챗GPT, 뉴스에서 워낙 많이 들어서 알긴 아는데 막상 어디서 시작해야 할지 막막하셨던 분들 많으실 거예요. 저도 처음엔 그랬거든요. 근데 직접 써보면 정말 별거 없어요. 카카오톡 대화창에 메시지 보내는 거랑 크게 다르지 않아요. 이 글에서는 회원가입부터 실제로 유용하게 쓰는 법까지, 순서대로 따라 하실 수 있게 정리해 드릴게요.
챗GPT는 OpenAI라는 미국 회사가 만든 AI 대화 서비스예요. 쉽게 말하면, 어떤 질문이나 요청을 글로 입력하면 그에 맞는 답변을 글로 돌려주는 서비스예요. 검색창에 키워드를 넣는 게 아니라, 사람한테 말하듯 문장으로 물어보면 된다는 게 핵심이에요.
예를 들어 구글에선
솔직히 말하면, 1년 전만 해도 저는 ‘AI 영상’이라는 게 실무에 쓸 수준이 아니라고 생각했어요. 프레임이 뭉개지고, 손가락이 이상하게 붙어 있고, 사람 얼굴이 3초 만에 다른 사람으로 바뀌는 영상들 때문에요. 그런데 올해 들어 분위기가 완전히 달라졌더라고요.
Runway Gen-3, Kling 1.6, 그리고 Sora가 일반 공개되면서 ‘이건 진짜 쓸 수 있겠다’는 생각이 들기 시작했어요. 특히 저처럼 영상 편집 전문가가 아닌 기획자 입장에서, 간단한 컨셉 영상이나 프레젠테이션용 클립을 직접 뽑아낼 수 있게 됐다는 게 체감상 엄청난 변화예요. 이 글은 제가 실제로 써보면서 정리한 툴별 특성과, 실무에서 바로 가져다 쓸 수 있는 워크플로우를 담았습니다.
툴이 너무 많아서 처음엔 어디서 시작해야 할지 막막할 수 있어요. 제가 실제로 써본 기준으로 정리해드릴게요.
현재 실무에서 가장 많이 쓰이는 툴 중 하나예요. 텍스트-투-비디오(T2V)와 이미지-투-비디오(I2V) 둘 다 지원하는데, 특히 I2V 기능이 강점이에요. 정지 이미지를 넣고 카메라 무빙이나 오브젝트 움직임을 지시하면, 꽤 자연스러운 영상이 나와요. 제가 주로 쓰는 방식은 미드저니로 배경 이미지를 뽑은 다음, Runway에서 카메라가 천천히 앞으로 이동하는 방식으로 영상화하는 거예요. 광고 시안용 영상 제작할 때 이 콤보가 꽤 잘 먹혀요.
다만 생성 길이가 기본 4~10초로 짧고, 크레딧 소모가 빠른 편이에요. 정밀한 동작 제어가 필요한 경우엔 아직 한계가 있고요.
중국 콰이쇼우(快手)에서 만든 툴인데, 한동안 해외에서 더 화제였어요. 지금은 국내에서도 꽤 많이 쓰이고 있어요. Kling의 강점은 사람의 동작과 얼굴 일관성 유지예요. 동일한 인물이 여러 장면에서 등장하는 영상을 만들 때 Runway보다 훨씬 안정적인 결과물이 나오더라고요. 최대 2분짜리 영상을 생성할 수 있는 고급 플랜도 있어서, 짧은 브랜드 필름 수준의 작업도 가능해졌어요.
무료 플랜에서도 어느 정도 테스트는 가능한데, 실무 품질을 원한다면 유료 플랜이 필요해요. 프롬프트 언어는 영어가 압도적으로 잘 먹히고, 한국어 입력도 되지만 영어 번역 후 입력하는 걸 추천드려요.
기대를 정말 많이 했고, 실제로 영상 품질 자체는 놀라운 수준이에요. 복잡한 씬 구성이나 물리 시뮬레이션 표현은 현재 공개된 툴 중 가장 뛰어나다고 느꼈어요. 다만 ChatGPT Plus/Pro 플랜에서 접근 가능한데, 생성 시간이 길고 대기 시간 편차가 크다는 게 아쉬운 점이에요. 현재로선 ‘결과물 품질 확인 및 레퍼런스 제작’에는 쓸 만하지만, 반복적으로 여러 시안을 뽑는 실무 작업엔 아직 속도 면에서 불편함이 있어요.
이 두 툴은 성격이 조금 달라요. CapCut AI는 편집 자동화 중심이고, HeyGen은 AI 아바타 기반 영상 제작에 특화돼 있어요. HeyGen은 특히 교육 콘텐츠나 제품 설명 영상처럼 ‘사람이 직접 말하는 것처럼 보이는 영상’이 필요할 때 유용해요. 내 사진과 스크립트만 넣으면 AI가 립싱크까지 맞춰서 영상을 만들어주거든요. 물론 가까이 보면 어색한 부분이 있지만, SNS 클립이나 내부 교육 영상 수준에서는 충분히 쓸 만해요.
툴 소개보다 더 중요한 건 ‘어떻게 쓰느냐’예요. 제가 실제로 AI 영상 제작에 활용하는 방식을 단계별로 풀어볼게요.
먼저 ChatGPT나 Claude에 영상의 목적, 타깃 시청자, 전달하고 싶은 핵심 메시지를 주고 씬 구성을 요청해요. 예를 들어 이렇게 프롬프트를 쓰는 편이에요.
프롬프트 예시:
노션을 이미 쓰고 계신 분이라면, 언젠가 한 번쯤 노션 화면에 슬쩍 등장하는 “AI에게 물어보기” 버튼을 보셨을 거예요. 눌러보고 싶은데 뭔가 복잡할 것 같아서 그냥 닫아두셨나요? 저도 처음엔 그랬거든요. 그런데 막상 써보니 생각보다 훨씬 쉽고, 업무 속도가 진짜 달라지더라고요. 오늘은 노션 AI를 단 한 번도 안 써본 분도 바로 따라 할 수 있게, 처음부터 하나하나 정리해 드릴게요.
노션 AI는 쉽게 말하면 노션 안에 챗GPT 같은 AI 어시스턴트가 들어와 있는 것이에요. 별도 앱을 깔거나 탭을 열 필요 없이, 내가 작성하던 노션 페이지 안에서 바로 AI한테 “이 문장 다듬어줘”, “이 내용 요약해줘”, “회의록 초안 써줘” 같은 걸 부탁할 수 있어요.
