지금 당장 만들 수 있는 25가지 강력한 AI 스킬, 에이전트 & 자동화
원문 출처: Khairallah AL-Awady (@eng_khairallah1) — X (구 Twitter)
작성: AI 콘텐츠 분석 보고서 (한국어 상세 해설판)
들어가며 — 왜 이 목록이 중요한가
AI를 공부하는 사람들이 공통적으로 부딪히는 벽이 하나 있다. 이론은 알겠고, 도구도 익혔는데, 막상 무언가를 만들려고 앉으면 아무것도 떠오르지 않는다는 것이다. Claude, GPT, Gemini 같은 LLM(대형 언어 모델)의 작동 원리를 이해하고, API 호출 방법도 어느 정도 아는데, 정작 “이걸로 뭘 만들지?”라는 질문 앞에서 멈춰버린다.
Khairallah AL-Awady는 300개 이상의 AI 프로젝트 아이디어를 직접 테스트하고 실제로 가치를 만들어내는 25개만 추렸다. 이 목록이 단순한 튜토리얼 모음과 다른 점은, 각 프로젝트가 주말 이틀 안에 완성 가능하고, 실제 문제를 해결하며, 다음 프로젝트를 위한 스킬로 복리(compound)처럼 축적된다는 데 있다. 25개의 프로젝트는 난이도에 따라 4개의 계층(Tier)으로 나뉘며, 각 계층은 이전 계층에서 익힌 스킬 위에 자연스럽게 쌓인다.
1단계 — 초급 계층 (Beginner Tier): 처음 AI를 만드는 사람들을 위한 출발점
이 계층에 속하는 프로젝트들은 Claude의 채팅 인터페이스나 기본 API 호출 수준에서 구현 가능하다. 별도의 서버 구성이나 고급 프로그래밍 지식 없이도 시작할 수 있으며, 초보자가 가장 빠르게 성취감을 얻을 수 있는 영역이다.
01. 개인 글쓰기 편집기 (Personal Writing Editor)
핵심 개념은 시스템 프롬프트 엔지니어링이다. 단순히 AI에게 “이 글을 고쳐줘”라고 하는 것이 아니라, AI가 나의 글쓰기 스타일, 타깃 독자, 품질 기준을 사전에 학습하도록 시스템 프롬프트를 설계한다. 여기에 자신이 쓴 최고 품질의 글 몇 편을 예시(few-shot examples)로 제공하면, AI는 그 패턴을 학습해 초안을 입력하면 자신의 목소리로 다듬어진 결과물을 돌려준다.
구현 방법은 다음과 같다. 시스템 프롬프트에 “당신은 [이름]의 편집자입니다. 이 사람의 글쓰기 특징은 다음과 같습니다: [특징 설명]. 아래는 이 사람의 대표적인 글 예시입니다: [예시]”라고 작성한다. 이후 실제 초안 5편을 넣고 결과물을 비교·수정해가며 프롬프트를 정교화한다. 목표는 최종 출력물이 AI가 쓴 것처럼 느껴지지 않고, 내가 직접 쓴 것처럼 들리는 것이다.
습득 스킬: 시스템 프롬프트 설계, Few-shot 예시 활용
02. 회의록 처리기 (Meeting Notes Processor)
거의 모든 직장인에게 해당되는 실용적인 도구다. 날것의 회의 메모나 녹취록을 입력하면, 다음 네 가지 구조로 정리된 요약본이 출력된다: ① 주요 결정 사항(Decisions Made), ② 액션 아이템(Action Items), ③ 열린 질문(Open Questions), ④ 담당자 배정(Owner Assignments).
단순히 요약하는 것이 아니라, 팀 고유의 포맷에 맞게 출력 형식을 설정하는 것이 핵심이다. 예를 들어 “모든 액션 아이템은 [담당자] — [업무내용] — [마감일] 형식으로 작성하라”와 같은 규칙을 프롬프트에 심어두면 일관된 결과물이 나온다.
