AI 모델 하나에 다 맡기지 마세요 — 작업별로 나눠 쓰는 파이프라인 만들기

AI 모델 하나에 다 맡기지 마세요 — 작업별로 나눠 쓰는 파이프라인 만들기

지난 글에서 "벤치마크 1위 모델이 내 작업의 1위는 아니다"라는 이야기를 하며, 마지막에 질문 하나를 남겼습니다. "그래서 그걸 어떻게 나눠서 돌리지?" 이번 글이 그 답입니다. 상황을 하나 그려보겠습니다. 블로그 글 하나를 발행하려면 글도 써야 하고, 이미지도 만들어야 하고, 그걸 사이트에 올리는 작업도 해야 합니다. 이 셋을 한 모델에 전부 맡기면 꼭 한 군데가 어긋납니다. 저는 이걸 직접 겪으면서, 작업마다 다른 모델을 부르는 멀티모델 파이프라인을 만들어 매일 돌리고 있습니다. 코드를 몰라도 만들 수 있는 방법을, 제가 실제로 만든 흐름을 예로 5단계로 정리해 드립니다.

이 글은 AI 모델 비교 편의 실전 후속편이고, 그 시작점은 바이브코딩으로 직접 만든 것들에서 이야기한 자동화 파이프라인입니다.

왜 하나로 몰면 꼭 어긋날까?

제가 직접 부딪힌 두 장면입니다. 둘 다 "모델 하나로 다 하려다" 생긴 일입니다.

• 이미지 모델의 한글 사고. 영어 블로그용 실사 사진을 잘 뽑던 이미지 모델에게 한글 인포그래픽을 시켰더니, "환율은 적일까, 방패일까?"가 "환술으 작얼카, 방펴열카?"로 나왔습니다. 종합 성능이 아니라 한글 렌더링이라는 한 축에서 갈린 겁니다.
• 무료 모델의 쿼터 벽. 이미지 생성을 한 모델에 몰았더니 하루 무료 한도가 금방 바닥났습니다. 단순 작업까지 최상위 모델로 보내면 비용도, 한도도 순식간에 소진됩니다.

교훈은 하나였습니다. 작업마다 강점이 다른데, 하나에 몰면 그 모델의 약점이 그대로 결과물의 약점이 된다. 그래서 나누기로 했습니다. 그럼 어떻게 나누는지, 단계별로 보겠습니다.

1단계 — 작업을 쪼개고 성격을 붙인다

가장 먼저 할 일은 "내가 하려는 것"을 작업 단위로 쪼개고, 각 조각에 성격표를 붙이는 것입니다. 코드가 아니라 표 한 장이면 됩니다. 제 블로그 발행을 예로 들면 이렇습니다.

작업	성격	필요한 강점
글 초안 작성	긴 글, 논리·사실 중요	추론력, 긴 맥락 유지
영어 실사 이미지	사진, 텍스트 없음	실사 품질, 저비용
한글 인포그래픽	이미지 안에 한글 텍스트	한글 렌더링
발행 스크립트	반복 코드 작업	정확한 코드 생성

여기서 이미 답이 반쯤 나옵니다. "필요한 강점"이 서로 다르니, 같은 모델이 다 잘할 수가 없다는 게 표로 보입니다.

2단계 — 조각마다 모델을 배정한다

이제 각 조각에 모델을 붙입니다. 지난 글에서 정리한 네 기준(작업 성격·컨텍스트·비용·오픈웨이트)을 그대로 적용하면 됩니다. 제 경우는 이렇게 갈렸습니다.

• 글 초안 → 추론이 강한 최상위 언어 모델. 사실이 틀리면 글 전체가 무너지니 여기는 아끼지 않습니다.
• 영어 실사 이미지 → 실사에 강하고 저렴한 이미지 모델. 텍스트가 없으니 한글 약점이 드러날 일이 없습니다.
• 한글 인포그래픽 → 한글이 안 깨지는 모델로 따로. 여기서 모델을 아끼면 "작얼카" 사고가 납니다.
• 발행 스크립트 → 코드 생성이 정확한 모델. 반복 작업이라 한 번 잘 만들면 계속 씁니다.

핵심은 "제일 좋은 모델"이 아니라 "이 작업에 맞는 모델"을 고른다는 것입니다. 한글 인포그래픽에는 종합 1위 모델보다 한글 잘 되는 모델이 낫습니다.

3단계 — 분기 규칙을 말로 적는다

여기가 비개발자에게 가장 중요한 단계입니다. 모델을 배정했으면, "어떤 경우에 어느 모델을 부를지"를 코드가 아니라 말로 적습니다. AI에게 시킬 지시서를 쓰는 셈입니다.

"글에 들어갈 이미지를 만들 때, 이미지 안에 한글 텍스트가 있으면 A 모델로, 텍스트 없는 실사 사진이면 B 모델로 보내줘. 그리고 A 모델이 실패하면 C 모델로 다시 시도해줘."

이게 전부입니다. 이 문장 하나가 실제 제 파이프라인의 이미지 분기 규칙입니다. 프로그래밍 문법은 한 글자도 없지만, 조건과 대안이 명확합니다. AI는 이 설명을 받아 실제로 동작하는 분기 코드를 대신 만들어 줍니다.

