(번역) 유튜브 Make+n8n 고수 샘호트만의 실전 활용법 대공개

https://www.youtube.com/watch?v=DUlI3zqOOw0

📌 Make와 N8N을 활용한 자동화 시스템 구축 시 가장 중요한 철학은 무엇인가?

자동화 시스템을 만들기 위해서는 반드시 몸소 겪어보고 반복되는 패턴을 찾아 일반화하는 과정이 필요하며, 고품질에 대한 강박을 버리고 빠르게 많이 만들면서 최적화하는 것이 중요합니다.

💡 Make와 N8N의 주요 차이점은 무엇인가?

항목	Make	N8N
러닝 커브	초보자에게 적합	IT 리터러시가 높고 짠돌이에게 적합 (도커 등 학습 필요)
활용 분야	일반적인 자동화 작업	챗봇, AI 에이전트 등 오퍼레이션 소모량이 많고 강력한 기능이 필요한 경우
특징	직관적, 쉬운 접근성	오픈소스 활용 가능, 강력한 에이전트 기능 (도구 연결)

Make와 n8n 기반의 실전 자동화 워크플로우 구축 노하우를 담은 인터뷰입니다. 자동화의 핵심 철학인 '똥인지 된장인지 직접 경험하는 실행력'을 바탕으로, 유튜브 콘텐츠 제작부터 잠재 고객 관리까지 복잡한 백엔드 작업을 Make로 어떻게 단순화했는지 구체적인 사례를 통해 배울 수 있습니다. 특히 초보자를 위한 Make와 n8n의 차이점, 그리고 개인 기록과 패턴 분석을 통한 자동화 소재 발굴법 등 실용적인 인사이트를 얻어 즉시 적용 가능한 시스템 구축의 첫걸음을 뗄 수 있습니다.

1. 인터뷰 개요 및 연사 소개

1.1. 인터뷰 소개 및 연사 소개

인터뷰 목적: Make와 n8n 기반의 자동화 분야에서 활동하는 연사(샘호트만)를 모시고 실전 활용법과 노하우를 공유하는 자리이다 .

연사 소개:
과거에 AI 엔지니어로 일했으며, 현재는 자동화 크리에이터로 활동하고 있다 .
유튜브에는 자동화 워크플로우 관련 내용을 제작하여 올리고 있으며, 기업 강의 및 기업 대상 AI 모델 개발 업무를 수행하고 있다 .

1.2. 연사의 학문적 배경

전공: 대학교 및 석사 과정에서 통계학을 전공했다 .
AI 분야 입문: 대학교 졸업 후, 자연어 처리(이전 텍스트 마이닝) 학문을 접하며 AI 분야에 입문했다 .
사회생활 중에는 챗GPT의 시조격이 되는 기술들을 개발하고 기업에 납품하는 프로젝트를 수행했다 .
통계학 전공 이유:
원래는 수학을 좋아했으며, 통계학이 생활에 더 쓸모 있을 것이라 생각했다 .
군대 전역 후 빅데이터 키워드가 유행하면서 자연스럽게 컴퓨터 분야를 공부하게 되었다 .
순수 학문으로서의 통계학을 좋아했으며, 교수님의 칠판 증명 풀이 과정을 즐겼었다 .
실행력 강조: AI 발전이 빠르지만, 현재는 실행력이 가장 중요하며, 실행력을 바탕으로 하면 남들보다 빠르고 길을 잘 알 수 있어 큰 도움이 된다고 강조한다 .

2. 자동화 철학 및 유튜브 제작 시스템 구축 사례

2.1. 자동화의 핵심 철학: 몸소 경험하기

자동화에 대한 오해: 많은 사람이 자동화를 통해 아무것도 하지 않고 편하게 얻기를 원하지만 현실은 그렇지 않다 .
문제 정의의 중요성: 어려운 문제들을 정의하기 위해서는 몸소 실천하여 경험해봐야 한다고 강조한다 .
유튜브 제작 시스템 구축 경험:
유튜브를 시작할 때 무엇부터 해야 할지 몰라, 시스템 구축을 위해 직접 겪어봐야겠다고 깨달았다 .
연사 본인만의 유튜브 제작 순서 시스템을 구성했다 .

