🤖 AI가 기사를 쓰고, 요약하고, 올리기까지! 뉴스 자동작성·요약·업로드 파이프라인 완전 정복

📜 1. 로봇 기자, 생각보다 훨씬 오래됐다

"AI 기사"라고 하면 다들 ChatGPT부터 떠올리는데, 사실 뉴스 자동화의 1세대는 템플릿 기반 자연어 생성(NLG, Natural Language Generation)이었어. 데이터 칸에 숫자를 넣으면 미리 짜둔 문장 틀에 맞춰 기사가 튀어나오는 방식이지. 쉽게 말해 아주 똑똑한 "빈칸 채우기 기계"야.

여기서 포인트! 1세대 로봇 기자는 데이터가 정확하면 기사도 정확했어. 틀 밖으로 절대 안 나가니까. 반면 LLM은 문장은 훨씬 자연스럽지만 없는 사실을 그럴듯하게 지어내는 '환각(Hallucination)'이라는 고질병이 있어. 이 차이가 오늘 얘기의 핵심 축이야.

⚙️ 2. 뉴스 자동화 파이프라인, 해부해보자

"AI가 기사 쓰고 올려준다"를 개발자 눈으로 쪼개면 대략 이런 단계가 나와. 각 단계를 하나의 에이전트(Agent) 또는 모듈로 보면 이해가 쉬워.

보통 초보자들이 1, 3, 6번만 만들고 "완성!"을 외치는데, 진짜 실력은 2, 5, 7번에서 갈려. 특히 5번을 빼먹으면 서비스가 아니라 시한폭탄이 된다는 거, 기억해두자 💣

✍️ 3. '작성' 단계: 템플릿 vs LLM vs 하이브리드

하이브리드에서 자주 쓰는 패턴이 바로 RAG(Retrieval-Augmented Generation, 검색 증강 생성)야. LLM한테 "네 기억으로 쓰지 말고, 내가 준 이 자료 안에서만 써"라고 원문을 함께 넣어주는 방식이지. 그리고 프롬프트에 "자료에 없는 수치나 인용은 절대 만들지 말 것, 모르면 '확인 필요'라고 표시할 것" 같은 규칙을 명시해.

📝 4. '요약' 단계: 형광펜형 vs 작가형

요약 기술은 크게 두 갈래야.

요약 품질을 숫자로 재는 대표 지표가 ROUGE야. 모델 요약과 사람이 쓴 정답 요약이 단어(n-gram)를 얼마나 겹치게 쓰는지 보는 거지. 다만 ROUGE가 높다고 사실이 맞다는 보장은 없어서, 최근엔 "요약문의 각 문장이 원문으로 뒷받침되는가"를 따지는 사실 일관성(Factual Consistency) 검사를 함께 돌리는 추세야.

실무형 요약 세트는 보통 이렇게 뽑아:

💻 5. 직접 만들어보는 미니 파이프라인 (파이썬)

개념만 보면 감이 안 오지? 아주 단순화한 뼈대 코드를 보자. RSS를 읽고 → LLM으로 요약 초안을 만들고 → 워드프레스에 '초안(draft)' 상태로 올리는 구조야. 바로 공개(publish)하지 않고 초안으로 올리는 게 핵심! 사람이 확인하고 발행 버튼을 누르게 하려는 거지.

import feedparser
import requests
from openai import OpenAI

client = OpenAI()  # 환경변수 OPENAI_API_KEY 사용

WP_URL = "https://example.com/wp-json/wp/v2/posts"
WP_USER = "editor_bot"
WP_APP_PASSWORD = "xxxx xxxx xxxx xxxx"  # 워드프레스 애플리케이션 비밀번호

