챕터별 상세
03:49
AI 에이전트의 핵심 개념과 작동 원리
AI 에이전트를 지시를 이해하고 행동을 취하는 '디지털 직원'으로 정의한다. 뇌(LLM), 프롬프트, 메모리, 지식(RAG), 도구(API)라는 5가지 핵심 구성 요소를 기반으로 작동한다. 특히 챗봇과 에이전트의 차이점은 단순히 정보를 제공하는 것을 넘어 실제 업무를 '실행'하는 능력에 있다.
에이전트가 도구를 사용하기 위해서는 API의 작동 원리를 이해하는 것이 중요하다.
29:59
텔레그램 영수증 분석 에이전트 실습
n8n을 활용해 사용자가 텔레그램으로 보낸 영수증 사진을 분석하는 자동화 시스템을 구축한다. Gemini 2.0 Flash 모델의 멀티모달 기능을 이용해 이미지에서 상호명, 날짜, 금액을 추출한다. 추출된 데이터는 파싱 과정을 거쳐 구글 시트에 자동으로 기록되며, 예산 초과 시 이메일 알림을 보내는 로직을 포함한다.
Gemini 2.0 Flash는 텍스트와 이미지를 동시에 처리할 수 있는 멀티모달 모델이다.
56:23
n8n 셀프 호스팅의 중요성
안정적인 운영과 비용 절감을 위해 n8n을 클라우드 서버에 셀프 호스팅하는 방법과 이점을 다룬다. 공유 호스팅 환경보다 높은 제어권을 가질 수 있으며, 대규모 워크플로 실행 시 발생할 수 있는 성능 저하 문제를 해결할 수 있다. Hostinger와 같은 서비스를 이용해 클릭 몇 번으로 서버를 설정하고 n8n 인스턴스를 배포하는 과정을 보여준다.
셀프 호스팅은 데이터 보안과 커스텀 라이브러리 사용 측면에서 기업용 솔루션에 유리하다.
01:00:59
태양광 견적 리드 생성 챗봇 구축
웹사이트 방문자에게 태양광 설치 견적을 실시간으로 제공하는 지능형 챗봇을 제작한다. Google Solar API를 연동해 특정 주소의 지붕 면적과 일조량을 분석하고 예상 절감액을 계산한다. 상담 과정에서 수집된 고객의 연락처와 견적 데이터는 Airtable CRM에 자동으로 저장되어 영업 기회로 관리된다.
Airtable은 스프레드시트와 데이터베이스의 장점을 결합한 노코드 협업 도구이다.
json
{ "name": "get_solar_data", "description": "주소와 월 전기료를 바탕으로 태양광 설치 견적을 계산한다", "parameters": { "type": "object", "properties": { "address": { "type": "string" }, "monthly_bill": { "type": "number" } }, "required": ["address", "monthly_bill"] } }n8n 에이전트 노드에서 LLM이 특정 도구를 언제 어떻게 사용해야 할지 인식하도록 설정하는 JSON 스키마 예시이다.
01:40:34
Retell AI 기반 음성 자동 응대 시스템
전화 통화를 통해 고객의 문의를 처리하고 리드 자격을 검증하는 음성 에이전트를 설정한다. Retell AI 플랫폼에서 음성 모델과 지연 시간을 최적화하고 n8n의 Webhook과 연결한다. 통화가 종료되면 대화 내용이 텍스트로 변환되어 n8n으로 전송되며, AI가 고객의 구매 의사를 분석해 CRM 상태를 업데이트한다.
음성 AI의 핵심은 사람과 대화하듯 빠른 응답 속도를 유지하는 것이다.
02:19:54
영업 지원을 위한 통합 코파일럿 앱 개발
영업 사원이 고객 미팅 전에 필요한 정보를 한눈에 파악할 수 있는 전용 앱을 구축한다. Lovable 도구를 사용해 사용자 인터페이스(UI)를 설계하고 n8n을 백엔드 엔진으로 연결한다. AI가 고객의 링크드인 프로필과 웹사이트 정보를 스크랩하여 요약 보고서를 생성하고, 맞춤형 영업 전략을 제안하는 기능을 포함한다.
Lovable은 자연어 지시만으로 웹 애플리케이션의 프론트엔드를 생성해주는 도구이다.
02:59:24
AI 에이전트 비즈니스 수익화 전략
구축한 AI 기술을 수익으로 연결하는 두 가지 경로인 '빌더(Builder)'와 '컨설턴트(Consultant)' 모델을 제시한다. 빌더는 기술적 구현에 집중해 자동화 시스템을 구축해주고, 컨설턴트는 비즈니스 진단과 전략 수립을 통해 가치를 창출한다. 실제 고객 확보를 위해 무료 진단(Audit) 서비스를 제공하고 성과를 증명하는 포트폴리오 구축 방법론을 다룬다.
수익화의 핵심은 기술 자체가 아니라 고객의 시간과 비용을 얼마나 절감해주는가에 있다.
용어 해설
- 검색 증강 생성(RAG)
- — 외부 지식 베이스에서 관련 정보를 검색하여 LLM의 답변 생성에 활용하는 기법이다. 모델의 학습 데이터에 없는 최신 정보나 기업 내부 데이터를 기반으로 정확한 답변을 생성하게 해준다.
- 웹훅(Webhook)
- — 특정 이벤트가 발생했을 때 서버가 다른 애플리케이션으로 실시간 데이터를 전송하는 방식이다. AI 에이전트가 작업 완료 후 외부 시스템에 결과를 알리거나 후속 작업을 트리거할 때 필수적으로 사용된다.
- 응용 프로그램 인터페이스(API)
- — 서로 다른 소프트웨어 구성 요소가 통신할 수 있게 하는 규약이다. AI 에이전트가 구글 시트, 이메일, 외부 데이터베이스 등 다양한 도구와 상호작용하기 위한 통로 역할을 한다.
- 벡터 저장소(Vector Store)
- — 텍스트 데이터를 수치화된 벡터 형태로 저장하고 유사도 검색을 수행하는 데이터베이스이다. RAG 시스템에서 질문과 가장 관련성이 높은 문서 조각을 빠르게 찾아내는 데 사용된다.
- 프롬프트 엔지니어링(Prompt Engineering)
- — LLM으로부터 원하는 결과를 얻기 위해 지시문을 설계하고 최적화하는 기술이다. 에이전트의 역할 정의, 도구 사용 지침, 답변 형식 지정 등을 통해 시스템의 성능을 결정짓는다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 22.수집 2026. 03. 22.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.