중요한 차이점이 하나 있는데요. 챗GPT는 내가 정보를 따로 붙여 넣어서 대화하는 방식이라면, 노션 AI는 내가 이미 노션에 정리해 둔 내용 위에서 바로 작동한다는 게 핵심이에요. 회의록 페이지를 열고 그 페이지 안에서 “이거 3줄로 요약해줘” 하면, 내용을 복사해서 붙여 넣을 필요도 없이 바로 요약이 나오거든요. 그 편리함이 진짜 다르더라고요.
노션 AI는 무료 플랜에서도 제한적으로 체험할 수 있어요. 처음 사용하면 AI 기능을 몇 번 무료로 써볼 수 있고, 이후엔 유료 애드온(AI 기능 추가 요금제)을 구독해야 계속 쓸 수 있어요. 일단 무료로 맛보기부터 해보시는 걸 추천드려요.
1단계 — 노션 페이지 열기
노션에 로그인한 뒤 아무 페이지나 열거나, 왼쪽 사이드바에서 “+” 버튼을 눌러 새 페이지를 만드세요. PC 웹 브라우저나 노션 앱 모두 괜찮아요.
2단계 — AI 불러오기
페이지 본문 영역을 클릭한 뒤 스페이스 바를 한 번 누르세요. 그러면 “AI에게 글 작성 요청…”이라는 팝업 입력창이 바로 뜨거든요. 이게 노션 AI를 부르는 가장 빠른 방법이에요. 마우스를 쓰기 싫으신 분은 “/AI”를 타이핑해도 동일하게 불러올 수 있어요.
3단계 — 원하는 걸 말로 입력하기
창이 뜨면 그냥 하고 싶은 말을 쓰면 돼요. “주간 업무 보고서 초안 써줘”, “내일 있을 팀 회의 아젠다 항목 5개 뽑아줘”, “이 글을 더 친근한 말투로 바꿔줘” 이런 식으로요. 프롬프트나 명령어를 외울 필요 없어요. 그냥 말하듯이 쓰면 돼요.
처음 써보시면 “이게 진짜 작동하는 거야?” 싶을 만큼 자연스럽게 글이 나와서 조금 놀라실 수도 있어요. 저도 첫날에 신기해서 한 30분은 그냥 이것저것 시켜봤던 기억이 나네요.
기능이 꽤 많은데, 처음부터 다 알 필요는 없어요. 제가 실제로 가장 자주 쓰는 기능 위주로 골라봤어요.
뭔가를 써야 하는데 첫 문장이 안 나올 때 진짜 유용해요. 예를 들어 새 페이지를 열고 스페이스바를 누른 뒤 “신규 직원 온보딩 가이드 초안을 작성해줘. 환영 인사, 첫날 할 일, 자주 묻는 질문 섹션으로 나눠줘”라고 입력하면, 목차까지 잡힌 초안이 30초 안에 나와요. 물론 그대로 쓰는 게 아니라 내 상황에 맞게 수정하는 건데, 빈 페이지의 막막함에서 벗어나는 속도가 완전히 달라지거든요.
노션에 길게 적어둔 회의 메모나 긴 문서가 있을 때, 텍스트를 드래그해서 선택한 뒤 뜨는 메뉴에서 “AI에게 요청”→”요약”을 누르면 돼요. 혹은 페이지 전체를 요약하고 싶을 때는 페이지 빈 곳에서 스페이스바를 누르고 “이 페이지 내용을 3줄로 요약해줘”라고 쓰면 그 페이지에 있는 내용을 참고해서 요약해 줘요. 긴 기획서나 보고서를 빠르게 파악할 때 정말 쓸모 있어요.
내가 쓴 글인데 뭔가 어색하다 싶을 때, 해당 문단을 드래그하고 AI에게 “더 자연스럽게 바꿔줘” 혹은 “공식적인 비즈니스 문체로 바꿔줘”라고 요청하면 바로 대안 문장을 제안해줘요. 영어로 된 내용을 한국어로 번역하거나, 반대로 한국어 내용을 영어로 바꾸는 것도 이 방식으로 할 수 있어요. 외국 고객에게 이메일 보낼 때 제가 자주 쓰는 방법이에요.
예를 들어 “마케팅 캠페인 아이디어 10개 뽑아줘”, “이 기획안에서 빠진 게 뭔지 체크해줘”, “이 내용을 바탕으로 Q&A 5개 만들어줘” 같은 요청도 잘 해줘요. 혼자 머리를 쥐어짤 때보다 훨씬 빠르게 방향이 잡히고, 내가 미처 생각 못 한 시각을 제안해 줄 때도 있어서 유용하더라고요.
몇 가지 솔직한 얘기도 드릴게요. 노션 AI가 편리하긴 한데, 처음 기대랑 다를 수 있는 부분도 있거든요.
우선 AI가 만들어준 내용은 반드시 내가 한 번 읽고 확인해야 해요. 사실관계가 틀리거나, 내 상황이랑 맞지 않는 내용이 섞여 있을 수 있거든요. AI는 글의 형태를 만들어주는 도구이고, 내용의 정확성은 내가 책임지는 구조예요. 특히 숫자나 날짜, 고유명사 같은 건 꼭 확인하세요.
그리고 요청을 구체적으로 할수록 결과가 좋아요. “보고서 써줘”보다는 “이번 주 마케팅 팀 성과를 정리한 보고서 초안을 써줘. 핵심 지표 3가지와 다음 주 계획을 포함해줘” 이런 식으로 구체적으로 말해주면 훨씬 쓸 만한 결과가 나와요. 처음엔 막연하게 시작해도 괜찮아요, 결과를 보면서 조금씩 요청을 다듬어 나가면 되거든요.
마지막으로 노션 AI는 인터넷 검색을 하지 않아요. 오늘 뉴스나 최신 정보를 물어보면 답을 못 하거나 틀린 정보를 줄 수 있어요. 노션 AI는 내가 이미 노션에 써둔 내용이나 일반적인 지식 안에서 도와주는 도구라고 생각하시면 정확해요. 최신 정보가 필요한 리서치에는 챗GPT나 제미나이 같은 도구가 더 적합할 수 있어요.
