목록으로
업무 생산성 개선을 위한 AI 활용
매일 오가던 사이트와 앱을 하나로—학생의 하루를 정리하는 로컬 AI 작업실
학교·업무·관심 웹사이트 확인부터 녹음·전사와 문서 제출까지 흩어진 업무를 하나의 앱으로 잇고, 성적표 같은 민감한 파일 정보를 보호합니다.
🤖 활용 AI 도구
Solar, codex, claude code, Ollama 기반 로컬 언어 모델
■ 1. 어떤 상황에서 AI를 활용했나요?
학생의 하루는 하나의 일인데, 실제 작업 공간은 계속 갈라져 있었습니다. eTL에서 과제와 공지를 보고, 학부·본부 게시판에서 장학금과 행사를 찾고, 메일·문자·캘린더를 확인했습니다. 수업이나 회의를 녹음한 뒤에는 다른 앱에서 받아쓰고, 과제를 내려면 또 웹을 돌아다니며 PDF를 줄이거나 한글 문서를 변환했습니다.
특히 파일 작업은 불편을 넘어 개인정보 문제였습니다. 제출 용량을 맞추거나 배경을 지우려고 성적표, 장학금 서류, 아직 내지 않은 과제를 처음 보는 무료 웹사이트에 올렸습니다. 그 파일이 어느 서버에 얼마나 남는지 알지 못했지만 급하다는 이유로 반복했습니다.
문제는 기능 하나가 없다는 것이 아니었습니다. 정보 확인부터 녹음, 문서 처리, 제출 준비까지 한 흐름이어야 할 일이 여러 사이트와 앱 사이에서 매번 끊기는 것이 문제였습니다. 그래서 목표를 “기능을 하나 더 만드는 것”이 아니라 “학생의 하루를 한 작업 공간에서 이어 주는 것”으로 잡았습니다.
■ 2. 어떤 AI를 어떻게 활용했나요?
학교의 ChatGPT Edu와 Codex를 설계·개발 파트너로 활용해 macOS 앱을 만들었습니다. 먼저 제가 반복하던 일을 정보, 녹음, 문서의 세 흐름으로 나누고, 각 단계에서 AI가 해야 할 일과 운영체제의 일반 기능으로 처리할 일을 구분했습니다.
[정보 흐름]
Gmail, 메시지, 캘린더, eTL, 학교·관심 분야 공개 웹사이트를 읽기 전용으로 모읍니다. 로컬 언어 모델이 각 항목을 ‘오늘 꼭 할 일 / 확인해야 할 것 / 기타’로 분류하고, 맥락·요청·마감을 한 화면과 달력으로 정리합니다. 사용자가 옮긴 분류는 반복될 때 다음 판단에 반영됩니다.
[녹음 흐름]
앱에서 수업이나 회의를 녹음하거나 기존 음성·영상 파일을 넣으면 기기 내 음성 인식으로 전사합니다. 긴 전사는 대기열에서 순서대로 처리하고, 이름과 과목·주제 태그를 붙여 다시 찾을 수 있게 했습니다.
[문서 흐름]
문서 인식, 스캔 보정, PDF 편집, 용량 줄이기, 한글 문서 변환, 배경 제거, 화질 개선을 앱 안에서 처리합니다. 어떤 기능은 macOS 내장 기술을, 어떤 기능은 기기 내 공개 모델을 사용합니다. AI를 쓰지 않아도 더 정확한 기능은 억지로 AI에 맡기지 않았습니다.
개발 과정에서는 “무엇을 로컬에서 끝낼 수 있는가”, “결과가 웹 서비스와 어떻게 다른가”, “받는 사람이 무엇을 설치해야 하는가”를 기능마다 AI에 물었습니다. 답을 그대로 쓰지 않고 실제 파일, 실패 상황, 자동 테스트로 확인하면서 구조를 고쳤습니다.
■ 3. 활용 결과 어떤 변화가 있었나요?
예전에는 다음 작업이 서로 다른 사이트와 프로그램에 흩어져 있었습니다.
학교·관심 웹사이트 확인 → 자동 브리핑·보관함·일정 달력
수업·회의 녹음 → 녹음·전사·태그 보관함
사진·PDF에서 글자 추출 → 문서 인식
비뚤어진 서류 펴기 → 스캔 보정
PDF 합치기·쪽 빼기 → PDF 편집
제출 용량 맞추기 → 용량 줄이기
한글 문서를 PDF로 → 형식 변환
사진 배경 지우기·선명화 → 배경 제거·화질 올리기
지금은 정보를 확인한 뒤 같은 앱에서 녹음을 정리하고, 문서를 손봐 제출 파일까지 만들 수 있습니다. 기능을 새로 발명한 것이 아니라, 끊어져 있던 작업의 자리를 하나로 옮긴 것입니다.
