0822-02 [Lessons Learned] 3정 5S로 돌아본 블로그 자동화 파이프라인(SMTP/LLM) 안정화 프로젝트

가장 완벽한 무인 자동화 파이프라인을 구축하기 위한 기나긴 여정이 드디어 안정화 단계에 접어들었습니다. 수많은 535 인증 에러와 인코딩 깨짐, 그리고 API 할당량 초과라는 난관을 뚫고 쟁취한 오늘의 **'레슨런(Lessons Learned)'**을 제조업의 혁신 방법론인 3정 5S(3정: 정품, 정량, 정위치 / 5S: 정리, 정돈, 청소, 청결, 습관화) 관점에서 되짚어 봅니다.




Keepnext Insight 

"자동화는 단순히 코드를 짜는 것이 아니라, 불확실성이 개입할 수 있는 모든 틈새를 구조적으로 밀봉하는 작업이다. 단 하나의 잘못된 설정(Alias)이 전체 파이프라인을 마비시킬 수 있음을 기억하라."

[본문 시작]

1. 3정(三定) 관점에서의 파이프라인 트러블슈팅

정품 (Right Item): 정확한 인증 수단과 계정의 일치

오늘 가장 우리를 괴롭혔던 문제는 구글 SMTP 서버의 535 5.7.8 Username and Password not accepted 에러였습니다. 원인은 **'포워딩용 Alias 계정(xxxxxx@keepnext.kr)'**과 **'실제 앱 비밀번호 발급 계정(xxxxxx@gmail.com)'**의 불일치였습니다. 구글의 보안 정책이 강화되면서 '정확한 아이디'와 '해당 아이디에서 발급된 16자리 앱 비밀번호'라는 **정품(正品)**의 결합만이 시스템을 통과할 수 있었습니다. 결국 파이썬 코드 내에 발송 계정을 하드코딩하여 혼선을 원천 차단했습니다.

정량 (Right Quantity): API 할당량(Quota) 제어

이메일 발송 에러를 잡기 위해 깃허브 액션(GitHub Actions)을 짧은 시간에 수십 번 반복 실행했습니다. 그 결과 429 You exceeded your current quota 에러를 맞닥뜨렸습니다. 무한정 제공될 것 같은 AI(Gemini API)도 분당 호출 횟수라는 정해진 **정량(定量)**이 존재합니다. 이를 교훈 삼아, API 실패 시 단순히 '오류'라고 알리는 것을 넘어 실제 에러 메시지(Quota 초과 등)를 리포트 메일에 포함시켜 상태를 투명하게 모니터링할 수 있도록 조치했습니다.
정위치 (Right Location): 정확한 파일 경로와 마크다운 문법

T-Blog(블로거)용 포스트와 순수 Markdown 보관용 포스트(유언, 묘비명, 초충실록 등)의 저장 위치를 명확히 분리했습니다. 또한, 마크다운 본문 내에 구분선(---)이 들어갈 경우 프론트매터 파서가 고장 나는 현상을 발견하고, 모든 구성 요소(제목, 본문, 이미지)가 **정위치(正位置)**에 안착하도록 AI 프롬프트 지시어를 엄격하게 통제했습니다.
2. 5S 관점에서의 시스템 최적화

정리 (Seiri): 중복 워크플로우 제거

과거에 산발적으로 생성되었던 pilsa-builder.yml, annals-builder.yml 등 6개의 낡고 고장난 개별 워크플로우 파일들을 과감하게 삭제했습니다. 쓸모없는 코드를 덜어내는 것이 안정화의 첫걸음이었습니다.

정돈 (Seiton): 마스터 파이프라인 통합

삭제된 워크플로우들의 기능을 auto posting blog.keepnext 라는 단 하나의 마스터 파이프라인으로 통합했습니다. 시간대별(오후 4시~5시 10분)로 카테고리가 순차적으로 실행되도록 시간표를 아름답게 정돈했습니다.

청소 (Seiso): 인코딩 및 버그 청소

우분투 서버와 윈도우 환경 간의 한글 인코딩 깨짐(Mojibake) 현상을 \uXXXX 유니코드 이스케이프 방식을 통해 말끔히 씻어냈습니다. 본문에 섞여 나오던 잡다한 기호들도 프롬프트 정제를 통해 청소했습니다.