그럼에도 불구하고, 매일 노션을 쓰는 분이라면 노션 AI는 진짜 자연스럽게 녹아드는 도구예요. 별도 앱을 오가는 수고 없이 내 작업 공간 안에서 바로 AI 도움을 받을 수 있다는 게 제일 큰 장점이거든요. 일단 무료 체험분이라도 써보시고, 본인 업무 흐름에 맞는지 확인해보시는 걸 추천드려요.
챗GPT를 처음 써본 사람들이 몇 주 지나면 꼭 하는 말이 있어요. “처음엔 신기했는데, 요즘은 뭘 물어봐야 할지 모르겠어요.” 맞아요. 사실 챗GPT의 진짜 활용법은 ‘어떻게 쓰느냐’에 달려 있고, 그 차이가 생각보다 크더라고요. 저도 기획 업무에 본격적으로 붙여 쓴 건 한 1년 넘었는데, 초반 3개월이랑 지금이랑 완전히 다른 도구처럼 느껴질 정도예요.
가장 먼저 바꿔야 할 습관이 바로 이거예요. “이거 정리해줘”, “이 글 요약해줘” 같은 단발성 요청만 쓰면 챗GPT는 그냥 일반적인 답만 뱉거든요. 반면에 역할(Role)과 배경(Context)을 먼저 설정하면 결과물의 품질이 확 달라져요.
제가 실제로 쓰는 패턴 하나 보여드릴게요.
예시 프롬프트 구조:
이렇게 하면 챗GPT가 맥락을 유지하면서 훨씬 목적에 맞는 글을 써줘요. ‘역할 + 독자 + 제약 조건 + 구체적 요청’이 세트로 들어가야 실무에서 바로 쓸 수 있는 아웃풋이 나오거든요.
추가로 같은 대화창에서 이어가면 컨텍스트가 누적되니까, 처음 역할 설정을 잘 해두면 후속 요청이 훨씬 편해요. 저는 자주 쓰는 역할 설정 프롬프트를 노션에 저장해두고 복붙해서 씁니다.
실무에서 챗GPT를 ‘도구’로 쓰려면, 어떤 업무 단계에 끼워 넣을지를 먼저 정리하는 게 중요해요. 제가 자주 쓰는 패턴 몇 가지를 공유할게요.
회의 후 클로바노트나 팀즈 자동 전사 텍스트를 챗GPT에 붙여 넣고 이렇게 요청해요. “이 회의록에서 결정된 사항과 각 담당자별 액션 아이템을 표 형식으로 정리해줘.” 15분짜리 정리 작업이 1분으로 줄더라고요. 완벽하진 않지만, 초안을 잡아주는 것만으로도 충분히 값어치 있어요.
경쟁사 블로그 글이나 보도자료를 여러 개 긁어다가 한 번에 넣고 “이 자료들에서 공통적으로 강조하는 포인트 3가지와, 우리 서비스와 비교했을 때 차별점이 될 수 있는 부분을 뽑아줘”라고 하면 꽤 쓸만한 인사이트 초안이 나와요. 리서치 -> 구조화 -> 초안 작성까지 플로우가 연결되는 거죠.
제가 가장 많이 쓰는 패턴이에요. 초안은 빠르게 쓰고, 그걸 특정 톤으로 바꾸는 데 챗GPT를 써요. “위 글을 좀 더 친근하고 캐주얼하게 바꿔줘”, “전문적이고 신뢰감 있는 B2B 보고서 스타일로 다듬어줘” 이런 식으로요. 직접 여러 번 고치는 것보다 훨씬 빠릅니다.
챗GPT를 실무에 붙이는 분들 중에서도 커스텀 인스트럭션(Custom Instructions)을 안 쓰는 경우가 꽤 많더라고요. 설정 메뉴에 있는 이 기능, 제대로 활용하면 매번 역할 설정을 반복하지 않아도 돼요.
저는 커스텀 인스트럭션에 이런 내용을 넣어뒀어요.
이걸 설정해두면 새 대화를 열어도 기본 설정이 적용된 상태로 시작해요. 특히 GPT-4o 기반으로 작업할 때 일관성이 많이 올라가서 체감이 꽤 돼요.
그리고 GPT-4o의 이미지 인식 기능도 기획 업무에 유용해요. 화면 캡처나 와이어프레임 이미지를 올리고 “이 UI 구조에서 UX 문제가 될 수 있는 부분을 짚어줘”라고 하면 꽤 날카로운 피드백이 나올 때가 있어요. 물론 맹신은 금물이고, 출발점으로 활용하는 게 맞아요.
좋은 얘기만 하면 글이 너무 홍보처럼 되니까, 솔직하게 한계도 정리할게요.
첫째, 최신 정보 반영이 안 된다는 점이에요. 검색 기능을 켜지 않으면 특정 날짜 이후 정보는 없거나 틀릴 수 있어요. 시장 트렌드나 최신 기사 기반 분석이 필요한 작업엔 반드시 웹 검색 기능을 활성화해야 해요.
둘째, 숫자와 데이터는 직접 검증이 필수예요. 수치를 그럴 듯하게 만들어내는 경향이 있어서, 데이터가 들어간 내용은 원본 소스를 꼭 확인해야 해요. 저도 초반에 몇 번 낭패를 본 적 있어요.
셋째, 긴 컨텍스트에서 일관성이 흔들릴 수 있어요. 대화가 길어지면 앞서 설정한 조건을 슬슬 잊는 경우가 있더라고요. 중요한 작업은 새 대화창 열고 다시 역할 설정하는 게 더 안전해요.
이런 한계를 알고 쓰면 훨씬 효과적으로 활용할 수 있어요. 챗GPT는 만능 도구가 아니라, 잘 쓰는 사람과 못 쓰는 사람의 차이가 분명히 나는 도구거든요. 그 차이를 만드는 게 결국 프롬프트 설계와 워크플로우 통합 방식이에요. 한 번 제대로 세팅해두면, 진짜 쓸만한 업무 파트너가 됩니다.
챗GPT나 클로드에 뭔가를 물어봤는데 대답이 영 시원찮았던 경험, 한 번쯤 있으시죠? 사실 그건 AI가 나쁜 게 아니라, 질문 방식이 조금 달랐던 경우가 대부분이에요. 프롬프트 작성법, 별거 없어요. 핵심 원칙 몇 가지만 알면 같은 AI도 완전히 다른 퀄리티로 답해줍니다.