SYSTEM_RULE = (
    "너는 뉴스 편집 보조야. 제공된 원문 안의 사실만 사용해. "
    "원문에 없는 수치, 인용, 인물은 절대 만들지 마. "
    "불확실하면 [확인 필요]라고 표시해."
)

def summarize(title, body):
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": SYSTEM_RULE},
            {"role": "user", "content": f"제목: {title}\n본문: {body}\n\n"
                                        "3줄 요약과 출처 표기를 작성해줘."}
        ],
        temperature=0.2,
    )
    return resp.choices[0].message.content

def post_draft(title, content, source_url):
    data = {
        "title": title,
        "content": content + f"\n\n출처: {source_url}\n※ AI 보조로 작성된 요약입니다.",
        "status": "draft",  # 바로 공개하지 않음!
    }
    r = requests.post(WP_URL, json=data, auth=(WP_USER, WP_APP_PASSWORD), timeout=30)
    r.raise_for_status()
    return r.json()["id"]

feed = feedparser.parse("https://example.com/press/rss")
for entry in feed.entries[:5]:
    summary = summarize(entry.title, entry.get("summary", ""))
    post_id = post_draft(entry.title, summary, entry.link)
    print("초안 생성:", post_id)

몇 가지 짚고 갈게.

✅ temperature를 낮게(0~0.3) 두면 창의성은 줄지만 엉뚱한 표현이 줄어들어. 뉴스엔 창의성보다 정확성!
✅ 워드프레스는 5.6 버전부터 '애플리케이션 비밀번호' 기능이 기본 탑재돼서 REST API 인증에 쓸 수 있어. 계정 본 비밀번호를 코드에 박는 건 금물.
✅ 출처 링크와 AI 보조 작성 고지를 자동으로 붙이는 습관을 들이자.
✅ 실제 서비스라면 중복 체크(이미 올린 링크인지 DB 조회), 재시도 로직, 실패 알림(슬랙·메일)이 꼭 들어가야 해.

🕵️ 6. 검증 단계: 진짜 실력은 여기서 갈린다

환각을 줄이는 실전 기법을 정리하면 이래.

⚖️ 7. 업로드 전 꼭 알아야 할 법·플랫폼 규칙

기술은 쉬워졌는데, 규칙은 오히려 까다로워졌어. 자동 업로드 시스템을 만든다면 이 세 가지는 꼭 챙기자.

🧠 8. 에이전트 시대: 한 명의 AI가 아니라 'AI 편집국'

요즘 AI 자동화 쪽 트렌드는 단일 프롬프트가 아니라 역할을 나눈 멀티 에이전트 구조야. 마치 편집국처럼 말이지.

LangGraph, CrewAI, AutoGen 같은 프레임워크가 이런 다단계 에이전트 흐름을 구성하는 데 많이 쓰여. 그리고 각 에이전트가 외부 도구(검색, DB, CMS)를 호출할 때 쓰는 함수 호출(Function Calling)이나, 도구 연결을 표준화하려는 MCP(Model Context Protocol) 같은 흐름도 알아두면 좋아.

하지만 에이전트가 많아진다고 책임이 분산되는 건 아니야. 기사에 대한 책임은 결국 그걸 발행한 사람과 조직에 있어.

💸 9. 비용과 운영, 현실적인 이야기

"AI로 하루 1,000개 자동 발행하면 대박 아냐?" 이런 생각 한 번쯤 해봤지? 😏 현실은 이래.

그래서 성공하는 자동화는 대부분 "AI가 사람을 대체"가 아니라 "AI가 반복 작업을 맡고, 사람은 판단과 취재에 집중"하는 구조야. AP가 실적 기사를 자동화했을 때도 기자들을 해고하는 게 아니라, 아낀 시간을 심층 보도에 돌렸다고 밝혔던 것처럼 말이야.

🎯 10. 이런 곳에 쓰면 딱 좋아

결국 AI 뉴스 자동화는 "글 쓰는 기계"를 만드는 게 아니라 "믿을 수 있는 정보 공장"을 설계하는 일이야. 기계는 지치지 않고 빠르지만, 무엇이 사실이고 무엇이 중요한지 판단하는 건 여전히 사람의 몫이지. 이 균형만 잘 잡으면, 너도 혼자서 작은 편집국 하나를 굴리는 개발자가 될 수 있어 🚀
자동화 아이디어는 있는데 구현이 막막하다면, 재능넷에서 같은 고민을 해본 개발자들의 재능을 빌려보는 것도 좋은 출발점이 될 거야. 그럼 다음 자동화 이야기에서 또 만나자! 👋