습득 스킬: 출력 포맷 설계, 구조적 정보 추출
03. 상황별 이메일 초안 작성기 (Email Drafter by Situation)
이 프로젝트의 핵심은 멀티모드 프롬프팅이다. 단일 프롬프트가 아닌, 상황에 따라 다르게 동작하는 여러 개의 모드를 설계하는 것이다. 구체적으로는 다음 모드들이 포함된다:
- 콜드 아웃리치(Cold Outreach): 처음 연락하는 상대에게 보내는 이메일. 간결하고 핵심을 먼저 제시.
- 팔로업(Follow-up): 이전 대화에 이어지는 이메일. 맥락을 환기시키되 부담 없이.
- 나쁜 소식 전달(Bad News Delivery): 부드럽지만 명확하게 부정적 내용을 전달.
- 협상(Negotiation): 상대의 이익을 인정하면서 자신의 포지션을 명확히.
- 감사(Appreciation): 진정성 있는 감사 표현.
사용자가 상황(mode)과 수신자 정보를 입력하면 바로 전송 가능한 이메일이 출력된다. 상황 의존적 행동(context-dependent behavior)을 설계하는 이 경험은 이후 에이전트 구성에도 그대로 적용된다.
습득 스킬: 멀티모드 프롬프팅, 상황 의존적 행동 설계
04. 주간 콘텐츠 아이디어 생성기 (Weekly Content Idea Generator)
단순히 “아이디어를 줘”가 아니다. 이 시스템은 세 가지 입력을 받는다: ① 나의 콘텐츠 니치(niche), ② 최근 트렌드 키워드, ③ 과거에 올린 콘텐츠 목록. 이를 바탕으로 15개의 콘텐츠 아이디어를 예상 참여율 순서로 랭킹하여 출력한다. 각 아이디어에는 제목 후보, 핵심 주장, 훅(hook)이 함께 제공된다.
이 프로젝트의 묘미는 컨텍스트 엔지니어링(context engineering) 이다. AI에게 얼마나 풍부하고 관련성 높은 맥락을 제공하느냐에 따라 출력의 질이 극적으로 달라진다는 것을 체감하게 된다. 또한 단순 생성이 아닌 평가(ranking)까지 AI에게 맡기는 방법을 익히게 된다.
습득 스킬: 컨텍스트 엔지니어링, 랭킹/평가 프롬프트
05. 고객 FAQ 자동 응답기 (Customer FAQ Auto-Responder)
환각(hallucination)이 AI의 가장 큰 문제라면, 이 프로젝트는 그것을 정면으로 해결한다. 제품 문서와 FAQ 데이터베이스를 Claude에게 제공하고, 오직 해당 문서에 있는 내용만을 바탕으로 답변하도록 시스템 프롬프트를 설계한다. 문서에 없는 내용은 추측하지 말고 “해당 내용은 확인이 필요합니다”라고 답하도록 명시적으로 지시한다.
이것이 바로 근거 기반 생성(grounded generation) 이다. AI가 맥락 밖의 내용을 지어내지 않도록 anchor를 설정하는 기술은 실제 프로덕션 AI 시스템에서 핵심적으로 쓰인다.
습득 스킬: 근거 기반 생성, 환각 방지 기법
06. 학습 가이드 생성기 (Study Guide Creator)
주제와 난이도를 입력하면 다음 구조로 구성된 학습 가이드가 생성된다: ① 핵심 개념 정리, ② 연습 문제, ③ 자주 하는 오해, ④ 추천 학습 순서. 학생이든 자기 주도 학습자든 어떤 분야에서도 쓸 수 있다.
교육 콘텐츠 생성에서 중요한 것은 단순 요약이 아니라, 학습자의 수준에 맞게 개념을 재구성하는 것이다. “쉽게 설명해줘”와 “초등학생도 이해할 수 있도록 단계별로 설명해줘”의 차이처럼, 구조화된 출력(structured output)을 설계하는 방법을 익힌다.
습득 스킬: 교육 콘텐츠 생성, 구조적 출력 설계
07. 이력서 맞춤 작성기 (Resume Tailor)
채용 공고(job description)와 마스터 이력서를 입력으로 받아, 해당 포지션에 맞게 경력 기술서를 재작성한다. 단순히 키워드를 추가하는 수준이 아니라, 채용 공고에서 사용하는 언어와 어조를 분석해 이력서 전체를 해당 포지션에 최적화된 언어로 재구성한다.