프롬프트(Prompt)라는 단어가 낯설게 느껴질 수 있는데, 쉽게 말하면 AI에게 보내는 메시지 전체를 뜻해요. 챗GPT 입력창에 타이핑하는 모든 것이 프롬프트입니다. 대단한 개념이 아니에요.
그런데 같은 질문을 어떻게 쓰느냐에 따라 AI의 답이 엄청나게 달라져요. 예를 들어볼게요.
AI 글쓰기 툴을 쓴다고 해서 결과물이 자동으로 좋아지는 건 아니더라고요. 챗GPT든 클로드든 제미나이든, 입력을 어떻게 설계하느냐에 따라 산출물 품질이 하늘과 땅 차이가 납니다. 막연하게 “이 주제로 블로그 글 써줘” 라고 넣는 것과, 목적·독자·형식·제약 조건을 구조화해서 넣는 것은 결과가 완전히 다릅니다. 제가 실무에서 직접 쌓아온 AI 글쓰기 워크플로우를 이번 글에 다 풀어볼게요.
많은 분들이 프롬프트를 “지시문” 정도로 생각하는데, 저는 이걸 “편집 브리프”처럼 씁니다. 잡지사 에디터가 기자에게 원고를 의뢰할 때 보내는 그 문서요. 거기엔 단순히 주제만 있는 게 아니라 독자 프로필, 어조, 금기어, 분량, 레퍼런스가 다 들어가잖아요. AI한테도 똑같이 줘야 합니다.
제가 실제로 쓰는 프롬프트 골격은 이렇습니다.
이 다섯 가지를 다 채워서 넣으면, 모델이 “뭘 써야 하는지”를 헤매지 않아요. 특히 Constraints를 빠뜨리면 AI가 관성적으로 쓰는 상투적 문장들이 그대로 올라오더라고요. “결론적으로”, “이번 글에서는 ~에 대해 알아보겠습니다” 같은 표현들이요. 이걸 명시적으로 금지해야 결과물이 훨씬 사람 목소리에 가까워집니다.
세 모델을 다 실무에 써보면, 글쓰기 쪽에서 성격 차이가 꽤 느껴집니다. 어떤 게 낫다기보다 용도가 다릅니다.
클로드(Claude)는 긴 문서 작업에서 일관성이 좋습니다. 특히 브랜드 보이스 가이드라인이나 스타일 가이드를 시스템 프롬프트에 넣어두면, 긴 문서 전체에서 어조가 흔들리지 않고 유지돼요. 보고서나 제안서처럼 수천 자 넘어가는 단일 문서 초안 작업에 주로 씁니다. 또 퇴고 지시를 줄 때 이유를 같이 달아주면 클로드는 단순히 수정만 하지 않고 왜 그렇게 바꿨는지를 설명해줘서 글쓰기 피드백 루프를 돌리기 편합니다.
챗GPT(GPT-4o 기준)는 반복 작업에 강합니다. 동일한 포맷의 콘텐츠를 대량으로 생산해야 할 때, 예를 들어 제품 카탈로그 설명문 100개 혹은 뉴스레터 섹션 10개를 비슷한 구조로 뽑아야 할 때 지시 사항을 잘 따라오는 편이에요. 플러그인과 Custom GPT를 조합하면 특정 글쓰기 워크플로우를 팀 단위로 표준화할 수 있다는 것도 장점이고요.
제미나이(Gemini)는 구글 워크스페이스와 연결되는 맥락에서 빛납니다. 구글 독스 내에서 실시간으로 문서를 다듬거나, 구글 드라이브의 기존 문서를 참고해서 새 글을 쓰는 흐름이 자연스러워요. 특히 팀 공용 구글 독스에서 협업 문서 작성 속도를 높이고 싶다면 제미나이 통합이 꽤 실용적입니다.
솔직히 말하면, AI가 뽑은 초안을 아무런 손질 없이 그대로 쓰는 경우는 거의 없어요. 특히 외부에 나가는 문서일수록요. 제가 실무에서 AI 초안을 편집할 때 체크하는 포인트 몇 가지를 공유할게요.
첫 번째는 사실 확인입니다. AI는 수치, 날짜, 고유명사를 자연스럽게 생성하는데 틀리는 경우가 있습니다. 특히 구체적인 통계나 최신 정보가 들어간 문장은 반드시 원출처를 직접 확인해요. 이 과정을 건너뛰면 나중에 훨씬 큰 비용을 치릅니다.
두 번째는 목소리(voice) 교정입니다. AI가 쓴 글은 아무리 잘 써도 특유의 매끈함이 있어요. 너무 정돈되어 있고, 리듬이 균일합니다. 실제 필자의 어투가 있는 글은 짧은 문장과 긴 문장이 섞이고, 가끔 구어체가 들어오고, 의도적인 반복이 있거든요. 저는 AI 초안에 이런 텍스처를 수작업으로 넣습니다.
세 번째는 구조 재배열입니다. AI는 논리 흐름을 나름 맞추지만, 실제 독자가 읽는 순서와 다를 때가 많아요. 독자가 가장 궁금해하는 것, 즉 “그래서 나한테 뭐가 좋은 건데?”에 대한 답이 도입부에 없으면 이탈이 빠릅니다. 저는 이 부분을 항상 앞으로 끌어올립니다.
글쓰기 작업에서 AI를 쓸 때 진짜 효율이 나기 시작하는 건, 매번 프롬프트를 새로 짜는 게 아니라 재사용 가능한 프롬프트 템플릿을 축적할 때입니다. 저는 Notion에 글쓰기 유형별로 프롬프트 라이브러리를 관리합니다. 보도자료용, 기능 소개 문서용, 이메일 뉴스레터용, 사용자 인터뷰 정리용 등으로 나눠서요.
각 템플릿에는 기본 프롬프트 구조뿐 아니라, 그 프롬프트가 잘 안 됐을 때 쓰는 개선 변형 버전도 함께 저장해둡니다. 예를 들어 첫 번째 결과물이 너무 딱딱하게 나왔을 때 “좀 더 구어체로, 1인칭 관점에서 재작성해줘. 문장 길이를 다양하게 섞어서” 같은 후속 지시도 세트로 관리하는 거예요.
