서비스를 직접 운영하면서 나온 숫자와 실패를 그대로 적습니다. 가격을 다시 계산한 날, 자동화가 조용히 틀린 값을 쓰던 날 같은 것들입니다. 본문은 블로그에 있습니다.
카드 79장짜리 보드게임 『구들』을 설계하면서 카드 도안을 직접 조판했다. 처음엔 가장 흔한 포커 사이즈(63×88mm)로 한 장을 만들었고, 그 뒤 규격을 바꿨다. 도안을 그리기 전에 정해야 했던 숫자 네 개를 순서대로 적는다.
재고를 사 두지 않고 도매처 상품을 스마트스토어에 올린 뒤, 주문이 들어오면 그때 도매처에 발주한다. 배송은 도매처가 고객에게 바로 보낸다. 초기 비용이 거의 없다는 점이 장점으로 소개된다. 우리는 이 구조를 2026년 여름부터 직접 굴리고 있고, 아래는 그 실측이다.
주식 백테스트를 돌리다 보면 「통과」 표시가 하나 뜨는 순간이 온다. 우리는 국내외 34종목 실데이터로 모의 매매 세션의 파라미터를 매일 아침 다시 검정한다. 2026-10-16 아침, 스윙 세션에서 바로 그 순간이 왔고 우리는 반영하지 않았다. 그 판단 과정을 숫자로 적는다.
클로드 업무 자동화는 사람이 매일 하던 일을 Claude에게 정해진 시각에 맡기는 것이다. 방법은 크게 둘이다. API를 코드에서 불러 호출한 만큼 돈을 내거나, 구독 플랜의 Claude에게 예약 작업을 걸어 정해진 시각에 스스로 일을 시작하게 하거나. 우리는 2026년 여름부터 뒤쪽으
n8n은 오픈소스 워크플로 자동화 도구다. 화면에서 노드(상자)를 놓고 선으로 이으면 "이 일이 생기면 저기로 보내라"가 하나의 워크플로가 된다. 직접 서버에 설치(셀프호스팅)할 수도 있고 공식 클라우드를 쓸 수도 있다. Zapier·Make와 같은 자리에 있지만, 코드 노드에 자바스크
「보드게임 만들기 사이트」를 찾는 사람은 대개 카드 도안을 찍어 줄 곳이나 디자인 도구를 찾는다. 그런데 인쇄를 맡기고 나서 규칙이 망가진 걸 알면 고칠 때마다 다시 찍어야 한다. 우리는 카드게임 『뱃깃』을 만들면서 인쇄 전에 규칙부터 컴퓨터로 수천 판 돌렸다. 그 과정에서 사람 눈으로
위탁으로 올린 쇼핑카트 60L(#131)은 스토어 이름으로 검색하면 나오고, 「장바구니캐리어」「쇼핑카트」 같은 상품 키워드로는 안 나왔다. 상품은 색인돼 있는데 노출이 안 되는 상태다. 사장님 가설은 한 줄이었다. 「가격이 싸야 나오는 거 아니냐.」
「압축선반 추천」을 찾으면 4천 원대부터 3만 원대까지 한 화면에 섞여 나온다. 우리는 위탁으로 폭 35cm 길이조절 압축선반을 스마트스토어에 올려 두고 있어서, 도매가와 사양을 직접 본 적이 있다. 그 경험으로 기준을 세우고 쿠팡 상품 4개를 같은 기준에 대 봤다. 가격과 사양은 모두
「스마트스토어 상품등록 자동화」를 찾으면 대부분 도매처 상품을 긁어 와 한 번에 올리는 이야기다. 우리도 위탁 상품의 상세페이지를 자동으로 만들어 스마트스토어에 올리고 있다. 그런데 막상 올린 뒤에 다시 열어 보니, 문제는 등록 속도가 아니라 등록된 본문 안에 들어간 것이었다.
Claude API 가격을 비교할 때 보통 모델별 100만 토큰 단가를 나란히 놓는다. 그런데 실제 청구액을 정하는 건 단가보다 어떤 호출이 출력을 얼마나 많이 내는가였다. 우리 서버의 AI 호출 원장(2026-09-11~10-11, 30일)을 그대로 놓고 다시 계산했다.
우리 스마트스토어는 2026년 8월 24일에 사각·원형 세탁망 4종 세트를 올렸다. 도매가 6,800원, 판매가 12,500원이었다. 그리고 7주 동안 주문은 0건이었다.
