노션 AI로 유튜브 스크립트 후보정부터 수업 발문 추출까지

자동 스크랩된 유튜브 스크립트의 오탈자를 노션 AI 에이전트로 보정하고, 수업 인사이트까지 도출하는 워크플로를 공유합니다. 교사의 수업 철학이 프롬프트가 되는 과정을 소개합니다.

Apr 12, 2026
노션 AI로 유튜브 스크립트 후보정부터 수업 발문 추출까지
📌
자동 스크랩된 유튜브 스크립트, 오탈자 투성인데 그냥 쓰자니 눈이 아프지 않으세요?
노션 AI 에이전트를 활용하면 STT 오탈자 보정부터 수업용 발문 도출까지 한 번에 처리할 수 있습니다. 이전 글에서 만든 자동 스크랩 파이프라인의 후속편으로, 스크립트가 노션에 들어온 뒤의 이야기입니다.

이 글에서 배울 내용읽기 7분
  • STT 오탈자를 맥락 기반으로 자동 보정하는 방법
  • 스크립트를 구조화된 요약본으로 변환하는 방법
  • 교사의 수업 철학을 반영한 발문을 AI로 도출하는 방법
  • 이 전체 과정을 스킬화하여 반복 실행하는 방법

이전 글: 스크립트는 어떻게 노션에 들어오는가

이전 글에서는 유튜브 영상의 자막을 자동으로 추출해 노션 DB에 저장하는 파이프라인을 만들었습니다. 자세한 내용은 아래 포스트를 참고해주세요.
간단히 요약하면 다음과 같습니다.
  • 지정한 채널의 신규 영상을 매일 자동 감지
  • 자막(STT) 추출 후 노션 DB 페이지로 저장
  • 영상 임베드 + 스크립트 전문이 토글 안에 정리된 상태로 노션에 도착
그런데 자동 스크랩된 스크립트를 열어보면, 음성 인식(STT) 특유의 오탈자가 가득합니다. "오스트리아"가 "오스티아"로, "강제 수용소"가 "강제 수영소"로, "친위대"가 "친이대"로 적혔습니다.
이 글에서는 이 스크립트를 노션 AI 에이전트로 후보정하고, 요약하고, 수업 인사이트까지 도출하는 과정을 다룹니다.

1단계: STT 오탈자 후보정

에이전트가 오탈자를 판별하는 방법

AI 에이전트에게 단순히 "오탈자 고쳐줘"라고 지시하면 제대로 동작하지 않습니다. 핵심은 맥락 정보를 먼저 수집하도록 하는 것입니다.
에이전트는 다음 세 가지를 먼저 확인합니다.
  1. 영상 제목: "오스트리아는 나치의 원죄로부터 자유로울 수 있을까?" → 역사 영상임을 파악
  1. 채널명: "함께하는세계사" → 역사 전문 채널
  1. 스크립트 전문: 전체 문맥에서 등장하는 인물, 지명, 사건명 파악
이 맥락을 바탕으로 "오스티아"가 "오스트리아"의 STT 오변환이라는 판단이 가능해집니다.
💡
: 이 방식은 역사 영상에만 적용되는 것이 아닙니다. IT 영상이라면 영상 제목과 스크립트에서 프로그래밍 용어·서비스명을 맥락으로 잡고, 교육 영상이라면 교육과정 용어를 기준으로 보정합니다. 핵심은 맥락 정보를 미리 고정해두지 않고, 매번 영상에 맞게 새로 수집하는 것입니다.

실제 보정 예시

하나의 스크립트에서 발견된 오탈자는 약 34건이었습니다. 유형별로 정리하면 다음과 같습니다.
고유명사 오변환
원문 (STT)
보정
판단 근거
오스티아
오스트리아
영상 제목과 전체 문맥
리베르크 전범 재판
뉘른베르크 전범 재판
2차 대전 전범 재판 맥락
에렌스트 칼텐브르
에른스트 칼텐브루너
린츠 출신 친위대 지도자 맥락
일반 어휘 오탈자
원문 (STT)
보정
패턴
강제 수영소
강제 수용소
동음이의 오변환
친이대
친위대
음절 오변환
기아 급수적
기하급수적
띄어쓰기 + 음절 탈락
⚠️
주의: 숫자 누락처럼 문맥만으로 원래 값을 특정할 수 없는 항목은 에이전트가 자체적으로 보류 처리합니다. 확신할 수 없는 걸 억지로 고치는 것보다 낫습니다.