민감한 파일을 무료 웹 서비스에 업로드하던 일도 사라졌습니다. 파일을 창에 끌어다 놓으면 같은 맥에 결과가 만들어지고 원본은 그대로 남습니다. 준비하지 않은 기능은 그 기능만 빠질 뿐, 나머지 작업을 막지 않습니다.
앱은 현재 15개 화면과 379개 자동 테스트를 갖추었고, 설치 가능한 dmg와 전체 소스를 공개했습니다. 한 사람의 임시 자동화가 아니라 다른 사람이 받아 실제로 쓸 수 있는 작업 공간으로 정리했습니다.
■ 4. 나만의 방식 또는 개선 포인트는 무엇인가요?
제 방식은 “AI를 얼마나 많이 썼는가”가 아니라 “각 일을 어디에서, 어떤 근거로 처리하는가”를 화면에서 보이게 하는 것입니다.
첫째, AI와 일반 도구의 역할을 구분했습니다. 분류·요약·음성 인식처럼 의미 판단이 필요한 곳에는 AI를 사용하고, PDF 쪽 삭제나 형식 변환처럼 정해진 규칙이 더 정확한 곳에는 일반 처리를 사용했습니다.
둘째, 처리 위치를 기능마다 적었습니다. 로컬에서 끝나는지, 외부 주소를 사용자가 선택했는지, 무엇을 추가로 설치해야 하는지를 실행 전에 보여 줍니다. 한글 문서처럼 다시 조판되어 원본과 달라질 수 있는 기능은 그 한계도 숨기지 않습니다.
셋째, 개인정보의 경계를 기능별로 고정했습니다. 기본 브리핑은 기기 안의 모델을 사용합니다. 작은 맥을 위해 외부 API 연결도 열어 두었지만 사용자가 직접 선택해야 하며, 그때 전송되는 제목과 본문을 먼저 알립니다. 문서 인식·변환·압축·배경 제거·화질 개선에서는 어떤 설정을 골라도 파일 자체가 외부 API로 나가지 않습니다.
넷째, 실패를 조용히 숨기지 않았습니다. 연결하지 않은 소스는 다른 기능을 막지 않지만, 연결이 끊기거나 결과를 만들지 못한 경우에는 원인과 고칠 방법을 화면에 남깁니다.
■ 5. 다른 사람도 따라 할 수 있나요?
Apple Silicon 맥이 있으면 dmg를 받아 빌드 없이 사용할 수 있습니다. 아무것도 설정하지 않아도 문서 인식, 스캔 보정, PDF 편집, 용량 줄이기, 형식 변환부터 사용할 수 있습니다. 필요한 사람만 Gmail, eTL, 녹음 모델 등을 연결하면 됩니다.
서울대 eTL과 게시판은 제가 실제로 적용한 출발점입니다. 그러나 Gmail·메시지·캘린더는 누구나 쓰는 소스이고, 공개 웹사이트 목록은 다른 학교·기관·관심 분야 주소로 바꿀 수 있습니다. 모든 기능이 독립적이라 자신의 업무에 필요한 부분만 가져갈 수 있습니다.
비슷한 작업 공간을 만들고 싶은 사람은 다음 세 질문부터 시작할 수 있습니다.
① “내가 한 일을 끝내기 위해 매번 오가는 사이트와 앱은 무엇인가?”
② “그중 AI가 의미를 판단해야 하는 일과, 정해진 규칙으로 처리하는 것이 더 정확한 일은 무엇인가?”
③ “각 단계에서 데이터가 어디로 가며, 실패하거나 결과가 달라질 때 사용자가 어떻게 알 수 있는가?”
· 공개 저장소: https://github.com/sesepark/snu-local-agent
· 바로 받는 앱(dmg): https://github.com/sesepark/snu-local-agent/releases
· 59초 실제 조작 영상: https://sesepark.github.io/snu-local-agent/
활용 범위와 출처를 밝힙니다. ChatGPT Edu와 Codex는 앱의 설계·구현·검토에 사용했습니다. 브리핑에는 Ollama 기반 언어 모델을, 전사·문서 인식·배경 제거·화질 개선에는 macOS 내장 기술과 공개 모델을 사용합니다. 제가 만든 부분은 이를 학생의 실제 흐름에 맞게 연결하고, 처리 위치·한계·실패를 사용자가 확인할 수 있도록 만든 구조입니다. 첨부 화면의 개인정보는 공개 전에 마스킹했습니다.
