정보도우미

  NotebookLM에 PDF 100개를 넣어봤다, 실제로 어디까지 관리될까? 대용량 자료 관리 실험 후기 최근 AI를 활용한 문서 분석이 보편화되면서 연구자, 대학원생, 공무원, 직장인들 사이에서 NotebookLM 활용이 빠르게 늘어나고 있다. 특히 논문이나 연구보고서, 정책자료처럼 분량이 많은 문서를 다루는 사람들에게는 상당히 유용한 도구로 평가받고 있다. 그런데 실제로 사용하다 보면 한 가지 궁금증이 생긴다. "NotebookLM은 정말 대량의 PDF를 관리할 수 있을까?" "논문 100편을 넣어도 제대로 검색이 될까?" "자료가 많아지면 답변 품질은 떨어지지 않을까?" 나 역시 이런 궁금증이 생겨 직접 테스트를 진행해보았다. 이번 글에서는 NotebookLM에 대량의 PDF 자료를 넣고 관리했을 때 어떤 결과가 나타나는지, 검색 속도는 어느 정도인지, 그리고 실제 업무와 연구에 활용할 수 있는 수준인지 분석해보려고 한다. 왜 이런 실험을 하게 되었을까? 최근 논문 연구를 진행하면서 관련 자료가 빠르게 늘어났다. 초기에는 논문 10편 정도만 관리하면 충분했지만 시간이 지나면서 상황이 달라졌다. 학술논문 연구보고서 정부 정책자료 학회 발표자료 통계 보고서 이렇게 자료가 쌓이다 보니 수십 개의 PDF를 관리해야 했다. 기존에는 폴더별로 정리하고 필요한 내용을 직접 검색했다. 하지만 시간이 지나면서 필요한 자료를 찾는 것 자체가 업무가 되기 시작했다. 그래서 NotebookLM이 실제로 자료 관리 도구로 활용 가능한지 확인해보기로 했다. NotebookLM은 PDF를 몇 개까지 넣을 수 있을까? 많은 사람들이 오해하는 부분이 있다. NotebookLM은 무한정 자료를 넣을 수 있는 서비스가 아니다. 2026년 기준 무료 플랜은 노트북당 최대 50개의 소스를 지원하며, 상위 플랜에서는 100~300개 이상까지 확장된다. 또한 단일 소스는 최대 50만 단어 또는 200MB까지 허용된다. 즉 PDF 100개를...

  Napkin AI는 논문 발표자료 제작에 쓸만할까? 연구모형 시각화부터 발표자료 제작까지 실제 사용 후기 석사 논문이나 박사 논문을 준비해본 사람이라면 누구나 공감할 것이다. 논문을 작성하는 것도 어렵지만 연구 내용을 발표자료로 만드는 과정 역시 만만치 않다. 특히 연구모형, 연구설계, 변수 간 관계, 연구 흐름 등을 시각적으로 표현하는 작업은 생각보다 많은 시간을 요구한다. 실제로 연구계획서 발표, 중간발표, 학위논문 심사 발표, 학회 발표 등을 준비할 때 가장 고민되는 부분 중 하나가 바로 도식화 작업이다. 연구자는 연구 내용은 잘 알고 있지만 이를 청중이 한눈에 이해할 수 있도록 시각화하는 것은 또 다른 영역의 능력이 필요하기 때문이다. 최근에는 이러한 문제를 해결하기 위해 다양한 AI 기반 시각화 도구가 등장하고 있다. 그중에서도 Napkin AI는 텍스트를 입력하면 자동으로 다이어그램과 개념도를 생성해주는 서비스로 연구자와 직장인들 사이에서 관심을 받고 있다. 이번 글에서는 실제 논문 발표 상황을 가정하고 Napkin AI를 활용해 연구모형을 시각화하고 발표자료를 제작해보았다. 단순 기능 소개가 아닌 실제 연구 발표 준비 과정에서 얼마나 도움이 되는지 중심으로 분석해보았다. 이번 테스트에서는 다음 항목을 중점적으로 살펴봤다. 연구모형 시각화 논문 발표자료 제작 연구 흐름 설명 수정 편의성 실제 활용성 왜 Napkin AI를 논문 발표에 활용해봤을까? 대부분의 논문 발표자료에는 공통적으로 등장하는 요소가 있다. 연구배경 연구목적 연구모형 연구문제 연구방법 연구결과 결론 이 중에서도 가장 많은 시간을 소모하는 부분이 연구모형과 연구 흐름을 시각화하는 작업이다. 예를 들어 조직관리 연구라면 조직문화가 직무만족에 영향을 주고, 직무만족이 조직몰입에 영향을 주는 구조를 그림으로 표현해야 한다. 동물복지 연구라면 조직 특성이 동물복지 인식에 영향을 미치고 이것이 직무만족으로 연결되는 과정을 시각적으로 보여줘야 한다. 직접 파워포인트에서 도형을 그리기 ...

