맞춤형 온디맨드 AI 실무 교육 #1 (주)씨앤디플래닝

2025년 4월 18일 협회 강의실에서 샘 호트만(정호영) 강사를 모시고   (주)씨앤디플래닝 임직원 대상 맞춤형 온디맨드 AI 실무 교육울 진행하였습니다. 

 

---

회원사 맞춤형 온디맨드 AI 교육 #1  : 씨앤디플래닝 

• 강의 목적
  • AI 언어 모델(LLM, Large Language Model)과 이를 활용한 업무 자동화, 커스텀 챗봇 구축 등 실제 업무 효율을 높이는 다양한 기법을 학습.
• 주요내용
  • GPTs(오픈AI의 “Custom GPT” 기능)나 Claude의 “Project” 등 커스텀 챗봇 개발 기능을 활용해 “내 업무에 맞는” AI 도구를 손쉽게 만드는 방법 소개 
  • MCP(Model Context Protocol)와 노션(Notion)을 연결해 문서 및 데이터베이스 작업 자동화 실습 
• 핵심 키워드
  • GPTs(오픈AI 커스텀 챗봇), Claude “Project” / Google “Gen App(=Gemini Generative App)” 등 다양한 커스텀 기능
  • MCP(Model Context Protocol)를 통한 데스크톱의 파일 정리 & 노션 연동

---

1. AI 트렌드 및 언어 모델 개념

1.1 최근 AI 트렌드 개요

1. ChatGPT(오픈AI)의 출현과 대중화
   • 2022년 말부터 전 세계적으로 폭발적 관심.
   • 단순 “대화 챗봇” 수준을 넘어, 목적 지향형 대화(특정 문제 해결, 콘텐츠 작성 등)로 확장.
2. 다양한 LLM(언어 모델) 등장
   • Claude(Anthropic): 코딩 및 한국어 창의적 작업 강점.
   • Google Gemini(또는 PaLM 2 등) : 문서 요약, 생성 능력 강점, 최근 빠르게 발전.
   • Bing Chat, Llama2, 국내 LLM 등: 각자 장단점 존재.
3. 업무 자동화(AI 오토메이션) & AI 에이전트(Agent)
   • 과거 RPA(반복 업무 자동화) → LLM 결합을 통해 더 복잡한 업무(문서 분석, 요약, 의사결정)에 활용.
   • 최근 “AI 에이전트” 개념: 사용자의 목표와 의도를 파악하여, 자체적으로 계획 및 의사결정을 반복, 필요한 도구(이메일 전송, 일정 등록 등)에 자동으로 접근해서 업무를 수행.

1.2 목적 지향형 대화와 추론 모델

• 목적 지향형 대화: ChatGPT 창에 글을 쓰는 순간, 이미 “내가 원하는 답”을 얻기 위해 “질문”을 한다고 이해할 수 있음.
• 추론 모델(Chain-of-Thought / Tree-of-Thought 등): o1, o3
  • “답변 한 방”이 아니라, 모델 내부적으로 생각(추론) 단계를 여러 번 거쳐 더욱 정확하고 완성도 높은 답변을 출력.
  • 템플릿(역할 지정, 목표, 출력 포맷, 주의사항)으로 원하는 답변을 좀 더 뾰족하게 얻을 수 있음.

---

2. LLM별 특성 비교

여러 언어 모델(LLM)을 상황에 따라 병행 활용이 권장됨.

