① 어떤 상황에서 AI를 활용했나요?
분석, 기획, 콘텐츠 제작, 문서 작성, 서비스 개발 등 다양한 지식 기반 작업에 생성형 AI를 활용해 왔습니다. 작업 분야는 달랐지만, 많은 정보를 분석하고 구조화하여 실제로 활용할 수 있는 결과물로 완성해야 한다는 공통점이 있었습니다.

초기에는 작업마다 필요한 프롬프트를 작성하고, AI의 답변을 확인한 뒤 부족한 부분을 추가로 지시하는 방식으로 작업했습니다. 그러나 작업이 복잡해지거나 여러 단계가 연결되면 처음 정한 목적과 기준을 후속 작업에서도 유지하기가 쉽지 않았습니다. 같은 작업도 지시 방식에 따라 결과의 구성과 표현이 달라졌으며, 원하는 결과를 얻기 위해 프롬프트와 작업 기준을 반복해서 조정해야 했습니다.

특히 반복 작업에서는 분석 방향과 자료 구성, 검토 기준을 매번 다시 정하는 데 시간이 들었습니다. AI가 개별 답변을 생성하는 것만으로는 충분하지 않았으며, 작업의 목적에 맞는 결과물을 만들고 이를 검토·수정하는 전체 과정을 효율적으로 관리할 필요가 있었습니다.

이에 프롬프트를 개별적으로 개선하는 데서 나아가, 작업마다 달라지는 내용은 유연하게 구성하면서도 여러 작업에 공통으로 필요한 원칙과 검증 기준을 유지할 수 있는 협업 구조를 구상했습니다. 사람이 모든 작업 절차를 일일이 지정하는 부담은 줄이면서 AI가 작업의 목적과 제약조건에 맞는 관점과 실행 절차를 구성하도록 하는 방식입니다.

이후 실제 작업에 적용하면서 공통 원칙과 재사용 가능한 작업 모듈, 실행 절차를 정리하고 발전시켰으며, 이를 AEGIS라는 AI 협업 구조로 체계화했습니다.


② 어떤 AI를 어떻게 활용했나요?
주로 ChatGPT, Gemini, Gemini Notebook을 활용해 분석, 기획, 문서 작성, 콘텐츠 제작 및 서비스 개발을 진행했습니다. 작업의 성격에 따라 정보를 정리하고 여러 관점에서 검토하거나, 초안과 결과물을 제작하고 개선하는 데 AI를 활용했습니다. AI가 생성한 내용을 그대로 확정하기보다 필요한 경우 출처와 근거를 확인하고, 사실성과 논리성을 검토하며 부족한 부분을 수정했습니다.

이 과정에서 반복되는 지시와 수정 부담을 줄이고 다양한 작업에 공통으로 적용할 수 있도록 설계한 것이 AEGIS입니다. AEGIS는 작업의 목적과 성공 기준을 중심으로 AI의 판단과 실행을 관리하는 협업 구조로, 공통 원칙과 작업별 기능, 실행 절차를 구분해 구성했습니다.

AEGIS의 핵심 구성

1. AEGIS PRIME — 공통 원칙과 판단 기준
AEGIS PRIME은 다양한 작업에 공통으로 적용되는 상위 원칙과 판단 기준입니다. 작업의 목적과 성공 기준을 유지하고, 사실성·논리성·검증·사용자 승인 등의 원칙을 적용하도록 합니다. 작업 분야가 바뀌더라도 공통으로 지켜야 할 기준을 유지하는 역할입니다.

2. Work Blocks — 재사용 가능한 작업 모듈
Work Blocks는 분석, 기획, 작성, 구현, 검토 등 특정 기능을 수행하도록 구성한 작업 모듈입니다. 각 모듈은 작업 목적, 입력, 수행 규칙, 검증 기준 및 출력 등을 구분하여 필요한 기능을 재사용할 수 있도록 설계했습니다.
개별 모듈을 독립적으로 사용하는 데 그치지 않고, 공통 원칙과 전체 실행 절차에 연결해 활용하도록 구성했습니다. 이를 통해 작업별 전문성을 확보하면서도 필요한 모듈을 조합하거나 확장할 수 있도록 했습니다.

3. Workflow — 목적에 맞게 구성하는 실행 절차
Workflow는 모든 작업에 동일한 순서를 미리 고정하는 방식이 아닙니다. AI가 작업의 목적과 복잡도, 요구사항 및 제약조건을 바탕으로 필요한 작업 모듈과 실행 순서를 판단하고, 작업 수행부터 결과 통합과 검증까지의 절차를 구성하도록 설계했습니다.
단순한 작업에는 불필요한 단계를 줄이고, 여러 단계가 연결되거나 정확한 검증이 필요한 작업에는 보다 체계적인 절차를 적용합니다. 이를 통해 사람이 모든 단계를 일일이 지정하는 부담을 줄이면서도 작업의 목적과 중요한 기준을 유지하고자 했습니다.

