대기전력 차단 멀티탭, 한 달 써보고 전기요금 진짜 확인해봤다

요즘 다들 전기요금 얘기만 나오면 한숨부터 쉰다. 나도 그랬다. 특히 여름엔 에어컨 때문에 고지서 보기가 무섭다. 그런데 이번에 좀 이상한 걸 발견했다. 에어컨을 거의 안 켠 달인데도 전기요금이 크게 안 줄어든 거다. 뭔가 이상하다 싶어서 집에 있는 콘센트를 하나씩 뽑아보기 시작했다.

대기전력이라는 도둑

알고 보니 범인은 “대기전력”이었다. TV, 셋톱박스, 공유기, 정수기, 심지어 안 쓰는 충전기까지 코드만 꽂혀있으면 계속 전기를 조금씩 먹는다. 개별로 보면 몇 와트 안 되는데, 이게 24시간 365일 쌓이면 얘기가 달라진다. 문제는 이걸 눈으로 확인할 방법이 없다는 거다. 계량기는 총량만 보여주고, 어떤 기기가 얼마나 먹는지는 알려주지 않는다. 그냥 “대기전력이 전체 가정 전력의 몇 %를 차지한다”는 통계만 어디서 본 게 다였다.

직접 재보니 생각보다 심했다

그래서 전력량을 측정할 수 있는 멀티탭을 하나 사서 기기별로 꽂아 확인해봤다. 결과는 예상보다 별로였다. TV와 셋톱박스는 꺼놔도 대기 상태에서 계속 전력을 먹고 있었고, 정수기는 아예 상시 가동이라 어쩔 수 없다 쳐도, 안 쓰는 방에 꽂혀있던 오래된 공유기와 스피커가 조용히 전기를 축내고 있었다. 한 달 기준으로 계산해보니 이 대기전력만으로도 적지 않은 금액이 나왔다. 처음엔 “이게 그렇게 티가 날까” 싶었는데, 막상 숫자로 보니 무시할 수준이 아니었다.

멀티탭 하나로 정리

그래서 방법을 바꿨다. 개별 스위치가 달린 멀티탭으로 전자기기들을 묶어서, 안 쓸 때는 스위치 하나로 아예 전원을 차단하도록 정리했다. 처음엔 귀찮을 것 같았는데, 며칠 지나니 습관이 됐다. 자기 전에 스위치 한 번 내리는 게 전부다. 한 달을 이렇게 써보고 이전 달, 그리고 그 전 달 요금이랑 비교해봤다. 사용 패턴이 크게 다르지 않았던 걸 감안하면 확실히 차이가 있었다. 극적으로 요금이 반토막 난 건 아니지만, 밥 한 끼 값 정도는 확실히 아꼈다.

어떤 걸 사야 하나

멀티탭이라고 다 같은 게 아니다. 그냥 전원 하나로 묶는 멀티탭 말고, 개별 스위치가 달려서 기기별로 껐다 켰다 할 수 있는 제품을 골라야 의미가 있다. 서지 보호 기능이 있는지, 스위치가 눌렀을 때 확실히 티가 나는 물리 스위치인지도 확인하는 게 좋다. 나는 이번에 새로 정리하면서 개별 스위치형 절전 멀티탭을 [[COUPANG_LINK]] 여기서 참고해서 골랐는데, 가격대가 다양해서 방마다 용도에 맞게 고르면 된다.

결론

전기요금을 확 줄여주는 마법 같은 아이템은 아니다. 그런데 안 쓰는 전기를 눈에 보이게 관리한다는 것 자체가 의미가 있었다. 다음 글에서는 계절별 전기요금 누진세 구간을 어떻게 피할 수 있는지, 실제 계약전력 기준으로 정리해볼 예정이다.

