목록으로
업무 생산성 개선을 위한 AI 활용
하루 천 건이 넘는 지원사업·입찰 공고, AI가 근거와 함께 골라 주고 신청은 사람이 정하는 공고 비서
공공 출처의 지원사업·입찰 공고를 정기적으로 모아 꼭 볼 공고만 추리고, 관심 공고는 AI가 공고문을 읽어 자격 판정과 이유를 남기게 한 뒤, 신청 여부는 사람이 결정하도록 만든 업무용 AI 공고 비서입니다.
🤖 활용 AI 도구
Claude(공고문 판독·자격 판정·신청 의견), GPT(Claude가 응답하지 못할 때 Codex를 통해 같은 판정을 대신 처리), Claude Code·Codex(AI 코딩 도구로 프로그램 제작·수정) / 연동: 기업마당·공공데이터포털(K-Startup·중소벤처기업부 공고 등)·중소벤처24·조달청 나라장터 공공 API, 구글 캘린더, 텔레그램
https://sailab.ai.kr/aiblog 공고 웹페이지
https://youtube.com/shorts/C_QqzwlvHBU 유튜브 숏폼
① 어떤 상황에서 AI를 활용했나요?
회사에서 정부·지자체 지원사업에 사업계획서를 내고, 공공 입찰에 참여하는 일을 맡고 있습니다. 일의 출발점은 늘 「어떤 공고가 있나」를 찾는 것이었습니다.
그런데 공고는 기업마당, K-Startup, 중소벤처24, 각 진흥원 게시판, 조달청 나라장터처럼 여러 곳에 흩어져 있고, 같은 공고가 여러 곳에 겹쳐 올라옵니다. 제목만 봐서는 우리 회사가 신청할 수 있는지 알 수 없어서, PDF·HWP 공고문을 하나씩 열어 지역·업력·기업 규모 조건을 맞춰 봐야 했습니다.
양도 문제였습니다. 지원사업 공고를 한 번 모으면 3,545건(2026년 10월 28일 수집분)이 들어오고, 입찰 공고는 평일 하루에 1,300~1,700건이 새로 올라옵니다. 다 읽을 수는 없고, 안 읽으면 놓칠까 걱정되는 상황이었습니다.
② 어떤 AI를 어떻게 활용했나요?
Claude Code와 Codex 같은 AI 코딩 도구로 회사에서 쓸 공고 비서를 직접 만들었습니다. 원칙은 하나였습니다. 반복되는 일은 AI 없이 규칙으로 처리하고, 판단이 필요한 일만 AI에게 맡기는 것입니다.
1. 모으기(AI 없음): 지원사업은 공공 API와 기관 게시판 등 68개 출처에서 월·수·금에, 입찰은 나라장터·LH·한전 등 7개 기관에서 평일마다 공고를 모읍니다. 제목이 같거나 아주 비슷한 공고는 하나로 합치고, 정정·연장 공고는 원래 공고에 붙여 마감일 변경을 표시합니다.
2. 1차 거르기(AI 없음): 소재지·기업 규모·관심 분야 낱말로 점수를 매겨 「꼭 볼 / 참고 / 제외」로 나눕니다.
3. 하루 요약: 메일과 텔레그램 맨 위에 「오늘 볼 3건」과 마감이 다가오는 관심 공고를 보냅니다.
4. 자격 판정(Claude): 관심 공고나 따로 자격 확인을 요청한 공고는 Claude가 상세 화면과 첨부 공고문(PDF·HWP·HWPX)을 읽고, 회사별로 가능·불가·확인필요와 그 이유, 더 확인할 것, 지원금·자부담·마감일, 신청 의견(권장·조건부·비권장)을 정리합니다. Claude가 응답하지 못하면 GPT가 같은 요청을 대신 처리합니다.