2.2. 유튜브 콘텐츠 제작 및 자동화 워크플로우

주간 작업 흐름:
수요일: 다른 사람이나 구독자가 요청한 핫한 주제를 수급한다 .
목요일: 수급한 주제를 N8N이나 Make로 개발하고 테스트한다 .
테스트 후 괜찮으면 1차 촬영을 진행한다 .
촬영 후 처리 과정:
촬영 시 개발 부분만 따로 개발한 후, 부분 편집 시 텍스트를 추출한다 .
추출된 텍스트를 기반으로 커스텀 챗봇(클로드 앱 프로젝트)을 활용한다 .
챗봇을 통해 썸네일 초안 가이드라인 생성, 인트로/아웃트로 생성, 유튜브 제목 생성, 타임스탬프 생성 등의 작업을 배치한다 .
클로드 프로젝트 활용 사례:
연사는 GPTS보다 클로드 앱 프로젝트를 선호하는데, 이는 글쓰기를 잘하고 개인 스타일에 맞게 잘 만들어주기 때문이다 .
최근 영상의 대본(STT 목사본)을 클로드에 드래그 앤 드롭하면, 영상 설명(디스크립션), 시청자 타겟팅 정보, 타임스탬프 등이 자동으로 생성되어 영상 하나를 만드는 일련의 주기를 정의할 수 있다 .

2.3. 자동화 시스템 구축의 교훈

경험의 중요성: 이러한 일련의 과정을 정의하기까지 4개월이 걸렸으며, 만들면서 시행착오를 겪어봐야 한다 (똥인지 된장인지 겪어봐야 한다) .
강박 버리기: 유튜브, 인스타그램 등 SNS에 글을 올릴 때 고품질의 텍스트/영상을 업로드해야 한다는 강박을 빨리 버려야 한다 .
최적화의 중요성: 무조건 빨리 많이 만들면서 올리면서 시스템을 만들기까지 최적화하는 것이 중요하며, 자동화 시스템 구축을 위해서는 몸소 겪어보고 반복되는 패턴을 찾아 일반화하는 과정이 필수적이다 .

3. 수작업 선행 및 자동화의 기본 원칙

3.1. 자동화의 전제 조건: 수작업 경험

자동화의 기본: 자동화를 하려면 수작업으로 먼저 해봐야 한다는 이야기에 공감한다 .
설명의 필요성: 손으로도 못 하는 것은 컴퓨터에게 설명할 수 없기 때문에 자동화도 불가능하다 .
결과 인식: 수작업을 통해 "똥인지 된장인지 찍어 먹어봐야" 자동화의 결과물이 어느 정도인지 알 수 있다 .

3.2. 자동화 영역 확장 목표

콘텐츠 재활용 (Repurposing):
유튜브 영상을 부분 편집하여 릴스, 스레드 등 다른 SNS 콘텐츠로 만드는 작업(해외에서는 "Repurposing"이라 부름)을 자동화하는 것이 목표이다 .
내년 목표: 소스 하나가 나오면 그것이 여러 SNS에 자동으로 찍어내는 공장처럼 만드는 것을 목표로 한다 .

4. Make를 활용한 잠재 고객 관리 자동화 사례

4.1. 유튜브 영상 리소스 폼 연동 자동화

자동화 구성: 연사는 유튜브 영상 설명란에 "매뉴얼 자료 받아보기" 링크를 구성해 두었다 .
이 링크를 통해 사람들이 영상에서 다룬 내용을 자료로 받아갈 수 있도록 정보 입력 공간(폼)을 마련했다 .
리소스 폼 상세:
도착하는 페이지는 "세모투만 유튜브 영상 리소스 폼"이다 .
Make가 매일 유튜브 채널을 확인하여 영상 업로드 여부를 감지한다 .
사용자는 자료를 받기 위해 임의로 "자동 촬영 중"과 같은 상태를 입력하고 유입 경로 등을 기입한다 .
"무엇이든 물어보세요" 항목에 프로젝트 협업 의사 등을 기입할 수 있다 .
고객 정보 수신 후 처리:
자료 받기를 누르면 고객 정보를 수신하고 자료를 먼저 제공한다 .
잠재 고객이 협업을 원한다는 질문이 들어오면, 점수를 채점해주는 프롬프트를 구성해 두었다 .