1. ChatGPT (OpenAI)
   • 한국어/영어 모두 준수한 편, 특히 사용자 편의성과 플러그인, GPTs(커스텀 봇) 생태계가 강점.
   • 유료(Plus/Enterprise) 모델 사용 시 답변 길이와 응답 속도, 최신 업데이트 등에서 이점.
2. Claude (Anthropic)
   • 코딩 보조 능력, 긴 문서 처리, 한국어 길이 처리 등이 뛰어남.
   • “프로젝트(Project)”라는 커스텀 챗봇 기능이 있음.
   • 웹 버전 이외에도 **데스크톱 앱(Claude Desktop App)**이 존재 → MCP(파일 관리, 노션 등)와 쉽게 연동 가능.
3. Google Gemini (또는 PaLM 2 기반 Bard / App Maker)
   • 문서 요약, 긴 텍스트 생성, 한국어 처리가 강해지고 있음.
   • 무료로도 제법 똑똑한 모델 사용 가능(단, ‘쿼ота(제한)’가 빨리 달아버릴 수 있음).
   • Gen App(또는 “Generative App Builder”)라는 커스텀 챗봇 기능 제공(베타).
4. 기타
   • 빙 챗(Bing Chat): 인터넷 검색 기능이 좋은 편, MS Office와의 결합 기대.
   • Llama2(메타): 오픈소스, 커스텀 모델을 직접 학습하려는 기업/기관에 적합.
   • 기타 국가·기관용 전용 모델.

---

2. 커스텀 챗봇 만들기: GPTs (OpenAI)

2.1 커스텀 GPTs란?

• GPTs: 오픈AI가 제공하는 “나만의 ChatGPT”를 만들어서 배포할 수 있는 기능(개인용, 팀원 공개, 전체 공개 등).
• 사용 이유
  1. 질문할 때마다 복잡한 지침(프롬프트)을 매번 길게 입력하는 번거로움을 없애줌.
  2. 지침 + 메모리를 사전에 입력해 놓으면, 특정 업무(예: 보고서 초안, 일정 관리, 분양 행사 기획 등)에 최적화된 챗봇을 빠르게 호출 가능.
  3. 팀 단위로 공통 업무 템플릿을 공유할 때 용이.

2.2 GPTs 기본 구조

• 이름(Title): 봇 이름(예: “분양 행사 기획 봇”)
• 설명(Description): 봇의 역할, 활용 상황 등을 요약.
• 지침(Instructions):
  • 이 봇이 어떤 문제를 풀어야 하는지(목표),
  • 어떤 말투/형식을 지켜야 하는지(가이드라인),
  • 어떤 답변 포맷을 유지해야 하는지,
  • (필요 시) “이 정보를 포함하지 말라” 등 규칙이나 제약 조건.
• 시작 대화(Starting Message): 봇이 사용자에게 처음 말할 문구.
• 추가 기능:
  • 첨부 파일 분석(코드, 표, PDF 등),
  • ChatGPT Code Interpreter 확장 기능,
  • 캔버스(Canvas) 기능(긴 문서 생성/수정),
  • Plugin, API 연동 등.

3.3 GPTs 활용 예시

GPTs_강의.txt

0.00MB

1. 정보 요약 / 문서 정리 봇
   • 긴 문서(청약 공고, 연구자료, 계약서 등) 붙여넣으면, 내부 지침에 따라 표·개조식 요약 등 자동 생성.
   • 블로그/뉴스레터 형식으로 재작성, 숫자·통계 강조 구문 추출 등.

     

2. 분양 행사 기획 봇
   • 엑셀에 저장된 체크리스트, 일정표를 드래그 앤 드롭 → 빈 항목, 위험요소, 준비 상황 등을 한 번에 점검/리마인드.
   • “행사 기획안” 자동으로 문서화.
3. 보고서 초안 / 일관된 템플릿
   • 상사가 선호하는 보고서 형식, 문단 구조, 글 어조 등을 미리 지침에 녹임 → 복붙-질문 몇 번이면 완성.

 

4.4 커스텀 GPT 만들 때 팁

1. 사전 소재 발굴
   • 내(또는 우리 팀) 업무에서 자주 반복하는 행위/문서 작업/정리 등을 먼저 파악.
   • “노션에 주간 보고 올리는 것”, “상품 분석 반복”, “시장 조사 보고서 매번 초안” 등.
2. 추론 모델(Chain-of-Thought) 템플릿 작성
   • 목표(Goal)·출력 포맷(Format)·참조 자료(Context)·금지사항/주의사항(Guidelines) 순으로 깔끔히 정리하면 좋음.
   • 영어로 작성 시 토큰 줄어드는 효과가 있으나, 꼭 영어가 아니어도 무방.
3. 테스트 & 검수
   • 커스텀 봇을 생성한 뒤, 우측 테스트 영역(Preview)에서 실제 문서/데이터 넣어보기.
   • 틀린 답변이나 이상한 응답을 줄일 수 있도록 지침 수정 반복.
4. 배포 & 협업
   • “팀원만” 접근 가능(링크 공개), “전체 공개” 등 옵션.
   • 회사 내 같은 폴더/엑셀/문서 쓴다면, 사내 전용 봇으로 편리하게 쓰게끔.

