단테랩스 | 2026-05-24
Paperclip × Bright Data
AI 에이전트로 시장조사 보고서 자동 생성
3명의 AI 직원이 무신사·29cm 브랜드 보고서를 처음부터 끝까지 자동 생산 — 브랜드만 바꿔 무한 재사용
66K
GitHub Stars (2개월)
3
AI 직원 (리서처·분석가·슬라이드)
4
회사 계층 구조
2
브랜드 보고서 자동 생성
01
Paperclip 4계층 회사 구조
Goal
WHY — 목표
이커머스·패션 시장 데이터를 수집해 임원 보고서 생성
↓
Sub Goal
WHAT — 달성 대상
무신사, 29cm 브랜드 인텔리전스 워크플로 구축
↓
Project
HOW — 방법론
브랜드 리서치 → 데이터 분석 → 슬라이드 제작 (3개 프로젝트)
↓
Issue / Task
DO — 실행 액션
에이전트에게 할당되는 개별 업무 단위 (Jira 티켓과 동일)
02
3명의 AI 직원
1
브랜드 리서처
웹 데이터 수집 및 구조화
Bright Data CLI
Web Unlocker
브랜드 리서치 글로서리
2
데이터 분석가
SWOT 분석 및 시각화
SWOT 분석
차트 생성
팩트체크
3
슬라이드 제작자
보고서 생성 및 자동 배포
Next.js
Vercel 배포
리포트 스킬
03
자동 워크플로 실행 흐름
Step 1
CEO에게 이슈 발행
목표+지침을 한 번에 전달
→
Step 2
CEO → 서브 이슈 생성
각 직원에게 자동 위임
→
Step 3
브랜드 리서처 수집
Bright Data로 데이터 6종 수집
→
Step 4
사람 승인
수집 결과 확인 후 Confirm
→
Step 5
분석 → 배포
SWOT·차트 → Vercel 자동 배포
04
Bright Data가 필요한 이유 — 데이터 접근 전쟁
방식
접근 가능 데이터
차단 우회
품질
일반 Python 크롤러
정적 페이지만
차단됨
낮음
Playwright/Puppeteer
동적 페이지 일부
IP 추적 차단
중간
Bright Data Web Unlocker
거의 모든 사이트
헤더·JS·캡챠 우회
높음
Bright Data Datasets
사전 정제 데이터셋
크롤링 불필요
최고
05
핵심 메시지 — 에이전트 운영 체제 시대
Paperclip의 진짜 가치는 단발성이 아닌 반복·절차 업무에 있음 — 루틴 설정 후 브랜드명만 바꿔 무한 재사용
AI 에이전트 성능보다 데이터 접근 품질이 결과를 결정함 — "Garbage in, Garbage out"
조직 구성도(거버넌스) + 사람 승인 단계가 AI 환각 및 오류를 효과적으로 제어
코딩·리서치·분석·배포를 각각 전문화된 AI 직원에게 분담 → 전체 워크플로 완성도 향상