매일 쏟아지는 정보의 홍수 속에서 나에게 꼭 필요한 뉴스만 골라주는 자동화 시스템을 구축해보고 싶지 않으신가요? 항상 야근에 시달리는 상황에서 조금이라도 업무 효율을 극대화할 수 있는 AI Tool을 가져와 봤습니다. Make와 Airtable의 조합으로 꼭 필요한 뉴스만 선별하여 Curation 할 수 있는 단계별 가이드를 상세히 소개해드리겠습니다.
왜 지금 우리에게 '자동화된 큐레이션'이 필요한가
ChatGPT가 나오기 이전에도 Google을 비롯하여 Naver, Daum 등 포털과 기존의 TV, 신문 등으로 수 많은 정보를 이미 접하고 있었죠. 그리고 현재, AI가 대중화 되면서 홍수를 넘어 '정보의 쓰나미' 시대에 살고 있어요. 아침에 눈을 뜨자마자 확인하는 뉴스레터, 소셜 미디어, 각종 커뮤니티의 게시글들까지, 우리가 하루에 소비해야 하는 정보량은 모두 소화할 수 없죠. 그래서 Shorts 같은 컨텐츠가 유행을 하는 것이 아닌가 싶기도 합니다. 특히 저처럼 매일 새로운 Trend를 파악해야 하는 기획자, 혹은 투자 정보를 놓치지 않아야 하는 분들에게 정보 수집과 선별은 필수입니다. 하지만 우리에게 가치 있는 '인사이트'를 주는 정보는 전체의 1%도 되지 않는 경우가 많고, 남은 99%의 노이즈를 걸러내는 데 소중한 시간을 허비하는 경우가 많아서 정작 중요한 의사결정을 내릴 에너지는 고갈되고 맙니다.
이런 고질적인 문제를 어떻게 하면 해결할 수 있을까 고민도 해봤는데요. 수 많은 유료 큐레이션 서비스를 이용해봤지만 정해진 주제로만 배달되는 기성 서비스들은 제가 꼭 필요한 것들만 선별해주지는 못하더라고요. 그래서 제가 직접 선택한 방법이 바로 'Make'와 'Airtable'을 활용한 나만의 뉴스 스크랩 자동화 시스템 구축이었습니다.
이렇게 체계를 만들어보니, 저는 매일 아침 수십 개의 사이트를 방문하는 대신, AI가 정제하여 Airtable에 깔끔하게 정리해둔 핵심 요약본만 확인하면 되었고, 링크도 같이 붙여서 손 쉽게 자세한 내용도 확인이 가능해졌어요. 오늘 이 글에서는 수개월간 시행착오를 겪으며 완성한 자동화 워크플로우의 노하우를 공유해볼게요.
전문가 Insight: 자동화는 단순히 편리함을 위한 도구가 아닙니다. 당신의 '주의력(Attention)'이라는 가장 희소한 자원을 보호하기 위한 전략적인 방어막입니다.
1. 자동화의 심장과 두뇌: Make와 Airtable은 어떤 도구일까
뉴스 Curation 자동화 시스템을 구축하기 위해서는 데이터를 수집하는 '심장'과 데이터를 저장하고 관리하는 '두뇌'가 필요합니다. 여기서 심장 역할을 하는 것이 Make이고, 두뇌 역할을 하는 것이 Airtable입니다. 이 두 도구는 No-code 자동화 시장에서 가장 강력하고 유연한 조합으로 평가받고 있어요. 먼저 각 도구의 특징과 구독료를 알아볼게요
가장 유연한 워크플로우 엔진, Make
Make는 이전 이름인 'Integromat'으로 더 친숙한 분들도 계실거에요. Make는 서로 다른 앱과 서비스를 선으로 연결하여 데이터의 흐름을 설계하는 시각적 프로그래밍 도구입니다. 이 도구의 가장 큰 특징은 '무제한적인 논리 구조'입니다. 단순히 A에서 B로 데이터를 옮기는 것을 넘어, 복잡한 필터링, 조건문(If-Then), 반복문(Iterator)을 자유자재로 구사할 수 있습니다. 2022년 대대적인 리브랜딩을 통해 사용자 인터페이스가 훨씬 직관적으로 변했으며, 현재 1,000개 이상의 공식 앱 연동을 지원합니다.
