AI툴덴 - AI 툴의 모든 것

AI로 아침 루틴 만들기 - 출근 전 1시간이 하루를 바꿉니다

AI툴덴 — Wed, 8 Apr 2026 10:26:10 +0900

아침을 잘 시작하고 싶다는 생각은 늘 있었습니다.

유튜브에서 성공한 사람들의 아침 루틴 영상을 보면

새벽 5시에 일어나서 명상하고, 운동하고, 독서하고, 일기 쓰는 게 당연한 것처럼 나옵니다.

저도 따라 해보려고 몇 번 시도했는데 사흘을 못 버텼습니다.

너무 완벽한 루틴을 따라 하려다 보니 하나가 무너지면 전체가 무너졌습니다.

그러다 ChatGPT에 내 상황을 솔직하게 입력하고 루틴을 짜달라고 해봤습니다.

기상 시간이 일정하지 않다는 것, 아침에 30분밖에 여유가 없다는 것, 커피 없이는 눈이 잘 안 떠진다는 것까지 다 넣었습니다.

나온 루틴은 유튜브에서 보던 것과 달랐습니다.

거창하지 않았고, 현실적이었기에 오히려 잘 맞았습니다.

이 글은 AI로 내 상황에 맞는 아침 루틴을 만드는 방법을 담아 보려 하였으며,

남의 루틴을 따라 하는 게 아니라 나한테 맞는 루틴을 찾는 방법입니다.

morning routine sunrise coffee desk @unsplash

왜 남의 아침 루틴은 안 맞는 걸까요

유명한 아침 루틴들이 나한테 안 맞는 이유가 있습니다.

그 루틴들은 그 사람의 수면 패턴, 직업, 체력, 생활 환경에 맞게 만들어진 겁니다.

새벽 5시 기상이 자연스러운 사람이 있고, 8시에 일어나야 몸이 제대로 작동하는 사람이 있습니다.

AI 루틴이 다른 점은 내 조건을 먼저 묻는다는 겁니다.

기상 시간, 출근 시간, 아침에 쓸 수 있는 시간, 아침형인지 저녁형인지, 지금 가장 하고 싶은 것과 해야 하는 것.

이걸 기반으로 루틴을 짜면 처음부터 현실적인 루틴이 나옵니다.

시작 전 준비 — 나에 대해 먼저 정리하기

AI에게 루틴을 요청하기 전에 아래 내용을 5분만 생각해보세요.

이걸 명확하게 넣을수록 루틴이 달라집니다.

평소 기상 시간과 출근 혹은 하루 시작 시간이 언제인지, 아침에 실제로 쓸 수 있는 여유 시간이 얼마인지, 지금 아침에 가장 아쉬운 게 뭔지, 아침에 절대 하기 싫은 게 뭔지, 아침형인지 저녁형인지, 지금 생활에서 가장 부족하다고 느끼는 게 뭔지입니다.

마지막 항목이 특히 중요합니다.

운동이 부족한지, 독서를 못 하는지, 하루를 정신없이 시작하는 게 문제인지에 따라 루틴의 방향이 완전히 달라집니다.

기본 프롬프트 — 아침 루틴 만들기

아래 프롬프트를 내 상황으로 채워서 입력하세요.

나에게 맞는 아침 루틴을 만들어줘.

내 상황

기상 시간: [예: 오전 7시]

하루 시작 시간: [예: 오전 9시 출근]

아침 여유 시간: [예: 약 1시간]

아침 유형: [예: 아침에 매우 느린 편 / 아침에 비교적 빠른 편]

현재 아침 습관: [예: 일어나자마자 스마트폰 보다가 허겁지겁 준비함]

가장 부족한 것: [예: 운동, 정신적 여유] 절대 못 할 것: [예: 새벽 기상, 아침 요리]

목표 [예: 하루를 여유 있게 시작하고 싶고, 운동을 습관으로 만들고 싶어]

요청 사항

위 조건으로 현실적인 아침 루틴을 만들어줘.

한 번에 너무 많이 바꾸지 말고, 지금보다 조금 나은 수준으로.

각 항목마다 왜 이 순서인지 이유도 간단히 설명해줘.

처음 2주는 적응 기간으로 더 가볍게 시작하는 버전도 같이 만들어줘.

실제로 나온 루틴 예시

직장인 기준으로 위 프롬프트를 써서 나온 루틴 예시입니다.

기상 7시, 출근 9시, 아침형이 아닌 경우입니다.

적응 버전 — 처음 2주

7:00 기상 직후 물 한 잔. 스마트폰은 5분 후에 확인합니다.

7:05 가벼운 스트레칭 5분. 유튜브 영상 따라 하거나 그냥 몸만 움직입니다.

7:10 씻고 준비합니다.

7:40 아침 식사 또는 커피.

7:55 오늘 할 일 3가지만 메모합니다.

8:00 출근 준비 마무리입니다.

정착 버전 — 3주 이후

6:50 기상. 물 한 잔.

7:00 운동 15분. 홈트 또는 빠른 걷기입니다.

7:15 씻고 준비합니다.

7:45 아침 식사.

7:55 오늘 할 일 3가지 메모. 책 10분 읽기입니다.

8:10 출근입니다.

이 루틴의 특징은 처음부터 완벽하게 하려 하지 않는다는 겁니다.

적응 버전에서는 운동이 없습니다. 스마트폰 안 보기와 스트레칭만 추가하는 것부터 시작합니다.

이게 유지됐을 때 운동을 넣는 방식입니다.

morning exercise stretch healthy lifestyle @unsplash

상황별 추가 프롬프트

아침에 30분밖에 없을 때

아침 시간이 정말 없어. 기상부터 출발까지 30분이 전부야. 이 30분 안에서 조금이라도 루틴다운 루틴을 만들 수 있을까? 씻고 먹는 시간을 빼면 실제로 쓸 수 있는 건 5~10분이야. 그 짧은 시간에 할 수 있는 가장 효과적인 것 하나만 알려줘.

재택근무라 아침이 흐물흐물할 때

재택근무라 출근이 없어서 아침이 늘 흐지부지하게 시작돼. 10시가 돼도 아직 잠옷 차림인 경우가 많아. 재택 환경에서 하루를 제대로 시작하게 해주는 아침 루틴을 짜줘. 가상 출근 개념으로 접근해도 좋아.

아이가 있어서 내 시간이 없을 때

초등학생 아이가 있어서 아침이 전쟁이야. 아이 깨우고, 밥 먹이고, 등교 준비까지 하면 내 시간이 없어. 그래도 하루에 딱 10분만 나를 위한 시간을 만들고 싶어. 그 10분을 어디에 끼워넣으면 좋을지, 뭘 하면 좋을지 알려줘.

아침마다 스마트폰을 너무 오래 볼 때

아침에 눈 뜨면 반사적으로 스마트폰을 집어들고 한 시간씩 보내. 이게 가장 큰 문제야. 줄이고 싶은데 의지로는 안 돼. 스마트폰 사용을 자연스럽게 줄일 수 있는 아침 루틴을 짜줘. 스마트폰 대신 할 수 있는 간단한 대안 활동도 포함해줘.

