돈이되는AI

Photo by Stephen Dawson on Unsplash 분명히 잘 돌아가던 Make 자동화 가 어느 날 들어가 보니 조용히 멈춰 있던 경험, 한 번쯤 있으실 겁니다. 며칠 동안 들어온 줄 알았던 데이터가 실은 하나도 처리되지 않았고, 시나리오는 비활성화(deactivated) 상태로 바뀌어 있죠. 더 당황스러운 건 "왜 멈췄는지"가 한눈에 보이지 않는다는 점입니다. 이 글에서는 Make 자동화가 소리 없이 멈추는 구조적인 이유와, 멈추더라도 데이터를 잃지 않고 다시 굴러가게 만드는 에러 처리 방법을 정리합니다. (본 글은 작성 시점 기준 Make 공식 문서를 토대로 합니다.) 왜 Make 자동화는 '조용히' 멈출까 가장 먼저 이해해야 할 건 Make의 기본 동작 방식입니다. 시나리오 안의 어떤 모듈 하나가 에러를 던지면, Make는 그 실행(execution) 전체를 즉시 중단합니다. 처리 중이던 번들(bundle)은 버려지고, 자동 재시도도 하지 않습니다. 즉 '한 건의 실패'가 '그 실행 전체의 실패'로 번지는 구조입니다. 여기서 끝이 아닙니다. Make에는 시나리오 설정에 연속 에러 허용 횟수(Number of consecutive errors) 라는 항목이 있고, 기본값은 3입니다. 실행이 연속으로 이 횟수만큼 실패하면 Make는 해당 시나리오를 자동으로 비활성화해 버립니다. 무한 반복으로 자원이 새는 걸 막기 위한 안전장치지만, 모니터링을 안 하고 있으면 "어, 언제부터 안 돌았지?" 하는 상황이 바로 여기서 생깁니다. 이 동작은 Make 공식 도움말의 시나리오 설정 문서 에서 확인할 수 있습니다. 다행히 Make는 시나리오가 중단되면 기본적으로 이메일 알림을 보냅니다. 프로필의 이메일 설정(Email preferences)에서 어떤 알림을 받을지 조정할 수 있으니, 자동화를 운영 중이라면 'Scenario stopp...

Photo by Mohammad Rahmani on Unsplash "개발 생산성을 올려준다"는 AI 코딩 도구가 한두 개가 아닙니다. 동료는 Cursor가 좋다고 하고, 회사에서는 GitHub Copilot을 쓰라고 하고, 커뮤니티에서는 Claude Code 이야기가 끊이지 않습니다. 그래서 남들이 좋다는 걸 일단 깔아봤는데, 막상 내 작업 방식과는 잘 안 맞아 며칠 쓰다 지워본 경험, 한 번쯤 있으실 겁니다. AI 코딩 도구 비교 의 핵심은 "어떤 게 제일 좋냐"가 아니라 "내가 일하는 방식에 어떤 구조가 맞느냐"입니다. 이 글에서는 대표 도구 세 가지를 구조적 차이 중심으로 정리해, 남 따라 쓰다 실패하지 않고 직접 고를 수 있는 기준을 만들어 보겠습니다. 왜 "좋다는 도구"를 따라 쓰면 자주 실패할까 같은 AI 코딩 도구라도 사람마다 평가가 갈리는 이유는, 도구마다 일하는 방식을 전제로 설계 되어 있기 때문입니다. 터미널에서 명령으로 일을 시키는 데 익숙한 사람과, 에디터 화면에서 코드를 직접 보며 고치는 걸 선호하는 사람은 같은 도구를 써도 만족도가 다를 수밖에 없습니다. 즉 "최신이라서", "남이 좋다고 해서" 고르면 내 손에 안 붙는 게 당연합니다. 그래서 비교의 출발점은 기능 목록을 줄 세우는 게 아니라, 각 도구가 어디에서, 어떤 방식으로 작동하도록 만들어졌는지를 보는 것입니다. 2026년 현재 가장 많이 언급되는 세 가지가 이 차이를 잘 보여줍니다. 세 도구의 구조적 차이: IDE · 터미널 에이전트 · 확장 아래는 본 글 작성 시점 기준으로 정리한 세 도구의 기본 성격입니다. 이름이 비슷해 보여도 작동하는 위치가 전혀 다릅니다. Cursor — AI가 내장된 독립 에디터 Cursor는 VS Code를 기반으로 새로 만든 독립형 AI 코드 에디터(IDE) 입니다. 기존 에디터에 확장을 ...

