이미 쓰고 있는 자동화: n8n·Make·Dify 입문 (무료 미니 강좌 1회차)

이 강의는 n8n, Make, Dify로 만드는 자동화 워크플로를 소개하는 무료 미니 강좌 1회차입니다. 구글 시트 기반 이메일 발송 자동화, 사내 정책 챗 에이전트, 경쟁사 분석 알림 시나리오를 차례로 시연한 뒤, 규칙 기반 자동화와 LLM·툴 콜링 기반 에이전트의 차이를 설명합니다. 자동화가 일자리와 개인화에 미칠 영향에 대한 관점도 함께 다룹니다.

⏱ 00:00발표자는 자동화 도구 소개를 시작하며, 최근 자동화 흐름에서 가장 흥미로운 지점은 에이전트를 설정하고 실행하는 부분이라고 말합니다. 본격적인 개념 설명에 앞서 간단한 데모를 먼저 보여 주겠다는 구성입니다.

⏱ 00:33구글 시트에 기록된 주문 목록을 읽어, 이메일 발송 상태가 '대기 중'인 행에만 주문 확인 메일을 보내고 발송 후 해당 행을 갱신하는 워크플로를 시연합니다. 시트의 행을 하나씩 순회하는 루프 노드, 상태값을 확인하는 조건 노드, 시트 업데이트 노드가 기본 구성 요소로 소개됩니다.

이 흐름이 가장 단순한 형태의 자동화이며, 여기에 LLM을 결합하면 에이전트 워크플로로 확장된다고 설명합니다.

⏱ 02:24회사 인사 정책 문서를 업로드해 둔 챗 에이전트에 휴가 일수를 묻는 시연입니다. 워크플로는 질문 유효성 분류, 정책 문서 검색, 어조 설정, 인사팀 에스컬레이션 판단 순서로 진행되며, 실행 로그에서 각 단계를 확인할 수 있습니다.

휴가 유형과 근속 기간에 따라 답이 달라지는 사례를 보여 주고, 조건을 바꿔 같은 질문을 다시 실행합니다. 사람이 일일이 응대하지 않아도 문서만 업데이트하면 답변이 갱신된다는 점과, 답변에 근거 문서의 페이지가 인용되는 점을 강조합니다.

⏱ 05:34Make에서 구글 시트를 읽고, 매주 월요일 경쟁사 동향을 수집해 요약한 뒤 슬랙으로 알림을 보내는 시나리오를 예로 듭니다. 마케팅 담당자가 경쟁사의 시장 진입 전략과 차별점을 파악하는 데 쓰일 수 있는 구조입니다.

발표자는 이 과정을 노드 단위로 직접 구현하는 방법까지 커리큘럼에서 함께 다룰 예정이라고 안내합니다.

⏱ 06:44은행 전화 자동응답의 번호 선택 메뉴, 유료도로의 차량 번호 인식과 자동 요금 차감, 생체 인증 기반 공항 통과 서비스, 송금 한도로 사기를 막는 규칙, 구독 자동 결제 등을 예로 듭니다.

발표자는 자동화를 '규칙이 있고, 정해진 결과가 있으며, 그 결과를 얻기 위한 도구나 경로가 있는 것'으로 정의합니다. 이런 규칙 기반 자동화는 AI 없이도 파이썬 스크립트나 스프레드시트만으로 충분히 구현할 수 있다고 덧붙입니다.

⏱ 12:32기존 자동화는 규칙이 정해진 대로만 동작하는 결정론적 방식이었습니다. 상황마다 규칙을 따로 만들어야 했던 것과 달리, LLM은 대화 맥락을 파악해 상황에 맞는 메시지를 생성할 수 있습니다. 발표자는 육아휴직 문의에 대해 LLM이 근속 기간을 바탕으로 자격을 판단하고 안내하는 예를 들었습니다.

또한 툴 콜링을 통해 에이전트가 실제 시스템에 접속해 신청까지 대행하는 단계로 발전했다고 설명합니다. 메모리 기능은 이전 질문과 사용 이력을 기억해 남은 휴가 일수를 계산하는 식으로 맥락을 유지하게 합니다. 다만 출력이 확률적이라는 점은 설계 시 고려해야 할 한계로 언급됩니다.

⏱ 18:37AI 때문에 해고되었다는 사례를 언급하며, 발표자는 자동화를 일자리 축소가 아니라 반복 업무를 줄이고 사람을 더 가치 있게 만드는 도구로 보자고 주장합니다. 인사 담당자 역할의 챗봇도 일관된 답변과 출처 제공으로 직원의 문서 탐색 시간을 줄여 줄 수 있다는 예시입니다.

고객 응대 사례에서는 사람 상담원과 달리 LLM이 감정적으로 반응하지 않도록 지침, RAG 문서, 미세 조정으로 말투와 답변 범위를 통제할 수 있다고 설명합니다. 웹 검색 도구를 붙이면 모델의 지식 차단 시점 이후 정보도 다룰 수 있다고 덧붙입니다. 마지막으로 Gmail, 구글 시트처럼 업무마다 필요한 도구가 많다는 점을 들어 자동화 도구의 필요성을 제기하며 마무리합니다.