루틴이 안 지켜질 때 AI에게 물어보는 법

루틴을 만들어도 며칠 지나면 흐트러집니다. 그럴 때 자책하는 것보다 AI에게 이렇게 물어보세요.

아침 루틴을 만들었는데 3일째 못 지키고 있어. 문제가 뭔지 분석해줘. 못 지킨 이유: [예: 전날 늦게 자서 기상이 늦어짐] 어떻게 조정하면 다시 시작할 수 있을까?

이렇게 하면 루틴을 버리는 게 아니라 현실에 맞게 수정할 수 있습니다.

루틴이 안 지켜지는 건 의지력 문제가 아니라 루틴 자체가 나한테 안 맞는 경우가 많습니다.

아침 루틴을 만들 때 AI가 해주는 조언 중 가장 도움됐던 것

여러 번 루틴을 AI와 짜보면서 반복적으로 나온 조언들이 있습니다.

루틴의 첫 번째 항목이 가장 중요합니다. 첫 번째를 성공하면 다음이 자연스럽게 이어집니다.

첫 번째가 너무 어려우면 루틴 전체가 무너집니다. 물 한 잔 마시기처럼 누구나 할 수 있는 것부터 시작하는 게 좋습니다.

환경을 먼저 바꾸는 게 의지력보다 효과적입니다. 스마트폰을 침대 옆에 두지 않거나, 운동복을 미리 꺼내두거나, 전날 밤에 커피를 세팅해두는 식으로 루틴을 하기 쉬운 환경을 만드는 게 먼저입니다.

처음 21일이 고비입니다. 21일 이상 반복하면 루틴이 자동화됩니다. 처음 3주는 루틴 자체를 간단하게 유지하고 완성도보다 지속성에 집중하는 게 낫습니다.

아침 루틴 점검하기 — 2주에 한 번

루틴을 만들고 2주가 지나면 AI에게 점검을 요청하세요.

2주 전에 만든 아침 루틴 점검을 하고 싶어.

잘 된 것: [예: 기상 후 물 마시기는 매일 했음]

안 된 것: [예: 운동은 10일 중 3일밖에 못 함]

이유: [예: 전날 늦게 자는 날이 많아서]

현실적으로 조정해줘. 운동을 줄이거나 다른 시간으로 옮기는 것도 고려해서

2주마다 이렇게 점검하면 루틴이 조금씩 나한테 맞는 형태로 발전합니다.

마무리

아침 루틴은 완벽하게 만들어서 지키는 게 목표가 아닙니다.

어제보다 조금 더 나은 아침을 만드는 게 목표입니다.

AI는 그 과정에서 내 상황을 판단하지 않고 현실적인 방법을 찾아줍니다.

처음에 물 한 잔 마시는 것 하나로 시작했던 루틴이 지금은 제 아침의 기준점이 됐습니다.

거창하게 시작하지 않아도 됩니다. 지금 아침에서 딱 하나만 바꾸고 싶은 게 뭔지 생각해보고, 그걸 AI에게 물어보는 것부터 시작해보세요.

MBTI, P를 J로 만드는 습관을 AI 아침 루틴 짜기로 시작해보는 것은 어떨까요?

AI는 어떻게 이용하고 사용하느냐에 따라 분명, 우리 생활에 엄청나게 잠입해있다는 것을 느낍니다.

단순하게 맹신할 수는 없지만, 잘만 사용한다면 재미있고 유익한 정보를 주는 시스템임에는 분명합니다.

이것이 더 발전한다면, 우리 삶에, 우리 세상에 얼마나 큰 변화를 줄지 참 기대가 됩니다.

파인튜닝이란? - AI를 내 입맛에 맞게 다듬는 법

AI툴덴 — Mon, 6 Apr 2026 08:53:57 +0900

ChatGPT를 쓰다 보면 아쉬운 순간이 생깁니다.

우리 회사 특유의 말투가 있는데 AI는 그걸 모르고, 우리 업종에서만 쓰는 전문 용어를 계속 틀리게 쓰는 경우가 생기고는 하죠.

프롬프트에 열심히 설명해도 매번 조금씩 다른 결과가 나올때면 "AI를 우리 회사 스타일로 완전히 바꿀 수 있으면 좋겠다"는 생각이 들고는 합니다.

그 해결 방법이 파인튜닝입니다. RAG에 대한 글을 쓴 뒤에 파인튜닝을 물어보는 분들이 생겼습니다. 둘이 비슷한 것 같지만 역할이 전혀 다릅니다. RAG가 AI에게 참고 자료를 주는 방법이라면, 파인튜닝은 AI 자체를 다시 훈련시켜서 체질을 바꾸는 방법이기 때문이에요.

처음에는 파인튜닝이 개발자만 하는 거라고 생각했는데, 비개발자도 개념을 알아두면 업무에서 훨씬 현명하게 AI를 활용할 수 있었습니다. 이 글은 파인튜닝이 정확히 무엇인지, 언제 필요한지, 비개발자는 어떻게 접근할 수 있는지를 정리해 보았습니다.

training learning customize setting adjust @unsplash

파인튜닝이 뭔가요? — 한 문장으로

파인튜닝은 이미 만들어진 AI 모델을 특정 목적에 맞게 추가로 학습시키는 과정입니다.

요리 비유로 설명하면 이렇습니다. 요리학교를 졸업한 셰프가 있습니다. 한식, 양식, 중식을 다 배운 실력 있는 셰프입니다. 그런데 일하는 레스토랑이 양식 음식만 만드는 곳입니다. 식당의 레시피가 변경되면서 한식, 양식, 중식이 퓨전된 음식을 해야할 때 이 셰프를 처음부터 다시 키울 필요는 없습니다. 우리 식당의 새로운 레시피와 스타일만 집중적으로 가르치면 됩니다. 그게 파인튜닝입니다.

ChatGPT, Claude 같은 AI는 수많은 텍스트를 학습해서 범용적인 능력을 갖췄습니다. 파인튜닝은 거기에 추가로 우리 회사 문서, 우리 업종 용어, 우리 브랜드 말투를 집중적으로 학습시켜서 특화된 AI로 만드는 과정입니다.

파인튜닝 vs 프롬프트 엔지니어링 vs RAG

비슷한 개념들이 있어서 헷갈릴 수 있습니다. 세 가지를 한 번에 정리합니다.

프롬프트 엔지니어링

AI에게 매번 지시를 잘 내리는 방법입니다. AI 자체는 바뀌지 않습니다. 같은 AI에게 더 좋은 질문을 하는 스킬입니다. 비용이 들지 않고 바로 적용됩니다. 하지만 매번 지시를 잘 써야 하고, 대화창을 닫으면 설정이 사라집니다.

RAG

AI가 답하기 전에 관련 문서를 검색해서 참고하게 하는 방법입니다. AI 자체는 바뀌지 않습니다. 최신 정보나 내부 문서를 실시간으로 참조하게 하는 데 유리합니다. 문서가 바뀌면 바로 반영됩니다.

파인튜닝

AI 모델 자체를 추가 학습시켜서 바꾸는 방법입니다. AI의 행동 방식과 스타일이 바뀝니다. 한 번 학습시키면 매번 지시하지 않아도 됩니다. 하지만 비용과 시간이 들고 데이터를 준비해야 합니다.

