n 설치 — Docker로 5분
Docker가 설치되어 있으면 n8n 설치는 진짜 5분입니다.
실제로 만든 자동화 워크플로우들
새 글 발행 알림: GitHub에 새 HTML 파일이 푸시되면, n8n이 이를 감지해서 슬랙 채널에 알림을 보내도록 했습니다. "새 글 발행: DeepSeek 완전 가이드 — [링크]" 이런 형식으로요. 이건 비교적 간단한 워크플로우라 처음 써보는 사람도 30분이면 만들 수 있습니다.
콘텐츠 아이디어 수집: 매일 오전 9시에 네이버 AI 관련 뉴스를 크롤링하고, 관련 키워드와 트렌드를 정리해서 이메일로 받도록 했습니다. 이 덕분에 매일 뉴스를 일일이 찾아볼 필요 없이 블로그 아이디어를 자동으로 수집할 수 있었습니다.
n8n vs Zapier — 솔직한 비교
n8n의 가장 큰 장점은 당연히 무료라는 겁니다. Zapier는 무료 플랜이 굉장히 제한적이고, 실제로 쓸 만한 플랜은 월 2~3만 원 이상 나옵니다. n8n은 서버 비용(소규모는 월 5천 원 수준)만 내면 됩니다.
단점은 초기 설정의 복잡함입니다. Zapier는 가입하고 5분이면 첫 자동화를 만들 수 있는데, n8n은 서버 설치, 도메인 설정, HTTPS 인증서까지 직접 해야 합니다. Docker를 모르거나 서버를 다뤄본 경험이 없다면 처음엔 막막할 수 있습니다. 하지만 한 번 설정하면 이후 자유도가 훨씬 높습니다.
제 권장 기준: 자동화가 5개 이하이고 기술적 배경이 없다면 Zapier나 Make가 낫습니다. 자동화를 10개 이상 쓰거나, 복잡한 조건 분기가 필요하거나, 비용을 아끼고 싶다면 n8n이 낫습니다.
8. 실제 들어간 시간과 비용 계산
많은 분들이 궁금해하실 것 같아서 실제 비용과 시간을 최대한 투명하게 공개합니다. 이게 제가 경험한 현실입니다.
AI API 비용
이 블로그 전체(16개 아티클 + 9개 도구 + 홈페이지/카테고리/사이트맵)를 만드는 데 사용한 AI API 비용을 추정해봤습니다. 주로 Claude Sonnet 4.6를 썼습니다.
각 아티클 생성에 평균 입력 토큰 약 5,000개(기존 파일 참조 포함), 출력 토큰 약 15,000개가 필요했습니다. 아티클 16개 기준으로 계산하면:
• 아티클 16개 × (입력 5K + 출력 15K) = 입력 80K + 출력 240K 토큰
• 도구 9개 × (입력 3K + 출력 10K) = 입력 27K + 출력 90K 토큰
• 수정/재작성 작업 = 약 200K 추가 토큰
총 입력 약 300K 토큰 × $3/1M = $0.90
총 출력 약 530K 토큰 × $15/1M = $7.95
합계: 약 $8.85 (약 12,200원)
네, 맞습니다. 16개 아티클과 9개 도구가 포함된 블로그 전체를 만드는 데 AI 비용으로 약 12,000원이 들었습니다. 이 금액이 믿기지 않을 수 있는데, 실제로 AI API 비용은 일반적으로 생각하는 것보다 훨씬 저렴합니다.
시간 비용
직접 코딩과 글쓰기를 했다면 얼마나 걸렸을지 추정해봤습니다. 각 아티클을 직접 쓴다면 평균 5~8시간, 도구 하나를 직접 만들면 3~5시간. 16개 아티클 + 9개 도구면 최소 100~130시간이 필요합니다. 시급 30,000원으로 계산하면 300~390만 원 가치의 작업입니다.
AI를 써서 실제 투입한 시간은? 지시, 검토, 수정 요청을 포함해서 약 10~15시간입니다. 물론 AI가 만든 콘텐츠를 전부 꼼꼼하게 검토하고 방향을 잡는 게 포함된 시간입니다. 혼자 다 했을 때보다 10배 빠르게 같은 결과물을 만든 셈입니다.