Photo by Yen Vu on Unsplash 좋은 아티클을 보면 노션에 클립하고, 회의 메모도 노션에 적고, 떠오른 아이디어도 일단 노션에 던져둡니다. 그런데 막상 그 정보가 필요한 순간엔 "어디에 적었더라"부터 막힙니다. 적는 데는 부지런한데 다시 꺼내 쓰지 못한다면, 노션은 그냥 잘 안 들여다보는 거대한 서랍이 됩니다. 이 글은 노션 활용법 중에서도 가장 자주 무너지는 지점, 즉 '적기'가 아니라 '다시 찾기' 에 초점을 맞춰, 쌓아둔 정보를 실제로 꺼내 쓰는 노션으로 바꾸는 방법을 정리합니다. 새 템플릿을 까는 이야기가 아니라, 지금 쓰는 노션의 구조만 살짝 바꾸는 이야기입니다. 왜 노션에 다 적어두는데 다시 안 찾게 될까 문제는 부지런함이 아니라 구조입니다. 정보를 넣을 때의 나와, 그 정보를 찾을 때의 나는 생각하는 단어가 다릅니다. 넣을 땐 "이거 나중에 쓸 것 같아"라는 막연한 느낌으로 빈 페이지에 붙여넣지만, 찾을 땐 "그 거래처 미팅에서 나온 결정사항"처럼 구체적인 맥락으로 떠올립니다. 저장 시점에 맥락을 남기지 않으면, 나중의 나는 검색할 단어 자체를 모릅니다. 그래서 "분명 적어놨는데"가 반복됩니다. 여기에 노션 특유의 함정이 하나 더 있습니다. 페이지를 무한정 만들 수 있다 보니, 비슷한 메모가 여기저기 흩어진 채 중첩됩니다. 한 페이지 안에 하위 페이지를 또 만들고, 그 안에 또 만들다 보면 3~4단계 아래 묻힌 메모는 사실상 존재하지 않는 것과 같습니다. 정리를 안 해서가 아니라, '꺼내는 길'을 설계하지 않은 것 이 핵심 원인입니다. 또 하나, 입구가 너무 많은 것도 문제입니다. 어떤 메모는 '업무' 페이지에, 어떤 건 '일기' 페이지에, 급할 땐 그냥 아무 데나. 넣는 위치가 매번 달라지면, 찾는 위치도 매번 달라집니다. 흩어진 입구는 흩어진 결...

Photo by R Sen on Unsplash 분명 아침부터 쉬지 않고 일했는데, 퇴근할 때 돌아보면 "오늘 대체 뭘 했지?" 싶은 날이 있습니다. 메일 확인하다 메신저 답하고, 자료 찾다가 회의 들어가고, 다시 문서 열었다가 또 알림이 뜨고. 손은 계속 바빴는데 정작 끝낸 일은 없습니다. 이런 날이 반복된다면 문제는 '게으름'이나 '의지력 부족'이 아닐 가능성이 큽니다. 오늘 다룰 시간관리 방법 의 핵심은 일을 더 빨리 처리하는 게 아니라, 일과 일 사이에서 소리 없이 새어 나가는 시간을 막는 데 있습니다. 왜 바쁜데도 진도가 안 나갈까 — 작업 전환 비용 여러 일을 동시에 처리한다고 느낄 때, 우리 뇌는 사실 두 가지를 한꺼번에 하는 게 아닙니다. 빠르게 이쪽저쪽으로 '전환'할 뿐입니다. 그리고 이 전환에는 매번 보이지 않는 비용이 붙습니다. 미국심리학회(APA)는 잦은 작업 전환과 멀티태스킹이 사람의 생산적인 시간 중 최대 40%까지 잡아먹을 수 있다고 정리합니다( APA, Multitasking: Switching costs ). 8시간을 책상에 앉아 있어도, 실제로 집중해 만들어낸 결과물은 5시간어치도 안 될 수 있다는 뜻입니다. '시간이 없다'기보다 '시간이 전환 비용으로 빠져나간다'에 가깝습니다. 전환 한 번의 회복 비용도 생각보다 큽니다. 캘리포니아대 어바인(UC Irvine)의 글로리아 마크(Gloria Mark) 교수 연구는, 한 번 방해를 받은 뒤 원래 하던 일로 완전히 돌아오기까지 평균 23분가량이 걸린다는 결과로 널리 인용됩니다. 게다가 끊긴 뒤 곧바로 원래 일로 복귀하는 것도 아닙니다. 중간에 다른 일을 두어 개 거친 다음에야 본래 작업으로 돌아오는 경향이 있어, 다시 몰입하기까지 드는 노력이 더 커집니다. 더 곤란한 건 방해의 출처입니다. 같은 연구 흐름에서, 우리를 끊는 방해의 상당 부분이 외부가...

Photo by Vitaly Gariev on Unsplash 클로드를 쓰는 사람들 대부분이 빈 입력창에 짧은 질문 하나를 던지고 답을 받는 식으로만 씁니다. "마케팅 카피 써줘", "이 개념 설명해줘" 같은 식이죠. 그런데 이렇게만 쓰면 검색 엔진이나 다른 챗봇과 크게 다르지 않습니다. 제대로 된 클로드 활용법 은 따로 있습니다. 바로 내 자료를 통째로 읽혀 놓고 그 위에서 일을 시키는 것 입니다. 같은 도구라도 빈 화면에 묻는 것과 내 문서를 깔아두고 묻는 것은 결과물의 차원이 완전히 다릅니다. 왜 짧은 질문만으로는 부족할까 짧은 질문에 대한 답은 어쩔 수 없이 '일반론'이 됩니다. 클로드는 내 회사의 보고서 양식도, 내가 받은 계약서 내용도, 지난주 회의록도 모르기 때문입니다. 그래서 "보고서 써줘"라고 하면 인터넷 평균 수준의 무난한 글이 나오고, 정작 내 상황에 맞는 부분은 다시 내가 채워 넣어야 합니다. 반대로 내 자료를 먼저 넣어주면 클로드는 그 안의 용어, 맥락, 숫자, 말투를 근거로 답합니다. "이 30페이지 보고서에서 임원 보고용 3줄 요약을 뽑아줘"처럼요. 일반론이 아니라 내 자료에 기반한 결과물 이 나오는 겁니다. 이게 검색형 사용과 가장 크게 갈리는 지점입니다. 간단한 비교를 해볼까요. "신제품 출시 보도자료 써줘"라고만 하면 어디서 본 듯한 무난한 문장이 나옵니다. 반면 기존 보도자료 한 건과 이번 제품의 사양 메모를 첨부한 뒤 "이 형식과 톤을 그대로 따라서 새 제품 버전으로 써줘"라고 하면, 우리 회사가 실제로 쓰던 문장 구조와 표현을 살린 초안이 나옵니다. 들인 노력은 비슷한데 곧바로 쓸 수 있는 정도가 다릅니다. 클로드는 '많이 아는 사람'이 아니라 '내 자료를 빠르게 읽고 정리해 주는 사람'으로 쓸 때 가장 강합니다. 클로드에 내 자료...

