AI 인사이트

[태그:] AI 생산성

  • 제미나이 사용법 완전 정리: 실무에서 제대로 활용하는 방법

    제미나이(Gemini)를 그냥 “구글 챗봇”으로만 쓰고 있다면, 솔직히 절반도 못 쓰고 있는 거예요. 저도 처음엔 챗GPT 대체재 정도로만 봤는데, 실무에서 제대로 파고들수록 구글 생태계와 엮이는 방식이 다른 AI들이랑 결이 다르더라고요. 이 글에선 제미나이 사용법을 단순 소개가 아니라, 실무에서 실제로 어떻게 워크플로우에 녹여 쓰는지 위주로 정리해 볼게요.

    제미나이 Advanced vs 무료 플랜, 뭘 써야 하나

    먼저 플랜 얘기를 안 할 수가 없어요. 제미나이는 무료로도 쓸 수 있지만, 실무에서 제대로 활용하려면 Google One AI Premium(제미나이 Advanced) 플랜 기준으로 생각하는 게 맞아요. 현재 월 약 2만 9천 원 수준인데, 이게 아깝지 않은 이유가 몇 가지 있어요.

    첫째로 모델 자체가 달라요. 무료 플랜은 Gemini 1.5 Flash 계열이 기본이고, Advanced는 Gemini 1.5 Pro, 그리고 현재는 Gemini 2.5 Pro까지 올라와 있어요. 코딩이나 긴 문서 분석처럼 추론이 많이 필요한 작업에서 이 차이가 꽤 크게 납니다. 둘째로 컨텍스트 윈도우가 압도적이에요. 100만 토큰 이상을 지원하는데, 이건 사실 다른 AI들이랑 비교하면 아직도 독보적인 수준이에요. 긴 PDF 여러 개를 한 번에 올려서 분석하거나, 수백 페이지짜리 기획서를 통째로 넣고 대화하는 게 실제로 가능해요.

    무료 플랜은 일상적인 질문이나 간단한 요약, 번역 정도면 충분해요. 하지만 문서 분석, 코드 작성, 구글 워크스페이스 연동까지 묶어서 쓰려면 Advanced가 맞아요.

    구글 워크스페이스 연동이 진짜 핵심이다

    제미나이를 쓰면서 가장 체감이 컸던 부분이 바로 구글 서비스와의 연동이에요. 단순히 “구글 문서에서도 돼요” 수준이 아니라, 실제 업무 흐름이 바뀌는 수준이에요.

    Gmail + 제미나이: 이메일 초안 작업

    Gmail 사이드바에서 제미나이를 열면, 현재 열려 있는 이메일 스레드를 컨텍스트로 인식해요. “이 스레드를 바탕으로 긍정적인 답변 초안 써줘”라고 하면, 이전 대화 맥락을 읽고 적절한 어투와 내용으로 초안을 잡아줘요. 특히 영어 외부 메일 쓸 때 이 기능을 자주 써요. 한국어로 내가 하고 싶은 말을 구어체로 던지면, 비즈니스 영어로 정리해주는 게 꽤 자연스럽더라고요.

    구글 드라이브 파일 직접 참조

    제미나이 닷컴(gemini.google.com)에서 대화창에 @드라이브를 입력하면 내 구글 드라이브 파일을 직접 불러올 수 있어요. 이게 왜 유용하냐면, PDF나 구글 문서를 따로 다운받아서 올릴 필요가 없어요. “지난달 기획서 검토하고 이번 달 방향성 제안해줘” 식으로, 파일을 참조하면서 맥락 있는 대화가 돼요.

    실제로 제가 자주 쓰는 방식은, 회의록 파일을 드라이브에 저장해두고, 제미나이에서 “@회의록” 불러와서 “액션 아이템만 뽑아줘”, “다음 단계 의사결정 포인트 정리해줘” 이런 식으로 활용하는 거예요. 매번 파일을 열어서 읽고 정리하는 시간이 확실히 줄었어요.

