⚠️ 본 칼럼은 무료 교육 목적의 프롬프트 제작 과정 공유이며, 어떠한 투자, 법적, 재무적 자문이 아닙니다. AI 실행 결과는 오류가 있을 수 있어 독립적 검증이 필수이며, 활용에 따른 모든 책임은 전적으로 사용자 본인에게 귀속됩니다. 비즈니스 의사결정에 직접 사용할 수 없습니다. [이용 전 30주 타임라인 아래의 필수 확인 사항 전체 보기]
Week 13으로 넘어가기 전에 드릴 말씀이 있습니다.
Week 1에서 말씀드린 것처럼, 이 시리즈는 Claude로 미중 반도체 관세 정책 중 특정 검색일 기준, 미래 시행 가능성이 있는 정책 정보를 수집 및 선별하는 프롬프트를 기획하는 과정만 30주 동안 다루지만, 실제 실행은 Google Colab에서 Gemini API (Paid Tier)를 이용했습니다.
Week 30까지 프롬프트 설계 과정만 다루기 때문에, 지금 아니면 Google Infrastructure가 데이터 정확성에 얼마나 큰 도움을 줬는지 말씀드릴 기회가 없는 것 같아서 잠시 쉬어가는 코너를 준비했습니다.
말씀드린 것처럼 원래는 실행도 Claude를 이용하려고 했지만, 매일 하루에 12시간 가까이 사용하다 보니 Max Plan 요금제인데도 불구하고 기획이 완성될 때쯤 주간 한도에 도달했습니다.
하필 그때 급하게 결과물이 필요한 상황이어서 해결 방법을 찾다 보니 Google의 Vertex AI를 발견했습니다. Google의 기업용 AI 플랫폼으로 Python 코드로 작동하며, 대규모 작업도 가능해서 15,000줄의 프롬프트를 Gemini 3 Pro에 맞게 변환 후, 변환된 프롬프트를 AI에게 Vertex AI용 Python 코드로 변환을 요청했습니다.
그런데 Gemini 3 Pro (Paid Tier)에게 Vertex AI용 Python코드를 요청했지만, 우선 빠른 실행에 최적화된 Gemini API 전용 Python 코드를 먼저 완성해서 저에게 제공해 줬습니다.
이걸 Vertex AI로 전환하면 된다고 하길래, 왜 처음부터 Vertex AI 전용 코드로 안 만들었냐고 물어보니 우선 완성된 Python 코드로 테스트하는 것을 권장하면서, Vertex AI 전용 Python 코드로 전환하면 더욱 복잡해지며, 본인인 Gemini 3 Pro를 이용하더라도 고려할 부분과 작업 시간이 많아진다고 경고했습니다.
만약 Vertex AI로 전환하면 실행 시간이 단축되지만, 단축되는 시간보다 더 긴 시간 동안 코드를 작성하고 테스트해야 하는데,