  AI 검색 도구 5종을 같은 질문으로 비교해봤다, ChatGPT·Gemini·Perplexity·Felo·Claude의 답변은 얼마나 달랐을까? 최근에는 궁금한 내용을 찾기 위해 검색창에 키워드를 입력하는 대신 AI에게 질문하는 경우가 많아졌다. 예전에는 여러 검색 결과를 직접 열어보고 필요한 내용을 찾아야 했다면 이제는 AI가 여러 정보를 정리해서 하나의 답변으로 만들어준다. 그런데 여기서 한 가지 궁금한 점이 생겼다. 같은 질문을 ChatGPT, Gemini, Perplexity, Felo, Claude에게 동시에 입력하면 과연 비슷한 답변이 나올까? 검색 결과가 다르다면 그 이유는 무엇일까? 그리고 어떤 AI가 더 정확하다고 단순하게 판단할 수 있을까? 이번에는 이 궁금증을 확인하기 위해 AI 검색 및 조사 기능을 활용할 수 있는 5개 서비스를 동일한 조건에서 비교하는 실험을 진행했다. 비교 대상은 ChatGPT, Gemini, Perplexity, Felo, Claude다. 이번 실험에서 가장 중요하게 생각한 것은 특정 AI를 무조건 좋거나 나쁘다고 평가하는 것이 아니었다. 같은 질문에 어떤 자료를 찾고, 어떤 방식으로 답변을 구성하며, 출처를 얼마나 확인하기 쉽게 보여주는지를 비교하는 것이 목적이었다. 왜 같은 질문으로 비교했을까? AI 서비스마다 기본적인 성격이 다르다. 어떤 서비스는 대화와 문서 작업에 강하고, 어떤 서비스는 웹 검색과 출처 확인에 편리하다. 또 어떤 서비스는 긴 문서를 분석하거나 복잡한 질문을 단계적으로 처리하는 데 초점을 맞추고 있다. 따라서 단순히 "어떤 AI가 가장 좋은가?"라는 질문은 정확한 비교 방법이라고 보기 어렵다. 사용 목적에 따라 결과가 달라질 수 있기 때문이다. 그래서 이번에는 동일한 질문을 5개 서비스에 입력하는 방식으로 조건을 통일했다. 비교 항목도 미리 정했다. 첫째는 답변의 정확성이다. 둘째는 최신 정보 반영 여부다. 셋째는 출처 확인의 편리성이다. 넷째는 답변의 구체성이다. 다섯째는...

  Gemini는 Google Workspace 사용자에게 얼마나 유용할까? Gmail과 Docs 중심으로 직접 사용해본 후기 생성형 AI가 빠르게 보급되면서 많은 사람들이 ChatGPT, Claude, Gemini 같은 AI 도구를 업무에 활용하고 있다. 그중에서도 Gemini는 다른 AI와 조금 다른 위치에 있다. 단순한 대화형 AI가 아니라 Google Workspace와 깊게 연동된다는 점이 가장 큰 특징이다. Google Workspace를 사용하는 사람이라면 Gmail, Google Docs, Google Drive, Google Meet, Google Sheets 등을 매일 사용하게 된다. 문제는 업무가 늘어날수록 이메일은 쌓이고, 문서는 많아지고, 필요한 자료를 찾는 데 많은 시간이 소요된다는 점이다. Google은 이러한 문제를 해결하기 위해 Gemini를 Workspace에 통합했다. 단순히 질문에 답하는 AI가 아니라 실제 업무 도구 안에서 함께 일하는 AI를 목표로 하고 있다. 이번 글에서는 실제 업무 환경을 가정하여 Gemini를 Gmail과 Google Docs 중심으로 사용해보았다. 특히 다음 세 가지를 중심으로 검증했다. Gmail 활용성 Google Docs 활용성 실제 업무 효율 변화 단순 기능 소개가 아니라 실제 사용 경험을 바탕으로 분석한 내용이므로 Google Workspace를 사용하고 있는 직장인, 연구자, 공무원, 대학원생이라면 참고가 될 것이다. 왜 Gemini와 Google Workspace 조합이 주목받고 있을까? 대부분의 생성형 AI는 별도의 웹사이트나 앱에서 사용한다. 예를 들어 ChatGPT는 대화창에서 질문을 입력하고 결과를 받아야 한다. 하지만 Gemini는 조금 다르다. Google이 제공하는 업무 도구 안으로 직접 들어와 있다. 예를 들면 Gmail에서 이메일 작성 지원 Docs에서 문서 초안 작성 Drive 문서 검색 Meet 회의 요약 Sheets 데이터 분석 등이 가능하다. 즉 AI를 사...