이 프로젝트는 비교 분석(comparative analysis) 을 AI에게 맡기는 방법을 가르친다. 두 문서(채용공고 vs. 이력서)를 비교해 gap을 파악하고, 청중 특화 재작성(audience-specific rewriting)을 수행하는 과정이 핵심이다.
습득 스킬: 비교 분석, 청중 맞춤 재작성
2단계 — 중급 계층 (Intermediate Tier): 기본 Python이 필요한 실전 프로젝트
이 계층부터는 Claude API와 기초 Python 스크립트를 활용한다. 터미널에서 스크립트를 실행하는 것에 익숙한 수준이면 충분하다. 초급 계층이 “무엇을 프롬프팅할 것인가”를 다룬다면, 중급 계층은 “AI를 어떻게 시스템에 연결할 것인가”를 다룬다.
08. 문서 분석 CLI 도구 (Document Analyzer CLI)
PDF나 텍스트 파일을 읽고 그 내용에 대한 질문에 답하는 커맨드라인 도구다. “이 계약서의 해지 조항이 뭐야?”, “이 논문에서 사용한 연구방법론이 뭐야?”처럼 자연어로 질문하면 문서에서 관련 내용을 찾아 답한다.
구현에는 Claude API의 파일 처리와 대용량 컨텍스트 핸들링이 핵심이다. Claude는 최대 200K 토큰의 컨텍스트 윈도우를 지원하므로, 수십 페이지의 문서를 한 번에 처리할 수 있다. 이 프로젝트를 통해 API 통합(API integration), 파일 I/O, 대용량 컨텍스트 관리의 실전 감각을 익힌다.
습득 스킬: API 통합, 파일 I/O, 대용량 컨텍스트 처리
09. 경쟁사 인텔리전스 추적기 (Competitive Intelligence Tracker)
경쟁사 URL 목록을 입력하면 스크립트가 해당 사이트의 최신 콘텐츠나 변경사항을 가져와 주간 경쟁 동향 보고서를 자동 생성한다. 경쟁사가 어떤 주제를 다루고 있는지, 어떤 신제품을 출시했는지, 어떤 포지셔닝 언어를 쓰는지를 체계적으로 추적한다.
이 프로젝트는 웹 스크래핑 + AI 분석의 결합이다. 단순히 데이터를 긁어오는 것이 아니라, AI가 그 데이터를 분석해 인사이트를 추출하는 파이프라인을 만드는 것이다. 스케줄 실행(recurring workflow) 개념도 이 프로젝트에서 처음 도입된다.
습득 스킬: 웹 스크래핑, 자동화 분석, 반복 워크플로
10. 코드 리뷰 봇 (Code Review Bot)
Pull Request나 코드 파일을 입력하면 다음 네 가지 관점에서 구조화된 피드백이 출력된다: ① 보안 취약점, ② 로직 오류, ③ 성능 이슈, ④ 가독성 제안. 각 문제는 심각도(severity) 등급과 구체적인 수정 제안을 함께 제시한다.
개발자라면 특히 실용적인 프로젝트다. 이 도구는 코드 리뷰의 첫 번째 레이어를 자동화함으로써 인간 리뷰어가 더 중요한 아키텍처 수준의 피드백에 집중할 수 있게 한다. 구조화된 평가(structured evaluation) 와 기술적 분석을 AI에게 맡기는 방법을 익힌다.
습득 스킬: 구조적 평가, 기술적 분석 프롬프팅
11. 멀티포맷 콘텐츠 재가공기 (Multi-Format Content Repurposer)
하나의 긴 콘텐츠(예: 블로그 포스트나 YouTube 스크립트)를 입력하면 다음 다섯 가지 포맷으로 동시에 출력된다:
- X(트위터) 스레드
- 링크드인 포스트
- 독립 단문 트윗 3개
- 뉴스레터 인트로
- 숏폼 영상 스크립트
모든 결과물은 원저자의 목소리(voice)를 일관되게 유지하면서 각 플랫폼에 최적화된다. 이 프로젝트의 핵심 기술은 프롬프트 체이닝(prompt chaining) 이다. 하나의 긴 AI 호출 대신, 작은 단계들로 나누어 각 단계의 출력이 다음 단계의 입력이 되는 파이프라인을 구성한다.
