정보도우미

  ChatGPT는 실제 공문서 작성에 도움이 될까? 행정 문서 작성 실험과 실제 활용 후기 최근 공공기관과 지방자치단체, 공기업, 공무원 조직에서 생성형 AI 활용에 대한 관심이 높아지고 있다. 그중에서도 가장 많이 언급되는 도구가 바로 ChatGPT다. 많은 사람들이 ChatGPT를 활용해 보고서 초안을 작성하거나 회의록을 정리하고, 보도자료를 작성하는 데 활용하고 있다. 하지만 실제 행정 현장에서 가장 궁금한 부분은 따로 있다. "공문서 작성에도 정말 도움이 될까?" 공문서는 일반 문서와 다르다. 공식적인 형식과 표현을 사용해야 하며, 정확성과 객관성이 중요하다. 잘못 작성된 공문서는 행정 오류로 이어질 수도 있다. 그래서 이번에는 실제 행정 문서 작성 환경을 가정하여 ChatGPT의 활용 가능성을 테스트해봤다. 단순히 문장을 생성하는 수준이 아니라 다음 항목을 중심으로 분석했다. 행정 문서 작성 실험 공문서 문체 분석 수정 과정 검토 실무 활용 가능성 실제 업무에 가까운 환경을 가정하고 진행한 결과를 정리해보았다. 왜 공문서 작성 실험을 진행했을까? 행정 업무를 수행하는 사람들은 생각보다 많은 문서를 작성한다. 대표적으로 다음과 같은 문서가 있다. 협조 요청 공문 결과 보고서 회의 개최 안내문 사업 추진 계획서 예산 요청 문서 민원 회신 문서 보도자료 내부 검토 보고서 특히 신규 직원이나 행정 경험이 적은 직원들은 공문서 문체 자체를 어려워하는 경우가 많다. 실제로 최근 연구에서는 생성형 AI가 공공기관 문서 작성 시간을 단축시키고 업무 효율성을 높일 수 있다는 결과가 보고되었다. 한국의 중앙행정기관을 대상으로 한 연구에서는 AI 활용 집단이 문서 작성 시간을 평균 4분 이상 단축한 것으로 나타났다. 그렇다면 실제 공문서 품질도 확보할 수 있을까? 이번 실험은 이 부분을 확인하기 위해 진행했다. 실험에 사용한 문서 유형 이번 테스트에서는 실제 행정 업무에서 자주 사용하는 문서를 선정했다. 실험 대상은 다음과 같았다. 협조 요청 공문 사...

  NotebookLM은 실제 업무 매뉴얼 분석에 쓸 수 있을까? 업무지침서 30개를 넣고 직접 테스트해봤다 생성형 AI가 업무 환경에 빠르게 확산되면서 많은 직장인들이 한 가지 공통된 고민을 하고 있다. "우리 회사 업무 매뉴얼도 AI가 읽고 알려줄 수 있을까?" 실제로 회사에는 수많은 문서가 존재한다. 업무지침서, 운영매뉴얼, 규정집, 감사자료, 회의록, 인사규정, 안전관리 매뉴얼, 예산집행 지침 등 다양한 문서가 저장되어 있다. 문제는 필요한 내용을 찾는 데 생각보다 많은 시간이 소요된다는 점이다. 예를 들어 출장비 정산 규정을 찾기 위해 100페이지가 넘는 규정집을 열어야 하고, 특정 업무 처리 절차를 확인하기 위해 여러 매뉴얼을 뒤져야 하는 경우가 자주 발생한다. 최근 NotebookLM은 이러한 문제를 해결할 수 있는 AI 도구로 주목받고 있다. NotebookLM은 사용자가 업로드한 문서를 기반으로 답변을 생성하며, 답변의 근거가 된 문서 위치를 함께 제시하는 특징이 있다. 그렇다면 실제 업무 현장에서도 활용할 수 있을까? 이번 글에서는 실제 업무지침서와 규정집을 활용해 NotebookLM의 업무 매뉴얼 분석 능력을 테스트해봤다. 특히 다음 세 가지를 중심으로 검증했다. 업무지침서 분석 능력 규정 검색 정확도 실무 활용 가능성 단순 기능 소개가 아닌 실제 업무 환경을 가정한 실험 결과를 중심으로 정리해보았다. 왜 업무 매뉴얼 분석 테스트를 진행했을까? 직장 생활을 하다 보면 생각보다 많은 시간을 문서 검색에 사용하게 된다. 예를 들면 다음과 같은 상황이다. 출장비 지급 기준 확인 공문 처리 절차 확인 계약 검토 규정 확인 인사규정 확인 예산 집행 기준 확인 안전관리 절차 확인 대부분의 조직에서는 이미 매뉴얼이 존재한다. 문제는 매뉴얼이 너무 많다는 것이다. 실제로 업무지침서가 수십 개 이상인 조직도 흔하다. 특히 공공기관이나 대기업은 업무 프로세스가 세분화되어 있어 문서량이 매우 많다. NotebookLM은 업로드한 문서 집합을 ...

