글

AI에게 회의록을 맡길 때 결정사항과 의견을 구분하는 방법

회의가 끝난 뒤 회의록을 정리하는 일은 생각보다 많은 시간이 걸린다. 회의 중에는 여러 사람이 자유롭게 의견을 이야기하고, 중간에 다른 주제로 넘어갔다가 다시 돌아오는 경우도 많기 때문이다. 생성형 AI에게 회의 내용을 입력하면 긴 대화를 짧게 정리해준다는 장점이 있다. 문제는 요약이 깔끔하게 만들어졌다고 해서 그 내용이 실제 회의에서 결정된 사항과 완전히 같은 것은 아니라는 점이다. 특히 직장에서는 누군가가 이렇게 하면 어떨 것 같다~고 말한 것과 실제로 이렇게 진행하기로 했다~는 것은 전혀 다른 의미를 가진다. 개인적으로 AI를 업무에 활용할 때 가장 신경 쓰는 부분도 바로 이 차이다. 문장이 자연스럽게 정리되어 있으면 얼핏 보기에는 모두 확정된 내용처럼 느껴지기 때문이다. 그래서 회의록을 AI에게 맡길 때는 전체 내용을 예쁘게 요약하는 것보다 의견, 결정, 보류, 담당 업무를 분리해서 확인하는 과정이 더 중요하다고 생각한다. AI가 회의 내용을 정리하면서 생기는 작은 차이 회의에서는 다음과 같은 대화가 자연스럽게 오간다. 다음 주까지 한번 검토해보면 좋겠습니다. 그럼 A안으로 가는 것도 괜찮을 것 같습니다. 일단 팀장님께 확인해보고 결정하죠. 사람이 회의에 참석했다면 이 세 문장이 모두 같은 의미가 아니라는 것을 쉽게 이해할 수 있다. 첫 번째는 검토 제안일 수 있고,  두 번째는 의견일 수 있으며,  세 번째는 아직 결정하지 않았다는 뜻에 가깝다. 하지만 AI가 이것을 간단하게 요약하면서 모두 업무 결정사항처럼 묶어버리면 문제가 생길 수 있다. 따라서 회의록을 만들 때는 단순 요약을 요구하기보다 각각의 발언이 어떤 상태인지 구분하도록 요청하는 것이 좋다. 결정된 내용과 의견을 분리해서 요청한다 회의록을 AI에게 정리시킬 때 다음과 같은 기준을 먼저 알려주는 방법이 있다. 결정된 사항 논의만 된 사항 추가 확인이 필요한 사항 담당자가 정해진 업무 담당자가 정해지지 않은 업무 이렇게 나누면 회의 내용의 성격을 구분하기 쉬워진다. 특히 담당자...

Gamma로 만든 PPT와 사람이 만든 PPT 비교, 디자인 품질부터 제작 시간까지 실제 실험 후기

  Gamma로 만든 PPT와 사람이 만든 PPT 비교, 디자인 품질부터 제작 시간까지 실제 실험 후기 최근 생성형 AI의 발전으로 발표자료 제작 방식도 빠르게 바뀌고 있다. 과거에는 파워포인트를 직접 열어 한 장씩 디자인하고 이미지와 아이콘을 찾으며 수 시간을 투자해야 했다. 하지만 지금은 Gamma와 같은 AI 기반 프레젠테이션 도구를 활용하면 몇 분 만에 발표자료 초안을 만들 수 있다. 실제로 필자 역시 업무 보고서, 교육자료, 연구발표 자료 등을 준비하면서 Gamma를 여러 차례 사용해봤다. 처음에는 "AI가 만든 PPT가 얼마나 괜찮겠어?"라는 생각이 들었지만 실제 결과는 예상보다 훨씬 흥미로웠다. Gamma는 사용자가 입력한 주제나 문서를 기반으로 발표자료의 구조와 슬라이드를 자동 생성하는 AI 프레젠테이션 플랫폼이다. 사용자는 주제만 입력하거나 기존 문서를 업로드하면 AI가 전체 발표 흐름과 레이아웃을 자동으로 구성한다. 이번 글에서는 실제로 같은 주제를 가지고 Gamma가 만든 PPT와 사람이 직접 제작한 PPT를 비교해봤다. 비교 항목은 다음과 같다. 디자인 품질 제작 시간 정보 전달력 실무 활용성 수정 편의성 발표 적합성 단순 기능 소개가 아닌 실제 업무 상황을 기준으로 테스트한 결과를 정리해보았다. 실험 환경 비교를 위해 동일한 주제를 선정했다. 주제는 "AI 도구를 활용한 업무 생산성 향상 방안"이다. 20페이지 분량의 발표자료를 제작했다. 첫 번째는 Gamma를 활용해 제작했다. 두 번째는 사람이 직접 파워포인트에서 제작했다. 비교 조건은 최대한 동일하게 유지했다. 동일한 내용 동일한 목차 동일한 발표 대상 동일한 발표 시간 오직 제작 방식만 달랐다. 첫 번째 비교, 제작 시간 가장 먼저 차이가 난 부분은 제작 시간이었다. 사람이 직접 제작한 PPT는 약 4시간 정도가 소요됐다. 자료 정리 슬라이드 구성 디자인 수정 이미지 삽입 레이아웃 조정 등의 작업이 필요했다. 반면 Gamma는 초안 생성까지 약 ...