구독료: Make는 'Free Plan'에서도 강력한 기능을 제공합니다. 매월 1,000번의 오퍼레이션(작동 횟수)을 무료로 제공하며, 개인적인 뉴스 스크랩 용도로는 충분한 분량이에요. 더 많은 데이터 처리가 필요한 'Core' 플랜은 월 9달러(연 결제 기준)부터 시작하며, 실행 횟수에 비례해 유연하게 확장할 수 있습니다. 제가 개인적으로 추천하는 모델은 무료 플랜으로 시작하여 필터링 로직을 정교화한 뒤, 데이터 양이 늘어날 때 Core 플랜으로 넘어가는 방식입니다.
데이터베이스계의 레고, Airtable
Airtable은 단순한 스프레드시트(엑셀)를 넘어선 '관계형 데이터베이스'입니다. 2012년 미국 샌프란시스코에서 설립된 이후, 전 세계의 생산성 마니아들을 사로잡았습니다. 엑셀처럼 사용하기 쉽지만 내부적으로는 강력한 데이터 연결 기능을 가지고 있어, 수집된 뉴스 기사를 카테고리별로 분류하고, 중요도를 체크하며, 나만의 코멘트를 덧붙이기에 최적화되어 있습니다.
구독료 : Airtable의 무료 플랜은 베이스당 1,000개의 레코드를 저장할 수 있습니다. 뉴스 스크랩을 매일 10개씩 한다면 약 100일 분량의 데이터를 무료로 보관할 수 있는 셈입니다. 'Team' 플랜(인당 월 20달러)으로 업그레이드하면 더 큰 저장 용량과 자동화 한도를 제공하지만, 개인 뉴스 큐레이션용으로는 무료 플랜으로도 충분히 아름다운 대시보드를 구축할 수 있습니다.
- 추천 요금제: Make(Free) + Airtable(Free) 조합으로 시작하는 것을 적극 권장합니다. 초기 비용 0원으로도 월 수십만 원 가치의 유료 뉴스 큐레이션 서비스를 대체할 수 있습니다.
- 기술적 특징: Make는 자바스크립트를 활용한 데이터 가공이 가능하며, Airtable은 API 연동성이 매우 뛰어나 다른 AI 툴과의 확장성이 무궁무진합니다.
2. 뉴스 스크랩 자동화 시스템 구축 가이드 및 적용사례
이제 구체적으로 어떻게 시스템을 설계하는지 제가 직접 구축한 워크플로우를 바탕으로 설명해 드리겠습니다. 나에게 필요한 정보만을 추출하는 '필터링' 과정이라고 보시면 돼요. 뉴스 스크랩 자동화는 크게 수집 - 정제 - 저장의 3단계로 이루어집니다.
Step 1: 데이터의 원천 확보 (Trigger 설정)
먼저 어떤 뉴스를 가져올지 결정해야 합니다. 저는 Make의 `RSS` 노드나 `Google News` 노드를 주로 사용합니다. 예를 들어, '인공지능 트렌드'라는 키워드를 설정해두면 구글 뉴스에서 해당 키워드가 포함된 최신 기사가 발행될 때마다 워크플로우가 자동으로 시작됩니다. 혹은 평소 즐겨 찾는 테크 블로그의 RSS 피드 주소를 입력해두면 신규 포스팅이 올라오는 즉시 데이터를 수집합니다. 여기서 중요한 점은 '검색 키워드의 정교함'입니다. 단순히 '경제'라고 설정하기보다는 '미국 금리 전망'처럼 구체적인 키워드를 사용하는 것이 노이즈를 줄이는 비결입니다.
Step 2: AI를 활용한 정보의 고부가가치화 (정제 단계)
수집된 기사 원문을 그대로 저장하면 결국 또 다른 정보의 더미가 될 뿐입니다. 저는 여기서 `OpenAI(ChatGPT)` 노드를 중간에 삽입합니다. 기사의 링크나 본문 텍스트를 AI에게 보내고, 다음과 같은 프롬프트를 명령합니다: "이 기사의 핵심 내용을 3줄로 요약하고, 비즈니스적 관점에서 시사점을 한 문장으로 적어줘." 이 과정을 거치면 수천 자의 기사 본문을 읽지 않아도 단 몇 초 만에 핵심 통찰을 얻을 수 있습니다. 이것이 바로 단순한 스크랩과 '스마트 뉴스 큐레이션'의 결정적인 차이입니다.