구분	AI자체변화	비용	최신정보반영	스타일변경
프롬프트 엔지니어링	없음	없음	어려움	매번 지시 필요
RAG	없음	중간	가능	어려움
파인튜닝	있음	높음	어려움	영구 반영

세 가지는 경쟁 관계가 아닙니다. 목적에 따라 맞는 방법을 쓰거나 함께 씁니다.

파인튜닝이 필요한 순간

파인튜닝이 항상 필요한 건 아닙니다. 어떤 상황에서 파인튜닝이 효과적인지 알면 필요한 때를 알 수 있습니다.

특정 말투나 스타일이 일관되게 필요할 때

브랜드 고유의 어투가 있는 기업들이 있습니다. 항상 반말을 쓰는 브랜드, 특정 이모지를 꼭 넣는 브랜드, 특유의 문장 구조가 있는 브랜드. 프롬프트로 매번 설명해도 일관성이 떨어집니다. 파인튜닝을 하면 그 스타일이 모델에 내재화됩니다.

특수 용어나 전문 분야 지식이 많을 때

의료, 법률, 금융, 특정 산업에서만 쓰는 용어들이 있습니다. 일반 AI는 이런 용어를 틀리게 쓰거나 모르는 경우가 있습니다. 해당 분야 문서로 파인튜닝하면 전문 용어를 정확하게 쓰는 AI를 만들 수 있습니다.

특정 형식의 출력이 항상 필요할 때

보고서는 항상 이 형식으로, 이메일은 항상 이 구조로, 코드는 항상 이 스타일로 나와야 하는 경우가 있습니다. 매번 프롬프트에 형식을 지정하지 않아도 항상 그 형식으로 나오게 하고 싶을 때 파인튜닝이 유효합니다.

대규모 반복 작업을 처리할 때

고객 응대 메시지를 하루에 수천 건 처리해야 한다면 매번 프롬프트를 정교하게 쓸 수 없습니다. 파인튜닝을 통해 모델 자체가 원하는 방식으로 작동하면 개별 프롬프트 없이도 일관된 결과가 나옵니다.

data training machine learning process @unsplash

파인튜닝은 어떻게 하나요?

파인튜닝 과정을 크게 세 단계로 나눌 수 있습니다.

1단계 — 데이터 준비

파인튜닝의 핵심은 학습 데이터입니다. 어떤 데이터를 넣느냐가 결과를 결정합니다.

학습 데이터는 보통 입력과 출력 쌍으로 구성됩니다. 예를 들어 고객 응대 챗봇을 파인튜닝한다면 고객 문의와 그에 대한 이상적인 답변 쌍을 수백에서 수천 개 준비합니다.

데이터 품질이 중요합니다. 잘못된 데이터로 학습시키면 잘못된 방향으로 파인튜닝됩니다. 쓰레기를 넣으면 쓰레기가 나온다는 원칙이 파인튜닝에도 그대로 적용됩니다.

2단계 — 모델 선택 및 학습

어떤 기반 모델을 파인튜닝할지 선택합니다. OpenAI의 경우 파인튜닝을 지원하는 모델이 있고, 플랫폼에서 직접 파인튜닝 작업을 할 수 있습니다.

준비한 데이터를 업로드하고 학습을 시작합니다. 데이터 양과 모델 크기에 따라 몇 시간에서 며칠이 걸릴 수 있습니다.

3단계 — 평가 및 반복

학습된 모델을 테스트합니다. 원하는 방향으로 잘 작동하는지, 의도하지 않은 이상한 행동은 없는지 확인합니다. 결과가 만족스럽지 않으면 데이터를 보완하고 다시 학습시킵니다.

파인튜닝은 한 번에 완성되지 않는 경우가 많습니다. 테스트하고 개선하는 반복 과정이 필요합니다.

비개발자는 파인튜닝을 어떻게 활용하나요?

파인튜닝 자체는 기술적인 작업이지만 비개발자도 활용할 수 있는 방법들이 있습니다.

OpenAI 파인튜닝 플랫폼 활용하기

OpenAI는 코드 없이 파인튜닝을 할 수 있는 플랫폼을 제공합니다. platform.openai.com에서 Fine-tuning 메뉴를 선택하면 됩니다.

데이터를 JSONL 형식으로 준비해서 업로드하고 학습을 시작하면 됩니다. JSONL 형식이 낯설어 보이지만 질문과 답변을 특정 형식으로 정리하는 것입니다. ChatGPT에게 "내 데이터를 JSONL 형식으로 변환해줘"라고 하면 도와줍니다.

비용은 학습에 사용한 토큰 수에 따라 달라집니다. 정확한 가격은 OpenAI 공식 사이트에서 확인하세요.

노코드 파인튜닝 서비스 활용하기

코딩이 전혀 필요 없는 파인튜닝 서비스들이 있습니다.

Hugging Face AutoTrain은 데이터를 업로드하면 자동으로 파인튜닝을 해주는 서비스입니다. 인터페이스가 단순해서 비개발자도 쓸 수 있습니다.

Poe, Character.AI 같은 서비스는 프롬프트 수준에서 AI 페르소나를 커스터마이징할 수 있습니다. 완전한 파인튜닝은 아니지만 특정 스타일로 일관되게 동작하는 AI를 만드는 데 활용됩니다.

파인튜닝 전문 업체에 맡기기

데이터만 준비하고 파인튜닝 작업 자체는 전문 업체에 맡기는 방법도 있습니다. 국내에도 기업용 AI 파인튜닝 서비스를 제공하는 업체들이 있습니다. 회사 내부 문서나 고객 응대 데이터를 기반으로 기업 맞춤형 AI를 만드는 프로젝트로 진행됩니다.

파인튜닝의 한계와 주의할 점

파인튜닝이 만능은 아닙니다. 알고 써야 하는 한계들이 있습니다.

데이터 품질이 전부입니다

파인튜닝 결과는 학습 데이터에 달려있습니다. 편향된 데이터, 부정확한 데이터, 양이 부족한 데이터로 학습하면 오히려 안 좋은 방향으로 바뀔 수 있습니다. 데이터 준비에 가장 많은 시간을 써야 합니다.

비용이 발생합니다

파인튜닝은 학습 비용과 이후 사용 비용이 모두 발생합니다. 일반 API 사용보다 비용이 높습니다. 소규모 개인 용도라면 파인튜닝보다 프롬프트 엔지니어링이나 RAG가 더 현실적일 수 있습니다.

원치 않는 방향으로 변할 수 있습니다

파인튜닝은 AI의 전반적인 능력에 영향을 줍니다. 특정 스타일을 잘하게 만들면서 다른 능력이 떨어지는 경우가 생길 수 있습니다. 파인튜닝 전후를 철저히 테스트하는 과정이 필요합니다.

파인튜닝이 필요한지 판단하는 기준

파인튜닝을 해야 할지 고민될 때 이 순서로 판단해보세요.

먼저 프롬프트 엔지니어링으로 해결이 되는지 확인합니다. Custom Instructions를 잘 설정하고 프롬프트를 정교하게 쓰는 것만으로 원하는 결과가 나온다면 파인튜닝이 필요 없습니다.