4단계 — AI에게 연결을 시킨다

규칙을 말로 적었으면, 이제 그걸 AI에게 넘겨 실제로 도는 흐름으로 만들게 합니다. 두 가지 길이 있습니다.

• 노코드 도구(n8n, Make 등) — 블록을 드래그해 조립합니다. 분기가 단순하면 이걸로 충분하고, 화면으로 흐름이 보여서 직관적입니다.
• 바이브코딩(Claude Code 등) — AI에게 3단계에서 적은 규칙을 그대로 주고 "이렇게 도는 스크립트를 만들어 줘"라고 시킵니다. 조건이 복잡하거나 세밀한 후처리가 필요할 때 훨씬 유연합니다.

저는 후자로 만들었습니다. 이미지 분기, 실패 시 폴백, 발행까지 전부 "이런 흐름으로 만들어 줘"라는 설명을 차곡차곡 쌓아 완성했습니다. 중요한 건, 처음부터 완벽하게 나오지 않는다는 점입니다. 한 번 만들고, 돌려보고, 어긋나면 고쳐 달라고 다시 시키는 반복이 정상입니다.

5단계 — 실패 경로를 반드시 넣는다

마지막 단계이자 초보가 가장 자주 빠뜨리는 곳입니다. 모델은 언제든 실패합니다. 무료 쿼터가 바닥나고, 서버가 잠깐 죽고, 한글이 깨집니다. 실패 경로가 없으면 그 순간 파이프라인 전체가 멈춥니다.

그래서 각 분기마다 "이게 안 되면 그다음은?"을 정해둡니다. 제 이미지 파이프라인은 이렇게 이중으로 짜여 있습니다.

기본 모델로 생성 시도 → 실패하면(쿼터·오류) 자동으로 폴백 모델로 재시도 → 그래도 실패하면 사람에게 알림.

실제로 무료 쿼터가 막혔던 날, 이 폴백 덕에 발행이 멈추지 않았습니다. 실패 경로 하나가 "가끔 터지는 자동화"와 "믿고 맡기는 자동화"를 가릅니다.

자주 묻는 질문

왜 모델 하나로 다 하면 안 되나요?

모델마다 잘하는 영역이 다르기 때문입니다. 실사 사진은 잘 만드는 모델이 한글 인포그래픽에서는 글자를 깨뜨리기도 합니다. 작업 성격에 맞는 모델을 각각 부르면 품질과 비용을 동시에 잡을 수 있습니다.

비개발자가 여러 모델을 연결하는 게 정말 가능한가요?

가능합니다. 각 작업이 어떤 모델로 가야 하는지 흐름만 정하면, 그 분기 자체를 AI에게 만들어 달라고 시킬 수 있습니다. 코드를 직접 짜는 게 아니라 규칙을 말로 설명하는 일에 가깝습니다.

노코드 도구로도 멀티모델 파이프라인을 만들 수 있나요?

간단한 흐름은 n8n이나 Make 같은 노코드 도구로 충분히 만들 수 있습니다. 다만 조건 분기가 복잡해지거나 세밀한 후처리가 필요해지면, AI에게 스크립트를 만들게 하는 방식이 더 유연합니다.

모델을 나누면 관리가 더 복잡해지지 않나요?

처음 한 번 분기 규칙을 세워두면 그 뒤로는 자동입니다. 오히려 한 모델에 안 맞는 작업을 억지로 시켜 매번 손보는 것보다, 처음부터 맞는 모델로 보내는 편이 유지보수가 적습니다.

참고 자료

• Andrej Karpathy (2025), "vibe coding" 용어 제안 — AI에게 자연어로 시켜 만드는 코딩 방식
• Anthropic (2026), "Claude Code 공식 문서", docs.anthropic.com — 지시 기반 에이전트 코딩 도구
• n8n·Make (2026), 각 공식 사이트 — 노코드 워크플로우 자동화 플랫폼
• Google AI / OpenAI (2026), 각 이미지 생성 API 문서 — 모델별 무료 한도와 요금 구조

핵심 정리와 다음 단계

멀티모델 파이프라인은 대단한 기술이 아니라 순서입니다. 다음 5단계로 시작해 보세요.

1. 작업을 쪼개고 성격표를 만든다 — 표 한 장이면 됩니다.
2. 조각마다 맞는 모델을 붙인다 — 제일 좋은 게 아니라 맞는 모델로.
3. 분기 규칙을 말로 적는다 — "이 경우엔 A, 저 경우엔 B."
4. AI에게 연결을 시킨다 — 노코드든 바이브코딩이든.
5. 실패 경로를 넣는다 — 안 될 때 그다음을 정해둔다.

여기까지 읽으셨다면 "그래서 이걸 내 작업에 어떻게 적용하지?"가 다음 질문일 겁니다. 저는 20년간 IT 기획자로 일하며 개발자에게 부탁만 하던 사람이었지만, 지금은 작업마다 다른 모델을 부르는 자동 발행 파이프라인을 직접 만들어 매일 돌리고 있습니다. 작업을 쪼개는 것부터 실제로 도는 파이프라인을 만드는 것까지, 여러분의 워크플로우에 맞게 1:1로 함께 설계해 드립니다.

→ 크몽에서 만나기: 비개발자 AI 바이브코딩 1:1 코칭 — 서비스 런칭까지