Photo by Swello on Unsplash 노션 AI를 켜놓고도 "이거 그냥 ChatGPT랑 똑같은데?"라고 느낀 적 있으신가요? 많은 분들이 노션 AI 활용 을 빈 페이지에 질문을 던지는 챗봇 정도로만 씁니다. 그러면 당연히 별 차이가 없습니다. 정작 노션 AI가 다른 도구와 갈라지는 지점은 따로 있는데, 그걸 모르고 지나치니 "굳이 돈 주고 쓸 이유가 없다"는 결론에 도달하는 거죠. 이 글에서는 노션 AI를 일반 챗봇과 똑같이 쓰는 흔한 실수와, 2026년 기준 진짜 값어치를 끌어내는 방법을 정리합니다. 왜 노션 AI가 'ChatGPT 같다'고 느껴질까 이유는 단순합니다. 대부분 노션 AI를 빈 페이지에서 글을 새로 뽑아내는 용도 로만 쓰기 때문입니다. "블로그 글 써줘", "이메일 초안 만들어줘" 같은 요청은 어떤 AI 챗봇이든 다 합니다. 이렇게 쓰면 노션 AI는 그저 '노션 안에 들어와 있는 챗봇'에 불과해집니다. 같은 답을 다른 챗봇에서도 똑같이 받을 수 있으니, 차별점을 느낄 수가 없는 거죠. 하지만 노션 AI의 설계 의도는 다릅니다. 노션은 이미 내 회의록, 프로젝트 데이터베이스, 위키, 할 일 목록이 쌓여 있는 공간입니다. 노션 AI는 이렇게 쌓인 내 데이터를 읽어서 답하도록 만들어졌습니다. 즉, 외부 챗봇이 모르는 '나만의 맥락'을 다룰 수 있다는 게 핵심 차별점입니다. 이 기능을 안 쓰면 노션 AI의 절반 이상을 버리는 셈입니다. 아래 표를 보면 같은 노션 AI라도 쓰는 방식에 따라 결과가 얼마나 갈리는지 한눈에 들어옵니다. 챗봇처럼 쓸 때 데이터 비서로 쓸 때 "블로그 글 하나 써줘" "내 회의록 3건 근거로 요약 보고서 만들어줘" ...

Photo by Kelly Sikkema on Unsplash "오늘부터 매일 글 한 편씩 써야지." 이렇게 마음먹고 노트나 블로그 새 글 창을 열어본 적, 한 번쯤 있으실 겁니다. 그런데 막상 커서만 깜빡이는 빈 화면 앞에 앉으면 첫 문장이 도무지 떠오르지 않고, 사흘쯤 지나면 "오늘은 바쁘니까 내일"이 반복되다 슬그머니 사라집니다. 글쓰기 습관 만들기 가 유독 어렵게 느껴지는 건 의지가 약해서가 아니라, 대부분 '잘 쓰려는 마음'부터 앞세우기 때문입니다. 이 글에서는 왜 매일 쓰기가 며칠을 못 넘기는지, 그리고 그 문턱을 어떻게 낮춰야 꾸준히 이어지는지를 정리해 봅니다. 왜 '매일 쓰기'는 사흘을 못 넘길까 글쓰기가 작심삼일로 끝나는 데는 몇 가지 공통된 패턴이 있습니다. 핵심은 글을 시작하기도 전에 스스로 부담을 너무 키운다는 점입니다. 아래 세 가지는 거의 모든 사람이 한 번씩 걸려 넘어지는 지점입니다. 머릿속 '검열관'이 먼저 깬다 한 문장을 쓰기도 전에 "이거 너무 유치한데", "이 표현이 맞나" 하는 목소리가 끼어듭니다. 글쓰기를 다룬 여러 조언이 공통적으로 지적하는 부분인데, 우리 머릿속에는 완벽주의로 무장한 검열관이 한 명 살고 있어서 쓰는 손보다 고치는 눈이 먼저 작동합니다. 창작과 비판이 동시에 돌아가면 한 줄도 앞으로 나아가기 어렵습니다. 아직 형태도 갖추지 못한 초안을 완성된 글의 잣대로 평가하니, 시작 자체가 막히는 것입니다. 목표가 처음부터 너무 크다 "하루 한 편", "매일 A4 한 장"처럼 결심의 크기가 큽니다. 의욕이 넘치는 첫날에는 가능하지만, 야근한 날이나 컨디션이 나쁜 날에는 그 기준을 채울 수 없어 아예 건너뛰게 됩니다. 한 번 건너뛴 날이 두 번이 되고, 이내 "역시 난 안 돼"라는 결론으로 이어집니다. ...