그다음으로 RAG로 해결이 되는지 확인합니다. 최신 정보나 내부 문서 기반 답변이 필요한 거라면 파인튜닝보다 RAG가 더 적합합니다.

위 두 가지로 해결이 안 될 때 파인튜닝을 고려합니다. 스타일이 일관되게 안 나오거나, 전문 용어를 계속 틀리거나, 대규모 반복 작업에서 매번 긴 프롬프트를 써야 한다면 파인튜닝이 효과적입니다.

마무리

파인튜닝은 AI를 범용 도구에서 내 상황에 맞는 전문 도구로 바꾸는 방법입니다. 처음에는 개발자만의 영역처럼 느껴졌지만 노코드 서비스들이 늘어나면서 진입 장벽이 낮아지고 있습니다.

당장 파인튜닝을 직접 할 계획이 없어도 개념을 알아두는 게 중요합니다. AI 서비스를 도입하거나 업무에 AI를 적용하는 논의를 할 때 파인튜닝이 무엇인지, 언제 필요한지, RAG와 어떻게 다른지를 알면 더 현명한 결정을 내릴 수 있습니다.

지금 당장 시작할 수 있는 건 데이터 수집입니다. 우리 회사만의 말투가 담긴 기존 콘텐츠, 고객 응대 이력, 내부 문서들을 정리해두는 것 자체가 나중에 파인튜닝을 할 때 가장 중요한 자산이 됩니다.

파인튜닝이란, AI파인튜닝, FineTuning, AI커스터마이징, RAG파인튜닝차이, AI학습

RAG란? - AI가 최신 정보를 아는 원리

AI툴덴 — Sun, 5 Apr 2026 09:30:06 +0900

ChatGPT에게 오늘 뉴스를 물어보면 보통 '그런사항이 없다고 하거나', '다른 이야기를 하고는 하는데, 이는 학습 데이터에 포함되지 않은 내용이기 때문입니다.

그런데 Perplexity AI에게 같은 걸 물어보면 오늘 기사를 찾아서 답해주고는 합니다. 같은 AI 기반인데 왜 이런 차이가 날까? 궁금했었어요.

그리고 그 답이 RAG 라는걸 알게 되었습니다.

AI 관련 글을 읽다 보면 RAG라는 단어가 자주 나옵니다. 처음엔 그냥 지나쳤는데 알고 나니까 AI가 왜 어떤 질문에는 잘 답하고 어떤 질문에는 못 답하는지가 이해됐습니다. 더 나아가서 회사 내부 자료를 AI가 읽고 답해주는 서비스들이 어떻게 작동하는지도 이해됐습니다.

이 글은 RAG가 정확히 무엇인지, 왜 중요한지, 그리고 실제로 어떻게 활용되는지를 기술적 배경 없이도 이해할 수 있게 정리했습니다.

search database information technology @unsplash

RAG가 뭔가요? — 한 문장으로

RAG는 Retrieval-Augmented Generation의 약자입니다. 한국어로 번역하면 검색 증강 생성 정도가 되는데, 실은 말은 어렵지만 개념은 단순합니다.

한 문장으로 정리하면 이렇습니다.

RAG는 AI가 답변을 만들기 전에 관련 정보를 먼저 검색해서 그 내용을 바탕으로 답하게 하는 방법입니다.

일반 AI는 학습할 때 배운 내용만 알고 있습니다. RAG를 적용한 AI는 질문이 들어오면 외부 데이터베이스나 문서를 먼저 검색하고, 거기서 찾은 내용을 참고해서 답변을 만들어, 학습 데이터에 없는 내용도 답할 수 있게 되는 원리 입니다.

비유로 이해하기 — 오픈북 시험과 클로즈드북 시험

RAG를 이해하는 가장 쉬운 비유가 있습니다.

일반 AI는 클로즈드북 시험을 보는 학생과 같기 때문에 시험 전에 열심히 공부한 내용만 쓸 수 있습니다.

시험 범위 밖의 내용이 나오면 답을 할 수가 없죠. 공부한 게 오래됐다면 최신 내용은 모를 수 있습니다.

RAG를 적용한 AI는 오픈북 시험을 보는 학생과 같습니다. 문제가 나오면 참고 자료를 찾아봅니다. 책에서 관련 내용을 찾고, 그걸 바탕으로 답을 씁니다. 미리 다 외우지 않아도 되며, 참고 자료가 최신 내용이면 최신 정보로 답할 수 있게 됩니다.

이 차이가 Perplexity가 오늘 뉴스를 알 수 있는 이유입니다. 질문을 받으면 웹을 검색해서 오늘 기사를 찾고, 그 내용을 바탕으로 답하게 되니 학습 데이터에 없어도 됩니다.

RAG는 어떻게 작동하나요?

작동 원리를 단계별로 풀어봅니다. 기술적인 내용보다 흐름을 이해하는 데 집중했습니다.

1단계 — 질문이 들어옵니다

사용자가 질문을 입력합니다. 예를 들어 "2025년 국내 AI 스타트업 투자 현황이 어때?"라고 물었습니다.

2단계 — 관련 정보를 검색합니다

AI가 바로 답하지 않습니다. 먼저 연결된 데이터 소스에서 관련 정보를 검색하고 이 데이터 소스는 웹 전체일 수도 있고, 회사 내부 문서일 수도 있으며, 특정 데이터베이스일 수도 있습니다.

검색 결과로 관련 문서나 기사들이 나오는데, AI 스타트업 투자 관련 최신 기사, 보고서, 통계 자료들이 검색됩니다.

3단계 — 검색 결과를 바탕으로 답변을 만듭니다

검색해서 찾은 내용을 AI가 읽고 이해하고 그 내용을 바탕으로 질문에 맞는 답변을 만듭니다. 단순히 검색 결과를 복사하는 게 아니라 AI가 내용을 종합해서 자연스러운 문장으로 만들어줍니다.

4단계 — 출처와 함께 답변을 내놓습니다

답변과 함께 어떤 자료를 참고했는지 출처를 표시합니다.

사용자가 원문을 직접 확인할 수 있게 됩니다.

Perplexity가 답변마다 출처 번호를 달고 하단에 링크를 보여주는 게 바로 이 단계입니다.

library books knowledge research information @unsplash

RAG가 왜 중요한가요?

RAG가 등장하기 전에는 AI의 한계가 명확 했는데, RAG가 그 한계를 어떻게 해결하는지 정리해 보았습니다.

할루시네이션이 줄어듭니다

AI가 없는 정보를 그럴싸하게 만들어내는 할루시네이션 문제가 있습니다. RAG는 실제 문서를 참고해서 답하기 때문에 근거 없이 내용을 만들어낼 가능성이 줄어듭니다. 출처를 확인할 수 있어서 잘못된 정보를 발견하기도 쉽습니다.

내 자료를 AI가 읽게 할 수 있습니다

이게 기업에서 RAG가 주목받는 가장 큰 이유입니다. 회사 내부 문서, 제품 매뉴얼, 고객 응대 가이드라인을 AI에게 연결하면 그 내용을 바탕으로 답하는 AI를 만들 수 있습니다.

