Make 로 Notion 공부 로그 자동화 Workflow 설계하기

대상: Notion에 공부 로그, 에러 로그, ChatGPT 대화 로그 DB를 만들어두고, Make(옛 인티그로맷) 같은 자동화 툴로 “반자동/자동 기록”을 하고 싶은 개발자
환경: Notion 워크스페이스 + Make 계정 보유 가정, 앞에서 설계한 Notion DB 구조를 어느 정도 만들어 둔 상태

앞에서 개발자용 Notion DB 구조(공부/프로젝트/에러)를 만들었고,
ChatGPT 대화 로그 DB까지 설계했다.

이제 자연스럽게 드는 생각이 하나 있다.

“이걸 다 손으로 입력하는 건 너무 귀찮은데…
Make(인티그로맷) 같은 걸로 좀 자동화할 수 없을까?”

이 글에서는 구체적인 코드/설정 스크린샷 대신,
개발자 입장에서 Make 워크플로우를 어떻게 “설계”하면 좋은지에 집중한다.

Make 시나리오의 기본 개념 (Trigger / Action / 모듈)
Notion ↔ ChatGPT ↔ 기타 서비스(예: 폰/폼/시트) 사이의 데이터 흐름 설계
현실적으로 유용한 자동화 워크플로우 3가지 예시
나중에 Python/직접 API 호출로 옮기기 쉽도록 데이터 구조를 미리 맞춰두는 팁

까지 정리해볼 거야.

1. Make(인티그로맷)를 어떻게 쓸지 “역할” 먼저 정하기

Make는 한마디로 말하면:

“각 서비스(API) 사이를 연결해주는 시각적 자동화 플랫폼”

인데, 모든 걸 Make로 해결하려고 하면 오히려 지저분해진다.

개발자 입장에서 Make는 이렇게 쓰는 게 좋다.

No-code로 빠르게 실험하는 용도
- “이런 흐름이 있었으면 좋겠다”를 도식화하고 바로 테스트
주기적인 단순 작업 위임
- 매일/매주 Notion DB 스캔 → 알람, 요약, 정리
사용자 입력 → Notion 기록 같은 단순 파이프라인
- 폼/간단한 웹훅/구글 시트 → Notion DB

반면, 복잡한 로직/조건/변환/긴 텍스트 처리는:

ChatGPT / Python / 직접 API 호출로 처리하고,
Make는 “트리거 + 결과 저장 + 슬랙/알림” 정도의 오케스트레이션 역할을 맡기는 게 좋다.

2. 앞에서 만든 Notion 구조를 Make 관점에서 다시 보기

지금까지 설계한 주요 DB:

공부 로그
프로젝트
에러 / 문제 로그
ChatGPT 대화 로그

Make 입장에서 보면, 이 DB들은 크게 두 가지 역할을 한다.

데이터 수신지(Sink):
- 외부에서 들어온 정보(폼, 시트, ChatGPT 요약)를 페이지로 저장하는 곳
- 예: “오늘 공부 요약”, “이번 세션 ChatGPT 요약” 등
데이터 공급원(Source):
- 일정 주기로 읽어서,
  - 리포트/요약을 만든다거나
  - 슬랙/이메일/텔레그램에 알림을 보내는 근거

이걸 기준으로 워크플로우를 설계하면 된다.

3. Make 시나리오 기본 구조 – Trigger / Action / 모듈

아주 간단히만 잡고 가자.

Scenario: 하나의 자동화 흐름 (A → B → C)
Module: 각 단계 (Notion 모듈, HTTP 모듈, Tools 모듈 등)
Trigger: 시나리오의 시작 조건
- 예: “시간 기반(매일 23:00)”, “새로운 아이템이 Notion DB에 생성될 때”, “웹훅 호출 시” 등
Action: 실제 작업
- 예: “Notion 페이지 생성”, “Slack 메시지 보내기”, “HTTP로 ChatGPT API 호출”

여기에서는 크게 3가지 대표 시나리오를 설계해볼 거다.

수동 요약 + 자동 기록: ChatGPT 요약을 Notion 공부 로그에 넣기
대화 로그 자동 생성: ChatGPT 정리 → ChatGPT 대화 로그 DB 페이지 생성
주간 리포트: 일주일 치 공부 로그/대화 로그를 모아서 요약 후 슬랙/이메일로 보내기

4. 시나리오 ① ChatGPT 요약 → Notion 공부 로그 자동 기록

4-1. 기본 아이디어

흐름은 이렇게 된다.

