목록으로
업무 생산성 개선을 위한 AI 활용
그대로 보내도 될까? AI로 만든 PPTX / DOCX 자료, 보내기 전 사용 가능한 검증 장치 제작
같은 요청으로 AI에게 PPT 6개와 Word 6개를 받았습니다. 핵심 숫자는 맞았지만 제목에 판단이 섞이고, 강조색이 세 가지 이상으로 갈라지고, 본문 글자가 작은 편이어서 그대로 보내기는 어려웠습니다. 요청에 조건을 붙이고, 보내기 전에 사람이 확인할 5가지(숫자, 출처, 원인, 단위, 읽는 사람)를 정리했습니다.
🤖 활용 AI 도구
ChatGPT, Claude (평소 PPT·Word 보고자료 제작에 사용). 이번 사례의 비교 결과 12개는 Claude(Claude Code 하위 에이전트) 6개와 OpenAI GPT 계열 모델(opencode) 6개가 같은 요청문으로 만들었습니다. 사례 자료(장표, 영상, 점검 카드, 안내 문서)는 Claude Code(Anthropic)가 작업을 나눠 Claude Code 하위 에이전트와 Muse Code에 맡기고, 결과 화면을 쪽과 프레임 단위로 검토해 고쳤습니다. 영상의 한국어 내레이션은 VoiceStudio(OmniVoice 모델)로 만든 AI 합성 음성이고, 영상 화면은 Claude Code가 HTML로 만든 뒤 프레임별로 렌더링하여 완성하였습니다.
① 어떤 상황에서 AI를 활용했나요?
저는 ChatGPT와 Claude로 PPT와 Word를 만들어 내부 보고, 과제 의뢰자 공유, 대외 보고에 씁니다. 그런데 "PPT 만들어 줘"라고만 요청하면 서식, 말투, 그래프가 어색해서 받은 파일을 그대로 보내지 못하고, 쓸 때마다 서식을 고쳐야 합니다. 저는 보고자료에서 디자인의 미감과 차트가 잘 읽히는지를 중요하게 봅니다. 이 사례는 같은 요청을 여러 번 해서 어디가 매번 걸리는지 확인하고, AI가 만든 문서를 보내기 전에 무엇을 봐야 하는지 정리한 것입니다.
비교에는 업무 자료 대신 공개 데이터(서울 일별 기온, 원/달러 환율과 브렌트유 가격, 한국 연령대별 인구)를 썼습니다. 이 자료로 같은 상황을 만들어 팀장에게 '서울의 여름 더위, 한국 인구 구조, 원화 환산 유가' 점검 내용을 설명하는 PPT 10장과 Word 보고서 6쪽 안팎을 요청했습니다. 비교에 쓴 문서는 이번에 새로 만든 예시입니다.
② 어떤 AI를 어떻게 활용했나요?
같은 요청문과 같은 자료 파일 5개를 Claude와 OpenAI GPT 계열 모델에 각각 PPTX 3번, DOCX 3번 보냈습니다. 합계 PPTX 6개와 DOCX 6개이며, 설계 조건 없이 요청한 첫 결과를 그대로 보관했습니다. 이 12개에서 장 수, 강조색, 제목 유형, 글자 크기, 격자선, 단위 같은 서식 특징을 프로그램으로 세었고, 본문과 차트의 숫자를 원자료에서 다시 계산한 값과 대조했습니다. 이어서 서식 조건과 그래프 규칙을 붙여 같은 자료의 보고서 10장을 다시 만들었고, 확인할 항목을 점검 카드 한 장으로 정리했습니다.
③ 활용 결과 어떤 변화가 있었나요?
- 숫자는 맞았습니다. 12개 파일의 본문, 표, 차트 값을 원자료와 대조한 범위에서 데이터 값이 틀린 곳은 없었습니다(일치 5,712건, 데이터 값 불일치 0건). 렌더링된 눈금 간격이 설명과 다르게 보인 2건과 자료로 계산할 수 없는 18건은 해당 화면을 따로 열어 확인했습니다.
- 그런데 그대로 보내기는 어려웠습니다. 제목에 판단이 섞였습니다. PPT 6개 모두 10장 중 7장 이상이 "…최근 많아졌다" 같은 문장형 제목이었고, 그 판단이 자료와 맞는지는 보내는 사람이 확인해야 합니다. 강조색은 3가지 이상으로 갈라졌고, 본문 글자는 12–16pt로 조건을 붙인 보고서의 18pt보다 작았습니다.