---

5. Claude “Project”, Google “Gen App” 등 타 커스텀 기능

GPTs처럼 Claude나 Google에서도 “맞춤형 챗봇 빌더” 존재.

1. Claude Project
   • 개인용/팀용 프로젝트를 생성해 지침, 맥락, 파일 업로드 규칙 등을 정해 두면, 일관성 있는 답변 도출.
   • 파일 분류, 텍스트 분석, 일정 관리 도구 등과 “도구(Plugin)” 형태로 연동하기 쉬움.
2. Google Gemini (또는 PaLM 2) 기반 “Gen App”
   • 문서 처리에 강한 Google 모델 + 챗봇 빌더.
   • 아직 베타 단계 기능이 많지만, “무료”로 제법 좋은 성능 제공.
   • 문서 분량이 길거나 팀 문서(구글 문서, 스프레드시트) 연동 시 강점.
3. 활용 전략
   • 하나의 모델만 고집하기보다는, 모델별 장점 살린 커스텀 챗봇 혼합 사용을 고려.
   • 예) “문서 요약은 Google의 Gen App, 다른 문장 제너레이션/창의적 아이디어는 Claude, 최종 팀 배포용은 GPTs” 식으로.

---

6. MCP(Model Context Protocol) & 업무 자동화 예시

6.1 MCP란?

• Model Context Protocol: 2023년 하반기~24년에 주목받는 “LLM 도구 연결 방식” 중 하나.
• 핵심 개념
  • LLM(Ex. Claude Desktop)이 “서버들”에 접근해서 작업할 때, 중간에서 연결을 용이하게 해 주는 일종의 포트/프로토콜.
  • “파일 정리 서버, 노션 서버, Gmail 서버, Slack 서버” 등을 하나씩 연결해두면, LLM이 사용자의 명령을 바탕으로 해당 서버(도구)를 호출.

6.2 Claude Desktop + MCP 구조

1. Claude Desktop App
   • 웹 버전 Claude와 달리, PC 내부 폴더나 기타 프로그램과 연동 가능.
   • MCP 설정을 통해, 노션, 구글 캘린더, 슬랙, 이메일 등에 접근하게끔 “권한” 부여 가능.
2. 실무 예시: 다운로드 폴더 자동 분류
   • 매번 다운로드 폴더에 쌓이는 파일들을 LLM이 파일명/내용을 스캔 → 폴더별로 자동 분류.
   • 이미지 파일은 ‘이미지’ 폴더, pdf는 ‘계약서’ 폴더, 중복되는 파일은 정리/삭제 등.
3. 실무 예시: 노션 데이터베이스 자동 작성
   • “노션 API Key” 발급 → Claude Desktop + MCP에 연결.
   • LLM에게 “이 엑셀 데이터 전부 노션 테이블에 추가해줘” / “새로운 보고서 페이지 만들어줘” 등 명령 가능.
   • 업무에 필요한 “필드(속성)”를 미리 정의해 두면, LLM이 해당 구조에 맞춰 자동 입력.

6.3 MCP 사용 시 권장 순서

1. 기본 설치:
   • 노드JS, Claude Desktop 설치 → Github 등에 공개된 “MCP 세팅 가이드” 참고.
2. API Key 발급:
   • 노션(또는 다른 툴)에서 API 연결 생성 → 권한 설정(읽기, 쓰기, 삭제 등).
3. MCP Config(설정파일) 편집:
   • “이 API Key는 어떤 데이터베이스(또는 폴더)에 연결할지”를 명시.
4. 지침서(프로젝트) 구성:
   • Claude Project(또는 GPTs) 형태로 “노션 특정 데이터베이스에 접근해서 읽고 수정해라” 식의 가이드 입력.
5. 실습/테스트:
   • 한두 개 예시 입력 → 노션에 정상 반영되는지 점검 → 잘못되면 지침 다시 수정.

