• 컨텐츠를 만들 때 우리가 가져야 하는 마인드셋과 비디오 구성을 구체화해서, LLM의 도움을 적극적으로 받자.

  1. 우리는 도메인 전문가가 아님을 받아들인다.

     • 우리가 경험을 가지고 있는 도메인은 인공지능, 기술관련 컨텐츠 생산, 매니지먼트다.
       • 이들은 우리가 지속해 나갈 것들이고, 지속적으로 전문성이 올라갈 수 있다.
     • 우리가 몸담아보지도 않은 도메인의 진짜 문제를 해결할 수 있다면 그것은 스타트업이다.
       • 즉, 우리는 일반적으로 진짜 임팩트 큰 문제를 해결하지 못한다.
       • 유일하게 완성도 높게 해결해야 하는 실제 문제는 우리의 컨텐츠 생산에 있어서의 병목이다.
     • 우리는 진짜 문제를 해결하지 못하지만, 도메인 전문가들에게 영감을 줄 수 있다.

  2. 다음과 같이 선전구호를 가져가되, 컨셉은 분리한다. (책 ‘컨셉 수업’ 참고)

     • v1
       1. 선전구호: 우리는 문제에 집중해서 진짜 문제를 해결한다.
       2. 컨셉: 우리는 삶에 영감을 주는 기술 컨텐츠를 공급한다.
       3. 주제: GPT[또는 그에 준하는 인기 키워드들], 자동화
     • v2
       1. 선전구호: 우리들의 문제를 IT로 해결한다.
       2. 컨셉: IT에 생각을 담다.
       3. 주제: AI, 자동화

  3. 사람들이 아래와 같은 것들을 느껴야 한다.

     1. 영감(inspiration): how 를 넘어 so what? 에 대한 생각을 부여한다.
     2. 까다로움(slightly challenging): 겉핥기 컨텐츠보다 약간 더 깊이 파고든다.
     3. 진짜 문제(real-world): 일반적인 기술 컨텐츠와 다르게 진짜 문제를 해결한다.

  4. 사람들이 위 요소들을 느끼도록 만들기 위해 다음과 같은 스토리 전개 구조를 사용한다.

     1. 기존 기술의 한계 또는 기술이 잘 알려지지 않아서 나타나는 다양한 문제 사례를 소개한다.

     2. 이것들을 추상화해서, 정리하며 오늘 소개하고자 하는 기술이 해결해주는 것이 무엇인지 이야기한다.

     3. 앞서 말했던 사례들 중, 해결할 사례를 하나 고른다.

     4. 문제 해결 과정을 선형적으로 a, b, c, d 로 나눈다. a, b, c, d 가 구성되는 방법은 두 가지다.

        1. a → b → c + d 구조: 이 구조는 c 까지만 되더라도 대부분의 문제가 풀린다. 하지만 c 에서 발견되는 새로운 문제들로 인해 이를 조금 더 복잡한 방법으로 극복한다.
        2. a → b → c → d 구조: 비디오 초반에 언급했던 문제가 과정을 거듭함에 따라 하나씩 깔끔하게 해결되어 가는 구조에 해당한다.

        NOTE: 이 두 가지 모두 공통적으로, a 는 누구나 따라할 수 있는 수준임에 비해, 뒷 단계(d)로 갈수록 난이도가 높아진다. a, b, c, d 각각에 대해 명확한 결과물을 보여준다. 지금 어떤 부분까지 완료된 것인지를 명확히 한다.

