입사 첫 날, 대표님으로부터 과제를 받았다.
"우리 산업 동향이랑 제품 히스토리 파악할 겸,
다음 주에 팀원들 앞에서 10분 발표해 보세요."
쭉 소프트웨어 개발만 해오다가 하드웨어 베이스 스타트업에 합류한 나로서는 당혹스러운 미션이었다. 건네받은 자료는 71페이지짜리 해외 산업 리포트와 사업계획서, 그리고 기존 IR 발표 PPT 등을 합쳐 약 150페이지 분량이었다.
배경지식이 전무한 상태에서 이 텍스트 더미를 파악하고 발표까지 준비해야 했다.
하드웨어 용어는 생소했고, 자료는 너무 많았다. 이걸 일일이 읽고 요약하다간 발표 준비는커녕 자료 파악에만 일주일이 다 갈 것 같았다. ChatGPT는 보안이 신경 쓰였고, 일반적인 구글 검색은 우리 회사의 실제 비즈니스 맥락과 거리가 있었다.
결국 내가 선택한 방법은 NotebookLM에 회사 자료들을 전부 집어넣고 '나만의 학습 베이스'를 만드는 것이었다.
결과적으로 나는 주중 3일 만에 150페이지 분량의 리서치와 10분 발표용 스크립트 작성을 모두 끝낼 수 있었다.
왜 하필 NotebookLM이었나?
다른 AI 툴보다 NotebookLM이 신입 사원인 나에게 유용했던 이유는 명확했다.
팩트 체크 시간을 0으로 만드는 출처 링크
NotebookLM을 쓰며 느낀 가장 큰 장점이었다.
NotebookLM은 노트북(새 채팅)을 만들고 거기에 내가 원하는 자료를 소스로 업로드한다. 그러면 AI가 일단 소스들을 읽고 파악한 뒤, 내 질문을 '업로드한 소스들에 근거'하여 답변한다.
업로드한 자료들은 답변을 생성하는 근거 자료로서 활용된다.
NotebookLM이 생성한 답변에 이 소스가 활용된 경우 몇 번째 자료를 활용했는지 인용이 달리게 된다. 인용을 클릭하면 원본 문서의 어느 부분에서 가져온 내용인지 즉시 확인할 수 있다.
모르는 분야를 리서치할 때 흔히 겪을 수 있는 'AI의 거짓말(할루시네이션)'에 대한 불안감을 지우고 팩트 체크 시간을 획기적으로 줄여줬다.
검증된 사내 데이터만 활용하는 안정감
앞서 말했듯 내가 업로드한 소스를 기반으로 답변한다. 즉, 웹에서 긁어온 존재하는지도 모르는 정보가 아니라 '이미 검증한 자료' 안에서만 답을 찾는다.
NotebookLM은 내가 업로드한 소스로만 답변 범위를 제한하는 ‘닫힌 데이터 구조’를 갖췄다. 존재하지 않는 외부 정보를 섞지 않으니 가짜 정보에 대한 위험이 0에 수렴한다. 웹의 일반론이 아니라 사내에서 이미 공유된 고품질 자료만 활용하니 리서치의 신뢰도가 달라질 수밖에 없다.
사내 히스토리나 관련 기술 동향을 파악할 때 이보다 안전한 방법은 없지 않을까 싶다.
3일만에 리서치부터 스크립트까지 끝낸 워크플로우
단순히 자료 요약만 시킨 게 아니라, 실제 발표 준비 과정에서 썼던 몇 가지 팁이 있다.
STEP 1. 소스 필터링으로 더 정밀한 답변 받기
리포트와 PPT 등 여러 파일을 소스로 올렸지만 모든 답변에 모든 자료를 볼 필요는 없다. 시장 동향을 물어볼 때는 보고서 파일만, 슬라이드 구성 아이디어를 얻을 때는 기존 IR 자료만 선택해서 질문했다.
선택한 소스 정보만 답변 생성에 사용하니 정보가 섞이지 않고 훨씬 디테일한 답변을 받아볼 수 있게 된다.
STEP 2. AI 답변을 다시 소스로 사용하기
AI가 정리해준 답변 중 괜찮은 내용을 메모로 저장하고, 그 메모들을 다시 소스로 넣을 수 있다.
나같은 경우 슬라이드 구성에 대한 아이디어 답변을 여러개 받고, 그 중 가장 마음에 드는 것을 메모로 저장했다. 그리고 소스로 변환해 '이 슬라이드 목차 소스를 실제 슬라이드로 만들어 줘.'라고 요청했다.