Step 3: 나만의 지식 창고로 전송 (Airtable 저장)
마지막으로 정제된 정보를 Airtable에 저장합니다. 이때 Airtable의 필드 구성을 다음과 같이 세팅하면 좋습니다: [날짜], [기사 제목], [카테고리], [3줄 요약], [원본 링크], [중요도]. Make의 `Airtable - Create a Record` 노드를 연결하여 각 데이터를 해당 필드에 매칭시켜주면 끝입니다. 이제 여러분은 스마트폰이나 태블릿에서 Airtable 앱을 열기만 하면, 밤새 나를 위해 일해준 AI 비서가 정리해둔 최신 뉴스 리포트를 확인할 수 있습니다.
실제 활용 예시: 저는 이 시스템을 통해 '반도체 산업' 뉴스를 모니터링합니다. 매일 오전 8시, 전 세계 주요 외신의 반도체 관련 기사가 요약되어 제 Airtable에 업데이트됩니다. 예전에는 40분이 걸리던 정보 탐색 시간이 이제는 5분으로 단축되었습니다. 남는 35분은 그 정보를 바탕으로 전략을 구상하는 데 사용합니다.
성공적인 자동화를 위한 팁:
- 중복 제거 기능 활용: 똑같은 뉴스가 여러 곳에서 보도될 수 있습니다. Make의 `Filter` 노드를 사용해 이미 Airtable에 있는 제목은 무시하도록 설정하세요.
- 알림 연동: 정말 중요한 기사(예: 중요도 상)가 수집되었을 때는 `Slack`이나 `Telegram`으로 즉시 알림이 오도록 워크플로우 끝에 노드를 추가해 보세요.
3. 최고의 도구 조합을 찾아서: Zapier 대비 Make의 강점 및 비교 분석
자동화를 처음 접하시는 분들이 가장 많이 고민하는 지점이 "Zapier와 Make 중 무엇을 써야 하는가?"입니다. 두 도구 모두 훌륭하지만, 뉴스 스크랩 자동화라는 구체적인 목적을 놓고 비교해 보면 명확한 차이점이 드러납니다. 제가 두 도구를 모두 1년 이상 사용해 본 후 느낀 객관적인 장단점을 표와 함께 정리해 드립니다.
자동화 툴 심층 비교표
| 비교 항목 | Zapier (재피어) | Make (메이크) |
|---|---|---|
| 사용 난이도 | 매우 쉬움 (직관적) | 보통 (학습 필요) |
| 복잡한 로직 구현 | 제한적 (고가 요금제 필요) | 무제한 (자유도 매우 높음) |
| 가성비 (비용 효율성) | 낮음 (Task당 과금) | 높음 (실행 횟수 대비 저렴) |
| 시각적 디자인 | 수직형 구조 | 캔버스 기반 마인드맵 구조 |
| 데이터 가공 역량 | 기본 기능 위주 | 자바스크립트 등 강력한 기능 |
Zapier의 특징: Zapier의 최대 장점은 '압도적인 간결함'입니다. IT 지식이 거의 없는 입문자도 5분 만에 자동화를 만들 수 있을 정도로 안내가 친절합니다. 하지만 뉴스 스크랩처럼 대량의 데이터를 매일 처리해야 하는 경우, 비용이 급격히 상승합니다. 한 달에 수천 건의 뉴스를 수집한다면 Zapier에서는 수십만 원의 비용이 발생할 수 있습니다.
Make의 독보적 강점: 반면 Make는 '가성비'와 '유연성'에서 압승입니다. 뉴스 스크랩은 보통 RSS 피드에서 여러 개의 기사를 한꺼번에 가져오는데, Make의 `Iterator(반복자)` 기능을 쓰면 이 데이터를 하나하나 쪼개어 AI에게 보내는 로직을 아주 저렴하게 구현할 수 있습니다. 또한 시각적인 캔버스에서 데이터가 흐르는 모습을 실시간으로 볼 수 있어, 오류가 발생했을 때 어디가 문제인지 파악하기가 훨씬 쉽습니다. 저는 복잡한 데이터 정제가 필요한 뉴스 큐레이션에는 무조건 Make를 추천합니다.