    구글 시트에서의 활용

    구글 시트 사이드바에서도 제미나이가 붙어요. 셀 범위를 선택하고 “이 데이터 요약해줘”라든지, 수식 작성을 자연어로 요청하는 게 가능해요. 엑셀에서 복잡한 VLOOKUP이나 ARRAYFORMULA를 직접 짜야 했던 걸, “A열 이름이랑 C열 매출을 매칭해서 D열에 넣는 수식 만들어줘”처럼 말로 시키면 돼요. 완벽하진 않아서 검토는 필요하지만, 출발점을 잡아주는 데는 충분해요.

    멀티모달 입력 제대로 활용하는 법

    제미나이의 또 다른 강점이 멀티모달이에요. 텍스트뿐 아니라 이미지, PDF, 음성, 영상까지 입력이 가능한데, 실무에서 이걸 제대로 쓰는 방법을 정리해볼게요.

    이미지·스크린샷 분석

    경쟁사 앱 스크린샷을 캡처해서 올리고 “이 UX에서 사용자 흐름 분석해줘, 개선 포인트 있으면 같이 얘기해줘” 식으로 써요. 와이어프레임 초안 이미지를 올리고 피드백 받는 것도 자주 하는 방식이에요. 시각 자료를 텍스트로 설명해줘야 했던 번거로움이 없어지는 거죠.

    PDF 다중 파일 분석

    앞서 말한 100만 토큰 컨텍스트 윈도우가 빛을 발하는 순간이 여기예요. 예를 들어 30~50페이지짜리 RFP(제안요청서) 문서를 통째로 올리고, “우리 회사 역량 중 이 프로젝트에 맞는 부분을 정리해줘”라고 하면 문서 전체를 읽고 맥락에 맞는 답을 줘요. 긴 보고서 여러 개를 비교 분석할 때도 유용해요. 다만 한 번에 너무 많은 파일을 넣으면 처리 속도가 느려지니까, 핵심 파일 2~3개를 추려서 넣는 게 현실적이에요.

    유튜브 링크 분석

    이건 제미나이만의 꽤 독특한 기능인데, 유튜브 링크를 그냥 붙여넣으면 영상 내용을 분석해줘요. 긴 컨퍼런스 발표 영상이나 기술 튜토리얼 영상을 요약하거나 핵심 포인트를 뽑는 데 활용해요. “이 영상에서 발표자가 주장하는 핵심 논거 3가지 뽑아줘” 같은 식으로요. 자막이 있는 영상이면 정확도가 높고, 자막이 없거나 품질이 낮은 영상은 좀 허술한 경우도 있어요.

    프롬프트 작성: 제미나이에 맞게 조금 다르게 써야 한다

    챗GPT에서 잘 먹히던 프롬프트가 제미나이에서 미묘하게 다르게 반응할 때가 있어요. 제미나이는 기본적으로 구체적인 구조화 요청에 잘 반응해요. 막연하게 “이거 정리해줘”보다는, “3가지 기준(비용, 기간, 리스크)으로 나눠서 표 형태로 정리해줘”처럼 출력 형식을 지정해주면 훨씬 정리된 결과가 나와요.

    역할 부여도 효과가 있어요. “IT 기획 15년 차 시니어 PM으로서, 다음 기획서를 검토해줘. 놓친 리스크 요소 위주로 피드백해줘” 처럼 역할과 관점을 함께 주는 방식이요. 그리고 제미나이는 긴 컨텍스트를 잘 유지하기 때문에, 대화를 끊지 않고 점진적으로 다듬어 가는 방식이 잘 맞아요. 새 대화를 열기보다는 같은 대화창 안에서 계속 추가 요청을 이어가는 게 품질이 더 일관성 있게 나오더라고요.

    한 가지 단점을 짚자면, 제미나이는 창의적인 글쓰기나 감성적인 어투 조율에서는 클로드(Claude)보다 아직 자연스럽지 않은 경우가 있어요. 반면 구조화된 분석, 데이터 정리, 코딩, 구글 서비스 연동 쪽에서는 확실히 강점이 있어요. 도구는 결국 목적에 맞게 쓰는 게 맞고, 저는 지금 클로드와 제미나이를 작업 종류에 따라 나눠서 쓰고 있어요.

    제미나이가 계속 빠르게 업데이트되고 있어서, 몇 달 전 써봤다가 “별로네” 하고 떠난 분들도 지금 다시 한 번 써볼 만한 시점이 됐어요. 특히 구글 워크스페이스를 메인으로 쓰는 팀이라면, 지금 당장 연동 기능부터 한번 파보는 걸 추천해요.

