간단 요약:
토마즈 툰구즈는 매주 36개를 듣기 힘든 팟캐스트를 'Parakeet Podcast Processor'라는 맞춤형 AI 시스템으로 자동 다운로드, 전사, 요약, 인사이트 추출까지 한다. 이 영상에서는 실제 워크플로우, AI 활용법, 스타일 유지와 개선법, 그리고 생산성을 높이는 비법들이 실감나게 소개된다. 블로그 포스트까지 자동으로 초안을 내고, AP 영어 선생님 기준의 평점 시스템을 거치며, AI가 개인화된 도구를 어떻게 가능케 하는지 깊이 있게 다룬다.
1. 문제 제기와 시스템 개발의 동기
영상은 토마즈 툰구즈가 매주 수십 시간 필요한 팟캐스트 소비 시간을 어떻게 혁신적으로 줄였는지에서 시작한다.
그는 처음에 이렇게 말한다:
"나는 36개의 팟캐스트 리스트가 있는데, 매주 36시간을 할애할 수는 없어요."
그래서 매일 각 팟캐스트를 다운로드하고, 전사하여 빠르게 읽고 인사이트만 얻도록 하는 시스템을 직접 만들게 된다. 이를 "Parakeet Podcast Processor"라고 이름 붙였다.
그가 이 과정을 설명하면서 이런 식으로 말한다:
"이 시스템은 파일을 받아서 오디오를 ffmpeg로 변환한 뒤, 텍스트로 바꾸고, 그 다음에는 Gemma 3 등 AI를 활용해 내용 정리까지 합니다."
이 단계에서 핵심은 오디오 → 텍스트 변환과 그 텍스트의 '정돈(cleaning)' 처리, 그리고 최종적인 요약/분석의 자동화다.
2. Parakeet Podcast Processor의 실제 구조 및 작동 방식
토마즈는 시스템 구축 과정을 구체적으로 보여준다.
시작은 Whisper(오픈AI)의 오픈소스 전사툴로 오디오를 텍스트로 옮기고, 최근엔 엔비디아의 Parakeet으로 더 빨라진다고 강조한다.
파이프라인 순서는 다음과 같다:
- 팟캐스트 오디오 파일 다운로드
- ffmpeg로 오디오-텍스트 변환
- Gemma 3 등 AI로 불필요한 '음... 어...' 등 제거 및 자연스러운 전사 완성
- 모든 텍스트를 DuckDB에 저장해 누락/중복 관리
- 프롬프트 기반 요약/테마/인용구/투자포인트/회사명 등 추출
- 트위터용 짧은 글, 블로그 초안까지 자동 생성 가능
토마즈는 이렇게 덧붙인다:
"이렇게 요약/명언/투자 아이디어/회사명 추출까지 자동화해서, 평범한 벤처캐피털리스트보다 훨씬 풍부한 시장 데이터를 빠르게 만든다."
그리고 그는, 블로그 초안도 이 데이터 기반으로 기계적으로 '패턴'을 넣어 자동 생성한다.
다만, 전사품질(clean)이 초반엔 중요했으나, LLM(대형 언어 모델)이 발전하면서 '입력 품질'보다는 '출력 구조와 프롬프트'가 더 중요해졌다고 언급한다.
3. 터미널 기반 워크플로우의 장점과 개인화의 힘
토마즈는 그래픽 사용자 인터페이스(GUI)가 아닌 터미널(Terminal)에서 모든 워크플로우를 돌리는 이유도 설득력 있게 설명한다.
그는 Dan Luu의 "지연(latency)" 블로그 글을 인용하며 터미널 환경의 즉각적인 피드백과 편집 속도를 극찬한다.
"터미널은 컴퓨터와의 지연이 가장 적어서, 쓰면 쓸수록 효율이 높아져요. 이메일 클라이언트도 터미널 기반으로 쓰고, 수십 통 메일을 자동 분류하거나 AI로 답변도 바로 보내죠."
여기서 토마즈는 자체 코드 수정과 확장이 자유로운 "하이퍼-퍼스널라이즈드 소프트웨어" 시대의 도래를 강조한다.
"예전에는 힘든 일이었지만, 지금은 단 몇 번 클릭이나 명령어로 내 워크플로우 딱 맞게 도구를 만들 수 있어요."
협업툴 또는 생산성 앱을 자기만의 맞춤자동화 소프트웨어로 쓸 수 있다는 점이 핵심이다.
4. 블로그 자동작성: 'AP 영어 선생님' 평가로 품질 UP
토마즈는 팟캐스트 요약에서 블로그 포스트까지, 어떻게 자연스럽게 넘어가는지를 상세히 소개한다.
