리치디디피의 부자 설계도

5편 보고서 쓰는 시간을 줄이려고 AI를 쓰기 시작하셨나요. 결론부터 말씀드리면, 초안은 5분 만에 나오고 40분이면 보고서 한 건을 끝낼 수 있습니다. 그런데 실제로는 그보다 오래 걸립니다. 이유는 뒤에서 말씀드리겠습니다. 지난 글까지 자료를 정리하고 마스터 파일을 만드는 이야기를 했습니다. 이번에는 그 자료로 실제 보고서를 만들 때 벌어지는 일입니다. 보고서 AI 작성법은 자료 범위와 수신자를 지정하는 데서 시작합니다 제가 실제로 쓰는 요청 문장은 이렇습니다. "○○ 관련 마스터 파일들을 참고해서 팀장 보고용 보고서 초안을 만들어 줄래?" 짧지만 두 가지가 들어 있습니다. 어떤 자료를 볼 것인가 와 누가 읽을 것인가 입니다. 자료 범위를 지정하지 않으면 AI가 아무 데서나 끌어옵니다. 수신자를 지정하지 않으면 누구에게 하는 말인지 모르는 문장이 나옵니다. 팀장 보고용과 실무자 공유용은 강조할 지점이 다릅니다. 여기서 마스터 파일이 값을 합니다. "○○ 관련"이라고만 해도 AI가 찾아갈 곳이 정해져 있기 때문입니다. 자료가 정리돼 있지 않으면 이 한 줄이 성립하지 않습니다. 혹시 이런 적 없으신가요? AI가 만든 초안을 받았는데, 고치느니 새로 쓰는 게 빠르겠다 싶었던 적. AI 초안에서 매번 손보는 네 가지 AI가 만든 보고서 초안에서 제가 매번 고치는 항목은 네 가지로 고정돼 있습니다. 어조 — 사내 보고서는 개조식으로 씁니다. 그냥 두면 서술형 문장이 나옵니다 분량 — 대체로 깁니다. 줄이는 쪽으로 손봅니다 서식 — 들여쓰기와 불릿 단계를 사내 양식에 맞춥니다 우선순위 — 무엇을 앞에 둘지 다시 정합니다 앞의 세 가지는 요청할 때 미리 지정하면 줄어듭니다. 문제는 네 번째입니다. AI가 가장 자주 틀리는 건 사실이 아니라 비중입니다 AI 보고서에서 어긋나는 지점은 내용의 정확성이 아니라 어...

4편 시장 동향을 챙겨야 하는데 자료 읽을 시간이 없으신가요. 결론부터 쓰면, 수집과 요약은 AI에 넘기고 사람은 고르는 일만 합니다. 뉴스, 보고서, 정부 부처 보도자료는 매일 쏟아집니다. 이걸 사람이 전부 읽고 요약하는 건 이제 비효율입니다. 그런데 모니터링 자체가 필요 없어진 건 아닙니다. 제품 방향과 마케팅 전략을 정하려면 시장이 어디로 가는지는 계속 봐야 합니다. 그래서 읽는 일이 아니라 고르는 일 만 남겼습니다. AI 시장조사 자동화는 세 단계로 돌아갑니다 전체 흐름은 수집 → AI 요약 → 노션 게시 → 알림 → 선택 순서로 이어집니다. 사람이 끼어드는 지점은 마지막 한 곳뿐입니다. 연결에는 MCP를 씁니다. MCP는 AI가 외부 도구를 직접 다루게 해주는 연결 규격입니다. AI와 노션을 MCP로 묶으면, 요약한 내용을 사람이 복사해 붙여넣지 않아도 AI가 노션 페이지에 바로 올립니다. 정해둔 시각에 알림이 오면, 저는 요약본만 훑습니다. 그중 눈에 걸리는 것만 원문을 열어 깊게 봅니다. 혹시 이런 적 없으신가요? "이거 나중에 읽어야지" 하고 링크만 모아두다가, 결국 한 번도 안 열어본 적. 사람의 자리는 판단으로 옮겨갑니다 자동화의 목적은 시간 단축이 아니라 사람이 하는 일의 종류를 바꾸는 것 입니다. 읽고 요약하는 건 반복 작업입니다. 어떤 자료가 우리 제품과 관련 있는지 판단하는 건 반복 작업이 아닙니다. 앞의 것을 AI에 넘기면 뒤의 것에 쓸 시간이 생깁니다. 부수 효과가 하나 더 있습니다. 사람이 골라낸 자료만 마스터 파일에 정리하니, 마스터 파일의 밀도가 올라갑니다. 전부 쌓을 때보다 나중에 찾아 쓰기가 낫습니다. 아직 안 되는 것 — 키워드의 한계 이 방식의 약점은 키워드를 정밀하게 넣어야만 관련 자료가 걸린다 는 점입니다. 사람은 제목만 봐도 "이건 우리 얘기다" 하고 알아챕니다. 지금 구조는 그걸 ...