[SK네트웍스 Famillu 엔코아AI캠퍼스]AI 오케스트레이션 캠프 1기_[3주차]

AI 오케스트레이션 부트캠프 공부 기록 #1 – 개발자가 되기 위한 첫걸음

AI 시대가 오면서 개발자의 일하는 방식도 많이 바뀌고 있다. 이번 AI 오케스트레이션 부트캠프에서는 단순히 코드를 작성하는 것이 아니라 AI를 활용해 문제를 해결하는 방법을 배우기 시작했다.

현재 공부하고 있는 기술

  • Python 기초 문법
  • FastAPI를 활용한 백엔드 개발
  • REST API 설계
  • Swagger UI와 API 테스트
  • SQL과 데이터베이스
  • Supabase 연동
  • Git과 GitHub
  • VS Code 개발 환경
  • 가상환경(venv)
  • AI를 활용한 바이브 코딩

Python 공부

처음에는 변수, 조건문, 반복문부터 시작했다.

이후 함수와 클래스, 모듈을 배우면서 프로젝트 구조를 이해하기 시작했고, 최근에는 데이터를 조회하고 저장하는 프로그램을 직접 만들어 보고 있다.

특히 Supabase와 Python을 연결해 메모를 저장하고 조회하는 코드를 작성하면서 CRUD(Create, Read, Update, Delete)의 기본 개념을 익히고 있다.

FastAPI와 백엔드

웹 서비스는 생각보다 단순했다.

사용자가 요청(Request)을 보내면 서버가 처리한 뒤 결과(Response)를 돌려주는 구조다.

이번 과정에서는

  • GET
  • POST
  • Path Parameter
  • Query Parameter
  • Status Code
  • DTO
  • Repository

같은 백엔드의 기본 개념을 학습했다.

Swagger UI를 이용하면 작성한 API를 직접 테스트할 수 있다는 점도 알게 되었다.

데이터베이스

데이터베이스는 단순히 데이터를 저장하는 공간이 아니라 서비스의 핵심이라는 것을 느꼈다.

현재는

  • SELECT
  • INSERT
  • ORDER BY
  • JOIN
  • 서브쿼리

등을 공부하고 있으며 Python과 Supabase를 연결하는 실습도 진행 중이다.

운영체제와 컴퓨터 구조

코드를 작성하는 것뿐 아니라 내부에서 어떤 일이 일어나는지도 함께 공부하고 있다.

프로그램이 실행되면 프로세스가 되고,

운영체제가 메모리를 관리하며,

CPU가 명령어를 실행하고,

필요한 데이터는 메모리와 데이터베이스를 오가며 처리된다는 전체 흐름을 이해하기 시작했다.

AI 시대의 개발

예전에는 모든 코드를 직접 작성하는 것이 중요했다면, 지금은 AI와 함께 일하는 능력이 더 중요해지고 있다.

AI가 작성한 코드를 그대로 사용하는 것이 아니라

  • 코드를 이해하고
  • 수정하고
  • 원하는 방향으로 설계하는 능력이 앞으로 더 중요하다고 느낀다.

앞으로의 목표

앞으로는 프론트엔드와 프로젝트를 진행하면서 실제 서비스를 만들어 볼 예정이다.

최종 목표는 AI와 백엔드 개발을 함께 활용할 수 있는 개발자가 되는 것이다.

내용을 기록하면서 꾸준히 성장하는 과정을 이 블로그에 남겨보려고 한다.

#AI #AI오케스트레이션 #Python #파이썬 #FastAPI #백엔드 #API #Swagger #Supabase #SQL #GitHub #개발공부 #코딩공부 #개발자취준 #프로그래밍

Ai 오케스트레이션 1주차 회고


ㄴ 4L(Liked,Lacked, Learned, Longed for)

1.지난 일주일 동안 나의 성장

html, md에 사용되는 기초문법을 배웠어요. 글자 커진다고 무섭다고 난리칠 때 있었는데 사실 그때도 알긴 했는데 무서웠었죠. 지금도 그렇게 실시간 그런다면 무서울거같긴한데 그래도 도망칠 정도는 아니에요.