  • 챗GPT 사용법, 실무 전문가가 실제로 쓰는 프롬프트 설계 전략

    챗GPT를 매일 쓰고 있는데, 어딘가 효율이 정체된 느낌이 든다면 — 아마 프롬프트 구조를 한 번도 의식적으로 바꿔보지 않은 경우가 많더라고요. 저도 처음 1~2년은 그냥 “이거 해줘” 수준으로 썼는데, 워크플로우에 챗GPT를 진짜로 녹여낸 건 프롬프트 설계 방식을 바꾸면서부터였어요.

    이 글에서는 초보자 팁이 아니라, 실무에서 반복 사용하면서 실제로 효과가 검증된 구조와 패턴 위주로 정리해 봤습니다. API 없이 챗GPT 인터페이스만 쓰는 상황도 포함해서요.

    프롬프트를 “요청”이 아니라 “설계”로 바꾸는 법

    대부분의 사람이 챗GPT에 던지는 입력은 크게 두 가지예요. 질문이거나, 명령이거나. 그런데 실무에서 진짜 쓸 만한 결과물을 뽑으려면 역할(Role) + 맥락(Context) + 출력 형식(Format) + 제약 조건(Constraint)을 의식적으로 분리해서 쓰는 게 훨씬 효과적이에요.

    예를 들어 기획 문서 초안을 뽑을 때, 단순히 “앱 기획서 써줘”라고 하면 챗GPT는 범용적인 구조를 내놓을 수밖에 없어요. 하지만 이렇게 바꾸면 달라집니다.

    • 역할: “너는 B2B SaaS 제품 기획 경험이 있는 PM이야.”
    • 맥락: “우리 팀은 HR 담당자 대상 근태 관리 앱을 만들고 있어. 경쟁사는 A, B가 있고, 우리 차별점은 슬랙 연동이야.”
    • 출력 형식: “문제 정의 → 타깃 유저 → 핵심 기능 우선순위 → 성공 지표 순서로 작성해줘.”
    • 제약 조건: “마케팅 문구는 빼고, 실제 개발 티켓 작성자가 읽는다고 가정해.”

    이 네 가지를 한 번에 다 쓸 필요는 없어요. 하지만 이 중 하나라도 빠지면 챗GPT는 빠진 부분을 임의로 가정해서 채웁니다. 그 가정이 내가 원하는 방향과 다를 때 “왜 이렇게 엉뚱한 게 나오지?” 싶은 결과물이 되는 거예요.

    특히 출력 형식 명시는 생각보다 효과가 커요. “마크다운으로”, “표 형식으로”, “번호 목록 없이 산문체로” 같은 지정을 붙이면 후처리 시간이 눈에 띄게 줄어듭니다. 어차피 챗GPT 결과물을 어딘가에 붙여 넣거나 가공할 거라면, 처음부터 형식을 맞춰 받는 게 훨씬 낫거든요.

    멀티턴 대화를 워크플로우로 쓰는 방법

    챗GPT를 단발성 질의응답 도구로만 쓰면 절반도 못 씁니다. 진짜 효율이 나오는 건 하나의 대화 스레드를 작업 단계별로 이어가는 방식이에요.

    제가 자주 쓰는 패턴 중 하나는 “초안 → 피드백 → 수정 → 이식” 흐름이에요. 예를 들어 기능 스펙 문서를 쓸 때 이런 식으로 진행해요.

    • 1단계: 배경 정보를 충분히 먹이고 초안 요청. (“위 맥락을 바탕으로 초안 작성해줘”)
    • 2단계: 초안을 받은 뒤 구체적 피드백. (“3번 항목이 너무 광범위해. 유저 스토리 형식으로 쪼개줘”)
    • 3단계: 특정 섹션만 골라 깊이 파기. (“비기능 요구사항 부분만 다시 써줘. 성능, 보안, 확장성 항목으로 나눠서”)
    • 4단계: 최종 정리 요청. (“지금까지 대화에서 나온 내용을 합쳐서 최종 문서 하나로 정리해줘”)

    이 방식의 핵심은 “대화 컨텍스트가 쌓인다”는 점이에요. 앞에서 준 배경 정보, 제약 조건, 피드백이 모두 누적되기 때문에 뒤로 갈수록 요청이 짧아져도 의도에 맞는 결과가 나와요. 반대로 말하면, 스레드를 닫고 새 대화를 시작하면 이 컨텍스트가 리셋됩니다. 그래서 긴 작업은 가급적 한 스레드 안에서 끝내는 게 좋아요.