팀으로 일한다면 이 프롬프트 라이브러리를 공유 자산으로 운영하는 게 좋습니다. 사람마다 프롬프트 실력이 다르면 결과물 품질이 들쭉날쭉해지거든요. 팀 공용 베이스라인 프롬프트를 정해두면, 누가 돌려도 일정 수준 이상이 나오는 구조를 만들 수 있어요. 이게 AI 글쓰기를 개인 생산성 도구에서 팀 역량으로 끌어올리는 핵심이라고 생각합니다.
AI 글쓰기는 쓰면 쓸수록, 그리고 피드백 루프를 얼마나 빠르게 돌리느냐에 따라 실력이 빠르게 올라가요. 처음엔 편집 시간이 초안 작성보다 더 오래 걸리더라도, 나만의 프롬프트 자산이 쌓이면 어느 순간 균형점이 역전됩니다. 그 시점이 오면, AI 글쓰기가 단순한 보조 도구가 아니라 진짜 업무 레버리지가 됩니다.
Claude를 처음 들어봤거나, 이름은 들었는데 막상 어떻게 쓰는지 몰랐던 분들께 딱 맞는 글이에요. 저도 처음에는 “챗GPT도 있는데 굳이?” 싶었거든요. 그런데 직접 써보고 나서 생각이 꽤 바뀌었어요. 어떤 점에서 다르고, 실제로 어떤 상황에서 써먹으면 좋은지 제 경험을 담아 정리해볼게요.
Claude는 미국 AI 회사 Anthropic이 만든 대화형 AI예요. 챗GPT처럼 말을 걸면 답해주는 방식인데, 긴 글을 읽고 정리하거나, 자연스러운 문장을 쓰는 데 특히 강하다는 평가를 많이 받아요. 저도 실제로 써보니 문체가 꽤 매끄럽고, 긴 맥락을 잘 기억하면서 대화를 이어가더라고요.
쉽게 비유하자면, 챗GPT가 “뭐든 빠르게 찾아주는 검색 고수”에 가깝다면, Claude는 “글을 꼼꼼하게 읽고 정리해주는 꼼꼼한 편집자” 느낌이에요. 물론 둘 다 잘하지만, 결이 조금 달라요.
Claude를 쓰려면 먼저 claude.ai에 접속하면 돼요. 구글 계정이나 이메일로 간단하게 가입할 수 있어요. 무료 플랜도 있어서 일단 체험해보는 데는 충분해요. 다만 무료 플랜은 하루에 쓸 수 있는 횟수에 제한이 있고, 최신 모델(Claude 3.5 Sonnet 등)은 유료 플랜에서 더 넉넉하게 쓸 수 있어요.
가입 후 화면을 보면 딱 하나, 텍스트 입력창이 보여요. 여기서 바로 말을 걸면 됩니다. 처음에 뭘 써야 할지 모르겠다면, 그냥 이렇게 시작해보세요.
이렇게 일상 언어로 그냥 말 걸듯이 쓰면 돼요. 특별한 명령어 같은 건 없어요.
회의록, 뉴스 기사, 계약서 같이 긴 문서를 읽어야 할 때 Claude가 진짜 유용해요. 텍스트를 통째로 붙여넣고 이렇게 써보세요.
프롬프트 예시: “아래 문서를 핵심만 3줄로 요약해줘. 전문 용어는 쉽게 풀어서.”
저도 업무에서 긴 기획 문서를 받을 때 이 방법을 자주 써요. 핵심 포인트만 뽑아주니까 전체를 읽는 시간이 훨씬 줄더라고요. Claude는 문서 길이가 꽤 길어도 잘 처리해줘서 이런 용도로 특히 편해요.
글 쓰는 게 어렵다면 Claude가 좋은 파트너가 돼요. 처음부터 대신 써달라고 해도 되고, 제가 쓴 초안을 다듬어달라고 해도 돼요. 두 가지 다 꽤 자연스럽게 결과물이 나와요.
이메일 작성 예시: “고객에게 프로젝트 일정이 2주 늦어진다고 정중하게 안내하는 이메일을 써줘. 격식체로, 3문단 이내로.”
SNS 글 예시: “인스타그램에 올릴 카페 방문 후기 글 써줘. 감성적인 톤으로, 해시태그도 5개 추천해줘.”
이렇게 톤, 분량, 목적을 함께 알려주면 훨씬 원하는 결과물이 나와요. 무조건 “이메일 써줘”보다 조건을 구체적으로 적을수록 좋아요.
머릿속에 아이디어가 없을 때, 혼자 고민하지 말고 Claude한테 물어보세요. 예를 들어 이런 식이에요.
프롬프트 예시: “직장인을 위한 주말 취미 아이디어 10가지 알려줘. 비용이 적게 드는 것 위주로.”
혹은 블로그 운영한다면 이렇게도 쓸 수 있어요.
프롬프트 예시: “30대 직장인 대상 건강 블로그 주제 아이디어 20개 줘. 검색에 잘 걸릴 만한 것들 위주로.”
이런 브레인스토밍 용도로 쓰면 혼자 고민할 때보다 훨씬 빠르게 방향이 잡혀요.
제가 쓴 글의 맞춤법이나 문장 흐름이 어색하지 않은지 확인받을 때도 Claude가 편해요.
프롬프트 예시: “아래 문단에서 어색한 표현이나 맞춤법 오류를 찾아서 고쳐줘. 고친 부분은 굵은 글씨로 표시해줘.”
특히 중요한 이메일이나 제출 전 보고서를 한 번 더 검토받는 용도로 써보면 실수를 꽤 많이 잡아줘요.
Claude를 처음 쓰다 보면 “왜 내가 원하는 답이 안 나오지?” 싶을 때가 있어요. 그럴 때 이 세 가지만 기억해두세요.
1. 역할을 줘보세요. “너는 지금부터 친절한 초등학교 선생님이야. 아래 개념을 초등학생도 이해할 수 있게 설명해줘.” 이렇게 역할을 설정하면 설명의 깊이나 톤이 달라져요.
2. 예시를 요청하세요. 개념 설명만 받으면 막연할 때가 많아요. “예시 3가지 포함해서”라고 붙여주면 훨씬 이해하기 쉬운 답이 와요.
3. 마음에 안 들면 바로 수정 요청하세요. “좀 더 짧게”, “더 캐주얼한 톤으로”, “두 번째 문단을 다시 써줘” 이런 식으로 계속 대화를 이어가면 돼요. Claude는 이전 맥락을 잘 기억하기 때문에 대화가 자연스럽게 이어져요.