4.2. Make를 통한 후속 처리 및 시스템 구성

자동 이메일 발송: 점수 채점 후 버튼을 누르면 이메일이 먼저 발송된다 .
리드 분석 및 점수: AI는 리드를 분석하여 점수를 매기는데, 연사가 대충 입력하여 점수가 높지 않게 나왔을 수 있다 .
웹사이트 구성:
연사의 사이트는 커서(Cursor)를 이용한 아이오코딩으로 제작되었다 .
프로필, 기업 강의 내용 등은 스타베이스(Airtable) 데이터베이스와 연동되어 있다 .
리뷰, 강의 자료, 개발 문의, 자료 받는 공간 등은 모두 Make 웹훅으로 연결되어 있다 .
모니터링 및 투명성:
자료 받는 공간은 최근 사람들이 자료를 얼마나 받아가는지 모니터링하기 위해 공개용으로 오픈해 두었다 (인기 척도 역할) .
개발 문의 역시 웹훅으로 연결되어 연사와 팀원들에게 클라이언트 유입 사실을 이메일로 포워딩하여 내부적으로 논의할 수 있게 구현했다 .
자료 아카이브 전달: 이메일을 받은 사용자는 링크를 통해 자료 아카이브 공간으로 이동하여 영상 내용을 따라 해볼 수 있다 .
Make의 역할: 원래 홈페이지 구축, 서버, DB, 개발, 문자/이메일 발송 등이 필요하지만, 백엔드 전체를 Make로 구축한 것이다 .

4.3. Make 활용의 효율성과 철학

효율성: Make를 사용하면 코드 없이 동그라미 모듈 두 개만으로도 강력한 워크플로우를 구현할 수 있다 .
백엔드로 구현 시 최소 200라인의 코드가 필요하고 디버깅이 어렵지만, Make는 모듈 연결로 효율적이다 .
심플함의 가치: 초보자 입장에서는 동그라미 2~3개만으로도 재미를 볼 수 있는 것이 많으며, "심플 이즈 베스트"가 중요하다 .

5. Make와 N8N의 비교 및 Agent 개념 소개

5.1. Make와 N8N의 러닝 커브 및 활용 비교

러닝 커브: 초보자가 시작하기에는 Make가 무조건 맞으며, Make 사용을 추천한다 .
N8N 추천 대상: 짠돌이이거나 학습 시간이 있고 의지가 있는 사람에게 N8N을 시도해보라고 권유한다 .
N8N의 장점 (보안): N8N은 오픈 소스로 활용 가능하여, 보안에 민감한 기업 입장에서는 커들(규제)에서 벗어날 수 있어 괜찮을 수 있다 .
IT 리터러시 기준 추천:
IT 리터러시가 낮다고 인지하면 Make를 추천한다 .
N8N은 도커(Docker) 등 이상한 것을 공부해야 하는 불편함이 있다 .

5.2. AI 에이전트(Agent) 개념 설명

에이전트의 정의:
챗봇(예: ChatGPT)은 궁금한 것을 물어보고 답변을 얻는 '뇌(Brain)'를 활용하는 수준으로, 브레인스토밍/기획 용도로 뇌를 레버리지하는 것이다 .
Make나 N8N은 '손과 발'까지 붙여서 자동 응답, 이메일 발송 등을 수행한다 .
AI 에이전트는 이보다 더 강력한 개념이다 .
에이전트의 강력한 포인트: 도구(Tool) 활용 능력 :
에이전트는 도구(Tool)를 붙일 수 있다 .
이 도구에는 퍼플렉시티, 네이버 검색기, 네이버 뉴스 검색기 등 여러 API를 붙일 수 있다 .
사용자가 질문을 던지면, AI 에이전트는 스스로 가장 적합한 도구를 엄선하여 찾아 이행한다 (커서에서 툴을 찾는 것과 유사) .
에이전트는 정해진 순서대로 일하는 것을 넘어, 여러 도구 중 고르는 것을 스스로 한다 (더 많은 뇌를 가진 것과 같음) .

6. N8N을 활용한 구독자 질문 큐레이션 사례

6.1. 구독자 질문 자동 필터링 워크플로우

목표: 구독자들이 남기는 유용하지 않은 질문(예: "여자친구 있나요?")과 소통에 도움되는 질문을 구분하여 뽑아내기 위한 워크플로우이다 .
워크플로우 실행:
미답변 질문 조회 기능을 통해 질문을 확인한다 (인터뷰를 위해 일부러 꺼두었던 기능을 활성화함) .
AI 에이전트가 질문을 읽고 자동화 크리에이터 큐레이션 전문가로서 평가한다 .
평가 기준: 보편적인 공감, 인사이트, 실용성 있는 질문을 '좋은 질문'으로 판단한다 .
답변할 필요 없는 질문(예: "감사합니다, 잘 들었습니다")은 True/False로 분류한다 .
파급 효과가 있거나 괜찮은 질문은 True로, 퍼포먼스가 떨어지는 질문은 False로 거르게 설정했다 .
필터링 및 수신:
AI가 11개 질문을 읽고 평가하는 동안, 연사가 꺼두었던 기간 동안 19개의 질문이 인입되었다 .
19개 질문이 다 차면 True인 질문만 필터링하여 텔레그램으로 전송한다 .
텔레그램에서 질문을 확인하고, 정성스럽게 답변할 필요가 있는 질문을 선별한다 .