3편 자료 정리를 시작은 했는데, 어디까지 해야 끝인지 모르겠다면. 저도 그 지점에서 여러 번 멈췄습니다. 파일 17만 개를 앞에 두고 "다 정리한다"는 생각으로 덤비면 사흘을 못 갑니다. 결국 세 단계로 쪼개고 나서야 진도가 나갔습니다. 회사 자료 정리를 세 단계로 나눈 이유 1차는 단순 재분류입니다. 지난 글에서 말씀드린 폴더·파일명 규칙에 따라, 흩어져 있던 파일을 새 구조로 옮기는 작업입니다. 여기까지는 사람이 정한 규칙대로 자리만 바꾸는 겁니다. 2차는 AI가 읽을 수 있게 만드는 단계입니다. 옮겨둔 폴더의 파일명과 내용을 AI가 찾아볼 수 있는 상태로 정리합니다. 여기에 요령이 하나 있습니다. 한글, 워드, 엑셀, PPT, PDF 같은 일반 문서는 AI가 읽을 때 토큰을 많이 씁니다. 같은 내용이라도 글자 말고 서식과 표, 레이아웃 정보가 함께 딸려 들어가기 때문 입니다. 스캔한 PDF라면 더 심합니다. 그래서 주요 자료는 먼저 MD 파일로 변환 해둡니다. MD는 마크다운(Markdown)의 줄임말이고 확장자가 .md 입니다. HTML과 같은 계열의 표기법인데 훨씬 단순합니다. 변환 자체는 시간이 걸립니다. 대신 한 번 해두면 그다음부터 작업이 빨라지고, 토큰도 덜 쓰고, 파일 용량도 작아집니다. 전부 변환할 필요는 없습니다. 자주 쓰는 자료만 하면 됩니다. 그걸 고르는 것마저 벅차면 그냥 전체를 대상으로 요청하셔도 됩니다. 고르느라 시간 쓰는 것보다 낫습니다. 3차가 AI 협업입니다. 2차까지 끝나야 비로소 대화하면서 쓸 만한 자료를 만들 수 있습니다. 한 번에 다 하지 않은 이유는 단순합니다. 파일 수가 많아서, 나눠서 하는 게 실제로 더 빨랐습니다. 혹시 이런 적 없으신가요? "주말에 몰아서 다 정리해야지" 했다가, 토요일 오후에 포기했던 적. AI에게도 한 번에 다 시키지 않습니다 작업량을 한꺼번에 주면 효율이 떨...

경제적 자유 도전기 회사 파일을 AI에 올리려다 손이 멈춘 적 있으신가요. 저도 그랬습니다. 그때 제일 먼저 한 일은 설정에 들어가서 "대화 내용을 학습에 사용" 항목을 끄는 거였습니다. 이걸 끄면 되는 줄 알았거든요. AI 학습 끄기로 막아지지 않는 것 "학습에 사용하지 않음"은 학습에 안 쓴다 는 뜻입니다. 데이터가 안 나간다 는 뜻이 아닙니다. 이 둘이 다릅니다. 옵트아웃을 해도 파일은 외부 서버로 전송되고, 일정 기간 보관됩니다. 그래서 개인정보, 계약서, 기밀자료는 AI가 내용을 열지 않게 하고 사람이 직접 검토 하도록 정했습니다. 자동화의 예외를 처음부터 못 박아둔 겁니다. 혹시 이런 적 없으신가요? "이거 올려도 되나?" 싶으면서도, 마감이 급해서 그냥 올렸던 적. 사람이 현실적으로 모든 파일을 다 볼 수는 없습니다 다행히 해결책은 있습니다. AI에게 파일 내용은 열지 말고 파일명만 보고 민감 후보를 골라달라고 시켰습니다. 개인정보, 계약 같은 단어가 이름에 있으면 후보로 올라옵니다. 이렇게만 해도 웬만큼 정리됩니다. 그다음 사람이 볼 건 전체가 아니라 그 후보 목록뿐입니다. 검토해야 할 양이 한 자릿수 퍼센트로 줄어듭니다. 파일명 규칙을 먼저 잡아둔 게 여기서 값을 했습니다. 이름이 엉망이면 이 방법 자체가 안 됩니다. 오늘의 정리 ① "학습에 사용 안 함"은 전송과 보관까지 막아주지 않는다 ② 개인정보·기밀은 AI가 열지 않게 하고 사람이 검토한다 ③ 전부를 사람이 볼 수 없다면, 파일명만으로 AI에게 1차 분류를 시킨다 오늘 폴더 하나만 열어보시겠어요. 혹시 회사에서 AI 쓰다가 막혔던 경험 있으시면 댓글로 나눠주세요. AI학습끄기 AI회사자료보안 챗GPT업무활용 기밀자료관리 직장인AI교육

