실제로 쓸모 있는 일을 하는 AI — 실크햇 쓴 챗봇이 아닙니다.
또 하나의 ChatGPT 구독이 필요한 게 아닙니다. 한 주를 잡아먹는 그 구체적인 일들을 처리하는 AI가 필요합니다 — 견적서 초안 작성, 오늘만 40번째 같은 고객 질문 답변, 전화 받기 전에 고객 이력 요약. 이미 쓰고 있는 도구에 내장되고, 고객님의 데이터에 기반하고, 계산이 실제로 맞는 가격으로. $500부터.
AI가 당신의 비즈니스에 정말 가치가 있을까요?
솔직하게, 처음부터.
AI가 제값을 할 가능성이 큰 경우…
- 같은 작업을 반복하고 있는 경우 — 견적서 작성, 같은 질문에 답하기, 인보이스 분류 — 그리고 그게 매주 몇 시간을 잡아먹는 경우.
- 아무도 읽을 시간이 없는 데이터 더미(주문, 티켓, 이메일, PDF, 통화 메모)가 있지만 그 안에 답이 묻혀 있는 경우.
- 팀이 매일 고객으로부터 같은 10가지 질문을 받고 있고, 웹사이트가 방법을 안다면 답할 수 있는 경우.
- 관리 업무를 맡을 또 다른 사람을 고용하지 않고 더 많은 일을 받고 싶은 경우.
- ChatGPT를 직접 가지고 놀아 보면서 "이걸 별도 브라우저 탭이 아니라 내 실제 비즈니스에 연결할 방법이 분명 있을 거야"라고 생각한 경우.
아마 보류하는 것이 나은 경우…
- 진짜 문제가 아직 데이터가 없는 것인 경우. 아무것에도 기반하지 않은 AI는 환각 기계입니다 — 데이터부터 고친 다음에 이야기합시다.
- "AI"를 원하지만 AI가 할 구체적인 일을 짚지 못하는 경우. 실제로 쌓여 있는 일 하나를 갖고 오시면 거기에 대한 좋은 답 하나를 만들어 드립니다.
- 팀이 이미 스프레드시트로 프로세스를 해결했고 잘 돌아가는 경우. 돈을 아끼세요 — 통화에서 그렇게 말씀드립니다.
- 유행이라서 AI를 쫓는 경우. 고객은 내부에 뭐가 들었는지 관심 없습니다 — 전화를 받는지가 중요합니다.
어느 쪽에 해당하는지 확실하지 않다면, 바로 그것이 무료 통화의 목적입니다.
제가 만드는 모든 AI 기능이 기본으로 갖는 것.
추가 옵션이 아닙니다. AI를 정직하게 유지하는 방법입니다.
- 실제 데이터에 기반
- 첫날부터 비용 추적
- 3초 이내 답변
- 무엇을 하고 있는지 볼 수 있음
- 고장 났을 때 대비 계획
- 위험한 작업은 사람 승인
- 프롬프트와 데이터를 고객님이 소유
제가 실제로 AI 기능을 만드는 방식.
작업마다 고르고, 일이 실제로 일어나는 곳에 내장하고, 승격되기 전에 측정합니다.
작업에 맞는 도구
생각이 많이 필요한 일에는 Claude, 빠른 분류와 추출에는 OpenAI, 대량의 반복 작업에는 더 작고 저렴한 모델. 섞고 맞춰 쓰고, 한 벤더에 묶이지 않음 — 그래서 다음 달에 더 나은 모델이 나오면, 재작성이 아니라 설정 변경으로 업그레이드합니다.
답하기 전에 고객님의 자료를 읽습니다
AI는 관련된 문서, PDF, 주문, 과거 고객 이메일에서 끌어오고 — 출처를 인용합니다. 그것이 "쓸모 있음"과 "창피함"의 차이의 대부분입니다. 지어낸 가격, 지어낸 정책, 지어낸 성은 더 이상 없습니다.
출시 전에 테스트
라이브로 가기 전에, 실제 비즈니스에서 가져온 30–100개의 진짜 사례로 돌리고 점수를 매깁니다. 정확도, 답변당 비용, 거절 빈도. 숫자가 기준을 넘지 못하면 튜닝하거나 중단합니다 — 테스트를 통과하지 못하는 프로덕션 코드에 비용을 내지 않으셔도 됩니다.
이미 일하는 곳에 내장
AI는 웹사이트, 앱, 이메일 초안, Power Automate 흐름 안에 나타납니다 — 기억해야 할 또 하나의 탭이 아니라요. 최고의 AI 기능은 아무도 로그인할 필요가 없는 기능입니다.
저는 매일 AI를 출시합니다 — 제 것과 고객 것.
Claude로 매일 프로덕션 코드를 쓰고, 제 Rec Soccer 앱 안에서 멀티 스텝 AI 워크플로를 돌리고, 이전 직장에서 연 약 $40K의 벤더 리포팅을 AI 지원 자동화로 대체했습니다. 읽고 들은 것을 파는 게 아닙니다 — 제 기계에서 이미 돌아가고 있는 것을 파는 것입니다.