Photo by Wowa Medw on Unsplash 유튜브나 책에서 본 '갓생' 아침 루틴을 그대로 옮겨 적어본 적, 한 번쯤 있으실 겁니다. 기상 후 물 한 잔, 스트레칭, 명상, 영어 단어, 독서, 운동, 그리고 하루 계획까지. 노트에 적을 땐 완벽해 보이지만 실제로는 사흘을 넘기기 어렵습니다. 의지가 약해서가 아닙니다. 아침 루틴 만들기 에서 가장 흔한 실패 원인은 의지 부족이 아니라 '항목을 너무 많이 넣은 것'입니다. 이 글에서는 왜 루틴을 늘릴수록 무너지는지, 그리고 핵심 행동 하나에 붙여서 키우는 방법을 정리합니다. 왜 항목을 늘릴수록 아침 루틴이 무너질까 아침에 할 일을 잔뜩 적어두면 든든해 보이지만, 실제로는 매일 아침 '결정의 연속'을 만들어냅니다. 무엇을 먼저 할지, 시간이 부족하면 무엇을 뺄지, 어제 빠뜨린 건 오늘 채울지. 이 작은 판단 하나하나가 에너지를 갉아먹습니다. 심리학에서는 자제력을 근육에 비유합니다. 쓰면 쓸수록 일시적으로 지치는 한정된 자원이라는 것이죠. 흥미로운 점은 이 자제력이 잠에서 깬 직후, 즉 아침에 가장 높다는 사실입니다. 그런데 루틴 항목이 6~7개씩 늘어나면, 정작 가장 맑은 시간대의 에너지를 '무엇을 할지 고민하고 빠진 항목에 죄책감을 느끼는 데' 흘려보내게 됩니다. 하루가 시작되기도 전에 이미 지치는 셈입니다. 여기에 '선택 피로(decision fatigue)'가 더해집니다. 항목이 많을수록 매 순간 '지금 이걸 할까, 건너뛸까'를 판단해야 하는데, 이런 자잘한 결정이 쌓이면 정작 중요한 일에 쓸 판단력까지 흐려집니다. 반대로 매일 같은 순서로 거의 자동으로 흘러가는 루틴은 결정 자체를 없애줍니다. 좋은 아침 루틴의 목표가 '많이 하는 것'이 아니라 '고민 없이 굴러가게 만드는 것'인 이유가 여기에 있습니다. '다 지키거나, 다 포기...

Photo by Ales Nesetril on Unsplash Perplexity 검색 을 한 번 써 보고 "그냥 출처 달린 구글 아니야?"라고 생각하며 다시 안 쓰는 분이 많습니다. 질문 하나 던지고, 답 읽고, 창을 닫는 식이죠. 그런데 이게 Perplexity를 가장 아깝게 쓰는 방법입니다. 이 도구의 진짜 가치는 '한 번의 답'이 아니라 '대화를 이어가며 좁혀가는 과정'에 있거든요. 이 글에서는 검색 한 번으로 끝내지 않고, 후속 질문과 Spaces 기능을 묶어 Perplexity를 하나의 리서치 도구처럼 쓰는 방법을 정리합니다. Perplexity 검색이 일반 검색과 다른 한 가지 구글은 키워드를 넣으면 링크 목록을 돌려줍니다. 어떤 링크가 답을 가졌는지는 직접 들어가서 확인해야 하죠. 반면 Perplexity는 질문을 이해하고, 여러 웹페이지를 읽은 뒤 그 내용을 요약해 한 문단으로 답하고, 문장마다 출처 번호를 답니다. 여기까지는 다른 AI 검색과 비슷합니다. 결정적인 차이는 맥락을 기억하는 대화형 구조 입니다. 첫 질문에 답을 받은 뒤 이어서 "그럼 그중에서 초보자한테 맞는 건?" 하고 물으면, 앞 답변을 기억한 채로 범위를 좁혀 답합니다. 이 후속 질문 기능은 무료 플랜에서도 맥락이 끊기지 않고 유지됩니다. 즉 한 줄짜리 검색이 아니라, 한 주제를 파고드는 '리서치 세션'을 만들 수 있다는 뜻입니다. 무료와 Pro, 어디까지 무료로 되나 유료 결제를 고민하기 전에, 무료로 어디까지 되는지부터 알아두면 좋습니다. 핵심 차이를 정리하면 다음과 같습니다(본 글 작성 시점 기준이며, 요금·한도 정책은 바뀔 수 있습니다). 구분 무료(Free) Pro 기본 검색 제한 없이 사용 제한 없이 사용 ...

Photo by Daria Nepriakhina 🇺🇦 on Unsplash 운동, 독서, 영어 공부… 마음먹고 시작한 일이 사흘을 못 넘긴 경험, 누구나 있습니다. 그러고는 "역시 난 의지가 약해"라며 자책하죠. 그런데 습관 만들기 가 번번이 작심삼일로 끝나는 건 의지력이 부족해서가 아닙니다. 시작하는 방식과 무너졌을 때 대처하는 방식이 잘못 설계돼 있기 때문입니다. 이 글에서는 작심삼일이 반복되는 진짜 이유 세 가지와, 한 번 빠져도 습관을 놓치지 않고 다시 돌아오는 구체적인 방법을 정리합니다. 작심삼일로 끝나는 진짜 이유 대부분의 사람은 "더 독하게 마음먹으면 된다"고 생각합니다. 하지만 의지력은 배터리처럼 쓰면 닳는 자원이라, 그것 하나에만 기대는 습관은 오래가지 못합니다. 작심삼일이 반복되는 데에는 의지력과 무관한 구조적 이유가 있습니다. 1. 처음부터 너무 크게 시작한다 "매일 1시간 운동", "하루 30페이지 독서"처럼 목표를 크게 잡으면 뇌는 그 변화 자체에 저항합니다. 시작에 필요한 에너지가 크면 클수록, 피곤하거나 바쁜 날엔 가장 먼저 포기 대상이 됩니다. 의욕이 넘치는 첫날엔 가능하지만, 사흘째 컨디션이 떨어지면 바로 무너지는 이유입니다. 2. 행동까지의 '마찰'이 너무 크다 좋은 행동을 시작하기까지 거쳐야 하는 단계가 많을수록 습관은 자리 잡기 어렵습니다. 운동복을 찾고, 가방을 챙기고, 헬스장까지 20분 걸어가야 한다면 그 과정 하나하나가 '마찰'이 됩니다. 반대로 스마트폰처럼 손만 뻗으면 닿는 것은 나쁜 습관이라도 쉽게 반복됩니다. 결국 습관은 의지의 문제가 아니라 '얼마나 쉽게 시작할 수 있는가'의 문제에 가깝습니다. 3. 한 번 빠지면 그대로 포기한다 가장 결정적인 이유입니다. 며칠 잘하다가 하루 거르면 "이미 망쳤다"는 생각에 아예 그만둬 버립...

