실전 사례 1: 로컬 이미지 가공 자동화

클릭 몇 번의 노동을 한 번의 흐름으로 바꾸기

업무 자동화를 이야기하면 많은 사람이 거대한 시스템부터 떠올립니다. 하지만 실제로 가장 먼저 체감되는 자동화는 의외로 소박합니다. 폴더를 열고, 이미지를 하나씩 올리고, 배경 제거 버튼을 누르고, 다시 저장하고, 파일명을 정리하는 일을 반복하지 않는 것입니다.

이 장에서는 로컬에 있는 이미지를 불러와 배경을 투명하게 만드는 흐름을 직접 만듭니다. 핵심은 멋진 코드를 외우는 데 있지 않습니다. 원본 이미지가 들어오면, Codex가 필요한 도구를 준비하고, 결과를 저장하고, 사람이 마지막으로 확인만 하는 구조를 만드는 데 있습니다.

이번 실습의 목표

이번 실습에서 만들 흐름은 아주 분명합니다.

• input 폴더에 원본 이미지를 넣는다.

• Codex가 로컬 도구를 이용해 배경을 제거하고 output 폴더에 투명 PNG로 저장한다.

• 사람이 결과를 빠르게 검수하고, 애매한 파일만 다시 처리한다.

여기서 중요한 단어는 로컬입니다. 이미지를 외부 웹 서비스에 하나씩 올리는 대신, 내 컴퓨터 안에서 처리합니다. 이런 방식은 반복 작업에 강하고, 민감한 이미지도 다루기 편합니다. rembg는 이미지 배경 제거를 위한 오픈소스 도구로, CLI, Python 라이브러리, HTTP 서버, Docker 방식으로 사용할 수 있습니다. 단일 파일 처리와 폴더 단위 일괄 처리 모두 지원하므로, 비개발자 실무 자동화의 첫 사례로 다루기 좋습니다.¹

왜 이 작업이 첫 실전으로 좋은가

배경 제거는 비개발자에게 특히 좋은 첫 자동화 과제입니다. 이유는 간단합니다. 결과가 눈에 바로 보이기 때문입니다. 성공했는지 실패했는지 숫자나 로그를 읽지 않아도 알 수 있습니다.

또 하나의 장점은, 이 작업이 생각보다 많은 업무와 연결된다는 점입니다. 상품 썸네일, 발표 자료, 브로슈어, 제안서, 상세 페이지, 사내 문서, SNS 카드뉴스까지 배경이 깨끗한 PNG 하나가 여러 곳에 다시 쓰입니다. 한 번 잘 만들어 둔 자동화는 이후의 시각 업무 속도를 눈에 띄게 바꿉니다.

그리고 이미 존재하는 로컬 사진이나 제품 이미지를 투명 배경으로 바꾸는 목적이라면, 이미지 생성 모델로 우회하기보다 배경 제거 전용 도구를 한 단계 넣는 편이 실무에서는 더 안정적입니다. 생성 모델은 장면을 새로 만들거나 시안을 잡을 때 강하고, 배경 제거는 원본 보존과 재사용성이 중요하기 때문입니다.

작업 폴더부터 정리한다

자동화는 폴더 구조가 절반입니다. 사람이 봐도 헷갈리지 않고, Codex가 봐도 실수하지 않는 구조를 먼저 만드는 것이 좋습니다.

image-automation/
├─ input/
│  ├─ sample-01.jpg
│  ├─ sample-02.png
│  └─ sample-03.jpg
├─ output/
├─ output_test/
├─ review/
└─ notes.md

이 구조에서 중요한 원칙은 세 가지입니다.

• 원본은 input에 두고 절대 덮어쓰지 않는다.

• 시험 결과는 output_test, 확정 결과는 output에 저장한다.

• 검수 메모나 재처리 대상은 review나 notes.md에 남긴다.

이렇게 분리해 두면, 처음부터 대량 처리하지 않고 샘플 몇 장만 시험해 보기 쉬워집니다. 자동화에서 가장 흔한 실수는 "될 것 같으니 전체 실행"입니다. 반대로 가장 안전한 습관은 "샘플 3장 먼저"입니다.

Codex에게 어떻게 지시할까

비개발자가 Codex를 잘 쓰는 비결은 코드 문법이 아니라 일의 순서를 말로 잘 설명하는 것입니다. 이번 작업에서는 이런 식으로 지시하면 좋습니다.

