챗GPT를 쓴 지 꽤 됐는데, 솔직히 처음 1년은 반도 못 쓴 것 같아요. 질문 던지고 답 받고, 다시 질문 던지고 — 그냥 검색 엔진 좀 말이 많아진 버전처럼 썼거든요. 그런데 어느 시점부터 “이 도구가 실제로 내 업무 시간을 줄여주고 있다”는 감각이 생겼고, 그 차이는 딱 하나였어요. 어떻게 물어보느냐가 아니라, 어떤 흐름 안에 끼워 넣느냐를 고민하기 시작한 것.
지금은 기획 문서 초안, 회의 요약, 정책 분석, 코드 리뷰 코멘트까지 챗GPT가 제 실무 파이프라인 곳곳에 들어가 있어요. 이 글에서는 그 워크플로우를 구체적으로 공유해 볼게요.
프롬프트를 “문장” 말고 “역할+맥락+출력형식”으로 설계하기
가장 많이 하는 실수가 챗GPT에게 그냥 문장을 던지는 거예요. “이 내용 요약해줘”처럼요. 이렇게 하면 GPT는 자기 나름대로 요약 길이도 정하고, 말투도 정하고, 어디에 쓸 건지도 알아서 추측해요. 당연히 다시 수정 요청을 여러 번 하게 되죠.
저는 지금 이 구조를 거의 고정으로 씁니다.
- 역할(Role): 너는 지금 B2B SaaS 제품의 기획자야. 또는 “너는 시니어 개발자 역할로 코드 리뷰를 해줘.”
- 맥락(Context): 지금 내가 만드는 문서는 ~이고, 독자는 ~이고, 이미 결정된 사항은 ~이야.
- 출력 형식(Format): 결과물은 세 문단 이내로, 각 문단 앞에 소제목 붙여줘. 또는 “불릿포인트 없이 서술형으로.”
이렇게 쓰면 재수정 요청이 눈에 띄게 줄어요. 특히 “출력 형식”을 명시하는 게 생각보다 효과가 커요. GPT는 형식에 대한 판단도 매번 하는데, 그 판단을 내가 가져오는 거니까요.
한 가지 팁을 더 드리면, 자주 쓰는 역할+맥락 조합은 Custom Instructions(맞춤 지침)에 넣어두세요. GPT-4o 기준으로 설정 > 맞춤 지침에서 “당신에 대해 GPT가 알아야 할 것”과 “GPT가 어떻게 응답하길 원하는가”를 한 번 설정해 두면, 매번 역할을 설명하지 않아도 됩니다. 저는 여기에 제 직무, 주로 다루는 도메인, 선호하는 답변 길이를 넣어뒀어요.
실무에서 실제로 쓰는 챗GPT 워크플로우 세 가지
1. 기획 문서 초안 — 빈 페이지 공포 없애기
기획자에게 가장 고통스러운 순간이 빈 문서 파일 앞에 앉아 있는 시간이에요. 여기서 챗GPT를 “초안 생성기”가 아니라 “생각 정리 파트너”로 쓰는 게 포인트예요.
저는 먼저 두서없이 생각을 쏟아내는 메모를 GPT에 붙여넣고, “이 내용을 기획서 목차 구조로 재구성해줘. 빠진 항목이 있으면 [필요할 수 있음]이라고 표시해줘”라고 해요. 그러면 뼈대가 나오고, 저는 거기에 살을 붙이는 역할을 해요. 처음부터 다 쓰는 것보다 훨씬 빠르고, 놓친 관점을 GPT가 짚어주는 경우도 꽤 있어요.
2. 회의록 → 액션 아이템 자동 정리
클로바노트나 다른 STT 도구로 받은 회의 스크립트를 GPT에 넣고 이렇게 요청해요.
“아래는 회의 스크립트야. 다음 세 가지를 추출해줘: (1) 결정된 사항, (2) 담당자가 명시된 액션 아이템, (3) 아직 결정 안 된 열린 이슈. 각각 표 형식으로 정리해줘.”
여기서 중요한 건 “열린 이슈” 항목이에요. 회의록을 그냥 요약하면 놓치기 쉬운 부분인데, GPT는 대화 흐름에서 결론이 나지 않은 맥락을 제법 잘 잡아내요. 실제로 이 방식으로 팀 내 누락 액션 아이템이 많이 줄었어요.