ChatGPT에서 공부/에러/시험 관련 대화를 한다.
대화 끝에 ChatGPT에게 요약을 요청해,
Notion 필드 구조에 맞춘 JSON/텍스트를 받는다.
사용자가 Make의 Webhook URL로 이 데이터를 POST 요청(직접이든, 툴을 통해서든).
Make는 이 데이터를 받아 공부 로그 DB에 페이지를 생성한다.

4-2. Notion 공부 로그에 필요한 최소 데이터

C1에서 정리한 공부 로그의 필드 중, 자동 기록용 최소 필드를 다시 뽑아보면:

날짜
제목
주제 (Multi-select)
태그
요약
상세 내용 (선택)
관련 프로젝트 (선택)

예시 JSON 구조(개념용):

{
  "date": "2025-11-15",
  "title": "우분투 18.04 시리얼 포트 권한 에러 정리",
  "topic": ["리눅스", "시리얼"],
  "tags": ["회사 업무", "블로그 초안"],
  "summary": "ttyUSB0 permission denied 에러 원인과 dialout 그룹 해결 과정을 정리.",
  "detail": "1) dmesg로 포트 이름 확인...
2) ls -l /dev/ttyUSB0...
3) usermod -aG dialout...",
  "project": "우분투 18.04 샘플 코드 정리"
}

4-3. Make 시나리오 설계(개념)

Trigger 모듈

Webhook 모듈
- “Custom webhook” 생성 → URL 확보
- ChatGPT 또는 중간 스크립트에서 이 URL로 JSON POST

Action 모듈

Notion → Create a Database Item
- Database: 공부 로그
- 필드 매핑:
  - Notion 날짜 ← JSON date
  - 제목(Title) ← JSON title
  - 주제(Multi-select) ← JSON topic 배열
  - 태그 ← JSON tags
  - 요약 ← JSON summary
  - 상세 내용 ← JSON detail
  - 프로젝트(Relation) ← JSON project 이름으로 검색 후 연결 (조금 더 복잡한 로직, 나중에 고도화)

이렇게 설계해두면:

ChatGPT에서 요약 → JSON 만들기
JSON을 Webhook으로 전달 → Notion 공부 로그 자동 생성

이라는 “반자동” 루틴이 완성된다.

5. 시나리오 ② ChatGPT 세션 끝날 때마다 “대화 로그 DB” 자동 생성

앞에서 설계한 ChatGPT 대화 로그 DB를 대상으로 한 워크플로우다.

5-1. 필요한 필드 재정리

ChatGPT 대화 로그의 핵심 필드는:

제목
날짜/시간
카테고리 (영어회화, 코딩, 시험 등)
세부 주제
요약
질문/답변 핵심 정리
(선택) 잘한 점, 아쉬운 점, 언어/환경, 시험 영역 등

여기에 맞춰서 ChatGPT에게 이런 요청을 할 수 있다.

“지금까지 대화를 Notion 로그에 기록할 거야.
아래 JSON 구조에 맞게 내용을 채워줘.
{ “title”: …, “category”: “…”, “topics”: […], “summary”: “…”, “detail”: “…”, “good”: “…”, “improve”: “…” } 형식으로 보내줘.”

이렇게 받아낸 JSON을 그대로 Make Webhook으로 보내면 된다.

5-2. Make 시나리오 설계(개념)

구조는 시나리오 ①과 거의 같다.

Webhook Trigger
- ChatGPT 요약(JSON)을 받는 엔드포인트
Notion → Create a Database Item
- Database: ChatGPT 대화 로그
- 필드 매핑:
  - 제목 ← JSON title
  - 날짜/시간 ← 수신 시각 또는 JSON datetime
  - 카테고리 ← JSON category
  - 세부 주제(Multi-select) ← JSON topics
  - 요약 ← JSON summary
  - 질문/답변 핵심 정리 ← JSON detail
  - (선택) 잘한 점, 아쉬운 점 등 추가 매핑
(선택) 공부 로그 / 에러 로그와 연결
- 만약 JSON에 study_log_id나 error_log_id 같은 값이 포함되면,
- Notion API로 해당 페이지를 찾아 Relation 필드에 연결하는 모듈을 추가할 수 있다.
- 이건 조금 복잡해지므로, 초기에 꼭 할 필요는 없다.
  → 나중에 Python 쪽에서 구현하는 편이 더 자유도가 높다.