5. 참여 결정(사람): 사람이 「참여 결정」을 누르면 공고 원문과 제출 서류 체크리스트가 담긴 준비 폴더가 만들어지고, 진행 현황판에서 검토→준비 중→제출→결과 단계로 관리합니다. 마감일은 구글 캘린더에 들어가고 D-7·D-3·D-1에 알림이 옵니다.
③ 활용 결과 어떤 변화가 있었나요?
- 읽을 양이 줄었습니다. 2026년 10월 29일 기준 마감이 지나지 않은 지원사업 공고 2,266건 가운데 「꼭 볼」은 109건(약 5%)입니다. 입찰은 10월 22~28일 평일 기준 하루 1,300~1,700건 가운데 우선 검토가 40~107건(약 3~6%)이었습니다.
- 같은 공고를 여러 사이트에서 따로 확인하던 일이 없어졌습니다. 겹친 공고가 한 건으로 합쳐져 보입니다.
- 공고문 전체를 읽기 전에 AI가 정리한 이유와 확인할 것을 먼저 보고, 해당 부분을 원문과 대조합니다.
- 지금은 이 공고 목록에서 고른 공고로 사업계획서를 준비해 제출하고, 입찰 참여도 준비·진행하고 있습니다.
아직 부족한 점도 솔직히 적습니다. 운영을 시작한 지 오래되지 않아 판정이 얼마나 정확한지는 숫자로 말할 수 없습니다. 그래서 「판정 점검」 화면을 만들어 표본 150건을 사람이 맞음·틀림으로 매기도록 준비해 두었고, 그 결과로 점수 기준을 고칠 계획입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
1. AI에게 결과만 받지 않고 근거와 이유를 함께 남기게 했습니다. AI에게 공고 원문과 회사 정보만 근거로 판단하고, 원문에 없는 내용은 「공고에 없음」, 정보가 모자라면 「확인필요」라고 쓰도록 지시했습니다. 조건과 회사 정보를 한 줄씩 대조해 남기니 사람이 원문과 바로 맞춰 볼 수 있습니다.
2. 내 취향과 AI의 오류를 따로 알려 줍니다. 「관심없음」은 우리 회사가 지금 하지 않기로 한 것일 뿐 AI가 틀린 것이 아닙니다. 그래서 관심없음은 목록에서만 빼고 점수에는 반영하지 않습니다. 지원사업은 「판정 틀림」 기록으로만 선별 점수를 고칩니다. 관심 공고에 나온 낱말은 그대로 두고, 틀림 기록에서 같은 낱말이 3건 이상 나오면 가점을 1점 낮춥니다. 둘을 섞어 가르치면 AI가 엉뚱하게 배우기 때문입니다.
3. 마지막 결정은 사람이 합니다. AI는 판정과 의견까지만 내고, 신청할지는 사람이 「참여 결정」으로 정합니다.
4. 회사 정보를 지킵니다. AI에게는 판정에 필요한 회사 정보만 넘기고, 로그인하지 않은 사람에게는 회사 이름을 A사·B사로 가리고 AI 판정 이유도 보여 주지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
프로그램을 만들지 않아도 핵심은 바로 따라 할 수 있습니다.
1. 자주 보는 공고 사이트를 적어 둡니다. 기업마당과 공공데이터포털(K-Startup, 중소벤처기업부 공고 등)은 공식 API로 공고 목록을 제공합니다.
2. 공고문 PDF는 외부 AI에 올려도 되는 자료인지 확인하고, 개인정보나 비공개 내용은 뺀 뒤 올립니다. 공고명·발행기관·공고일도 함께 적어 두고, 이렇게 요청합니다. 「우리 회사 조건(지역·업력·규모)과 공고의 자격 조건을 한 줄씩 대조해 줘. 공고에 없는 내용은 '공고에 없음'이라고 쓰고, 판단할 수 없으면 '확인필요'라고 해 줘.」
3. AI가 적은 이유와 확인할 것을 공고 원문에서 찾아 맞춰 봅니다.
4. 「관심없음」과 「AI가 틀림」을 표의 다른 칸에 따로 적어 둡니다. 다음에 AI에게 기준을 알려 줄 때는 틀림 칸만 씁니다.
