구글이 또 무료로? 구글 OPAL, n8n·Make 대체할 수 있을까?

https://youtu.be/-xW4rko5Q-M

 

* 구글 OPAL은 n8n이나 Make를 대체할 수 있을까?

현재 구글 OPAL은 AI 기반 워크플로우 생성 및 수정이라는 신선한 접근 방식을 제공하지만, 복잡한 워크플로우 설계, 외부 서비스 연동, 스케줄링 기능 등에서 한계점이 많아 아직은 n8n이나 Make를 완전히 대체하기 어렵습니다.

 

* 구글 OPAL의 주요 한계점은 무엇인가?

• AI 생성 워크플로우의 정교함 부족
• 반복문/조건문 등 세세한 컨트롤 불가능
• 외부 서비스(API) 연동 불가
• 스케줄링 기능 부재

 

 

구글이 새롭게 선보인 AI 기반 자동화 툴, OPAL(오팔)의 실질적인 가능성과 한계를 심층 분석합니다. 기존의 n8n이나 Make와 달리, 자연어 프롬프트만으로 복잡한 워크플로우를 생성하고 수정하는 오팔의 혁신적인 접근 방식을 직접 테스트합니다. 이 콘텐츠를 통해 오팔이 자동화 툴의 진입 장벽을 어떻게 낮추는지 확인하고, 현재 베타 버전에서 드러나는 외부 서비스 연동 불가, 세밀한 컨트롤 부족 등 구체적인 한계점을 파악하여, 자신의 업무에 오팔을 적용할지 여부를 현명하게 결정할 수 있는 실용적 통찰을 얻게 될 것입니다.

 

1. 구글 OPAL(오팔)의 포지셔닝 및 특징 분석

1. OPAL 서비스 소개 및 핵심 기능
   1. 구글이 N8N(엔에잇엔)과 Make(메이크)에 도전장을 내민 서비스가 바로 OPAL이다.
   2. 오팔은 기존 자동화 툴과 달리, 자연어 프롬프트를 통해 원하는 플로우를 설명하면 즉시 워크플로우를 생성해 준다.
   3. 생성된 워크플로우는 웹 형태의 인터페이스에서 실행할 수 있으며, 현재 무료로 활용 가능하다.

 

1. AI 자동화 생태계 내 OPAL의 포지셔닝
   1. 기존 자동화 툴(Make, N8N)과 AI 기반 코딩 툴(Repli, Cursor, Claude Code)을 자유도와 난이도 축으로 비교할 수 있다.
   2. 기존 자동화 툴 (Make, N8N)
      1. 난이도: 직접 설계를 해야 하지만 코딩 없이 복잡한 조건문이나 반복문 설정이 가능하여 난이도가 낮은 편이다.
      2. 자유도: 소프트웨어 안에서 작동하는 구조이므로 자유도가 상대적으로 떨어진다.
   3. AI 기반 코딩 툴 (Repli, Cursor, Claude Code)
      1. 난이도: 자유도가 매우 높지만, 기본적인 코딩과 소프트웨어 시스템에 대한 이해가 필요하므로 난이도가 높다.
      2. 자유도: 웬만한 소프트웨어를 다 제작할 수 있을 정도로 자유도가 엄청나게 높다.
   4. OPAL의 하이브리드 접근 방식
      1. 오팔은 자연어로 요청하지만 자동화 툴처럼 워크플로우를 시각적으로 편집하는 하이브리드 접근을 취한다.
      2. 난이도: 워크플로우를 직접 세팅할 필요가 없고 자연어로 생성하기 때문에 N8N이나 Make보다도 난이도가 낮은 편이다.
      3. 자유도: 오팔에서 제공하는 특정 워크플로우 틀 안에서 움직이므로 N8N이나 Make보다도 자유도가 더 제한적이다.
      4. 난이도를 확실히 낮춰주고 있어 현재 베타 버전임에도 큰 관심을 받고 있다.

 

2. OPAL 서비스 기능 테스트 (템플릿 활용)

 

1. OPAL 접속 및 환경 설정
   1. op.withgoogle.com을 통해 구글 로그인 후 활용할 수 있다.
   2. 현재 미국에서만 베타 출시되었으므로, 활용하려면 VPN을 통해 미국으로 지역을 변경하고 접속해야 한다.
   3. 접속하면 기존에 만들었던 앱들이 보이며, 하단 갤러리에서 이미 만들어진 템플릿을 테스트해 볼 수 있다.