6. 시나리오 ③ 주간 리포트: Notion 데이터 → 요약 → 슬랙/이메일 발송

이건 “입력 자동화”가 아니라 “리포트 자동화”에 가까운 경우다.

6-1. 전체 흐름

매주 일요일 밤 23:00에 트리거
지난 7일간의 공부 로그, ChatGPT 대화 로그, 에러 로그를 Notion에서 조회
Make에서 적당한 형태로 문자열 정리
필요하면 ChatGPT API를 한 번 호출해서 “사람이 읽기 좋은 요약”으로 다듬기
결과를 슬랙/이메일/텔레그램으로 전송

6-2. Make 시나리오 구조(개념)

Trigger

Scheduler 모듈
- “매주 일요일 23:00”과 같은 크론 형식 스케줄

Action 1 – Notion에서 데이터 가져오기

Notion → Search Database Items 또는 List Database Items 모듈
- DB: 공부 로그
- 필터: 날짜가 “지난 7일” 범위
동일하게 ChatGPT 대화 로그, 에러 / 문제 로그에 대해 반복

Action 2 – 텍스트 합치기

Make의 Tools 모듈(Iterator, Text aggregator 등)을 사용해서
- 각 로그를 “한 줄 요약” 형식으로 나열
예:
- 2025-11-10 [리눅스/시리얼] ttyUSB0 Permission 문제 정리
- 2025-11-11 [영어회화] 호텔 체크인 표현 연습 (시제/관사 피드백)

Action 3 – (선택) ChatGPT API 호출

HTTP 모듈 사용
- 요청 바디에 “지난 1주일 Notion 로그 요약” 텍스트를 넣고
- 이번 주 학습/에러/대화 로그를 기반으로, 잘한 점/개선할 점/다음 주 목표를 5줄 이내로 요약해줘라고 프롬프트 작성
응답 텍스트를 최종 리포트에 포함

Action 4 – 슬랙/이메일 전송

Slack 모듈 또는 Email 모듈
- 수신자: 본인
- 제목: [이번 주 학습 리포트] 2025-11-10 ~ 2025-11-16
- 본문:
  - 지난 주 로그 목록
  - ChatGPT가 만들어준 주간 요약

이 시나리오는 “완전 자동”으로 돌아가게 만들면,
별도의 수동 작업 없이도 매주 자기 학습/삽질 리포트를 받게 되는 구조가 된다.

7. Make + ChatGPT + Notion을 함께 쓸 때 설계 팁

Make는 “데이터 흐름”, ChatGPT는 “텍스트 가공” 역할로 분리
- Make에서 너무 복잡한 텍스트 조립을 하려고 하지 말 것
Notion 필드 이름/타입을 먼저 안정적으로 고정
- 자주 바꾸면 시나리오가 계속 깨진다.
JSON 형식을 일관되게 사용
- ChatGPT에게 “항상 같은 JSON 키 이름으로 답하게” 훈련해두면
  Make에서 필드 매핑이 쉬워진다.
초기에는 “수동 + 반자동”으로 시작
- 완전 자동을 목표로 하기보다,
- 먼저 “Webhook + Notion 페이지 생성” 정도의 간단한 흐름부터 돌려본 뒤,
- 점점 조건, 필터, 요약, 리포트 등을 추가하는 식으로 확장

8. 정리 – “자동화 설계 틀”

이번 글에서는:

앞에서 만든 Notion DB들을 기준으로
Make(인티그로맷)를 이용해
- ChatGPT 요약 → Notion 공부 로그 기록
- ChatGPT 세션 → 대화 로그 DB 기록
- 주간 리포트 발송
이 세 가지 대표 워크플로우를 “어떤 구조로 만들지” 설계했다.

다음 단계에서는:

“Make 없이 Python + Notion API + (필요하면) ChatGPT API를 직접 사용해서
같은 일을 코드로 구현하면 어떻게 되는지”

를 다루면서,

개발자 입장에서 “직접 스크립트로 구현하는 패턴”과
Make 같은 자동화 툴을 함께 쓸 때의 역할 분담

까지 예제로 보여줄 예정이다.