습득 스킬: 프롬프트 체이닝, 멀티포맷 출력, 보이스 일관성 유지
12. 인보이스 & 영수증 처리기 (Invoice and Receipt Processor)
인보이스나 영수증의 사진 또는 PDF를 입력하면 핵심 데이터(공급업체, 금액, 날짜, 카테고리)를 자동 추출해 구조화된 JSON으로 출력하거나 스프레드시트에 행을 추가한다. 수작업 데이터 입력에 드는 시간을 획기적으로 줄인다.
이미지나 스캔 문서에서 정보를 추출하는 것은 AI의 가장 강력한 실용적 활용 중 하나다. 문서 추출(document extraction) 과 기초적인 데이터 파이프라인 설계의 실전 경험을 제공한다.
습득 스킬: 문서 추출, 구조적 출력, 데이터 파이프라인 기초
13. 개인 재무 분석기 (Personal Finance Analyzer)
은행 계좌 내역 CSV 파일을 입력하면 모든 거래를 카테고리별로 분류하고, 카테고리별 지출을 계산하며, 비정상적인 지출을 식별하고, 트렌드가 포함된 월간 재무 요약을 생성한다.
이 프로젝트는 비정형 금융 데이터를 AI가 어떻게 해석하고 패턴을 인식하는지를 보여준다. 특히 CSV 데이터 처리(CSV handling)와 패턴 인식(pattern recognition) 능력을 AI와 연결하는 방법을 익힌다. 무엇보다 자신의 실제 데이터를 쓰기 때문에 결과물이 즉각적으로 의미 있다.
습득 스킬: 데이터 처리, 패턴 인식, CSV 핸들링
14. 기술 문서 생성기 (Technical Documentation Generator)
코드베이스나 프로젝트 폴더를 가리키면, 도구가 코드를 읽고 다음 항목을 포함한 포괄적인 문서를 자동 생성한다: ① 아키텍처 개요, ② 함수 설명, ③ 설치 지침, ④ API 레퍼런스. 코드가 업데이트될 때마다 문서도 최신 상태로 동기화할 수 있다.
개발자에게 문서 작성은 언제나 귀찮고 뒤처지기 쉬운 작업이다. AI를 이 문제에 적용하면 코드 분석(code analysis) 과 문서 표준(documentation standards) 유지를 자동화할 수 있다. 대규모 코드베이스를 AI의 컨텍스트 윈도우 내에서 효율적으로 처리하는 대용량 컨텍스트 관리 기술도 이 프로젝트에서 숙달된다.
습득 스킬: 코드 분석, 문서 표준 적용, 대용량 컨텍스트 관리
3단계 — 고급 계층 (Advanced Tier): 에이전트와 자동화의 세계
이 계층부터는 진짜 시스템을 만드는 단계다. 에이전트 루프(agentic loop), 툴 콜링(tool calling), 다단계 워크플로가 등장한다. AI가 단순히 질문에 답하는 것이 아니라, 스스로 계획을 세우고, 도구를 사용하고, 결과를 평가하며 목표를 향해 나아간다.
15. 리서치 에이전트 (Research Agent)
웹 검색 도구와 노트 저장 도구를 장착한 에이전트다. 리서치 질문을 주면 에이전트가 다음 과정을 자율적으로 수행한다: 복수의 소스 검색 → 발견 사항 교차 확인 → 모순점 식별 → 핵심 사실 저장 → 인용이 포함된 구조적 리서치 보고서 생성.
이것이 바로 에이전트 루프(agentic loop) 의 본질이다. AI가 한 번의 호출로 끝나는 것이 아니라, 도구를 쓰고 → 결과를 평가하고 → 다음 행동을 결정하는 사이클을 반복한다. 다단계 추론(multi-step reasoning)과 툴 유즈(tool use)가 처음으로 결합된다.