학생의 하루는 하나의 일인데, 실제 작업 공간은 계속 갈라져 있었습니다. eTL에서 과제와 공지를 보고, 학부·본부 게시판에서 장학금과 행사를 찾고, 메일·문자·캘린더를 확인했습니다. 수업이나 회의를 녹음한 뒤에는 다른 앱에서 받아쓰고, 과제를 내려면 또 웹을 돌아다니며 PDF를 줄이거나 한글 문서를 변환했습니다.
특히 파일 작업은 불편을 넘어 개인정보 문제였습니다. 제출 용량을 맞추거나 배경을 지우려고 성적표, 장학금 서류, 아직 내지 않은 과제를 처음 보는 무료 웹사이트에 올렸습니다. 그 파일이 어느 서버에 얼마나 남는지 알지 못했지만 급하다는 이유로 반복했습니다.
문제는 기능 하나가 없다는 것이 아니었습니다. 정보 확인부터 녹음, 문서 처리, 제출 준비까지 한 흐름이어야 할 일이 여러 사이트와 앱 사이에서 매번 끊기는 것이 문제였습니다. 그래서 목표를 “기능을 하나 더 만드는 것”이 아니라 “학생의 하루를 한 작업 공간에서 이어 주는 것”으로 잡았습니다.
■ 2. 어떤 AI를 어떻게 활용했나요?
학교의 ChatGPT Edu와 Codex를 설계·개발 파트너로 활용해 macOS 앱을 만들었습니다. 먼저 제가 반복하던 일을 정보, 녹음, 문서의 세 흐름으로 나누고, 각 단계에서 AI가 해야 할 일과 운영체제의 일반 기능으로 처리할 일을 구분했습니다.
[정보 흐름]
Gmail, 메시지, 캘린더, eTL, 학교·관심 분야 공개 웹사이트를 읽기 전용으로 모읍니다. 로컬 언어 모델이 각 항목을 ‘오늘 꼭 할 일 / 확인해야 할 것 / 기타’로 분류하고, 맥락·요청·마감을 한 화면과 달력으로 정리합니다. 사용자가 옮긴 분류는 반복될 때 다음 판단에 반영됩니다.
[녹음 흐름]
앱에서 수업이나 회의를 녹음하거나 기존 음성·영상 파일을 넣으면 기기 내 음성 인식으로 전사합니다. 긴 전사는 대기열에서 순서대로 처리하고, 이름과 과목·주제 태그를 붙여 다시 찾을 수 있게 했습니다.
[문서 흐름]
문서 인식, 스캔 보정, PDF 편집, 용량 줄이기, 한글 문서 변환, 배경 제거, 화질 개선을 앱 안에서 처리합니다. 어떤 기능은 macOS 내장 기술을, 어떤 기능은 기기 내 공개 모델을 사용합니다. AI를 쓰지 않아도 더 정확한 기능은 억지로 AI에 맡기지 않았습니다.
개발 과정에서는 “무엇을 로컬에서 끝낼 수 있는가”, “결과가 웹 서비스와 어떻게 다른가”, “받는 사람이 무엇을 설치해야 하는가”를 기능마다 AI에 물었습니다. 답을 그대로 쓰지 않고 실제 파일, 실패 상황, 자동 테스트로 확인하면서 구조를 고쳤습니다.
■ 3. 활용 결과 어떤 변화가 있었나요?
예전에는 다음 작업이 서로 다른 사이트와 프로그램에 흩어져 있었습니다.
학교·관심 웹사이트 확인 → 자동 브리핑·보관함·일정 달력
수업·회의 녹음 → 녹음·전사·태그 보관함
사진·PDF에서 글자 추출 → 문서 인식
비뚤어진 서류 펴기 → 스캔 보정
PDF 합치기·쪽 빼기 → PDF 편집
제출 용량 맞추기 → 용량 줄이기
한글 문서를 PDF로 → 형식 변환
사진 배경 지우기·선명화 → 배경 제거·화질 올리기
지금은 정보를 확인한 뒤 같은 앱에서 녹음을 정리하고, 문서를 손봐 제출 파일까지 만들 수 있습니다. 기능을 새로 발명한 것이 아니라, 끊어져 있던 작업의 자리를 하나로 옮긴 것입니다.
