【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스][일잘러AI] 비개발자가 구축한 ‘금융 숏폼’ 자동화…데이터부터 원고 작성까지 ‘딸깍’

온카뱅크관리자

2026-07-10 09:47:32

<div id="layerTranslateNotice" style="display:none;"></div> 표종훈 넥스트증권 실장 “코드 한 줄보다 중요한 ‘자연어’ 질문 세례” 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="tDZkLX8Bv7">
 <div contents-hash="fbcf5a38a837f6b951f367a3fb724776e414b8507328d2760e9010e66443ef04" dmcf-pid="Fw5EoZ6bWu" dmcf-ptype="general">
 개발자가 아니라도 누구나 쉽게 인공지능(AI)을 접하고 업무에 적용시킬 수 있는 세상입니다. 한 가지 유의할 점이 있습니다. AI는 이용자 명령어와 이용 환경에 따라 산출 결과가 천차만별이라는 점입니다. 누군가는 ‘내 AI는 왜 이렇게 바보 같을까’하고 불평합니다. 하지만 앞서 AI를 업무 깊숙이 활용하고 있는 이들은 불평 대신 질문을 던집니다. ‘어떻게 AI를 잘 길들일까’ [일잘러AI]는 개발자부터 비개발자까지 다양한 분야 직종 사람들을 만나 그들만의 AI 비법을 훔쳐볼 수 있는 코너입니다. 정답은 없지만 해답이 주목받는 시대, &lt;디지털데일리&gt;가 생생한 AI 삶의 체험 현장을 찾아갑니다. &lt;편집자&gt;
 </div>
 <figure class="figure_frm origin_fig" contents-hash="bb1dca2a5dd5a492fbc7516c4e464e362cac2cc7194931917ce282d452db0e09" dmcf-pid="3r1Dg5PKTU" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094218573xfwd.jpg" data-org-width="640" dmcf-mid="GVUXSfkLC9" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094218573xfwd.jpg" width="658">
 </figure>
 [디지털데일리 오병훈기자] “데이터 수집 시간을 크게 단축할 수 있다는 점에서 가장 체감이 큽니다. 실시간으로 의미 있는 증권 시장 모멘텀 데이터를 자동으로 축적할 수 있게 됐고, 이게 곧 숏폼 콘텐츠 자동화 밑거름이 되는 거죠.”
 최근 &lt;디지털데일리&gt;와 만난 표종훈 넥스트증권 콘텐츠 플랫폼실 프로젝트 매니저(실장)는 AI를 활용한 금융 숏폼 콘텐츠 자동화 과정을 설명하면서 이같이 강조했습니다.
 증권 시장은 24시간 돌아가는 격동의 현장입니다. 언제 어디서 호재·악재가 나올지 모르는 정글 같은 곳이죠. 이곳에서 투자자들에게 실시간으로 유의미한 정보를 전달하는 일은 쉽지 않습니다. 안정적인 데이터 수급을 위해서는 각종 금융 정보 제공업체로부터 어떤 데이터를 어떤 방식으로 수급받을지 결정하는 것부터 어려운 일입니다.
 이런 배경 속에서 넥스트증권은 금융 숏폼 콘텐츠 플랫폼을 준비 중입니다. 전문 기관에서 발간하는 어려운 시장 데이터를 일반 투자자들이 쉽고 재밌게 접할 수 있도록 하는 것이 핵심이죠. 콘텐츠를 위해서는 정확하고 안정적인 데이터가 필요합니다. 표 실장은 관련 데이터를 외부로부터 수집하고 이를 기반으로 숏폼 콘텐츠를 위한 캐릭터 구축까지 자동화하는 작업을 맡고 있습니다.
 ◆클로드로 찾은 외부 자료, 데이터브릭스로 체계화
 표 실장은 개발자가 아닙니다. 다만 카카오, 라인 등 주요 IT 기업에서 근무한 이력이 있기 때문에 다양한 데이터를 데이터엔지니어들에게 요청하며 협업한 경험이 있습니다. 그때 경험은 지금 표 실장이 클로드코드로 데이터를 수집할 수 있는 기반이 됐습니다.
