AI 콘텐츠 생성 자동화 파이프라인

지난 글에서 고객 지원 자동화를 구현했다. 이번에는 콘텐츠 생성 자동화를 다룬다. 마케팅 블로그 포스트, 제품 설명, 이메일 뉴스레터 등 반복적으로 생산해야 하는 텍스트 콘텐츠를 AI 파이프라인으로 자동화하는 방법이다. 중요한 것은 “AI가 쓴 것 같은” 느낌 없이 브랜드 톤을 일관되게 유지하는 것이다.

파이프라인 설계 원칙

콘텐츠 생성 자동화에서 흔히 하는 실수는 LLM 하나로 전체 글을 한 번에 생성하려는 것이다. 긴 글을 한 번에 생성하면 중간에 맥락을 잃거나, 반복되거나, 뒷부분이 앞부분과 일관성을 잃는다. 대신 단계별 파이프라인을 사용한다.

아웃라인 생성 (구조 설계)
섹션별 병렬 작성 (내용 생성)
통합 및 편집 (일관성 확보)
AI 품질 검토 (사실 확인, 톤 점검)

AI 콘텐츠 생성 파이프라인

아웃라인 생성

아웃라인은 전체 콘텐츠의 뼈대다. 섹션 제목과 각 섹션에서 다룰 핵심 포인트를 구조화된 형태로 생성한다.

import anthropic
import json

client = anthropic.Anthropic()

def generate_outline(
    topic: str,
    keywords: list[str],
    tone: str = "professional",
    target_length: str = "1500 words",
) -> dict:
    keywords_str = ", ".join(keywords)
    response = client.messages.create(
        model="claude-opus-4-7",
        max_tokens=1024,
        system=(
            "당신은 SEO에 최적화된 블로그 아웃라인을 작성하는 전문가입니다. "
            f"톤: {tone}. "
            "JSON으로만 응답하세요."
        ),
        messages=[
            {
                "role": "user",
                "content": (
                    f"주제: {topic}\n"
                    f"키워드: {keywords_str}\n"
                    f"목표 길이: {target_length}\n\n"
                    "다음 형식으로 아웃라인을 작성하세요:\n"
                    '{"title": "...", "sections": [{"heading": "...", "key_points": ["..."]}]}'
                ),
            }
        ],
    )
    return json.loads(response.content[0].text)

섹션별 병렬 작성

아웃라인이 나오면 각 섹션을 독립적으로 작성한다. 섹션 간 의존성이 없으므로 병렬 처리로 전체 생성 시간을 크게 줄일 수 있다.

import asyncio
import anthropic

async_client = anthropic.AsyncAnthropic()

async def write_section(
    section: dict,
    context: str,
    style_guide: str,
) -> str:
    heading = section["heading"]
    key_points = "\n".join(f"- {p}" for p in section["key_points"])

    response = await async_client.messages.create(
        model="claude-opus-4-7",
        max_tokens=800,
        system=f"당신은 전문 콘텐츠 작가입니다.\n{style_guide}",
        messages=[
            {
                "role": "user",
                "content": (
                    f"전체 글 맥락:\n{context}\n\n"
                    f"이번 섹션 제목: {heading}\n"
                    f"다룰 핵심 포인트:\n{key_points}\n\n"
                    "위 포인트를 자연스럽게 풀어 200~300단어 분량의 섹션을 작성하세요."
                ),
            }
        ],
    )
    return f"## {heading}\n\n{response.content[0].text}"

async def write_all_sections(outline: dict, style_guide: str) -> list[str]:
    context = f"글 제목: {outline['title']}"
    tasks = [
        write_section(section, context, style_guide)
        for section in outline["sections"]
    ]
    return await asyncio.gather(*tasks)

asyncio.gather로 모든 섹션을 동시에 생성한다. 섹션이 5개라면 순차 처리 대비 약 5배 빠르다.