챗GPT와 Claude는 둘 다 좋은 도구인데, 굳이 비교하자면 이런 상황에서는 Claude가 조금 더 편하더라고요.
반면 최신 정보 검색이 필요하거나, 이미지 생성·분석을 같이 쓰고 싶다면 챗GPT(GPT-4o)가 더 폭넓게 활용되기도 해요. 두 가지를 상황에 맞게 번갈아 쓰는 게 솔직히 제일 실용적인 방법이에요.
처음 AI 도구를 써보는 분이라면, 일단 Claude.ai에 들어가서 요즘 고민 중인 한 가지를 그냥 말 걸듯이 물어보세요. 처음부터 완벽한 프롬프트를 쓰려고 애쓰지 않아도 돼요. 쓰면서 점점 감이 잡히거든요. 생각보다 훨씬 금방 친숙해질 거예요.
AI 글쓰기 툴을 한 번쯤 써봤는데 결과물이 생각보다 밋밋해서 결국 손으로 다 고쳤다는 분들, 꽤 많더라고요. 저도 처음엔 그랬어요. 근데 지금은 보도자료, 기획서 요약, 서비스 소개 문구, 내부 공지 등 실무 글쓰기의 70% 이상을 AI로 초안을 뽑고 있고, 수정 시간이 확실히 줄었습니다. 차이는 단순히 “어떤 툴을 쓰냐”가 아니라 어떻게 쓰냐에 있었어요.
많은 분들이 챗GPT나 클로드 창을 열고 “~에 대한 글 써줘”라고 입력합니다. 그러면 분명 뭔가 나오긴 하는데, 읽어보면 어디서 본 것 같은 평범한 문장들의 조합이에요. 톤도 내 브랜드랑 다르고, 구체적인 수치나 맥락도 없고, 전달하려는 메시지의 핵심이 흐릿합니다.
이건 AI가 부족해서가 아니에요. AI는 맥락을 모르는 상태에서 최대한 무난한 결과를 냅니다. 반대로 말하면, 맥락을 잘 줄수록 결과물의 품질이 급격히 올라가요. 프롬프트를 설계한다기보다 “AI한테 브리핑을 한다”고 생각하면 훨씬 이해하기 쉽습니다. 신입 팀원에게 글을 맡길 때 배경 설명, 독자 정보, 원하는 톤, 피해야 할 표현 등을 알려주는 것처럼요.
실무에서 AI 글쓰기가 기대에 못 미치는 가장 흔한 패턴을 정리하면 이렇습니다.
저는 실무 글쓰기 프롬프트를 짤 때 크게 네 가지 요소를 항상 챙깁니다. 역할 지정, 배경 정보, 출력 조건, 제약 조건이에요.
역할 지정은 AI가 어떤 포지션에서 글을 써야 하는지 알려주는 겁니다. “마케팅 카피라이터로서”, “B2B SaaS 기업의 콘텐츠 매니저로서” 처럼 구체적일수록 어조와 구성이 달라져요. 특히 클로드는 역할 지정에 꽤 민감하게 반응하는 편이라 이 부분만 바꿔도 결과물 톤이 눈에 띄게 달라집니다.
배경 정보는 사람들이 가장 많이 생략하는 부분이에요. “우리 서비스는 중소기업 인사담당자를 대상으로 하고, 온보딩 과정에서의 불편함을 줄이는 게 핵심 가치입니다”처럼 실제 맥락을 넣어줘야 AI가 엉뚱한 방향으로 가지 않습니다. 내부 문서, 기존 작성 글, 경쟁사 자료 일부를 붙여넣기 해서 주는 것도 아주 효과적이에요.
출력 조건은 분량, 구조, 형식을 구체적으로 명시하는 겁니다. “600자 내외로, 소제목 없이, 부드러운 구어체로” 혹은 “H2 소제목 3개, 각 섹션 150자 이내, 블릿 포인트 없이”처럼요. 이 부분을 명확히 할수록 후편집 시간이 확 줄어듭니다.
제약 조건은 쓰면 안 되는 표현이나 피해야 할 방향을 알려주는 거예요. “지나치게 감정적인 표현 금지”, “경쟁사 직접 언급 금지”, “전문 용어는 반드시 괄호 안에 한 줄 설명 추가” 같은 식으로요. 이게 없으면 AI가 무난하게 좋아 보이는 방향으로 가버리는 경우가 많아요.
요즘 실무자들 사이에서 가장 많이 받는 질문 중 하나가 이거예요. 짧게 정리하면, 긴 문서 작업과 맥락 유지는 클로드가 강하고, 빠른 초안 생성이나 구조화된 포맷 출력은 챗GPT도 충분히 좋습니다.
제가 실제로 쓰는 방식을 공유하자면, 긴 기획서나 보고서처럼 앞뒤 맥락을 유지하면서 여러 섹션을 한꺼번에 다뤄야 할 때는 클로드를 씁니다. 특히 긴 참고 자료를 붙여넣고 “이 내용을 바탕으로~”라고 할 때 클로드가 흐름을 더 잘 잡아요. 반면 짧은 홍보 문구 여러 버전 뽑기, 이메일 초안, 간단한 공지 같은 건 챗GPT로도 빠르게 해결됩니다.
둘 다 시스템 프롬프트(또는 커스텀 인스트럭션)를 잘 활용하면 매번 같은 맥락 설명을 반복하지 않아도 되니까, 자주 쓰는 글쓰기 용도가 있다면 미리 세팅해두는 게 시간 절약에 크게 도움이 됩니다.
AI 글쓰기에서 한 번에 완성본이 나오길 기대하면 실망하기 쉽습니다. 저는 보통 초안 → 피드백 → 재작성 → 부분 수정 이렇게 3~4번의 사이클을 돌려요. 근데 이게 생각보다 빠릅니다. 각 사이클이 30초~1분이면 되거든요.
피드백을 줄 때도 “더 좋게 써줘” 같은 막연한 말보다는 구체적으로 줘야 효과가 있어요. “세 번째 문단의 톤이 너무 딱딱해요. 같은 내용을 독자와 대화하는 느낌으로 다시 써줘”, “두 번째 문장이 너무 길어서 두 문장으로 나눠줘”, “결론 부분에 독자가 다음에 취해야 할 행동을 한 문장으로 추가해줘” 이런 식의 지시가 훨씬 잘 먹힙니다.