 숏폼 콘텐츠 자동화 업무도 데이터 수집 작업에서 시작합니다. 시장 컨센서스, 어닝콜(실적 발표 이후 진행되는 설명회) 자료 등 검증된 국내외 시장 분석 데이터를 먼저 모아야 이와 관련된 숏폼 콘텐츠를 제작할 수 있기 때문입니다. 데이터는 시장 분석 전문기업으로부터 구매하는 방식으로 수집합니다. 넥스트증권 팀은 이 데이터 묶음을 ‘시그널’로 부르고, 부서 차원에서 관리하는 대상으로 지정했습니다.
 예전이라면 다양한 데이터를 모두 나열하고 이 중 어떤 내용이 유의미할지 개별적으로 판단해야 했습니다. 하지만 이제 AI와 함께라면 어렵지 않습니다. 있는 그대로 AI에게 ‘어떤 곳에서 어떤 데이터를 구매하면 될지’를 물어보면 되기 때문입니다.
 <div contents-hash="795b8cfb454a0bbe80e692fdd1eaf667af6af958f0efe07254dfdc27b00a9cd9" dmcf-pid="bsFrNtx2yX" dmcf-ptype="general">
 표 실장은 “이전에는 수집 대상이 되는 데이터를 가진 업체를 찾고, 미팅을 하고, 샘플 데이터를 받은 뒤 실제로 적절한 데이터인지 판단하고 구매 요청을 해야 했다”며 “이후에도 개발자에게 전달하고, 요청하고, 스케줄을 잡는 과정이 필요했다”고 설명했습니다. 이어 “비슷한 작업이 예전에는 2주에서 한 달 걸렸다면, 지금은 30분 안에 끝나는 수준”이라고 덧붙였습니다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="3cc122ca82d636927c83c81615925a6cfdee463697d217d6a8d805f64e2d30ec" dmcf-pid="KI0sA3RflH" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094219859pkkt.png" data-org-width="640" dmcf-mid="H5TmjFMVSK" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094219859pkkt.png" width="658">
 </figure>
 <figure class="figure_frm origin_fig" contents-hash="ccaf558d4a3884b55c20b1d2bec1dbfc4645e770ce38350e94c48f2fd65cf5bb" dmcf-pid="9CpOc0e4TG" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094221220icsl.png" data-org-width="640" dmcf-mid="XFlDg5PKvb" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094221220icsl.png" width="658">
 </figure>
 표 실장은 클로드코드로 사전 프롬프트 작업을 진행했습니다. 주요 데이터 구매처와 구매 대상 등 기준을 간략하게 설정해둔 것이죠. 해당 기준은 AI가 읽기 쉬운 문서인 ‘마크다운(.md)’ 형식으로 사전에 저장돼 있습니다. 물론 이 마크다운 파일도 AI와 대화를 주고받으면서 생성한 것이죠. 수정이 필요할 때도 AI에게 “이 부분은 재배포 라이선스 기준을 추가해서 저장해둬”, “실시간성 평가 항목을 더 엄격하게 바꿔둬” 하고 명령하면 그만입니다.
 사전에 저장된 마크다운 명령어 파일은 다음과 같은 문장들로 구성됐습니다. 예컨대 ‘분석 업체별 데이터 특징과 의미를 분석하라’, ‘주요 데이터 구매처는 이곳과 저곳이 있다’, ‘구매는 구독제·API·벌크다운 형식으로 진행한다’ 등 지시문을 적어두는 거죠. 마크다운 형식의 파일을 생성하고 프로젝트별로 저장해두는 것만으로도 이미 업무 자동화의 절반은 성공한 셈입니다.
 구매 과정에서 필요한 API 키 요청과 연동도 AI에게 지시하면 그만입니다. 표 실장은 대상 업체로부터 API를 발급받아 이를 통해 데이터를 바로 전달받을 수 있도록 조치해뒀습니다. API 연동도 AI에게 부탁해 이미 자동화해둔 상황입니다.
 표 실장은 “AI에 ‘XX 기업의 어닝콜을 구매하려는데, 어떤 업체의 데이터를 구매하면 될까?’ 하고 물어보면 사전에 지정된 판단 기준을 바탕으로 구매 가능한 데이터 후보군을 선별해 추천해준다”며 “구매 이후 다운로드에 필요한 API 등은 이미 해당 업체를 통해 사전에 키를 받아 이것을 통해 바로 데이터를 전달받을 수 있도록 설정해뒀다”고 설명했습니다.
