자신이 만든 AI 글쓰기 워크플로를 쓰다 보니, 이제 직접 쓴 것보다 낫다는 결론에 이르렀습니다.

Ahrefs의 콘텐츠 에디터 Ryan Law가 직접 구축한 AI 콘텐츠 파이프라인 경험을 공개했습니다. Claude Code, Ahrefs MCP, 커스텀 SKILL 파일을 조합한 워크플로로 실제 콘텐츠를 제작 중이며, 품질 저하 없이 작동한다고 밝혔습니다.

출처: AI Content Wasn’t Good Enough. Now It Is. – Ahrefs Blog

글쓰기에는 사실 레시피가 있다

Ryan은 오랫동안 글쓰기를 가르치고 편집해왔습니다. 그 과정에서 좋은 글에는 반복 가능한 원칙들이 있다는 걸 알게 됐죠. 가장 명백한 반론을 먼저 다루는지, 추상적인 표현 대신 구체적인 예시를 쓰는지, 중요한 정보를 앞에 배치하는지 같은 것들입니다.

문제는 인간이 이 원칙들을 일관되게 따르기 어렵다는 점입니다. 피로하거나 지루하면 적용이 흔들립니다. 반면 LLM은 이 원칙들을 시스템 프롬프트에 한 번 설정해두면 수백만 건의 결과물에 고르게 적용할 수 있습니다.

그는 이렇게 말합니다. “Claude가 10만 줄짜리 코드베이스를 리팩토링할 수 있는데, 검색 최적화 글 하나를 못 쓴다고 가정하는 건 오만입니다.”

7개월 만에 달라진 것

불과 7개월 전, 그는 직접 만든 커스텀 GPT 기반 AI 글쓰기 프로세스에 대해 썼습니다. 그때도 결과물에서 반짝이는 부분들이 있었지만, 최종 결과물을 만들기 위해서는 여전히 사람의 손이 필요했습니다.

지금은 다릅니다. 그가 사용하는 조합은 Claude Code, Ahrefs MCP, 그리고 약 15개의 커스텀 SKILL 파일입니다. 이 도구들이 순서대로 연결되면서 하나의 완결된 워크플로를 이룹니다.

구체적으로 어떤 능력이 달라졌는지 살펴보면, 여러 LLM 프로세스를 하나의 연속된 워크플로로 연결하는 것, 결과물의 확률적 편차를 줄이기 위한 가이드레일(SKILL 파일) 구성, MCP를 통한 외부 도구 연동, RAG와 메모리를 활용한 기존 콘텐츠 참조 등이 이제는 실제로 작동합니다.

검색 콘텐츠도 마찬가지다

그는 검색 콘텐츠 역시 글쓰기와 같은 논리가 적용된다고 봅니다. 핵심 검색 의도를 파악하고, 기존 검색 결과의 합의 위에 구축하고, 경쟁 글과의 빈틈을 채우고, 새로운 정보를 더하는 것. 이 과정도 결국 따를 수 있는 원칙들로 이루어져 있습니다.

물론 이게 모든 AI 콘텐츠가 기본적으로 좋다는 의미는 아닙니다. 그의 주장은 이렇습니다. AI 콘텐츠가 좋지 않았던 구조적인 장벽들이 무너졌다는 것, 그리고 숙련된 사람이 AI를 제대로 활용할 때와 일반인이 ChatGPT에 “블로그 글 써줘”를 입력할 때의 격차가 여전히 크지만, 그 격차도 점점 좁아지고 있다는 것입니다.

에디터가 남긴 말

이 글은 AI를 찬양하는 글이 아닙니다. Ahrefs의 에디터가 자신의 직업이 어떻게 변화하고 있는지를 솔직하게 기록한 것입니다. 그는 이미 상당 부분을 AI에 넘겼고, 동시에 이 글처럼 AI에게 맡기지 않는 것도 있다고 밝힙니다.

흥미로운 건 그가 말하는 방향입니다. 콘텐츠 엔지니어의 역량이 결국 모든 LLM 플랫폼의 일반 기능으로 흡수될 것이고, 그때 인간의 역할은 AI가 아직 못 하는 영역에 집중될 거라는 것입니다. SKILL 파일 구성 방식, AI 워크플로 설계 세부사항, 실제 성과 데이터는 원문에서 확인할 수 있습니다.

참고자료: You’re Not Scaling Content. You’re Scaling Disappointment. – The Inference