우리는 스마트스토어에서 위탁 상품 8개를 6주 동안 팔았다. 그 기간 주문은 4건이었고, 4건 모두 260g짜리 캔버스 방수 백팩 한 품목에서 나왔다. 도매가 7,400원, 판매가 12,300원, 수수료와 배송비 수수료를 빼면 개당 3,976원(판매가의 32%)이 남는다. 써 본 후기는
혼자 위탁판매 스토어를 운영하면서 엑셀이 두 군데 끼어 있었다. 하나는 공급처(온채널)에 넣는 대량주문 엑셀이고, 다른 하나는 스마트스토어 상품별 통계 엑셀이다. 둘 다 프로그램으로 만들었고, 둘 다 한 번씩 틀렸다. 엑셀 자동화 프로그램을 만들기 전에 정해 둘 것을 그 틀린 자리 순서
우리는 스마트스토어에서 60L 접이식 롤링 카트를 위탁으로 팔고 있다. 도매 공급가가 18,500원이고, 판매가를 34,200원에서 23,000원으로 내려 보는 가격 실험을 했다가 검색 노출에 변화가 없어 10월 12일 34,200원으로 되돌렸다. 23,000원일 때 수수료를 빼면 개당
무재고(위탁) 판매는 도매처 상품을 내 스토어에 올리고, 주문이 들어오면 도매처가 바로 발송하는 구조다. 재고 부담이 없으니 시작 장벽이 낮다. 대신 처음 보는 숫자가 대개 틀린다. 우리는 스마트스토어에 상품 8개를 올려 두고 2026-10-08 기준으로 원장을 다시 셌다.
「보드게임 만들기 키트」를 검색하면 2만 원대 완제품 키트와 몇천 원짜리 공카드·빈 보드가 섞여 나온다. 무엇을 사야 하는지는 만들려는 게임에 카드가 몇 장 필요한가로 거의 갈린다. 우리는 보드게임 몇 종을 직접 설계하고 있어서, 그 구성물 수량을 기준으로 따져 봤다. 가격은 모두 20
백테스트는 「과거 데이터에 규칙을 돌려 보는 것」이다. 돌리는 것 자체는 쉽다. 어려운 건 좋게 나온 결과를 걸러내는 방법이다. 우리는 국내외 34종목 실데이터로 매매 전략 후보를 매일 만들어 검증한다. 오늘(2026-10-07) 후보 96개를 돌린 결과로 그 순서를 정리한다.
우리 운영 보드에는 「카운슬 안건」이라는 작업 단위가 있다. 안건을 구현한 PR이 머지되면, 정리 스크립트가 PR 제목에서 council #N 같은 인용 표기를 찾아 그 안건을 「구현됨」으로 올린다. 그런데 크론 하나가 결정 #444라는 다른 표기로 PR을 올렸고, 이걸 놓치지 않으려고
n8n은 직접 설치(셀프호스팅)하거나 공식 클라우드를 쓰는 두 길이 있다. 우리는 공식 Docker 이미지(n8nio/n8n)를 Railway 같은 PaaS에 올려 쓴다. 설치 자체는 Dockerfile 몇 줄이면 끝난다. 막힌 곳은 설치가 아니라 설치한 다음이었다.
우리 자동화에는 AI가 낸 개선 제안을 코드로 옮겨 main에 넣는 러너가 있다. 결제·약관처럼 돈과 법이 걸린 파일은 사람이 보도록 초안 PR로 멈춘다. 문제는 그 판정을 파일 경로로 했다는 점이다. 7,700줄짜리 통합 라우트 파일 하나가 목록에 있어서, 결제와 무관한 제안 세 건이
이미지 생성 API를 고를 때 가장 먼저 찾는 말이 「무료」다. 우리도 데일리 브리프의 SNS 카드, 위탁판매 상품 사진, 게임 에셋에 이미지 API를 붙이면서 같은 길을 걸었다. 가격표만 보면 알 수 없고, 직접 호출해 봐야 드러나는 것이 넷 있었다.
위탁판매 스토어에서 카메라 스트랩 하나를 두고 지난주에 이렇게 판정했다. 「연관 키워드 월 검색량 90. 수요가 없으니 연출컷을 만들지 않는다.」 판정을 내린 건 네이버 검색광고 API로 키워드 수요를 재는 우리 감사 스크립트였다. 조회수를 못 보는 상황에서 수요를 재는, 돈이 안 드는
업무 자동화에 AI를 붙일 때 가장 먼저 정할 것은 어떤 모델을 쓰느냐가 아니라 AI가 만든 결과를 누가 통과시키느냐다. 혼자 운영하는 서비스에서 AI로 글 초안을 매일 만들어 보니, 만드는 것보다 걸러 내는 장치가 결과를 더 크게 갈랐다.