2단계: 스크립트 요약

덩어리를 나누는 기준

요약의 핵심은 화제 전환 지점을 기준으로 덩어리를 나누는 것입니다. 시간, 장소, 논점, 주체가 바뀌는 지점을 감지하여 단락으로 나눅니다.
예를 들어, 이번 영상에서는 다음과 같은 덩어리가 도출되었습니다.
  1. 도입 — "희생자 신화"의 제시
  1. 합병 이전 반유대주의 토양
  1. 합병 직후 폭력과 수정의 밤
  1. 마우타우젠 강제 수용소
  1. 오스트리아인의 홀로코스트 가담 (인물 사례)
  1. 결론 — 희생자이자 공범
여기서 중요한 것은 덩어리 수를 미리 정해두지 않는다는 점입니다. 콘텐츠의 밀도에 따라 4개가 될 수도, 8개가 될 수도 있습니다. 에이전트가 콘텐츠 밀도에 맞게 자율적으로 판단하도록 하는 것이 핵심입니다.

요약 결과물

각 덩어리마다 핵심 주장 + 근거를 개조식으로 정리합니다. 고유명사·숫자·연도 등 팩트는 보존하고, 구어체 군더더기는 제거합니다.
예를 들어 "마우타우젠 강제 수용소" 덩어리는 이렇게 요약됩니다.
  • 1938년 8월 첫 수감자 300명 도착, 자신이 수감될 시설을 직접 건설
  • 수감자 수: 1939년 말 2,666명 → 1944년 말 73,351명으로 기하급수적 증가
  • 강제 수용소 체계에서 유일하게 3등급("교화 불가, 제거 대상")으로 분류
이런 식으로 전체 스크립트가 구조화된 요약본으로 변환됩니다.

3단계: 수업 인사이트 도출

여기서부터가 이 파이프라인의 핵심입니다. 단순 요약을 넘어, 교사의 수업 철학을 반영한 발문을 AI가 도출합니다.
그런데 이건 AI에게 "발문 만들어줘"라고 지시하는 것과는 완전히 다릅니다. 여기서 쓴 방법은 메타 프롬프트 기법입니다.

메타 프롬프트란?

보통 AI에게 지시할 때는 "이 주제로 발문 3개 만들어줘"와 같이 결과물을 직접 요청합니다. 메타 프롬프트는 반대입니다. 결과물을 만드는 프롬프트 자체를 AI와 함께 만드는 것입니다.
구체적으로 다음과 같은 과정을 거쳩니다.
  1. AI에게 인터뷰를 요청합니다: "내 수업 설계 철학의 핵심이 뭐냐 파악해봐"라고 지시하면, AI가 지침 페이지와 기존 수업 자료를 분석해서 수업 철학을 정리해줍니다.
  1. 정리된 철학을 검토하고 다듬습니다: AI가 정리한 결과를 보면서 "이건 맞고, 이건 다르고, 이 부분이 더 중요해" 하고 피드백합니다. 이 과정에서 본인도 몰랐던 수업 철학의 구조가 드러납니다.
  1. 그 철학이 공 프롬프트가 됩니다: 정리된 철학을 에이전트의 스킬로 등록하면, 이후에는 어떤 영상을 넣어도 그 철학 기반으로 발문이 도출됩니다.
즉, AI에게 발문을 시킨 게 아니라, 발문을 만드는 기준 자체를 AI와 함께 만든 것입니다.
메타 프롬프트를 이용해 수업 철학을 도출하는 구체적인 과정은 AI 프롬프트 작성법 - 기본 원칙부터 메타 프롬프트 활용까지에서 자세히 다루고 있습니다.

실제 적용: 해체-복원-성찰 프레임워크

제 경우 이 과정을 거쳐 도출된 수업 설계 철학은 구성주의적 역사교육이었습니다. 역사는 객관적 사실의 전달이 아니라, 누군가에 의해 "구성된" 서사라는 전제에서 출발합니다.
이 철학이 에이전트의 스킬로 구조화되면서, 3단계 발문 프레임워크가 되었습니다.
  1. 해체 발문: 기존 서술의 구성성을 드러내는 질문 — "이 용어는 누구의 관점에서 만들어졌는가?"
  1. 복원 발문: 배제된 주체의 목소리를 되살리는 질문 — "이 사건은 그들에게 어떤 의미였을까?"
  1. 성찰 발문: 과거의 구조가 현재에도 작동하는지 묻는 질문 — "현재 사회에도 이와 같은 구조가 있는가?"
이것은 제가 직접 작성한 것이 아닙니다. AI와의 대화를 통해 제 수업 철학을 메타적으로 돌아본 결과, AI가 정리해준 구조입니다. 저는 그걸 검토하고 다듬었을 뿐입니다.
💡
핵심: 이 방법의 장점은 어떤 과목, 어떤 철학이든 적용 가능하다는 것입니다. 수학 교사라면 "수학적 사고력 중심 발문", 과학 교사라면 "탐구 설계 중심 발문"이 도출될 것입니다. AI가 인터뷰하는 대상(나의 철학)이 달라지니까요.

