개인 AI 비서 만들기, n8n과 로컬AI로 완성하기
n8n + Ollama 조합으로 내 데이터는 그대로 두고 자동화 비서를 만드는 법
- 개인 AI 비서 만들기의 핵심은 n8n(자동화 엔진)과 Ollama(로컬 LLM)를 연결하는 것입니다.
- 클라우드 API 없이도 이메일 요약, 일정 정리, 리서치 자동화가 가능합니다.
- 월 API 비용 없이 내 하드웨어에서 돌아가므로 데이터가 외부로 나가지 않습니다.
- Docker 기반 설치 30분이면 첫 워크플로우를 실행할 수 있습니다.
- Open WebUI, LM Studio 등 보조 도구로 관리 편의성을 더할 수 있습니다.
매일 아침 메일함을 열면 안 읽은 메일이 수십 개 쌓여 있고, 캘린더에는 언제 잡혔는지 기억도 안 나는 일정이 끼어 있습니다. 이런 반복 업무를 챗GPT에게 맡기자니 회사 문서나 개인정보를 외부 서버에 올리는 게 꺼려집니다.
그래서 요즘 많이 찾는 방법이 개인 AI 비서 만들기입니다. 핵심은 간단합니다. n8n이라는 자동화 엔진과 내 컴퓨터에서 돌아가는 로컬AI를 연결하는 것입니다. 클라우드 API 요금도, 데이터 유출 걱정도 없이 나만의 자동화 시스템을 손에 넣을 수 있습니다.
이 글에서는 개인 AI 비서 만들기를 처음 시도하는 분도 따라 할 수 있도록, 도구 선택부터 실제 워크플로우 구성, 자주 발생하는 오류까지 순서대로 정리했습니다.
1. 개인 AI 비서 만들기, 왜 지금 필요한가
챗GPT나 클로드 같은 클라우드 AI는 편리하지만 두 가지 벽에 부딪힙니다. 하나는 비용입니다. 자동화 워크플로우를 하루에 수백 번 돌리면 API 요금이 금세 눈덩이처럼 불어납니다. 다른 하나는 데이터입니다. 회사 이메일이나 개인 일정을 외부 서버로 계속 전송하는 게 부담스러운 사람이 많습니다.
개인 AI 비서 만들기가 주목받는 이유가 여기 있습니다. n8n은 노드를 연결해 업무 흐름을 자동화하는 오픈소스 도구이고, Ollama 같은 로컬AI는 내 컴퓨터 안에서 언어모델을 돌립니다. 둘을 합치면 인터넷이 끊겨도, 요금 걱정 없이도 작동하는 비서가 완성됩니다.
물론 만능은 아닙니다. 최신 대형 모델만큼의 추론 능력을 기대하긴 어렵고, GPU 메모리가 부족하면 속도가 느려집니다. 그래도 이메일 요약, 일정 정리, 간단한 리서치처럼 반복적이고 정형화된 업무라면 로컬AI로도 충분한 경우가 많습니다.
개인 AI 비서 만들기를 고민할 때 가장 많이 하는 실수는 처음부터 완벽한 비서를 노리는 것입니다. 이메일 요약 하나부터 시작해서 잘 작동하면 일정 관리, 리서치로 하나씩 확장하는 방식이 실패 확률을 크게 줄입니다. 욕심을 내서 한 번에 5개 워크플로우를 동시에 설계하면 어디서 문제가 생겼는지 찾기도 어렵습니다.
2. 로컬AI 도구 비교: Ollama vs LM Studio vs Open WebUI
로컬AI 생태계에는 여러 도구가 있지만, 개인 AI 비서 만들기에 실제로 쓰이는 건 크게 세 가지입니다. 성격이 다르니 목적에 맞게 골라야 합니다.
2-1. Ollama, 자동화의 엔진
Ollama는 CLI 한 줄로 모델을 내려받고 실행할 수 있는 도구입니다. macOS, 윈도우, 리눅스를 모두 지원하고, 설치 후 로컬 11434번 포트에서 OpenAI 호환 API 서버가 자동으로 열립니다. n8n에서 API 노드로 바로 호출할 수 있다는 게 핵심 장점입니다.
2-2. LM Studio, 눈으로 보며 테스트
LM Studio는 GUI 기반이라 모델을 다운로드하고 채팅으로 성능을 미리 확인하기 편합니다. 다만 자동화용 서버 기능은 Ollama보다 제한적이라, 모델 성능을 검증하는 용도로 쓰고 실제 자동화는 Ollama로 넘기는 조합이 많이 쓰입니다.