장점 요약: Make를 사용하면 복잡한 필터링 조건을 여러 단계로 걸 수 있어, 단순히 키워드가 포함된 글뿐만 아니라 특정 길이 이상의 깊이 있는 기사만 골라내는 고난도 작업이 가능합니다.
단점 및 보완 방법: Make는 초기 학습 곡선이 다소 가파릅니다. 하지만 유튜브나 블로그의 템플릿을 한두 개만 따라 해보면 금방 익숙해집니다. 영문 기반이지만 최근 한국어 커뮤니티가 활성화되어 있어 도움을 받기도 쉬워졌습니다.
스마트 뉴스 큐레이션, 이제 직접 구축해 보세요
결론적으로 Make와 Airtable을 활용한 뉴스 스크랩 자동화는 손쉽게 시도해볼만한 AI Tool 응용 예시입니다. 직접 뉴스를 검색하고 정리하던 과거의 방식은 이제 '생산성'이라는 관점에서 볼 때 비효율적입니다. AI와 노코드 자동화 도구가 성숙한 지금, 우리는 도구를 활용하는 법을 배워야 합니다.
누구에게 적합한가?
- 특정 산업의 트렌드를 매일 모니터링해야 하는 전문직 종사자
- 자신만의 지식 데이터베이스(Second Brain)를 구축하고 싶은 학습자
- 반복적인 데이터 수집 업무에 지친 1인 기업가 및 마케터
개인적인 추천 여부: 저는 이 시스템을 적극 추천합니다. 처음 세팅하는 데 반나절 정도의 시간이 걸릴 수 있지만, 그 한 번의 수고가 앞으로의 수백 시간을 아껴줄 것입니다. 특히 '가치 있는 정보'를 선별하는 눈을 기르고 싶은 분들에게는 AI가 1차로 정제해주는 이 시스템이 학습을 도와줄 것 같네요. 지금 바로 무료 플랜으로 첫 번째 뉴스 노드를 연결해 보세요. 정보의 바다에서 길을 잃는 대신, 그 위를 항해하는 선장이 된 기분을 느끼실 수 있을 것입니다.
자주 묻는 질문(FAQ)
Q1: 코딩을 전혀 모르는 비전공자도 할 수 있나요?
A1: 네, 충분히 가능합니다. Make와 Airtable은 코딩 대신 마우스 클릭과 드래그로 작동하는 '노코드' 툴입니다. 물론 자바스크립트를 알면 더 복잡한 일을 할 수 있지만, 기본적인 뉴스 스크랩은 로직만 이해하면 누구나 가능합니다.
Q2: 뉴스 저작권 문제가 발생하지 않을까요?
A2: 개인적인 용도로 수집하고 요약하여 보는 것은 문제가 되지 않습니다. 다만, 이렇게 자동 수집한 내용을 자신의 블로그나 뉴스레터로 다시 발행하여 수익화할 경우에는 원작자의 허락을 받거나 인용 보도 규칙을 철저히 준수해야 합니다.
Q3: AI 요약 기능을 쓰면 비용이 많이 드나요?
A3: OpenAI의 API 비용은 텍스트 양에 따라 다르지만, 뉴스 요약 정도는 매우 저렴합니다. GPT-4o-mini 모델을 사용할 경우, 기사 하나당 몇 원 수준의 비용만 발생하므로 커피 한 잔 값으로 한 달 내내 전문 비서를 고용하는 셈입니다.
'AI Tool Use-case' 카테고리의 다른 글
| AI 비서 Perplexity로 10분 만에 끝내는 최신 기술 트렌드 분석 (0) | 2025.12.19 |
|---|---|
| Cursor AI로 업무 생산성 200% 높이는 법 실무 활용 핵심 가이드 (0) | 2025.12.18 |
| n8n으로 자동화 된 나만의 맞춤형 뉴스레터 받아보는 방법 (0) | 2025.12.18 |
| 코딩 없이 웹 데이터 자동 수집 AI Hexomatic 활용방법 (0) | 2025.12.17 |
| Gemini, AI 이미지를 만들기 위한 실패 없는 프롬프트 공식 (0) | 2025.12.17 |
