81.8초 영상에 15개 버전, Codex로 만든 AI 네이티브 영상 제작기

여러분, 지금 제품 자료 한 부를 받아서 며칠 안에 전파력 있는 영상 하나를 만들어야 한다면, 어디서부터 시작하시겠습니까? 스크립트 쓰기, 소재 찾기, 화면 만들기, 더빙 시험, 음악 고르기…… 각 단계마다 이 일에는 온전한 팀 하나가 필요하다는 걸 상기시켜 줍니다.

이번에는 우리가 다른 방식을 택했습니다. 여러분은 목표를 명확히 설명하고, 마음에 드는 방향을 고르고, 매 라운드마다 솔직한 느낌을 말하기만 하면 됩니다. Codex가 그 뒤의 스크립트, 스토리보드, 모션, 더빙, 음악, 믹싱, 시사(審片), 렌더링을 맡습니다.

결국 우리는 81.8초짜리 제품 영상 하나를 얻었고, 15개의 주요 버전도 남겼습니다. 더 중요한 것은, 예전에는 상상하기 어려웠던 한 가지를 검증했다는 점입니다. 전문 편집 경험이 없는 사람도 지속적인 대화를 통해 순수 AI 제작 파이프라인을 가동하고, 머릿속 아이디어를 한 단계씩 완성된 영상으로 바꿀 수 있다는 것입니다.

이 글에서 나누고자 하는 것은 바로 이 가져갈 수 있는 방법론입니다. 여러분은 어떻게 AI에게 좋은 출발점을 줄 수 있을까? '더 고급스럽게' 대신 참고 화면을 어떻게 쓸까? 정적인 내용을 어떻게 움직이게 할까? 더빙과 음악을 어떻게 이야기에 진정으로 봉사하도록 조정할까?

여러분은 목표, 선택, 피드백만 책임집니다. AI는 매 판단을 다음 버전에서 바로 볼 수 있는 결과로 바꾸는 일을 맡습니다.

먼저 결과부터

링크 1(OSS): embedding.s3.cn-north-1.jdcloud-oss.com/tingquan-v1…

링크 2(Public OSS): embedding.s3.cn-north-1.jdcloud-oss.com/public/2026…

이번에 완성한 것 결과 완성 영상 81.8초, 1920×1080 반복 15개 주요 버전 제작 범위 스크립트, 스토리보드, 모션, 더빙, 음악, 믹싱, 시사, 렌더링 협업 방식 여러분은 계속 판단하고, Codex는 계속 실행

그림: 영상 전체를 하나의 타임라인 시사 이미지로 펼친 모습. 진행 바를 반복해서 드래그하지 않아도 어디가 너무 빽빽한지, 어디가 너무 비었는지, 어느 몇 구간의 화면이 너무 비슷하게 생겼는지 빠르게 알아볼 수 있습니다.

AI가 실제로 덜어낸 것은 무엇인가?

여러분도 이런 경험이 있지 않으셨나요? 아이디어는 아직 머릿속에 있는데, 먼저 소프트웨어를 배우고, 템플릿을 찾고, 디자인과 편집을 조율해야 합니다. 겨우 첫 버전을 만들었더니 '템포를 좀 더 빠르게'라는 한마디가 다시 조율해야 할 일련의 작업이 됩니다.

이번에 가장 뚜렷한 변화는, 여러분이 계속 자신이 익숙한 언어로 일할 수 있다는 점입니다.

여러분이 책임지는 것 AI가 맡는 것 이 영상이 누구에게 읽히고, 다 보고 나서 무엇을 기억하게 할지 명확히 설명하기 자료를 정리하고, 스크립트와 스토리보드 안을 생성하기 여러 방향 중에서 마음에 드는 하나를 고르기 선택한 방향을 화면, 모션, 사운드로 만들기 잘못된 부분을 보면 느낌과 이유를 직접 말하기 해당 문단을 수정하고, 이후 리듬을 연동해 조정하고 다시 영상을 뽑기 사실, 심미, 최종 발행 결정을 지키기 소재, 버전, 제작 컨텍스트를 유지하고, 반복 실행과 점검을 완수하기

여기서 '순수 AI 구동'이란, 동일한 Agent가 제작 파이프라인 전체를 지속적으로 유지·관리한다는 뜻입니다. 그것은 적절한 음성, 음악, 영상 도구를 호출하고, 지난 라운드에서 왜 그렇게 수정했는지도 기억합니다. 여러분이 각 도구 사이에서 '인간 전달자' 역할을 할 필요가 없습니다.