품질 검토 루프

생성된 초안을 AI가 다시 검토하고 개선한다. 이 루프는 최대 3회까지 반복한다.

def review_content(content: str, requirements: dict) -> dict:
    criteria = "\n".join(f"- {k}: {v}" for k, v in requirements.items())
    response = client.messages.create(
        model="claude-opus-4-7",
        max_tokens=512,
        system="콘텐츠 품질 검토자로서 다음 기준으로 평가하고 JSON으로 응답하세요.",
        messages=[
            {
                "role": "user",
                "content": (
                    f"평가 기준:\n{criteria}\n\n"
                    f"콘텐츠:\n{content[:2000]}\n\n"
                    '{"passed": true/false, "score": 0-10, "issues": ["..."], "improvements": ["..."]}'
                ),
            }
        ],
    )
    return json.loads(response.content[0].text)

def generate_content_with_review(topic: str, keywords: list[str]) -> str:
    outline = generate_outline(topic, keywords)
    sections = asyncio.run(write_all_sections(outline, STYLE_GUIDE))
    draft = f"# {outline['title']}\n\n" + "\n\n".join(sections)

    for attempt in range(3):
        review = review_content(draft, QUALITY_REQUIREMENTS)
        if review["passed"] and review["score"] >= 8:
            break
        if review["improvements"]:
            draft = apply_improvements(draft, review["improvements"])

    return draft

콘텐츠 품질 검토 루프

톤앤매너 일관성 유지

AI가 생성한 콘텐츠가 브랜드 목소리와 다르면 독자가 바로 알아챈다. 스타일 가이드를 시스템 프롬프트에 구체적으로 명시하는 것이 핵심이다.

STYLE_GUIDE = """
브랜드 보이스 가이드:
- 어조: 친근하지만 전문적. 친구처럼 편하게 설명하되 허술하지 않게.
- 문장 길이: 짧고 명확하게. 한 문장에 한 가지 아이디어.
- 전문 용어: 불가피한 경우 첫 사용 시 괄호로 설명 추가.
- 금지 표현: "혁신적인", "획기적인", "패러다임", "시너지" 등 클리셰.
- 수동태 지양: "~되어집니다" → "~합니다"
- 예시 활용: 추상적 설명보다 구체적 사례를 먼저.
- 독자 호칭: "여러분", "독자분들" 대신 "당신"
"""

QUALITY_REQUIREMENTS = {
    "사실 정확성": "잘못된 수치나 사실이 없어야 함",
    "톤 일관성": "전체 글에서 브랜드 보이스 일관 유지",
    "SEO": "주요 키워드가 자연스럽게 포함됨",
    "가독성": "단락 길이 적절, 소제목으로 구조화됨",
    "중복 제거": "반복되는 내용이나 표현 없음",
}

다양한 콘텐츠 형식

같은 파이프라인 코어에 형식별 프롬프트를 교체해서 다양한 콘텐츠를 생성한다.

CONTENT_FORMATS = {
    "blog": {
        "structure": "도입 → 본론 → 결론, H2/H3 소제목 사용",
        "length": "1000~2000 words",
        "cta": "글 마지막에 구독 또는 공유 유도",
    },
    "product_description": {
        "structure": "핵심 가치 → 주요 기능 → 사용 사례 → 기술 사양",
        "length": "200~500 words",
        "cta": "구매 또는 무료 체험 유도",
    },
    "email_newsletter": {
        "structure": "훅 → 주요 내용 → 액션 아이템",
        "length": "300~500 words",
        "cta": "클릭 유도 링크 포함",
    },
    "social_media": {
        "structure": "주목 → 가치 → 행동 촉구",
        "length": "LinkedIn: 300 words / Twitter: 280 chars",
        "cta": "댓글, 공유, 팔로우",
    },
}

콘텐츠 캘린더 자동화

주제 브리프만 입력하면 한 달치 콘텐츠 계획을 자동으로 잡는다.

def create_content_calendar(
    brand_topics: list[str],
    month: str,
    posts_per_week: int = 3,
) -> list[dict]:
    response = client.messages.create(
        model="claude-opus-4-7",
        max_tokens=2048,
        system="콘텐츠 마케팅 전문가로서 콘텐츠 캘린더를 JSON으로 작성하세요.",
        messages=[
            {
                "role": "user",
                "content": (
                    f"월: {month}\n"
                    f"주제 풀: {brand_topics}\n"
                    f"주당 포스팅: {posts_per_week}회\n\n"
                    '각 항목: {"date": "...", "topic": "...", "keywords": [...], "format": "..."}'
                ),
            }
        ],
    )
    return json.loads(response.content[0].text)

지난 글: AI 고객 지원 자동화: 티켓 분류부터 답변 생성까지

다음 글: AI 데이터 분석 보조 시스템

읽어주셔서 감사합니다. 😊