    한 가지 실용적인 팁을 더 드리자면, 대화가 길어졌을 때 챗GPT가 앞 내용을 제대로 참조하는지 불안할 때가 있잖아요. 그럴 때는 명시적으로 “이 대화에서 우리가 결정한 핵심 전제 세 가지를 먼저 요약해줘”라고 먼저 물어보고 진행하면 훨씬 안정적이에요. 모델이 스스로 컨텍스트를 재정리하는 과정에서 오류도 줄어들더라고요.

    실무 유형별 프롬프트 패턴 — 기획·개발·번역

    같은 챗GPT라도 업무 유형에 따라 효과적인 접근 방식이 달라요. 제가 실제로 쓰는 유형별 패턴 몇 가지를 공유할게요.

    기획·문서 작업

    기획 문서에서 챗GPT가 가장 잘 하는 건 구조 잡기와 표현 다듬기예요. 아이디어를 로직으로 정리하거나, 내가 쓴 문장을 더 명확하게 바꿔달라는 요청에 특히 강해요.

    반대로 “이 아이디어가 좋은 아이디어야?”라는 판단을 요청하면 대체로 긍정적인 방향으로 포장해서 답하는 경향이 있어요. 비판적 검토가 필요할 때는 “이 기획의 가장 취약한 가정 세 가지를 찾아줘” 혹은 “이 접근 방식에 반대 의견을 강하게 제시해줘” 식으로 의도적으로 비판 역할을 부여해야 해요.

    개발·코드 작업

    코드 관련해서는 에러 메시지를 통째로 붙여 넣는 방식이 가장 빠르고 정확해요. “왜 안 돼?”보다 실제 스택 트레이스와 관련 코드 스니펫을 함께 던지면 핀포인트 해결책이 나오는 경우가 많거든요.

    또 코드 리뷰 목적으로 쓸 때는 “성능”, “가독성”, “보안” 중 어떤 관점으로 검토할지 미리 지정해주는 게 좋아요. 전부 다 해달라고 하면 표면적인 코멘트만 쭉 나열하는 경향이 있고, 하나를 깊이 파면 훨씬 날카로운 피드백이 나와요.

    번역·다국어 작업

    단순 번역이라면 딥엘이나 구글 번역이 더 빠를 수 있어요. 챗GPT가 진가를 발휘하는 건 어조·톤·문화적 뉘앙스 조정이 필요한 번역이에요. “일본 비즈니스 이메일 톤으로”, “미국 스타트업 블로그 스타일로” 같은 추가 조건을 붙이면 완성도가 확연히 달라져요.

    현지화 작업을 할 때는 “직역 먼저, 그다음 현지 독자에게 자연스러운 의역 버전을 따로 줘”라는 식으로 두 버전을 동시에 요청하면 비교해서 선택하기 편하고요.

    챗GPT를 다른 AI 도구와 조합하는 현실적인 방법

    클로드(Claude)나 제미나이를 같이 쓰는 분들도 많을 텐데, 저는 용도를 대략 이렇게 나눠서 써요. 챗GPT는 빠른 반복 작업과 코드 관련, 클로드는 긴 문서 분석이나 문체가 중요한 글쓰기, 제미나이는 구글 워크스페이스 연동이 필요한 작업. 도구마다 확실히 잘 하는 게 달라서, 하나로 다 해결하려 하면 어느 순간 벽이 느껴지더라고요.

    깃허브 코파일럿을 이미 쓰고 있다면, 챗GPT와 역할을 겹치지 않게 쓰는 게 중요해요. 코파일럿은 IDE 안에서 코드 자동완성과 인라인 수정에 집중하고, 챗GPT는 그 코드의 아키텍처 설명·리뷰·문서화 작업에 쓰는 식으로 분리하면 두 도구의 강점이 겹치지 않아요.

