박정기 인터뷰
박정기 인터뷰
"최고의 n8n AI 자동화 강의"
많은 업무 자동화 도구 중 n8n에 빠지게 된 계기가 무엇인지 궁금합니다.
회사에서 매일 들여다보던 도구들이 흩어져 있었습니다. 에어테이블, 백엔드 서버, PSQL 결제 DB, 구글드라이브 — 같은 사람이 같은 일을 하기 위해 매번 네 군데를 오가고 있었죠. 그걸 처음으로 n8n 안에서 한 줄로 잇던 날을 기억합니다.
배관을 연결하는 감각이었습니다. 하나의 통로가 생길 때마다 그 안으로 데이터가 흘렀고, 흐름이 닿는 곳마다 일이 하나씩 사라졌습니다. 통로를 잇는 순간의 그 단순한 희열 — 그 감각이 저를 계속 다음 워크플로우로 끌고 갔습니다. 도구가 아니라, 일하는 방식을 바꾸는 인프라라는 걸 그때 깨달았어요.
자동화를 처음 시작할 때 부딪히는 가장 큰 벽은 무엇이고, 이 책은 그 벽을 어떻게 허물어 주나요?
가장 큰 벽은 "내 머릿속의 흐름을 외부에 꺼내는 일" 입니다.
수강생분들을 보면, 따라할 때는 잘 하시다가도 막상 본인 업무로 옮기는 순간 멈칫하십니다. 이유는 거의 같아요. 본인의 업무를 논리적으로 펼쳐 — 어디서 시작해서, 어떤 조건일 때 어디로 갈라지고, 결과가 어디로 이어지는지 — 정리하지 않고 바로 만들기 시작하기 때문입니다.
이 책은 도구 사용법보다 그 논리적 펼치기에 더 많은 지면을 썼습니다. 시나리오를 먼저 그리고, 그 시나리오를 그대로 노드 위에 옮기는 연습을 단계별로 반복하도록 짰습니다. 결국 자동화는 마우스로 그리는 일이 아니라 머릿속을 정리하는 일이라는 걸, 자연스럽게 체화하실 수 있게 구성했습니다.
n8n이 대기업의 선택을 받는 이유로 '자체 호스팅'과 '데이터 주권'을 강조하셨습니다. 이것이 실무 현장에서 왜 그렇게 민감하고 중요한 문제인지 쉽게 설명해 주실 수 있나요?
사내 데이터에는 회사가 절대 외부로 흘리면 안 되는 것들이 많습니다. 인사 정보, 고객 개인정보, 거래처 계약, 매출 — 외부 SaaS 한 군데에 보냈다는 사실 자체가 정보 보안 감사에서 문제가 됩니다.
쉽게 비유하면, 회사 직원 명부를 옆 회사에 우편으로 보내고 "그쪽에서 처리해 주세요"라고 부탁하는 것과 다르지 않습니다. 클라우드 SaaS 자동화 도구를 쓰는 순간, 우리 데이터는 그 회사의 서버를 거치게 됩니다.
n8n은 자체 호스팅을 지원합니다. 회사 서버 안에 직접 설치해서, 사내망 밖으로 데이터 한 줄도 나가지 않게 운영할 수 있어요. 대기업 보안팀이 가장 좋아하는 그림입니다. 이게 단순한 "기능 차이"가 아니라, "도입이 가능하냐 불가능하냐" 를 가르는 결정적 분기점이라는 사실 — 현장에서 일해 보신 분들은 바로 공감하실 겁니다.
저자님이 개인적으로 가장 애용하시거나, 커뮤니티 수강생들의 반응이 가장 폭발적이었던 워크플로는 무엇인가요?
Codex나 Claude Code 같은 에이전트 도구가 지금처럼 발전하기 전에, n8n에서 AI Agent 노드 하나로 똑같은 일을 해낼 수 있다는 사실 — 이게 가장 큰 충격이었습니다.
코드 한 줄 없이, 노드 하나에 메모리를 붙이고, 도구를 매달고, 실행 로그까지 그대로 확인할 수 있었습니다. 수강생분들도 가장 환호한 지점이 이 부분이었어요. "이게 정말 코드 없이 만든 에이전트라고요?" 라는 반응이 가장 많았습니다.
