AI를 공부하는 밤에서, 각자 하나 만들어보는 밤으로 넘어갔습니다.

일시	2026년 5월 9일 토요일
형식	온라인 미팅
주제	AI 에이전트와 Codex 활용, 개인 프로젝트 공유, AI 비즈니스 아이디어 발굴
핵심 목적	각자 만들고 싶은 AI/자동화 프로젝트를 구체화하고, 다음 회차까지 작은 결과물 또는 아이디어를 가져오기

한 줄 결론: AI를 공부하는 단계에서 벗어나, 각자의 실제 문제에 AI를 붙여 작은 결과물을 만들어봅니다.

이번 회의의 강조점은 “AI를 그냥 쓰는 것”과 “AI를 제품 안에 녹여서 일하게 만드는 것”은 다르다는 점이었습니다. 좋은 프롬프트보다 중요한 것은 좋은 문제 정의이고, 제품성은 AI가 사용자의 흐름 안에서 어떤 일을 대신하느냐에서 나옵니다.

데일리호텔, CGV식 영화관 통합, 아정당 사례를 통해 흩어진 공급자와 수요를 하나의 브랜드, 전산 시스템, 고객획득 구조로 묶으면 큰 가치가 생길 수 있다는 이야기가 오갔습니다. 단순해 보이는 사업도 고객획득, 전환율, 마케팅, 운영 구조가 있으면 자본시장에서 크게 평가될 수 있습니다.

데일리호텔은 모텔과 숙박업소처럼 개인 사업자 중심으로 흩어져 있던 시장을 하나의 예약 브랜드와 전산 시스템으로 묶어낸 사례로 언급되었습니다. 공급자는 이미 존재하지만 사용자가 비교하고 예약하기 어렵던 시장에 플랫폼 경험을 얹으면, 큰 플레이어 입장에서는 직접 경쟁하기보다 인수하는 편이 효율적일 수 있다는 점을 보여줍니다.

CGV식 영화관 통합 사례도 비슷한 맥락으로 다뤘습니다. 과거에는 개인 극장주와 개별 상영관이 중심이던 시장이 체인형 브랜드, 통합 예매, 표준화된 운영 시스템으로 묶이면서 소비자 경험과 운영 효율이 동시에 바뀌었습니다. 핵심은 새로운 수요를 처음부터 발명하는 것이 아니라, 이미 존재하던 수요와 공급을 더 편한 구조로 재배치하는 데 있었습니다.

특히 아정당은 언뜻 보기에는 단순한 생활 서비스 중개처럼 보여도, SNS와 퍼포먼스 마케팅, 상담 전환율, 반복 가능한 고객획득 구조가 결합되면 높은 기업가치가 붙을 수 있다는 사례로 언급되었습니다. MBK 관련 이야기와 함께, 처음에는 이해가 잘 안 되는 밸류에이션도 자본시장에서 거래된다면 그 안에 작동하는 성장 논리가 있을 수 있다는 관점으로 정리했습니다.

• fragmented market을 묶고 브랜드와 시스템을 만들면 플랫폼 가치가 생깁니다.
• 큰 플레이어는 직접 경쟁보다 인수를 선택할 수 있습니다.
• AI 시대에는 제로부터 만들기보다 좋은 레퍼런스를 빨리 흡수하고 실험하는 능력이 중요합니다.
• Product Hunt, GitHub, 오픈소스, 해외 서비스를 계속 보는 루틴이 아이디어 레이더가 됩니다.

1단계	문서 요약, 코드 작성, PPT 초안, 번역, 아이디어 정리처럼 AI에게 작업을 시킵니다.
2단계	앱 제작 계획, 기능 설계, 프로젝트 구조, 데이터 처리 흐름처럼 AI에게 계획을 짜게 합니다.
3단계	개인화 추천, 프로필 분석, 사용자 대화 처리, 검색/추천/분류 엔진처럼 제품 내부에 AI를 넣습니다.
4단계	API 키, 시스템 프롬프트, 데이터 구조, 워크플로우를 결합해 AI Harness로 실제 기능처럼 작동시킵니다.

예를 들어 사용자가 익숙한 채널에서 대화하면 AI가 내용을 이해해 필요한 정보를 구조화하고, 후보를 분석한 뒤 추천 이유까지 작성하는 흐름은 단순 챗봇이 아니라 제품 기능입니다.

