1. 어떤 상황에서 AI를 활용했나요?

큐프리젠(Qpresen)을 개발하면서, 발표자가 자료를 만들고 노트를 작성한 뒤 슬라이드를 제어하고 청중의 질문까지 살펴야 하는 과정에 주목했습니다. 준비·진행·정리 업무가 서로 다른 도구로 흩어져 있으면 기능 사이를 오가는 부담이 생깁니다. 이미 가진 스마트폰과 스마트글래스를 활용해 발표 제어, 자막·번역, 청중 참여를 연결하는 플랫폼을 만들고자 했습니다. 이 과정에서 Readdy·Claude를 개발 도구로 사용하고, 서비스 기능에도 AI를 연결했습니다. 현재 플랫폼은 자체 평가로 약 80% 개발된 단계입니다. 이번 사례는 실제 플랫폼 개발·시험 과정이며, 외부 고객의 현장 성과를 주장하는 사례는 아닙니다.

2. 어떤 AI를 어떻게 활용했나요?

AI에게 처음부터 플랫폼 전체를 한 번에 만들어 달라고 하기보다, 필요한 기능을 작게 나누고 입력·출력·예외 조건을 구체적으로 전달했습니다. 실제 적용한 요구사항은 세 가지로 설명할 수 있습니다.

첫째, 발표자료 제작에서는 목차와 장수를 먼저 제안하고 톤, 청중, 출력 형식을 차례로 확인하도록 브리핑 흐름을 구성했습니다. 이 과정을 HTML 슬라이드와 발표자 노트 생성으로 연결했습니다. 둘째, 발표자료 번역에서는 HTML을 통째로 번역하지 않고 텍스트 노드만 추출해 번역한 뒤 원래 위치에 돌려놓도록 요청했습니다. 글을 바꾸면서 태그·클래스와 화면 구조를 유지하는 것이 핵심이었습니다. 셋째, 스마트글래스에서는 슬라이드가 바뀔 때 해당 노트를 보내고, 늦게 접속한 기기도 현재 노트를 다시 받을 수 있도록 연결 동작을 구체화했습니다. 제공 IR에는 이 세 가지 실제 적용 요구사항과 프롬프트를 발췌·축약해 정리했습니다.

3. 활용 결과 어떤 변화가 있었나요?

발표 기능에 대한 아이디어를 화면과 동작 단위로 구현하고, 결과를 보면서 다시 수정하는 개발 흐름을 만들었습니다. 서비스에는 자료·노트 생성, 자막·번역, 발표 제어, 청중 질문과 기록을 연결하는 기능을 구성했고, 스마트폰과 스마트글래스에서의 이용 모습을 화면으로 정리했습니다. 첨부자료에서는 서비스 소개 화면, 프로토타입 시안, 스마트글래스 목업을 각각 구분했습니다.

추가로 기존 반도체 발표자료를 별도의 로컬 시험 화면에 넣고, Whisper large-v3와 Qwen3:4b를 활용해 설명에 맞는 강조 대상을 고르는 시범을 만들었습니다. 실제 모델의 대상 선택과 브라우저 표시를 시험하면서, 단어를 짚는 레이저와 도형·글줄 윤곽 강조를 개선했습니다. 아직 실제 현장에서의 준비 시간 절감이나 청중 이해도 개선을 측정한 것은 아닙니다.

4. 나만의 방식 또는 개선 포인트는 무엇인가요?

AI가 만든 결과를 곧바로 완성본으로 취급하지 않고, 실제 자료와 화면 구조에 맞는지 확인했습니다. 번역에서는 문구와 HTML 구조를 분리했고, 글래스 연결에서는 늦은 접속 같은 예외를 다뤘습니다. 추가 포인터 시험에서는 AI가 임의의 좌표를 만들어 내는 대신, 화면에 실제 존재하는 문구·도표 후보 중 하나를 선택하게 했습니다. 근거가 맞지 않거나 관계없는 설명이면 표시를 생략하고, 페이지가 바뀌면 이전 결과를 폐기했습니다. 원하는 결과뿐 아니라 잘못된 결과가 나오는 조건까지 요구사항에 넣고 고치는 방식이 핵심입니다.

5. 다른 사람도 따라 할 수 있나요?

먼저 자신에게 반복되는 발표 업무 한 가지를 고르고, 어떤 입력을 받아 어떤 결과를 내야 하는지 적습니다. AI에 작은 기능 단위로 구현을 요청한 뒤 자신의 발표자료와 기기에서 결과를 확인합니다. 정상 작동 장면만 보지 말고 잘못된 입력, 연결 지연, 페이지 전환 같은 경우도 시험합니다. 실패 사례를 남겨 요구사항을 고친 다음, 검증한 기능부터 연결하면 됩니다. 큐프리젠도 실제 마이크 환경, 번역 품질, 운영 안정성과 현장 사용성을 계속 검증할 계획입니다. 추가 음성 시험에는 합성 한국어 음성을 사용했으며, 실제 사용자 음성 정확도와 현장 효과는 별도 확인이 필요합니다.