- 같은 요청인데 결과의 모양이 달랐습니다. Word는 6쪽 안팎으로 요청했는데 6쪽부터 9쪽까지 나왔고, PPT의 둥근 모서리 도형은 0개인 파일도 30개인 파일도 있었습니다. 내부 보고나 대외 보고에 쓰려면 그때마다 서식을 손봐야 했습니다.
- 빈도가 낮아도 사람이 걸러야 하는 경우가 있었습니다. 단위가 다른 두 값(천 원/배럴과 달러/배럴)을 같은 축에 놓은 차트가 PPTX 6개 중 1개 있었습니다.
- 요청에 조건(강조색 한 가지, 주제 이름 제목, 본문 12pt 이상 등)을 붙이면 강조색 1가지, 주제형 제목 10장, 본문 18pt인 보고서를 받았습니다. 다만 조건 하나하나의 효과는 따로 시험하지 않았습니다.
- 이 결과를 보내기 전 점검 카드(첨부 3)와 60초 이내 영상(첨부 2)으로 정리했습니다. 전체 비교와 측정은 첨부 1에 있습니다.
- 시간 절감과 읽는 사람의 반응은 측정하지 않았고 주장하지 않습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 문서를 받으면 세 단계로 확인합니다. 첫째, 숫자를 원자료와 맞춥니다. 이번 12개에서는 모두 맞았지만 이 단계는 그대로 둡니다. 둘째, 그대로 보내기 어려웠던 부분을 봅니다. 제목에 판단이 섞였는지, 강조색이 몇 가지인지, 본문 글자가 받는 사람이 보는 크기인지 확인합니다. 셋째, 보내기 전에 사람이 끝까지 확인할 다섯 가지를 읽습니다. 이 루틴을 '보내기 전 다섯 가지 점검'이라고 부릅니다. AI는 초안을 만들고, 보낼지 판단은 사람이 합니다.
- 숫자는 본문과 차트의 값을 원자료와 맞춥니다.
- 출처는 제공처와 자료 이름이 적혀 있는지, 실제로 그 자료인지 봅니다.
- 원인은 결론과 원인 설명을 자료가 뒷받침하는지 봅니다. 사실, 원인 설명, 업무 제안을 나눠 읽습니다.
- 단위는 숫자의 단위와 차트 축이 같은 기준인지 봅니다.
- 읽는 사람은 받는 사람에게 필요한 내용인지, 그 사람이 보는 크기에서 읽히는지 봅니다.
반복해서 걸린 부분은 요청문에 조건으로 미리 적습니다(강조색 한 가지, 주제 이름 제목, 짧은 문장, 차트 개체, 점 수에 따른 값 표시, 마지막에 모든 장을 이미지로 열어 확인). 이 조건과 요청문은 첨부 5에 있고, 같은 조건을 적용해 만든 보고서가 첨부 4입니다.
⑤ 다른 사람도 따라 할 수 있나요?
1. AI가 만든 PPT나 Word를 열고 점검 카드(첨부 3)의 문항에 체크합니다.
2. 숫자는 원자료와 맞춰 보고, 단위와 기간, 출처 표시를 확인합니다.
3. 제목에 판단이 섞였는지, 강조색이 몇 가지인지, 글자 크기가 맞는지 보고 고칠 곳을 AI에게 다시 요청합니다.
4. 반복해서 고치는 항목은 요청문 조건으로 옮깁니다(첨부 5의 요청문을 시작점으로 씁니다).
5. 보내기 전 마지막으로 사람이 확인할 다섯 가지(숫자, 출처, 원인, 단위, 읽는 사람)를 읽습니다.
시험한 것은 공개 자료 한 묶음과 코드로 만든 결과 12개입니다. ChatGPT 웹 화면과 claude.ai 웹 화면의 결과, 다른 업무, 다른 자료는 시험하지 않았습니다.
자료 출처와 책임
- 서울 기온과 강수: Open-Meteo 과거 날씨 API(https://open-meteo.com/), ERA5 재분석 자료, 서울 중심부 격자. 기상청 관측소 값이 아닙니다. Open-Meteo 데이터는 CC BY 4.0이고 무료 API는 비상업 이용 조건입니다.
- 원/달러 환율과 브렌트유: FRED(St. Louis Fed). 원/달러는 연준 H.10 자료(https://fred.stlouisfed.org/series/DEXKOUS), 브렌트유는 미국 에너지정보청 자료(https://fred.stlouisfed.org/series/DCOILBRENTEU)입니다. 두 자료가 모두 있는 날만 월평균과 연평균에 썼습니다.