실제 도출 예시

"오스트리아와 나치" 영상에서 도출된 발문 예시입니다.
해체 발문
  • "오스트리아는 나치의 첫 번째 희생자"라는 서사는 누구에 의해, 어떤 목적으로 구축되었는가?
  • 독일에서 수년 걸린 반유대주의 정책이 오스트리아에서는 불과 몇 주 만에 실행될 수 있었다는 사실은 무엇을 말해주는가?
복원 발문
  • 합병 전후 12만 명이 떠나고 6만 6천 명 이상이 학살당한 오스트리아 유대인들에게 "희생자 신화"는 어떻게 들렸을까?
  • 나치에 저항하다 목숨을 잃은 오스트리아인들의 이야기가 "희생자 신화"와 "공범론" 양쪽 모두에서 소외되는 이유는?
성찰 발문
  • 오스트리아가 1991년에야 공식 책임을 인정했다는 사실은, "역사적 책임을 인정하는 일"이 왜 그토록 오래 걸리는지에 대해 무엇을 시사하는가?
여기서도 발문의 개수는 미리 정해두지 않았습니다. 스크립트에서 추출 가능한 쟁점 축을 먼저 식별한 뒤, 각 축에서 겟치지 않는 발문을 도출하도록 했습니다.

4단계: 스킬화 — 반복 실행 가능한 구조 만들기

여기까지의 과정을 매번 수동으로 지시하는 건 비효율적입니다. 노션 AI 에이전트의 스킬 기능을 활용하면, 이 전체 워크플로를 한 번의 지시로 실행할 수 있습니다.

스킬이란?

노션 AI 에이전트의 지침 페이지에 특정 조건이 발동되면 실행할 절차를 등록해두는 것입니다. 일종의 매크로라고 생각하면 쉽습니다.

등록한 스킬 구조

이번에 만든 스킬의 실행 순서는 다음과 같습니다.
  1. 맥락 수집: 대상 페이지에서 영상 제목·채널명·스크립트 전문을 읽고, 분야를 추론
  1. 오탈자 보정: 맥락 기반으로 STT 오류 식별 및 치환
  1. 스크립트 요약: 화제 전환 기준으로 덩어리 분할, 개조식 요약 작성
  1. 수업 인사이트: 해체-복원-성찰 발문 도출 (역사 외 분야는 자율 프레임)
  1. 페이지 삽입: 토글 헤딩 + 콜아웃 구조로 삽입
  1. 속성 업데이트: DB의 "보정 및 요약" 체크박스를 자동으로 체크
이제 "요약해줘"라는 한 마디면, 에이전트가 이 전체 순서를 자동으로 실행합니다.

전체 파이프라인 요약

이전 글의 자동 스크랩과 이번 글의 AI 후처리를 합치면, 전체 파이프라인은 다음과 같습니다.
[Windows 작업 스케줄러] → 유튜브 RSS 감지 + 자막 추출 + 노션 DB 저장 [노션 AI 에이전트 스킬] → STT 오탈자 보정 → 스크립트 요약 → 수업 인사이트 도출 → 완료 시 슬랙으로 알림 전송
매일 아침 출근하면 슬랙에 "어제 올라온 영상이 요약되었습니다"라는 알림이 와 있는 것입니다. 노션을 열면 보정된 스크립트, 구조화된 요약, 수업에 바로 쓸 수 있는 발문 후보까지 준비되어 있습니다.
📝
핵심 정리
  • AI로 수업 준비를 "날로 먹는 것"이 아닙니다
  • AI와의 대화를 통해 수업 철학을 메타적으로 돌아보고, 그 결과를 프롬프트로 구조화하는 과정입니다
  • 프롬프트가 완성되면, 나머지는 워크플로의 문제입니다
  • 스크립트 자동 수집 → AI 후보정 → 요약 → 발문 도출까지, 한 번 구축해두면 매일 자동으로 실행됩니다