진도표를 정말 열심히 봤어요. 앞으로 뭘 배워나갈지 대체 이걸 배워서 어디다 써야하는 지 계속 고민했는데 아직 모르겠어요. 해봐야 알 거 같아서 그냥 다 열심히 해야겠다.. 갈 길이 멀구나 라는 걸 알게됬어요.

어쨋든 파이썬은 1주일만에 마스터하기라는 학원의 목표를 따라가려면 더 열심히 해야겠다 생각했어요 그래도 생각보다 재밌어서 아직은 할 만 해요. 가상환경 , venv 프로젝트 내의 가상환경, 모듈, 패키지 m ,c 다양한 새로운 걸 배웠어요. 가상환경으로 각자의 방에서 자신의 업무를 하고 다른 사람들과 만나 협업하는 일을 한다는 걸 배웠는데 너무 신기하고 재밌었어요. 당연히 서로 종일 협업하고 함께 하는게 아닌 각자 자기 공간이라는 게 있다는게 개발자들의 삶이구나 싶어서 관심이 생겼어요.

  • 지난 일주일 동안 가장 인상 깊었던 배움에는 뭐가 있었지?
    가상환경! 프론트엔드, 백엔드, 보안, DB 이 모든 것들이 유기적으로 연결되서 하나가 된다 컴퓨터만 보면서 일하는 사람들이 개발자라고 생각했는데 생각보다 많이 연결되어있고 협업이 중요한 업무라는 걸 배웠어요. 너무 재밌을거같아서 앞으로가 기대 됩니다.
  • 그 배움까지 다가가는데 어떤 어려움이 있었지?
    아무래도 비전공자다보니 용어들이 아직 낯설어서 목차에 써있는 기본 용어부터 익숙해지고자 괜히 배우지도 않은 목차를 열심히 봤어요. 못따라가지 않도록 예습한다 생각하고 해봤습니다.
  • 그 과정에서 나는 무엇을 깨달았고, 어떤 감정/생각이 들었었지?
    전공자분들과 협업하는데 모르는 거 너무 물어봐서 방해가 안되도록 더 열심히 해야겠다 생각했습니다. 기본 대화는 가능하도록 이론 지식도 중요하겠구나
  • 결과적으로, 현재 나의 상태는?
    ‘아직 아 그거 어디서 들어는 봤는데’ 정도만 떠올릴 수 있는 상태입니다.
  • 이 상태에서 다음 일주일을 더 잘 보내려면 어떻게 해야 할까?
    충분한 수면과 휴식이 필요하겠다 생각했습니다.

인공지능 기초 이론 [AIDE 2급 공부]

비전공자의 약점 탈출하기
데이터 분석 개요
데이터의 정의 : 추론과 추정의 근거를 이루는 사실.

빅데이터 = 대량의 모든 데이터, 데이터의 가치와 결과분석 기술, 빅데이터 플랫폼 등장 [하드웨어,소프트웨어,어플리케이션],대규모의 데이터 관리 기술.

/*모든 – 과거엔 행/열과 같은 정해진 틀인 스키마 안에 있는 데이터를 말했으나 지금은 정해진 형태가 없는 비정형의 상태인 그림, 영상, 음악, 텍스트 문서도 포함된다. 그리고 그 모든 것에서 가치 추출하는 기술이 있다는 뜻.*/



<< 대용량의 트래픽이 증가했을 때 ai전문가나 프로그래머가 어떻게 대처하는가>>

*관련 직업 : data scientist , date analyst, date engineer , 빅데이터분석기사

빅데이터의 특징 :
3V (volume variety velocity)> 4V (veracity) > 5V (value)