- 한국 연령대별 인구: 유엔 세계인구전망 2024를 Our World in Data가 가공한 자료(https://ourworldindata.org/grapher/population-by-age-group), 2023년까지의 추정치입니다.
- 모든 자료는 2026-10-20에 조회했고, 원화 환산 유가는 달러 가격에 환율을 곱한 지표이며 실제 수입 원가와 다릅니다. 제공처의 로고와 화면 디자인은 쓰지 않았고 이 자료는 제공처의 견해와 무관합니다. 가공한 내용의 책임은 작성자에게 있습니다. 개인정보와 기밀 자료는 쓰지 않았고, AI가 만든 결과의 정확성은 값 대조로 확인했으며 최종 책임은 제출자에게 있습니다.
저는 ChatGPT와 Claude로 PPT와 Word를 만들어 내부 보고, 과제 의뢰자 공유, 대외 보고에 씁니다. 그런데 "PPT 만들어 줘"라고만 요청하면 서식, 말투, 그래프가 어색해서 받은 파일을 그대로 보내지 못하고, 쓸 때마다 서식을 고쳐야 합니다. 저는 보고자료에서 디자인의 미감과 차트가 잘 읽히는지를 중요하게 봅니다. 이 사례는 같은 요청을 여러 번 해서 어디가 매번 걸리는지 확인하고, AI가 만든 문서를 보내기 전에 무엇을 봐야 하는지 정리한 것입니다.
비교에는 업무 자료 대신 공개 데이터(서울 일별 기온, 원/달러 환율과 브렌트유 가격, 한국 연령대별 인구)를 썼습니다. 이 자료로 같은 상황을 만들어 팀장에게 '서울의 여름 더위, 한국 인구 구조, 원화 환산 유가' 점검 내용을 설명하는 PPT 10장과 Word 보고서 6쪽 안팎을 요청했습니다. 비교에 쓴 문서는 이번에 새로 만든 예시입니다.
② 어떤 AI를 어떻게 활용했나요?
같은 요청문과 같은 자료 파일 5개를 Claude와 OpenAI GPT 계열 모델에 각각 PPTX 3번, DOCX 3번 보냈습니다. 합계 PPTX 6개와 DOCX 6개이며, 설계 조건 없이 요청한 첫 결과를 그대로 보관했습니다. 이 12개에서 장 수, 강조색, 제목 유형, 글자 크기, 격자선, 단위 같은 서식 특징을 프로그램으로 세었고, 본문과 차트의 숫자를 원자료에서 다시 계산한 값과 대조했습니다. 이어서 서식 조건과 그래프 규칙을 붙여 같은 자료의 보고서 10장을 다시 만들었고, 확인할 항목을 점검 카드 한 장으로 정리했습니다.
③ 활용 결과 어떤 변화가 있었나요?
- 숫자는 맞았습니다. 12개 파일의 본문, 표, 차트 값을 원자료와 대조한 범위에서 데이터 값이 틀린 곳은 없었습니다(일치 5,712건, 데이터 값 불일치 0건). 렌더링된 눈금 간격이 설명과 다르게 보인 2건과 자료로 계산할 수 없는 18건은 해당 화면을 따로 열어 확인했습니다.
- 그런데 그대로 보내기는 어려웠습니다. 제목에 판단이 섞였습니다. PPT 6개 모두 10장 중 7장 이상이 "…최근 많아졌다" 같은 문장형 제목이었고, 그 판단이 자료와 맞는지는 보내는 사람이 확인해야 합니다. 강조색은 3가지 이상으로 갈라졌고, 본문 글자는 12–16pt로 조건을 붙인 보고서의 18pt보다 작았습니다.
- 같은 요청인데 결과의 모양이 달랐습니다. Word는 6쪽 안팎으로 요청했는데 6쪽부터 9쪽까지 나왔고, PPT의 둥근 모서리 도형은 0개인 파일도 30개인 파일도 있었습니다. 내부 보고나 대외 보고에 쓰려면 그때마다 서식을 손봐야 했습니다.
- 빈도가 낮아도 사람이 걸러야 하는 경우가 있었습니다. 단위가 다른 두 값(천 원/배럴과 달러/배럴)을 같은 축에 놓은 차트가 PPTX 6개 중 1개 있었습니다.
- 요청에 조건(강조색 한 가지, 주제 이름 제목, 본문 12pt 이상 등)을 붙이면 강조색 1가지, 주제형 제목 10장, 본문 18pt인 보고서를 받았습니다. 다만 조건 하나하나의 효과는 따로 시험하지 않았습니다.