 

1. 블로그 포스트 라이터 템플릿 테스트
   1. 인터페이스 구성: 템플릿에 들어오면 좌측에는 N8N과 유사하게 노드와 화살표로 워크플로우 진행 과정을 시각적으로 표현하는 패널이 있다.
   2. 우측 패널 옵션: 우측 패널에는 프리뷰, 콘솔, 스텝, 팀 네 가지 옵션이 있다.
      1. 프리뷰 화면: 왼쪽에 워크플로우로 만들어지는 앱을 보여주며, 여기서 스타트하여 직접 테스트할 수 있다.
      2. 앱 모드: 에디터가 아닌 앱 옵션을 눌러 전체 화면에서 테스트할 수도 있다.
   3. 블로그 포스트 생성 요청: 'AI replacing jobs'라는 주제로 블로그 포스트 작성을 요청했다.
   4. 콘솔 및 스텝 확인:
      1. 콘솔 화면: 단계별로 어떤 작업을 얼마 동안 실행하고 있는지, 그 과정에서 어떤 값들을 출력받고 있는지를 구체적으로 확인할 수 있다.
      2. 워크플로우 패널: 회색 테두리가 이동하며 현재 아웃라인을 작성하고 있음을 보여주고, 구체적인 출력값도 확인 가능하다.
      3. 스텝 탭: 각각의 스텝을 선택하면 우측 스텝 탭에서 활용할 모델, 프롬프트, 활용할 툴 등을 수정할 수 있다.
      4. 팀 탭: 프리뷰에서 앱의 기본적인 디자인을 수정하는 옵션이다.
   5. 결과물 확인 및 공유:
      1. 블로그 포스트가 완성되었으며, 배너 이미지도 함께 생성되었다.
      2. Gemini 모델을 활용하여 꽤 괜찮은 품질의 블로그 포스트를 제작해 주는 것을 확인했다.
      3. 앱 공유: 'Share App' 버튼을 통해 링크로 다른 사용자들과 공유할 수 있다.
      4. 결과물 공유: 왼쪽 하단 옵션을 활용하여 'Copy Share URL'을 통해 결과물 자체를 링크로 접근할 수 있다.

 

1. 템플릿 커스텀 및 AI를 통한 워크플로우 수정
   1. 리믹스를 통한 복제: 우측 상단의 'Remix' 버튼을 눌러 템플릿을 작업 환경에 복제한다.
   2. 테마 변경 요청: 'AI 오토메이션 스타일의 다크 테마로 생성을 해 줘'라고 요청하여 디자인을 변경했다.
   3. 수동 수정 옵션:
      1. 결과물이 영문으로 작성되므로 한글 작성을 테스트하기 위해 프롬프트를 직접 수정할 수 있다.
      2. 툴 추가: 현재 인터넷 서치, 지도 서치, 웹페이지 정보 가져오기, 날씨 정보 가져오기 네 가지 툴을 제공한다.
      3. 모델 변경: 원하는 모델을 활용할 수 있다.
      4. 수동 작업: 상단에서 스텝들을 직접 추가하고 연결하여 수동으로 워크플로우를 작업할 수도 있다.
      5. 파일 첨부: 'Add AI'를 통해 유튜브 영상이나 구글 드라이브 파일 등을 첨부할 수 있다.
   4. AI를 통한 워크플로우 수정 요청:
      1. 오팔의 메인 기능은 AI가 워크플로우를 제작해 주는 것이므로, AI에게 플로우 수정을 요청한다.
      2. 'Suggest an Edit' 칸에 "블로그 글을 위한 리서치는 영어로 하되 최종 블로그 포스트는 한글로 출력되게 수정해 줘"라고 요청했다.
      3. Gemini 모델이 플로우를 분석하고 직접 수정해 주었으며, 최종 포스트 작성 스텝에 한국어로 작성해 달라는 프롬프트가 반영된 것을 확인했다.
   5. 한국어 블로그 생성 테스트:
      1. 포스트 작성 모델을 더 고급 모델로 변경하고 테스트를 진행했다.
      2. 주제: 'AI 시대에 살아남기 위해서 필수적으로 배워야 되는 스킬'에 대해 작성을 요청했다.
      3. 콘솔 확인 (에이전트 형식 작동): 리서치 단계에서 모델을 여러 번 호출하고, 추가 리서치가 필요할 경우 인터넷 웹서치도 여러 번 진행하는 것을 확인했다.
      4. 이는 각 스텝이 단순히 한 번의 모델 실행이 아니라, 에이전트처럼 여러 번 툴과 모델을 활용하여 실행된다는 것을 의미한다.
      5. 결과물 확인: 한국어로 포스트가 생성되었으나, 섹션 구분은 잘 되었지만 하나의 토픽별로 짧게 문장을 작성하는 등 원래 블로그 형식과는 조금 다른 형태였다.
      6. 개선 필요 사항: 생성 방식에 대해 프롬프트로 구체적인 아웃풋 포맷(예시 제공 등)을 지정해 줄 필요가 있다.
      7. 프롬프트 엔지니어링을 통해 원하는 결과물을 얻을 수 있을 것으로 보인다.
   6. 결과물 공유 방식:
      1. 앱 자체 공유: 'Share App'을 눌러 링크를 생성하여 접근할 수 있다.
      2. 결과물 공유: 'Share Output'을 누르면 결과물을 JSON 파일로 구글 드라이브에 저장한 후, 'Copy Share URL'을 제공하여 링크로 접근할 수 있다.