데이터 분석 및 시각화

데이터의 특징을 확인하고 패턴, 관계, 통찰을 도출

기획 > 수집 > 저장 > 처리 1> 분석 > 시각화2 > 활용

  1. big date ↩︎
  2. python program ↩︎

활용사례 : 마케팅 캠페인 성과 분석, 고객 행동 패턴 파악, 비즈니스 전략 수집


데이터 분석 도구

python : 데이터 분석 + 응용 프로그램 개발 + 웹 개발

anaconda : 데이터 분석 : 데이터 과학자, 분석가, 개발자를 위한 통합 패키지

파이썬 패키지

*NumPy : 다차원 행열 연산 및 수학적 계산을 위한 라이브러리
*pandas : 데이터 전처리 및 분석을 위한 데이터프레임 및 시리즈 제공 라이브러리 [엑셀,r디비 같은 데이터 프레임의 형태로 파이썬에 가져온다]
*matplotlib : 다양한 차트와 그래프를 그릴 수 있는 데이터 시각화 라이브러리
*seaborn : 데이터 시각화를 지원하는 matplotlib 기반의 라이브러리

*SciPy : 과학 계산 및 수치 해석을 위한 고급 수학 및 통계 함수 제공 라이브러리
*scikit-learn : 머신러닝 모델 구축 및 데이터 마이닝을 위한 라이브러리
*statsmodels : 통계 모델링, 회귀 분석, 시계열 분석을 위한 라이브러리
*TensorFlow : 딥러닝 및 인공신경망 모델을 구축하는 오픈소스 라이브러리
*Keras : TensorFlow 기반의 고수준 딥러닝 라이브러리
*XGBoost : 고성능 그래디언트 부스팅 알고리즘을 제공하는 머신러닝 라이브러리
*NLTK : 자연어(NLP)를 위한 텍스트 분석 및 언어 처리 라이브러리

인공지능 > 머신러닝 > 딥러닝


딥러닝 : CNN RNN LSTM GRU

CNN : 합성곱신경망 : convolutional neural network : 영상 처리에 많이 활용되는 합성곱 : 데이터 특징 분석 패턴 파악 convolution pooling
-VGG16, InceptionNet, ResNet, EfficienNet
DNN : 완전 은닉된 레이어 계층 : 분류, 예측

문자/언어 (RNN, 트랜스포머): 언어는 ‘순서’가 중요합니다. “나는 사과를 먹었다”와 “사과가 나를 먹었다”는 완전히 다르죠. 그래서 시간적/순차적 흐름을 기억하는 다른 구조의 모델을 사용합니다.

왜 그래픽 카드가 AI에 더 유리한가?”에 대해 조금 더 파고들면 그 차이가 명확해집니다.

1. CPU(일반 메모리) vs GPU(그래픽 카드)의 차이

우리가 흔히 말하는 컴퓨터의 메모리(RAM)와 CPU는 ‘똑똑한 일꾼’과 ‘잘 정리된 창고’의 관계입니다.

  • CPU: 매우 똑똑하지만, 한 번에 처리할 수 있는 업무의 양이 적습니다(직렬 처리). 어려운 수학 문제나 복잡한 논리 구조를 순서대로 푸는 데 최적화되어 있죠.
  • GPU: 단순한 일꾼 수천 명이 동시에 달려드는 방식입니다(병렬 처리). 행렬의 모든 숫자에 5를 곱하는 것 같은 단순한 작업을 한꺼번에 처리하는 데 최적화되어 있습니다


객체 탐지 알고리즘

classification은 “뭐가 있는지”, localization은 “어디에 있는지”고, 프롬프트의 객체/배경은 classification 쪽에 가깝고 위치 지정은 별도로 해줘야 해요(그냥 분위기·객체·배경만 쓰면 위치는 모델이 알아서 배치함).

번호 매기는 거(“1번 subject, 2번 subject”) — 저 같은 언어모델 [Gemini]입장에서는 그렇게 구조화해주면 각 객체에 뭘 붙일지 헷갈릴 여지가 줄어서 확실히 더 잘 따라가요.

근데 실제 이미지 생성 AI(미드저니, 스테이블 디퓨전 같은 diffusion 모델)한테는 얘기가 좀 달라요. 그냥 평문으로 “1번, 2번” 써도 어느 정도 도움은 되지만, 객체가 2개 이상이면 “색깔이나 특징이 다른 객체한테 잘못 붙는” 문제(속성 혼동)가 원래 자주 발생하는 약점이에요. 그래서 미드저니는 “::” 같은 구분자를 따로 지원해서 각 서브젝트를 진짜 분리시켜주는 문법이 있어요 — 이런 전용 문법을 쓰는 게 그냥 “1번, 2번” 텍스트로 쓰는 것보다 실제로는 더 확실해요.