방법 1: 먼저 AI가 이야기를 매끄럽게 풀어내게 하라

시작하자마자 정교한 화면을 만들면 잘못된 이야기에 시간을 쓰기 쉽습니다. 우리는 먼저 세 가지 질문을 던집니다. 관객은 왜 계속 보고 싶어 하는가? 중간에 무슨 변화가 일어나는가? 마지막에 어떤 한마디를 기억하게 하고 싶은가?

첫 라운드 과제를 AI에게 맡길 수 있습니다.

1. 원본 자료를 읽고, 각각 세 가지 내러티브 관점을 제시한다;

2. 각 관점마다 '오프닝 훅—핵심 변화—결과' 세 단락만 쓴다;

3. 방향을 정한 뒤에, 다시 샷별 제목, 내레이션, 화면 동작, 길이로 쪼갠다;

4. 각 샷은 주요 정보 하나만 담당하고, 내레이션이 어디까지 말하면 화면도 거기에 맞춰 반응한다.

이 영상의 초기 스크립트는 오히려 기능 목록에 가까웠습니다. 이후 우리는 기능을 앞으로 나아가는 사건 사슬 안에 다시 엮었습니다. 문제가 발생하고, AI가 단서를 발견하고, 계속 검증하고 연관 지어 마지막에 행동을 이끌어냅니다. 기존의 브라우저 재생, 실행 데이터, 제품 화면은 대부분 그대로 유지되었고, 변화는 주로 순서, 취사선택, 연결 방식에서 일어났습니다.

이것도 아주 실용적인 부담 경감 사고방식입니다. 이야기를 바꿀 때 기존 화면을 여전히 계속 재사용할 수 있습니다. 먼저 AI에게 소재를 정리하게 하고, 다시 물어보세요. '어떤 화면을 계속 쓸 수 있나? 인과관계가 성립하도록 하려면 어떤 샷 몇 개만 보충하면 되나?'

스크립트를 이렇게 판단할 수도 있습니다. 모든 화면을 먼저 걷어내고 내레이션만 들었을 때, 여전히 이야기를 복기할 수 있는가? 답이 모호하면 스크립트를 계속 고치고, 서둘러 애니메이션을 만들지 마세요.

방법 2: '더 고급'이라고만 하지 말고, AI가 볼 수 있는 참고를 줘라

'더 테크 느낌 나게 해줘', '좀 더 고급스럽게', '화면을 더 풍부하게' — 이런 요구는 듣기에는 명확해 보이지만, 실행 단계에 이르면 해석의 여지가 아주 많습니다. 어떻게 하면 AI를 여러분 머릿속의 효과에 더 가깝게 만들 수 있을까요? 가장 효과적인 방법은 심미적 선호를 관찰 가능한 참고로 바꾸는 것입니다.

우리는 먼저 HeyGen HyperFrames Examples에 가서 공식 사례를 둘러보고, 제품 출시, 데이터 스토리, 흐름도, 인터페이스 데모, 동적 차트 중에서 목표에 가까운 클립을 골랐습니다. 이어서 AI에게 그중에서 재사용 가능한 '화면 부품'을 분해하게 하고, 우리 브랜드와 내용으로 다시 조합하게 했습니다.

• 정보는 어디서 들어오고, 관객은 첫눈에 어디를 보는가;

• 제목, 본문, 보조 정보는 어떻게 층을 이루는가;

• 카드는 어떻게 나타나고, 머물고, 퇴장하는가;

• 샷은 어떻게 한 정보에서 다음 정보로 자연스럽게 이어지는가;

• 어떤 변화를 애니메이션으로 표현하고, 어떤 내용은 조용히 유지하는가.

그림: HeyGen HyperFrames 공식 사례 라이브러리. 참고의 가치는 구체적인 구도, 리듬, 모션 언어를 제공해 AI가 분석할 대상을 갖게 해 준다는 데 있습니다.

AI에게 참고를 줄 때, 이 문장을 활용할 수 있습니다.

이 사례의 「정보 계층, 카드 진입, 샷 전진」을 참고하고, 우리 브랜드 색과 내용은 유지해 줘. 먼저 정적 구도 한 장과 5초 모션 프리뷰를 주고, 확인되면 전체 영상으로 확장해 줘.