3. 깃허브 코파일럿과 챗GPT 역할 분리
코드 작업을 하시는 분들은 챗GPT와 깃허브 코파일럿을 동시에 쓰는 경우가 많을 텐데, 둘의 역할을 분리하면 훨씬 효율적이에요.
코파일럿은 코드 자동완성, 반복 패턴 생성에 강해요. 함수 시그니처 쓰면 바디를 제안해주고, 테스트 케이스도 패턴 기반으로 빠르게 만들어줘요. 반면 챗GPT(특히 GPT-4o)는 설계 상담, 코드 리뷰, 리팩터링 방향 논의에 더 잘 맞아요. “이 구조에서 의존성 문제가 생길 수 있는 지점이 있어?”처럼 맥락이 필요한 질문이요.
저는 코파일럿으로 빠르게 코드를 쓰고, 한 단위가 완성되면 챗GPT에게 붙여넣어 리뷰를 받는 식으로 써요. 두 도구가 경쟁 관계가 아니라 분업 관계예요.
Claude와 챗GPT, 언제 어떤 걸 쓰나요
이 질문을 정말 많이 받아요. 결론부터 말하면, 저는 두 가지를 상황에 따라 골라 씁니다.
챗GPT(GPT-4o)는 빠른 반복 작업, 이미지 포함 업무, 코드 실행이 필요한 작업에 써요. Python 코드 짜서 데이터 분석하거나, 이미지 파일을 첨부해서 분석 요청할 때는 GPT-4o가 낫더라고요. Code Interpreter(Advanced Data Analysis)가 내장돼 있어서 파일 업로드 → 분석 → 시각화까지 한 번에 되는 게 편해요.
Claude(특히 Claude 3.5 Sonnet/Opus)는 긴 문서 분석, 글쓰기 품질이 중요한 작업, 정책·법령 검토처럼 맥락이 길고 정밀도가 필요한 일에 씁니다. 컨텍스트 윈도우도 넉넉하고, 문체가 더 자연스럽다는 느낌을 받아요. 특히 보고서 문장을 다듬을 때 Claude가 내놓는 결과물이 GPT보다 덜 딱딱하게 느껴지는 경우가 많았어요.
굳이 하나만 써야 한다면 GPT-4o를 추천하겠지만, 둘 다 접근할 수 있는 환경이라면 용도를 나눠 쓰는 게 훨씬 효율적이에요.
자주 하는 실수와 솔직한 한계
GPT를 잘 쓰는 것만큼 중요한 게 어디서 믿지 말아야 하는지 아는 거예요.
첫째, 수치와 출처는 반드시 직접 확인해야 해요. GPT는 그럴듯한 숫자를 만들어내는 경향이 있어요. 특히 시장 규모, 통계 수치, 특정 논문 인용 — 이런 건 GPT가 내놓은 걸 그대로 쓰면 큰일 납니다. 저도 한 번 낭패 본 적 있어요.
둘째, 복잡한 인과관계 판단은 여전히 사람이 해야 해요. GPT는 “왜 이 전략이 실패했는가”에 대해 그럴듯한 분석을 내놓지만, 현장 맥락을 모르는 채 구조화된 답을 만들어내는 거예요. 참고용으로는 충분하지만 최종 판단은 내가 해야 합니다.
셋째, 프롬프트를 한 번에 완벽하게 만들려는 강박을 버리는 게 좋아요. 저도 처음엔 완벽한 프롬프트를 만들려다 더 오래 걸렸거든요. 70% 수준으로 던지고, 결과 보면서 이어가는 대화 방식이 결국 더 빨라요. GPT는 채팅 도구니까, 대화처럼 쓰는 게 맞아요.
도구는 계속 빠르게 변하고 있고, 지금 이 글을 쓰는 시점에도 새로운 기능이 나오고 있어요. 특정 기능에 익숙해지는 것보다, “이 도구의 강점이 무엇이고 내 업무 어디에 붙일 수 있는가”를 계속 질문하는 습관이 결국 가장 빠른 길이더라고요.
답글 남기기