고객님의 빌드를 움직이는 AI 모델.
한 벤더에 묶여 있지 않습니다. 정확도, 비용, 속도에서 고객님의 작업에 이기는 모델을 고르고 — 더 나은 것이 나오면 교체합니다. 사용량은 제가 아니라 고객님의 계정으로 청구되므로 토큰 마크업을 낼 일이 없습니다.
Claude
Anthropic추론, 긴 컨텍스트 작업, 신중한 글쓰기, 도구 사용에 대한 제 기본 선택지. 대부분의 작업에는 Claude Sonnet, 어려운 일에는 Opus.
GPT
OpenAI저렴하고 빠른 분류와 구조화 추출. "이 이메일을 읽고 인보이스 번호를 뽑아 줘"가 대량으로 필요할 때 제 단골 선택.
Gemini
Google거대한 컨텍스트 윈도우와 강력한 멀티모달 — 전체 PDF, 긴 회의 녹취, 또는 코드베이스 전체를 한 번에 읽기. Google Workspace 데이터와 잘 맞습니다.
Llama
Meta직접 실행해야 할 때를 위한 오픈 웨이트 모델 — 자체 서버에서, 규제 산업에서, 또는 데이터를 제삼자 API에서 완전히 떼어 놓으려 할 때.
ElevenLabs
Voice제가 들어 본 최고의 목소리 — 복제 음성, 다국어, 대화형 에이전트. AI가 사람처럼 들려야 할 때, 이것이 답입니다.
Sora + Nano Banana
OpenAI · GoogleSora에서 영상, Nano Banana(Google의 Gemini 2.5 Flash Image)에서 이미지. 마케팅 자산, 데모 릴, 광고 크리에이티브, 제품 목업, 소셜 포스트에 — 예산에 카메라 크루나 디자이너가 없을 때.
sora.com deepmind.google그리고 제값을 할 때의 전문 서비스들 — 음성-텍스트용 Whisper와 Deepgram, 규제 또는 엔터프라이즈 계약용 Azure OpenAI 또는 Amazon Bedrock, 오픈 모델의 롱테일을 위한 Hugging Face. 고객님의 작업에서 이기는 것이면 무엇이든.
시작할 수 있는 세 가지 방법. 맞는 형태를 고르세요.
모든 패키지는 고객님의 데이터에 기반하고, 출시 전에 평가되며, 고객님의 소유입니다. 범위는 일반적인 수준이고 — 디스커버리 콜 후에 한 페이지짜리 고정 견적을 보내드립니다.
Spark
- 일정
- 1–2주
- 범위
- 단일 기능
- 언어
- 영어
- 실제 작업에 대한 디스커버리 — 무엇이 들어가고, 무엇이 좋고, 무엇이 망가져 있는지
- 30개 이상의 실제 사례로 선택하고 튜닝된 모델 + 프롬프트
- 다운스트림 도구가 쓸 수 있도록 구조화된 출력(JSON 스키마)
- 기존 받은 편지함, CRM, 시트 또는 워크플로에 연결
Stack
- 일정
- 3–5주
- 범위
- 멀티 스텝 워크플로
- 언어
- 영어 + 1
- Spark의 모든 것
- 문서, PDF, 시트, Notion 또는 Slack 내보내기 위의 RAG 파이프라인
- 콘텐츠에 맞춰 튜닝된 벡터 스토어 + 청킹 전략
- 모든 답변에 출처 인용 — "믿어 주세요" 식 응답 없음
Suite
- 일정
- 6–12주
- 범위
- 다기능, 앱 내장
- 언어
- 2–12개 언어
- Stack의 모든 것
- 도구 사용 — AI가 고객님의 API, CRM, 캘린더, ERP, 또는 맞춤 엔드포인트를 호출
- 재시도, 폴백, 사람 승인 게이트가 있는 멀티 스텝 에이전트 루프
- 제값을 할 때의 멀티모달 — 음성(STT/TTS), 이미지, PDF
제값을 할 때의 추가 옵션.
어느 패키지에나 끼워 넣거나, 유스케이스가 커지면 나중에 추가하세요.
RAG 코퍼스 / 벡터 스토어
$800–$2.5K문서를 수집, 청크, 임베딩, 인덱싱 — 콘텐츠가 바뀔 때를 위한 재수집 잡 포함. Firestore 벡터, Pinecone, 또는 pgvector.
음성 (STT + TTS)
$1K–$3K음성-텍스트에는 Whisper 또는 Deepgram, 답변에는 ElevenLabs 또는 OpenAI 음성. 전화, 브라우저, 또는 인앱.
비전 / 이미지 이해
$800–$2K영수증, ID, 양식, 스크린샷, 제품 사진을 읽습니다. 구조화된 데이터를 추출하거나 사진에 무엇이 있는지 질문에 답합니다.
평가 하네스
$600–$1.5K테스트 세트, 채점 루브릭, 한 줄 실행기 — 모든 프롬프트나 모델 변경의 영향을 출시 전에 볼 수 있습니다.
프롬프트 버저닝 UI
$1K–$2.5K프롬프트를 편집하고, A/B 테스트를 하고, 롤백할 수 있는 작은 관리자 패널 — 앱을 재배포하지 않고.