습득 스킬: 에이전트 루프, 툴 유즈, 다단계 추론
16. 리드 자격 심사 에이전트 (Lead Qualification Agent)
스프레드시트나 폼 제출에서 새로운 잠재 고객(lead)을 읽어와, 각 회사를 온라인에서 조사하고, ICP(Ideal Customer Profile) 기준에 따라 점수를 매기고, 근거가 포함된 순위 목록을 출력한다. 영업팀의 수작업 리서치를 대폭 줄인다.
비즈니스 워크플로를 AI로 자동화하는 가장 직접적인 사례 중 하나다. 스코어링 시스템(scoring systems) 설계와 배치 처리(batch processing) — 즉 여러 항목을 한꺼번에 처리하는 방법 — 을 익히며, 비즈니스 인텔리전스 자동화의 구조를 이해하게 된다.
습득 스킬: 비즈니스 워크플로 자동화, 스코어링 시스템, 배치 처리
17. 일일 브리핑 자동화 (Daily Briefing Automation)
매일 아침 자동으로 실행되는 스케줄 에이전트다. 이 에이전트는 다음 과정을 순서대로 수행한다:
- 이메일에서 긴급 항목 확인
- 야간 슬랙 메시지 요약
- 오늘 캘린더 일정 파악
- 할 일 목록 검토
- 데스크톱에 저장되는 한 페이지 모닝 브리핑 생성
이 프로젝트의 핵심 기술은 멀티소스 데이터 통합(multi-source data integration) 이다. 서로 다른 시스템(이메일, 슬랙, 캘린더, 할 일 앱)의 데이터를 하나의 에이전트가 통합하고 의미 있는 요약으로 재구성한다. 스케줄링과 파일 시스템 상호작용도 함께 익힌다.
습득 스킬: 멀티소스 데이터 통합, 스케줄링, 파일 시스템 상호작용
18. 스마트 지출 보고서 빌더 (Smart Expense Report Builder)
영수증 이미지 폴더를 처리해, 각 영수증에서 데이터를 추출하고 → 지출을 카테고리화하고 → 정책 위반을 검사하고 → 카테고리별 합계를 계산하고 → 제출 준비가 된 포맷의 지출 보고서를 생성한다.
이미지 처리(image processing)와 배치 작업(batch operations), 그리고 보고서 생성이 하나의 파이프라인으로 연결된다. 12번 프로젝트(영수증 처리기)의 고급 버전이자, 실제 기업 환경에서 바로 사용할 수 있는 수준의 완성도를 목표로 한다.
습득 스킬: 이미지 처리, 배치 작업, 보고서 자동 생성
19. 콘텐츠 캘린더 플래너 (Content Calendar Planner)
과거 콘텐츠 성과 데이터를 분석하고, 니치의 트렌딩 토픽을 조사하며, 콘텐츠 공백을 파악해 30일치 콘텐츠 캘린더를 생성한다. 각 항목에는 주제, 포맷, 훅, 타깃 플랫폼이 명시된다.
단순한 아이디어 생성이 아닌, 데이터 기반 기획(data-driven planning) 이다. 과거 성과라는 실제 데이터를 기반으로 AI가 미래 전략을 수립하는 구조는, 에이전트가 어떻게 전략적 추론(strategic reasoning)을 수행하는지를 보여준다.
습득 스킬: 데이터 기반 기획, 트렌드 분석, 전략적 추론
20. 멀티에이전트 토론 시스템 (Multi-Agent Debate System)
3개의 전문화된 에이전트로 구성된 시스템이다:
- 리서처(Researcher): 증거를 수집한다.
- 크리틱(Critic): 모든 발견을 비판적으로 검토한다.
- 신시사이저(Synthesizer): 균형 잡힌 결론을 도출한다.
단일 에이전트보다 훨씬 깊이 있는 분석을 생산한다. 이것이 대립적 프로세스를 통한 품질 향상(quality through adversarial processes) 이다. 각 에이전트가 서로를 견제하는 구조 덕분에 편향이 줄고 논리적 일관성이 높아진다.
이 프로젝트는 멀티에이전트 오케스트레이션(multi-agent orchestration) 의 핵심을 가르친다. 복잡한 문제를 해결하기 위해 역할이 다른 여러 AI를 어떻게 조율할 것인가 — 이것이 오늘날 엔터프라이즈 AI 시스템 설계의 핵심 패러다임이다.