 

3. OPAL 서비스 기능 테스트 (새 워크플로우 생성)

 

1. 상품 기획 리서치 리포트 앱 제작
   1. 새 앱 생성 요청: 홈 화면에서 'Create New' 버튼을 누르고, 'describe what you want to build' 섹션에 만들고 싶은 앱을 구체적으로 설명한다.
   2. 프롬프트 작성: 새로운 상품 개발에 참고할 리포트를 작성해 주는 웹을 요청했으며, 인풋 섹션, 분석 내용, 리포트 형식, 아웃풋 포맷 등을 간략하게 정리하여 요청했다.
   3. 워크플로우 생성 확인: 오팔이 프롬프트를 분석하여 워크플로우를 생성했다.
      1. 워크플로우는 타겟 프로덕트 컨셉, 비즈니스 요구사항, 마켓 컨텍스트 세 가지 정보를 받아 전략 분석을 진행한다.
      2. 분석 내용을 정리하여 인터랙티브 대시보드에 표현하는 형식으로 구성되었다.
   4. 테스트 실행:
      1. 타겟 프로덕트 컨셉: 남성을 위한 선크림.
      2. 비즈니스 요구사항: 남성 화장품 시장 성장세를 활용하여 제품을 확대하고 싶다.
      3. 마켓 컨텍스트: 동일하게 입력했다.
      4. 콘솔 확인: 전략 분석 단계에서 에이전트 형식으로 여러 번 요청을 진행하며 웹서치를 수행하는 것을 볼 수 있다.
   5. 결과물 확인 및 한계점:
      1. 리서치와 리포트 생성에 시간이 다소 소요되었다.
      2. 결과물은 Executive Summary, 트렌드, 성장 동력, 고객 행동 패턴 등을 잘 작성해 주었다.
      3. SWOT 분석, 우선순위 고려 사항, 잠재적 리스크, 다음 단계 등 정리가 잘 되었다.
      4. 한계점: 인터랙티브한 설정(브랜드별 분석 등), 다운로드 PDF 버튼, CSV 파일 엑스포트, 인터랙티브 필터, 차트 생성 기능 등은 작동하지 않았다.
      5. 내용 위주의 리서치 리포트 요청 시에는 충분히 활용 가능할 것으로 보인다.