Photo by Rolf van Root on Unsplash 분명히 똑같은 ChatGPT인데, 어떤 날은 척척 원하는 결과를 내놓고 어떤 날은 영 엉뚱한 답만 돌아옵니다. 그럴 때 대부분은 본능적으로 프롬프트를 더 길게, 더 자세히 고쳐 씁니다. 그런데 더 길게 쓸수록 답이 오히려 산으로 가는 경험, 한 번쯤 해보셨을 겁니다. 이 글에서는 ChatGPT 프롬프트 가 원하는 답을 주지 않을 때, 무작정 말을 덧붙이는 대신 무엇을 어떻게 고쳐야 하는지를 단계별로 정리합니다. 잘 쓰는 법이 아니라 "안 될 때 고치는 법"에 초점을 맞춥니다. 프롬프트를 처음 배우는 분이든, 매일 쓰는데도 가끔 헛도는 분이든 바로 적용할 수 있는 순서입니다. 한 가지 미리 말해두면, 좋은 프롬프트는 타고난 감각이 아니라 고치는 습관에서 나옵니다. 왜 프롬프트를 길게 고칠수록 더 나빠질까 원하는 답이 안 나오는 이유는 크게 두 가지입니다. 첫째는 처음부터 요청이 모호했던 경우 , 둘째는 한 대화 안에 잘못된 시도가 계속 쌓인 경우 입니다. 많은 사람이 첫 번째만 의식하고 두 번째는 놓칩니다. 특히 두 번째가 함정입니다. ChatGPT는 답할 때마다 그 대화창의 이전 내용을 함께 참고합니다. 그래서 틀린 답이 한 번 나온 대화에 "아니 그게 아니고", "다시", "좀 더 이렇게"를 계속 덧붙이면, 모델 입장에서는 이전의 잘못된 맥락 + 새 수정 지시 가 뒤엉킨 상태에서 답을 만들게 됩니다. 혼란 위에 혼란을 얹는 셈이죠. 수정 지시가 쌓일수록 모델은 "도대체 사용자가 최종적으로 뭘 원하는지"를 점점 더 헷갈려 합니다. 길게 고치는 게 통하지 않는 건 이 때문입니다. 핵심은 "말을 더 추가"하는 게 아니라 "혼란을 걷어내는" 것입니다. 이 관점 하나만 바꿔도 고치는 방식이 완전히 달라집니다. 고치기 전에 먼저 '진...

Photo by Christin Hume on Unsplash 클로드(Claude)에게 "이 데이터 정리해줘", "보고서 써줘"라고 부탁한 뒤, 화면에 길게 뜬 텍스트를 일일이 복사해서 엑셀이나 워드에 다시 붙여 넣은 적이 있으신가요? 사실 많은 사람의 클로드 활용법 은 여기서 멈춰 있습니다. 똑똑한 답변을 받아도, 그 답변을 '쓸 수 있는 결과물'로 바꾸는 일은 여전히 사람 몫이라고 생각하는 거죠. 그런데 2026년 현재의 클로드는 답변을 넘어 엑셀·워드·PPT·PDF 파일을 직접 만들어 내려주고, 데이터를 받아 차트가 포함된 분석까지 해줍니다. 이 글에서는 '답변에서 결과물로' 넘어가는 활용법을 정리합니다. 클로드 활용법, 왜 '답변'에서 멈추면 절반만 쓰는 걸까 챗봇을 처음 접하면 자연스럽게 '질문하고 답을 읽는' 패턴에 익숙해집니다. 검색을 대신해 주거나 긴 글을 요약해 주는 용도로만 쓰는 거죠. 물론 이것만으로도 충분히 유용합니다. 하지만 실제 업무는 '답을 아는 것'에서 끝나지 않습니다. 회의록을 정리해 동료에게 공유할 워드 문서로 만들어야 하고, 매출 데이터를 표와 그래프가 있는 보고서로 바꿔야 하며, 발표를 위해 슬라이드를 짜야 합니다. 바로 이 '마지막 한 단계' — 답변을 실제 파일로 옮기는 작업 — 이 의외로 시간을 많이 잡아먹습니다. 답은 1분 만에 받았는데, 그걸 양식에 맞춰 정리하는 데 30분이 더 걸리는 식이죠. 클로드를 검색용 챗봇으로만 쓰면 딱 이 지점에서 멈추게 됩니다. 도구가 가진 능력의 절반만 쓰는 셈입니다. 반대로 말하면, 이 마지막 단계를 도구에 넘기는 순간 체감 생산성이 가장 크게 올라갑니다. 이제 클로드가 직접 '결과물'을 만든다 — 파일 생성과 코드 실행 2026년 현재 클로드에는 대화창 안에서 직접 파일을 만들고, 필요하면 코드를 ...