청결 (Seiketsu): 마크다운 원문 무결성 표준화

AI가 작성하는 글의 품질을 **표준화(청결 유지)**했습니다.상단 100px, 하단 50px 이미지 강제 삽입

## (H2) 마크다운 헤더 필수 사용
3,000자 분량 및 3개 이상의 '실제 팩트 기반' 참고문헌 인용 강제
Keepnext Insight 인용구(>) 포맷 강제
습관화 (Shitsuke): 크론(Cron)을 통한 무인 영구 자동화

이제 이 모든 정교한 규칙과 에러 방지 로직들은 GitHub Actions의 크론(Cron) 스케줄러에 탑재되었습니다. 인간의 개입 없이도 시스템 스스로 매일 규칙을 지키며(습관화) 글을 생산해 낼 것입니다.
요약 및 결론

오늘의 트러블슈팅은 단순한 '버그 수정'을 넘어, 복잡하게 얽혀있던 레거시 설정들을 걷어내고 파이프라인의 **'뼈대(Architecture)'**를 올바르게 다시 세우는 과정이었습니다. 3정 5S의 철학은 공장 뿐만 아니라 소프트웨어 자동화 인프라 구축에도 정확히 들어맞습니다. 이 견고해진 토대 위에서 T-Blog와 다양한 기록들이 끝없이 뻗어나가길 기대합니다.


참고문헌

Google Workspace Admin Help. (2026). "Control access to less secure apps and App Passwords". Google Support.
GitHub Docs. (2026). "Events that trigger workflows - schedule". GitHub.
Gemini API Documentation. (2026). "Rate limits and quotas". Google for Developers.

댓글

댓글 쓰기

이 블로그의 인기 게시물

2026 산업 트렌드, 디지털 트윈(Digital Twin) 기술을 활용한 스마트 엔지니어링과 제조 혁신의 미래

현실 세계의 완벽한 복제본, 디지털 트윈의 부상 최근 산업계의 가장 뜨거운 화두는 단연 '디지털 트윈(Digital Twin)'입니다. 디지털 트윈이란 물리적인 현실 세계의 기계, 설비, 혹은 공장 전체를 가상 공간에 똑같이 구현해 내는 기술을 의미합니다. 과거에는 단순한 3D 모델링에 불과했다면, 이제는 사물인터넷(IoT) 센서와 클라우드 서버에서 실시간으로 쏟아지는 데이터를 바탕으로 가상 공간의 아바타가 현실과 완전히 동일하게 작동하는 수준에 이르렀습니다. 오늘 포스팅에서는 이 디지털 트윈 기술이 스마트 엔지니어링 생태계를 어떻게 혁신하고 있는지 심층적으로 살펴보겠습니다. 1. 디지털 트윈을 완성하는 3대 핵심 기술 요소 가상 공간에 현실을 복제하기 위해서는 방대한 기술 인프라의 융합이 필요합니다.IoT(사물인터넷) 센서 네트워크: 현장의 온도, 압력, 진동 등 모든 물리적 데이터를 1초 단위로 수집하여 가상 공간으로 전송하는 신경망 역할을 합니다. 클라우드 컴퓨팅과 엣지(Edge) 기술:  수집된 방대한 빅데이터(Big Data)를 지연 없이 처리하고 저장할 수 있는 강력한 데이터센터 인프라가 필수적입니다. AI 및 머신러닝(Machine Learning):  가상 공간에 모인 데이터를 분석하여 앞으로 발생할 수 있는 기계의 결함이나 수명을 예측하는 두뇌 역할을 수행합니다. 2. 산업 현장 도입 사례와 스마트 환경 설비(EMS/RTO) 가장 극적인 변화를 맞이하고 있는 곳은 스마트 팩토리와 대규모 환경 설비 현장입니다. 예를 들어, 공장에서 발생하는 유해 가스를 정화하는 대형 RTO(축열식 연소산화장치) 설비를 운영한다고 가정해 보겠습니다. 과거에는 설비에 문제가 생겨 가동이 중단된 후에야 기술자가 출동해 수리를 진행했습니다. 이는 엄청난 생산 차질과 비용 손실을 초래합니다. 하지만 디지털 트윈 기술을 접목하면, 관리자는 현장에 가지 않고도 태블릿이나 PC를 통해 가상 공간의 RTO 설비 내부 온도와 밸브 상태를 실시간으로 모니터링할 수 ...
자세한 내용 보기