저 개인적으로는 데이터 파이프라인 — 매일 새벽에 여러 소스에서 데이터를 끌어와 가공하고 적재하는 흐름과, 메일·문서를 자동으로 분류·요약·정리해 주는 흐름을 매일 쓰고 있습니다. 한 번 만들어 두면, 그 다음 날부터는 사람 손이 거의 닿지 않습니다.
이와 더불어 최근 실무 현장에서 가장 수요가 급증하고 있는 자동화 트렌드는 무엇인가요?
가장 많이 들어오는 요청은 두 갈래입니다.
첫째, 주기적인 리서치·모니터링 자동화 입니다. 경쟁사 동향, 시장 데이터, 뉴스, 소셜 신호를 매일·매주 자동으로 수집해서 요약 보고서로 받아 보고 싶다는 요청이 폭발적으로 늘었습니다. 사람이 하면 하루 종일 걸리는 일이, 자동화하면 새벽에 이미 끝나 있는 상태가 됩니다.
둘째, 데이터 ETL 작업 — 흩어진 데이터를 한 곳에 모아 정제하고 적재하는 흐름입니다. 영업·마케팅·재무팀이 각자 다른 도구를 쓰면서 데이터가 파편화돼 있는데, 그걸 잇는 일은 사람이 해도 안 끝나는 일이거든요. n8n이 가장 빛나는 영역이고, 실제로 가장 ROI가 높은 영역이기도 합니다.
폐쇄망에서의 엑셀 자동화 요청도 많이 들어옵니다만, 솔직히 n8n이 가장 잘하는 영역은 아닙니다. 도구는 맞는 곳에 써야 빛난다 — 컨설팅을 하면서 매번 다시 배우는 사실입니다.
따라 할 땐 잘 되다가도, 막상 내 업무를 자동화하려고 하면 멍해지는 분들이 많습니다. 나만의 워크플로를 설계하려면 어떤 마음가짐이 필요할까요?
두 가지 마음가짐이 필요합니다.
첫째, 만들기 전에 펼치세요. 본인의 업무를 종이든 노션이든 화이트보드든 좋으니 한 번 흐름으로 풀어내 보세요. 어디서 시작해서, 어떤 조건이 되면 어떻게 갈라지고, 결과가 어디로 흘러가는지 — 이걸 적어 보지 않고 바로 n8n 에디터를 여시는 분들이 가장 많이 멈춥니다. 자동화는 마우스 작업이 아니라 사고 작업입니다.
둘째, 한 번 만들고 끝이 아니라는 걸 받아들이세요. 자동화는 시스템이고, 시스템은 살아 있는 생물입니다. API 변경, 데이터 형식 변화, 새로운 예외 케이스 — 매주 조금씩 다듬어야 합니다. 이걸 "귀찮음"이 아니라 "내 시스템이 자라는 일" 로 받아들이시면, 자동화는 평생의 자산이 됩니다.
처음부터 완벽하게 만들지 마세요. 80%에서 출발하고, 매주 1%씩 올리세요. 1년 뒤 그 1%들이 복리로 쌓여 있을 겁니다.
우리가 흔히 웹사이트에 접속해 AI에게 질문하는 것과, n8n으로 AI 에이전트를 구축해서 일을 시키는 것은 우리의 업무 방식을 어떻게 바꿀까요?
가장 큰 차이는 "내가 가야 하나, 시스템이 오느냐" 입니다.
웹사이트에서 AI에게 묻는 건 — 내가 매번 가서, 매번 말 걸고, 매번 답을 가져와야 합니다. 일이 사라지지 않습니다. AI에게 묻는 일 자체가 새로운 일이 됩니다.
n8n으로 AI 에이전트를 구축하면 이야기가 완전히 달라집니다. 조건이 충족되는 순간 AI가 알아서 일하기 시작합니다. 새 메일이 오면 분류하고, 새 인보이스가 오면 OCR해서 시트에 적고, 새 리드가 들어오면 점수를 매겨 알맞은 사람에게 알립니다. 저는 그 결과만 받습니다.
쉽게 말하면 — AI는 두뇌, n8n은 사내 배관입니다. 두뇌만 있으면 매번 그 두뇌에게 가야 하지만, 배관과 결합되면 두뇌가 알아서 흐름 안에서 일합니다. 묻는 사람에서, 받는 사람으로 — 그게 자동화가 가져오는 가장 큰 변화입니다.
