How See : 우리가 AI를 바라봐야 하는 관점
요즘 세상을 보면 Chat gpt, Gemini, Cursor...등
새로운 AI 툴이 너무 많이 나오고 있습니다.
그래서 다들 AI라고 생각하시면
"우리가 쓸 수 있는 건가?", "우리 회사는 단순한 서비스인데?"
라는 생각을 하실 수 있습니다.
하지만 저희에게 AI는 '신기한 기술'이 아니라,
급여를 주지 않아도 되는 '무한한 리소스'라고 생각해야합니다.
이때 필요한 게, RPA(Robotic Process Automation, 로봇 프로세스 자동화)입니다.
규칙 기반의 단순·반복적인 사무 업무를 소프트웨어 봇(Bot)이 사람 대신 처리하도록 설정하는 것이죠.
단순하고 반복적인 일부터 AI에게 맡기는 것, 이것이 자동화의 1순위입니다.
그렇다면 그다음으로 고민해야 할 것은 무엇일까요?
Do vs Don't : 어떤 일을 AI에게 맡길 것인가?
AI를 처음 접할 때 흔히 범하는 실수는 "무엇을 할지"
명확히 정하지 않은 채 이것저것 만져보다 시간을 낭비하는 것입니다.
가장 확실한 해결법은 내가 하는 일의 흐름(Workflow)을 먼저 정리해 보는 것입니다.
내 업무 사이클을 시각화해 보고, 그중 매번 반복되는 구간을 찾아 AI에게 넘기세요. 핵심은 모든 것을 AI로 하려 하기보다, 내 업무 흐름에 맞춰 적재적소에 배치하는 것입니다.
How do : 어떤 AI를, 어떻게 써야하는가?
저희에겐 단순히 AI를 '쓰는 것'을 넘어, 업무의 흐름 속에 AI를 '심는 것'이 중요합니다.
목적에 맞는 최적의 도구를 선택하고, 이를 유기적으로 연결하여 인사이트를 창출하는 구체적인 전략을 제안합니다.
1) 업무 별 최적의 AI 툴 매트릭스
업무의 성격에 따라 가장 효율적인 AI 서비스는 다릅니다.
각각의 상황에 맞춰 골라 쓸 수 있도록 카테고리를 분류했습니다. 여러분에게 맞는 상황에 맞춰서 사용해보세요.
| 카테고리 | 추천 툴 (Service) | 활용 포인트 |
| 범용 분석 & 창작 | ChatGPT, Claude, Perplexity, Gemini | 자료 조사, 심층 분석, 초안 작성 등 전천후 활용 |
| 기능 검증 (Test) | OpenAI Playground, Claude Console, Google AI Studio | LLM의 신규 기능 테스트 및 프롬프트 엔지니어링 검증 |
| 지식 베이스 (QA) | ChatGPT Project, NotebookLM, Perplexity Space | 다량의 파일 및 사내 자료를 기반으로 한 질의응답 |
| 아카이빙 | Raindrop.io, Readwise Reader | 리서치 자료의 북마크 관리, 하이라이트 및 스크랩 |
| 시각화 (Map) | Mapify | 텍스트/URL 기반 마인드맵 자동 생성 및 구조화 |
| 문서화 (Docs) | Gamma, Napkin | 슬라이드(PPT), 도해, 차트 등 비주얼 자료 자동 생성 |
| 학술 연구 | Moonlight, Scispace, Connected Papers | 논문 분석, 인용 관계 파악 및 연관 문헌 검색 |
이처럼 AI 툴을 업무 특성에 맞게 활용하면 단순 반복 작업 시간을 획기적으로 줄이고, 더 높은 수준의 결과물을 빠르게 얻을 수 있습니다.
2) 실전 워크플로우: AI로 '아이디어' 발굴 및 구체화하기
창의적인 아이디어는 갑작스러운 '번뜩임'이 아니라 '체계적인 프로세스'에서 나옵니다.
우리에게 익숙한 Perplexity, Gemini, ChatGPT를 연결해 아이디어를 구체화하는 3단계를 소개합니다.
STEP 1. 탐색 (Discovery): 광범위한 배경 지식 확보
아이디어의 씨앗을 찾거나 초기 컨셉을 잡는 단계입니다. 최신 정보 반영이 중요한 만큼 '검색 특화 AI'를 활용합니다.
- 추천 도구: Perplexity
- Action:
- 생각 중인 키워드나 컨셉을 검색합니다.
- 수집된 배경 정보와 레퍼런스를 확보합니다.
- 확보된 내용을 발췌하여 다음 단계를 위해서 정리합니다.
STEP 2. 확장 (Expansion): 심층 추론을 통한 디벨롭
수집된 정보를 바탕으로 아이디어를 입체적으로 분석하고 확장합니다. 이때는 기존에 넓게 수집한 정보를 기반으로 좀 더 뾰족하게 질문해봅시다.
- 추천 도구: Gemini
- Action : 단순 요약이 아닌, 꼬리에 꼬리를 무는 질문을 던집니다.
- "이 아이디어의 논리적 약점은 무엇인가?"
- "다른 산업군에서는 이 문제를 어떻게 해결했는가?"
- "이 기술을 전혀 다른 분야에 응용한다면?"
STEP 3. 검증 (Validation): 현실성 체크
지금까지의 추론을 통해 저희가 가지고 있는 아이디어를 구체화 했지만, 아직까지 추론일 뿐입니다. 다음은 실제 시장 데이터을 바탕으로 비교해봅시다.
- 추천 도구: Perplexity, Gemini
- Action : 유사 서비스 존재 여부, 경쟁사 분석, 시장 성숙도를 체크합니다.
- "이미 시장에 출시된 유사 솔루션이 있는가?"
- "해당 아이템의 시장 크기는 어느 정도인가?"
- "이 시장에서는 어떤 마케팅이 제일 효율이 좋을까?"
시작을 위한 조언 : 나만의 'AI 파이프라인' 만들기
우리가 그동안 AI를 제대로 활용하지 못했던 이유는 아마도 "너무 거창하게 생각해서"일 것입니다.
하지만 AI는 그 자체로 결과물이기보다 훌륭한 '도구'입니다. 나에게 맞는 방식을 하나씩 찾아가는 과정이 가장 중요합니다.
시작이 막막하다면 다음의 세 가지만 기억하세요.
1+1 전략 : 가장 시간이 많이 걸리는 업무 하나를 고르고, 딱 두 개의 AI 도구만 연결해 보세요. (예: Perplexity로 조사 → Gamma로 장표 초안 생성)
흐름에 집중 : 도구 자체보다 '연결'에 집중하세요. 각 툴의 강점을 이어 붙일 때 업무 효율은 배가 됩니다.
시작이 반이다 : 작은 성공 경험이 쌓이면, 점차 더 복잡하고 정교한 워크플로우로 확장해 나갈 수 있습니다.
sogood._0
