기본 콘텐츠로 건너뛰기

쓸모 없는 구글 드라이브 관련 미립자 팁..

제가 사는 아파트는 지역난방입니다.

난방비는 유량을 기준으로 계산되는 방식입니다.

지난 달에 이사하고 지역난방에 대한 이해가 전혀 없는 상태에서 난방을 하다가 난방비만 50만원이 나오는 폭탄을 맞았습니다.

그래서 최근에는 매일 매일 유량을 확인하면서 춥게 살고 있습니다.

아파트가 정말 최악중의 최악이라서 단열 자체가 안됩니다.

제 블로그를 보신 분은 아시겠지만 지은지 이제 겨우 20년된 아파트의 샷시가 어찌나 부실하던지 외풍 차단 자체도 안됩니다.

정말 올해 겨울에는 단열도 안되고 외풍도 심한 아파트에서 난방비를 아끼기 위해 정말 눈물겹게 보내고 있습니다.(사실 난방의 의미는 거의 없다고 보아도 무방한 환경입니다.)

이런 곳에서 앞으로 얼마나 더 살아야할지 생각하면 더 눈물납니다. ㅠㅠ

어쨌든 그래서 매일 매일 유량을 체크하고 가상의 난방비를 계산하는 시트를 구글 드라이브에 만들어서 매일 매일 쓰고 있습니다.

그런데 아내님께서 이왕 만든거 매일 매일 기온을 알면 기온에 따라서 얼마나 더 쓰고 덜 쓰는지 알 수 있지 않겠느냐는 특명을 내리셨습니다.

그래서 어떻게 하면 자동으로 매일 매일의 기온을 구글 드라이브에 자동으로 입력시킬 수 있을가(머.. 매일 매인 손으로 입력하는 것도 방법이긴 합니다. 어차피 매일 유량도 수작업으로 기록하고 있으니까요.. 하지만 저라는 사람.. 워낙에 게을러서 입력값이 하나에서 최저기온, 최고 기온을 포함한 3가지로 늘어나는것이 너무 귀찮아서..)를 고민한 결과를 간단하게 공유해볼까 합니다.

도데체 이런 팁이 어느 분에게 도움이 될지는 모르겠지만.. 그래도 알아두시면 좋을 2가지 팁을 공유합니다.

첫번째 팁은 매일 매일의 최저 기온과 최고 기온을 자동으로 얻어오는 방법입니다.

프로그래밍을 좀 하실 수 있는 분, xml 데이터를 좀 다룰 줄 아시는 분은 아주 쉽게 기상청이나 다른 기상 예보 사이트에서 xml을 분석하셔서 해당 데이터만 파싱해서 불러오는 방법이 있습니다만.. 저는 그런 거에 까막눈이고 매 사이트마다 파싱할 데이터를 분석하는 것이 너무 귀찮아서 좀 더 쉬운 방법을 찾아보았습니다.

그래서 찾은 방법이 IFTTT(https://ifttt.com/)를 이용하는 방법입니다.

IFTTT는 'IF This, Then That'의 약자로 '만약 이러이러하다면 이렇게 하라'는 일종의 자동화 스크립트 같은 서비스입니다.

이런 자동화 스크립트를 IFTTT에서는 레시피라고 부르는데, 레시피를 만드는 방법은 해당 사이트에서 쉽게 배우실 수 있으므로 생략하도록 하겠습니다.

레시피를 만들기 귀찮으신분은 제가 만든 레시피를 공유해두었으니 가져다가 적절하게 편집해서 쓰시면 됩니다.

제 레시피는 https://ifttt.com/recipes/253252-에서 보실 수 있습니다.

매일 아침 7시에 날씨 정보와 최저기온, 최고 기온을 구글 드라이브으 IFTTT 폴더의 시트에 자동으로 기록하는 레시피입니다.

시간과 불러오는 정보들은 수정해서 쓰실 수 있습니다.

잘 아니되시는 분은 댓글을 달아주시면 제가 아는 선에서 알려드리도록 하겠습니다.

이 스크립트의 단점은 2가지 정도입니다.

첫째는 레시피를 변경한 결과를 바로 확인하기 힘듭니다. 정해진 시간에 데이터가 제대로 들어오는지 확인하시려면 해당 시간이 되어야만 확인할 수 있습니다. 그런데 그 시간에 정확히 갱신되는게 아니고 최대 20분정도 걸립니다. 그러니까 레시피가 정상적으로 동작하는지 확인하시려면 만약에 지금 시간이 오후 2시면 레시피는 2시 15분으로 수정하셔야 하고 그 결과는 2시 반이 넘어야 확인하실 수 있습니다. (제가 여러번 테스트해본 결과로는 꽤 잘 동작하니 본인이 원하는 시간 설정 후 그냥 기다리시면 됩니다. 간혹 동작이 되지 않을 경우에는 레시피를 동작하도록 설정하셨는지 확인해보시고 새로고침을 몇번 해보시면 됩니다. 동작한 결과는 모두 로그로 저장되기 때문에 로그 정보를 보시면 원인 파악이 좀 더 용이합니다.)

둘째는 제가 원하는 폴더의 원하는 시트의 원하는 위치에 데이터를 기록하는 것이 아닙니다. 무조건 IFTTT가 정한 폴더의 시트에 자동으로 기록됩니다.(물론 쪼꼼 수정은 가능하지만 그다지 의미는 없습니다.)

그래서 IFTTT에서 만든 시트의 데이터를 제가 원하는 시트로 불러오는 방법이 필요합니다.

두번째 팁은 다른 시트의 데이터를 제가 원하는 시트로 불러오는 방법입니다.

엑셀에서도 다른 엑셀 파일의 데이터를 불러오는 방법이 있기 때문에 대충 어떤 기능인지는 이해하시리라고 믿습니다.

구글 드라이브에서 다른 시트의 데이터를 불러오기 위해서는 수식을 사용해야 합니다.

함수는 importRange 입니다.

형식은 =importRange(URL,셀위치)와 같이 사용하시면 됩니다.

구글 드라이브는 크게 2가지 버전으로 나뉘는데 옛날 버전을 쓰시는 부분은 IFTTT가 만든 시트를 열었을 때 URL에 key 값이 보이실겁니다. 그 키 값을 URL 위치에 기록하시면 되고 최신 버전을 쓰시는 분은 전체 IFTTT가 만든 시트의 전체 URL을 URL에 기록하시면 됩니다.

URL을 입력하실 때에는 반드시 " " 사이에 넣으셔야 합니다.

셀 위치 역시 " " 사이에 넣으셔야 합니다. 그렇지 않으면 해당 시트의 위치를 참조하게 됩니다.

그래서 실제 예제로 보면 아래와 같습니다. 물론 아래 예제의 URL은 가짜이니 접속하셔도 404 Not Found가 뜨실겁니다. 그냥 이렇게 사용하는 것이구나라고 이해하시면 됩니다.

=importRange("https://docs.google.com/spreadsheets/d/1AQG8/edit#gid=0","B4")

위와 같이 입력한 경우 https://docs.google.com/spreadsheets/d/1AQG8Jeid5g/edit#gid=0 문서의 B4 셀의 값을 불러오라는 겁니다.

최초 입력하면 권한을 요청하고 권한 승인을 하고 나면 이후에는 자유롭게 데이터를 불러 올 수 있습니다.

이걸 잘만 응용하시면 꽤 다양한 날씨 정보판을 만들어 보실 수도 있으실 겁니다.

필요하신 분들에게 유용했으면 하는 마음입니다.

댓글

이 블로그의 인기 게시물

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

'자동화 편향'과 '대중적 불신' 을 고려한 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...