    노션 AI나 다른 글쓰기 보조 도구를 쓰는 경우도 비슷해요. 초안의 큰 구조를 챗GPT에서 잡고, 세부 문장을 해당 툴에서 다듬는 흐름이 저한테는 제일 잘 맞더라고요. 어느 단계에서 어떤 도구를 쓸지 의식적으로 정해두면, 매번 “이걸 어디서 해야 하지?” 고민하는 시간이 사라집니다.

    결국 챗GPT를 잘 쓰는 건 도구를 많이 아는 게 아니라, 내 작업 흐름에 어떻게 끼워 넣을지 구체적으로 설계해두는 데서 차이가 나는 것 같아요. 프롬프트 한 줄 바꾸는 것보다 워크플로우 자체를 한 번 그려보는 게 훨씬 빠른 지름길이었어요, 적어도 제 경험에서는요.

  • 노션 AI 제대로 쓰는 법: 기획·PM·개발자 실무 워크플로우 적용 가이드

    노션 AI를 쓰고 있긴 한데, 솔직히 “이게 진짜 내 업무에 도움이 되나?” 싶었던 분들 많으실 거예요. 저도 처음엔 그랬거든요. 근데 6개월 정도 실무에서 꾸준히 써보니까, 제대로 세팅하고 활용하는 방법을 알기 전과 후가 확실히 달랐어요. 오늘은 그냥 “AI 버튼 눌러보기” 수준이 아니라, 실제 기획·PM·개발자 워크플로우에 노션 AI를 어떻게 끼워 넣는지 구체적으로 풀어볼게요.

    노션 AI, 어디까지 쓸 수 있는 건지 먼저 정리해 보면

    노션 AI는 크게 세 가지 영역에서 작동해요. 문서 내 인라인 AI, Q&A(워크스페이스 검색 기반 질문응답), 그리고 2024년부터 본격화된 AI 커넥터(외부 연동)입니다. 이 세 가지를 구분하지 않고 쓰면 “뭔가 아쉽다”는 느낌이 계속 남아요.

    인라인 AI는 우리가 흔히 아는 기능이에요. 블록을 선택하고 “개선해줘”, “요약해줘”, “번역해줘” 하는 것들. 근데 이게 끝이라고 생각하면 노션 AI의 절반도 못 쓰는 거예요. 진짜 유용한 건 Q&A 기능과 데이터베이스 연동입니다.

    Q&A는 워크스페이스 전체를 컨텍스트로 삼아서 질문에 답해줘요. 예를 들어 “지난 분기 회고 문서에서 언급된 병목 이슈가 뭐였지?” 하고 물으면, 노션이 해당 문서를 찾아서 요약해줘요. 팀 규모가 커지고 문서가 수백 개 쌓이면 이게 진짜 빛을 발해요. 직접 찾아 헤매는 시간이 줄거든요.

    다만 한계도 분명히 있어요. Q&A는 워크스페이스 내 텍스트 기반 콘텐츠에만 유효하고, 이미지 속 텍스트나 첨부 PDF 내용을 정확히 읽어오는 건 아직 불안정한 편이에요. 이걸 모르고 “왜 못 찾아?”하면서 실망하는 경우를 많이 봤어요.

    실무 워크플로우에 끼워 넣는 방법, 패턴별로

    기획·PM: 회의록에서 액션아이템까지 자동화

    제가 가장 자주 쓰는 패턴이에요. 회의 직후 러프하게 적어둔 노트를 블록으로 선택한 다음, AI에 이렇게 요청해요.

    “이 회의록을 바탕으로 결정 사항, 미결 이슈, 담당자별 액션아이템을 구분해서 정리해줘.”

    30초면 깔끔하게 구조화가 돼요. 여기서 한 단계 더 나아가면, 노션 데이터베이스와 연결해서 액션아이템을 자동으로 태스크 카드로 만들 수 있어요. 완전 자동은 아니고 AI가 초안을 만들어주면 사람이 확인 후 이동하는 방식이지만, 이것만 해도 회의 후 정리에 드는 시간이 체감상 반 이상 줄었어요.

