이 레터를 다른 분에게 전달받으셨나요? 베네핏레터 구독 신청하기 →

원고 제공 | 우병현 『셜록 홈스식 AI 사용법』 저자
전 아시아경제 미디어부문 대표이사 · 전 IT조선 대표이사
편집 | 이노핏파트너스 사업기획팀

뉴스 수집 에이전트, 코딩을 몰라도 직접 만들 수 있었습니다.

업계 동향, 경쟁사 뉴스, 정책 이슈를 매일 사람 손으로 걸러 임원과 부서에 공유하는 일은 기업의 오래된 과제입니다. 전통 미디어 시대에는 홍보 담당자가 신문에서 관련 기사를 가위로 잘라 스크랩을 만들었고, 인터넷 시대에는 그 자리를 포털 검색이 대신했을 뿐 사람이 골라서 편집하는 방식 자체는 바뀌지 않았습니다. 생성형 AI와 에이전트(사람의 개입 없이 정해진 절차를 스스로 수행하는 AI 프로그램) 개발 붐이 겹치면서, 이제는 이 뉴스 수집·공유 과정 자체를 사람 중심에서 AI 중심으로 옮기려는 시도가 늘고 있습니다.

문제는 여기서부터입니다. 유튜브에 소개된 뉴스 수집 에이전트를 그대로 따라 만들면 작동하는 원리는 익힐 수 있어도, 그것을 기업의 기본 업무 프로세스로 장착하기에는 위험한 경우가 많습니다. IT를 혁신 수단으로 쓸 때 꼭 기억해야 할 원칙 하나는, '그냥' 작동하는 것과 '잘' 작동하는 것은 하늘과 땅 차이라는 점입니다. 처음엔 감탄을 자아내다가 크고 작은 오류를 내고, 새로운 요구를 받아내지 못한 채 또 하나의 IT부채로 전락하는 사례가 실제로 적지 않습니다. 이번 110호에서는 필자가 실제 중견 제조기업에 뉴스 수집 AI 에이전트를 구축하며 세운 기준점과, 구글 워크스페이스만으로 이를 구현한 실전 사례를 살펴봅니다.

1) 기준점 세우기

'잘' 작동하는 뉴스 수집 에이전트를 만들려면, 만들기 전에 기준부터 세워야 합니다.

첫째, 기업의 홍보 부서나 사내 커뮤니케이션 담당 실무자가 직접 바이브 코딩으로 구축하고 유지·보수할 수 있어야 합니다. 바이브 코딩은 코드를 한 줄씩 직접 작성하는 대신, 원하는 결과를 자연어로 설명하면 AI가 코드를 작성해주는 개발 방식입니다. 외주를 주거나 사내 IT 개발 부서에 맡기면, 정작 뉴스 주제가 바뀌거나 새로운 요구가 생겼을 때 에이전트를 지속적으로 고쳐 쓰기 어려워지기 때문입니다.

둘째, 수집한 뉴스를 대시보드 형태로 만들어 임직원이 지난 뉴스를 쉽게 찾아 다시 활용할 수 있어야 합니다. 뉴스레터 형식으로 이메일이나 채팅방에 뿌리기만 하면 정보가 휘발되어 재활용이 어려워지므로, 지난 뉴스를 쌓아두는 데이터베이스 기능이 반드시 필요합니다.

셋째, 수집한 뉴스를 다시 요약해 원페이지 보고서로 만드는 분석 기능은 초기 단계에서는 넣지 않기로 했습니다. 많은 정보를 다루는 리더일수록 압축된 문서를 선호할 것 같지만, 실제로는 원페이지 문서조차 제때 꼼꼼히 읽는 경우가 드뭅니다. AI 시대는 역설적으로 정보량 자체를 늘리고 있어서, 요약본을 하나 더 만드는 것이 오히려 부담을 키울 수 있기 때문입니다. 대신 에이전트가 안정화된 뒤 리더가 음성으로 궁금한 점을 물으면 답을 얻는 UI를 다음 단계 목표로 남겨뒀습니다.

이 세 가지 기준점은 이후 어떤 도구를 조합할지를 정하는 출발점이 됐습니다.

2) 도구 조합 선택하기

기준점을 세운 다음에는 여러 뉴스 수집 방식을 검토했습니다.

일반적으로 가장 많이 소개되는 뉴스 수집 에이전트는 크롤링(웹사이트를 자동으로 돌며 원하는 정보를 모으는 작업), 내용 분석 및 분류, 요약(거대언어모델, 즉 LLM의 도움으로 문장을 압축하는 작업), 저장(시트나 데이터베이스에 쌓는 것), 트리거(정해진 시간마다 자동으로 반복 실행되게 하는 장치), 공유(이메일이나 메신저로 전달하는 것)까지 6개 기능을 조합하는 구조입니다.

여러 도구로 직접 만들어본 끝에, 구글 시트, 앱스 스크립트, 제미나이 API, 구글챗, 데이터스튜디오를 선택했습니다. 앱스 스크립트(구글이 제공하는 자동화 스크립트 도구로, 구글 시트·문서·챗 등 워크스페이스 서비스를 서로 연결하고 정해진 시간에 반복 실행시킬 수 있음, 공식 문서), 제미나이 API(구글의 생성형 AI 모델을 외부 프로그램에서 호출해 쓸 수 있게 해주는 연결 통로, 공식 문서), 데이터스튜디오(구글의 무료 데이터 시각화 도구. 2026년 4월 '루커 스튜디오'에서 원래 이름인 '데이터 스튜디오'로 다시 바뀌었습니다, Google Cloud Blog, 2026.4.11)로 구성했습니다.