월간 AI 유지보수
$300–$1K / 월프롬프트 튜닝, 비용 모니터링, 새 모델이 나올 때의 업그레이드, "왜 저게 저랬지?" 조사 — 대기.
AI 프로젝트가 실제로 진행되는 방식.
요술 방망이 데모 없음. 통화, 범위를 정한 파일럿, 실제 측정, 그다음 프로덕션 — 또는 솔직한 중단.
20분 디스커버리 콜
어떤 작업을 고치려 하시는지, 오늘 누가 그걸 하는지, "좋다"가 어떤 모습인지, 데이터가 어디 있는지 여쭤봅니다. AI가 적절한 도구가 아니라면 — 때로는 Power Automate 흐름이나 SQL 뷰가 답입니다 — 그렇게 말씀드립니다.
범위를 정한 파일럿
48시간 내에 고정 견적을 받으십니다 — 한 기능, 한 모델, 한 성공 지표. 지어낸 것이 아니라 고객님의 데이터에서 가져온 30–100개의 실제 사례로 빌드합니다.
평가로 측정
라이브로 가기 전에 점수를 매깁니다. 정확도, 호출당 비용, p95 지연, 거절 비율. 숫자가 기준을 넘지 못하면 튜닝하거나, 모델을 바꾸거나, 중단합니다 — 테스트를 통과하지 못하는 프로덕션 코드에 비용을 내지 않으셔도 됩니다.
출시하고 반복
앱에서 라이브, 실시간으로 모니터링, 볼 수 있는 로그. 대부분의 고객은 프롬프트 튜닝과 모델 업그레이드를 위해 작은 유지보수로 저를 계속 두시고, 그렇지 않은 분도 있습니다. 둘 다 괜찮습니다.
사람들이 자주 묻는 것들.
보셨을 데모보다는 덜하지만, 0은 아닙니다 — 그래서 제가 만드는 모든 빌드는 검색으로 고객님의 데이터에 기반하고, 구조화된 출력으로 검증되고, 출시 전에 실제 사례에 대해 측정됩니다. 리스크가 큰 작업에는 사람 승인 단계를 추가합니다. 솔직한 답은: AI는 틀립니다, 그리고 엔지니어링은 사용자가 보기 전에 그것을 잡아내는 데 있습니다.
고객님의 것, 고객님의 OpenAI / Anthropic 계정으로 직접 청구됩니다. 저는 토큰을 되팔지 않고, 사용량에 마크업을 붙이지도 않습니다. 모든 호출이 얼마인지 정확히 보시고, 언젠가 헤어지더라도 키(와 지출)는 고객님에게 남습니다.
Spark 기능의 경우, API 호출로 월 $5–$50 수준인 경우가 많습니다. RAG가 있는 Stack 어시스턴트의 경우, 트래픽에 따라 일반적으로 월 $30–$300. 프롬프트 캐싱을 켜면 반복 쿼리는 50–80% 더 저렴해질 수 있습니다. 첫날부터 대시보드를 보여드리니 깜짝 놀랄 일이 없습니다.
OpenAI와 Anthropic 모두 기본적으로 API 트래픽으로 학습하지 않는 것이 계약상 보장됩니다. 데이터는 고객님의 계정(Firestore, Pinecone, S3 — 쓰시는 것 무엇이든)에 있고, AI 호출은 고객님의 인프라에서 서버 측으로 일어나며, 원치 않는 이상 제삼자 SaaS에 로깅되지 않습니다. 규제 작업의 경우, 추가 계약 커버리지를 위해 Azure OpenAI 또는 Bedrock을 쓸 수도 있습니다.
전부, 작업마다 골라 씁니다. Claude(Sonnet/Opus)는 추론, 신중한 글쓰기, 도구 사용에 대한 제 기본값입니다. OpenAI GPT는 저렴하고 빠른 분류와 대량의 구조화 추출에 훌륭합니다. Google Gemini는 컨텍스트가 거대할 때 — 전체 PDF, 긴 회의 녹취, 전체 코드베이스 — 또는 데이터가 이미 Google Workspace에 있을 때 이깁니다. Meta Llama는 자체 서버에서 모델을 돌려야 할 때, 규제 산업에서, 또는 데이터를 제삼자 API에서 완전히 떼어 놓을 때의 선택입니다. 음성에는 ElevenLabs에 기댑니다. 영상과 이미지에는 Sora와 Nano Banana(Google의 Gemini 2.5 Flash Image). 같은 코드베이스, 한 번의 설정 변경으로 교체 — 그래서 다음 모델이 나와도 재작성 없이 업그레이드하십니다.
하기 지친 그 작업을 말씀해 주세요. AI가 적절한 해결책인지 알려드리겠습니다.
첫 통화는 약 20분 정도입니다. 더 명확한 계획을 갖고 통화를 마치게 됩니다 — 범위를 정한 파일럿, 추천, 또는 "이건 AI 문제가 아니라 스프레드시트 문제예요"라는 솔직한 말. 세 가지 모두 자주 있습니다.