이렇게 하면 '내가 무엇을 좋아하는가'가 AI가 실행하고 검증할 수 있는 제약으로 바뀝니다. 여러분도 애니메이션 용어를 몰라도 되고, 어느 구간이 편안하게 느껴지는지, 어떤 동작이 내용을 이해하는 데 도움을 주는지 짚어주는 것만으로도 충분히 가치가 있습니다.

이번의 핵심 토대: HyperFrames는 대체 무엇인가?

여러분은 물을 수 있습니다. AI는 어떻게 실제로 애니메이션을 고치고 영상을 뽑는가? 이 가운데 핵심 토대가 바로 HyperFrames입니다.

HyperFrames는 HeyGen 팀이 오픈소스로 공개한 HTML-to-video 프레임워크입니다. 여러분이 원하는 영상을 설명하면, Agent가 그것이 익숙한 HTML, CSS, JavaScript를 사용해 화면을 구성하고; HyperFrames가 다시 웹페이지 안의 글자, 이미지, 영상, 차트, 애니메이션을 안정적으로 MP4로 렌더링합니다. 프로젝트에 남는 것 역시 계속 편집할 수 있는 파일 묶음이라, 다음 라운드에도 이어서 이야기하고 이어서 고칠 수 있습니다.

오픈소스 프로젝트로, HeyGen의 핵심 메인테이너가 방향과 병합을 책임지고, 현재 Apache 2.0 라이선스를 채택하고 있습니다. HeyGen은 자사 제품 출시 영상의 HyperFrames 프로젝트도 공개했는데, 이는 우리가 완성 영상을 볼 수 있을 뿐 아니라 실제 프로젝트가 스토리보드, 소재, 모션을 어떻게 조직하는지도 연구할 수 있다는 뜻입니다.

왜 이것이 AI가 영상을 만들기에 매우 적합한가?

• AI가 이런 표현 방식에 익숙합니다. 웹페이지 코드 자체가 구조화된 텍스트입니다. '제목을 조금 줄여줘', '숫자가 차례로 커져라', '클릭하면 다음 층이 펼쳐져라'라고 말하면, Agent가 대응하는 요소를 쉽게 찾아 수정할 수 있습니다.

• 매 라운드마다 계속 편집할 수 있습니다. 완성 영상 뒤에 완전한 프로젝트가 남아 있어, 문구, 색, 데이터, 리듬, 애니메이션을 모두 국소적으로 업데이트할 수 있습니다.

• 프리뷰와 완성 영상이 더 일관되기 쉽습니다. HyperFrames는 각 시간 지점을 능동적으로 찾아간 뒤 프레임별로 영상을 생성합니다; 동일한 입력은 안정적으로 재현할 수 있고, 스크린샷 시사와 버전 비교에도 편리합니다.

• 기성 영감을 바로 Agent에게 넘길 수 있습니다. Examples는 제품 홍보, 동적 차트, 의사결정 트리, 다이내믹 타이포그래피 등의 출발점을 제공합니다; Catalog는 자막, 전환, 차트, 소셜 카드, 특수효과 컴포넌트까지 제공합니다. 먼저 효과를 보고, 페이지와 자연어 요구사항을 함께 AI에게 넘기면 됩니다.

공식 사이트에는 어떤 사례를 볼 만한가?

HyperFrames Showcase는 영상 영감 라이브러리로 삼기에 아주 좋습니다. 제품 홍보를 하고 싶다면 HeyGen × Stripe Product Launch와 Product Promo를 보면 됩니다; 웹페이지를 단편 영상으로 만들고 싶다면 Website → Video를 보면 됩니다; 데이터와 복잡한 개념을 설명하고 싶다면 SpaceX Explainer, NYT Graph, Decision Tree를 보면 됩니다; 리듬을 배우고 싶다면 Kinetic Type과 Music to Video를 보면 됩니다; 손에 이미 디자인 시안이 있다면 Figma → HyperFrames를 참고할 수도 있습니다.

이 사례들을 사용할 때, 여러분은 마음에 드는 클립만 골라서 다시 AI에게 말하면 됩니다. '그것의 정보 계층과 운동 리듬을 참고해서, 내 내용과 브랜드로 바꿔줘.' 참고는 모호한 '느낌이 더 나게' 한마디에서 분해하고 실행할 수 있는 화면 언어로 바뀝니다.