인베스트랩은 매일 아침 세션 파라미터 후보를 몇 개 세우고, 과거 데이터의 뒤쪽 30%(표본 밖 구간)에서 현재값과 겨루게 한다. 이긴 후보가 있으면 바꾸고, 없으면 그대로 둔다. 비교 기준은 두 단계였다. 먼저 이항검정(단측 p<0.05)을 통과한 매매 패턴 수를 보고, 같으면 표본
업무 자동화 툴을 비교할 때 보통 연동 개수나 가격을 본다. 혼자 예약 작업 10여 개를 직접 돌려 보니 먼저 갈린 건 기능이 아니라 「그 작업이 어느 컴퓨터에서 도는가」였다. 컴퓨터가 자면 자동화도 잔다. 툴은 크게 세 자리에 놓인다.
혼자 운영하는 저장소에서 자동화 작업이 코드를 고쳐 main에 넣는 길은 둘이다. 예약 작업이 PR을 올리면 자동 머지 게이트가 보고, 회의 안건에서 나온 제안은 카운슬 러너가 직접 반영한다. 둘 다 결제·약관·빌드 설정 파일은 사람 확인 없이 못 넣게 막는다.
스마트스토어 자동화를 검색하면 대부분 상품 수집·대량 등록·주문 연동 이야기다. 위탁판매(무재고 판매)를 직접 돌려 보니, 가장 먼저 사고가 난 곳은 등록이 아니라 가격이었다.
예약 작업(크론)이 만든 변경은 게이트를 거친다. 타입 검사·빌드·부팅 확인을 통과하면 자동으로 머지되고, 떨어지면 사람이 볼 PR로 남는다. 문제는 떨어진 PR이 로그에는 DRAFT_PR로 찍히는데 실제로는 draft가 아니었다는 점이다. 사람도, 검토 에이전트도 "draft가 아니니
n8n은 노드를 이어 붙여 업무 흐름을 자동화하는 도구다. 셀프호스트하면 실행 횟수 과금이 없어서 1인 사업자나 작은 팀이 많이 쓴다. 검색하면 "이런 것도 된다" 목록은 많은데, 처음 만든 자동화가 왜 사고를 치는지는 잘 안 나온다. 여기는 우리가 실제로 운영하면서 정리한 기준이다.
데일리 브리프는 매일 아침 카테고리별로 AI가 요약을 만든다. 1차는 Gemini이고, Gemini가 실패하면 Claude가 받아 주도록 짜여 있었다. 9월 29일 배치에서 Gemini가 finance·aitools 두 카테고리에서 실패했다. 그날 브리프 16건 중 14건이 빈 채로 나
「업무 자동화 사례」를 찾는 분이 가장 궁금한 건 보통 「무엇을 자동화했나」다. 우리 경험으로는 그보다 「자동화끼리 무엇을 같이 쓰나」가 먼저 문제가 된다. 혼자 운영하는 사이드 프로젝트에서 매일·매주 도는 예약 작업 12개를 돌리며 실제로 잰 숫자로 설명한다.
데일리 브리프 구독에 해지 사유를 받는 칸을 붙이기로 했다. 설계 문서에는 「취소한 구독자 3명에게 먼저 묻는다」고 적혀 있었다. 처음 몇 명의 이탈자가 가장 값진 표본이라, 물어볼 사람이 있을 때 바로 물어보자는 계획이었다.
Claude든 ChatGPT든 Gemini든 API 요금은 「입력 토큰 × 입력 단가 + 출력 토큰 × 출력 단가」다. 호출 1회 값이 정해져 있지 않다. 그리고 출력 단가가 입력보다 몇 배 비싸다. 우리 원장이 쓰는 단가표로 Gemini 2.5 Flash는 100만 토큰당 입력 $0.
우리가 만든 자산배분 검증에서 「6자산 절대모멘텀 최대낙폭 14.8%」라는 숫자가 나왔다. 그런데 그 숫자는 2007~2026년 한 구간에서만 나왔고, 그 구간에는 2008년과 2020년이 들어 있다. 바로 앞서 다른 가설 하나가 똑같이 두 사건에 우위가 실려 있다가 79년 데이터에서
보드게임을 처음 만들 때 흔히 이 순서로 간다.
우리는 매일 만드는 카드와 짧은 영상을 인스타그램에 자동으로 올린다. 올린 직후 스크립트가 도달·좋아요 같은 인사이트를 한 번 읽어 저장한다. 그렇게 쌓인 기록 17건이 전부 도달 0 · 좋아요 0이었다.