6.2. 필터링된 질문에 대한 후속 조치

답변 필요 질문 확인: 텔레그램으로 질문이 도착하면, 실제로 답변해야 할 질문이 생겼음을 인지한다 .
질문 예시 및 대응:
최근 올린 감마(Gamma) 사용법 관련 질문에 대해서도 생각해봐야 한다 .
"유튜브 운영하는데 긍정적인 댓글을 모아서 자료 만들고 싶어요"와 같은 쉬운 질문은 Make로도 가능하지만, "AI 수익화 방안"과 같은 질문은 크리에이터마다 달라 할 말이 많다 .
수동 처리: AI가 1차 필터링한 질문들을 복사하여 유튜브 채널에 붙여넣기 한 후, 글은 자신의 맥락이 필요하므로 수동으로 작성한다 .
AI 답변 가능성: 연사의 지식을 N8N에 모두 넣어둔다면, AI가 답변을 만들어낼 수도 있다는 가능성을 언급한다 .

7. 해외 크리에이터 벤치마킹 및 바텀업 학습 사례

7.1. 닉스아라이브(Nick Theriot) 채널 복제 및 학습 시스템 구축

롤모델 소개: 연사는 해외 크리에이터인 닉스아라이브(Nick Theriot)의 워크플로우를 복사하여 활용하고 있다 .
닉스아라이브는 아웃바운드 마케팅을 가르치는 인물이며, 일관성이 매우 뛰어나 매일 콘텐츠를 올린다 .
이 크리에이터는 1인 철학으로 협업 없이 혼자 일하는 것을 선호하는 지독한 스타일이라 리스펙한다 .
대시보드 구축:
이 사람의 영상을 기록하기 위해 바이브 코딩(Vibe Coding)으로 유튜브 대시보드를 만들었다 .
이 대시보드는 연사 본인의 유튜브 채널을 기반으로 만든 러브업(Love Up)을 활용하여 만들었다 .
자동화된 학습 과정:
자고 일어나면 이 사람의 영상 요약본이 텔레그램으로 전송된다 .
1차적으로 영상 내용을 소화한 후, 부분별 요약(서머라이즈 로컬 요약)을 위해 문서화 작업을 진행한다 .
질의응답 범위에 따라 따박따박 나눠서 요약하도록 설정했다 .
댓글이 바뀔 때마다 요약이 갱신된다 .
메타 정보 업데이트: 이 워크플로우를 돌리면 유튜브 메타 정보가 들어오며, 새로 올라온 영상("프리소셜프프")을 확인하고 대시보드에 넣는 작업을 수행한다 .

7.2. 바텀업 학습 방식 (Bottom-up Learning)

워크플로우 실행: 이 워크플로우는 길지만 재미있어 수동으로 돌려본다 .
"no"로 표시된 부분은 영상을 분해하고 대시보드에 넣는 작업을 착수했다는 의미이다 .
이 과정은 약 4~5분 정도 소요되며, 연사는 이 과정을 "바텀업으로 학습한다"고 표현한다 .
인간의 한계와 탑다운 학습:
영상을 매일 보더라도 인간은 잘 잊어버리므로, "나는 이 사람에게도 질문하고 싶은데?"라는 생각이 들 수 있다 .
이를 탑다운 방식으로 학습한다고 이야기하고 싶으며, 이 사람과 카톡을 연결해 두었다 .
질의응답 시연:
슬래시( / ) 명령어를 입력하면 N8N에서 돌아가도록 세팅되어 있다 .
질문 예시: "2026년에 퍼스널 브랜드 구축하는 최고의 방법은?"이라고 질문한다 .
AI 에이전트의 답변: AI는 해당 질문에 대해 성과 중심 접근과 AI 시대의 지속적인 적용을 강조하며, 타임스탬프를 역추적하여 답변한다 .
사용자는 답변에서 궁금한 부분을 눌러 해당 구간으로 넘어가 자막과 함께 답변 내용을 확인할 수 있다 .
실용적 활용:
연사는 개발 문의 시 견적서나 제안서 관련 질문을 이 에이전트에게 물어본다 .
예: "고객에게 견적을 제안했는데 너무 비싸다고 하는데 어떻게 해야 할까요?"와 같은 질문에 대해 AI 에이전트가 해당 영상에서 답변했는지 찾아준다 .
할루시네이션 방지: 시스템 프롬프트에 모호하면 답변을 거절하도록 세팅하여 할루시네이션을 제로에 가깝게 관리한다 .
답변 예시: 가격을 낮추기보다 밸류에이션(가치 평가)부터 재평가해야 한다는 좋은 답변을 얻을 수 있다 .
학습 방식 정리: 이처럼 거꾸로 학습(바텀업)도 하고, 질문을 통해 탑다운 학습도 병행한다 .