HyperFrames, Remotion, ChatCut, 어떻게 고를까?

세 가지가 해결하는 영상 문제는 각기 중점이 다르므로, 먼저 자기 소재와 목표를 보면 됩니다.

도구 핵심 작업 방식 더 잘하는 작업 더 적합한 사람 HyperFrames Agent가 HTML, CSS와 시간 지정 가능한 애니메이션을 작성한 뒤 영상을 렌더링 제품 UI, 동적 차트, 흐름, 모션 홍보 영상, 언어로 지속 수정 AI가 아이디어에서 바로 화면을 구축하기를 원하는 사람 Remotion React 컴포넌트로 각 프레임을 묘사하고, Studio, Player, 클라우드 렌더링을 갖춤 파라미터화 템플릿, 대량 영상, 제품에 임베드하는 영상 기능 React에 익숙하고 프로그래밍 방식 영상 시스템을 구축하려는 개발 팀 ChatCut AI Agent가 실제 멀티트랙 타임라인을 직접 조작하고, 여러분도 계속 수동 정밀 편집 가능 실사 소재 편집, 인터뷰와 구두 해설, 자막, B-roll, 멀티트랙 패키징 이미 대량의 원본 영상이 있고, 빠르게 편집을 마치고 싶은 사람

이 영상의 주체는 제품 인터페이스, 데이터, 관계 네트워크, 흐름 데모이고, 게다가 문구와 리듬이 자주 조정되기 때문에 HyperFrames가 매우 적합합니다. 소재 주체가 인터뷰나 대량 실사로 바뀌면 ChatCut이 더 수월합니다; 목표가 개발자 대상 React 영상 템플릿과 대량 렌더링 서비스를 구축하는 것이라면 Remotion도 매우 성숙합니다. 이들은 조합해서 사용할 수도 있습니다. HyperFrames가 모션 클립을 생성하고, ChatCut이 실사 편집과 최종 패키징을 완성합니다.

방법 3: 모션의 임무는 관객을 데리고 보는 것

정적 페이지를 영상에 넣으면, 정보는 흔히 맞지만 보는 느낌은 PPT를 넘기는 듯합니다. 우리는 어떻게 화면을 살아나게 할까요? 세 가지 질문에서 시작할 수 있습니다. 이 1초에 관객이 어디를 보기를 원하는가? 시선은 다음에 어디로 갈 것인가? 동작이 끝난 뒤 어떤 정보가 남는가?

이번의 가장 중요한 한 가지 상기입니다. 표현력은 더 강한 인과관계와 증거의 릴레이에서 나오고, 애니메이션은 이 관계를 관객의 눈앞까지 보내는 역할을 합니다.

먼저 간단한 자체 점검을 할 수 있습니다. 내레이션의 모든 주장을 화면이 증명할 수 있는가? '발견'을 말할 때는 관객이 원본 단서를 보게 합니다; '분석'을 말할 때는 정보가 어떻게 추출되고 비교되는지 보여줍니다; '결과'를 말할 때는 동작이 실제로 다음 단계에 착지하게 합니다. 화면에 증거가 부족할 때는 이 문장을 삭제하거나, 표현 강도를 낮추거나, 실제 소재를 보충할 수 있습니다.

이 전제 아래, 우리가 가장 자주 쓰는 모션은 네 가지입니다.

1. 정보가 관계에 따라 나타나게 한다. 먼저 문제가 나타나고, 그다음 단서와 결과가 나타난다; 카드가 차례로 진입해, 관객이 인과 사슬을 따라갈 수 있다.

2. 핵심이 스스로 '말하게' 한다. 숫자 증가, 키워드 하이라이트, 스캔 라인 이동, 노드 연결선, 마우스 클릭 모두 지금 일어나고 있는 변화를 알려주는 데 쓴다.

3. 전환이 앞 샷을 이어가게 한다. 앞 샷의 카드, 색, 운동 방향이 다음 샷의 입구가 되어, 갑자기 페이지가 바뀌는 단절감을 줄인다.

4. 화면에 조용한 순간을 남겨둔다. 중요한 결론이 나타난 뒤 한 박자 멈춰, 관객이 다 읽을 시간을 준다; 모든 요소가 동시에 움직이면 오히려 핵심을 잃는다.

