월 구독 대신 직접 만들었다: 홈서버로 구축한 나만의 AI 자동화 시스템

AI 서비스가 하루가 다르게 늘어나고 있습니다. 글을 써주는 AI, 이미지를 만드는 AI, 자료를 요약하는 AI, 일정을 정리하는 AI까지 각각의 기능은 정말 편리합니다.

하지만 서비스를 하나씩 구독하다 보면 비용이 계속 늘고, 작업할 때마다 여러 사이트를 오가야 하는 불편함이 생깁니다. 무엇보다 제가 원했던 것은 단순히 질문에 답해주는 챗봇이 아니었습니다.

자료를 모으고, 필요한 내용을 판단하고, 정해진 형식으로 정리한 뒤, 원하는 시간에 결과를 전달해주는 ‘움직이는 AI’를 만들고 싶었습니다.

그래서 남는 컴퓨터 한 대를 활용해 홈서버를 구성하고, 그 위에 AI와 자동화 도구를 하나씩 연결하기 시작했습니다. 지금은 정해진 시간에 정보를 수집해 요약하고, 자연어 요청을 업무별로 나누며, 결과를 휴대폰으로 전달하는 개인 AI 자동화 환경으로 발전했습니다.

※ 이 글은 실제 구축 경험을 바탕으로 전체 구조와 활용 아이디어를 소개합니다. 공개 글인 만큼 장비 식별정보, 주소, 계정, 내부 경로, 접속 설정 등은 의도적으로 포함하지 않았습니다.

처음부터 거대한 시스템을 만들 생각은 아니었다

처음 목표는 아주 단순했습니다.

“매일 확인하는 정보를 자동으로 모아서 한 번에 볼 수 없을까?”

매일 아침 시장 상황을 확인하려면 여러 사이트를 돌아다녀야 했습니다. 주요 지수와 환율을 확인하고, 밤사이 나온 뉴스를 읽고, 오늘 예정된 일정까지 살피다 보면 같은 일을 반복하는 데 적지 않은 시간이 들었습니다.

처음에는 자동으로 숫자를 기록하는 작은 작업부터 시작했습니다. 그다음 뉴스 수집을 붙이고, 내용을 요약하는 AI를 연결하고, 완성된 결과를 휴대폰으로 보내도록 만들었습니다.

작은 자동화 하나가 제대로 작동하자 다음 아이디어가 자연스럽게 이어졌습니다.

• 매일 아침 필요한 정보만 정리해주는 브리핑
• 긴 문서와 자료를 읽고 핵심만 뽑아주는 조사 도우미
• 요청에 따라 글의 초안을 작성하는 콘텐츠 도우미
• 반복되는 문서 작업을 대신 처리하는 사무 도우미
• 일정과 할 일을 정리해주는 개인 비서

중요했던 것은 기능을 많이 설치하는 일이 아니라, 각 기능이 하나의 흐름 안에서 움직이게 만드는 것이었습니다.

전체 구조는 생각보다 단순하다

현재의 구조를 가장 간단하게 표현하면 다음과 같습니다.

사용자의 요청 또는 예약 실행 → 자동화 도구 → 필요한 정보 수집 → AI 판단 및 정리 → 결과 저장 또는 알림

여기서 홈서버는 모든 도구가 돌아가는 작업실이고, n8n은 각 도구를 이어주는 연결 허브입니다. AI 모델은 내용을 이해하고 판단하는 두뇌 역할을 하며, 메신저는 언제 어디서든 일을 시키고 결과를 받는 창구가 됩니다.

각 구성 요소의 역할은 다음과 같습니다.

• 홈서버: 자동화와 AI 서비스가 계속 실행되는 기반
• n8n: 수집·변환·분기·저장·알림 과정을 연결
• AI 모델: 요약, 분류, 판단, 초안 작성
• 데이터 저장소: 수집한 자료와 작업 결과를 누적
• 메신저: 자연어 명령 입력과 결과 수신
• 대시보드·문서 도구: 결과를 사람이 보기 좋게 정리

이 구조의 장점은 특정 서비스 하나에 모든 것을 의존하지 않는다는 점입니다. 필요한 도구가 바뀌어도 전체를 다시 만들 필요 없이 해당 부분만 교체하거나 추가할 수 있습니다.