  NotebookLM과 사람이 작성한 문헌고찰 비교 실험, 연구자는 정말 시간을 아낄 수 있을까? 논문을 작성하는 사람이라면 누구나 문헌고찰의 중요성을 알고 있다. 학위논문이든 학술지 논문이든 연구보고서든 가장 먼저 수행해야 하는 과정은 선행연구를 검토하고 연구 흐름을 파악하는 일이다. 하지만 문헌고찰은 생각보다 많은 시간과 노력이 필요한 작업이다. 관련 논문을 찾고, 읽고, 정리하고, 공통점과 차이점을 분석한 뒤 연구 공백을 도출해야 한다. 논문 20편만 읽어도 수백 페이지에 달하는 분량이 된다. 최근에는 NotebookLM을 활용해 문헌고찰을 수행하는 연구자들이 늘어나고 있다. 실제로 NotebookLM은 여러 논문을 동시에 비교하고 공통된 연구 흐름을 정리하는 데 활용되고 있으며, 일부 연구에서는 문헌검토 보조도구로서의 가능성을 검토하기도 했다. 그렇다면 실제 연구자가 직접 작성한 문헌고찰과 NotebookLM이 생성한 문헌고찰은 얼마나 차이가 있을까? 이번 글에서는 실제 문헌고찰 작성 과정을 가정하여 NotebookLM과 사람이 작성한 결과를 비교해봤다. 특히 다음 세 가지를 중심으로 분석했다. 연구 흐름 분석 능력 문헌고찰 품질 비교 시간 절약 효과 AI가 연구자를 완전히 대체할 수 있는지 확인하기보다는 실제 연구 과정에서 얼마나 도움이 되는지를 검증하는 데 초점을 맞췄다. 왜 문헌고찰 비교 실험을 진행했을까? 석사논문이나 박사논문을 작성할 때 가장 많은 시간이 들어가는 부분 중 하나가 문헌고찰이다. 특히 다음과 같은 작업이 반복된다. 논문 검색 초록 검토 전문 읽기 주요 결과 정리 연구 흐름 파악 연구 공백 도출 문헌고찰 작성 이 과정은 수십 시간에서 수백 시간이 소요될 수 있다. NotebookLM은 여러 PDF를 동시에 분석하고 주제를 분류할 수 있기 때문에 연구 생산성을 높여줄 수 있다는 평가를 받고 있다. 하지만 실제 연구 품질까지 확보할 수 있는지는 별개의 문제다. 그래서 직접 비교 실험을 진행해보기로 했다. 실험에 사용한 자료 이...

  NotebookLM으로 대학 강의노트를 정리해본 후기, 시험기간에 정말 도움이 될까? 최근 대학생들 사이에서 NotebookLM이 공부용 AI 도구로 빠르게 알려지고 있다. ChatGPT가 일반적인 질문에 답변하는 AI라면 NotebookLM은 사용자가 직접 업로드한 자료를 기반으로 답변하는 문서 중심 AI라는 점에서 차이가 있다. 특히 대학 강의에서는 교수의 강의자료, 수업 PPT, 강의노트, 논문, 참고자료 등 공부해야 할 문서가 많다. 문제는 시험기간이 되면 이러한 자료를 다시 정리하고 핵심 내용을 찾아야 하는데 생각보다 많은 시간이 소요된다는 점이다. 나 역시 NotebookLM이 실제 공부에 도움이 되는지 궁금해졌다. 과연 강의노트를 업로드하면 시험 대비에 활용할 수 있을까? 요약은 정확할까? 단순히 내용을 줄여주는 수준일까, 아니면 학습 효율을 높이는 데 도움이 될까? 이번 글에서는 실제 대학 강의노트를 활용해 NotebookLM을 테스트한 결과를 정리해보려고 한다. 단순 사용법 소개가 아니라 실제 학습 과정에서 어떤 장점과 한계가 있었는지 중심으로 분석했다. 왜 강의노트 정리 실험을 진행했을까? 대학생뿐 아니라 대학원생도 비슷한 고민을 한다. 수업이 진행될수록 자료는 계속 늘어난다. 교수 강의 PPT 수업 필기 참고 논문 읽기 자료 과제 자료 한 학기가 끝날 무렵이면 수백 페이지 분량이 쌓인다. 시험기간에는 결국 다시 처음부터 읽어야 한다. 실제로 많은 학생들이 시험 준비 과정에서 다음과 같은 문제를 경험한다. 첫째, 자료가 너무 많다. 둘째, 핵심 내용을 찾기 어렵다. 셋째, 어떤 내용이 중요한지 구분하기 어렵다. 넷째, 정리하는 데 시간이 오래 걸린다. NotebookLM이 이러한 문제를 해결할 수 있을지 직접 확인해보기로 했다. 실험에 사용한 자료 이번 테스트는 실제 대학 수업 환경을 가정해 진행했다. 업로드한 자료는 다음과 같다. 강의 PPT 12개 수업 필기노트 10개 참고 논문 5편 과제 자료 3개 총 30개 문서 전체 분량은...

