돈이되는AI

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 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 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 Igor Omilaev on Unsplash 둘 다 결제해 한 달쯤 써보면 이런 결론에 도달합니다. "비슷한데?" 질문을 던지면 양쪽 다 그럴듯한 답을 내놓고, 요약도 번역도 코드도 웬만큼 합니다. 그래서 막상 Claude vs ChatGPT 중 무엇을 메인으로 둬야 할지 정하기가 오히려 더 어렵습니다. 검색해 보면 "어떤 버전이 벤치마크 몇 점" 같은 비교표가 쏟아지지만, 그 표는 새 모델이 나오는 한 달 뒤면 낡습니다. 이 글에서는 자주 바뀌는 숫자 대신, 두 도구의 잘 변하지 않는 '성향 차이'로 고르는 방법을 정리합니다. 버전 비교표가 금방 낡는 이유 2026년 현재 두 회사 모두 빠르면 몇 주 단위로 모델을 갱신합니다. 오늘 "A가 코딩에서 앞선다"고 적어두어도, 다음 업데이트에서 순위가 뒤집히는 일이 흔합니다. 실제로 여러 비교 매체들도 2026년 기준 최상위 모델들의 점수 차이는 대부분 '몇 퍼센트포인트' 수준이라고 말합니다. 즉 순수 능력치만으로 우열을 가리기는 점점 어려워졌고 , 같은 작업을 시켜도 둘 다 합격점을 주는 경우가 많습니다. 그렇다면 기준을 바꿔야 합니다. "어느 쪽이 더 똑똑한가"가 아니라 "내 작업 흐름에 어느 쪽이 더 잘 붙는가"입니다. 능력이 비슷할 때 만족도를 가르는 건 결국 도구의 구조적 성향, 즉 설계상 무엇에 강하도록 만들어졌는가입니다. 벤치마크 점수는 한 달 뒤 바뀌어도, 이 성향은 한참 더 오래 유지됩니다. Claude vs ChatGPT, 구조적 성향의 차이 두 도구는 출발점이 다릅니다. 이 차이는 모델 버전이 올라가도 비교적 일관되게 유지되는 편이라, 비교표보다 훨씬 오래 쓸모가 있습니다. 큰 그림을 먼저 표로 정리하면 다음과 같습니다. 구분 Claude ChatGPT ...

Photo by Milad Fakurian on Unsplash 분명 머릿속에는 멋진 그림이 그려져 있는데, AI 이미지 생성 도구에 입력하면 어딘가 어색하고 평범한 결과만 나온 적 있으신가요? "고양이 그려줘"라고 적었더니 정체불명의 배경에 표정 없는 고양이가 나오고, 몇 번을 다시 돌려도 비슷한 수준에서 맴돕니다. 문제는 도구의 성능이 아니라 프롬프트(명령어)의 구조 인 경우가 대부분입니다. 이 글에서는 왜 원하는 이미지가 안 나오는지, 그리고 어떤 요소를 어떤 순서로 채워야 결과가 달라지는지를 단계별로 정리합니다. 왜 머릿속 그림과 다르게 나올까 AI 이미지 생성 모델은 글자를 입력받아 그에 맞는 픽셀을 예측하는 방식으로 작동합니다. 바꿔 말하면, 여러분이 말하지 않은 부분은 모델이 알아서 추측 합니다. "안락의자"라고만 적으면 색, 재질, 배경, 조명, 카메라 각도를 전부 모델이 임의로 채우기 때문에 매번 다른, 그리고 대개 무난하기만 한 결과가 나옵니다. 머릿속 그림과 결과가 어긋나는 첫 번째 이유가 바로 이 '빈칸 채우기'입니다. 또 하나의 흔한 원인은 단어 순서 입니다. 디퓨전 계열 모델에서는 프롬프트 앞쪽에 놓인 단어가 결과에 더 큰 영향을 주는 경향이 있습니다. 그래서 핵심 피사체와 핵심 동작은 문장 맨 앞쪽에 두는 것이 유리합니다. 중요한 대상을 문장 끝에 흘려 적으면 모델이 그 비중을 약하게 해석할 수 있습니다. 마지막으로, 길고 장황한 프롬프트가 좋은 결과를 보장하지는 않습니다. 형용사를 끝없이 붙이기보다 명확한 요소를 정해진 순서대로 채우는 편이 훨씬 안정적입니다. 즉, 비결은 '더 많이 쓰기'가 아니라 '빠진 칸을 없애기'에 가깝습니다. 좋은 프롬프트의 4가지 구성 요소 Adobe, Google, OpenAI 등 주요 도구의 공식 가이드는 표현은 조금씩 달라도 거의 같은 뼈대를 제시합니다. 구글 Vert...

