AI Dig Deep

들어가며 저는 폐쇄망에서 STT/TTS 인프라 설치와 운영을 맡고 있는 엔지니어입니다. 인프라 일을 시작한 지는 6년 정도 됐고, 그동안 자동화 스크립트를 꾸준히 만들어왔습니다. 이 글은 자동화 기술 가이드가 아니라, 혼자 폐쇄망 환경에서 자동화를 만들어온 과정과 그 사이에 깨달은 것들을 솔직하게 정리한 글입니다. 자동화 시작하려는 분, 혼자 인프라 운영하는 분, AI 도구를 어떻게 활용할지 고민하는 분들께 작은 참고가 됐으면 합니다. 왜 자동화를 시작했나 이유는 단순했습니다. 사람이 없었어요. 폐쇄망에 STT/TTS 인프라를 설치하러 나가는 작업이 많은데, 같이 일하던 사람들이 하나둘 회사를 떠나면서 설치 가능한 인력이 점점 줄어들었습니다. 결국 설치를 할 수 있는 사람이 저를 포함해 몇 명 안 남았고, 그마저도 동시에 여러 현장이 있을 때는 도저히 손으로 못 했습니다. 자동화가 거창한 이유로 시작된 게 아니라, 그냥 안 하면 일이 안 굴러갔어요. 저녁에 컨테이너 하나씩 손으로 올리다가 새벽에 끝나는 게 매주 반복되니까, 결국 "이걸 어떻게든 자동으로 돌게 만들어야겠다"는 생각만 들었습니다. 처음엔 정말 단순했다 지금 생각하면 웃기는데, 제 첫 번째 자동화 스크립트는 "1+n" 계산이었습니다. 진짜 그게 시작이었어요. 쉘 스크립트로 변수 두 개 더하는 것. 그게 됐다는 것만으로 신기해서 그 다음엔 2를 만들고, 그 다음엔 같은 파일을 100개 복사하는 스크립트로 갔습니다. 별것 아닌데 이런 작은 스크립트들이 쌓이면서 점점 자신감이 생겼습니다. 이 초석 작업들이 나중에 진짜 자동화로 연결됐습니다. 파일 복사가 됐으니까 컨테이너 설정 파일을 여러 환경에 뿌리는 것도 가능해졌고, 변수를 다룰 줄 알게 되니까 환경별로 다른 설정을 자동으로 적용할 수 있게 됐습니다. 거창한 자동화는 단순한 것들이 쌓여서 만들어지는 거였어요. 진짜 자동화 — STT/TTS Docker 컨테이너 실행 제가 가장 많이 쓰...

들어가며 STT/TTS 인프라를 설치하는 일을 하다 보면 평소 같은 설치는 별 문제가 없습니다. 문서대로 따라가면 되니까요. 진짜 문제는 보안 정책이 까다로운 고객사 환경에서 시작됩니다. 최근에 RHEL 9.3 환경에서 Docker를 rootless로 변환하라는 고객사 요청을 받았는데, 이 작업에 거의 3시간을 매달렸습니다. Gemini도 써보고 Claude도 써봤는데 결국 해결한 건 Claude Code였습니다. 이 글에서는 그 과정과, 인프라 엔지니어 입장에서 RHEL 환경에서 AI 도구를 어떻게 활용하는 게 효율적이었는지 솔직하게 정리해봤습니다. 문제 상황 — Docker rootless 변환 Docker에는 rootful과 rootless 두 가지 실행 방식이 있습니다. 일반적으로는 root 권한으로 실행하는 rootful이 편한데, 보안에 민감한 고객사는 root 권한으로 컨테이너가 도는 걸 좋아하지 않습니다. 권한 분리가 명확하지 않다는 이유로요. 이번 프로젝트 고객사도 같은 요청을 했고, 기존에 rootful로 설치돼 있던 STT 인프라를 rootless로 변환해야 했습니다. 처음 접근은 단순했습니다. rootless로 다시 설치하면 되겠다 싶었는데, 막상 작업해보니 전체 구성이 rootless로 통일되면서 새로운 문제가 생겼습니다. root 권한으로 가져와야 하는 환경 리소스를 일반 사용자 권한으로는 가져올 수 없는 부분이 있었기 때문입니다. 부분적으로는 rootless로 동작해야 하지만, 특정 리소스는 root 권한이 필요한 상황이었습니다. Gemini와 Claude로 먼저 시도했던 이유 처음에는 Gemini를 썼고, 그 다음에 Claude도 써봤습니다. 두 도구 모두 답변은 잘 해줬는데 문제는 따로 있었습니다. 답변을 받아도 직접적으로 환경에서 확인해볼 수가 없으니, 적용했다가 안 되면 다시 질문하고, 다시 안 되면 또 질문하는 패턴이 반복됐습니다. 대화형 AI 도구의 답변은 일반적으로 잘 정리돼 있긴 한데, 제 환경...