 이렇게 수집된 데이터는 ‘데이터브릭스’라는 데이터 적재·분석 플랫폼을 통해 정제 과정을 거칩니다. 데이터브릭스는 기업이 보유한 데이터를 기반으로 자연어 질문을 던지고 답을 받을 수 있는 AI 기반 데이터 분석 기능을 제공합니다. 표 실장 사례에서는 이미 검토·구매한 뉴스와 금융 데이터를 데이터브릭스에 적재하고, 이를 다시 클로드코드와 라크(기업용 협업툴) 내 문서·시트와 연결해 분석하는 방식입니다.
 표 실장은 여기서 한발 더 나가 중요도 평가를 위한 기준도 마련해뒀습니다. 단순히 특정 키워드가 들어간 뉴스를 찾는 것이 아니라 AI가 문맥을 읽고, 해당 뉴스가 어떤 종목과 관련되는지, 실제 주가 모멘텀으로 이어질 가능성이 있는지를 분류하게 하는 방식이죠.
 표 실장은 “설비투자(CAPEX)라고만 검색하면 관련 뉴스가 다 나오지 않는다”며 “AI가 자체적으로 매칭 키워드를 분석하고 어떤 종목인지 태깅해준다”고 말했습니다.
 <div contents-hash="bf2e30b73764c396ce087aecc5c960b69b614230135d5eb7029893a2a38ca449" dmcf-pid="QsFrNtx2Sh" dmcf-ptype="general">
 이어 “예컨대 ‘반도체 기업이 웨이퍼 생산 능력을 두 배로 늘린다’는 문장은 CAPEX와 연관이 있다고 판단할 수 있다”며 “이런 내용을 통합 표로 만들고, 실제 주가에 영향이 있었는지 백테스트까지 해보고 있다”고 말했습니다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="4778594add8709cfd5d35ee900f0dd5d2b55f4a1190a82fd90d6029be5e1690c" dmcf-pid="xO3mjFMVSC" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094222497enfe.png" data-org-width="640" dmcf-mid="ZOXcnH4qhB" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094222497enfe.png" width="658">
 </figure>
 <figure class="figure_frm origin_fig" contents-hash="8aec76408eac5d8d9227b8b399efb30ad319bed5991bda90f60a8e40753ab4c6" dmcf-pid="y2aKpgWICI" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094223780tczx.png" data-org-width="640" dmcf-mid="5u5EoZ6bhq" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094223780tczx.png" width="658">
 </figure>
 ◆공통 명령어 깃허브에 저장하고, 클로드 ‘스킬’ 활용
 데이터브릭스로 정리된 실시간 시장 데이터는 이제 숏폼 콘텐츠의 원고 작성 자동화 작업에 활용됩니다. 여기서 또 한 차례 AI가 개입합니다. 숏폼 속 등장 캐릭터별 특성에 맞춘 원고를 생성하는 과정인데, 이것도 몇몇 명령어만으로 자동화할 수 있도록 한 것이죠.
 숏폼에는 몇몇 대표 캐릭터가 등장합니다. 캐릭터들은 각자 성격이 다릅니다. 상담직원처럼 친절하게 정보를 전달하는 캐릭터가 있는가 하면 박학다식한 금융 전문가 말투로 시장을 설명해주는 캐릭터도 있죠.
 이런 캐릭터 특성을 ‘페르소나’라고 하는데, 이 페르소나는 캐릭터 정체성과 같기 때문에 일관적이어야 합니다. 일정 기준이 없으면 콘텐츠 전체가 산만해질 수 있습니다.
 표 실장은 캐릭터별 일관성을 위해 페르소나별 원고 작성 공통 명령어를 생성했습니다. 이것도 마크다운 파일로 만들어뒀죠. 예컨대 A라는 캐릭터를 설명하는 명령어 마크다운에는 ‘아이돌 출신의 투자자로 밝고 명랑한 말투를 구사한다’는 식으로 구체적인 설정이 들어가 있는 식입니다.
 해당 마크다운 파일은 팀 공통 깃허브 저장소(repository)에 구축돼 있습니다. 저장소는 말 그대로 팀이 함께 쓰는 파일 보관함입니다. 개발자는 코드를 올리지만, 표 실장 팀은 이곳에 캐릭터 설명, 원고 품질 평가 규칙, 공통 명령어, 업무 절차 문서를 함께 올려두고 씁니다. 그리고 클로드코드로는 앤트로픽의 ‘스킬’을 통해 원고를 작성할 때마다 깃허브에 저장된 캐릭터 특성 마크다운 파일을 읽도록 설정해둔 것입니다.