기타 비용
Vercel 호스팅: 무료 플랜으로 충분합니다. 개인 프로젝트 수준에서는 무료 플랜의 한도를 넘기 어렵습니다. 월 0원.
도메인: 아직 미구입 상태입니다. techtipcho.vercel.app으로 운영 중입니다. 도메인 구입 시 .com 기준 연 1~2만 원 정도 예상합니다.
폰트: Google Fonts에서 Noto Sans KR을 무료로 사용합니다. 월 0원.
총 운영 비용: API 사용에 따라 달라지지만, 콘텐츠 업데이트를 주 1회 정도 한다면 월 3,000~5,000원 수준입니다.
9. AI로 블로그 만들 때 진짜 주의할 것
이 경험을 통해 배운 주의사항들입니다. 특히 처음 AI 블로그를 시작하려는 분들께 솔직하게 전달하고 싶은 내용입니다.
구글 SEO 리스크 — 현실적으로 알아야 한다
2023년 이후 구글은 "Helpful Content Update"를 통해 AI가 대량 생성한 콘텐츠를 적극적으로 필터링하고 있습니다. 이건 단순히 "AI가 썼냐, 사람이 썼냐"의 문제가 아닙니다. 구글이 보는 건 "이 콘텐츠가 실제로 사용자에게 도움이 되는가"입니다.
AI가 쓴 글이라도 실제 경험 기반이고, 정확하고, 독자에게 유용하다면 문제없습니다. 반면 사람이 쓴 글이라도 키워드만 채워넣은 형식적인 글이라면 불이익을 받습니다. 이 블로그가 노력을 기울인 것도 그 이유입니다. 단순히 AI로 생성한 내용을 올리는 게 아니라, 실제 경험을 바탕으로 정확성을 검증하고 수정하는 과정을 거쳤습니다.
E-E-A-T는 Experience(경험), Expertise(전문성), Authoritativeness(권위성), Trustworthiness(신뢰성)의 약자입니다. 구글이 콘텐츠 품질을 판단하는 핵심 기준입니다. 작성자 프로필이 없고, 외부에서 언급(백링크)이 없고, 실제 경험이 드러나지 않으면 SEO에서 불리합니다. 이 블로그도 아직 E-E-A-T가 부족한 상태이며, 이게 단기간에 구글 트래픽을 기대하기 어려운 이유입니다.
AI가 틀리는 경우들 — 반드시 검증하라
AI가 만든 콘텐츠에서 실제로 발견한 오류 유형들입니다:
- 가격 정보 오류: AI의 학습 데이터가 최신이 아닐 수 있습니다. Claude Sonnet 4.6 가격, GPT-4o 가격 등은 자주 변경됩니다. 발행 전에 반드시 공식 사이트에서 확인하세요.
- 기능 hallucination: AI가 실제로 없는 기능을 있는 것처럼 설명할 때가 있습니다. "이 AI는 한국어 음성 인식을 지원합니다"처럼요. 실제로 확인해보면 해당 기능이 없거나 다른 방식으로 작동하는 경우가 있습니다.
- 날짜/버전 착오: 앞에서 언급한 것처럼 2025년 vs 2026년, 구모델 vs 신모델 혼동이 생깁니다.
- 한국 특화 정보 부족: "크몽에서 어떻게 포지셔닝해야 하는가"처럼 한국 플랫폼 특화 정보는 AI가 부정확하게 알고 있을 수 있습니다.
보안: API 키와 민감 정보 관리
AI를 써서 코드를 만들 때 가장 조심해야 하는 것 중 하나가 API 키 관리입니다. AI에게 코드를 짜달라고 할 때 "내 API 키는 sk-abc123..."처럼 실제 키를 포함해서 말하면 안 됩니다. Claude는 대화 내용을 저장하고 학습에 쓸 수 있습니다(API 사용 시 옵션으로 비활성화 가능). 항상 환경변수나 .env 파일로 키를 관리하고, .gitignore에 추가해야 합니다.
GitHub에 실수로 API 키를 커밋하는 건 매우 흔한 실수입니다. 실제로 이런 실수가 생기면 해당 키를 즉시 무효화하고 새 키를 발급받아야 합니다. GitHub는 이런 노출을 자동으로 감지하고 알려주는 기능이 있으니 알아두세요.
10. 지금 사이트 현황과 앞으로 계획
2026년 5월 기준 이 블로그의 현황을 솔직하게 공유합니다. 좋은 것과 나쁜 것 모두요.