- 이 결과를 보내기 전 점검 카드(첨부 3)와 60초 이내 영상(첨부 2)으로 정리했습니다. 전체 비교와 측정은 첨부 1에 있습니다.
- 시간 절감과 읽는 사람의 반응은 측정하지 않았고 주장하지 않습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
AI가 만든 문서를 받으면 세 단계로 확인합니다. 첫째, 숫자를 원자료와 맞춥니다. 이번 12개에서는 모두 맞았지만 이 단계는 그대로 둡니다. 둘째, 그대로 보내기 어려웠던 부분을 봅니다. 제목에 판단이 섞였는지, 강조색이 몇 가지인지, 본문 글자가 받는 사람이 보는 크기인지 확인합니다. 셋째, 보내기 전에 사람이 끝까지 확인할 다섯 가지를 읽습니다. 이 루틴을 '보내기 전 다섯 가지 점검'이라고 부릅니다. AI는 초안을 만들고, 보낼지 판단은 사람이 합니다.
- 숫자는 본문과 차트의 값을 원자료와 맞춥니다.
- 출처는 제공처와 자료 이름이 적혀 있는지, 실제로 그 자료인지 봅니다.
- 원인은 결론과 원인 설명을 자료가 뒷받침하는지 봅니다. 사실, 원인 설명, 업무 제안을 나눠 읽습니다.
- 단위는 숫자의 단위와 차트 축이 같은 기준인지 봅니다.
- 읽는 사람은 받는 사람에게 필요한 내용인지, 그 사람이 보는 크기에서 읽히는지 봅니다.
반복해서 걸린 부분은 요청문에 조건으로 미리 적습니다(강조색 한 가지, 주제 이름 제목, 짧은 문장, 차트 개체, 점 수에 따른 값 표시, 마지막에 모든 장을 이미지로 열어 확인). 이 조건과 요청문은 첨부 5에 있고, 같은 조건을 적용해 만든 보고서가 첨부 4입니다.
⑤ 다른 사람도 따라 할 수 있나요?
1. AI가 만든 PPT나 Word를 열고 점검 카드(첨부 3)의 문항에 체크합니다.
2. 숫자는 원자료와 맞춰 보고, 단위와 기간, 출처 표시를 확인합니다.
3. 제목에 판단이 섞였는지, 강조색이 몇 가지인지, 글자 크기가 맞는지 보고 고칠 곳을 AI에게 다시 요청합니다.
4. 반복해서 고치는 항목은 요청문 조건으로 옮깁니다(첨부 5의 요청문을 시작점으로 씁니다).
5. 보내기 전 마지막으로 사람이 확인할 다섯 가지(숫자, 출처, 원인, 단위, 읽는 사람)를 읽습니다.
시험한 것은 공개 자료 한 묶음과 코드로 만든 결과 12개입니다. ChatGPT 웹 화면과 claude.ai 웹 화면의 결과, 다른 업무, 다른 자료는 시험하지 않았습니다.
자료 출처와 책임
- 서울 기온과 강수: Open-Meteo 과거 날씨 API(https://open-meteo.com/), ERA5 재분석 자료, 서울 중심부 격자. 기상청 관측소 값이 아닙니다. Open-Meteo 데이터는 CC BY 4.0이고 무료 API는 비상업 이용 조건입니다.
- 원/달러 환율과 브렌트유: FRED(St. Louis Fed). 원/달러는 연준 H.10 자료(https://fred.stlouisfed.org/series/DEXKOUS), 브렌트유는 미국 에너지정보청 자료(https://fred.stlouisfed.org/series/DCOILBRENTEU)입니다. 두 자료가 모두 있는 날만 월평균과 연평균에 썼습니다.
- 한국 연령대별 인구: 유엔 세계인구전망 2024를 Our World in Data가 가공한 자료(https://ourworldindata.org/grapher/population-by-age-group), 2023년까지의 추정치입니다.
- 모든 자료는 2026-10-20에 조회했고, 원화 환산 유가는 달러 가격에 환율을 곱한 지표이며 실제 수입 원가와 다릅니다. 제공처의 로고와 화면 디자인은 쓰지 않았고 이 자료는 제공처의 견해와 무관합니다. 가공한 내용의 책임은 작성자에게 있습니다. 개인정보와 기밀 자료는 쓰지 않았고, AI가 만든 결과의 정확성은 값 대조로 확인했으며 최종 책임은 제출자에게 있습니다.