  NotebookLM은 표가 많은 보고서를 얼마나 정확하게 읽을까? 실제 테스트 결과 공개 최근 NotebookLM을 활용하는 사람들이 빠르게 늘어나고 있다. 논문, 연구보고서, 정부 정책자료, 감사보고서, 사업계획서 등 다양한 PDF를 업로드한 뒤 AI와 대화하며 필요한 내용을 찾을 수 있다는 점이 큰 장점으로 꼽힌다. 하지만 실제로 사용하다 보면 한 가지 의문이 생긴다. "본문은 잘 읽는 것 같은데 표도 정확하게 읽을까?" 특히 연구보고서나 정책자료를 자주 다루는 사람이라면 표와 통계자료가 얼마나 중요한지 잘 알고 있을 것이다. 많은 연구결과가 표 형태로 정리되어 있고, 정책 예산이나 통계수치 역시 대부분 표로 제공된다. 만약 AI가 표를 잘못 읽는다면 분석 결과 자체가 달라질 수 있다. 그래서 이번에는 NotebookLM이 표가 많은 보고서를 얼마나 정확하게 읽는지 직접 테스트해봤다. 이번 실험에서는 단순 요약이 아니라 다음 세 가지를 중심으로 분석했다. 표 인식 정확도 통계자료 분석 능력 실제 오류 사례 특히 장점뿐 아니라 실제로 발생한 오류와 한계까지 함께 정리해보았다. 왜 표 분석 테스트가 중요할까? AI가 문서를 읽는 방식은 사람이 읽는 방식과 다르다. 사람은 표를 보면 행과 열의 관계를 직관적으로 이해한다. 예를 들어 다음과 같은 표가 있다고 가정해보자. 연도 | 방문객 수 | 증가율 2023 | 100만명 | - 2024 | 120만명 | 20% 2025 | 150만명 | 25% 사람은 숫자의 위치와 관계를 쉽게 파악한다. 하지만 AI는 PDF 내부 구조나 OCR 결과를 기반으로 정보를 해석한다. 따라서 표 구조가 복잡하거나 스캔 품질이 좋지 않으면 숫자와 항목의 연결이 깨질 수 있다. 실제로 여러 사용자 테스트에서도 복잡한 표나 격자가 없는 표에서 행과 열 관계가 무너지는 사례가 보고되고 있다. 즉, 표 분석은 단순한 문서 요약보다 훨씬 어려운 작업이다. 실험에 사용한 자료 이번 테스트에는 실제 공개된 연구보고서와 정책자료...

  NotebookLM으로 공공기관 연구보고서 20개를 비교 분석해봤다, 정책 비교부터 핵심 키워드 추출까지 실제 후기 최근 공공기관과 정부 부처에서 발간하는 연구보고서는 점점 더 방대해지고 있다. 정책연구원, 국책연구기관, 지방연구원, 공공기관 경영평가 보고서, 정책백서 등 읽어야 할 자료는 많지만 실제로 처음부터 끝까지 정독하기는 쉽지 않다. 특히 정책 관련 업무를 수행하거나 연구를 진행하는 경우 비슷한 주제의 보고서를 여러 개 비교해야 하는 상황이 자주 발생한다. 예를 들어 저출산 정책, 지역경제 활성화 정책, 동물복지 정책, 환경정책, 공공조직 운영 정책 등은 기관마다 서로 다른 관점에서 연구를 수행한다. 문제는 보고서가 한두 개가 아니라는 점이다. 20개 정도의 연구보고서만 모아도 수천 페이지에 달하는 분량이 된다. 이번에는 NotebookLM을 활용해 실제 공공기관 연구보고서 20개를 비교 분석하는 실험을 진행했다. 단순히 보고서를 요약하는 수준이 아니라 정책 비교, 핵심 키워드 추출, 공통 문제점 분석, 활용 가능성까지 검토해봤다. AI를 활용한 정책자료 분석이 실제 업무에 도움이 되는지 궁금한 사람들에게 참고가 되었으면 한다. 왜 공공기관 연구보고서를 분석해보게 되었을까? 연구자나 공무원, 공공기관 직원이라면 비슷한 경험이 있을 것이다. 새로운 정책을 검토해야 하는데 관련 보고서가 너무 많다. 보고서를 다운로드해 읽기 시작하지만 100페이지를 넘기기 전에 다른 보고서를 읽어야 하는 상황이 발생한다. 결국 여러 자료를 동시에 검토해야 하는데 시간은 부족하다. 이 과정에서 가장 어려운 부분은 다음과 같다. 첫째, 기관별 정책 방향 차이 파악 둘째, 공통적으로 언급되는 문제점 확인 셋째, 반복적으로 등장하는 핵심 키워드 정리 넷째, 실제 정책 적용 가능성 검토 이번 실험은 이런 문제를 해결할 수 있는지 확인하기 위해 진행했다. 실험에 사용한 자료 이번 실험에서는 공개된 공공기관 연구보고서 20개를 활용했다. 주제는 정책 분석에 적합하도록 구성했...

  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...