세 요소는 서로 연결되어 작동합니다. AEGIS PRIME이 공통 기준을 제공하고, AI가 목적에 맞는 Workflow와 필요한 Work Blocks를 구성하여 작업을 수행합니다. 이후 개별 작업의 결과를 통합하고 검증하며, 필요한 부분을 수정해 처음 정한 목적과 성공 기준에 부합하는 결과물을 완성합니다. 이 과정에서 AI는 사용자가 정한 제약조건과 승인 기준을 따르며, 중요한 판단과 최종 결과 확인은 사람이 담당합니다.

실제 적용 사례
AEGIS는 특정 작업에 한정되지 않고 분석·기획·문서 작성·콘텐츠 제작·서비스 개발 등 다양한 AI 활용 작업에 적용하고 있습니다. 다음은 그중 일부 사례입니다.

자료 분석에서는 증시 시황과 주요 지표를 분석하고, 분석 자료(PDF)와 음성 브리핑을 제작해 왔습니다. 현재는 모바일 환경에서의 이용 편의성을 고려하여 음성 브리핑을 중심으로 지인들과 매일 공유하고 있습니다. 분석 방향과 자료 구성, 검토 기준 및 제작 절차를 반복해서 활용함으로써 자료 제작 시간을 단축하고 결과물의 구성과 품질을 일관되게 유지하고 있습니다.

바이브코딩에서는 농작물 수급·영농정보 플랫폼인 CSDI 개발을 비롯한 서비스 개발에 활용하고 있습니다. 요구사항 정리, 작업 계획 수립, 구현 결과 검토, 실제 데이터의 조건 및 산출 결과 확인 등에 AI를 활용하며, 구현과 검증을 반복하는 개발 과정에 AEGIS의 협업 원칙을 적용하고 있습니다.

이 밖에도 기획과 설계, 문서 작성, 콘텐츠 제작, 문제 해결 등 다양한 작업에 활용하고 있습니다. 작업의 목적과 결과물은 다르지만, 공통 원칙을 유지하면서 필요한 모듈과 실행 절차를 구성하고 결과를 검증한다는 기본 방식은 동일합니다.


③ 활용 결과 어떤 변화가 있었나요?
가장 큰 변화는 작업마다 프롬프트를 새로 구성하고 결과를 반복해서 조정하던 방식에서 벗어나, 공통 원칙과 재사용 가능한 작업 절차를 바탕으로 AI와 협업하게 되었다는 점입니다.

반복적인 자료 제작에서는 분석 방향과 자료 구성, 결과물 제작 기준을 재사용하면서 매번 작업 절차를 새로 정하는 부담을 줄일 수 있었습니다. 또한 기존 제작 방식을 작업 목적에 맞게 조정하여 다른 발표 자료 제작에도 활용할 수 있게 되었습니다.

서비스 개발에서는 요구사항과 설계 기준을 바탕으로 작업을 나누고, 각 기능의 구현 결과뿐 아니라 기존 설계 및 다른 기능과의 관계도 함께 검토했습니다. 이를 통해 개별 기능의 완성에만 집중하지 않고, 전체 목적과 요구사항에 맞춰 개발 결과를 확인하고 개선하는 협업 방식을 체계화할 수 있었습니다.

이처럼 AEGIS를 활용하면서 나타난 변화는 다음과 같습니다.

∙ 작업 효율 향상: 반복적인 지시와 수정 과정을 줄여 자료 제작에 소요되는 시간을 단축했습니다.
∙ 결과물의 일관성 유지: 공통 기준을 바탕으로 작업 방향과 결과물의 구성 및 품질을 일관되게 유지하고 있습니다.
∙ 작업 절차의 재사용: 한 작업에서 정리한 원칙과 절차를 다른 작업에도 적용할 수 있도록 구조화했습니다.
∙ 협업 방식의 적용 범위 확대: 자료 제작에서 활용한 협업 방식을 서비스 개발, 기획 및 문서 작성에도 적용하고 있습니다.