  5. 구조를 떠나 우리가 지켜야 하는 것들

     • 권위에 올라타기 위해 유명인이 이 주제와 관련지어 한 말이나, 다른 도메인에서 추상적으로 가져올 수 있는 말을 가져온다. (예를 들어, 안드레 캐퍼시가 Agent 소개를 위해 ‘시스템1 사고’와 ‘시스템2 사고’ 라는 이중과정이론 개념을 가져온 것)
     • 문제해결 과정 각각 사이사이에는 지금 어디를 톺고 있는지 반드시 언급한다.
     • 레퍼런스는 숨기지 않고 적극적으로 언급한다. 유튜브 description 에 출처를 명시한다.
       • Thanks to: 참고한 자료나 볼만한 자료.
       • Special thanks to: 우리에게 직접적인 영감을 준 자료.
• 우리가 지속적으로 풀어야 할 진짜 문제는 기술관련 컨텐츠 생산 병목을 줄이는 문제다.
  • 우선 뺄 것을 빼자.
    1. 기술 설명
       • 우리 스스로에게, ‘AI Jason 컨텐츠에서 기술 설명이 AI Jason 의 진정성을 만들었을까?’ 라고 물어 보았을 때, 우리의 대답은 ‘그렇지 않다’ 에 가까웠다.
       • ‘임커밋’같은 사람이 설명을 잘 하는 사람이지, 우리는 기술 설명을 잘 하는 사람이 아니다.
    2. 매번 새로운 기술을 습득
       • 우리에게 남지 않는다는 생각이 든다면 지속가능성을 크게 해칠 수 있다.
       • 자동화 도구라면 Make, 재피어, n8n 모두 해보기보단 n8n 만으로 문제를 최대한 푼다.
    3. 나영석 PD가 잘하는 것
       • 우리는 예능을 잘하는 팀이 아니다.
       • 대중성을 위해 예능을 해야 한다는 결론이 나더라도, 아직 우리가 하고싶은 것과 우리가 잘 하는 것의 간극이 멀리 있다면 점진적으로 다가가자.
  • 그리고 채워야만 하는 것을 채우기 위해 AI를 이용하자.
    • 실제로 실현가능성이 가장 높은 방식인 동시에 우리의 전문성에도 기여할 수 있다.
    • 컨텐츠 생산을 원활하게 하는 것이 우리의 전문성이 될 수 있다.
      • 전문성과 실성공사례를 끼고 있기 때문에, 달파모델보다 이것이 더 좋은 3층 BM일 가능성.
        • 레퍼런스: 블로그 리뷰 글쓰기 프로그램. 가치가 큰만큼 객단가가 매우 높다.
  • 컨텐츠를 더욱 원활하게 생산할 수 있도록 시스템을 만들자.
    1. 거인의 어깨 위에 가장 잘 올라탈 방법을 항상 궁리하자.
       • 우리에게는 이미 훌륭한 도구들이 있다.
         • 예를 들어 협업, 문서 작성, UI 기반의 데이터베이스 관리가 필요하다 → notion.
    2. 우리가 관리하고 싶은 것들을 명확히 하자.
       • 그래야 human in the loop 를 잘 설계할 수 있다.
         • end to end 시스템으로 비벼봐야 어차피 어려울뿐더러 경쟁력도 없다.
           • 이와 관련해서는 supplementary를 참고하자.
       • 우리가 추구하고자 하는 ‘우리다움’ 컨텐츠 뼈대?
    3. 우리의 브랜드 가치와 핵심 문제를 명확히 하자.
       • 어떻게 LLM에게 명령을 주어야 할지 모르겠다.
       • 우리는 컨텐츠 스크리닝과 feasibility 검사만 하고 싶다.
  • 위 내용들에 대해 지속적으로 고민을 쌓아 나가다 보면, 에이전트와 함께 역할을 분담하는 워크플로가 자연스러워지고 훨씬 수월해질 것이다. 가장 커다란 병목부터 집약적으로 고민해보자.
    • 컨텐츠 파이프라인 병목 해소를 위한 LLM 실험실

parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료을 보관해 두는 영역입니다.

1. SOLVIT 브랜드 키트 (BM과 사고의 전개 위주로 작성되어 있음)

from : 과거의 어떤 원자적 생각이 이 생각을 만들었는지 연결하고 설명합니다.

1. 5_2_2__1.1_1.1_2. title: 컨텐츠의 무게를 줄이고 해자를 구축하기 위해서는 정교하게 정의된 컨셉이 필요하다. CTR 개선 도구들은 컨셉과 상호보완적이다.
   • ‘컨셉 수업’에서는 컨셉을 잘 정의하기 위한 관점들을 제시하고 있다. 우리는 기존에도 CMF라는 이름으로 ‘우리가 할 줄 알고 잘할 수 있는 것’(C)와 ‘시장성 있고 사람들이 좋아하는 것’(M)의 교점(F)를 찾고자 했다. 이를 위한 도구로 NCTR이 사용되었다. 앞의 글은 CMF와 NCTR을 이어주는 가교가 될 수 있다.

supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는지 연결합니다.

1. ‣

opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는지 연결합니다.

1. None

to : 이 문서에 작성된 생각이 어떤 생각으로 발전되거나 이어지는지를 작성하는 영역입니다.

1. ‣

ref : 생각에 참고한 자료입니다.

1. None