예를 들어 고객 서비스 챗봇에 RAG를 적용하면 회사 FAQ 문서를 읽고 정확한 답변을 합니다. 일반 AI처럼 학습 데이터에 있는 내용만 말하지 않고, 실제 회사 정책에 맞는 내용을 말해줍니다.

비용이 절약됩니다

AI에게 새로운 정보를 알게 하려면 보통 재학습이 필요합니다. 재학습은 어마어마한 비용과 시간이 들어갑니다. RAG는 재학습 없이 새로운 문서를 연결하는 것만으로 AI가 새 정보를 다룰 수 있게 됩니다. 훨씬 저렴하고 빠릅니다.

RAG가 사용되는 실제 서비스들

이미 우리가 쓰고 있는 서비스들 중에 RAG를 적용한 것들이 있습니다.

Perplexity AI

가장 대표적인 RAG 기반 서비스입니다. 질문이 들어오면 실시간으로 웹을 검색하고 그 결과를 바탕으로 답합니다. 각 답변에 출처 링크가 달려있어서 원문을 확인할 수 있습니다.

NotebookLM

구글이 만든 AI 리서치 툴입니다. 사용자가 직접 문서를 업로드하면 그 문서를 기반으로 답합니다. 업로드한 PDF나 구글 독스의 내용을 RAG 방식으로 참조해서 질문에 답합니다. 인터넷 검색이 아니라 내가 올린 자료만 기반으로 답하는 것이 특징입니다.

ChatGPT 웹 검색 기능

ChatGPT에서 웹 검색을 켜면 RAG와 비슷한 방식으로 작동합니다. 최신 정보가 필요한 질문에서 웹을 검색해서 그 결과를 참고해 답합니다.

기업 내부 AI 챗봇

많은 기업들이 사내 문서에 RAG를 적용해서 내부 AI를 만들고 있습니다. 직원이 사내 규정을 물어보면 실제 규정 문서를 참조해서 정확한 답변을 해주는 식입니다. 신입 직원 온보딩 질문 대응, 고객 서비스 응대, 법무 문서 검토 등에 활용됩니다.

RAG의 한계도 있습니다

RAG가 모든 문제를 해결하는 건 아니며, 한계도 분명 명확합니다.

먼저 검색 품질에 의존할 수 밖에 없어, 검색 결과가 좋아야 답변도 좋습니다.

검색에서 잘못된 문서가 올라오면 그걸 바탕으로 틀린 답변이 나올 수 있습니다. 할루시네이션을 줄여주지만 완전히 없애지는 못합니다.

연결된 자료 범위 밖은 모릅니다. 웹 검색 기반 RAG는 인터넷에 없는 내용을 모릅니다. 회사 내부 문서 기반 RAG는 그 문서에 없는 내용을 모릅니다. 연결된 소스의 범위가 곧 한계입니다.

속도가 느립니다. 검색하고 결과를 읽고 답을 만드는 과정이 들어가기 때문에 일반 AI보다 응답이 느릴 수 있습니다. 실시간으로 많은 사용자가 쓰는 환경에서는 부하가 커집니다.

비공개 정보 관리가 중요합니다. 회사 내부 문서를 RAG에 연결할 때 어떤 직원이 어떤 문서에 접근할 수 있는지 권한 관리가 필요합니다. 잘못 설정하면 볼 수 없어야 하는 문서 내용이 AI 답변에 나올 수 있습니다.

비개발자도 RAG를 활용할 수 있나요?

RAG를 직접 구현하려면 개발 지식이 필요합니다. 하지만 RAG가 이미 적용된 서비스를 활용하는 건 누구나 할 수 있습니다.

NotebookLM은 코딩 없이 바로 쓸 수 있습니다.

PDF나 구글 독스를 올리면 그 내용을 기반으로 질문에 답합니다. 업무 보고서 여러 개를 올려두고 내용을 물어보거나, 논문 자료를 올려두고 핵심을 정리해달라고 하는 방식으로 쓸 수 있습니다.

Perplexity는 이미 웹 전체를 대상으로 RAG를 쓰는 서비스입니다. 최신 정보가 필요한 리서치 작업에 바로 활용할 수 있습니다.

노코드 툴들도 있습니다. Zapier, Make 같은 자동화 툴에서 문서를 연결하고 ChatGPT API와 결합하면 코딩 없이도 간단한 RAG 기반 챗봇을 만들 수 있습니다. 고객 FAQ 자동 응답이나 내부 문서 기반 질문 답변 시스템을 코딩 없이 구성할 수 있습니다.

마무리

RAG를 알기 전에는 AI가 왜 어떤 건 알고 어떤 건 모르는지 이해가 안 됐습니다. RAG 개념을 알고 나서야 지금 AI 서비스들이 어떻게 작동하는지 구조가 보이기 시작했습니다.

당장 실생활에서 활용할 수 있는 가장 쉬운 방법은 NotebookLM입니다. 자주 참고하는 문서나 보고서를 올려두고 질문해보세요. 문서를 처음부터 읽지 않아도 원하는 내용을 바로 찾아주는 경험을 하면 RAG가 왜 중요한지 바로 느껴집니다.

RAG란, 검색증강생성, AI최신정보, RAG설명, AI원리, Perplexity원리, AITOOLDEN

AGI란 무엇인가? (일반 인공지능 쉽게 이해하기)

AI툴덴 — Sat, 4 Apr 2026 08:30:29 +0900

ChatGPT가 처음 나왔을 때 주변에서 "이제 AGI가 온 거 아니야?"라는 말이 나왔습니다.

저도 처음에는 AGI가 그냥 똑똑한 AI를 부르는 말인 줄 알았습니다.

그런데 찾아보니 달랐습니다. ChatGPT는 AGI가 아니고, AGI는 아직 세상에 존재하지 않습니다.

그런데도 전 세계 AI 연구자들과 기업들이 AGI를 가장 중요한 목표로 삼고 있습니다.

OpenAI 창업자 샘 알트먼이 "우리의 목표는 AGI를 만드는 것"이라고 공개적으로 말하고,

구글 딥마인드도 AGI 연구를 핵심 과제로 삼고 있습니다.

도대체 AGI가 뭐길래 이렇게 중요하게 다루는 걸까요?

알고 나니까 왜 AI 업계 전체가 AGI를 이야기하는지 이해됐습니다.

지금의 AI와 AGI 사이에는 생각보다 큰 차이가 있었습니다.

이 글은 AGI가 정확히 무엇인지, 지금 AI와 무엇이 다른지, 언제 올 것인지를 정리했습니다.

artificial intelligence robot future technology @unsplash

AGI가 뭔가요? — 한 문장으로

AGI는 Artificial General Intelligence의 약자입니다.

한국어로는 일반 인공지능 또는 범용 인공지능이라고 합니다.

한 문장으로 정의하면 이렇습니다.

AGI는 사람이 할 수 있는 모든 지적 작업을 사람 수준 이상으로 수행할 수 있는 AI입니다.

여기서 핵심은 모든 지적 작업이라는 부분입니다.

지금의 ChatGPT는 글쓰기를 잘 하고, 이미지 생성 AI는 그림을 잘 그리고, 알파고는 바둑을 잘 둡니다.

하지만 각자 잘하는 영역이 정해져 있습니다.

AGI는 이 모든 것을 한 번에 할 수 있는 AI입니다.

