기본 콘텐츠로 건너뛰기

[Google TimesFM AI 실전 활용기] AI가 비트코인·삼성전자·강남 아파트 값을 예측한다면?

✦ Google TimesFM AI 실전 활용기

Google AI가 비트코인·삼성전자·강남 아파트 값을 예측한다면?

60대가 바이브코딩으로 직접 개발한 한국경제 예측 대시보드 

✍️찰리초이📅2026년 6월⏱ 읽기 5분
"AI가 내 주식을 예측해준다면?" 한 번쯤 궁금했을 겁니다.
저도 그 궁금증 하나로 시작했다가, 비트코인부터 강남 아파트까지 예측하는 대시보드를 만들어버렸습니다.
한국경제 AI 예측 대시보드
한국경제 AI 예측 대시보드 화면
📸 실제 대시보드 화면 — 비트코인, 삼성전자, 환율, 서울 아파트 지수를 한 화면에서 확인

INTROGoogle의 AI 예측 모델, TimesFM이 뭔가요?

최근 Google이 조용하게 공개한 AI 모델이 있습니다. 바로 TimesFM입니다. 이름부터 낯선데, 쉽게 설명하면 이렇습니다.

📌 "베테랑 점원" 비유로 이해하는 TimesFM
기존 방식

빵집 매출 예측 → 빵집 전용 AI 학습
야채 가격 예측 → 또 새로운 AI 학습

→ 가게마다 신입 직원을 처음부터 교육시키는 것

TimesFM

1,000억 개 이상의 데이터를 미리 학습
빵집이든, 주식이든, 아파트든
→ 어디서든 "감"으로 패턴을 읽어내는 20년 차 베테랑

쉽게 말해, 과거 데이터를 넣으면 미래를 추론해주는 모델입니다. Google이 직접 Google Sheets(스프레드시트)에 이 기능을 탑재한 것도 이 모델 덕분입니다. 이제 일반인도 스프레드시트에서 AI 예측을 쓸 수 있게 된 거죠.

"Google이 Sheets에 AI 예측을 넣었다는 건, 이 기술이 '전문가 전용'에서 '일반인용'으로 내려왔다는 신호입니다."

FEATURES도대체 무엇을 예측하나요?

저는 이 모델을 활용해 한국인이라면 누구나 관심 있을 15개 경제 지표를 예측하는 대시보드를 만들었습니다.

🪙
암호화폐
비트코인
이더리움
XRP
📈
한국 주식
삼성전자
SK하이닉스
현대차 · KOSPI
💱
환율
USD/KRW
JPY/KRW
(100엔 기준)
🏢
서울 아파트
서울 전체
강남 3구
노원·도봉
🛒
물가
전체 CPI
식품 물가
주거·광열비

한국은행, 국토교통부 공공 데이터와 실시간 시세를 연결해서, 예측 결과를 한국어로 자동 해석해주는 기능도 넣었습니다.

STORY60대가 "바이브코딩"으로 만들었다

솔직히 말하면, 저는 전통적인 의미의 코딩 전문가가 아닙니다. 30년 넘게 IT 업계에 있었지만, 요즘 유행하는 "AI와 대화하며 만드는" 바이브코딩 방식으로 이 대시보드를 완성했습니다.

💬

바이브코딩이란?

코드를 직접 타이핑하는 대신, AI에게 "이런 화면을 만들어줘", "여기서 버튼을 누르면 예측이 나오게 해줘"라고 말하면서 함께 만들어가는 방식입니다. 60대도 충분히 할 수 있습니다.

  • 1

    아이디어 정리 — "한국 경제 지표를 AI로 예측하는 대시보드를 만들고 싶다"는 기획부터 시작

  • 2

    AI와 대화 — Claude와 함께 화면 구성, 데이터 연결, 예측 기능을 단계별로 구현

  • 3

    공공 데이터 연결 — 한국은행, 국토교통부 API를 연동해 실제 한국 데이터로 예측

  • 4

    배포 완료 — Vercel(프론트엔드)과 Railway(백엔드)를 활용해 실제 웹서비스로 공개

✦ 이 프로젝트의 핵심 메시지

코딩을 몰라도 됩니다. AI를 활용하는 방법을 알면 됩니다.

중요한 것은 "무엇을 만들지"를 기획하는 능력이고, 그 기획력은 나이와 상관없습니다.


INSIGHT"AI 예측을 맹신하면 안 된다"

이 대시보드에는 단순 예측 외에 신뢰도 점수가 함께 표시됩니다. 예측이 얼마나 믿을 만한지를 0~100점으로 보여주는 거죠.

예측 기간이 길어질수록 신뢰구간(오차 범위)이 넓어집니다. 30일 예측은 1일 예측보다 훨씬 불확실합니다. AI도 먼 미래는 당연히 잘 모릅니다.

⚠️

투자 조언이 아닙니다. 이 프로젝트는 100% 교육 목적입니다. "AI가 30일 뒤 비트코인이 오른다고 했으니 사야지"라는 생각은 위험합니다. AI 예측은 과거 패턴에서 추론한 참고 자료일 뿐, 미래를 보장하지 않습니다.

댓글

이 블로그의 인기 게시물

초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI의 원리와 현실

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...

CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나

긴급 시장 분석 CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나 49 대 50으로 막힌 미국 암호화폐 시장구조 법안. 표결의 정확한 의미와 BTC·XRP 가격 충격, 앞으로 확인할 가격대를 함께 분석합니다. 작성 기준: 2026년 9월 16일 오전 7시 25분(KST) · 가격은 작성 시점 기준 상원 표결 찬성 49 · 반대 50 비트코인 24시간 -4.32% XRP 24시간 -11.36% 목차 무엇이 부결됐나 왜 60표를 얻지 못했나 비트코인·XRP 가격 반응 비트코인 기술적 구간 XRP 기술적 구간 향후 시나리오와 관찰 포인트 먼저 결론부터 미국 상원이 부결한 것은 CLARITY 법안의 최종 통과안이 아닙니다. 상원 본회의에서 법안을 다루기 위해 토론 종결 절차를 밟고 심의로 넘어갈 것인지를 묻는 클로처 표결 이었습니다. 필요한 60표를 얻지 못하면서 법안은 본격 토론 단계에 진입하지 못했습니다. 정확한 표현: “CLARITY 법안이 최종 폐기됐다”가 아니라 “법안을 본회의에서 다루기 위한 절차표결이 실패했다”가 맞습니다. 시장은 이 결과를 미국 암호화폐 규제 명확화의 지연으로 받아들였습니다. 비트코인은 약 4% 하락했지만 XRP는 11% 넘게 떨어졌습니다. 규제 기대에 민감한 알트코인이 정치적 불확실성에 더 크게 반응한 모습입니다. 1. 상원에서 실제로 무엇이 부결됐나 미국 상원 공식 기록에 따르면 2026년 9월 15일 오후 3시, H.R. 3633인 Digital Asset Market Clarity Act 에 대한 ‘motion to proceed’의 클로처 동의가 찬성 49표, 반대 50표 로 부결됐습니다. 클...

Jev는 더 빠른 챗봇이 아니다: System One Model의 역할과 기업 활용 가능성

한 줄 요약: Jev는 글을 생성하는 챗봇이 아니라, 소프트웨어가 직접 사용할 판단값과 확률을 100ms 내외로 빠르게 반환하는 System One 의사결정 전용 모델 이다. 최근 AI 개발자 커뮤니티에서 Jev 가 빠르게 주목받고 있다. 항공권을 약 7초 만에 찾고, 광고 수백 개를 수십 초 안에 분석하고, 논문 1,018편을 0.08달러에 분류했다는 사례들이 등장했다. 숫자만 보면 새로운 초고속 생성형 AI처럼 보인다. 하지만 Jev를 ChatGPT나 Claude의 더 빠르고 저렴한 대체품으로 이해하면 핵심을 놓친다. Jev는 글을 생성하는 AI가 아니라, 소프트웨어가 사용할 판단값을 빠르게 반환하는 의사결정 전용 모델이다. TypeSafe AI는 이를 새로운 모델 계열인 System One Model 이라고 부른다.[1] 이 글에서는 TypeSafe의 공식 발표와 개발 문서, 초기 활용 사례를 바탕으로 다음 질문에 답한다. Jev는 정확히 무엇인가? 기존 LLM과 무엇이 다른가? 어떤 업무에 유용한가? Hermes 같은 AI 에이전트와 어떻게 연결할 수 있는가? 기업 데이터와 개인정보를 외부 API로 보내는 보안 문제는 어떻게 봐야 하는가? 1. 기존 LLM이 자동화에서 부딪히는 문제 ChatGPT, Claude, Gemini와 같은 LLM은 기본적으로 사람이 읽는 문자열을 생성하는 모델 이다. 보고서 작성, 설명, 대화, 코드 생성에는 매우 강력하다. 그러나 기업의 업무 시스템이 필요한 것은 종종 긴 설명문이 아니다. 예를 들어 고객 문의가 들어왔을 때 프로그램이 알고 싶은 것은 다음과 같다. 어느 부서가 처리해야 하는가? 긴급도는 얼마인가? 환불 요청인가? 사람이 확인해야 하는가? 자동 처리해도 되는가? 일반 LLM에 이런 질문을 하면 자연스러운 문장이나 JSON을 생성하도록 프롬프트를 작성한 뒤, 결과를 다시 파싱하고 검증해야 한다...

Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가

개인 AI 에이전트 비교 · 2026년 9월 25일 Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가 Muse가 OpenClaw 코드를 그대로 실행하는 클론이라는 증거는 없습니다. 다만 에이전트의 기본 구조와 제품 철학은 크게 닮았고, Muse의 새로움은 개념보다 배포 방식·보안 모델·대중화에 있습니다. 에이전트 개념은 OpenClaw ≈ Muse입니다. 구현은 다릅니다. OpenClaw가 사용자가 직접 운영하는 개방형 하니스라면, Muse는 Meta가 호스팅하는 소비자용 서비스입니다. 1. 왜 ‘일반인용 OpenClaw’라는 말이 나왔나 Muse 출시 뒤 초기 사용자들은 두 제품의 내부 파일 체계를 비교했습니다. SOUL.md , IDENTITY.md , USER.md , MEMORY.md , AGENTS.md , TOOLS.md 같은 이름뿐 아니라, 에이전트의 성격과 행동 경계를 정하는 문장까지 비슷하다는 지적이 나왔습니다. The Verge도 두 제품이 핵심 파일 이름과 “Be genuinely helpful, not performatively helpful” 같은 문구를 공유한다고 보도했습니다. [2] 파일 규약 OpenClaw: 성격·사용자·기억·도구를 텍스트 파일로 관리합니다. Muse: 이름과 역할이 유사한 파일 체계가 관찰됐습니다. 제품 형태 공통점: 질문에 답하는 챗봇을 넘어 브라우저와 도구를 사용해 실제 일을 수행하는 개인 에이전트를 지향합니다. 논란의 핵심은 화면이 비슷하다는 정도가 아닙니다. 에이전트 하니스, 즉 모델이 기억·도구·규칙을 활용하도록 둘러싼 실행 구조와 성격 문서까지 닮았다는 점입니다. 2. Meta의 공식 설명 Meta Superintelligence Labs 제품 책임자 Nat Friedman은 Muse를 “처음부터 새로 만들었지만, 제품으로서는...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...