2-3. Open WebUI, 대화창이 필요할 때
Open WebUI는 Ollama 위에 챗GPT 같은 웹 채팅 화면을 얹어주는 도구입니다. 비서가 자동으로 처리한 결과를 사람이 직접 확인하고 대화로 추가 지시를 내리고 싶을 때 유용합니다. Docker 한 줄이면 설치가 끝납니다.
GPU가 없는 노트북이라면 7B급 이하 경량 모델부터 시작하세요. 8GB RAM 기준으로도 무리 없이 돌아가는 모델이 많고, 응답 속도가 느리면 자동화 실행이 지연되어 전체 워크플로우가 느려질 수 있습니다.
세 도구를 억지로 다 쓸 필요는 없습니다. 개인 AI 비서 만들기의 최소 구성은 n8n과 Ollama 두 개면 충분하고, Open WebUI는 대화창이 필요할 때 나중에 추가해도 됩니다.
3. n8n 설치부터 로컬AI 연결까지
본격적으로 개인 AI 비서 만들기를 시작해 보겠습니다. 가장 안정적인 방법은 Docker로 n8n을 띄우는 것입니다.
1. Docker Desktop을 설치합니다. 2. 터미널에서 n8n 이미지를 받아 컨테이너를 실행합니다. 3. 브라우저에서 localhost:5678로 접속하면 n8n 화면이 열립니다. 4. Ollama도 별도로 설치해 11434번 포트에서 서버가 켜졌는지 확인합니다.
n8n을 Docker로, Ollama를 로컬에 직접 설치한 경우 컨테이너 안에서는 localhost가 호스트 PC를 가리키지 않습니다. n8n의 HTTP Request 노드에서 Ollama를 호출할 때는 host.docker.internal 같은 주소를 써야 연결됩니다. 그냥 localhost:11434로 넣으면 계속 연결 실패가 뜹니다.
n8n 안에서는 HTTP Request 노드를 사용해 Ollama의 API 엔드포인트를 호출하면 됩니다. Ollama는 OpenAI 호환 API를 제공하기 때문에, 기존에 OpenAI 노드를 써봤다면 URL만 로컬 주소로 바꾸는 정도로 적응이 쉽습니다.
연결이 끝나면 트리거 노드(스케줄, 웹훅, 이메일 도착 등)와 Ollama 호출 노드, 그리고 결과를 처리하는 노드를 순서대로 이으면 됩니다. 이 세 단계 구조만 이해하면 이후 워크플로우 응용은 어렵지 않습니다.
개인 AI 비서 만들기 초반에 가장 많이 막히는 지점이 바로 이 네트워크 연결 문제입니다. Docker 컨테이너와 호스트 PC는 서로 다른 네트워크로 취급되기 때문에, 처음 설정할 때는 curl 명령으로 Ollama API가 응답하는지 먼저 터미널에서 확인한 뒤 n8n으로 넘어가는 순서를 추천합니다.
4. 개인 AI 비서 만들기 실전 워크플로우 3가지
이제 개인 AI 비서 만들기를 실제 업무에 적용해 보겠습니다. 처음부터 복잡하게 설계하지 말고, 아래 세 가지처럼 단순한 흐름부터 시작하는 걸 추천합니다.
4-1. 이메일 요약 비서
Gmail 트리거로 새 메일이 도착하면 Ollama에게 3줄 요약을 요청하고, 결과를 슬랙이나 텔레그램으로 전송합니다. 매일 아침 메일함을 여는 대신 요약본만 확인하면 됩니다.
4-2. 일정 정리 비서
구글 캘린더 노드로 다음 날 일정을 불러온 뒤, 로컬AI에게 우선순위와 준비물을 정리해 달라고 요청합니다. 매일 저녁 자동으로 브리핑 메시지가 도착하도록 스케줄 트리거를 걸어두면 됩니다.
4-3. 리서치 자동화 비서
RSS나 웹 검색 노드로 특정 키워드 관련 최신 글을 수집하고, 로컬AI가 핵심만 뽑아 정리합니다. 업계 동향을 매번 직접 찾아볼 필요 없이 정기적으로 요약본을 받아볼 수 있습니다.
세 워크플로우 모두 결과를 바로 메일로 발송하지 말고 슬랙이나 텔레그램 같은 메신저로 먼저 받아보세요. 잘못된 요약이 섞여 있어도 즉시 확인하고 프롬프트를 고치기 쉽습니다.
개인 AI 비서 만들기가 익숙해지면 세 워크플로우를 하나로 묶어, 아침에 한 번에 이메일·일정·리서치 브리핑을 받는 통합 비서로 확장할 수도 있습니다.
5. 자주 발생하는 오류와 해결법
실제로 워크플로우를 만들다 보면 비슷한 지점에서 막히는 경우가 많습니다. 대표적인 세 가지만 짚어보겠습니다.