또 한 가지 팁은, 내가 잘 쓴 기존 글이 있다면 그걸 참고 스타일로 함께 주는 거예요. “아래 글의 톤과 구조를 참고해서 새 글을 써줘”라고 하면 브랜드 보이스 통일성을 맞추는 데 꽤 효과적입니다. 특히 여러 사람이 콘텐츠를 만들어야 하는 팀 단위 작업에서 이 방법이 정말 유용하더라고요.
AI 글쓰기는 결국 내가 원하는 걸 얼마나 명확하게 전달하느냐의 커뮤니케이션 기술이에요. 툴이 좋아졌다고 해서 내 판단과 편집 감각이 필요 없어지는 건 아니고, 오히려 그 감각이 있어야 AI를 더 잘 쓸 수 있습니다. 그 점에서 AI는 글을 대신 써주는 게 아니라, 글 쓰는 속도와 범위를 늘려주는 도구라고 보는 게 맞는 것 같아요.
“SOL AI 반도체 TOP2 플러스”를 검색하셨다면, 아마 AI 반도체 관련 ETF에 관심이 생기셨거나, 주변에서 이 상품 얘기를 들으셨을 거예요. 저도 처음 이 이름을 봤을 때 ‘이게 뭔 소리지?’ 싶었거든요. 오늘은 이 ETF가 정확히 무엇인지, 어떤 구조인지, 그리고 투자 전에 꼭 알아야 할 것들을 최대한 쉽게 풀어드릴게요.
이름이 좀 길죠. 하나씩 뜯어보면 금방 이해돼요.
SOL은 신한자산운용이 운용하는 ETF 브랜드예요. 삼성의 KODEX, 미래에셋의 TIGER처럼 각 자산운용사마다 자기 브랜드가 있는데, 신한자산운용이 내놓는 ETF에는 ‘SOL’이라는 이름이 붙어요.
AI 반도체 TOP2라는 부분이 핵심인데요, 말 그대로 AI 반도체 분야에서 시가총액 기준 상위 2개 종목에 집중 투자하는 구조예요. 현재 시점에서 이 두 자리는 사실상 엔비디아(NVIDIA)와 TSMC가 차지하고 있어요. AI 열풍의 최대 수혜주로 꼽히는 두 회사죠.
플러스(+)는 단순히 두 종목만 담는 게 아니라, 나머지 AI 반도체 관련 종목들도 일부 편입해 분산 효과를 더했다는 의미예요. 그러니까 엔비디아·TSMC에 집중하면서도 다른 종목으로 리스크를 일부 줄인 구조라고 보시면 돼요.
한 마디로 요약하면, “AI 반도체 대장주 두 곳에 집중하되, 나머지도 조금씩 담은 ETF”예요.
투자를 막 시작하신 분들 중에 ETF 자체가 낯선 분들도 계실 것 같아서 잠깐 설명드릴게요.
ETF(Exchange Traded Fund)는 쉽게 말해 ‘여러 주식을 묶어서 하나의 상품처럼 만든 것’이에요. 삼성전자 주식 하나를 사는 게 아니라, AI 반도체 관련 기업 여러 개를 한 번에 담은 바구니를 산다고 생각하시면 돼요. 주식처럼 증권사 앱에서 바로 매수·매도할 수 있어서 진입 장벽이 낮아요.
SOL AI 반도체 TOP2 플러스의 경우, 개인이 직접 엔비디아나 TSMC 같은 해외 주식을 사려면 환전도 해야 하고 절차도 번거롭지만, 이 ETF를 사면 국내 주식 거래하듯 원화로 간단하게 AI 반도체 대장주에 투자할 수 있다는 장점이 있어요.
물론 ETF도 주가가 오르고 내리기 때문에, 원금 손실 가능성은 있어요. 이 부분은 꼭 인지하고 시작하셔야 해요.
편입 비중은 시장 상황과 운용사 정책에 따라 수시로 바뀌기 때문에, 정확한 최신 수치는 신한자산운용 공식 홈페이지나 ETF CHECK 같은 사이트에서 직접 확인하시는 게 가장 정확해요. 하지만 구조적으로는 이렇게 이해하시면 돼요.
TOP2에 집중한다는 건 그만큼 변동성도 크다는 뜻이기도 해요. 엔비디아나 TSMC 주가가 크게 흔들리면 이 ETF도 같이 흔들려요. 분산 투자의 관점에서 이 ETF만 단독으로 올인하기보다는 포트폴리오의 일부로 가져가는 게 일반적으로 권장되는 방식이에요.
처음 ETF를 사기 전에 확인해두면 좋은 것들을 정리해드릴게요.
총보수(운용 수수료)는 ETF마다 다른데, 연 단위로 떼가는 비용이에요. 비슷한 상품이라도 총보수가 낮은 쪽이 장기 보유 시 유리해요. SOL AI 반도체 TOP2 플러스의 정확한 총보수는 신한자산운용 공식 상품 페이지에서 확인하실 수 있어요.
거래량도 중요해요. ETF는 주식처럼 사고팔 수 있어야 하는데, 거래량이 너무 적으면 내가 원하는 가격에 팔기 어려울 수 있어요. 이 상품은 AI 반도체 테마 ETF 중 인지도가 있는 편이라 거래량이 비교적 안정적인 편이지만, 그래도 매수 전 확인해두는 습관이 좋아요.
환율 리스크도 있어요. 이 ETF는 국내 증시에 상장되어 있지만 담고 있는 종목이 해외 주식이에요. 달러 강세·약세에 따라 ETF 가격이 영향을 받을 수 있어요. 환헤지 여부도 상품 설명서에서 꼭 확인해보세요.
마지막으로, AI 반도체 섹터는 성장 기대감이 큰 만큼 변동성도 높은 분야예요. 뉴스 하나에 주가가 크게 움직이기도 하거든요. ‘단기 시세 차익’보다는 AI 산업의 장기 성장에 베팅한다는 마음으로 접근하시는 분들에게 더 잘 맞는 상품이에요.
AI 반도체 투자에 관심이 생기셨다면, 우선 소액으로 시작해보면서 이 시장이 어떻게 움직이는지 직접 감을 익혀보시는 걸 추천드려요. 주식이든 ETF든 ‘내가 뭘 사는지 아는 것’이 가장 중요한 첫걸음이니까요.