자동화의 중심에는 n8n이 있었다

n8n을 처음 접하면 여러 개의 박스가 선으로 연결된 화면부터 보게 됩니다. 처음에는 복잡해 보이지만, 원리는 의외로 간단합니다. 하나의 작업을 작은 단계로 나눈 뒤 순서대로 이어주는 것입니다.

예를 들어 아침 브리핑은 다음과 같은 흐름으로 작동합니다.

1. 정해진 시간이 되면 워크플로가 시작됩니다.
2. 여러 출처에서 필요한 데이터를 가져옵니다.
3. 값이 정상인지 확인하고 보기 좋은 형태로 정리합니다.
4. 관련 이슈와 뉴스 내용을 모읍니다.
5. AI가 중요도를 판단하고 핵심 내용을 요약합니다.
6. 미리 만든 형식에 맞춰 브리핑을 완성합니다.
7. 결과를 지정한 채널로 전송합니다.
8. 성공 여부와 마지막 실행 결과를 기록합니다.

이 방식의 가장 큰 장점은 문제가 생겼을 때 원인을 찾기 쉽다는 것입니다. 데이터 수집이 실패한 것인지, AI 요약이 실패한 것인지, 마지막 전송 단계에서 막힌 것인지 단계별로 확인할 수 있습니다.

처음부터 복잡한 워크플로를 만들기보다는 입력 하나, 처리 하나, 출력 하나로 시작하는 것이 좋았습니다. 가장 작은 흐름이 정상 작동한 뒤에 조건 분기와 오류 처리, 기록 기능을 추가하니 훨씬 안정적으로 확장할 수 있었습니다.

‘챗봇’에서 ‘에이전트’로 바꾸기

단순한 챗봇은 질문을 받으면 답변합니다. 반면 제가 만들고 싶었던 시스템은 질문의 의도를 파악하고, 적절한 담당 역할을 선택하고, 필요한 도구를 사용한 뒤 결과를 돌려주는 구조였습니다.

그래서 하나의 AI에게 모든 일을 맡기기보다 역할을 나눴습니다.

• 조사 역할: 자료를 찾고 출처별 내용을 비교
• 사무 역할: 문서 초안, 표 정리, 보고서 구성
• 콘텐츠 역할: 블로그 글, 소개 문구, 콘텐츠 아이디어 작성
• 일정 역할: 할 일과 예정 작업 정리
• 시장 역할: 지표와 이슈를 정리해 브리핑 작성
• 총괄 역할: 요청의 종류를 판단하고 알맞은 역할에 전달

사용자는 담당 역할을 일일이 고를 필요가 없습니다. 평소처럼 “오늘 주요 이슈 정리해줘” 또는 “이 내용을 블로그 글로 만들어줘”라고 요청하면, 총괄 역할이 내용을 분류해 적합한 흐름으로 넘깁니다.

이 구조를 만들고 나니 AI를 사용하는 감각도 달라졌습니다. 이전에는 답변을 잘 받기 위해 매번 긴 프롬프트를 작성해야 했다면, 지금은 자주 하는 업무의 규칙과 결과 형식을 미리 정해두고 짧은 자연어로 실행할 수 있습니다.

외부 AI와 로컬 AI를 함께 사용하는 이유

홈서버를 구성했다고 해서 모든 AI 작업을 반드시 로컬에서만 처리할 필요는 없었습니다. 반대로 모든 작업을 외부 AI에 맡기면 사용량과 비용, 연결 상태에 영향을 받을 수 있습니다.

그래서 두 방식을 경쟁 관계가 아니라 역할 분담으로 바라봤습니다. 평소에는 빠르고 성능이 좋은 외부 AI를 우선 사용하고, 사용량 제한이나 일시적인 장애가 있을 때는 로컬 AI가 기본적인 작업을 이어받도록 구성했습니다.

이렇게 구성하면 외부 서비스 사용량을 효율적으로 관리할 수 있고, 한 서비스가 잠시 멈춰도 전체 자동화가 함께 멈추는 상황을 줄일 수 있습니다. 새로운 AI 모델이 나와도 연결 부분만 바꿔 시험할 수 있다는 점도 좋았습니다.