습득 스킬: 멀티에이전트 오케스트레이션, 역할 전문화, 대립적 품질 관리
4단계 — 프로덕션 계층 (Production Tier): 돈이 되는 시스템을 만든다
이 계층의 프로젝트들은 단순한 개인 도구를 넘어, 실제 제품이나 서비스가 될 수 있는 것들이다. 진지한 구현과 실제 사용자에 대한 이해가 요구된다.
21. 클라이언트 제안서 생성기 (Client Proposal Generator)
프로젝트 기본 정보를 입력하면 클라이언트의 언어와 브랜드 톤에 맞는 완성도 높은 비즈니스 제안서를 생성한다. 포함 요소: 범위(Scope), 타임라인(Timeline), 가격 책정(Pricing), 계약 조건(Terms), 사례 연구(Case Studies).
서비스 업체들이 제안서 하나 작성에 소요하는 시간을 생각하면, 이 도구의 가치가 명확해진다. 템플릿 시스템(template systems) 설계와 브랜드 보이스 인코딩(brand voice encoding), 전문 문서 생성이 핵심 기술이다.
습득 스킬: 템플릿 시스템, 브랜드 보이스 인코딩, 문서 자동 생성
22. 고객 지원 에이전트 (Customer Support Agent)
제품 문서를 읽고, 일반 질문을 처리하며, 복잡한 이슈는 인간 담당자에게 에스컬레이션하고, 복수의 메시지에 걸쳐 대화 컨텍스트를 유지하는 완전한 지원 에이전트다. 웹사이트 위젯으로 배포 가능하다.
이것이 진정한 프로덕션 에이전트 배포(production agent deployment) 다. 개인 스크립트와 달리, 실제 사용자가 쓰는 시스템은 에러 처리, 에스컬레이션 로직(escalation logic), 대화 상태 관리(conversation management)를 모두 갖춰야 한다.
습득 스킬: 프로덕션 에이전트 배포, 에스컬레이션 로직, 대화 상태 관리
23. 자동화 보고서 파이프라인 (Automated Report Pipeline)
매주 여러 데이터 소스에서 데이터를 가져와 Claude가 분석하고, 포맷된 보고서를 생성해 이해관계자들에게 이메일로 배포하는 완전 자동화 시스템이다. 사람의 개입 없이 완전히 자율 운영(runs completely unattended)된다.
이 프로젝트는 엔드투엔드 자동화(end-to-end automation) 의 완성형이다. 데이터 수집부터 분석, 보고서 생성, 배포까지 전 과정이 인간 없이 돌아가는 시스템을 설계한다. 프로덕션 신뢰성(production reliability) — 시스템이 실패 없이 반복적으로 동작하도록 보장하는 것 — 이 이 프로젝트의 핵심 과제다.
습득 스킬: 엔드투엔드 자동화, 데이터 파이프라인 설계, 프로덕션 신뢰성
24. SEO 콘텐츠 엔진 (SEO Content Engine)
타깃 키워드를 입력하면 다음 과정이 자동으로 진행된다: 상위 노출 콘텐츠 분석 → 기존 커버리지의 공백 파악 → 검색에 최적화된 포괄적 아티클 생성 → CMS 포맷 변환. 메타 디스크립션, 헤더 구조, 내부 링킹 제안도 함께 제공된다.
SEO 인식 콘텐츠 생성(SEO-aware content generation) 은 단순히 잘 쓴 글이 아니라, 검색 알고리즘이 원하는 구조와 깊이를 동시에 갖춘 콘텐츠를 만드는 것이다. 경쟁 분석과 CMS 통합(CMS integration)까지 포함된 완전한 콘텐츠 프로덕션 파이프라인을 설계한다.
습득 스킬: SEO 인식 콘텐츠 생성, 경쟁 분석, CMS 통합
25. 비기술 사용자를 위한 AI 워크플로 빌더 (AI Workflow Builder for Non-Technical Users)
리스트 전체의 마스터피스이자 메타 프로젝트다. 비기술 사용자들이 간단한 인터페이스를 통해 자신만의 AI 워크플로를 만들 수 있게 한다. 사용자가 원하는 것을 평범한 영어로 설명하면, 시스템이 그것을 동작하는 자동화로 변환한다.