Photo by Donald Wu on Unsplash 분명히 계획표는 꼼꼼하게 짰습니다. 오전에 보고서 초안, 점심 먹고 회의 자료, 퇴근 전에 메일 정리까지. 그런데 막상 하루가 끝나면 보고서 초안 하나도 못 끝낸 채 야근을 하고 있습니다. 이런 일이 한두 번이 아니라 매주 반복된다면, 문제는 당신의 의지나 게으름이 아닐 가능성이 큽니다. 더 많은 시간관리 방법 을 검색하기 전에, 왜 계획이 매번 빗나가는지부터 짚어야 합니다. 핵심은 '시간을 어떻게 쓰느냐'가 아니라 '시간이 얼마나 걸릴지를 어떻게 예측하느냐'에 있습니다. 예측이 틀어지면 아무리 부지런히 움직여도 하루가 무너지기 때문입니다. 계획이 늘 빗나가는 진짜 이유: 계획 오류 우리가 일정을 자꾸 어기는 데는 심리학적으로 잘 알려진 이유가 있습니다. 바로 '계획 오류(planning fallacy)'입니다. 1979년 심리학자 대니얼 카너먼과 아모스 트버스키가 처음 제시한 개념으로, 사람은 어떤 일을 끝내는 데 걸리는 시간을 실제보다 짧게 예측하는 경향이 있다 는 것입니다. 흥미로운 점은, 비슷한 일이 과거에 예상보다 오래 걸렸다는 걸 뻔히 알면서도 '이번만큼은 빨리 끝낼 수 있다'고 믿는다는 데 있습니다. (자세한 정의는 위키피디아 'Planning fallacy' 항목 에서 확인할 수 있습니다.) 카너먼 본인의 일화가 유명합니다. 그는 한 교과서 집필 프로젝트를 시작하며 동료 학자들과 완성까지 걸릴 기간을 추정했는데, 평균 2년이라는 답이 나왔습니다. 하지만 실제로는 약 9년이 걸렸습니다. 시간 예측을 업으로 연구하는 전문가들조차 정작 자기 일에 대해서는 이렇게 크게 빗나갑니다. 이것이 개인의 능력 문제가 아니라 인간의 보편적인 사고 편향이라는 증거입니다. 2003년에는 이 개념이 더 확장되어, 사람은 시간뿐 아니라 비용과 위험까지 과소평가하고 반대로 성과는 과대평가하는 경향이 있다는...

Photo by Christin Hume on Unsplash AI 글쓰기 도구 로 초안을 뽑아 보면 분명 문장은 매끄러운데, 어딘가 모르게 "사람이 쓴 글 같지 않다"는 느낌을 받은 적이 있을 겁니다. 맞춤법도 완벽하고 논리도 정연한데, 읽다 보면 밋밋하고 누가 봐도 기계가 찍어낸 티가 납니다. 문제는 도구가 나빠서가 아닙니다. AI가 글을 만드는 방식 자체에 그 어색함의 원인이 숨어 있습니다. 이 글에서는 AI 글쓰기 도구로 쓴 글이 왜 부자연스럽게 읽히는지, 그리고 그 흔적을 어떻게 걷어낼 수 있는지 다섯 가지 손질법으로 정리합니다. 왜 AI가 쓴 글은 티가 날까 대규모 언어모델(LLM)은 "다음에 올 가능성이 가장 높은 단어"를 이어 붙이는 방식으로 문장을 만듭니다. 그 결과 통계적으로 가장 무난한 표현이 반복되고, 문장 길이와 리듬이 지나치게 고르게 됩니다. 사람의 글은 짧게 끊었다가 길게 늘어뜨리고 때로는 문장을 일부러 비틀기도 하지만, AI의 기본 출력은 대부분의 문장이 비슷한 호흡으로 흘러갑니다. 여기에 더해 감정의 기복이 거의 없습니다. 전체적으로 균형 잡힌 어휘와 평탄한 어조가 유지되다 보니, 정보는 충실해도 '쓴 사람의 목소리'가 들리지 않습니다. 최신 모델로 갈수록 문장은 더 자연스러워졌지만, 이 고른 리듬과 무난한 어휘 선택이라는 기본 성질은 그대로 남아 있습니다. 그래서 읽는 사람이 무의식적으로 위화감을 느끼는 것이죠. AI 글쓰기 도구의 결과물, 어디부터 손봐야 하나 AI 글쓰기 도구를 제대로 쓰는 사람과 그렇지 않은 사람의 차이는 '초안을 그대로 쓰느냐, 손질하느냐'에 있습니다. 초안 생성은 전체 작업의 절반일 뿐이고, 나머지 절반은 그 결과물을 내 글로 바꾸는 편집 과정입니다. 손볼 지점은 크게 세 가지입니다. 1) 문장 리듬 가장 먼저 눈에 띄는 건 문장 길이입니다. 비슷한 길이의 문장이 줄줄이 이어진다면, ...