매 라운드를 마칠 때마다, 우리는 AI가 핵심 순간에 자동으로 프레임을 캡처해 타임라인 시사 이미지로 이어 붙이게 했습니다. 여러분은 직접 말할 수 있습니다. '세 번째 구간 정보가 너무 빽빽해', '연속 세 화면이 다 카드야', '여기 동작이 내레이션보다 0.5초 빨라.' AI는 이런 시청 감각을 레이아웃, 리듬, 전환에 반영해, 다시 재생 가능한 한 버전을 돌려줍니다.

방법 4: 소리와 음악, '들리는' 데서 '계속 보고 싶은' 데로 조정하기

화면이 갖춰진 뒤에도 왜 어떤 영상은 여전히 밋밋해 보일까요? 많은 경우, 문제는 소리가 이야기하기에 참여하지 않았다는 데 있습니다.

더빙: 먼저 역할을 시청하고, 그다음 샷별로 생성

우리는 먼저 ElevenLabs, Anson, Mossland의 중국어 음성을 차례로 시청해 보고, 마지막에 Mossland의 '나레이션・독행(篤行)'을 골랐습니다. 선택에 실제로 영향을 준 것은 실제 중국어 장문에서의 표현이었습니다. 표현이 자연스럽고, 모국어 느낌이 더 강하며, 이 영상의 절제되고 신뢰감 있는 기질에도 더 부합했습니다.

여기에는 아주 실용적인 시청 방법이 있습니다. 세 종류의 실제 문안을 동시에 테스트하는 것입니다 — 감정 훅 한 문장, 정보 밀집 문장 한 문장, 엔딩 슬로건 한 문장. 그런 다음 모국어 느낌, 강세, 용어 발음, 장시간 청취 시의 피로감을 비교합니다. 세 종류의 문장이 모두 성립해야 이 목소리가 전체 영상에 어울립니다.

분할에는 또 하나의 장점이 있습니다. 어느 문장이 너무 길거나, 강세가 맞지 않거나, 감정이 갑자기 튀면, 여러분은 이 문장만 짚으면 됩니다. AI는 먼저 문안을 고치고, 다시 해당 클립을 재생성할 수 있어, 전체 내레이션을 끌어들이지 않습니다.

음악: 리듬이 이야기를 따라가게 하라

우리는 화면이 거의 확정된 뒤에, 영상 전체를 참고로 음악 모델에 넘기고, 그것이 '화면을 보면서' 후보 음악을 생성하게 했습니다. '테크 느낌 BGM 한 곡 틀어줘'라고만 말하는 것보다, 더 효과적인 설명은 이것입니다. 전반부에는 조사와 추진감이 있고, 중반부는 점차 펼쳐지고, 결말에는 한 번의 명확한 상승이 필요하다; 전체적으로 절제되어, 중국어 내레이션에 공간을 남겨야 한다.

음악을 고를 때, 우리는 세 위치를 중점적으로 들었습니다. 오프닝이 기질을 빠르게 세울 수 있는가, 이야기의 전환이 음악에 받아들여졌는가, 엔딩 슬로건이 나타날 때 감정의 착지점을 완성했는가. 후보 곡을 정한 뒤, AI는 계속해서 길이, 페이드 인·아웃, 인보이스(人声) 회피를 처리합니다.

이번 단계에서 아주 구체적인 사례가 하나 있었습니다. 후보 음악이 완성본보다 4초 넘게 짧았던 것입니다. 우리는 곡을 다시 찾지 않고, Codex에게 기존 테마를 유지하고 자연스럽게 엔딩까지 늘리며, 슬로건이 나올 때 다시 에너지를 끌어올리라고만 알려주었습니다. 그것이 확장과 크로스페이드, 믹싱을 마친 뒤에도 우리는 계속 "내레이션이 명확한가, 엔딩이 잘 마무리되는가"로 결과를 판단했습니다.

당신은 몇 가지 아주 직관적인 질문에만 답하면 됩니다. 이 곡이 내레이션을 잡아먹지 않을까? 중간부가 앞으로 나아가고 있는가? 결말에 '여기서 끝'이라는 느낌이 있는가? 이 답만으로도 AI가 다음 버전을 완성하기에 충분합니다.