  ChatGPT와 Excel을 함께 사용하면 어떤 업무가 자동화될까? 실제 업무 데이터로 테스트해본 결과 최근 생성형 AI가 업무 환경에 빠르게 확산되면서 가장 많이 언급되는 조합 중 하나가 바로 ChatGPT와 Excel이다. 많은 직장인들이 Excel은 사용할 수 있지만 데이터 분석이나 보고서 작성에는 어려움을 겪는다. 반대로 ChatGPT는 문서 작성과 분석 능력이 뛰어나지만 숫자 데이터가 정리되지 않으면 제대로 활용하기 어렵다. 그래서 최근에는 Excel과 ChatGPT를 함께 사용하는 방식이 주목받고 있다. 실제로 업무 현장에서는 매일 수많은 Excel 파일이 생성된다. 매출 데이터 예산 집행 내역 민원 처리 현황 프로젝트 일정표 설문조사 결과 재고 현황 업무 실적 자료 등 대부분의 업무 데이터는 Excel 형태로 관리된다. 문제는 데이터를 정리한 뒤 이를 분석하고 보고서로 작성하는 과정이다. 많은 사람들이 데이터 정리에는 시간을 쓰지만 정작 분석과 활용에는 충분한 시간을 투자하지 못한다. 이번 글에서는 실제 업무 데이터를 활용해 ChatGPT와 Excel을 함께 사용했을 때 어떤 업무가 자동화될 수 있는지 실험해보았다. 특히 다음 세 가지를 중심으로 분석했다. 데이터 정리 자동화 보고서 작성 자동화 실무 적용 가능성 단순 기능 소개가 아니라 실제 업무 환경을 가정한 실험 결과를 정리했다. 왜 ChatGPT와 Excel 조합이 주목받고 있을까? 직장인들이 가장 많은 시간을 사용하는 프로그램 중 하나는 Excel이다. 하지만 Excel만으로 해결하기 어려운 작업도 많다. 예를 들어 데이터 의미 분석 추세 파악 보고서 작성 결과 해석 발표 자료 구성 등은 사람이 직접 수행해야 한다. 반면 ChatGPT는 데이터 자체를 관리하는 도구는 아니지만 정리된 데이터를 해석하고 설명하는 데 강점을 가진다. 즉 Excel은 데이터를 관리하고 ChatGPT는 데이터를 이해하고 설명하는 역할을 수행한다. 이 조합이 업무 생산성을 높이는 이유다. 실험 환경 이번 ...