이것은 단순한 도구가 아니라, 도구를 만드는 도구(meta-tool)다. 추상화 설계(abstraction design) 와 AI 시스템을 위한 사용자 경험(UX for AI systems), 메타 수준의 아키텍처가 요구된다. 그리고 이것은 사람들이 실제로 돈을 낼 의향이 있는 제품이다 — AI를 다루지 못하는 수많은 사람들에게 AI의 힘을 접근 가능하게 만들어주기 때문이다.
습득 스킬: 추상화 설계, AI 시스템 UX, 메타 수준 아키텍처
이 목록을 어떻게 사용할 것인가 — 실행 로드맵
저자 Khairallah는 25개를 한꺼번에 시작하지 말라고 강조한다. 그것은 번아웃의 지름길이자 아무것도 완성하지 못하는 결과로 이어진다. 대신 다음 경로를 따르라.
지금 막 시작하는 사람이라면
이번 주말에 01번부터 04번까지 만들어라. 각 프로젝트는 2~4시간이면 충분하다. 일요일 저녁쯤 되면 4개의 동작하는 AI 도구와 실제 프롬프트 엔지니어링 경험을 손에 쥐게 된다.
이미 프롬프팅을 잘 하는 사람이라면
08번부터 12번으로 건너뛰어라. API 통합과 스크립팅을 이번 주말에 배운다. 두 개를 만들어라.
이미 API를 쓰고 있는 사람이라면
15번부터 18번으로 점프하라. 에이전트 아키텍처를 이번 주말에 하나 만들고, 다음 주말에 다듬어라.
돈을 벌고 싶은 사람이라면
21번부터 25번을 연구하고, 자신의 니치에 맞는 것 하나를 골라라. 두 주말에 걸쳐 만들고, 판매를 시작하라.
핵심 인사이트 — 이 목록이 전달하는 더 깊은 메시지
이 25개의 프로젝트 목록은 단순한 프로젝트 아이디어 모음이 아니다. 그 이면에는 몇 가지 중요한 통찰이 담겨 있다.
첫째, 스킬은 복리로 축적된다. 초급 계층에서 배운 시스템 프롬프트 설계가 중급 계층의 API 통합에 녹아들고, 그것이 다시 고급 계층의 에이전트 설계에 층층이 쌓인다. 순서를 건너뛰면 기초 없는 시스템이 만들어지고, 실제 사용 환경에서 금방 무너진다.
둘째, 실제 문제가 최고의 교사다. 자신의 실제 회의록으로 02번 프로젝트를 만들고, 자신의 은행 내역으로 13번 프로젝트를 만들 때, 학습 속도는 튜토리얼을 따라가는 것과 비교할 수 없을 만큼 빨라진다.
셋째, 멀티에이전트 시스템이 미래다. 20번 프로젝트에서 보듯, 단일 AI의 한계는 역할이 다른 복수의 AI가 서로를 견제하는 구조로 극복된다. 이것은 현재 기업 AI 시스템 설계의 주류 패러다임이 되고 있다.
넷째, 비기술 사용자를 위한 추상화가 가장 큰 시장이다. 25번 프로젝트가 상징하듯, AI를 직접 다루지 못하는 수십억 명의 사람들에게 AI의 힘을 접근 가능하게 만드는 레이어를 설계하는 것이 가장 큰 비즈니스 기회다.
마치며 — 지금 당장 번호를 골라라
“AI를 배우는 가장 빠른 방법은 AI로 만드는 것이다. 두 번째로 빠른 방법은 존재하지 않는다.”
— Khairallah AL-Awady
튜토리얼을 보는 것을 멈춰라. 번호를 하나 골라라. 이번 주말에 만들어라.
25개의 프로젝트. 4개의 난이도 계층. 각각은 실제 문제를 해결하고 실제 스킬을 가르친다. 출발점은 어디든 상관없다. 중요한 것은 시작하는 것이다.
이 문서는 Khairallah AL-Awady(@eng_khairallah1)의 X 포스트를 바탕으로 한국어로 상세 해설한 분석 보고서입니다.
작성일: 2026년 4월