글도 쓰고, 그림도 그리고, 바둑도 두고, 새로운 과학 이론도 만들어내고, 처음 보는 문제도 스스로 해결하는 AI입니다.

지금 AI와 AGI는 뭐가 다른가요?

지금의 AI를 ANI라고 부릅니다.

Artificial Narrow Intelligence, 즉 특화 인공지능입니다.

특정 영역에서는 인간을 뛰어넘지만 그 영역을 벗어나면 작동하지 않습니다.

비유로 설명하면 이해가 쉽습니다.

지금의 AI는 세계 최고의 체스 선수와 같습니다.

체스에서는 어떤 인간도 이길 수 없습니다.

하지만 그 체스 선수에게 "오늘 저녁 뭐 먹을까?"라고 물어보면 대답을 못 합니다.

체스 말고는 아무것도 모릅니다.

AGI는 다릅니다.

체스도 잘 두고, 요리도 잘 하고, 의학 논문도 읽고, 음악도 작곡하고,

처음 만난 상황에서도 스스로 판단해서 행동합니다.

사람처럼 한 가지를 잘하는 게 아니라 무엇이든 잘합니다.

핵심 차이 세 가지

첫째, 전이 학습 능력입니다.

지금의 AI는 한 분야에서 배운 것을 다른 분야에 적용하지 못합니다.

영어 번역을 잘하는 AI가 갑자기 수학 문제를 풀라고 하면 못 합니다.

AGI는 한 곳에서 배운 것을 전혀 다른 분야에 적용할 수 있습니다.

사람이 요리를 배우면서 익힌 계량 감각을 목공에 활용하는 것처럼요.

둘째, 상식과 맥락 이해입니다.

지금의 AI에게 "가위로 물을 자를 수 있어?"라고 물으면 엉뚱한 대답을 하기도 합니다.

사람이라면 당연히 아는 상식을 AI는 모릅니다.

AGI는 명시적으로 학습하지 않아도 상식적인 판단을 할 수 있어야 합니다.

셋째, 자율적 목표 설정입니다.

지금의 AI는 사람이 목표를 주면 그걸 달성하려 합니다.

AGI는 스스로 목표를 설정하고 그걸 달성하기 위한 계획을 세울 수 있습니다.

시키지 않아도 문제를 찾아내고 해결하려 합니다.

human brain intelligence thinking abstract @unsplash

AGI가 중요한 이유

AGI가 만들어지면 세상이 어떻게 달라질까요.

AI 연구자들이 AGI를 인류 역사에서 가장 중요한 발명이 될 수 있다고 말하는 이유가 있습니다.

과학 발전이 폭발적으로 빨라집니다

지금 인류가 풀지 못한 문제들이 있습니다.

암 치료법, 기후변화 해결책, 새로운 에너지원 개발 같은 것들입니다.

이런 문제들은 수십 년이 지나도 해결되지 않는 경우가 많습니다.

연구자 한 명이 평생 공부해도 한 분야의 일부밖에 알 수 없기 때문입니다.

AGI는 다릅니다.

모든 분야의 지식을 동시에 처리하고, 쉬지 않고, 수천 개를 병렬로 실행할 수 있습니다.

지금 수십 년 걸리는 연구가 몇 년 안에 가능해질 수 있습니다.

모든 분야의 전문가가 됩니다

지금은 전문가에게 접근하려면 돈과 시간이 필요합니다.

좋은 의사를 만나려면 오래 기다리고,

좋은 변호사는 비쌉니다.

AGI가 된 AI는 의학, 법률, 교육, 심리 상담 분야에서 최고 수준의 전문가가 될 수 있습니다.

누구나 무료 또는 저렴한 비용으로 전문가 수준의 도움을 받을 수 있게 됩니다.

새로운 위험도 함께 옵니다

AGI가 좋은 점만 있는 건 아닙니다.

AGI가 인간의 통제를 벗어나면 어떻게 될지에 대한 우려도 큽니다.

AGI가 스스로 목표를 설정하고 그 목표가 인간의 이익과 다르다면 어떻게 될까요.

이게 AI 안전성 연구가 중요한 이유입니다.

OpenAI의 전신이 된 Anthropic이 Claude를 만들면서 안전성을 가장 중요한 원칙으로 삼은 것도 이 맥락입니다.

AGI는 언제 올까요?

가장 자주 받는 질문입니다. 전문가들마다 의견이 크게 다릅니다.

낙관적인 전망

OpenAI 샘 알트먼은 AGI가 생각보다 빨리 올 수 있다고 여러 차례 언급했습니다.

일부 연구자들은 현재의 AI 발전 속도를 보면 10년 안에 AGI에 가까운 수준이 될 수 있다고 봅니다.

AI가 발전하는 속도가 과거 예측보다 훨씬 빠르게 진행되고 있다는 점을 근거로 듭니다.

신중한 전망

반면 AGI까지는 아직 근본적으로 해결해야 할 문제들이 많다는 시각도 있습니다.

지금의 AI가 겉으로는 똑똑해 보이지만 실제로는 패턴을 따라가는 것에 불과하고,

진짜 이해와 추론은 전혀 다른 수준의 기술이 필요하다는 것입니다.

수십 년이 걸릴 수도 있고, 어쩌면 현재 방식으로는 불가능할 수도 있다는 의견도 있습니다.

솔직한 답변

정확히 언제 AGI가 올지는 아무도 모릅니다.

전문가들 사이에서도 의견이 극단적으로 갈립니다.

5년 안에 온다는 사람도 있고,

100년이 지나도 오지 않을 수 있다는 사람도 있습니다.

확실한 건 지금 AI 발전 속도가 예상보다 빠르다는 것이고, 그 방향이 AGI를 향하고 있다는 것입니다.

AGI, ASI, ANI — 헷갈리는 개념 정리

AI를 공부하다 보면 비슷한 용어들이 나옵니다. 한 번에 정리합니다.

ANI — 지금 우리가 쓰는 AI

Artificial Narrow Intelligence입니다.

특화 인공지능입니다. ChatGPT, 이미지 생성 AI, 번역 AI, 추천 알고리즘이 전부 여기에 해당합니다.

특정 분야에서는 인간을 뛰어넘지만 그 분야 밖으로 나가면 작동하지 않습니다.

현재 존재하는 모든 AI가 ANI입니다.

AGI — 목표로 삼고 있는 AI

Artificial General Intelligence입니다.

일반 인공지능입니다. 사람이 할 수 있는 모든 지적 작업을 할 수 있는 AI입니다.

아직 존재하지 않습니다.

AI 업계 전체가 이걸 향해 나아가고 있습니다.

ASI — AGI를 넘어선 AI

Artificial Super Intelligence입니다.

초인공지능입니다. AGI를 넘어서 모든 분야에서 인간보다 훨씬 뛰어난 AI입니다.

지금의 인간이 개미보다 뛰어난 것처럼, ASI는 인간보다 압도적으로 뛰어난 수준입니다.

현재로서는 먼 미래의 이야기입니다.

ANI → AGI → ASI 순서로 발전 단계를 생각하면 됩니다.

지금은 ANI 단계이고 AGI를 향해 나아가는 중입니다.