 스킬은 클로드에게 반복 업무 절차를 한 번 가르쳐두고 필요할 때 자동 또는 명령어로 다시 쓰게 하는 업무 매뉴얼 패키지입니다. 표 실장은 이 스킬을 통해 ‘원고 작성 명령을 접수하면, 공통 깃허브 저장소의 캐릭터 설명 마크다운 파일을 읽어라’는 설정을 미리 해둔 것이죠.
 <div contents-hash="54fceedaefb5c93b0dbfcec995e66016dd3a77adfda79513ef9b00261abb82a3" dmcf-pid="10xFYQmjlk" dmcf-ptype="general">
 표 실장은 ‘/eq’라는 단순한 명령어만으로 원고 작성 업무를 자동 수행할 수 있도록 설정했습니다. 이 스킬 명령어는 같은 클로드 계정을 사용하는 팀원들도 함께 활용할 수 있습니다. 누가 써도 같은 방식으로 같은 데이터를 참고해 페르소나가 일관된 원고를 생성하게 되는 겁니다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="89858aeaa480a7cd30462f933737c162cd7c35fbde0fa9506dd8dc767734ec1b" dmcf-pid="tpM3GxsASc" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094225059npmo.png" data-org-width="640" dmcf-mid="1xzlw7nQhz" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710094225059npmo.png" width="658">
 </figure>
 스킬을 만드는 것도 어렵지 않습니다. 클로드에게 그저 ‘이러한 스킬을 만들고 싶다’고 명령하면 클로드가 방법을 아주 자세히 소개해줍니다. 어떤 명령어로, 어떤 내용의 업무를 자동으로 수행할지 등을 옆자리 동료에게 설명하듯이 말해주면 됩니다. 깃허브에 마크다운 파일을 저장하고, 명령 수행 과정에서 그 경로를 따라가 파일을 읽는 과정을 구축하는 것도 클로드가 생성하도록 할 수 있습니다.
 표 실장은 “시장 데이터를 넣고 해당 명령어를 쓰면 AI가 스스로 중요도를 평가하고, 이를 기반으로 원고를 생성하고, 원고를 가장 잘 설명해줄 수 있는 가상의 크리에이터(캐릭터)를 매칭하고 대본을 만들고, 검수까지 한다”고 말했습니다. 이어 “콘텐츠별로 하나하나 ‘이거 생성해줘’라고 하지 않아도 한 번에 /eq를 띄우고 관련 데이터를 입력하면 이 과정을 자동으로 진행한다”고 설명했습니다.
 언뜻 보기에 표 실장의 스킬 생성이나 자동화 작업이 복잡할지 모릅니다. 파이썬 정도는 알고 있어야 클로드코드를 다룰 수 있을 것만 같은 느낌도 듭니다. 하지만 표 실장이 AI 활용 과정에서 가장 많이 사용하는 언어는 단연 ‘자연어’입니다. AI를 붙잡고 질문 세례를 퍼붓는 것이죠. ‘방금 한 작업은 뭐야?’ ‘추가로 필요한 코딩 작업은 뭐가 남았어’ 등과 같이 코딩 한 줄 없이 자연어로 질문합니다.
 비개발자라 해도 끝없는 질문이 지속되면 저마다 시간의 차이는 있을지 모르지만 문제의 해결책에 도달할 수 있다는 것입니다. AI 시대에 자동화는 더 이상 개발자들만의 전유물이 아닙니다. 특히 표 실장이 담당하고 있는 데이터 수집이나 원고 작성과 같은 텍스트·정형 데이터 작업은 비개발자도 충분히 유의미한 결과를 낼 수 있다는 것이 표 실장의 시각입니다.
 마지막으로 표 실장은 “이전에는 간단한 데이터도 데이터 분석가나 엔지니어에게 요청했어야 하는 번거로움이 있었지만 지금은 그 일을 AI에게 시키면 된다”며 “코드를 한 줄도 몰라도 간단한 데이터 기반 처리는 AI를 통해 자동화할 수 있다”고 말했습니다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기