실제로 가장 만족도가 높았던 자동화

정해진 시간에 도착하는 아침 브리핑

밤사이 변동한 주요 지표와 이슈를 한 번에 정리해 전달합니다. 숫자만 나열하지 않고 “무엇이 움직였고, 어떤 사건과 연결되는지, 오늘 확인할 것은 무엇인지”라는 흐름으로 읽을 수 있게 구성했습니다.

자연어로 실행하는 자료 조사

메신저에서 주제를 입력하면 관련 자료를 모으고, 중복 내용을 정리하고, 정해둔 형식으로 요약합니다. 결과가 길어지면 항목별로 나누고, 이후 문서나 블로그 초안으로 이어갈 수 있도록 만들었습니다.

기록이 남는 자동 문서화

자동화 결과를 알림으로만 받고 끝내지 않고 문서나 데이터 형태로 누적합니다. 나중에 다시 찾아볼 수 있고, 과거 기록과 비교하기도 쉬워졌습니다.

콘텐츠 제작의 초안 자동화

주제와 핵심 자료를 입력하면 목차, 제목 후보, 본문 초안을 만드는 흐름입니다. AI가 완성품을 대신 쓰게 하기보다 초안과 구조를 만들게 하고, 마지막에는 사람이 경험과 의견을 더하는 방식이 가장 자연스러웠습니다.

만들면서 가장 많이 배운 시행착오

한 번 성공한 것과 매일 안정적으로 도는 것은 다릅니다. 수동 실행에서 성공한 워크플로도 외부 데이터가 늦게 도착하거나 응답 형식이 바뀌면 실패할 수 있습니다. 그래서 재시도, 대체 경로, 빈 값 처리, 마지막 성공 기록을 추가했습니다.

AI에게 모든 판단을 맡기면 결과가 흔들리기도 했습니다. 제목, 항목 순서, 분량, 숫자 표기 방식 등 결과 형식을 구체적으로 정하자 품질이 훨씬 일정해졌습니다.

또 자동화할 가치가 있는지도 먼저 계산해야 했습니다. 자주 반복되고, 입력과 출력 형식이 정해져 있으며, 사람이 매번 판단하지 않아도 되는 단계가 많은 작업부터 자동화하는 것이 효율적이었습니다.

처음 시작한다면 이 순서를 추천한다

1. 매일 확인하는 정보나 반복해서 옮기는 데이터처럼 결과가 명확한 작업 하나를 고릅니다.
2. 정해진 시간 또는 간단한 버튼으로 실행하고, 결과를 메신저나 문서에 보내는 최소 흐름을 만듭니다.
3. 처음에는 요약, 분류, 문장 정리처럼 결과를 확인하기 쉬운 부분에 AI를 넣습니다.
4. 작업이 실패했을 때 조용히 멈추지 않도록 오류 기록과 알림을 구성합니다.
5. 조사, 문서, 콘텐츠, 일정처럼 반복되는 업무가 보이면 역할을 나누고 자연어 명령으로 연결합니다.

앞으로 만들고 싶은 것은 ‘개인용 AI 작업실’

현재 시스템은 완성품이라기보다 계속 성장하는 기반에 가깝습니다. 앞으로는 문서와 과거 작업을 더 잘 기억하고 찾아주는 장기 기억 기능, 여러 자동화 결과를 한 화면에서 확인하는 개인 포털, 스프레드시트와 문서를 자연어로 직접 다루는 기능을 단계적으로 추가할 계획입니다.

최종 목표는 거창한 인공지능이 아닙니다. 매일 반복되는 일을 줄여주고, 필요한 정보를 놓치지 않게 도와주고, 아이디어를 실제 결과물로 옮기는 시간을 단축해주는 나만의 AI 작업실입니다.

다음 글에서는 이 전체 구조 중 가장 먼저 만들기 좋은 ‘정해진 시간에 자동으로 도착하는 AI 브리핑’을 주제로, 워크플로를 어떻게 나누고 어떤 순서로 구성하면 되는지 더 쉽게 정리해보겠습니다.

이 글이 도움이 되었다면 홈서버, AI 자동화, n8n 활용기를 이어서 공유하겠습니다. 직접 만들어보고 싶은 자동화가 있다면 댓글로 남겨주세요.