「백테스트 사이트」를 검색하면 기간과 종목을 넣으면 수익률 곡선을 그려 주는 도구가 줄줄이 나온다. 도구는 충분하다. 문제는 그 곡선을 어디까지 믿어도 되는가다. 우리는 자동투자 실험을 굴리면서 한 전략이 20년 동안 이기다가 79년 앞으로 넓히자 사라지는 걸 직접 봤다. 그 과정에서
위탁판매 상품을 고를 때 우리는 「편집샵에 걸어도 어색하지 않은가」를 룩 점수 4축으로 쟀다. 대표컷 장수, 상품명, 브랜드, 가격대다. 그런데 이 4축에는 공통점이 하나 있었다. 전부 도매처가 등록을 성실히 했는지를 재고, 사진 자체는 한 픽셀도 보지 않는다.
「AI 구독료 비교」를 검색하면 대개 요금표가 나온다. 월 20달러, 월 30달러, 연간 결제 할인 같은 것들이다. 그런데 요금표만 보면 정작 중요한 걸 못 고른다 — 구독을 살지, 종량제 API를 쓸지, 둘 다 쓸지다. 이건 비교표가 아니라 「내가 뭘 얼마나 돌리는가」로 정해진다.
위탁 상품 소싱 파이프라인은 멀쩡히 돌았다. 다만 그걸 부르는 곳이 관리 콘솔의 버튼 하나뿐이었다. 크론도 스케줄러도 없다. dropship_sourcing_queue의 마지막 생성 시각을 찍어 보니 2026-08-20에 멈춰 있었다 — 31일간 신규 후보 0건. 그 사이 룩 게이트가
위탁 소싱을 자동으로 돌리면 후보가 게이트 몇 개를 지나 큐에 쌓인다. 수요·경쟁·인증·개당 마진까지는 보고 있었는데, 정작 「권장소비자가 이하로 가격이 잡히는가」는 발행 직전에야 봤다. 소싱 단계에는 그 검사가 없었다.
carry(할 일을 AI가 실행 단계로 쪼개 주는 도구)가 9월 14일에 이상한 실패를 냈다. AI 응답의 괄호는 다 닫혀 있고 구조도 완전한데 JSON.parse가 거부했다. 그날 진행 로그는 그걸 「완전한 JSON 구조인데도 파싱 실패하는 flaky 현상」이라고 적고 넘어갔다. 원인
자동화를 오래 굴리면 실패보다 나쁜 상태가 생긴다. 실패는 눈에 띄지만, 아무 일도 안 일어나는 상태는 안 띈다.
운영 대시보드를 몇 차례 손봤다. 대비를 올리고, 너무 작은 글자를 없애고, 디자인 린트도 통과시켰다. 그런데 화면을 연 사람의 반응은 그대로였다 — "좋아진 것 같지 않다."
8월 19일부터 9월 17일까지 자동화가 블로그 글 22건을 썼다. 채점 게이트를 통과한 것도 있었다. 그런데 실제로 발행된 것은 0건이었다.
데일리 브리프 Pro(월 9,900원)는 콘텐츠용 이미지를 월 100장까지 포함했다. 그 100장을 정할 때 쓴 원가는 장당 ₩54였다. 재확인해 보니 ₩54는 이미 단종된 구형 이미지 모델의 가격이었다. 실제로 부르고 있던 모델은 장당 $0.067, 환율 1,380원 기준 ₩92다.
위탁 자동화 쪽에서 "팔면 안 되는 상품"을 걸러내는 필터를 고치다가, 필터가 새는 방식 자체가 바뀌는 걸 봤다.
위탁으로 팔 상품을 고르는 기준에 「편집샵다운가」를 넣었다. 대표컷이 몇 장인지, 상품명이 키워드 나열인지, 브랜드를 밝혔는지, 프리미엄이 붙는 가격대인지 — 넷을 점수로 잰다. 사진을 보는 비전 모델은 부르지 않았다. 후보 한 건마다 과금되기 때문이다.
자동매매 실험실은 하루 한 번 AI에게 전략 파라미터 튜닝을 맡겨 왔다. 원장(invest_algo_state) 버전 13~18, 그러니까 9월 1일부터 7일까지를 열어 보니 사유가 전부 같은 문장이었다 — 「기각·기존유지: 후보가 국면가중 스코어로 개선 없음」. 호출은 7일 내내 나갔
만들던 보드게임 『곗날』을 8인 기준으로 3,000판 자동으로 돌렸다. 마지막 달에 목돈을 타는 사람의 우승률이 98.5%였다. 협상하고 입찰하는 과정이 다 붙어 있었는데도 실제로 남은 선택은 "끝까지 기다린다" 하나였다.