월급 들어오자마자 저축부터 떼어놓으니 벌어진 일

이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

월급날 통장에 돈이 찍히면 그날 하루는 부자가 된 기분이다. 근데 한 달 뒤 통장을 보면 남은 게 별로 없다. 나도 그랬다. 카드값 내고, 밥 먹고, 이것저것 사다 보면 저축은 항상 “이번 달 남는 돈으로”였다. 문제는 남는 돈이 거의 없었다는 거다.

이 방식의 진짜 문제는 순서다. 소비를 먼저 하고 남는 걸 저축하려니, 저축은 항상 우선순위에서 밀린다. 이번 달은 특별한 일이 있어서, 다음 달은 경조사가 있어서… 핑계는 매달 새로 생긴다. 1년을 돌아보면 저축한 돈보다 핑계로 못 한 저축이 더 많았다.

그래서 순서를 바꿔봤다. 월급이 들어오는 날, 저축액을 먼저 자동이체로 빼놓고 나머지로 한 달을 사는 방식이다. 처음 한두 달은 진짜 빠듯했다. 있던 돈이 갑자기 줄어든 것처럼 느껴졌으니까. 근데 신기하게도 3개월쯤 지나니 그 줄어든 금액에 소비 패턴이 맞춰졌다. 없으면 없는 대로 산다는 걸 몸으로 느꼈다.

방법은 간단하다. 첫째, 월급날 다음 날로 자동이체를 걸어둔다(월급이 찍힌 당일보다 하루 늦게 설정하면 입금 지연 문제를 피할 수 있다). 둘째, 저축 계좌는 입출금이 불편한 곳으로 고른다. 접근성이 떨어질수록 손이 덜 간다. 셋째, 처음엔 무리하지 않는 금액으로 시작하고, 적응되면 조금씩 늘린다.

가계부를 따로 안 쓰는 사람이라도 이 자동이체 하나만 걸어두면 저축률이 확 달라진다. 저축 계획을 세우는 게 막막하다면 관련 도구나 가계부 노트를 하나 활용해보는 것도 방법이다. 이런 제품이 정리할 때 도움이 됐다. (쿠팡 파트너스 링크)

결국 저축은 의지의 문제가 아니라 순서의 문제였다. 남는 돈으로 저축하지 말고, 저축부터 떼어놓고 남는 돈으로 살아보길 권한다.

구독료만 정리했는데 한 달에 5만원이 남았다

매달 카드값이 왜 이렇게 많이 나오는지 궁금했던 적 있나. 나는 어느 날 카드 명세서를 쭉 훑어보다가 이상한 걸 발견했다. 넷플릭스, 유튜브 프리미엄, 쿠팡와우, 클라우드 저장공간, 거기다 예전에 한 번 써보려고 등록한 운동 앱 구독까지. 다 합치니 매달 나가는 돈이 생각보다 컸다.

문제는 이 돈들이 하나하나는 크지 않다는 거다. 만 원, 만오천 원, 몇천 원. 그래서 잘 안 잘린다. 카드 명세서에 찍혀도 그냥 넘어간다. 근데 이런 게 서너 개만 겹쳐도 한 달에 5만원, 1년이면 60만원이다. 나는 이걸 거의 1년 넘게 그냥 흘려보내고 있었다.

정리하기로 마음먹고 한 일은 단순했다. 최근 3개월치 카드 명세서를 다 열어놓고 “구독”, “정기결제” 이런 키워드로 훑었다. 그러다 보니 존재 자체를 잊고 있던 서비스가 세 개나 나왔다. 하나는 무료체험이 끝나고 자동으로 유료 전환된 거였고, 하나는 예전 직장에서 필요해서 등록했다가 퇴사 후에도 계속 나가고 있던 클라우드 저장공간이었다. 취소 버튼을 누르는 데는 각각 5분도 안 걸렸는데, 이걸 미뤄온 시간이 아까웠다.

