DEVOCEAN

안녕하세요..!

AI를 활용한 데이터 분석 워크플로우 자동화 스터디에 참여하게 된 정현서입니다.

감사하게도 1기부터 OpenLab에 참여하며, 매번 새로운 배움과 인연을 통해 설레는 경험을 하고 있습니다.

이번 스터디는 2기 데이터 시각화를 통한 Insight 얻기와 이어지는 느낌이라, 데이터를 바라보는 시야가 더 넓어질 것이라는 기대를 갖고 있습니다.

그럼 첫 모임 회고 시작해보겠습니다!

스터디의 시작

7월 28일 목요일 오후 7시 30분, SKT타워에서 첫 모임을 가졌습니다.

지난 스터디를 함께했던 반가운 얼굴들과 새로운 얼굴들이 섞여 있었고, 스터디 호스트인 태웅 님의 자기소개로 스터디가 시작되었습니다.

스터디 방향성

먼저 사전 설문 결과가 공유되었습니다.

참여하신 분들의 데이터 분석 및 자동화 경험, 프로젝트 희망 주제, 스터디에 바라는 점 등을 토대로 스터디는 다음과 같은 흐름으로 진행될 예정이라고 하셨습니다.

- 1회차: 자기소개, 아이스브레이킹, 자동화 툴 개요

- 2~5회차: 자동화 관련 스터디

- ~6회차: 프로젝트

특히, make, n8n과 같은 자동화 툴을 적극 활용하고, 일방적인 강의보다는 서로의 경험과 지식을 나누는 방식으로 운영되며, 원한다면 누구나 발표할 수 있다는 점이 인상적이었습니다.

자기소개

이번 스터디에는 총 13명이 함께하게 되었습니다.

데이터 분석가·사이언티스트를 꿈꾸는 대학생부터, 현업에서 데이터 관련 직무를 맡고 계신 분들, DBA, 마케터, 리서처, 개발자까지 정말 다양한 분들이 있었습니다.

비록 직무는 다르지만, AI와 자동화, 데이터라는 공통 관심사가 있어 큰 시너지가 날 것이라는 기대가 생겼습니다.

make 소개

이후 앞으로 활용할 make에 대한 설명이 있었습니다.

make는 코딩 없이 시각적으로 워크플로우를 설계하고 자동화할 수 있는 플랫폼으로, 기본 개념은 다음과 같습니다.

• 시나리오(Scenario): 자동화 전체 흐름을 구성하는 단위

• 트리거(Trigger): 이메일 수신, 폼 제출 등 자동화를 시작하는 이벤트

• 모듈(Modules): 워크플로우 안에서 각 작업을 담당하는 블록

또한, 시나리오 구성, 데이터 흐름 이해, 오류 처리 및 디버깅 같은 핵심 원리도 함께 짚어주셨습니다.

태웅 님이 뉴스 검색 자동화를 하나의 예시로 준비해주셨는데, 이는 구글 스프레드시트, 네이버 뉴스 API, Google Gemini를 연동한 사례였습니다.

자동화 툴에 익숙해진다면 업무와 일상 모두에서 충분히 큰 효율을 낼 수 있겠다는 생각이 들었습니다.

Manus와 Genspark

이어 Manus라는 AI 에이전트에 대한 설명이 있었습니다.

make보다 더 자율적으로 동작하고, 사용자의 생각을 곧바로 행동으로 전환하는 ‘스스로 계획하고 실행하는 AI’라는 생각이 들었습니다.

또한, 태웅 님께서 발표 자료 제작에 활용하신 Genspark에 대해서도 짧게 살펴보았습니다.

ChatGPT와 Claude를 주로 사용해왔는데, 어떤 AI를 알고 활용하느냐가 생산성의 격차로 이어질 수 있다는 점을 새삼 느꼈습니다.

질의응답

마지막으로 자유로운 질의응답 시간이 있었습니다.

댓글 반응의 긍·부정 판별 정확도가 LLM 도입 이후 개선되었다는 점, 일부 기업에서는 내부 데이터 보안 문제로 AI 활용에 제약이 있다는 점 등 다양한 의견이 오갔습니다.

이를 통해 현실적인 고민과 경험을 함께 나눌 수 있었습니다.

뒤풀이

첫 모임이 끝난 뒤에는 근처에서 치킨과 맥주를 먹었는데, 서로 더 가까워지는 시간이었습니다..!

다음으로

끝까지 읽어주셔서 감사하고, 2주 뒤에 있을 2회차 스터디 회고도 기대해주세요 🙌