지금의 AI가 AGI가 아닌 이유

ChatGPT를 쓰다 보면 정말 뭐든 다 아는 것 같은 느낌이 들 때가 있습니다.

그래서 이미 AGI에 가까운 거 아닌가 싶기도 합니다.

하지만 명확한 한계들이 있습니다.

새로운 상황에서 스스로 적응하는 능력이 부족합니다.

ChatGPT는 학습된 패턴 안에서 답을 찾습니다.

완전히 새로운 유형의 문제는 틀리거나 엉뚱한 답을 내놓을 수 있습니다.

몸이 없습니다.

사람의 지능은 몸을 통한 경험과 떼어놓을 수 없습니다.

뜨거운 걸 만지면 아프다는 걸 직접 경험해야 진짜로 이해합니다.

지금의 AI는 텍스트로만 세상을 이해합니다.

목표가 없습니다. 지금의 AI는 질문을 받으면 답합니다.

스스로 무언가를 하고 싶다는 동기가 없습니다.

AGI는 스스로 목표를 설정하고 그걸 달성하려는 의지가 있어야 합니다.

자기 자신을 인식하지 못합니다.

내가 AI라는 사실을 알고, 내 한계를 알고, 스스로를 개선하려는 메타인지 능력이 지금 AI에는 없거나 매우 제한적입니다.

AGI 시대를 준비하는 현실적인 자세

AGI가 언제 올지 모르지만 AI가 점점 더 강력해지는 건 확실합니다.

지금 할 수 있는 현실적인 준비가 있습니다.

지금의 AI 툴을 잘 쓰는 게 먼저입니다.

AGI가 오기 전에 지금의 AI만 잘 써도 업무 생산성이 크게 달라집니다.

미래를 걱정하기보다 지금 쓸 수 있는 도구를 익히는 게 더 현실적입니다.

AI가 못하는 것에 집중합니다.

창의적 판단, 감성적 공감, 책임지는 의사결정, 사람과의 신뢰 관계는

AGI가 와도 오랫동안 사람의 영역으로 남을 가능성이 높습니다. 이런 능력을 키우는 게 장기적으로 유리합니다.

AI 발전 방향을 주기적으로 확인합니다.

어떤 AI가 새로 나왔는지,

어떤 분야에서 AI가 새로운 것을 할 수 있게 됐는지 관심을 가지고 보면 변화에 빠르게 적응할 수 있습니다.

마무리

AGI는 아직 오지 않았습니다.

하지만 AI 업계 전체가 AGI를 향해 달려가고 있고, 그 과정에서 나오는 중간 단계의 AI들이 이미 우리 생활을 바꾸고 있습니다.

AGI가 언제 올지, 오면 어떤 세상이 될지는 아무도 정확히 모릅니다.

확실한 건 지금 ChatGPT를 잘 쓰는 사람이 AGI 시대에도 잘 적응할 가능성이 높다는 것입니다.

새로운 도구가 나올 때마다 빠르게 익히고 활용하는 습관 자체가 앞으로 가장 중요한 능력이 될 겁니다.

ChatGPT Memory 기능 완전 활용법 - 매번 다시 설명하지 않아도 됩니다

AI툴덴 — Fri, 3 Apr 2026 09:15:55 +0900

ChatGPT를 쓰면서 가장 불편했던 게 있었습니다.

새 대화를 시작할 때마다 내 상황을 처음부터 설명해야 한다는 것이었습니다.

나는 마케터고, 타깃은 30대 직장인이고,

글쓰기 스타일은 친근하게 해줬으면 좋겠다는 내용을 매번 앞부분에 넣었습니다.

어떤 날은 그걸 쓰는 것 자체가 귀찮아서 그냥 대충 시작했다가 원하지 않는 결과가 나오기도 했습니다.

그러다 ChatGPT Memory 기능이 생긴 걸 알게 됐습니다.

처음에는 그냥 이전 대화 기록을 저장하는 건가 싶었는데 달랐습니다.

내가 알려준 정보를 기억해뒀다가 다음 대화에도 자동으로 반영하는 기능이었습니다.

한 번 제대로 설정해두니까 새 대화를 열어도 내 상황을 이미 알고 있는 것처럼 답변이 나왔습니다.

매번 앞부분에 넣던 설명이 사라졌습니다.

이 글은 ChatGPT Memory 기능을 제대로 활용하는 방법을 담았습니다.

어떻게 설정하는지, 어떤 내용을 저장해두면 좋은지, 주의할 점은 무엇인지 정리했습니다.

memory brain technology digital mind @unsplash

ChatGPT Memory가 정확히 뭔가요?

ChatGPT Memory는 대화 중에 나온 정보를 저장해두었다가 이후 대화에서도 활용하는 기능입니다.

사람으로 치면 처음 만난 사람에게 내 소개를 했을 때,

다음에 만나서도 그 내용을 기억하고 대화를 이어가는 것과 비슷합니다.

기존 ChatGPT는 대화창을 닫으면 그 대화 내용이 다음 대화에 이어지지 않았습니다.

매번 새로 시작이었습니다. Memory 기능이 생기면서 달라졌습니다.

내가 알려준 정보가 누적되어 저장되고, 다음 대화에서도 그 내용을 바탕으로 더 개인화된 답변이 나옵니다.

Custom Instructions와 뭐가 다른가요?

Memory와 비슷한 기능으로 Custom Instructions가 있습니다. 두 가지는 역할이 다릅니다.

Custom Instructions는 내가 직접 텍스트로 입력해서 설정하는 고정된 지시사항입니다.

항상 한국어로 답해줘, 답변은 간결하게 해줘 같은 기본 설정을 넣어두는 곳입니다.

Memory는 대화를 하면서 자동으로 쌓이는 정보입니다.

내가 마케팅 일을 한다고 말하면 ChatGPT가 알아서 기억합니다. 직접 입력하지 않아도 됩니다.

두 가지를 함께 쓰면 더 효과적입니다.

Memory 기능 켜는 방법

설정 확인하기

화면 좌측 하단 계정 아이콘 클릭 → Settings → Personalization → Memory 항목에서 켜져 있는지 확인합니다.

기본적으로 켜져 있는 경우가 많지만 꺼져 있다면 활성화합니다.

현재 저장된 메모리 확인하기

같은 경로에서 Manage memories를 클릭하면

지금까지 ChatGPT가 기억하고 있는 내용 목록이 나옵니다.

처음 확인하면 이미 여러 개가 저장돼있는 경우가 많습니다.

이전 대화들에서 ChatGPT가 자동으로 저장한 것들입니다.

원하지 않는 항목은 삭제할 수 있고, 전체를 한 번에 지울 수도 있습니다.

어떤 내용을 기억시키면 좋나요?

Memory에 저장하면 유용한 내용들입니다.

대화 중에 자연스럽게 말하면 ChatGPT가 알아서 저장하기도 하고, 직접 "이걸 기억해줘"라고 요청할 수도 있습니다.

직업과 업무 관련 정보

가장 먼저 저장해두면 좋은 내용입니다. 이걸 알고 있으면 모든 답변에 업무 맥락이 자동으로 반영됩니다.

[나는 중소기업에서 마케팅 기획 일을 하고 있어. 주로 SNS 콘텐츠 기획과 이메일 마케팅을 담당해. 타깃 고객은 30~40대 직장인이야. 이걸 기억해줘.]