7.3. 데이터 저장 기술 및 활용의 확장성

기술 적용: 이 과정은 영상을 조각조각 잘게 나눠 벡터 데이터베이스라는 기술을 적용하여 데이터에 저장하는 방식이다 .
결과 확인: 새로고침 시 새로운 비디오가 올라온 것을 확인하고, 요약 보기나 문서 보기를 통해 해당 영상에 대한 정보를 확인할 수 있다 .
활용 의의: 이처럼 사업 롤모델 조력자를 복사하여 물어보고 활용하는 것은 자신을 복제하는 것과 같으며, 크리에이터들에게 매우 유용한 시스템이다 .
커뮤니티 관리: 커뮤니티 사업자가 자신의 영상 답변을 대신해주는 시스템으로 활용하면, 스트레스 없이 질문에 대응할 수 있다 .
데이터의 중요성: 결국 이 시대의 중요한 자산은 데이터이며, 연사 본인도 내년부터는 인사이트 관련 영상을 찍어 자신을 복제하는 것을 목표로 한다 .
개인적 활용: 연사 본인의 채널 영상 200개 중 2~3년 전 영상에 대한 질문이 올라와도 기억이 안 날 때, 이 시스템을 활용하면 자신의 영상을 다시 보지 않고도 활용할 수 있다 .

8. Make와 N8N의 기능적 차이 및 자동화 도입의 선행 조건

8.1. 챗봇 작업에서의 Make와 N8N 차이

오퍼레이션 소모: Make는 동그라미 하나에 1이라는 값이 소모되는데, 챗봇 작업은 엔터 한 번에 여러 과정이 건너가야 하므로 Make와 챗봇은 잘 맞지 않는다고 판단한다 .
작업 분리:
챗봇 및 에이전트 작업: N8N으로 돌리고 있다 .
챗봇 이외의 작업: 대부분 Make로 돌아간다 .
N8N 선호 이유: 챗봇/에이전트 쪽은 오퍼레이션 소모량이 많고 기능이 더 강력하기 때문에 N8N이 효과적이며, 러닝 커브가 있지만 구축해두면 편하다 .

8.2. 좋은 자동화 연결을 위한 선행 조건

툴보다 문제: 툴(Make, N8N)이 중요한 것이 아니라, 사람들이 풀고 싶은 문제가 무엇인지가 중요하다 .
동기 부여: 당장 퇴근을 빨리해야 하는 등 각 잡고 만들게 만드는 문제가 있어야 뿌듯함을 느끼고 좋은 자동화를 연결 지을 수 있다 .
문제 해결의 근원: 연사는 문제 해결은 나로부터 찾는 것을 선호하며, 유튜브 요약 시스템도 샘호트만 님이 필요해서 만든 것이 비즈니스로 연결된 좋은 사례이다 .

9. 자동화를 통한 라이프스타일 변화: 기록과 메타인지

9.1. 반복 행위 기록의 중요성

자동화 도입 후 변화: 자동화가 있으면 불편하다가 무의식적으로 적응하는 구간이 있는데, 연사는 그것보다 반복되는 행위(패턴)를 기록하는 것이 중요하다고 생각한다 .
개발 문의 기록 예시:
개발 문의가 많이 들어오면 자동화를 해야겠다고 판단하고, 흐름을 기록해 둔다 .
예: 이메일 자동 응답기를 만들어야겠다는 체크를 해놓는다 .
디스커버리 콜(Discovery Call) 프로세스:
고객과의 비대면 미팅 시 페인 포인트(Pain Point)와 기대 KPI 등을 논의한다 .
이 논의 내용을 PPT로 만들어 고객과 화면 공유하며 메모하고, 회의록을 클로드(Claude)에 넣어 요약하게끔 만들어 두었다 .
부분 자동화 및 사이클 기록: 이러한 일련의 과정을 약식으로라도 기록해 두면, 나중에 시간이 날 때 자동화 착수를 할 수 있다 .
라이프스타일 변화: 자동화를 하면서 기록을 더 많이 하게 되는 순간을 가지게 되었으며, 메타인지를 계속 하려고 노력하게 된다 .