 

1. SNS 광고 카피 생성 및 외부 서비스 연동 테스트
   1. 구글 시트 연동 요청: SNS 광고 카피를 만들어 주는 앱을 제작하면서, 생성된 광고 카피를 구글 시트에도 업데이트하도록 요청했다.
      1. 이는 아웃풋 옵션 중 'Save to Google Sheet' 기능이 있어 연동 가능성을 테스트하기 위함이다.
   2. 워크플로우 생성 실패: 광고 카피 생성 워크플로우는 생성되었으나, 구글 시트로 저장하는 스텝이 생성되지 않았다.
   3. 재요청 및 수동 추가 시도:
      1. 에디트 프롬프트로 스프레드시트 아웃풋을 별도로 추가해 달라고 요청했으나, Gemini 모델로만 스텝이 추가되어 스프레드시트 아웃풋 스텝을 제대로 인식하지 못하는 것으로 보인다.
      2. 이는 외부 서비스와의 연동을 아직 잘 못 해주는 것으로 추정된다.
      3. 수동으로 시트 연동 스텝을 추가하고 테스트를 진행했다.
   4. 연동 테스트 결과 (에러 발생):
      1. 광고 카피 웹페이지 생성 후, 시트 쪽으로 세이브를 시도했으나 "unable to parse spreadsheet range Sheet1"이라는 에러가 발생했다.
      2. 값을 넣어야 할 부분까지는 생성했지만, 아웃풋 스텝과의 연동이 잘 안 되는 것으로 확인되었다.
      3. 오토 레이아웃이나 매뉴얼 레이아웃 외에 구글 슬라이드, 구글 시트 등 외부 툴과의 연동은 불안정한 상태이다.
   5. 시트 연동 기능 삭제 및 재테스트:
      1. 스프레드시트 기능 삭제를 요청하여 워크플로우를 단순화하고 다시 테스트했다.
      2. 결과: 아홉 개의 광고 카피 텍스트를 성공적으로 생성했다.
      3. 한계점: 생성된 카피 텍스트를 복사하거나 엑스포트해 주는 기능은 아직 구현되지 않은 것으로 보인다.

 

4. OPAL의 혁신성과 현재 한계점 요약

1. OPAL의 혁신적인 접근 방식
   1. 오팔은 N8N이나 Make와 달리 AI를 기반으로 워크플로우를 제작하거나 수정할 수 있다는 점에서 신선한 접근 방식이다.
   2. 잘 작동할 경우 자동화 툴에 대한 진입 장벽을 크게 낮춰줄 수 있을 것으로 기대된다.

 

1. 현재 베타 버전의 주요 한계점
   1. 정교한 워크플로우 설계 부족: AI가 생성하는 워크플로우가 복잡도가 높아질수록 정교하게 설계되지 못한다.
      1. 예시: 구글 시트 저장 옵션이 있음에도 프롬프트 요청 시 이를 반영하지 못했다.
   2. 세밀한 컨트롤 불가능:
      1. 오팔은 Gemini 모델이 에이전트 형태로 여러 번 작업을 수행하는 형태이므로, 구체적인 반복문이나 조건문 설정이 불가능하다.
      2. N8N이나 Make처럼 세세하게 컨트롤하여 순차적으로 작업을 진행시키는 것이 불가능하다.
   3. 외부 서비스 연동 불가:
      1. 현재 가장 큰 단점은 외부 서비스와의 연동이 불가능하다는 점이다.
      2. 유튜브 API 등 다양한 서비스의 API를 활용한 자동화 작업이 불가능하며, 주로 Gemini 모델들만 활용하는 작업만 진행할 수 있다.
      3. 앞으로 N8N이나 Make처럼 다양한 서비스 연동을 구현할 수 있을지가 중요한 포인트이다.
   4. AI 모델 활용 제한: Gemini 외에 다른 AI 모델을 활용할 수 있도록 열어줄 것인지도 중요한 포인트이다.
   5. 스케줄링 기능 부재:
      1. N8N이나 Make는 웹 형태 트리거 또는 스케줄러 형태로 워크플로우를 실행할 수 있지만, 오팔은 아직 해당 기능을 제공하지 않는다.
      2. 완전한 AI 자동화를 위해서는 스케줄링 기능 및 웹훅 기능 구현 여부를 지켜봐야 한다.

 

1. 향후 전망 및 경쟁 구도
   1. 이러한 한계점에도 불구하고 구글 오팔은 AI 자동화 업계에 신선한 자극을 주고 있다.
   2. 오팔이 한계점을 보완할 수 있다면 N8N이나 Make의 강력한 경쟁자로 급부상할 수 있다.
   3. 반면, N8N이나 Make 입장에서도 워크플로우 제작의 진입 장벽을 낮추기 위해 AI 기반 워크플로우 초안 생성 및 편집 기능을 도입할 필요성이 제기된다.