들어가며 회사에서 진행한 프로젝트 기록을 어디에 두느냐, 인프라 엔지니어로 일하면서 늘 고민이었습니다. 저는 엑셀과 워드로 정리해서 팀즈에 올리는 방식을 오래 써왔는데, 프로젝트가 쌓일수록 어디에 뭐가 있는지 찾기가 힘들어졌습니다. 그래서 회사 프로젝트를 하나의 웹에서 통합 관리할 수 있는 SSO 기반 프로그램을 Claude로 직접 만들어봤습니다. 이 글은 그 과정에서 겪은 일과 배운 점을 솔직하게 정리한 글입니다. 왜 직접 만들기로 했나 처음에는 시중에 있는 프로젝트 관리 도구를 쓸까 고민했습니다. 하지만 제 환경은 폐쇄망에서 STT/TTS 인프라를 운영하는 자리라, 외부 SaaS 도구를 들이는 게 쉽지 않았습니다. 게다가 회사마다 프로젝트 관리 방식이 다르고, 제가 기록하고 싶은 항목도 좀 특이했습니다. 그래서 다음과 같은 항목을 직접 통합 관리할 수 있는 웹을 만들기로 했습니다. 연도별로 구분된 프로젝트 목록 프로젝트별 일정 기록 프로젝트 직접 입력 기능 사용자 로그인(SSO) 운영하면서 알게 된 특이사항 기록 혼자 처음부터 짜려고 하면 시간이 많이 걸리는 작업이라, Claude를 활용해보기로 했습니다. Claude에게 어떻게 요청했나 처음부터 모든 걸 다 던지진 않았습니다. 먼저 "회사 프로젝트를 통합 관리할 웹을 만들 거고, 안에 들어갈 내용은 엑셀로 넘겨줄게"라고 알렸습니다. 그리고 실제 엑셀 파일을 전달해서 Claude가 데이터 구조를 파악하게 했습니다. 그 다음부터는 기능을 하나씩 추가하는 방식으로 진행했습니다. 일정 기록 기능을 먼저 요청하고, 결과를 보면서 연도별 구분 기능을 붙이고, 그 후에 사용자 로그인을 추가하는 식이었습니다. 특이사항 기록 같은 부가 기능은 가장 마지막에 붙였습니다. 한 번에 완성된 게 아니라 여러 차례 요청과 수정을 반복하면서 다듬었습니다. 처음 만든 기능이 마음에 안 들면 "이 부분을 이렇게 바꿔보면 어떨까?"라고 다시 요청하는 식이었...

들어가며 10년 가까이 인프라 엔지니어로 일하면서 가장 많이 했던 게 반복 작업이었습니다. 서버 로그 정리, 배치 스크립트 관리, 모니터링 설정 등 매번 비슷한 코드를 손으로 쓰다 보면 "이거 자동화하면 좋을 텐데"라는 생각이 들죠. 하지만 막상 스크립트를 짜려고 하면 문법 찾아보고, 예외 처리 고민하고, 시간이 생각보다 오래 걸립니다. 저는 최근 Claude를 활용해서 STT 자동화 스크립트를 만들었는데, 생각보다 훨씬 빠르고 정확하게 작업을 마칠 수 있었습니다. 이 글에서는 Claude로 인프라 자동화 스크립트를 만들 때 어떤 점이 좋았는지, 어떤 방식으로 활용하면 효과적인지 제 경험을 바탕으로 정리해봤습니다. Claude가 스크립트 작성에 적합한 이유 저는 그동안 ChatGPT, Copilot 등 여러 AI 도구를 써봤는데, Claude는 코드 작성에서 특히 두 가지 강점이 있었습니다. 긴 코드도 맥락을 잘 유지한다 인프라 스크립트는 보통 100줄 이상 넘어가는 경우가 많습니다. 로그 파싱, 에러 핸들링, 외부 API 호출 등이 섞이다 보면 파일 하나에 200~300줄도 흔합니다. 다른 AI 도구들은 중간에 맥락을 놓쳐서 앞에서 정의한 변수를 다시 물어보거나, 함수 구조를 헷갈려하는 경우가 있었습니다. Claude는 긴 대화에서도 앞서 요청한 구조를 기억하고, 일관된 코드 스타일을 유지했습니다. 특히 제가 "아까 만든 함수에 로깅 기능만 추가해줘"라고 하면, 전체 구조를 유지하면서 필요한 부분만 정확히 수정해줬습니다. 설명을 요구하면 진짜 이해할 수 있게 답한다 스크립트를 만들고 나면 나중에 유지보수해야 하는데, AI가 만든 코드는 가끔 "왜 이렇게 짰지?" 싶은 부분이 있습니다. Claude는 제가 "이 부분 왜 이렇게 처리했어?"라고 물으면, 단순히 코드 설명이 아니라 왜 그 방식이 더 안전한지, 어떤 예외 상황을 고려했는지까지 설명해줍니다. 인프라 엔지니...