그는 명확하게 말한다:
"초기 블로그 초안은 AI가 거의 자동으로, 내가 쓴 2,000여 개 포스트 스타일을 염두에 두게 프롬프트해서 만듭니다. 하지만 여전히 내 진짜 문체와는 다르죠."
그래서 'AP 영어 선생님' 평점 시스템을 도입했다.
- 세 번의 평가 루프:
AI가 먼저 글을 쓰고, 다시 AP 영어 선생님처럼 채점(점수/피드백), 그 피드백을 반영해 다시 쓰고, 반복해서 'A-' 이상 점수를 받으면 완료.
인상 깊은 설명은 다음과 같다:
"나는 글의 훅(hook), 결론, 문단 전환 등 특정 부분에 중점적으로 평가하도록 했어요.
실제로 AI는 내 전환부를 너무 거칠다고 계속 지적하더라고요."
그는 '두 문장 이상 안 넘는 문단', '헤더 없이 흐르는 글', '500단어 이하' 등 자신만의 문체 규칙을 AI 프롬프트에 적극 담았다.
"당장 동료가 평가하는 것보다 빠르고, 더 일관된 조언이 나와서 생산성이 크게 높아졌습니다."
실제로 토마즈는 "엄격하게 했더니 C-도 꽤 받고, 보통 91점 선(A-)에서 합격 라인을 잡는다"고도 덧붙인다.
5. AI 글쓰기의 한계, 개선법, 그리고 실제 적용 팁
AI가 자동 생성하는 글의 '개인 문체 복제'는 여전히 제한적임을 토마즈는 거듭 강조한다.
그는 AI별 스타일 특성(클로드: 장황, 따뜻, Gemini: 냉정, 객관 등의 특징)을 구체적으로 설명하면서도
"아직까지는 직접 내 문체에 근접하게 만드는 게 어렵고, 특히 트위터식 짧고 임팩트 있는 글은 더더욱 멀어요."
AI 맞춤 피드백 시스템을 발전시키기 위해 'Gemini와 Claude 등 두 AI에게 서로 결과물을 평가하게 하는' '경쟁 프롬프트'도 실험 중이다.
"두 AI가 서로의 결과물을 평가해 더 나은 대안을 내놓게 하면, 어느 한 모델에 의존할 때보다 만족스러운 결과가 나오는 빈도가 높아요."
그리고, AI를 '첫 번째 패스' 평가자(교정, 초벌 평가자)로 활용한 뒤,
마지막 품질은 직접 보완하는 방법을 추천했다.
"아직은 블로그 업로드 버튼은 내가 누른다! 완전 자동화는 미완성 단계다."
이 과정과 평가 루프, 워크플로우 노하우는 학생, 작가, 창업자, 모든 생산성 추구자에게도 실질적인 인사이트를 준다.
6. 토마즈의 AI 및 스타트업 전망, 그리고 실전 조언
영상의 마지막은 AI/스타트업의 미래 예측과 실질적 성공요인의 비전으로 정리된다.
- 30명짜리 1억 달러 스타트업 전망:
"소수의 소프트웨어 엔지니어, 세일즈 등 최소인력만으로 수십억 달러 매출이 가능한 회사가 곧 현실이 될 겁니다."
- AI+내부 자동화의 유연성:
"엔지니어가 직접 도구, 자동화, 내부 플랫폼을 세팅하는 환경에서 폭발적인 생산성 향상이 일어날 거예요."
- 프롬프트 엔지니어링 팁:
"AI가 내 의도를 못 알아들을 땐, AI끼리 경쟁시키는 것도 방법입니다. 서로 '이것보다 더 잘 써봐'라고 지시하면 좀더 나은 결과를 얻을 수 있어요."
마지막으로, 모든 시청자와 창업가에게 적극적으로 "한 번 해보고, 자신만의 워크플로우를 극한까지 자동화해 보라"고 격려한다.
마무리
토마즈 툰구즈의 사례는 AI 자동화의 최신 활용 사례일 뿐 아니라,
자신만의 워크플로우와 문체/생산성을 AI로 끌어올리는 구체적 방법론을 보여준다.
핵심은, 최신 AI 도구 활용과 평가 방식이 '하이퍼-개인화'와 '실질적 시간 절약'을 모두 가능하게 한다는 점이다.
"AI 시대, 더 많이 듣고 더 빨리 배우고, 더 나은 결과물을 내는 비결은, 남이 만든 틀에 갇히지 않고 내 방식대로 끝까지 자동화해보는 것입니다."
✨ 당신만의 AI 워크플로우, 지금부터 시작해보세요!