Photo by Andrew Neel on Unsplash 구글 제미나이(Gemini)를 켜긴 했는데, 결국 "오늘 날씨 알려줘" 정도로만 쓰다가 탭을 닫아본 적 있으신가요? 기능 소개 글은 화려한데, 막상 내 일에 어떻게 붙여야 할지가 안 보입니다. 이 글은 제미나이 활용법을 '기능 나열'이 아니라 '무엇부터, 어떻게 쓰면 실제로 시간이 줄어드는가'의 관점에서 정리했습니다. 무료 플랜으로 바로 쓸 수 있는 핵심 기능 네 가지와, 각 기능을 헛돌지 않게 쓰는 법, 그리고 직장인 하루에 붙이는 실제 예시까지 다룹니다. 제미나이, 먼저 '어디서' 쓰는지부터 정하기 제미나이를 잘 못 쓰는 가장 흔한 이유는 기능을 몰라서가 아니라, 매번 챗봇 창을 새로 열어 처음부터 상황을 설명하기 때문입니다. 제미나이는 들어가는 '입구'가 여러 개고, 입구마다 잘하는 일이 다릅니다. 입구를 구분해 두면 "어디서 시작하지?"라는 망설임이 사라집니다. 웹(gemini.google.com) : 구글 계정으로 로그인해 바로 쓰는 기본 창. 긴 작업, 자료 정리, 리서치에 적합합니다. 구글 워크스페이스 안 : Gmail·Docs·Sheets·Meet 같은 앱 안에서 Gemini 버튼으로 호출. '지금 보고 있는 문서'를 두고 일할 때 강합니다. 크롬(Gemini in Chrome) : 2026년 4월 한국에 정식 출시된 브라우저 연동. 탭을 옮기지 않고 지금 보는 페이지를 두고 질문할 수 있습니다. 핵심은 "긴 사고가 필요한 일은 웹에서, 문서를 직접 만지는 일은 워크스페이스에서, 웹서핑 중 즉답은 크롬에서"로 입구를 나눠두는 것입니다. 예를 들어 시장 조사처럼 한 번에 깊게 파야 하는 일은 웹의 Deep Research로, 받은 메일에 답장 초안을 만드는 일은 Gmail 안의 Gemini로 처리하는 식입니다...

Photo by freestocks on Unsplash 포모도로 기법 을 한 번이라도 시도해 본 사람이라면 비슷한 경험이 있을 겁니다. 25분 타이머를 맞추고 막 일에 몰입하기 시작했는데, 하필 가장 집중이 잘 되는 순간에 "땡—" 하고 휴식 알람이 울립니다. 흐름이 끊기는 게 아까워서 알람을 무시하다 보면, 어느새 포모도로는 책상 위 장식이 되어 있습니다. 그래서 많은 사람이 "나한테는 안 맞는 방법"이라고 결론 내리죠. 하지만 문제는 방법이 아니라, 25분이라는 숫자를 절대 규칙처럼 받아들인 것 일 수 있습니다. 이 글에서는 포모도로 기법이 원래 어떤 의도로 만들어졌는지 되짚고, 25분이 모두에게 정답이 아닌 이유, 그리고 자신의 일과 집중 패턴에 맞게 조절하는 현실적인 방법을 정리합니다. 포모도로 기법이란 무엇인가 포모도로 기법은 1980년대 후반, 대학생이던 이탈리아의 프란체스코 치릴로(Francesco Cirillo) 가 만든 시간 관리 방법입니다. 공부에 집중하지 못해 고민하던 그는 "딱 몇 분만이라도 방해 없이 집중해보자"는 약속을 스스로에게 했고, 이때 사용한 것이 주방에서 흔히 쓰는 토마토 모양 타이머 였습니다. '포모도로(Pomodoro)'는 이탈리아어로 토마토를 뜻합니다. (자세한 배경은 위키피디아 Pomodoro Technique 항목 에서 확인할 수 있습니다.) 기본 구조는 단순합니다. 25분 집중 — 하나의 작업에만 몰두하고, 그동안은 다른 것을 보지 않습니다. 이 25분 한 덩어리를 '1 포모도로'라고 부릅니다. 5분 휴식 — 짧게 쉬며 머리를 비웁니다. 4 포모도로 후 긴 휴식 — 25분×4세트를 마치면 15~30분 정도 길게 쉽니다. 핵심은 타이머 숫자 자체가 아니라, "정해진 시간 동안은 한 가지에만 집중하고, 정해진 시간이 되면 의식적으로 쉰다"는 리듬 에...

Photo by Álvaro Serrano on Unsplash 책을 읽으며 밑줄을 긋고, 강의를 들으며 메모하고, 떠오른 아이디어를 노트 앱에 적습니다. 그런데 막상 글 한 편, 기획서 한 장을 쓰려고 하면 그 많던 메모가 아무 도움이 안 됩니다. 폴더만 무거워지고 정작 다시 펼쳐보지 않죠. 제텔카스텐 메모법 을 시작했다가 "메모는 열심히 했는데 왜 결과물로 안 이어지지?" 하고 멈춘 분들이 특히 많습니다. 이 글에서는 메모가 쌓이기만 하고 글로 연결되지 않는 진짜 이유와, 핵심인 '영구 보관 메모'를 내 문장으로 쓰고 연결하는 방법을 정리합니다. 거창한 도구나 복잡한 규칙이 아니라, 메모 한 장을 쓰는 방식만 바꿔도 결과는 달라집니다. 왜 메모는 쌓이는데 글로 이어지지 않을까 대부분의 메모 실패는 '수집'에서 멈추기 때문입니다. 책의 문장을 그대로 복사하거나, 형광펜만 긋고, 링크를 저장만 해두는 식이죠. 이렇게 모은 자료는 양은 많아 보여도 막상 글을 쓸 때 꺼내 쓸 수가 없습니다. 내 머리를 거치지 않은 정보는 '내 생각'이 아니라 '남의 문장 더미'로 남기 때문입니다. 또 하나의 함정은 '분류'에 집착하는 것입니다. 폴더와 태그 체계를 완벽하게 짜는 데 시간을 다 쓰고 나면, 정작 그 안에 들어갈 생각은 자라지 않습니다. 정보는 잘 정리됐는데 새로운 아이디어는 나오지 않는 상태, 많은 분이 여기서 멈춥니다. 제텔카스텐(Zettelkasten)은 독일 사회학자 니클라스 루만(Niklas Luhmann, 1927–1998)이 평생에 걸쳐 약 9만 장의 손글씨 메모 카드를 쌓아 만든 시스템입니다. 그는 이 메모 상자 하나로 70여 권의 책과 400편이 넘는 논문을 썼다고 알려져 있는데, 핵심은 카드의 '개수'가 아니라 카드들이 서로 '연결'되어 있었다는 점입니다. 제텔카스텐 방법 소개 자료 에 ...