5. 신청 여부는 사람이 정하고, 마감일은 캘린더에 바로 넣습니다.
AI가 공고를 대신 골라 주는 것보다 중요한 것은, 왜 그렇게 골랐는지를 사람이 확인할 수 있게 만드는 일이었습니다.
https://sailab.ai.kr/aiblog
https://youtube.com/shorts/C_QqzwlvHBU 유튜브 숏폼
① 어떤 상황에서 AI를 활용했나요?
회사에서 정부·지자체 지원사업에 사업계획서를 내고, 공공 입찰에 참여하는 일을 맡고 있습니다. 일의 출발점은 늘 「어떤 공고가 있나」를 찾는 것이었습니다.
그런데 공고는 기업마당, K-Startup, 중소벤처24, 각 진흥원 게시판, 조달청 나라장터처럼 여러 곳에 흩어져 있고, 같은 공고가 여러 곳에 겹쳐 올라옵니다. 제목만 봐서는 우리 회사가 신청할 수 있는지 알 수 없어서, PDF·HWP 공고문을 하나씩 열어 지역·업력·기업 규모 조건을 맞춰 봐야 했습니다.
양도 문제였습니다. 지원사업 공고를 한 번 모으면 3,545건(2026년 10월 28일 수집분)이 들어오고, 입찰 공고는 평일 하루에 1,300~1,700건이 새로 올라옵니다. 다 읽을 수는 없고, 안 읽으면 놓칠까 걱정되는 상황이었습니다.
② 어떤 AI를 어떻게 활용했나요?
Claude Code와 Codex 같은 AI 코딩 도구로 회사에서 쓸 공고 비서를 직접 만들었습니다. 원칙은 하나였습니다. 반복되는 일은 AI 없이 규칙으로 처리하고, 판단이 필요한 일만 AI에게 맡기는 것입니다.
1. 모으기(AI 없음): 지원사업은 공공 API와 기관 게시판 등 68개 출처에서 월·수·금에, 입찰은 나라장터·LH·한전 등 7개 기관에서 평일마다 공고를 모읍니다. 제목이 같거나 아주 비슷한 공고는 하나로 합치고, 정정·연장 공고는 원래 공고에 붙여 마감일 변경을 표시합니다.
2. 1차 거르기(AI 없음): 소재지·기업 규모·관심 분야 낱말로 점수를 매겨 「꼭 볼 / 참고 / 제외」로 나눕니다.
3. 하루 요약: 메일과 텔레그램 맨 위에 「오늘 볼 3건」과 마감이 다가오는 관심 공고를 보냅니다.
4. 자격 판정(Claude): 관심 공고나 따로 자격 확인을 요청한 공고는 Claude가 상세 화면과 첨부 공고문(PDF·HWP·HWPX)을 읽고, 회사별로 가능·불가·확인필요와 그 이유, 더 확인할 것, 지원금·자부담·마감일, 신청 의견(권장·조건부·비권장)을 정리합니다. Claude가 응답하지 못하면 GPT가 같은 요청을 대신 처리합니다.
5. 참여 결정(사람): 사람이 「참여 결정」을 누르면 공고 원문과 제출 서류 체크리스트가 담긴 준비 폴더가 만들어지고, 진행 현황판에서 검토→준비 중→제출→결과 단계로 관리합니다. 마감일은 구글 캘린더에 들어가고 D-7·D-3·D-1에 알림이 옵니다.
③ 활용 결과 어떤 변화가 있었나요?
- 읽을 양이 줄었습니다. 2026년 10월 29일 기준 마감이 지나지 않은 지원사업 공고 2,266건 가운데 「꼭 볼」은 109건(약 5%)입니다. 입찰은 10월 22~28일 평일 기준 하루 1,300~1,700건 가운데 우선 검토가 40~107건(약 3~6%)이었습니다.