한 마디 피드백은 어떻게 다음 버전 완성본이 되는가?

당신은 의견을 전문 파라미터로 번역할 필요가 없습니다. 우리가 가장 자주 쓰는 피드백 구조는 딱 네 가지 항목입니다.

도달하고 싶은 효과 + 참고할 수 있는 화면 + 반드시 유지해야 할 내용 + 어떻게 되면 잘 고친 것인가

예를 들어:

• "이 부분은 기능 목록 같습니다. 나는 관객이 먼저 문제를 보고, 그다음 AI가 어떻게 처리하는지를 보길 바랍니다. 두 개의 핵심 데이터는 유지하고, 다 되면 이 부분 앞뒤 각 2초를 보여주세요."

• "공식 사례에서 카드가 층층이 펼쳐지는 리듬을 참고하고, 색은 계속 우리 브랜드 색을 쓰세요. 제목이 나온 뒤 반 초 멈췄다가 데이터를 보여주세요."

• "음악이 사람 목소리를 좀 잡아먹습니다. 지금의 추진감은 유지하고, 내레이션 영역은 비워주고, 엔딩 슬로건 부분에서 다시 끌어올려 주세요."

• "연속된 여러 화면이 너무 비슷합니다. 정보 순서는 유지하고, 공간 관계를 다른 방식으로 바꾸고, 전체 타임라인 스크린샷을 나에게 보내 비교하게 해주세요."

• "한 발 물러나 봅시다. 지금은 기능을 쌓고 있는 것인가, 아니면 앞으로 나아가는 이야기를 하고 있는 것인가? 방안이 실제로 돌아간다는 것을 증명하는 화면은 유지하고, 다시 한 버전 주세요."

이것이 바로 AI의 부담을 가장 확실히 덜어주는 지점입니다. 당신은 보는 느낌을 표현하고, AI는 스크립트와 화면, 소리, 버전 사이의 연동 수정을 완성합니다.

이 방법을 당신은 어떻게 재사용할 수 있는가?

당신도 AI로 제품 소개, 프로젝트 보고나 데이터 스토리를 만들고 싶다면, 아래 일곱 단계부터 시작할 수 있습니다.

1. 자료, 대상, 전달 목표와 사실 경계를 한 번에 AI에게 넘긴다;

2. 먼저 세 가지 이야기 각도를 요구하고, 방향만 선택하고 당장 정교한 화면은 만들지 않는다;

3. 사례 라이브러리에서 두세 개의 참고를 골라, AI가 구도와 리듬, 모션을 분석하게 한다;

4. 먼저 핵심적인 한 장면과 짧은 모션 하나를 만들어 시각 언어를 확인한다;

5. 전체 영상으로 확장하고, 타임라인 검토 이미지로 정보 밀도와 반복감을 점검한다;

6. 장면별로 내레이션을 생성하고, 화면이 고정된 뒤에 음악을 생성하고 수정한다;

7. 바로 자연어로 검토하고, 같은 하나의 Agent가 계속 수정하고, 영상을 내고, 버전을 남기게 한다.

이 모든 과정에서 당신은 세 가지만 지키면 됩니다. 목표가 어긋나지 않았는가, 사실을 잘못 말하지 않았는가, 완성본을 당신이 기꺼이 공유할 의향이 있는가.

마지막: AI는 더 많은 사람에게 '만들어 내는' 능력을 갖게 했다

81.8초, 15개 버전, 이 숫자들이 진짜 말하려는 것은 무엇인가? 영상 제작은 한 세트의 전문 소프트웨어 안에서의 복잡한 조작에서, 목표와 참고, 피드백을 둘러싼 지속적인 대화로 변해가고 있습니다.

AI는 이미 스크립트부터 납품까지의 많은 작업을 받아낼 수 있습니다. 당신은 더 중요한 부분에 힘을 남겨둘 수 있습니다. 관객을 이해하고, 이야기를 선택하고, 좋고 나쁨을 판단하는 일입니다. 과거에는 PPT와 머릿속에서 멈춰 있던 아이디어가, 이제는 빠르게 보거나 고칠 수 있고 기꺼이 공유하고 싶은 영상 하나로 만들어질 기회를 갖게 되었습니다.

만약 내일 당신의 손에 있는 프로젝트를 소개해야 한다면, 어느 단계를 가장 먼저 AI에게 맡기고 싶습니까?