들어가며 ChatGPT를 6개월 전에 결제했습니다. 그런데 지금은 Claude를 주로 씁니다. 두 도구를 다 써본 사람으로서 솔직하게 정리해보려고 합니다. ChatGPT가 나쁜 도구라는 게 아닙니다. 다만 제가 하는 일에는 Claude가 더 맞았다 는 이야기예요. 특히 코드를 다루고, 길고 정확한 답변이 필요한 작업에서요. 이 글이 두 도구 사이에서 고민하는 분들께, 또는 "왜 사람들이 Claude로 옮겨가지?" 궁금하신 분들께 작은 참고가 됐으면 합니다. 1. ChatGPT 결제 — 왜 시작했나 저는 IT 인프라 엔지니어입니다. 평소 업무에서 리눅스를 자주 다루는데, 회사 환경 특성상 폐쇄망에서 작업하는 경우가 많아요. 폐쇄망은 인터넷이 차단된 환경이라, 에러가 발생해도 검색으로 답을 찾을 수 없습니다. 그런데 리눅스 에러가 정말 다양합니다. 제가 알고 있는 지식 범위를 한참 넘어가는 영역이 있어요. 예를 들어 패키지 의존성 충돌, 커널 모듈 문제, 권한 관련 이슈 등은 매번 처음 보는 에러도 많거든요. 그래서 ChatGPT를 결제했습니다. "검색 대신 AI에게 물어보면 빠르겠다" 는 단순한 이유였어요. 2. ChatGPT를 쓰면서 답답했던 점 처음에는 그럭저럭 도움이 됐습니다. 일반적인 리눅스 명령어, 기본 에러 해결법은 잘 알려줬어요. 그런데 점점 답답한 부분이 보이기 시작했습니다. ① 응답이 너무 느렸다 긴 답변을 받을 때 진짜 느렸습니다. 짧은 질문은 괜찮은데, 코드 분석이나 긴 설명이 필요한 질문에서는 한참 기다려야 했어요. 업무 중에 이건 꽤 큰 스트레스였습니다. ② 코드를 매번 전체 다시 작성 이게 진짜 답답했어요. "여기 한 줄만 수정해줘" 라고 해도 코드 전체를 다시 작성합니다. 그러면 두 가지 문제가 생겨요: 받은 코드를 다시 검토해야 함 (어디가 바뀌었는지) 수정 안 한 부분도 미묘하게 바뀌어 있을 때가 있음 ⚠️ 특...

들어가며 2개월. 100편. AdSense 거절 1회. 이게 제가 첫 블로그를 운영하고 받은 성적표입니다. 거절 메일을 받고 한참을 멍하니 화면을 봤습니다. 글이 백 편이나 있는데, 도대체 뭐가 부족하단 말인가 싶었거든요. 지금 돌아보면, 부족한 게 없는 게 아니라 전부 부족했습니다. 그리고 그걸 깨닫는 데 두 달이 걸렸어요. 같은 길을 가려는 분들이 같은 시간을 낭비하지 않으셨으면 해서, 솔직한 회고록을 남깁니다. 1. 왜 시작했나 — 자동화에 대한 환상 저는 IT 인프라 엔지니어입니다. 평소 업무에서 자동화를 자주 다루다 보니, "AI로 글까지 자동화하면 부수입이 되겠다"는 생각이 자연스러웠습니다. 검색해보니 유튜브에는 그런 광고가 넘쳤어요. "하루 30분 투자로 월 100만원" , "AI로 자동 발행하고 잠자는 동안 수익" 같은 것들요. 처음엔 자동화보다 직접 써보자는 마음이었습니다. 그런데 알아볼수록 자동화 콘텐츠가 너무 많이 나왔고, 결국 "다들 하니까 나도"라는 마음으로 시작했습니다. 솔직히 말하면, 가족 사정도 있었습니다. 두 딸의 아버지로서 본업 외에 부수입이 절실했고, 자동 블로그는 가장 적은 돈으로 시작할 수 있는 부수입처럼 보였거든요. 2. 시스템 구축 — Antigravity와 Leo Agent 처음 만든 시스템은 유튜브에서 본 antigravity 기반 자동 발행 도구를 제 상황에 맞게 변형한 것이었습니다. 발행 도구 이름은 제가 보던 유튜브에서 만들었고 이름은 "Leo Agent" 였습니다. 처음엔 하루 1편으로 시작했어요. 그런데 너무 적어 보여서 하루 2편, 그러다 3편으로 늘렸습니다. 4시간 간격으로 발행하면 좋다는 글을 보고, "그럼 아침·점심·저녁이 사람들이 가장 많이 보는 시간이지 않나?" 싶어서 그 패턴으로 갔습니다. 주제는 처음엔 정하지 못해서 제 일상 이야기를 쓰다가,...