- 같은 공고를 여러 사이트에서 따로 확인하던 일이 없어졌습니다. 겹친 공고가 한 건으로 합쳐져 보입니다.
- 공고문 전체를 읽기 전에 AI가 정리한 이유와 확인할 것을 먼저 보고, 해당 부분을 원문과 대조합니다.
- 지금은 이 공고 목록에서 고른 공고로 사업계획서를 준비해 제출하고, 입찰 참여도 준비·진행하고 있습니다.
아직 부족한 점도 솔직히 적습니다. 운영을 시작한 지 오래되지 않아 판정이 얼마나 정확한지는 숫자로 말할 수 없습니다. 그래서 「판정 점검」 화면을 만들어 표본 150건을 사람이 맞음·틀림으로 매기도록 준비해 두었고, 그 결과로 점수 기준을 고칠 계획입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
1. AI에게 결과만 받지 않고 근거와 이유를 함께 남기게 했습니다. AI에게 공고 원문과 회사 정보만 근거로 판단하고, 원문에 없는 내용은 「공고에 없음」, 정보가 모자라면 「확인필요」라고 쓰도록 지시했습니다. 조건과 회사 정보를 한 줄씩 대조해 남기니 사람이 원문과 바로 맞춰 볼 수 있습니다.
2. 내 취향과 AI의 오류를 따로 알려 줍니다. 「관심없음」은 우리 회사가 지금 하지 않기로 한 것일 뿐 AI가 틀린 것이 아닙니다. 그래서 관심없음은 목록에서만 빼고 점수에는 반영하지 않습니다. 지원사업은 「판정 틀림」 기록으로만 선별 점수를 고칩니다. 관심 공고에 나온 낱말은 그대로 두고, 틀림 기록에서 같은 낱말이 3건 이상 나오면 가점을 1점 낮춥니다. 둘을 섞어 가르치면 AI가 엉뚱하게 배우기 때문입니다.
3. 마지막 결정은 사람이 합니다. AI는 판정과 의견까지만 내고, 신청할지는 사람이 「참여 결정」으로 정합니다.
4. 회사 정보를 지킵니다. AI에게는 판정에 필요한 회사 정보만 넘기고, 로그인하지 않은 사람에게는 회사 이름을 A사·B사로 가리고 AI 판정 이유도 보여 주지 않습니다.
⑤ 다른 사람도 따라 할 수 있나요?
프로그램을 만들지 않아도 핵심은 바로 따라 할 수 있습니다.
1. 자주 보는 공고 사이트를 적어 둡니다. 기업마당과 공공데이터포털(K-Startup, 중소벤처기업부 공고 등)은 공식 API로 공고 목록을 제공합니다.
2. 공고문 PDF는 외부 AI에 올려도 되는 자료인지 확인하고, 개인정보나 비공개 내용은 뺀 뒤 올립니다. 공고명·발행기관·공고일도 함께 적어 두고, 이렇게 요청합니다. 「우리 회사 조건(지역·업력·규모)과 공고의 자격 조건을 한 줄씩 대조해 줘. 공고에 없는 내용은 '공고에 없음'이라고 쓰고, 판단할 수 없으면 '확인필요'라고 해 줘.」
3. AI가 적은 이유와 확인할 것을 공고 원문에서 찾아 맞춰 봅니다.
4. 「관심없음」과 「AI가 틀림」을 표의 다른 칸에 따로 적어 둡니다. 다음에 AI에게 기준을 알려 줄 때는 틀림 칸만 씁니다.
5. 신청 여부는 사람이 정하고, 마감일은 캘린더에 바로 넣습니다.
AI가 공고를 대신 골라 주는 것보다 중요한 것은, 왜 그렇게 골랐는지를 사람이 확인할 수 있게 만드는 일이었습니다.
https://sailab.ai.kr/aiblog
