전통적인 자동화와 AI를 결합해서 쓰시는 분 계신가요?

응, 보통 그게 제일 안정적인 구성이지. cron, 재시도, 인증, 스크래핑/데이터 가져오기, 파일 작업, 로깅, 스키마 검증 같은 건 그냥 일반 스크립트가 처리하게 둬야 해. 모델은 애매한 부분만 담당하게 하는 거지. 분류하기, 요약하기, 정해진 경로 중 선택하기, 지저분한 텍스트에서 필드 추출하기 같은 거. 특히 웹 워크플로우의 경우, 모델이 진짜로 클릭을 해야 하는 상황이 아니면 원본 HTML이나 브라우저를 직접 넘기지 않으려고 해.

지금까지 본 바로는 AI가 똑같은 일을 하는 것보다 올드스쿨 방식의 자동화가 훨씬 낫더라.

맞아, 솔직히 지금 AI를 가장 실용적으로 쓰는 방법이 그거지. 결정론적 자동화가 안정성을 챙기고, AI는 모호한 부분이랑 의사결정을 담당하는 거야. 흔한 워크플로우는 이거지: cron/스크립트 트리거 → 파이썬이나 쉘 자동화로 데이터 수집 → LLM이 요약/분류/계획 → 전통적인 스크립트가 결정론적 작업 실행. 예를 들어, 브라우저 자동화로 보고서를 긁어오고, Claude가 이상 징후를 분석한 다음, 파이썬 스크립트로 티켓을 생성하거나 알림을 보내는 식의 구성을 본 적 있어.

나도 마찬가지. 스크립트는 지루하게 유지하고, 모델은 잘 정의된 단계들 중에서 선택만 하게 해. 모델이 기반 작업까지 다 맡게 되면 디버깅이 금방 짜증 나지거든.

난 거의 모든 자동화에 전통적인 방식이랑 AI를 섞어서 써. 대부분의 흐름에서 여전히 아주 구조화된 ITTT가 필요하다고 봐. AI 에이전트가 정말 뛰어나고 많은 경우에 그런 구조 없이도 자동화를 처리할 수 있는 건 맞지만, 내 경험상 내가 작업하거나 만들어본 에이전트 중에 완벽한 건 하나도 없었어. 항상 예외 상황이 있고 에이전트가 100번 중 100번 다 제대로 판단하지 못하는 경우가 생기거든. 그래서 여전히 구조가 필요해.

응, 우리도 문서 쪽 작업할 땐 항상 이렇게 해. 실제로 효과가 있는 패턴은 형태가 정해진 작업(파일 라우팅, 형식 감지, 다중 문서 PDF 분할 등)에는 결정론적 단계를 사용하고, 깔끔하게 정리된 단일 문서 유형이 준비됐을 때만 AI 모델에 넘기는 거야. 첫 번째 단계를 건너뛰고 그냥 모든 걸 모델에 던져버리는 사람들은 추출 신뢰도 점수는 괜찮아 보여도 예외 상황에서 조용히 틀리는 경우가 많아.