복사 붙여넣기 할 필요도 없고, 이전 답변을 제대로 기억하지 못할 까 걱정할 필요도 없다. 정말 단순하면서도 확실한 기능이다.
STEP 3. 시각적 배치와 스크립트 흐름 구성하기.
"이 내용을 슬라이드에 배치한다면 어떤 흐름이 좋을까?"라고 물어 이미지 배치나 텍스트 비중 같은 가이드라인을 얻었다.
NotebookLM의 스튜디오에 있는 여러 부가기능 중 '슬라이드 자료'를 사용하면 내 소스들을 기반으로 실제 PPT 슬라이드를 만들어 준다. 이걸 초안으로 삼으니 백지 상태에서 장표를 만드는 막막함을 덜어내는 데 큰 도움이 됐다.
[Bonus] 아웃풋의 격을 높이는 시각화 치트키: BananaNL
NotebookLM은 슬라이드 레이아웃이나 인포그래픽 디자인까지 지원하긴 하지만, 내가 원하는 스타일로 완벽하게 그려내기엔 한계가 있다. 디자인 프롬프트 입력이 가능하다고는 하나 매 번 프롬프트를 찾거나 생성하는 것도 일이기 때문이다.
이때 내가 유용하게 사용한 확장 프로그램이 바로 BananaNL이다.
이 도구의 핵심은 디자인 프리셋과 프롬프트 복사 기능이다.
AI가 기본으로 생성해 주는 뻔한 디자인에서 벗어나, 전문가가 만든 듯한 인포그래픽이나 슬라이드 스타일을 미리 보고 선택할 수 있다.
사용 방법은 간단하다. Chrome 확장 프로그램에서 'BananaNL'을 설치하면 아래와 같이 인포그래픽 생성 좌측 하단에 버튼이 생긴다.
여기서 원하는 이미지 스타일을 골라 클릭하면 자동으로 해당 이미지 스타일에 맞는 프롬프트가 복사된다.
'만들려는 인포그래픽에 대한 설명'에 디자인 프롬프트가 자동으로 입력되므로 '생성'을 누르면 원하는 스타일대로 이미지를 뽑아낼 수 있게 되는 것이다.
온보딩 이후, 매뉴얼 작성과 논문 분석 응용
발표 후 "준비 많이 하셨네요"라는 긍정적인 피드백을 받으며 1주일 차 미션을 무사히 마쳤다. 이후에도 나는 코드를 매뉴얼화하거나 새로운 논문을 분석할 때 가장 먼저 NotebookLM을 켠다.
최근에는 작성한 코드를 워드 파일로 변환해 올려 매뉴얼 개요를 잡기도 했는데, 이전 매뉴얼 형식을 소스로 넣어주니 톤앤매너까지 맞춰주는 것을 확인했다.
코드 파일 등 인식이 안 되는 확장자는 워드에 복사해 넣는 방식으로 충분히 활용 가능하다.
코드를 워드에 복사해 넣는 번거로움을 감수할 만큼 NotebookLM의 자료 인식 정확도와 요약 능력이 뛰어나다는 뜻이기도 하다.
Gemini도 함께 쓰고 있긴 하지만, 반복적으로 참고해야하는 소스가 필요한 경우에는 NotebookLM쪽이 압도적으로 편리하고 정확하다.
신입의 실력은 재료를 다루는 안목에서 나온다
정신없던 온보딩을 지나 어느새 입사한 지 한 달 차.
돌이켜보면 신입 사원에게 필요한 건 '얼마나 많이 읽느냐'보다 '얼마나 빨리 정확한 정보를 정제해 내 것으로 만드느냐' 였다.
AI 시대의 실력은 질문하는 기술만큼이나 '어떤 재료(Source)를 선택하느냐'에 달려 있다. 웹에 떠도는 불확실한 정보가 아니라, 우리 회사가 검증한 자료를 NotebookLM이라는 깔때기에 통과시키는 것. 그것이 내가 낯선 도메인에서 3일 만에 1인분을 해낼 수 있었던 핵심 전략이었다.
막막함은 정보가 많아서가 아니라 정리되지 않아서 온다.
만약 당신의 책상 위에 읽지 못한 PDF 파일들이 쌓여 있다면, 무작정 첫 페이지부터 읽기보다 NotebookLM을 켜고 질문부터 던져보자.
텍스트 더미를 지식의 자산으로 바꾸는 경험이 당신의 온보딩을 완전히 바꿔놓을 것이다.
dansae_u