④ 나만의 방식 또는 개선 포인트는 무엇인가요?
제가 중요하게 생각하는 차별점은 프롬프트를 단순한 명령문으로 보지 않고, 사람과 AI가 함께 문제를 해결하기 위한 협업 구조로 바라본다는 점입니다. 사람은 목적과 결과를 제시하고 주요 판단과 결과 확인을 담당하며, AI는 목적에 맞는 관점과 실행 절차를 구성하도록 역할을 나누었습니다.

이러한 협업 구조에 AEGIS라는 이름을 붙였습니다. 이지스함에서 영감을 받아 직접 정한 명칭으로, 다양한 정보와 관점을 통합해 작업의 목적에 맞게 판단과 실행을 관리한다는 취지를 담았습니다.

AEGIS의 핵심적인 차별점은 다음과 같습니다.

∙ 목적 중심의 실행: 작업의 목적과 성공 기준을 먼저 정하고, 이후의 판단과 실행이 이에 부합하도록 합니다.
∙ 공통 원칙과 작업 기능의 분리: 여러 작업에서 공통으로 지켜야 할 원칙과 개별 기능을 수행하는 모듈을 구분합니다.
∙ 유연한 실행 절차 구성: 모든 작업을 동일한 순서에 맞추지 않고, 목적과 복잡도에 따라 필요한 모듈과 실행 단계를 조정합니다.
∙ 실행 결과의 검증: 개별 작업의 결과뿐 아니라 통합된 결과도 목적과 성공 기준, 제약조건에 부합하는지 확인합니다.
∙ 경험을 통한 개선: 실제 작업에서 발견한 문제와 개선점을 이후 작업의 원칙과 절차에 반영합니다.

AEGIS의 차별점은 공통 원칙을 유지하면서도 작업의 목적과 복잡도에 따라 필요한 기능과 실행 절차를 유연하게 구성한다는 데 있습니다. AI에 모든 판단을 맡기거나 정해진 절차를 반복하기보다, 사람과 AI의 역할을 구분하고 실제 작업에서 얻은 경험을 협업 구조의 개선으로 연결하도록 설계했습니다.


⑤ 다른 사람도 따라 할 수 있나요?
이 방식은 특별한 기술이나 복잡한 프롬프트를 반드시 필요로 하지 않습니다. 처음부터 AEGIS와 같은 별도의 협업 구조를 만들 필요도 없습니다. 중요한 것은 작업의 목적을 분명히 하고, 공통 원칙을 정하며, AI가 필요한 작업 절차를 구성하도록 한 뒤 실제 결과를 확인하는 것입니다.

다음 순서로 적용할 수 있습니다.

1. 목적과 결과 설정: 해결할 문제와 작업의 목적, 원하는 결과, 성공 기준 및 제약조건을 정합니다.
2. 공통 원칙 정리: 사실 확인, 결과 검토, 개인정보 보호, 사용자 승인 등 반복되는 작업에 필요한 기준을 정합니다.
3. 작업 모듈 구성: 반복해서 사용하는 분석, 기획, 작성, 검토 등의 작업을 재사용 가능한 단위로 정리합니다.
4. 실행 절차 구성: AI가 작업의 목적과 복잡도에 따라 필요한 기능과 실행 순서를 판단하도록 합니다.
5. 결과 검증 및 개선: 결과가 목적과 기준에 부합하는지 확인하고 부족한 부분을 수정합니다. 반복해서 발견한 문제는 다음 작업의 원칙과 절차에 반영합니다.

이 과정을 반복하면 작업별 프롬프트에만 의존하는 방식에서 벗어나 자신에게 필요한 공통 원칙과 재사용 가능한 작업 모듈을 점진적으로 만들 수 있습니다. 분석, 기획, 문서 작성, 콘텐츠 제작, 데이터 검증 및 서비스 개발 등 다양한 지식 기반 작업에 적용할 수 있으며, 작업의 복잡도에 따라 절차의 수준을 조정할 수도 있습니다.

실제 적용 시 모든 단계를 자동화하거나 AI의 판단을 그대로 따를 필요는 없습니다. 사람은 목적과 중요한 판단을 관리하고, AI는 분석과 실행 절차 구성을 지원하도록 역할을 나누면 됩니다. 실제 활용 과정에서 발견한 문제를 공통 원칙과 작업 절차에 반영하며 개선해 나가는 것이 중요합니다.

AEGIS는 이러한 경험을 바탕으로 발전시킨 하나의 AI 협업 구조입니다. 다른 사람도 자신의 작업 목적과 환경에 맞게 공통 원칙과 실행 절차를 정리하고 실제 활용 경험을 통해 개선한다면, 특정 프롬프트에만 의존하지 않고 자신에게 적합한 AI 협업 방식을 만들어 갈 수 있습니다.