지금까지 만든 업무 파일이 몇 개인지 세어본 적 있으신가요? 저는 얼마 전에 세어봤는데, 8년간 약 17만 개 였습니다. AI Transformation (AX), AI를 중심으로 조직·업무 방식을 전환 시킨다는 말씀을 대중 매체를 통해서 자주 들어보셨을 겁니다. 대기업들과 일부 중소기업들은 회사 차원에서 AI 교육과 컨설팅을 통해서 전환하고 있지만, 대다수는 교육은 커녕 당장의 업무하느라 바빠서 엄두도 나지 않을 겁니다. 하지만, AI를 업무에 적용하지 않으면 갈수록 AI 활용 격차가 벌어져서 도태될 수 있습니다. 그간 AI를 적극 적용해본 실전 경험을 토대로 AI 활용방법을 정리했습니다. 지난 몇 달간 팀 자료 전체를 새 구조로 옮기면서 운영 규칙을 문서로 정리했습니다. 그 과정에서 실제로 비용을 치르고 배운 것들을 추려봤습니다. 정답이라기보다, 한번 고민해볼 만한 한 가지 방식으로 읽어주시면 좋겠습니다. 불편해서 시작한 일이 아니었습니다. 8년 동안 모든 업무 파일을 개인 PC가 아니라 팀 공용 저장공간에 두고 일했습니다. 그러다 보니 버전이 엇갈리는 일이 드물었고, 늘 같은 공간에서 협업하니 효율도 나쁘지 않았습니다. 팀원이 자리를 옮기거나 제가 빠져도 자료 인수인계를 따로 할 일이 없었습니다. 파일이 이미 다 같은 곳에 있었으니까요. 그런데 AI와 함께 일하는 걸 전제로 다시 보니, 사람에게 편한 구조와 AI가 읽을 수 있는 구조가 같지 않았습니다. 정리를 시작하면서 파일 수를 세어봤습니다. 8년간 약 17만 개. 제가 전부 직접 만든 것만은 아니고 인터넷이나 내외부 관계자에게서 받은 자료도 상당수 였습니다. 그래도 그 숫자 하나로 지난 시간이 눈에 보였습니다. 집을 생각하면 이해가 쉽습니다. 자주 쓰는 물건은 손 닿는 곳에 두고, 중요한 물건은 정해진 자리에 둡니다. 반대로 안 쓰는 물건을 그냥 쌓아두면 공간이 좁아지고, 정작 찾으려는 물건은 안 나오고, 결국 마음까지 답답해집니다. 17만 개는 그 상태에 가...

경제적 자유 도전기 · 업무 생산성 매일 쏟아지는 새로운 AI 모델 뉴스 속에서, 막상 실무 창을 켜두고 "결국 내 업무에는 뭘 써야 하지?" 고민하고 계시지는 않으신가요. 발표되는 벤치마크 점수와 우리가 현업에서 실제로 마주하는 생산성 사이에는 언제나 적지 않은 간극이 존재합니다. 직장인 AI 실무 비교 — PPT, 엑셀, 워드 작업별 체감 순위 새로운 모델 발표 기준의 서열을 보면 챗GPT, 클로드, 그록, Gemini 순으로 거론되지만, 실제 현업에서 손으로 만져보는 체감은 작업 도구의 성격에 따라 명확하게 갈립니다. 우선 슬라이드(PPT) 작업에서는 챗GPT > Gemini > 클로드 순으로 체감됩니다. 클로드는 디자인 역량이 보강되긴 했으나 색상을 다소 과하게 쓰는 편이고, 표나 기본 도형 중심의 UI 구성에 머무르는 경향이 있습니다. 반면 챗GPT는 실제 프레젠테이션 전문가가 손을 댄 듯한 결과물을 내놓습니다. Gemini의 인포그래픽은 뉴스 기사 삽화에서 자주 접하는 다소 과장된 이미지의 느낌이라서 일반 업무용으로는 과한 느낌을 줍니다. 텍스트와 정형 데이터 위주인 엑셀과 워드 작업에서는 평가가 뒤바뀝니다. 시각 요소 비중이 낮은 환경에서는 클로드가 가장 높은 완성도를 보여줍니다. 반면 Gemini는 문서 및 표 작업 네 가지 모델 중 상대적으로 가장 아쉬운 편입니다. 한편 그록은 무료 버전조차 챗GPT 수준의 글 구성력을 보여주며, X(트위터) 기반 데이터 특유의 독특한 톤을 지니면서도 실무 답변 품질이 기대 이상으로 탄탄합니다. 커서(Cursor) AI 환경에서는 GPT-5.6 Sol과 클로드(Opus 4.8 / Sonnet 5 계열)를 번갈아 연결해 쓰고 있는데, 실무 처리 관점에서는 두 모델이 막상막하의 성능을 유지하고 있습니다. 커서AI가 낯선 분들이 많을텐데, 개발 및 코딩 뿐만 아니라 행정업무에서도 요긴하게 쓸 수 있습니다. 말하자면 커서AI를 연구소라고 하...