---

7. 참고 사항

1. 언어 모델 한계
   • “환각(Hallucination)”: LLM이 없는 사실을 마치 사실처럼 말할 수 있음.
   • 최대한 정확한 지침, 제한(금지 목록), 검증 단계를 마련해야 안전.
2. 데이터 양, 문맥 길이 제한
   • GPT, Claude 등 각각 “토큰(token)” 제한이 존재 → 지나치게 긴 문서를 한 번에 처리하려 하면 성능 저하 or 무시될 가능성.
   • 문서가 길면 나눠서 커스텀 챗봇에 입력하는 방식을 고민.
3. 보안/개인정보
   • 팀 내 공유하는 커스텀 챗봇에 민감 정보 넣지 않도록 주의.
   • 각 LLM이 데이터를 “학습”하게 되는 구조인지, “세션 임시 캐시”로만 쓰는지 정책 확인 필요.
4. 개발 난이도
   • GPTs(오픈AI)와 Claude Project, Google Gen App 등은 노코드/로우코드 수준으로 접근 가능.
   • MCP 등 “파일 시스템 접근”은 약간의 명령줄(CLI), 코드 수정이 필요하지만, 튜토리얼 따라가면 가능.

---

8. 요약 

• 핵심: LLM의 발전으로 개인/팀 업무 자동화가 급속도로 쉬워짐.
• 하나의 모델만 쓰기보다는, 강점이 다른 여러 모델을 “커스텀 챗봇”(GPTs, Claude Project 등)으로 만들어서 내 요구에 맞춰서 운영하면 효율 급상승.
• MCP를 통한 파일, 노션, 구글 캘린더, 이메일 등 연계 자동화까지 시도하면, 반복되는 노가다(파일 정리, 문서 생성, 일정 등록 등)를 크게 줄일 수 있음.
• 주의: 정확도 검증(환각 방지), 개인정보 관리, 권한 설정 등에 유의하며 단계별로 적용할 것.

---

9. 팁

1. GPTs 실습
   • 오픈AI ChatGPT → “Custom GPT” 메뉴 → 샘플 템플릿(목표·출력형식·금지사항 등) 작성해 간단한 봇 만들어보기.
   • 원하는 엑셀/문서 파일 드래그 해본 뒤 결과 테스트.
2. Claude Desktop + MCP
   • [MCP 공식 GitHub](예시 링크) / [설치 튜토리얼 영상](예시 링크) 참조.
   • 다운로드 폴더 정리, 노션 API 연동 등 간단한 예시부터 시도.
3. Google App Builder (Gen App)
   • 구글 Cloud/Workspace 계정이 있다면, 문서 요약/작성 봇, 스프레드시트 자동화 시도.
4. 문서 분량 긴 경우
   • GPT/Claude에 “요약(Chunk)”→“전체통합” 2단계 접근, 또는 여러 봇 쪼개서 관리.
5. 팀 내 “AI 문화” 정착
   • 단발성 개인 사용보다, “사내 챌린지”, “베스트 커스텀 챗봇 콘테스트” 등 진행 시 업무 효율 문화가 정착.

---

마무리

이번 강의는 AI 언어 모델의 개념 이해부터, 커스텀 챗봇 제작(GPTs 등), 더 나아가 업무 자동화(MCP, 노션 API 연동) 기초 아이디어를 모두 아우르는 내용입니다.

• 핵심 포인트:
  1. 무엇을 자동화(또는 보조)할 것인지 구체적으로 정의.
  2. 커스텀 챗봇(또는 LLM 프로젝트)에 **“내 업무 맥락”**을 템플릿 형태로 녹여넣기.
  3. 테스트를 통해 정확도, 편의성을 개선.