리도의 네이버 블로그에 공개한 글을 DMS Writing에 옮겼습니다. 새 실험이나 DMS 고객사 성과 보고가 아닙니다. 표지와 본문 사진은 AI 생성 연출 이미지이며 실제 작업의 증거 사진이 아닙니다.
메모를 적어 놓고도 정작 필요한 순간에 확인하지 못한다면 알람이 아쉬워집니다. 이 영상은 윈도우 스티커 메모의 동작을 분석한 뒤, 정해진 시간에 닫힌 메모가 앞으로 나타나는 기능을 새로 만든 개인 학습 실습입니다.
흥미로운 점은 알람보다 그 과정에 있습니다. REA를 클로드 코드에 연결했다고 원래 앱이 통째로 복제된 것은 아니었습니다. 완성된 결과와 분석 도구가 내놓은 조각을 구분해서 보면, AI에게 어떤 일을 맡겨야 하는지 더 선명해집니다.
REA의 결과는 앱 통째 복사가 아니라 단서를 바탕으로 새로 만든 메모 알람입니다.
AI로 생성한 연출 이미지이며 실제 작업 화면이 아닙니다.
무엇을 허용하고 막았을까요?
영상에서는 요청을 시작하면서 두 가지 조건을 먼저 겁니다. 실제로 사용하던 메모는 열지 말고, 원본 코드를 복사하지 않은 채 동작을 관찰해 처음부터 만들라는 조건입니다. 기능을 추가하고 싶다는 목표가 있어도 개인정보와 다른 프로그램의 권리를 건드려도 된다는 뜻은 아닙니다.
분석 과정에서는 메모 창을 닫는 동작이 삭제가 아니라 숨기기라는 점, 기본 색과 목록 같은 단서를 확인합니다. 프로그램 안에 알림과 관련된 문구가 있다고 해서 메모별 시간 알람이 이미 구현돼 있다고 단정하지도 않습니다. 문구의 존재와 실제 메뉴에서 가능한 행동을 나눠 확인하는 태도가 중요합니다.
따라 해 볼 때도 상용 앱을 그대로 베끼거나 배포하는 작업으로 넓혀서는 안 됩니다. 이 사례는 개인 공부용 재구현이며, 테스트에는 실제 업무 메모 대신 새로 만든 가짜 내용을 쓰는 편이 안전합니다. 데이터를 읽지 말라는 조건은 시작할 때뿐 아니라 확인 단계에도 유지해야 합니다.
AI 생성 연출 장면 2원본 전체 보기
AI로 생성한 연출 이미지이며 실제 작업 화면이 아닙니다.
오래 분석하면 완제품이 될까요?
본편에서는 큰 본체 파일의 분석이 오래 걸리자 방향을 바꿉니다. 이미 확보한 단서로 필요한 기능을 완성하도록 요청한 것입니다. 모든 내부 구조를 알아야만 다음 단계로 갈 수 있다고 생각하기보다, 현재 목표에 필요한 정보가 무엇인지 다시 좁힌 선택입니다.
나중에 분석을 끝까지 실행한 영상 속 결과는 27분 뒤 나온 7만 6천 개 이상의 함수 조각이었습니다. 원래 이름이나 형식이 사라졌을 수 있다는 경고도 함께 소개됩니다. 이는 해당 실습에서 관찰한 결과이지, 다른 앱도 같은 시간에 분석되거나 바로 복제된다는 성능 보장은 아닙니다.
따라서 분석 성공과 제품 완성은 별도로 판단해야 합니다. 함수가 많이 나왔다는 수치보다 메모 작성, 저장, 닫기, 다시 열기처럼 필요한 동작이 연결되는지가 중요합니다. AI에게도 통째로 복사하라는 큰 주문보다 구현할 기능과 제외할 범위를 구체적으로 정해 주는 편이 명확합니다.
AI 생성 연출 장면 3원본 전체 보기
AI로 생성한 연출 이미지이며 실제 작업 화면이 아닙니다.
알람은 어디까지 확인됐나요?
영상에서는 새 메모를 쓰고 알람을 설정한 뒤 창을 닫습니다. 지정한 시각이 되자 닫힌 메모가 다시 열려 앞으로 나타나며, 나중에 다시 알리거나 확인을 눌러 끄는 동작도 소개됩니다. 글을 쓴 직후 알림을 설정하면 내용이 사라지는 버그를 AI가 발견하고 수정과 테스트를 추가한 대목도 나옵니다.
다만 원래 앱의 모든 기능을 갖춘 결과는 아닙니다. 사진 추가와 다른 기기 동기화가 빠져 있고, 알람은 새로 만든 앱이 실행 중일 때만 작동한다고 설명합니다. 창을 숨긴 상태와 프로그램 자체를 종료한 상태를 같게 보면 안 되는 이유입니다.
개인 실습에서 확인할 기준도 여기에 맞추면 됩니다. 가짜 메모가 저장되는지, 닫아도 목록에 남는지, 설정 시각에 다시 나타나는지부터 나눠 점검합니다. 절전이나 종료 뒤에도 알림이 필요하다면 별도 요구사항으로 다뤄야 하며, 이 영상의 시연만으로 그런 상황까지 보장할 수는 없습니다.
이 사례의 출발점은 남의 앱을 그대로 얻는 일이 아니라, 자주 쓰는 기능에 작은 불편을 하나 발견하는 일입니다. 실제 데이터 접근과 원본 코드 복사를 금지하고 개인 학습 범위를 지킨 상태에서, 필요한 동작과 검증 기준을 먼저 적어 보세요. AI가 만든 결과도 작동 조건과 빠진 기능까지 함께 알아야 쓸모를 판단할 수 있습니다.