구글 워크스페이스 도구맵, 앱스 스크립트가 허브 역할 (직접 제작, 로고 출처: Wikimedia Commons)

정리하면 구글 워크스페이스 플랫폼 안에 있는 도구들을 조합하고 연결해 뉴스 수집 에이전트를 만들어 운영하는 그림입니다. 앱스 스크립트 코딩은 주로 제미나이로 작성하고, 클로드는 오류 검증용으로 함께 활용했습니다.

3) 실전 사례로 확인하기

이 조합으로 실제 중견 제조기업에 뉴스 수집 에이전트를 구축해 업무 프로세스에 적용했습니다.

이 기업은 신규 사업으로 농업용 사족 로봇 사업을 준비하고 있어, 일반 로봇 산업 동향, 사족 로봇 동향, 지자체 로봇 실증 사업 정보 등 사업 관련 뉴스 수집이 필요했습니다. 일반 뉴스는 구글 뉴스를 수집 대상으로 삼았고, 조달청의 입찰 정보는 공공데이터포털이 제공하는 나라장터 입찰공고정보서비스 API를 활용했습니다.

조달청_나라장터 입찰공고정보서비스 (공공데이터포털, data.go.kr)

두뇌 역할을 하는 스크립트 코드는 매일 오전 6~7시 사이 구글 뉴스에서 원하는 테마와 키워드가 담긴 뉴스를 수집한 뒤, LLM의 도움으로 내용을 요약·분류해 구글 시트에 카테고리별로 저장합니다. 이어서 뉴스레터 형식으로 콘텐츠를 만들어 구글챗의 해당 스페이스(구글챗 안에서 특정 주제나 팀별로 대화를 모아두는 단체 채팅방 기능)에 뿌려주는 역할도 함께 수행합니다. 구글 시트에 쌓인 카테고리별 뉴스는 데이터스튜디오에서 시트 데이터를 연결해, 임직원이 지난 뉴스를 쉽게 찾아볼 수 있는 화면으로 구성했습니다.

제미나이의 바이브 코딩을 이용해 하루 만에 프로토타입을 만들어 사내에 배포하고 피드백을 받으면서 점차 완성도를 높였습니다. 실제 사용자의 피드백이 완성도를 끌어올리는 데 가장 크게 도움이 됐습니다.

실제 화면이 아닌 화면 예시입니다.

4) 활용법과 유의점 정리하기

구글 워크스페이스를 기반으로 에이전트를 만들다 보니, 확실한 장점과 함께 새롭게 고민해야 할 지점도 같이 보였습니다.

장점부터 보면, 구글 워크스페이스 플랫폼 안에서 기능들이 서로 연결되기 때문에 복잡한 인증 절차와 별도 API 연결 절차에 시달리지 않아도 됩니다. 또한 기업이 새로운 테마의 뉴스 수집을 원할 때, 현업 실무자가 직접 에이전트를 수정할 수 있다는 점도 있습니다. 이 밖에 조달청 입찰 정보 API처럼 특정 타깃 정보를 수집하고 싶을 때, 공공데이터 API를 계속 추가해나갈 수 있는 이점도 있습니다.

다만 기업 입장에서 AX(AI 전환)는 이제 피할 수 없는 흐름이지만, AX가 진행될수록 생산성이 높아지는 이점과 함께 새로운 관리 부담이 뒤따를 가능성도 함께 커집니다. 예를 들어 사용하는 AI 모델·서비스 가짓수가 늘고 바이브 코딩 의존도가 높아지면서 토큰 비용과 서비스 사용 비용을 체계적으로 관리해야 하는 부담이 생기고, 에이전트를 계속 도입할수록 성능 평가와 유지·보수 이슈도 함께 늘어납니다. 캐럿글로벌이 국내 기업 HRD 담당자 약 300명을 대상으로 조사한 결과, 생성형 AI를 도입한 기업은 61.1%였지만 AI 에이전트가 전사 차원까지 내재화된 기업은 3.7%에 그쳤습니다(캐럿글로벌, 2026 한국기업 AI 활용 현황 보고서, 2026.1.21). 이 관리 부담을 감당하지 못해 도입 단계에 머무는 기업이 그만큼 많다는 뜻입니다.

이 글 초반에 짚은 원칙, '그냥' 작동하는 것과 '잘' 작동하는 것은 하늘과 땅 차이이며 그 차이를 방치하면 IT부채로 전락한다는 원칙은 한 사람의 에이전트에만 해당하는 이야기가 아닙니다. 부서마다 '그냥' 작동하는 에이전트는 늘고 있는데, 이를 '잘' 작동하는 조직의 역량으로 끌어올리지 못하면 개인의 에이전트가 아니라 회사 전체의 IT부채로 쌓일 수 있습니다. 한 사람이 하루 만에 만든 에이전트에 적용했던 기준을, 이제는 회사 전체에도 적용해볼 때입니다.

개발자도 외주도 없이 하루 만에 만든 에이전트가, 지금도 매일 아침 뉴스를 걸러 보내고 있습니다. '잘' 작동하는 기준 세 가지만 있으면, 누구나 이 정도는 시작할 수 있다는 뜻이기도 합니다. 이제 관건은 이 에이전트를 한 사람의 실험으로 남길지, 회사 전체가 '잘' 작동하는 자산으로 만들지입니다. 다음 호에도 'AI 툴 활용법' 시리즈가 이어집니다. 2편에서는 클로드로 반복 업무를 자동화한 이야기를 다룹니다.

📥 이노핏 인사이트 리포트