Claude는 연구계획서 작성에 얼마나 도움이 될까? 실제 논문 준비 과정에서 테스트해본 결과

  석사나 박사 과정에 진학하면 가장 먼저 부딪히는 어려움 중 하나가 연구계획서 작성이다. 연구계획서는 단순한 문서가 아니다. 앞으로 수행할 연구의 방향을 정하고 연구의 필요성과 목적을 설명하며 연구문제와 연구방법을 구체화하는 중요한 설계도 역할을 한다. 하지만 처음 연구계획서를 작성하는 대학원생이나 연구자 입장에서는 어디서부터 시작해야 할지 막막한 경우가 많다. 연구 주제는 정했지만 연구 목적을 어떻게 작성해야 하는지, 연구문제는 어떤 형태로 설정해야 하는지, 선행연구는 어떻게 정리해야 하는지 고민이 이어진다. 최근에는 생성형 AI를 연구 과정에 활용하는 사례가 증가하고 있다. 그중에서도 Claude는 긴 문서 분석 능력과 대용량 자료 처리 능력으로 연구자들 사이에서 관심을 받고 있다. Claude는 프로젝트 기능을 통해 여러 논문과 자료를 하나의 작업 공간에서 관리할 수 있으며, 대량의 문서를 기반으로 답변을 생성할 수 있다. 이번 글에서는 실제 연구계획서 작성 과정을 가정하여 Claude가 어느 정도까지 도움을 줄 수 있는지 실험해보았다. 특히 다음 세 가지를 중심으로 검증했다. 연구 목적 정리 연구문제 설정 논문 활용 및 선행연구 분석 단순 기능 소개가 아니라 실제 대학원 연구자가 활용한다는 가정하에 진행한 실험 결과를 정리해보았다. 왜 연구계획서 작성 실험을 진행했을까? 연구계획서 작성 과정은 생각보다 많은 시간이 필요하다. 먼저 연구 주제를 선정해야 한다. 그 다음에는 관련 논문을 수집해야 한다. 선행연구를 읽고 연구 흐름을 파악해야 한다. 기존 연구의 한계를 찾아야 한다. 마지막으로 연구 목적과 연구문제를 설정해야 한다. 문제는 이 과정이 상당히 반복적이라는 점이다. 특히 선행연구 검토 과정에서는 수십 편의 논문을 읽어야 하는 경우도 많다. Claude는 긴 문서를 분석하고 다수의 자료를 함께 활용하는 데 강점을 가진 것으로 알려져 있다. Anthropic은 Claude가 대량의 문서를 바탕으로 내용을 분석하고 서로 다른 자료 간의 연결성을...

Gemini와 ChatGPT의 한국어 글쓰기 품질 비교, 실제로 어떤 차이가 있을까?

