"대표님, 이거 진짜 AI로 혼자 만드신 거 맞나요? 저희보다 훨씬 빠르시네요!"
오늘 오전에 우리 회사 공용차량 예약 링크를 카카오톡 단톡방 상단 공지사항에 올리자, 직원들이 휴대폰을 확인하며 눈을 동그랗게 떴습니다. 앱에 들어가 보더니 손으로 눌러보며 연신 감탄을 내뱉더군요.
사실 오늘 아침만 해도 저는 모니터 앞에서 머리를 쥐어뜯고 있었습니다. 70대인 제가 회사 공용차량(코나, 스타리아) 관리를 스마트하게 바꿔보겠다고 시작한 일이, 세 시간이 지나도록 제자리걸음이었기 때문입니다.
30~40대 젊은 직원들보다 먼저 사내에 AI 도구를 도입하고 직접 PT까지 진행하며 AI 활용을 독려해온 저였지만, 오늘 오전에 겪은 난관은 만만치 않았습니다.
하지만 결국 직원 누구나 실시간으로 공용차를 예약하고 반납 위치를 공유할 수 있는 웹 애플리케이션을 만들었습니다. 이 글은 그 과정에서 어떤 AI가 어디에서 막혔고, 다른 AI로 어떻게 이어서 해결했는지를 기록한 실전 경험입니다.
1. 문제의 시작: 카톡 단톡방의 비효율을 끝내고 싶었다
우리 회사에는 직원들이 함께 쓰는 공용차량이 2대(코나, 스타리아) 있습니다. 그동안은 카톡 단톡방에 "저 내일 오전 코나 씁니다", "스타리아 지금 어디 주차되어 있나요?" 하고 일일이 텍스트로 묻고 답했습니다.
시간이 지나면 메시지가 위로 올라가 버리고, 중복 예약이 발생하거나 출장 후 돌아와 주차 위치를 찾지 못해 헤매는 일이 있었습니다.
"젊은 직원들에게 맡기지만 말고, 내가 직접 제대로 된 주차 예약 앱을 하나 만들어보자."
나이와 관계없이 새로운 도구를 먼저 배우고 회사에 적용해 온 사람으로서, 이번에도 직접 해결해보기로 했습니다.
2. 1차 시도: Claude와의 씨름
먼저 평소 업무에 자주 활용하던 Anthropic Claude를 사용했습니다.
"코나와 스타리아 2대를 관리하는 주차 앱을 만들어줘. 단톡방 공지나 게시판에 올려놓고 쓸 수 있게 편리한 앱으로!"
Claude는 화면 우측에 예약대장 미리보기 화면을 만들어주었습니다. 그런데 링크를 휴대폰에서 열어 실제 직원들이 공용으로 사용하도록 만드는 단계에서 원하는 방식대로 이어지지 않았습니다.
▲ Claude에서 만든 화면을 직원들이 바로 쓸 수 있는 공개 링크로 연결하는 방법을 찾던 과정
아이디어와 화면은 만들어졌지만, 실제 사내 공용 서비스로 배포하는 단계가 별도의 문제라는 것을 알게 됐습니다.
3. 2차 시도: Gemini로 코드를 보완하다
두 번째로 Gemini에 앞선 대화와 요구사항을 전달했습니다.
Gemini는 차량 번호 지정, 이중 예약 차단, 카톡 공유 문구 생성 등 제가 원한 기능을 반영한 HTML 코드를 만들어주었습니다. 하지만 코딩을 전문적으로 배우지 않은 제게는 이 코드를 실제 인터넷 주소로 배포하는 과정이 또 하나의 벽이었습니다.
멋진 코드는 손에 쥐었지만, 정작 직원들이 클릭할 URL로 만드는 것이 남아 있었습니다.
4. 마지막 단계: Genspark로 실제 사용 가능한 형태까지 연결
마지막으로 Genspark의 Claw에 앞에서 만든 코드와 상황을 전달했습니다.
"아래 코드를 URL로 만들 수 없어요? 회사 단톡방 주차관리용이에요."
그러자 단순히 화면만 보여주는 구조가 아니라, 여러 직원이 같은 데이터를 공유할 수 있도록 서버 저장 방식이 필요하다는 점을 짚고 실제 배포 단계까지 이어갔습니다.
핵심은 코드를 만드는 것보다, 직원들이 같은 데이터를 보며 실제로 사용할 수 있는 구조로 바꾸는 것이었습니다.
▲ 앞 단계에서 만든 결과를 실제 접속 가능한 서비스로 연결하는 과정
완성된 URL을 카카오톡 단톡방 상단 공지사항에 등록했고, 직원들이 실제로 공용차 예약과 반납 위치를 공유할 수 있게 되었습니다.
- 실시간 공유: 직원들이 같은 예약 현황을 확인
- 이중 예약 방지: 동일 차량의 예약 충돌을 줄이는 기능
- 카톡 공유: 예약·반납 정보를 단톡방에 쉽게 전달
5. 직접 만들어 보며 깨달은 AI 활용법
이 경험에서 제가 얻은 가장 큰 교훈은 하나의 AI가 모든 일을 다 해줄 필요는 없다는 점입니다.
- 한 도구에서 막히면 다른 도구로 이어갑니다. 아이디어, 코드, 배포처럼 단계마다 잘 맞는 도구가 다를 수 있습니다.
- 결과물을 그대로 버리지 않고 다음 AI에게 넘깁니다. 한 AI가 만든 코드나 설명도 다음 단계의 재료가 됩니다.
- 목표를 구체적으로 말합니다. “앱을 만들어줘”보다 “직원들이 카톡 링크로 접속해 같은 예약 데이터를 보게 해줘”처럼 실제 사용 상황을 설명하는 것이 중요했습니다.
결론
처음부터 정답을 알고 시작한 일이 아니었습니다. 오히려 막히는 지점마다 다른 AI에게 넘겨가며 해결했습니다.
제가 느낀 AI 협업의 핵심은 어떤 AI가 최고인가를 고르는 것보다, 지금 막힌 다음 단계를 해결할 도구를 찾는 것이었습니다. 70대인 저도 코딩을 처음부터 배우지 않고 실제 회사 업무에 쓰는 도구를 만들 수 있었던 이유입니다.
🐯 타이거의 한마디
AI는 많이 아는 것보다 실제 업무에 한 번 적용해 보는 것이 중요합니다. 한 도구에서 막혔다면 그 결과를 들고 다른 도구에 물어보는 것도 좋은 방법입니다.
🐯 글쓴이
Tiger (시니어 타이거)
글로벌 비즈니스 48년 · AI 실전 활용 경험을 기록하고 나눕니다.