    PRD(제품 요구사항 문서)를 쓸 때도 마찬가지예요. 기능 개요만 불릿으로 적어두고, AI한테 “이걸 PM이 개발팀에 전달하는 PRD 형식으로 확장해줘”라고 하면 초안이 나와요. 물론 그대로 쓰면 안 되고, 맥락을 채우고 수치를 넣는 건 사람이 해야 해요. 하지만 빈 문서 앞에서 멍하니 있는 시간이 없어지는 것만으로도 충분히 값어치가 있더라고요.

    개발팀: 스펙 문서와 기술 부채 추적

    개발자 분들한테 노션 AI를 추천할 때 제일 먼저 얘기하는 게 기술 부채 문서화예요. 평소에 “나중에 정리해야지” 하고 쌓아뒀던 기술적 결정(ADR, Architecture Decision Record)이나 레거시 코드 관련 메모들을 AI한테 던지면, 왜 이 결정을 했는지·어떤 트레이드오프가 있는지 구조적으로 정리해줘요.

    깃허브 코파일럿이 코드 작성을 도와준다면, 노션 AI는 그 코드와 시스템에 대한 사람이 읽는 문서를 만드는 데 훨씬 적합해요. 두 도구의 역할이 겹치는 것 같지만 실제로는 레이어가 달라요. 코파일럿은 에디터 안, 노션 AI는 팀 지식베이스 안이라고 생각하면 편해요.

    스프린트 회고 작성도 패턴화하기 좋아요. 이전 스프린트의 이슈 목록과 완료된 태스크를 컨텍스트로 주고, “Keep/Problem/Try 형식의 회고 초안 잡아줘”라고 하면 시작점이 생겨요. 팀원들이 직접 덧붙이는 방식으로 운영하면 회고 참여도도 올라가는 편이에요.

    AI 프롬프트 템플릿을 노션 DB로 관리하기

    이건 좀 메타적인 활용인데, 꽤 효과적이에요. 챗GPT나 클로드에 자주 쓰는 프롬프트 패턴들을 노션 데이터베이스로 관리하는 거예요. 카테고리(요약/번역/기획/코드리뷰 등), 사용 모델, 효과 평가를 태그로 달아두고요.

    그러면 노션 AI Q&A로 “번역할 때 좋았던 프롬프트 뭐가 있었지?”라고 물어볼 수 있거든요. 개인 프롬프트 라이브러리 + 검색 인터페이스를 노션 하나로 만드는 셈이에요. 팀 단위로 운영하면 사람마다 따로 쌓던 노하우가 하나의 지식베이스로 모여요.

    노션 AI 잘 쓰려면 이것만큼은 알아야 해요

    실제로 써보면서 느낀 주의사항 몇 가지만 짚고 넘어갈게요.

    컨텍스트 길이에 민감해요. 너무 긴 문서 전체를 통째로 던지는 것보다, 관련 섹션을 선택해서 주는 게 결과물 품질이 좋아요. 인라인 AI는 선택한 블록 범위 안에서 작동하기 때문에 범위 설정이 생각보다 중요하거든요.

    Q&A는 권한 설정을 꼭 확인하세요. 팀원이 볼 수 없는 비공개 페이지는 Q&A 결과에 포함되지 않아요. 반대로 내가 접근 권한이 있는 페이지라면 다 참조하기 때문에, 민감한 문서는 별도 워크스페이스로 분리하거나 접근 권한을 꼼꼼히 관리하는 게 좋아요.

    AI 응답을 그대로 발행하지 마세요. 당연한 얘기 같지만, 빠르게 작업하다 보면 AI 초안에 사실 오류나 맥락 미스가 섞여 있어도 그냥 넘어가는 경우가 생겨요. 특히 수치, 날짜, 고유명사는 반드시 사람이 검토해야 해요. 노션 AI도 결국 LLM 기반이라, 없는 내용을 그럴싸하게 채우는 경우가 있거든요.

    노션 AI는 “대단한 AI 툴”이라기보다는, 이미 쓰고 있는 노션 워크스페이스에 자연스럽게 녹아드는 보조자에 가까워요. 별도 탭을 열고 프롬프트를 다듬고 복붙하는 과정 없이, 문서 작업 흐름 안에서 AI를 호출할 수 있다는 게 핵심이에요. 그 맥락을 살리는 방향으로 쓸수록 효율이 확실히 올라가더라고요.