방법은 어렵지 않다. 첫째, 최근 2~3개월 카드/계좌 명세서를 정기결제 위주로 훑는다. 둘째, 실제로 이번 달에 사용한 서비스인지 스스로에게 물어본다. 셋째, 애매하면 일단 해지하고, 진짜 필요하면 그때 다시 가입한다. 어차피 대부분의 구독 서비스는 재가입이 어렵지 않다.

가계부 앱을 쓰고 있다면 정기결제 항목만 따로 태그를 걸어두는 걸 추천한다. 그러면 다음 달부터는 명세서를 뒤질 필요 없이 한눈에 보인다. 매달 첫째 주에 5분만 투자해서 구독 목록을 확인하는 습관을 들이면, 이런 종류의 새는 돈은 대부분 막을 수 있다.

큰돈을 버는 것도 중요하지만, 나가는 돈을 막는 것도 그만큼 중요하다. 구독 서비스 정리는 특별한 재테크 지식이 필요 없다. 그냥 한 번 제대로 들여다보는 것, 그게 전부다.

알고리즘이 아니라 내 첫 문장이 문제였다

도입

처음 6개월 동안 나는 알고리즘 탓을 정말 많이 했다. “요즘 노출이 안 된다”, “이 플랫폼이 이상하다” 같은 말을 스스로한테 계속 했다. 근데 지금 와서 보면, 문제는 알고리즘이 아니라 첫 줄이었다.

문제

콘텐츠를 만들 때 대부분 이렇게 접근한다. 하고 싶은 말을 다 정리한 다음, 맨 위에 인사말이나 배경 설명을 붙인다. “안녕하세요, 오늘은 ~에 대해 이야기해볼게요” 같은 문장. 문제는 이 한 줄에서 이미 절반이 나간다는 거다. 스크롤은 멈추지 않고, 캡션의 ‘더보기’는 눌리지 않는다.

경험

나는 같은 내용을 두 가지 버전으로 올려본 적이 있다. 하나는 인사말로 시작했고, 하나는 결론부터 던졌다. 결과 차이가 꽤 컸다. 도달수 자체가 다르게 나왔고, 무엇보다 저장·공유 비율이 달랐다. 그때 처음으로 “내용이 문제가 아니라 순서가 문제였구나”를 체감했다.

해결

그 이후로 만든 규칙은 단순하다.

  • 첫 줄에 결론이나 숫자를 먼저 던진다.
  • 인사말, 배경 설명은 아예 없애거나 맨 뒤로 보낸다.
  • 한 콘텐츠에는 메시지 하나만 남긴다. 하고 싶은 말이 세 개면, 세 개의 콘텐츠로 나눈다.

추천

이걸 혼자 점검하기 어렵다면, 올리기 전에 딱 하나만 확인하면 된다. “이 글의 첫 줄만 읽고 이 사람이 멈출까?” 아니라는 확신이 안 들면 순서를 바꾼다. 습관이 되기 전까지는 매번 이 질문을 스스로에게 던지는 게 제일 확실했다.

결론

알고리즘을 이길 방법을 찾아다니는 대신, 내 콘텐츠의 첫 줄부터 다시 봤다. 결과는 알고리즘이 아니라 거기서 갈렸다.

유튜브 조회수 358에서 멈춘 3개월의 기록

도입
빚이 있었다. SNS로 돈이 된다는 말을 어디선가 듣고 시작했다. 강의도 몇 개 결제했다.
잠도 하루 1~3시간만 자면서 유튜브, 블로그, 스레드에 다 손을 댔다.
3개월이 지난 지금 남은 건 조회수 358, 팔로워 67명, 그리고 늘어난 빚이다.