국산 AI 반도체 이야기가 나올 때마다 빠지지 않는 이름이 있어요. 퓨리오사AI(FuriosaAI)입니다. 2017년 설립된 이 팹리스 스타트업은 지금 국내에서 가장 진지하게 AI 추론 가속기를 만들고 있는 곳이고, 실제로 양산 칩까지 내놓은 몇 안 되는 사례예요. 저도 AI 인프라 관련 프로젝트를 기획할 때 한 번은 꼭 검토 선상에 올리게 되더라고요.
이 글에서는 마케팅 자료나 보도자료 수준이 아니라, 실무에서 AI 추론 인프라를 고민하는 분들이 알아야 할 포인트를 중심으로 퓨리오사AI를 정리해봤습니다.
퓨리오사AI의 첫 번째 양산 칩은 WARBOY입니다. TSMC 14nm 공정으로 제작됐고, 주된 설계 타깃은 CNN 기반의 비전 추론 워크로드였어요. 이미지 분류, 객체 탐지, OCR처럼 엣지-서버 경계에 있는 작업에서 전력 대비 성능이 괜찮다는 평가를 받았고, 실제로 SKT, KT 같은 국내 통신사와 일부 클라우드 사업자들이 파일럿 형태로 도입한 바 있습니다.
그런데 WARBOY가 나온 시점과 대형 언어모델(LLM) 열풍이 겹치면서 상황이 달라졌어요. CNN 중심의 설계로는 트랜스포머 기반 모델을 효율적으로 돌리는 데 한계가 있거든요. 어텐션 연산의 특성상 메모리 대역폭과 유연한 텐서 처리 구조가 중요한데, WARBOY는 그 지점에서 제약이 있었어요.
그래서 나온 게 두 번째 세대 칩인 RNGD(Rebellions Next Generation Device가 아니라 퓨리오사 내부 코드명 기반 제품명)입니다. TSMC 5nm 공정을 채택했고, 멀티-다이 구조와 대용량 HBM을 결합해 LLM 추론을 포함한 훨씬 넓은 워크로드 스펙트럼을 커버할 수 있도록 설계했어요. 공개된 벤치마크에 따르면 특정 추론 시나리오에서 NVIDIA A100에 준하거나 일부 작업에선 경쟁력 있는 수치를 보여주고 있습니다. 물론 엔비디아의 H100/H200과 비교하면 아직 간극이 있고, CUDA 생태계만큼의 소프트웨어 성숙도는 솔직히 따라잡기 쉽지 않은 게 사실이에요.
AI 반도체를 도입할 때 기술 스펙보다 더 중요한 게 에코시스템이에요. 얼마나 많은 모델 프레임워크를 지원하는지, 컴파일러가 얼마나 안정적인지, 문제가 생겼을 때 디버깅 환경이 갖춰져 있는지가 실제 운영 비용을 좌우하거든요.
퓨리오사AI는 Furiosa SDK를 자체 제공하고 있어요. PyTorch, ONNX 모델을 변환해서 칩에 올리는 파이프라인이 있고, 양자화(Quantization) 지원도 포함돼 있습니다. 다만 엔비디아의 TensorRT나 구글 TPU의 XLA 컴파일러처럼 수년간 수만 명이 쓰면서 갈고닦인 툴체인과 같은 수준을 기대하기는 어렵고, 아직 엣지 케이스가 제법 남아 있는 단계라고 보는 게 현실적이에요.
그렇다면 어떤 상황에서 퓨리오사AI 칩이 현실적인 선택지가 될 수 있을까요? 제가 보기엔 세 가지 시나리오가 있어요.
2024년에 퓨리오사AI와 또 다른 국산 AI 반도체 팹리스인 리벨리온(Rebellions) 사이의 합병 논의가 공론화되면서 업계가 한바탕 술렁였어요. 정부 주도의 반도체 경쟁력 집중 전략과 맞물려 있었는데, 결국 합병은 성사되지 않았습니다. 양측의 기술 방향성과 투자자 구조, 그리고 각각의 고객 파이프라인이 충분히 달랐던 게 주요 이유로 알려져 있어요.
이 사건이 실무자 입장에서 시사하는 건 뭘까요? 국내 AI 반도체 생태계가 아직 파편화돼 있고, 한 벤더에 전사적으로 베팅하기에는 트랙 레코드가 충분히 쌓이지 않았다는 거예요. 퓨리오사AI 자체의 기술력은 분명히 인정받고 있지만, 긴 납기나 소프트웨어 지원 연속성 같은 공급망 리스크는 의사결정 과정에서 꼭 체크해야 할 항목입니다.
한편으로는 이 경쟁 구도가 결과적으로 두 회사 모두를 더 빠르게 발전시키는 동력이 되고 있기도 해요. 리벨리온이 ATOM, ATOM+를 고도화하는 동안 퓨리오사AI는 RNGD 기반의 서버 플랫폼 완성도를 높이고 있고, 국내 시장에서 실제 레퍼런스를 쌓아가는 중입니다.
저는 퓨리오사AI를 보면서 늘 두 가지 감정이 교차해요. 하나는 ‘이 팀이 진짜 칩을 양산까지 가져왔다’는 진심 어린 존중이고, 다른 하나는 ‘소프트웨어 생태계와 공급 안정성 측면에서 아직 갈 길이 멀다’는 냉정한 판단이에요.
엔비디아 GPU 대비 단순 성능 숫자 비교보다, 어떤 워크로드에 얼마나 안정적으로 쓸 수 있는가를 기준으로 보는 게 맞아요. RNGD가 클라우드 기업과 통신사의 실 서비스에서 일정 트래픽을 안정적으로 소화하는 레퍼런스를 몇 개 더 쌓는다면, 평가는 빠르게 달라질 수 있습니다.
AI 인프라를 기획하거나 조달하는 분이라면, 지금 단계에서 퓨리오사AI는 ‘메인 스택 교체’ 대상이 아니라 ‘병행 검토 및 파일럿’ 대상으로 두는 게 현실적이에요. 하지만 2~3년 후를 내다보면서 포트폴리오를 다변화하는 관점에서는, 지금부터 SDK를 직접 만져보고 기술팀과 관계를 쌓아두는 게 분명히 의미 있는 투자라고 생각합니다.