초보자 입장에서는 '도커'라는 단어만 들어도 덜컥 겁이 나는데, 이 산을 넘었을 때 얻을 수 있는 가장 큰 이점은 무엇일까요?
도커는 "앱 한 채를 박스에 통째로 넣어, 어디서든 똑같이 돌아가게 만드는 도구" 입니다. 그 이상은 처음에 몰라도 됩니다.
이 산을 넘으면 얻는 가장 큰 이점은 — 내 자동화를 내 손 안에 두는 것 입니다.
n8n을 클라우드 서비스로 쓰면 그 회사의 가격 정책·약관·서비스 중단에 묶이게 됩니다. 도커로 직접 띄우면, 내 서버 안에서 무제한으로 돌아갑니다. 회사 노트북에 띄울 수도, 미니 PC에 띄울 수도, 사내 서버에 띄울 수도 있어요. 데이터 한 줄도 외부로 안 나갑니다.
요즘은 정말 시작하기 좋은 시대입니다. n8n에서 공식으로 제공하는 self-hosted-ai-starter-kit을 받아 docker compose up -d 두 줄이면 끝납니다. 클로드 코드 같은 AI 도구가 셋업·유지보수·백업까지 도와주니, 도커가 진짜 부담이었던 시기는 이제 지났습니다.
AI가 알아서 다 해줄 것 같은 이 시대에 n8n과 같은 자동화 도구를 다룰 줄 아는 것이 왜 중요할까요?
AI가 모든 걸 다 해주는 게 아니라는 사실 을, 토큰 청구서를 한 번 받아 보면 깨닫게 됩니다.
매일 똑같이 반복되는 일까지 매번 비싼 추론 모델에게 시키는 건, 편의점 가는 데 콜택시 부르는 일과 같습니다. AI는 판단이 필요한 순간에만 부르고, 흐름은 n8n이 운반해야 합니다.
쉽게 정리하면 — AI는 두뇌, n8n은 손과 발입니다. 판단은 AI가, 트리거·라우팅·API 호출·DB 적재 같은 결정적인 흐름은 n8n이. 이 분업을 적용하는 순간 토큰 비용은 1/10로 줄고, 워크플로우는 훨씬 안정적이 됩니다. (LLM은 매번 결과가 조금씩 달라지지만, n8n은 정확히 같은 결과를 매번 돌려주니까요.)
AI가 더 똑똑해질수록, 그 똑똑함을 어디에 어떻게 흘려보낼지 가 더 중요해집니다. 자동화 도구를 다룰 줄 안다는 건, 이 AI 시대를 지켜보는 사람이 아니라 설계하는 사람이 된다는 뜻입니다.
이 책을 덮고 자신만의 자동화를 이루어 낼 독자들이 궁극적으로 어떤 것을 이루길 바라시나요?
한 마디로 — 복리 엔진을 만드시길 바랍니다.
자동화는 한 번 만들면 끝이 아니라, 매주 조금씩 쌓이는 자산입니다. 처음에는 작은 메일 분류, 다음엔 데이터 정리, 그 다음엔 보고서 자동 생성, 그 다음엔 시장 모니터링 — 이렇게 한 줄 한 줄 쌓이면 어느 순간 그것들이 서로 연결되어 시스템이 됩니다. 그 시스템은 제가 잠든 사이에도 일합니다.
자동화가 잘 굴러가는 만큼, 자연스럽게 잠과 건강이 돌아옵니다. 그리고 그 시간은 그대로 가족과의 식탁으로, 친구와의 산책으로, 자신만의 취미로 흘러갑니다. 결국 자동화는 도구의 이야기가 아니라 삶을 되찾는 이야기입니다.
저는 한때 하루 3시간씩 자며, 왼쪽 팔이 저릴 만큼 일했습니다. n8n을 만나고 나서야 잠과 가족을 돌려받았습니다. 이 책을 덮으신 분들도, 1년 뒤에는 자동화가 자라며 잠과 건강과 행복이 복리로 커지는 자리에 계셨으면 좋겠습니다.
우리는 결국 사람이고, 행복하고 평화로운 가정에서 살기 위해 일을 합니다. 그 본질을 되찾는 도구로 자동화가 쓰이길, 진심으로 응원드립니다.