첫째, 응답이 너무 느립니다. 모델 크기가 하드웨어 성능을 초과하면 요약 하나에 몇 분씩 걸릴 수 있습니다. 이럴 땐 더 가벼운 모델로 바꾸거나, n8n 워크플로우 타임아웃 값을 넉넉하게 늘려야 합니다.
둘째, 한국어 출력 품질이 들쭉날쭉합니다. 일부 오픈소스 모델은 한국어 학습량이 적어 어색한 문장을 내놓습니다. 프롬프트에 “한국어로 자연스럽게 답하라”는 지시를 명확히 넣고, 그래도 부족하면 한국어 성능이 검증된 모델로 교체하는 게 빠릅니다.
셋째, 컨테이너 재시작 후 연결이 끊깁니다. Docker를 껐다 켜면 IP가 바뀌어 n8n에 설정한 주소가 무효화될 수 있습니다. docker-compose로 고정 네트워크를 구성해두면 이 문제를 예방할 수 있습니다.
개인 AI 비서 만들기 과정에서 워크플로우가 몇 번 실패했다고 바로 포기하지 마세요. n8n의 실행 로그(Executions) 탭을 열면 어느 노드에서 어떤 오류가 났는지 그대로 확인할 수 있습니다. 로그를 보지 않고 처음부터 다시 만들면 같은 실수를 반복하게 됩니다.
6. 프라이버시와 보안, 놓치면 안 되는 체크리스트
로컬AI를 쓰는 가장 큰 이유가 데이터 보호인 만큼, 몇 가지는 꼭 챙겨야 합니다.
n8n을 외부에서도 접속하고 싶다고 포트를 그대로 인터넷에 열어두면 안 됩니다. 반드시 VPN이나 리버스 프록시로 인증을 씌운 뒤 접근하세요. Ollama API도 기본값은 인증이 없기 때문에, 외부 네트워크에 노출되지 않도록 방화벽 설정을 확인해야 합니다.
개인 AI 비서 만들기의 장점을 제대로 누리려면 자동화 로그에 민감 정보가 평문으로 남지 않는지도 주기적으로 점검하는 게 좋습니다.
로컬에서 돈다고 무조건 안전한 건 아닙니다. n8n 관리자 계정 비밀번호를 기본값 그대로 두거나, Docker 포트를 0.0.0.0으로 열어 누구나 접근 가능하게 해두는 실수가 의외로 많습니다. 설치 직후 접근 권한부터 점검하는 습관을 들이세요.
Make와 Zapier는 클라우드 SaaS라 자체 서버가 필요 없지만, 로컬AI와 직접 연결하려면 별도 우회가 필요합니다. n8n은 셀프호스팅이 가능해 로컬 네트워크 안의 Ollama와 바로 통신할 수 있어 개인 AI 비서 만들기에 더 적합합니다.
가능합니다. CPU만으로도 7B 이하 경량 모델은 실행되며, 응답 속도가 조금 느릴 뿐입니다. 실시간 대화가 아니라 스케줄 자동화 위주라면 속도보다 안정성이 더 중요합니다.
가능합니다. LM Studio도 로컬 서버 기능을 제공하지만, n8n과의 API 연동 안정성과 문서 수는 Ollama 쪽이 더 앞서 있어 처음 시작할 때는 Ollama를 추천합니다.
네. n8n의 Error Trigger 노드를 연결해두면 워크플로우 실패 시 슬랙이나 이메일로 즉시 알림을 받을 수 있습니다. 자동화가 늘어날수록 이 설정을 꼭 넣는 걸 추천합니다.
가능합니다. 민감한 업무는 로컬AI로, 복잡한 추론이 필요한 업무는 클라우드 API로 분기하는 하이브리드 구성도 n8n의 조건 분기 노드로 쉽게 만들 수 있습니다.
📚 함께 보면 좋은 글
개인 AI 비서 만들기를 시작했다면 아래 글도 이어서 참고해보세요.
🔗 공식 자료
📖 출처
Ollama 공식 사이트(ollama.com) · Ollama 공식 기술 문서(docs.ollama.com) · n8n 공식 문서(docs.n8n.io) · Open WebUI 공식 문서(docs.openwebui.com) · Open WebUI GitHub 저장소(github.com/open-webui/open-webui)
개인 AI 비서 만들기는 거창한 프로젝트가 아니라 n8n과 Ollama를 연결하는 것에서 시작합니다. 이메일 요약 하나부터 차근차근 늘려가면, 데이터 유출 걱정도 API 비용 부담도 없는 나만의 자동화 시스템을 완성할 수 있습니다.