별칭/주제	아이디어	현재 상태	다음 단계
수달	비공개 커뮤니케이션 기반 추천 워크플로우	상당 부분 프로토타입 구현	개인정보 동의/인증 워크플로우 해결
고래	영어 학습용 텍스트 어드벤처 게임	기초 프로토타입 완성	다국어, UI, 모바일, 저작권 소스 보강
여우	기업/주식/M&A 대시보드	아이디어 단계	지표, 화면, 데이터 소스 구체화
판다	PPT/매뉴얼 자동화	실험 중	스타일 가이드와 템플릿 기반 반복 실험
호랑이	마케팅 자동화	관심/실험 단계	Product Hunt 사례 참고 후 공유
전체	Product Hunt 기반 아이디어 탐색	방향성 공유	인기 아이디어 자동 요약 가능성 검토

고래 프로젝트는 게임북/OCR/Codex를 결합한 영어 학습 게임으로 좋은 평가를 받았습니다. 여우 프로젝트는 M&A 업무에 필요한 기업 비교와 주식 모니터링 대시보드로, 지표와 데이터 소스 정의가 다음 과제입니다. 판다 프로젝트는 회사 절차서와 매뉴얼을 일관된 PPT로 바꾸기 위해 스타일 가이드와 템플릿화가 필요하다는 결론이 나왔습니다.

• OCR: 책 캡처, PDF 이미지, 킨들 화면, 전자도서관 뷰어, 사진 속 글자를 텍스트로 바꿉니다.
• RAG: AI가 아무 근거 없이 답하지 않고, 특정 책이나 자료를 근거로 답하게 만듭니다.
• 데이터 구조화: 원문을 추출하고 정리해야 AI가 제품 안에서 안정적으로 일할 수 있습니다.

꿈 해몽 앱 예시처럼, 그냥 “꿈 해몽해줘”라고 하면 근거 없는 답변이 나오지만 특정 책과 자료를 데이터로 넣으면 AI가 그 자료 기반으로 답할 수 있습니다. 영어 게임, 금융 대시보드, 매뉴얼 자동화 모두 결국 “어떤 자료를 어떻게 구조화할 것인가”가 품질을 좌우합니다.

Product Hunt는 전 세계 스타트업과 메이커들이 새 서비스를 올리는 플랫폼입니다. 인기 제품을 매일 확인하고, 한국 시장 적용 가능성, 구현 난이도, 카피 가능성, API/LLM 결합 지점을 정리하면 아이디어 발굴 창고로 쓸 수 있습니다.

Product Hunt daily scan
  -> top products summary
  -> korean market fit
  -> build difficulty
  -> ai/API leverage
  -> one-page product brief

박람회 소싱, 쿠팡 판매, 반려동물 벌레퇴치 제품, 크록스 액세서리형 제품, 가게 창업용 집기/가구 큐레이션처럼 오프라인 물건과 AI를 결합하는 방향도 논의되었습니다. 실제 장사는 인터넷에 공개되지 않은 정보가 많으므로 AI만으로 끝나지 않고 현장 실행력이 필요합니다.

“가게용 오늘의집” 아이디어는 카페, 식당, 학원, 소형 매장 창업자에게 목적별 집기와 가구를 추천하는 플랫폼입니다. AI가 업종, 공간 크기, 예산, 용도에 맞춰 제품을 큐레이션하면 단순 쇼핑몰보다 더 실용적인 서비스가 될 수 있습니다.

구분	할 일	담당
1	각자 만들고 싶은 프로젝트 하나 구체화	전원
2	영어 게임 프로토타입 보완: 다국어, 모바일, 이미지 검토	고래
3	기업 비교 대시보드의 필요한 지표와 화면 구조 정리	여우
4	회사 매뉴얼/절차서 기준 PPT 자동화 샘플 1개 제작	판다
5	Product Hunt 기반 마케팅 자동화 사례 조사	호랑이
6	Product Hunt 인기 서비스 정기 분석 자동화 가능성 검토	수달/전원
7	다음 회의에서 각자 결과물 공유	전원

1. AI를 잘 쓰려면 직접 프로젝트를 해봐야 합니다.
2. 좋은 프롬프트보다 중요한 것은 좋은 문제 정의입니다.
3. AI는 단순 작업 도우미가 아니라 제품 내부 기능이 될 수 있습니다.
4. 기존 자료를 OCR/RAG로 구조화하면 강력한 AI 서비스가 됩니다.
5. Product Hunt는 아이디어 발굴 창고로 활용할 수 있습니다.
6. 완전히 새로운 아이디어보다 빠른 관찰, 변형, 실행이 중요합니다.
7. AI 시대에도 오프라인 실무 감각과 소싱 능력은 여전히 중요합니다.
8. 딸깍 한 번에 완성되는 것은 없고, 반복 대화와 수정이 핵심입니다.
9. 다음 단계는 각자 하나 만들어보는 것입니다.