  ChatGPT로 1개월 업무일지를 자동 정리해봤다, 보고서 작성 시간은 얼마나 줄었을까? 직장인이라면 누구나 한 번쯤 업무일지 작성 때문에 고민한 경험이 있을 것이다. 하루 동안 처리한 업무를 기록하는 것은 어렵지 않다. 문제는 그 기록이 한 달 동안 쌓였을 때다. 매일 작성한 업무일지는 수십 페이지에 달하고, 월간 업무보고서나 성과보고서를 작성하려고 하면 다시 처음부터 내용을 정리해야 한다. 특히 공공기관, 공기업, 연구기관, 일반 기업의 기획부서에서는 월간 업무보고서 작성에 상당한 시간이 소요된다. 최근에는 ChatGPT를 활용해 업무일지를 자동으로 정리하고 보고서 초안을 만드는 사례가 늘어나고 있다. 실제로 OpenAI는 업무 기록, 문서, 메모, 일정 자료를 활용해 주간 브리프와 업무 보고서를 작성하는 활용 사례를 소개하고 있다. 그렇다면 실제 업무 현장에서 얼마나 효과가 있을까? 이번 글에서는 1개월 동안 작성한 업무일지를 ChatGPT로 분석하고 자동 정리해본 실험 결과를 정리해보았다. 특히 다음 세 가지를 중심으로 검증했다. 업무 기록 관리 효율성 보고서 작성 활용성 생산성 변화 단순한 기능 소개가 아니라 실제 업무 데이터를 활용한 실험 후기라는 점에서 업무 자동화에 관심 있는 직장인들에게 도움이 될 것이다. 왜 업무일지 자동 정리 실험을 진행했을까? 많은 직장인들이 업무일지를 작성한다. 대표적인 예시는 다음과 같다. 일일 업무일지 주간 업무보고 프로젝트 진행 기록 회의 결과 정리 민원 처리 기록 연구 활동 기록 현장 업무 기록 문제는 업무일지가 쌓일수록 활용하기 어려워진다는 점이다. 한 달만 지나도 어떤 업무를 수행했는지 기억하기 어려워진다. 실제로 월말 보고서를 작성할 때는 업무일지를 다시 읽어야 하는 경우가 많다. 나 역시 업무일지를 꾸준히 작성하고 있었지만 월간 보고서를 작성할 때마다 상당한 시간이 소요되었다. 그래서 ChatGPT를 활용하면 얼마나 효율적으로 정리할 수 있는지 직접 확인해보기로 했다. 실험에 사용한 자료 이번 실...

  ChatGPT에게 같은 보고서를 5번 작성시켜봤다, 결과는 얼마나 달라질까? 생성형 AI를 업무에 활용하는 사람들이 가장 자주 하는 질문 중 하나가 있다. "같은 질문을 여러 번 하면 항상 같은 답변이 나올까?" 실제로 ChatGPT를 사용하다 보면 비슷한 질문을 입력했는데도 답변이 조금씩 달라지는 경우를 경험하게 된다. 어떤 때는 보고서 구조가 달라지고, 어떤 때는 사례가 바뀌거나 표현 방식이 달라지기도 한다. 그렇다면 실제 업무에서 활용할 경우 이러한 차이는 어느 정도일까? 특히 보고서 작성 업무에서는 일관성이 매우 중요하다. 공공기관 보고서, 연구보고서, 사업계획서, 회의 결과보고서 등은 일정한 품질과 구조를 유지해야 하기 때문이다. 이번 글에서는 동일한 주제의 보고서를 ChatGPT에게 5번 작성하게 한 뒤 결과를 비교 분석해봤다. 단순히 "답이 다르다"는 수준이 아니라 다음 항목을 중심으로 실제 실험을 진행했다. 답변 일관성 분석 보고서 품질 차이 프롬프트 영향 분석 실무 활용 가능성 검토 최근 AI 활용 사례는 많지만 실제 비교 실험 데이터는 생각보다 많지 않다. 그래서 직접 테스트를 진행하고 결과를 정리해보았다. 왜 이런 실험을 진행했을까? 많은 직장인들이 ChatGPT를 업무에 활용하고 있다. 대표적으로 다음과 같은 작업이다. 사업계획서 작성 정책보고서 초안 작성 회의록 정리 공문 작성 연구보고서 작성 시장조사 보고서 작성 그런데 같은 주제를 여러 번 질문하면 결과가 조금씩 달라진다는 이야기가 많다. 실제 업무에서는 재현성이 중요하다. 만약 오늘 작성한 보고서와 내일 작성한 보고서가 완전히 다르다면 실무 활용에 문제가 생길 수 있다. 그래서 이번 실험에서는 같은 조건에서 동일한 보고서를 5회 생성하여 결과를 비교했다. 실험 환경 실험에 사용한 보고서 주제는 다음과 같았다. "지역사회 환경보호 캠페인 추진 계획 보고서" 입력 프롬프트는 동일하게 유지했다. 추가 조건도 동일하게 적용했다. 보고...