문제
“SNS는 돈이 된다”는 말은 반은 맞고 반은 틀렸다. 맞는 부분은 실제로 되는 사람이 있다는 거고, 틀린 부분은 그게 3개월 안에, 잠 안 자고 강행군한다고 되는 게 아니라는 거다. 나는 결과를 빨리 내야 한다는 압박 때문에 오히려 더 조급하게 움직였고, 그게 문제였다.

경험

  • 유튜브: 영상을 계속 올렸다. 3개월 지나고 조회수 358에서 그대로 멈췄다.
  • 블로그: 글을 써도 검색에 안 걸리는 건지 방문자 자체가 안 늘었다. 소식이 없다는 표현이 맞다.
  • 스레드: 그나마 팔로워 67명이 붙었다. 세 채널 중 유일하게 반응이 있었던 곳이다.

강의는 몇 개나 결제했다. 콘텐츠 기획법, 알고리즘 공략법 같은 걸 배웠지만, 배운 걸 적용할 시간도 부족했다. 밤에 1~3시간 자면서 영상 찍고 글 쓰고 하다 보니 콘텐츠 질도, 판단력도 떨어졌다.

해결
지금 와서 보이는 건 두 가지다. 첫째, 세 채널을 동시에 판 게 문제였다. 유튜브는 편집·기획 부담이 크고, 블로그는 SEO가 쌓이는 데 시간이 걸리고, 스레드는 상대적으로 빠르게 반응이 온다. 그런데 세 개를 동시에 하니 어느 하나도 제대로 못 밀었다.

둘째, 수면을 갈아 넣는 방식 자체가 지속 불가능했다. 콘텐츠는 꾸준함이 생명인데, 몸이 무너지면 꾸준함도 무너진다. 실제로 스레드에서 반응이 온 것도 상대적으로 부담이 적어서 꾸준히 올릴 수 있었기 때문일 가능성이 크다.

추천
지금 다시 한다면:

  1. 세 채널 다 잡지 않고 반응 있는 곳(스레드) 하나에 집중
  2. 수면 시간을 최소한으로 확보하고, 그 안에서 할 수 있는 만큼만
  3. 강의보다 실제로 반응 온 콘텐츠 패턴을 분석하는 데 시간 투자
  4. 유튜브·블로그는 스레드에서 어느 정도 팔로워/신뢰가 쌓인 뒤 재시도

결론
조회수 358, 팔로워 67, 그리고 늘어난 빚. 숫자만 보면 실패처럼 보인다. 하지만 셋 중 하나(스레드)에서라도 반응이 있었다는 건, 방향 자체가 완전히 틀리진 않았다는 뜻이다. 문제는 세 개를 동시에, 몸을 갈아 넣으면서 했다는 것. 다음엔 하나만, 지속 가능한 방식으로 해볼 생각이다.

그림 프롬프트 짜기

📅 날짜 2026. 07. 06. 월요일

오늘 배운 기술 :
ai활용해서 마스코트 만들기

왜 그렇게 하는가?
ai한테 그냥 그려줘 라고 말하면 안된다

실습하면서 깨달은 점:
다른 사람이 ai와 대화하는 거 처음 봤는데 그냥 마구잡이로 말하면 안되고 다들 영어로 한번 번역해서 그림 그려달라고 부탁하는 걸 봤다.

다음 프로젝트에 적용할 것
나도 다음에 좀 더 잘 할 수 있게 제미나이와 대화하며 그림 프롬프트를 짜는 기본틀을 배웠다.

오늘 배운 AI 프롬프트 핵심 정리

1. 프롬프트는 ‘줄글’보다 ‘구조화’가 중요하다.

왜? Ai 모델은 긴 문장을 통째로 주면 앞이나 뒤만 집중하고 중간은 흘려버린다. 그래서 중요한 카테고리 별로 서랍을 나누듯 구조화 해야 한다.

래퍼런스 이미지의 느낌을 그대로 이어받아야 할 때 전문가의 역량이 들어난다.
위에 참조와 비슷하게 해줘가 아니라 원본 이미지의 구조를 머릿속으로 해체해야한다.
이 이미지는 상단 텍스트, 중앙 메인, 우측 설명 아이콘, 하단 서브 컷 4단 구조 이런 식으로.