민감한 파일을 무료 웹 서비스에 업로드하던 일도 사라졌습니다. 파일을 창에 끌어다 놓으면 같은 맥에 결과가 만들어지고 원본은 그대로 남습니다. 준비하지 않은 기능은 그 기능만 빠질 뿐, 나머지 작업을 막지 않습니다.
앱은 현재 15개 화면과 379개 자동 테스트를 갖추었고, 설치 가능한 dmg와 전체 소스를 공개했습니다. 한 사람의 임시 자동화가 아니라 다른 사람이 받아 실제로 쓸 수 있는 작업 공간으로 정리했습니다.
■ 4. 나만의 방식 또는 개선 포인트는 무엇인가요?
제 방식은 “AI를 얼마나 많이 썼는가”가 아니라 “각 일을 어디에서, 어떤 근거로 처리하는가”를 화면에서 보이게 하는 것입니다.
첫째, AI와 일반 도구의 역할을 구분했습니다. 분류·요약·음성 인식처럼 의미 판단이 필요한 곳에는 AI를 사용하고, PDF 쪽 삭제나 형식 변환처럼 정해진 규칙이 더 정확한 곳에는 일반 처리를 사용했습니다.
둘째, 처리 위치를 기능마다 적었습니다. 로컬에서 끝나는지, 외부 주소를 사용자가 선택했는지, 무엇을 추가로 설치해야 하는지를 실행 전에 보여 줍니다. 한글 문서처럼 다시 조판되어 원본과 달라질 수 있는 기능은 그 한계도 숨기지 않습니다.
셋째, 개인정보의 경계를 기능별로 고정했습니다. 기본 브리핑은 기기 안의 모델을 사용합니다. 작은 맥을 위해 외부 API 연결도 열어 두었지만 사용자가 직접 선택해야 하며, 그때 전송되는 제목과 본문을 먼저 알립니다. 문서 인식·변환·압축·배경 제거·화질 개선에서는 어떤 설정을 골라도 파일 자체가 외부 API로 나가지 않습니다.
넷째, 실패를 조용히 숨기지 않았습니다. 연결하지 않은 소스는 다른 기능을 막지 않지만, 연결이 끊기거나 결과를 만들지 못한 경우에는 원인과 고칠 방법을 화면에 남깁니다.
■ 5. 다른 사람도 따라 할 수 있나요?
Apple Silicon 맥이 있으면 dmg를 받아 빌드 없이 사용할 수 있습니다. 아무것도 설정하지 않아도 문서 인식, 스캔 보정, PDF 편집, 용량 줄이기, 형식 변환부터 사용할 수 있습니다. 필요한 사람만 Gmail, eTL, 녹음 모델 등을 연결하면 됩니다.
서울대 eTL과 게시판은 제가 실제로 적용한 출발점입니다. 그러나 Gmail·메시지·캘린더는 누구나 쓰는 소스이고, 공개 웹사이트 목록은 다른 학교·기관·관심 분야 주소로 바꿀 수 있습니다. 모든 기능이 독립적이라 자신의 업무에 필요한 부분만 가져갈 수 있습니다.
비슷한 작업 공간을 만들고 싶은 사람은 다음 세 질문부터 시작할 수 있습니다.
① “내가 한 일을 끝내기 위해 매번 오가는 사이트와 앱은 무엇인가?”
② “그중 AI가 의미를 판단해야 하는 일과, 정해진 규칙으로 처리하는 것이 더 정확한 일은 무엇인가?”
③ “각 단계에서 데이터가 어디로 가며, 실패하거나 결과가 달라질 때 사용자가 어떻게 알 수 있는가?”
· 공개 저장소: https://github.com/sesepark/snu-local-agent
· 바로 받는 앱(dmg): https://github.com/sesepark/snu-local-agent/releases
· 59초 실제 조작 영상: https://sesepark.github.io/snu-local-agent/
활용 범위와 출처를 밝힙니다. ChatGPT Edu와 Codex는 앱의 설계·구현·검토에 사용했습니다. 브리핑에는 Ollama 기반 언어 모델을, 전사·문서 인식·배경 제거·화질 개선에는 macOS 내장 기술과 공개 모델을 사용합니다. 제가 만든 부분은 이를 학생의 실제 흐름에 맞게 연결하고, 처리 위치·한계·실패를 사용자가 확인할 수 있도록 만든 구조입니다. 첨부 화면의 개인정보는 공개 전에 마스킹했습니다.