현재 있는 것들
- 아티클 16개: Claude AI, ChatGPT, DeepSeek, 이미지 AI, 바이브 코딩, 로컬 AI Ollama, YouTube AI 자동화, n8n 자동화, AI 부업, 프롬프트 엔지니어링, AI 업무 자동화, 네이버 블로그 SEO, 무료 AI 도구, Google Sheets AI, AI 코딩 파이썬 로드맵, 이 경험기
- 개발자 도구 9개: AI 비용 계산기, JSON 포매터, 정규식 테스터, 색상 변환기, Base64, 단어 수 세기, 타임스탬프 변환기, 마크다운 미리보기, CSV to JSON 변환기
- 기술 스택: 순수 HTML/CSS/JS, Noto Sans KR, Vercel 호스팅, GitHub Actions CI
- 성능: 광고 없음, 빠른 로딩, 모바일 반응형
아직 없는 것들 — 솔직하게
이 블로그가 구글 검색에서 잘 노출되려면 아직 많은 게 필요합니다. 가장 큰 것들을 정리하면:
이미지가 없습니다. 모든 아티클이 텍스트와 표, 코드 블록으로만 구성되어 있습니다. 썸네일이 없어서 소셜 미디어에 공유했을 때 시각적 임팩트가 없습니다. 이미지 생성 AI를 써서 각 아티클에 맞는 이미지를 추가하는 게 다음 우선순위입니다.
작성자 프로필이 없습니다. 이 글들을 누가 썼는지 독자가 알 수 없습니다. E-E-A-T 관점에서 작성자 정보는 중요합니다. 실제 경험과 전문성을 보여주는 작성자 페이지가 필요합니다.
백링크가 없습니다. 새 사이트이기 때문에 다른 사이트에서 이 블로그로 링크된 것이 없습니다. 구글은 외부 링크를 신뢰도의 지표로 삼기 때문에, 초기에는 네이버 블로그나 관련 커뮤니티에 글을 공유해서 트래픽과 링크를 쌓아야 합니다.
도메인이 아직 없습니다. techtipcho.vercel.app으로 운영 중인데, 코드 안에는 techtipkr.com으로 canonical URL이 설정되어 있습니다. 이 불일치를 빨리 해결해야 합니다. 도메인 구입 후 Vercel에 연결하고, 코드 전체의 canonical URL을 업데이트해야 합니다.
6개월 후 목표
지금 당장 큰 트래픽을 기대하지 않습니다. SEO는 최소 3~6개월이 걸리는 장기 게임입니다. 6개월 후 목표는 이렇습니다. 첫째, Google Search Console에 사이트맵 제출 완료. 둘째, 주요 키워드 10개 이상에서 검색 결과 1~3페이지 진입. 셋째, 월 방문자 1,000명 이상. 넷째, 네이버 블로그 병행 운영으로 한국 검색 트래픽도 확보.
11. 이 경험에서 배운 AI 사용 원칙 5가지
수개월간의 AI 블로그 제작 경험에서 가장 중요하다고 느낀 원칙 5가지를 정리합니다. 이건 단순히 블로그 제작에만 해당하는 게 아니라, AI를 활용하는 모든 작업에 적용됩니다.
AI에게 "아티클 써줘"라고 하면 형식적인 결과물이 나옵니다. "네이버 블로그 SEO를 주제로 아티클 써줘. 독자는 블로그를 시작하려는 20~35세 직장인이고, C-Rank 알고리즘 원리부터 실전 프롬프트 5개까지 포함해줘. 내용이 실용적이지 않으면 안 써줘"처럼 목적, 독자, 포함해야 할 내용, 품질 기준까지 명시하면 처음부터 훨씬 좋은 결과물이 나옵니다. 지시의 질이 결과물의 질을 결정합니다.
AI가 완성했다고 해서 그걸 그대로 올리면 안 됩니다. 이 블로그를 만들면서 처음 생성된 콘텐츠를 검토해보면 90% 이상에서 수정이 필요했습니다. 가격 오류, 날짜 착오, 너무 일반적인 내용, 한국 상황에 맞지 않는 예시 등이 있었습니다. AI를 믿되, 검증은 직접 해야 합니다. "AI가 했으니 맞겠지"라는 생각이 가장 위험합니다.