5. 수정하기 쉽게 작성한다.

한 줄로 길게 쓴 프롬프트로 그림을 뽑으면 마음에 안 드는 부분 하나만 수정하기 막막하지만 구조화된 프롬프트를 쓰면 특정 파트만 골라서 문장을 수정하면 되기 때문에 제어력이 극대화된다.

💡 전문가들의 팁: 프롬프트 템플릿(Template)화
AI프로그래머들은 실제로 자신만의 '프롬프트 틀(Template)'을 가지고 다닙니다.
예를 들어
[Style] -> [Subject] -> [Background] -> [Composition] -> [Lighting/Mood]
같은 공식을 만들어 두고,
새로운 캐릭터를 만들 때마다 알맹이 단어만 쏙쏙 바꿔 끼우는 방식으로
효율을 극대화하죠.

꼭 거창하게 영어로 분류하지 않더라도,
줄 바꿈(Enter)과 기호(`-`, `*`, `[]`)를 사용해 영역을 나누는 걸로
AI의 이해가 비약적으로 상승합니다

좋은 예 (구조화):
**[Style]** 3D 캐릭터 기획서, 깔끔한 배경
**[Main]** 등불을 들고 있는 우직한 푸른 소 캐릭터
**[Background]** 어두운 협곡, 멀리서 떠오르는 태양
**[Detail]** 소 캐릭터 뒤를 따라오는 작은 빛의 영혼들

6. 한국어도 가능하지만 영어가 조금 더 유리하다.

한국어보다 영어 학습량이 더 많기 때문에 영어가 더 유리하다.

언어의 뉘앙스 차이: 한국어로 ‘우직한’, ‘아련한’, ‘절망적인’ 같은 감정적이거나 추상적인 단어를 쓰면 AI가 이를 번역하는 과정에서 의도가 왜곡될 수 있다.
반면 영어로 sturdy, cinematic lighting, dark canyon처럼 직관적인 단어를 주면 훨씬 정확하게 알아듣습니다.
디테일의 차이: 똑같은 프롬프트라도 한국어로 쓸 때보다 영어로 쓸 때 손가락 모양, 질감(Texture), 빛의 표현(Lighting) 등이 훨씬 정교하게 나옵니다.


7. AI에게 번역까지 시키면 된다.

한국어로 대화형 ai에게 프롬프트를 작성해달라고 편하게 말하고, 미드저니나 이미지 ai에게 style, subject, background, lighting 구조로 나눠 세련된 영어 프롬프트로 변환해 줘 라고 말해서 전문가 수준의 프롬프트를 얻어서 활용한다.


페르소나 설계 공식

단순히

“AI 전문가”

라고 하는 것보다

역할,성격,세계관,가치관

을 함께 넣는다.

예시

사람들을 끝까지 포기하지 않는 따뜻한 AI 기술자

처럼 성격까지 넣어주면 훨씬 깊어진다.


캐릭터에는 ‘서사’를 넣는다.

단순히

등불을 든 소

보다

단절된 세상을 다시 연결하기 위해 희망의 등불을 들고 다니는 소

처럼

왜 그런 행동을 하는지까지 적으면 AI가 훨씬 풍부하게 표현한다.


행동 지침도 준다.

예시

잘난 척하지 않는다.사람을 위로하는 말투를 사용한다.동료처럼 이야기한다.

AI는 이런 규칙도 잘 따른다.


AI를 역할별로 사용한다.

내가 기억할 용도

AI잘하는 것
ChatGPT기획, 아이디어, 설명
Claude감성 글쓰기, 스토리
Gemini이미지 기획, 프롬프트 대화
Copilot문서 작업, PPT, 엑셀

오늘 가장 크게 배운 점

AI를 잘 쓰는 사람은 영어를 잘하는 사람이 아니라,
사람의 생각을 AI가 이해하기 쉬운 구조로 번역하는 사람이다.