이 작업 폴더에서 input 폴더의 JPG/PNG 파일 배경을 제거하는 자동화 흐름을 만들어줘.
먼저 샘플 3장만 output_test에 PNG로 저장해줘.
원본 파일은 절대 수정하지 말고, 파일명은 유지해줘.
애매하게 잘린 부분이나 검수가 필요한 파일은 review/needs_check.md에 적어줘.
설치가 필요하면 CPU 기반으로 먼저 진행해줘.

좋은 지시의 특징은 모호하지 않다는 점입니다. "배경 제거해줘"에서 끝내지 않고, 어디서 읽고 어디에 저장할지, 원본 보호는 어떻게 할지, 먼저 시험할지 한 번에 처리할지까지 같이 말해 줍니다. 그러면 Codex는 단순히 도구를 하나 실행하는 것이 아니라, 작업 흐름 자체를 만들어 줍니다.

샘플 이미지 한 장이 특히 중요하다면, 그 파일을 같이 보여 주면서 "머리카락 가장자리 보존이 중요하다"거나 "제품 그림자 느낌은 최대한 살리고 싶다" 같은 기준도 함께 알려주면 좋습니다. 사람에게 일 맡길 때와 비슷합니다. 결과물의 기준을 말해 주면 품질이 올라갑니다.

Codex가 만드는 자동화의 뼈대

이 작업에서 Codex가 보통 선택하는 방식은 두 가지입니다. 하나는 rembg 명령행 도구를 그대로 쓰는 방식이고, 다른 하나는 작은 파이썬 스크립트를 만들어 반복 처리를 감싸는 방식입니다.¹

가장 단순한 형태의 실행 예시는 이런 느낌입니다.

pip install "rembg[cpu,cli]"
rembg i input/sample-01.jpg output_test/sample-01.png
rembg p input output

여기서 i는 한 장 처리, p는 폴더 전체 처리입니다.¹ 비개발자 입장에서는 이 명령어를 외울 필요는 없습니다. 중요한 것은 Codex가 이 도구를 이용해 다음과 같은 흐름을 대신 만든다는 사실입니다.

원본 폴더를 읽고, 결과는 PNG로 저장하고, 실패한 파일이 있으면 로그를 남기고, 검수용 파일까지 정리하는 것. 즉, 여러분이 원하는 것은 "명령어 한 줄"이 아니라 "반복 가능한 절차"입니다.

머리카락, 털, 보풀, 흐릿한 가장자리처럼 경계가 섬세한 이미지에서는 추가 옵션을 써 보는 것이 좋습니다. rembg는 알파 매팅 옵션도 제공하는데, 일부 이미지에서는 경계를 더 자연스럽게 만들 수 있지만 속도는 느려집니다.¹ 그래서 처음에는 기본 설정으로 샘플을 보고, 정말 필요한 이미지에만 조금 더 정교한 처리를 적용하는 편이 효율적입니다.

결과 저장 방식까지 자동화해야 진짜 편해진다

많은 사람이 배경 제거까지만 자동화하고 저장은 손으로 정리합니다. 하지만 실무에서는 저장 규칙이 더 중요할 때가 많습니다. 파일명이 뒤죽박죽이면 나중에 다시 쓰기 어렵고, 어떤 파일이 최종본인지도 헷갈립니다.

그래서 Codex에게는 처리만이 아니라 저장 규칙도 함께 맡기는 것이 좋습니다. 예를 들면 이런 기준입니다.

• 출력 형식은 항상 PNG로 고정한다.

• 원본 파일명은 유지하되 확장자만 .png로 바꾼다.

• 테스트 결과와 최종 결과를 다른 폴더에 둔다.

• 실패 파일 목록과 검수 필요 목록을 텍스트나 CSV로 남긴다.

이 정도만 지켜도 나중에 브로슈어 제작, 상세 페이지 제작, 프레젠테이션 자료 정리 같은 다음 작업으로 넘기기 쉬워집니다. 자동화는 "한 번 끝내기"보다 "다음 작업으로 무리 없이 연결되기"가 더 중요합니다.

사람이 마지막으로 검수해야 하는 이유

배경 제거 자동화는 강력하지만, 100% 무조건 완벽하다고 믿으면 오히려 일이 늘어납니다. 특히 복잡한 배경, 반투명 소재, 그림자, 유리, 머리카락은 여전히 사람이 한 번 확인하는 편이 안전합니다.

검수할 때는 아래 다섯 가지만 보면 충분합니다.