9.2. 자동화를 위한 기록 및 아이젠하워 매트릭스 활용

자동화 소재 발굴: 자동화를 뭘 해야 할지 모르는 사람들에게는 일주일 168시간을 모두 기록해보라고 조언한다 .
AI를 활용한 분류:
기록한 일주일 치 업무 내용을 복사하여 ChatGPT, 클로드, 제미나이 등 언어 모델에 제공한다 .
아이젠하워 매트릭스 개념(중요도와 긴급도 기반 분류)을 활용하여, 일주일간 한 일들을 4사분면에 할당해달라고 요청한다 .
AI가 인간이 해야 할 일과 위임해야 할 영역을 분류해주면, 이 위임 영역 내에서 챗봇이나 커스텀 챗봇(GPTS, 클로드 프로젝트 등)을 활용할 수 있음을 파악할 수 있다 .
맥락의 중요성: AI가 똑똑해져도 결국 중요한 것은 맥락이며, 그 맥락은 개인의 기록에서 나온다 .
도입 추천: 자동화 도입 소재가 없는 사람은 무조건 기록을 해야 하며, 직장인의 경우 업무 행태(To Do List) 일주일 치를 복사하여 AI에게 할당해보고 삶에 대입해보는 것을 추천한다 .

10. 연사의 삶의 목표 및 자동화 입문자를 위한 조언

10.1. 자동화를 좋아하게 된 계기와 유튜브 운영 목표

삶의 목표: 뚜렷한 목표(예: 얼마를 벌겠다)는 없으며, 매일매일 최선을 다하며 사는 것이 목표이다 .
자동화 입문 계기: 사회 초년생 때 파이썬을 이용해 엑셀 내용을 수기로 입력하던 것을 전산 시스템에 자동으로 입력하게 만드는 프로그램을 처음 만들었을 때이다 .
당시에는 영수증을 찍어 입력하는 것이 N8N으로 가능했지만, 그때는 아니었다 .
보람: 주변 팀원들의 반응이 너무 좋았고, 자신이 만든 것을 공유했을 때 재미있고 유용하다는 보람을 느꼈다 .
유튜브 운영: 유튜브 영상 러닝타임이 긴 이유도 조회수보다 밑바닥부터 만들어보고 재밌다는 것을 공유하기 위함이며, 단 한두 명의 시간을 아꼈다는 것에 큰 보람을 느낀다 .
장기 목표: 유튜브를 롱런하기 위해 멘탈 관리를 잘하며 재미있거나 트렌드 있는 것들을 소개해드리는 것이 30대의 목표이다 .
진정성: 연사의 강의를 들었던 인터뷰어는 조회수보다 지식 전파에 대한 진정성이 느껴져 도움이 되었다고 언급한다 .

10.2. 자동화 입문자를 위한 최종 조언

3단계 인사이트: 자동화 입문자들에게 "뇌를 비우고 실행을 하시고 기록을 하시고 거기서 패턴을 찾으면 좋죠"라고 조언한다 .
의사결정: 패턴이 너무 뚜렷하면 무조건 자동화해야 하며, 이를 통해 시간을 아끼고 돈으로 연결 지을 수 있다 .
핵심 요약: 실행, 기록, 패턴의 3단계가 핵심 인사이트이다 .

10.3. 마무리 및 향후 계획

향후 계획: 오늘 나눈 이야기는 일부이므로, 앞으로도 자동화뿐만 아니라 AI, 비즈니스 등 다양한 이야기를 나누기 위해 연사를 종종 초대할 계획이다 .
연사의 참여 의지: 연사는 외부 활동을 잘 하지 않지만, 윤자동님 채널은 좋아하여 흔쾌히 출연했으며, 라이브 등에도 종종 얼굴을 비출 수 있도록 하겠다고 답한다 .

(번역) 유튜브 Make+n8n 고수 샘호트만의 실전 활용법 대공개 | 샘호트만님 인터뷰