많은 분들이 "AI API 비용이 무서워서 많이 못 쓴다"고 합니다. 실제로 계산해보면 놀랍습니다. 이 블로그 전체 16개 아티클과 9개 도구를 만든 AI 비용이 약 12,000원이었습니다. 직접 했다면 100시간 이상의 작업입니다. 비용 걱정에 AI 쓰기를 주저하는 건 1만 원 아끼려고 100만 원의 가치를 포기하는 것과 같습니다. 대신 비용 낭비를 피하려면 목적 없이 AI와 수다 떠는 건 피하고, 구체적인 결과물이 있는 작업에 집중적으로 활용하세요.
하나의 AI 에이전트를 순차적으로 쓰는 것보다, 여러 독립적인 작업을 병렬로 실행하면 효율이 몇 배 올라갑니다. 이 블로그에서 5개 에이전트를 동시에 돌려서 아티클 5개와 도구 3개를 하루 만에 만든 게 그 예입니다. 독립적인 작업들(예: 여러 글을 동시에 작성, 다른 파일에 각각 추가하기)은 병렬로 처리하고, 의존성이 있는 작업들(예: A 글이 완성되어야 B 글에 링크 추가 가능)은 순차적으로 처리하면 됩니다.
가장 중요한 원칙입니다. AI가 코드를 짜줬다고 해서 그 코드가 어떻게 동작하는지 이해하지 못한 채 배포하면 나중에 문제가 생겼을 때 수정할 수 없습니다. 콘텐츠를 AI가 썼다고 해서 그 안의 정보 정확성을 검증하지 않으면 독자에게 잘못된 정보를 전달하게 됩니다. AI를 "일 대신 해주는 도구"로만 보지 말고 "함께 작업하되, 최종 검토는 내가 한다"는 마인드로 접근하세요. 이 마인드가 AI를 잘 쓰는 사람과 그냥 쓰는 사람의 가장 큰 차이입니다.
12. 마무리 — 직접 해보고 느낀 것
AI 없이 이 블로그를 만들었다면 솔직히 못 했을 것 같습니다. 디자인, 코딩, 16개 분야의 전문적인 아티클 작성, SEO 최적화까지 혼자 모두 해내는 건 몇 달이 걸리는 작업입니다. 하지만 AI 덕분에 이 모든 걸 짧은 시간 안에 할 수 있었습니다.
이 경험을 통해 가장 크게 느낀 건 "AI를 잘 쓰는 것"과 "그냥 쓰는 것"의 차이입니다. 그냥 쓰는 것은 "ChatGPT야, 이거 써줘"하고 결과물을 그대로 쓰는 겁니다. 잘 쓰는 것은 AI에게 명확한 목적과 기준을 주고, 결과물을 검증하고, 필요하면 방향을 수정하고, 최종 판단을 직접 내리는 겁니다. AI는 도구입니다. 좋은 도구가 작업을 더 쉽게 만들어주지만, 결과의 질은 도구를 다루는 사람에게 달려 있습니다.
처음 AI 블로그를 시작하려는 분들께 권하는 것은 단 하나입니다. 일단 시작하세요. 완벽한 계획을 세우느라 시간을 쓰지 말고, 일단 첫 글 하나를 AI와 함께 만들어보세요. 실제로 해보면 어디에서 AI의 도움을 받아야 하고, 어디에서 직접 결정을 내려야 하는지 금방 알게 됩니다. 그 과정이 쌓이면서 자연스럽게 AI를 잘 쓰는 사람이 됩니다.
• 코딩 AI: Claude Code (Sonnet 4.6)
• 호스팅: Vercel (무료 플랜)
• 저장소: GitHub
• 폰트: Google Fonts — Noto Sans KR
• 기술 스택: 순수 HTML/CSS/JavaScript (프레임워크 없음)
• 자동화: n8n (Docker 설치)
• 이미지 AI: Midjourney v7 (테스트용, 아직 미적용)
이 글이 AI를 써서 무언가를 만들어보고 싶은 분들께 조금이라도 도움이 됐으면 좋겠습니다. 궁금한 점이 있으시면 아래 이메일로 연락 주세요. 읽어주셔서 감사합니다.
mirririnside1024@gmail.com — 경험기에서 더 자세히 알고 싶은 부분이 있으시면 편하게 문의 주세요.