2026 비즈니스 트렌드, 기업형 Agentic AI(자율 행동 AI)의 도입 전략과 업무 자동화의 미래

생성형 AI를 넘어 '자율 행동 AI'의 시대로 불과 몇 년 전까지만 해도 텍스트나 이미지를 만들어내는 생성형 AI(Generative AI)가 기술의 화두였습니다. 하지만 이제 인공지능 기술은 단순한 답변 생성을 넘어, 스스로 목표를 설정하고 도구를 사용하며 복잡한 업무를 끝까지 완수하는 'Agentic AI(자율 행동 인공지능)' 시대로 진입했습니다. 오늘 포스팅에서는 기업이 왜 Agentic AI에 주목해야 하며, 이를 통해 비즈니스 자동화 인프라를 어떻게 혁신할 수 있는지 깊이 있게 분석해 보겠습니다. 1. Agentic AI(자율 행동 인공지능)란 무엇인가? Agentic AI는 사용자의 단편적인 질문에 대답만 하는 수동적인 AI가 아닙니다. 사용자가 "다음 주 마케팅 성과 보고서를 작성하고 핵심 담당자들에게 이메일로 발송해 줘"라고 지시하면, AI가 스스로 데이터를 수집하고, 분석 리포트를 작성하며, 메일 시스템에 접속해 발송까지 완료하는 능동형 에이전트입니다. 이는 기존의 단순 반복 업무를 처리하던 RPA(로봇 프로세스 자동화)와는 차원이 다릅니다. RPA가 정해진 규칙대로만 움직인다면, Agentic AI는 변수가 발생해도 스스로 판단하고 우회로를 찾아 목표를 달성하는 뛰어난 추론 능력을 갖추고 있습니다. 2. 비즈니스 자동화 인프라에 가져올 3가지 핵심 혁신 첫째, 초개인화된 실시간 의사결정 지원 기업의 경영진과 실무자들은 매일 수많은 데이터 속에서 결정을 내려야 합니다. Agentic AI는 기업의 데이터베이스와 실시간으로 연동되어, 시장 동향과 내부 재무 지표를 분석하고 최적의 사업 방향을 제안합니다. 이는 데이터 탐색에 소요되는 물리적 시간을 획기적으로 단축시킵니다. 둘째, 부서 간 협업 프로세스의 자율화 기존에는 부서 간 업무 요청과 승인 과정에서 심각한 병목 현상이 발생했습니다. 하지만 AI 에이전트들이 각 부서의 시스템을 연결하는 '미들웨어' 역할을 수행하게 되면, 기획팀의...
자세한 내용 보기

데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트 [Vol. 375]

Keepnext Insight 요약하자면, **데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트**은(는) 비즈니스 지형을 영구적으로 변화시키고 있는 핵심 동력이다. 기술 자체의 완벽함보다는 그것을 우리 조직의 문제 해결에 어떻게 적용할 것인가 하는 '맥락(Context)'에 집중해야 한다. 어제보다 나은 내일을 위해, 오늘 작은 실험부터 시작해 보시길 권해드립니다. 언제나 여러분의 비즈니스 여정에 따뜻하고 예리한 통찰력으로 함께하는 Keepnext가 되겠다. 여러분의 든든한 비즈니스 파트너 **Keepnext**이다. 오늘은 **'데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트'**에 대한 깊이 있는 통찰을 나누어 보려 한다. 1. 데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트의 부상과 산업적 의미 최근 비즈니스 환경에서 가장 주목받는 키워드 중 하나는 단연 **데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트**이다. 이 기술 혹은 트렌드가 단순한 유행을 넘어 산업 전반의 인프라로 자리 잡고 있다는 사실은 여러 지표를 통해 확인된다. 글로벌 리서치 기관들의 보고서에 따르면, 관련 시장 규모는 매년 두 자릿수의 성장률을 기록하며 폭발적으로 팽창하고 있다. 특히 전통적인 비즈니스 모델을 파괴하고 새로운 가치 사슬을 형성하는 과정에서, 초기 도입 기업들은 이미 막대한 비용 절감과 생산성 향상이라는 과실을 맺고 있다. 이는 더 이상 선택의 문제가 아니라 생존의 문제로 직결되고 있음을 시사한다. 2. 데이터로 입증된 도입 효과와 사례 구체적인 팩트를 살펴보면, **데이터 기반 의사결정(Data-Driven): 직관을 넘어서는 비즈니스 인사이트**을(를) 선제적으로 도입한 선도 기업 A사의 경우, 업무 처리 속도가 기존 대비 약 40% 향상되었으며 에러율은 획기적으로 감소했다. 이는 사람과 시스템이 유기적으로 결...
자세한 내용 보기