Photo by Daniel Thomas on Unsplash 분명히 책상 앞에 앉아 있었는데, 한 시간이 지나도 제대로 끝낸 일이 하나도 없습니다. 보고서를 쓰다가 메신저 알림에 답하고, 그 김에 메일함을 열었다가, 다시 보고서로 돌아오면 "내가 어디까지 썼더라"부터 다시 시작이죠. 많은 사람이 이걸 "내 집중력이 약해서"라고 자책하지만, 사실은 뇌가 작동하는 방식과 싸우고 있는 겁니다. 오늘 다룰 집중력 향상 방법 의 핵심은 의지를 쥐어짜는 게 아니라, '동시에 여러 일을 한다'는 착각부터 버리는 데 있습니다. 문제: 멀티태스킹은 실력이 아니라 착각이다 여러 일을 동시에 처리한다고 느낄 때, 뇌가 실제로 하는 일은 '동시 처리'가 아니라 '빠른 전환(task switching)'입니다. 미국심리학회(APA)는 이렇게 작업을 옮겨 다닐 때마다 눈에 보이지 않는 시간과 정확도의 손실, 즉 전환 비용(switching cost) 이 발생한다고 설명합니다. 작업을 자주 바꿀수록 이 비용이 쌓여 같은 일을 하는 데 더 오래 걸리고 실수도 늘어납니다( APA, Multitasking: Switching costs ). 더 까다로운 건 '잔상'입니다. 워싱턴대 보텔(UW Bothell)의 소피 르로이(Sophie Leroy) 교수는 2009년 연구에서, 하던 일을 끝내지 못한 채 다른 일로 넘어가면 주의의 일부가 앞 작업에 계속 머무는 현상을 발견하고 이를 주의 잔류(attention residue) 라고 이름 붙였습니다. 회의에 들어와 앉아 있어도 머릿속 한구석이 아까 쓰던 메일에 붙잡혀 있으면, 지금 회의 내용은 절반밖에 들어오지 않는 셈이죠( UW Bothell, Sophie Leroy — Attention Residue ). 여러 연구에서 이런 전환과 잔류가 쌓이면 생산적인 시간의 상당 부분, 추정에 따라 최대 40% 가까이...

Photo by l ch on Unsplash 분명히 부업 시간은 확보했습니다. 퇴근하고 저녁 8시부터 두 시간, 캘린더에도 칸을 비워 놨죠. 그런데 막상 그 시간이 오면 머리가 멍하고, 본업에서 있었던 일이 자꾸 떠오르고, 정작 부업은 30분 끄적이다 끝나기 일쑤입니다. 많은 분들이 N잡러 시간관리를 "어떻게 더 많은 시간을 쥐어짜낼까"의 문제로 접근하지만, 실제 병목은 시간의 양이 아니라 본업과 부업 사이를 오가는 전환 비용 과 바닥난 에너지 인 경우가 훨씬 많습니다. 이 글에서는 시간표를 더 빡빡하게 짜는 대신, 같은 두 시간을 실제로 일하는 두 시간으로 만드는 방법을 다룹니다. 시간을 쪼개도 진도가 안 나가는 진짜 이유 본업 업무를 끝내자마자 부업 모드로 전환할 때, 우리 뇌는 즉시 깨끗하게 넘어가지 못합니다. 워싱턴대학교의 소피 르로이(Sophie Leroy) 교수는 이 현상을 '주의 잔류(attention residue)' 라고 이름 붙였습니다. 한 가지 일을 하다가 다른 일로 넘어가도 주의의 일부가 앞 작업에 계속 묶여 있어, 새 작업에 쓸 인지 자원이 줄어든다는 것입니다. 르로이 교수의 연구 소개 페이지 에 따르면, 이 잔류는 특히 앞 작업이 마무리되지 않았거나, 시간에 쫓겼거나, 감정적으로 신경 쓰일 때 가장 강하게 남습니다. 직장인 N잡러의 하루를 떠올려 보세요. 본업은 대부분 "끝났다"가 아니라 "내일 이어서"인 상태로 멈춥니다. 미완료 상태 그대로 부업 책상에 앉으니, 노트북을 켜도 머릿속 절반은 아직 회사에 있는 셈입니다. 시간이 부족한 게 아니라, 확보한 시간의 질이 전환 비용 때문에 깎이는 것이죠. N잡러 시간관리, 왜 지금 더 중요해졌나 부업은 더 이상 소수의 선택이 아닙니다. 국가데이터처 경제활동인구조사 기준 본업 외 부업을 병행하는 복수 일자리 종사자는 2025년 약 68만 명 수준으로 집계되며 최근 몇 년 사...