  생성형 AI를 활용하는 사람들이 가장 많이 하는 작업 중 하나는 글쓰기다. 과거에는 AI가 간단한 문장 생성 정도에 머물렀지만 최근에는 보고서 작성, 블로그 콘텐츠 제작, 사업계획서 초안 작성, 이메일 작성, 회의록 정리 등 실제 업무에 활용되는 수준까지 발전했다. 현재 가장 많이 사용되는 AI 중 하나가 ChatGPT와 Gemini다. 둘 다 한국어를 지원하고 있으며 긴 문서 작성도 가능하다. 하지만 실제로 사용해보면 두 서비스의 글쓰기 스타일은 생각보다 차이가 있다. 특히 한국어 문서 작성에서는 단순히 문법이 맞는지보다 더 중요한 요소가 있다. 문장이 자연스러운가 읽기 편한가 논리 흐름이 좋은가 실제 사람이 쓴 것처럼 보이는가 이번 글에서는 동일한 주제를 Gemini와 ChatGPT에 입력한 뒤 결과를 비교하는 실험을 진행했다. 특히 다음 항목을 중심으로 분석했다. 보고서 작성 품질 블로그 글쓰기 품질 한국어 자연스러움 실무 활용성 최근 Gemini는 Google Docs와 Workspace 환경에서 문서 작성 및 편집 기능을 강화하고 있으며, ChatGPT 역시 초안 작성과 문서 개선 기능을 지속적으로 확대하고 있다. 이번 글은 단순 기능 소개가 아니라 실제 사용 관점에서 느낀 차이를 정리한 비교 후기다. 왜 한국어 글쓰기 비교를 진행했을까? AI 비교 글은 많다. 하지만 대부분 기능 소개 수준에 그치는 경우가 많다. 실제 사용자는 조금 다른 부분이 궁금하다. 예를 들어 "사업계획서를 작성할 때 어떤 AI가 더 편할까?" "블로그 글은 어느 쪽이 자연스러울까?" "보고서 초안을 작성할 때 어느 쪽이 수정이 적게 필요할까?" 같은 질문이다. 그래서 이번에는 실제 업무에서 자주 사용하는 문서를 대상으로 비교 실험을 진행했다. 실험 환경 이번 테스트에서는 동일한 프롬프트를 사용했다. 실험 주제는 다음 세 가지다. 첫 번째 공공기관 업무보고서 작성 두 번째 블로그 콘텐츠 작성 세 번째 사업계획서 초안 작성...

Gemini는 유튜브 자막 분석에 강할까? 직접 테스트해본 결과

  유튜브에는 매일 엄청난 양의 정보가 올라온다. 강의 영상부터 업무 교육, 투자 분석, 공무원 시험 강의, 연구 세미나, TED 강연까지 학습 자료로 활용할 수 있는 영상이 넘쳐난다. 하지만 문제가 있다. 좋은 영상을 찾는 것보다 끝까지 시청하는 데 더 많은 시간이 필요하다는 점이다. 1시간짜리 강의를 이해하기 위해 실제로 1시간 이상을 투자해야 하고, 필요한 내용이 어디에 있는지 찾는 데도 시간이 걸린다. 최근에는 생성형 AI를 활용해 유튜브 영상을 요약하는 사람들이 늘어나고 있다. 특히 Google Gemini는 유튜브와의 연동성이 뛰어나다는 평가를 받고 있다. Google 계열 서비스인 만큼 유튜브 영상의 자막과 메타데이터를 활용한 분석 기능이 강점으로 언급된다. 그렇다면 실제로 Gemini는 유튜브 자막 분석에 강할까? 이번 글에서는 직접 여러 종류의 유튜브 영상을 대상으로 실험을 진행했다. 단순한 기능 소개가 아니라 실제 사용 과정과 결과를 정리해보았다. 특히 다음 세 가지를 중심으로 테스트했다. 영상 학습 활용성 핵심 요약 정확도 사람이 직접 정리한 결과와 비교 왜 유튜브 자막 분석을 테스트했을까? 최근 학습 방식이 많이 바뀌고 있다. 예전에는 책이나 논문을 중심으로 공부했다면 지금은 영상 기반 학습 비중이 크게 늘어났다. 실제로 다음과 같은 분야에서 유튜브 활용도가 높다. 대학 강의 자격증 강의 공무원 시험 업무 교육 소프트웨어 사용법 연구 세미나 동물 관련 전문 교육 문제는 학습 시간이 너무 길다는 것이다. 예를 들어 50분 강의에서 실제 핵심 내용은 10~15분인 경우도 많다. 그래서 Gemini가 얼마나 효율적으로 핵심을 추출할 수 있는지 확인해보고 싶었다. 실험 환경 이번 실험에서는 세 가지 유형의 영상을 선택했다. 첫 번째 약 15분 분량의 업무 생산성 강의 두 번째 약 40분 분량의 대학 강의 세 번째 약 1시간 분량의 전문가 세미나 영상 모든 영상은 공개 자막이 제공되는 영상으로 선정했다. Gemini에게 동일한 방식으로 질문...