• 피사체 가장자리가 깨끗한가

• 필요한 부분이 잘려 나가지 않았는가

• 원치 않는 배경 찌꺼기가 남아 있지 않은가

• 반투명 물체나 그림자가 너무 거칠게 사라지지 않았는가

• 파일명과 해상도가 다음 작업에 쓰기 좋게 저장되었는가

검수는 오래 할 필요가 없습니다. 한 장당 몇 초면 됩니다. 확대해서 가장자리만 보고, 이상하면 재처리 폴더로 보내면 됩니다. 중요한 것은 "전수 수작업"이 아니라 "예외만 손보기"입니다.

윈도우 환경에서는 한 가지 더 실무적인 팁이 있습니다. Codex 데스크톱 채팅 안에서 절대경로로 저장된 로컬 이미지를 바로 미리보려 할 때, 이미지가 깨져 보이거나 열리지 않는 문제가 보고된 적이 있습니다.² 그래서 결과 확인은 채팅 안의 미리보기에만 기대지 말고, output_test 폴더를 직접 열거나, Codex에게 상대경로 기준의 review.html 같은 비교 페이지를 만들게 하는 편이 더 안정적입니다.

결과가 아쉬울 때 조정하는 법

처음 결과가 마음에 들지 않아도 괜찮습니다. 이 단계에서 중요한 것은 실패가 아니라 조정 포인트를 아는 것입니다.

• 인물 사진처럼 경계가 복잡하면 샘플 몇 장에만 더 정교한 옵션을 적용한다.

• 제품 사진, 인물 사진, 일러스트를 한 번에 섞지 말고 유형별로 나눠 처리한다.

• 대표 이미지 몇 장으로 여러 모델이나 옵션을 비교해 본 뒤 기본 방식을 정한다.¹

비개발자에게 이 말이 어렵게 들릴 수 있지만, 실제 판단은 단순합니다. "우리 업무에서 자주 들어오는 이미지 5장"을 기준으로 가장 보기 좋은 결과를 고르면 됩니다.

실전 대화 예시

실무에서는 이런 순서로 Codex와 대화하면 부드럽게 진행됩니다.

먼저 작업의 범위를 좁힙니다.

input 폴더 이미지 중 3장만 골라서 배경 제거 테스트를 해줘.
결과는 output_test에 PNG로 저장하고, 어떤 파일이 애매한지 메모도 남겨줘.

결과를 본 다음 비교 화면을 만듭니다.

input과 output_test를 나란히 볼 수 있는 review/review.html을 만들어줘.
파일명과 썸네일이 같이 보이게 해줘.

그다음 예외를 줄입니다.

sample-02.jpg는 머리카락 끝이 거칠어. 이 파일만 더 정교하게 다시 처리해서 output_test_v2에 저장해줘.

마지막으로 전체 실행으로 넘어갑니다.

지금까지 괜찮았던 방식으로 input 전체를 처리해서 output에 저장해줘.
실패 파일과 검수 필요 파일 목록도 같이 정리해줘.

이 대화의 핵심은 한 번에 모든 걸 던지지 않는 데 있습니다. 자동화는 작은 성공을 쌓을수록 품질이 빨리 안정됩니다.

이 장에서 가져가야 할 감각

이번 사례에서 배워야 할 가장 중요한 감각은 이것입니다. 눈에 띄는 자동화는 거대한 앱을 새로 만드는 일이 아니라, 사람이 반복하던 클릭을 하나의 흐름으로 묶는 일이라는 점입니다.

이미지 배경 제거는 그 감각을 익히기에 아주 좋은 출발점입니다. 입력 폴더가 있고, 처리 규칙이 있고, 결과 저장 위치가 있고, 사람이 마지막으로 확인하는 단계가 있습니다. 이 네 가지만 갖추면 업무는 갑자기 훨씬 덜 피곤해집니다.

그리고 이 구조는 여기서 끝나지 않습니다. 다음 실전으로 넘어가면, 같은 방식으로 자료를 모으고, 지시사항을 만들고, 최종 브로슈어까지 이어지는 더 큰 자동화를 만들 수 있습니다. 결국 자동화의 본질은 복잡한 기술이 아니라, 일의 순서를 명확하게 만들고 Codex에게 맡길 부분을 잘 나누는 것입니다.

참고

¹danielgatis/rembg - GitHub

²Windows desktop app does not render local markdown images from absolute drive-letter paths · Issue #14576 · openai/codex · GitHub