Photo by Andrew Neel on Unsplash 새 대화창을 열 때마다 "나는 마케팅 담당자고, 보고서는 개조식으로, 존댓말은 빼고…"를 다시 적고 있다면, 클로드를 절반밖에 못 쓰고 있는 셈입니다. 매번 같은 배경 설명을 반복하는 건 시간 낭비일 뿐 아니라, 그 설명이 조금씩 달라지면서 답변 품질도 들쭉날쭉해집니다. 오늘 정리할 클로드 활용법 의 핵심은 바로 이 반복을 없애는 'Projects(프로젝트)' 기능입니다. 한 번 세팅해 두면 그 안에서 여는 모든 대화가 같은 맥락에서 시작되기 때문에, 매번 처음부터 설명할 필요가 사라집니다. 왜 일반 대화로는 부족할까 클로드(Claude)의 기본 대화창은 휘발성입니다. 한 대화에서 아무리 자세히 맥락을 깔아 줘도, 새 대화를 열면 그 정보는 사라집니다. 자료를 다시 붙여넣고, 말투를 다시 지정하고, 역할을 다시 설명하는 일이 반복되죠. 일회성 질문이라면 괜찮지만, '주간 보고서 작성'이나 '특정 제품 마케팅 카피'처럼 반복되는 업무라면 이 방식은 비효율적입니다. 예를 들어 매주 같은 보고서를 정리한다고 해봅시다. 일반 대화라면 매번 "우리 팀은 이런 일을 하고, 보고서 양식은 이렇고, 이런 표현은 쓰지 마"를 새로 입력해야 합니다. 그러다 어느 날은 양식 설명을 빠뜨려서 엉뚱한 형식으로 나오고, 또 어느 날은 말투가 달라집니다. 반복 업무일수록 '맥락을 매번 새로 까는' 구조 자체가 품질의 발목을 잡는 셈입니다. Projects는 자체 지식 베이스와 대화 기록을 가진 독립된 작업 공간입니다. Anthropic의 공식 도움말 에 따르면 프로젝트는 업로드한 문서와 맥락을 기반으로 집중된 대화를 이어갈 수 있는 공간으로 설명되며, 본 글 작성 시점 기준 무료 플랜 사용자도 프로젝트를 만들어 사용할 수 있습니다. GPT의 'GPTs'나 노션 AI의 커스텀 에이전트...

Photo by LOGAN WEAVER | @LGNWVR on Unsplash "클로드(Claude)에 가입은 했는데, 챗봇처럼 질문만 하고 있다." 이 글을 검색한 분이라면 한 번쯤 떠올려 봤을 고민입니다. 같은 구독료를 내고도 누군가는 반나절 걸리던 보고서를 30분 만에 끝내고, 누군가는 여전히 "오늘 점심 뭐 먹지?"만 물어봅니다. 이번 글은 그 격차를 좁히는 클로드 활용법 을 정리합니다. 2026년 5월 현재 실제로 쓸 수 있는 기능 — Skills, Projects, Artifacts, 커넥터(Connectors), Claude Code — 다섯 가지를 시나리오 중심으로 풀어 드립니다. 왜 챗봇처럼만 쓰면 손해일까 2026년의 클로드는 더 이상 단순한 대화형 챗봇이 아닙니다. Anthropic은 2026년 2월 17일 Sonnet 4.6을, 4월 16일 Opus 4.7을 차례로 공개했고, 그 사이 모델 외부의 "환경" — 스킬, 프로젝트, 아티팩트, 외부 도구 연결 — 이 빠르게 보강됐습니다. 본 글 작성 시점 기준으로 이 기능들은 모두 claude.ai 또는 데스크톱/모바일 앱에서 바로 켤 수 있습니다. 그런데 많은 사용자가 여전히 "질문 → 답변" 한 사이클만 반복합니다. 이 방식의 한계는 명확합니다. 매번 같은 배경 정보를 다시 붙여넣고, 출력 포맷이 매번 흔들리고, 결과물을 직접 복사해 다른 도구에 옮겨야 합니다. 시간을 잡아먹는 곳은 모델의 응답 속도가 아니라 이런 잡일 입니다. 같은 작업을 두 가지 방식으로 비교해 보면 차이가 명확합니다. "이번 주 미팅 노트 5개를 한 페이지로 요약해줘"를 챗봇처럼만 쓰면, 5번 복사·붙여넣기하고, 톤·길이가 매번 다르며, 다음 주에 같은 일을 반복해야 합니다. 같은 작업을 Project + Skill 조합으로 옮기면, 노트를 폴더에 떨궈두고 한 줄 명령으로 동일한 양식 ...