글쓰기 스타일 선호도

글을 자주 쓴다면 원하는 스타일을 저장해두면 매번 설명하지 않아도 됩니다.

[내가 쓰는 글은 항상 친근하고 읽기 쉬운 어조여야 해. 어려운 전문 용어보다 쉬운 표현을 선호하고, 문단은 짧게 나눠줘. 이걸 기억해줘.]

자주 쓰는 프로젝트나 서비스 정보

반복적으로 작업하는 프로젝트가 있다면 기본 정보를 저장해두면 편합니다.

[내가 운영하는 블로그 이름은 AITOOLDEN이고 AI 툴 활용법을 한국 직장인에게 알려주는 블로그야. 주요 독자는 AI에 관심 있는 직장인이야. 이걸 기억해줘.]

못 먹는 음식이나 개인 선호도

레시피나 식단 관련 도움을 자주 받는다면 유용합니다.

[나는 해산물 알레르기가 있어. 레시피나 식단 추천할 때 해산물은 빼줘. 기억해줘.]

학습 수준과 배경지식

어떤 분야를 공부하거나 배우는 중이라면 현재 수준을 알려두면 설명이 달라집니다.

[나는 코딩을 전혀 모르는 비개발자야. 기술 관련 설명은 항상 코딩 모르는 사람 기준으로 쉽게 해줘. 기억해줘.]

personal assistant organize workspace productivity @unsplash

직접 기억시키는 방법 vs 자동으로 저장되는 방법

Memory에 정보를 저장하는 방법이 두 가지입니다.

직접 말해서 기억시키기

대화 중에 "이걸 기억해줘"라고 하면 ChatGPT가 해당 내용을 Memory에 저장합니다. 가장 확실한 방법입니다. 중요한 정보는 이 방식으로 명시적으로 저장하는 게 좋습니다.

[나는 1인 사업자야. 세금 관련 질문할 때 개인 사업자 기준으로 답해줘. 기억해줘.]

[우리 회사 이름은 OO마케팅이고 직원은 10명이야. 기억해줘.]

대화하다가 자동으로 저장되기

ChatGPT가 대화 중에 중요하다고 판단하는 정보를 자동으로 저장하기도 합니다. 내가 "나는 두 아이를 키우는 워킹맘이야"라고 말하면 ChatGPT가 알아서 이 내용을 기억할 수 있습니다.

자동 저장이 됐는지 확인하려면 Manage memories에서 목록을 확인하면 됩니다. 원하지 않는 내용이 저장됐다면 바로 삭제하면 됩니다.

기억 내용을 수정하거나 삭제하기

저장된 내용이 달라졌을 때는 이렇게 요청합니다.

[나 이제 이직해서 직무가 바뀌었어.

기존에 기억하고 있는 직업 정보 지우고, 새로 기억해줘. 나는 이제 스타트업에서 콘텐츠 마케터로 일하고 있어.]

또는 Settings → Manage memories에서 직접 수정하거나 삭제할 수 있습니다.

직종별 Memory 활용 예시

직장인 마케터라면

[나는 B2B SaaS 회사 마케터야.

주요 고객은 중소기업 대표와 팀장급이야.

콘텐츠는 항상 실용적이고 구체적인 사례 위주로 써줘. 기억해줘.]

이후 콘텐츠 아이디어를 달라고 하면 B2B SaaS 마케팅에 맞는 아이디어가 나옵니다.

블로거나 크리에이터라면

[내 블로그는 30대 직장인을 위한 재테크 정보를 다루는 블로그야.

글 톤은 친근하되 신뢰감 있게, 어려운 금융 용어는 쉽게 풀어서 써줘. 기억해줘.]

블로그 글 초안을 요청할 때마다 이 설정이 자동으로 반영됩니다.

자녀를 둔 부모라면

[나는 초등학교 3학년, 6학년 두 아이를 키우고 있어.

공부 계획이나 교육 관련 질문할 때 이 나이대 기준으로 답해줘. 기억해줘.]

아이 교육 관련 질문을 할 때마다 학년을 다시 설명하지 않아도 됩니다.

건강 관리 중이라면

[나는 현재 체중 감량 중이야. 하루 1,800 칼로리 이내를 목표로 하고 있어.

식단이나 운동 관련 조언할 때 이 기준으로 해줘. 기억해줘.]

식단이나 운동 관련 질문에 매번 목표를 설명하지 않아도 됩니다.

Memory 기능의 한계와 주의할 점

민감한 개인정보는 저장하지 마세요

주민등록번호, 계좌번호, 비밀번호, 주소같은 민감한 정보는 Memory에 저장하지 않는 것이 좋습니다.

ChatGPT 서버에 저장되는 정보이기 때문에 보안에 민감한 내용은 피하는 게 원칙입니다.

저장된 내용이 항상 반영되지 않을 수 있습니다

Memory에 저장된 내용이 모든 대화에 완벽하게 반영되는 건 아닙니다.

특히 Memory에 저장된 내용과 현재 대화에서 말한 내용이 충돌할 때 혼선이 생길 수 있습니다.

중요한 맥락은 해당 대화에서 다시 한 번 언급해주는 게 안전합니다.

주기적으로 정리하세요

시간이 지나면서 오래된 정보나 달라진 상황이 Memory에 남아있을 수 있습니다.

한 달에 한 번 정도 Manage memories에서 목록을 확인하고 필요 없는 내용을 정리하는 습관이 좋습니다.

프라이버시 모드에서는 작동하지 않습니다

시크릿 모드나 ChatGPT의 임시 채팅 기능을 쓸 때는 Memory가 저장되거나 반영되지 않습니다.

개인정보를 다루는 민감한 대화를 할 때는 임시 채팅을 활용하는 것도 방법입니다.

Memory와 Custom Instructions 함께 쓰는 법

두 가지를 조합하면 ChatGPT가 나에게 최적화된 상태로 작동합니다.

Custom Instructions에는 변하지 않는 기본 설정을 넣습니다.

항상 한국어로 답하기, 답변 형식, 선호하는 어조같은 것들입니다.

Memory에는 내 상황과 맥락 정보를 쌓아둡니다.

직업, 현재 진행 중인 프로젝트, 개인 선호도같은 것들입니다.

예를 들어 Custom Instructions에 "모든 답변은 한국어로 해줘.

불필요한 서론 없이 핵심부터 말해줘"를 넣고,

Memory에는 "나는 1인 쇼핑몰을 운영하고 있어.

주요 상품은 여성 의류야. 주 고객은 20~30대야"를 저장해두면 됩니다.

이후 모든 대화에서 한국어로 핵심만 말하면서 1인 쇼핑몰 맥락에 맞는 답변이 나옵니다.

마무리

ChatGPT Memory를 제대로 설정하고 나서 달라진 게 하나 있습니다.

ChatGPT를 열면서 무엇을 먼저 설명해야 하나 고민하는 시간이 없어졌습니다.

바로 본론으로 들어갈 수 있습니다.

처음에 설정하는 데 10분 정도 씁니다.

내 직업, 주요 업무, 글쓰기 스타일 선호도, 자주 쓰는 프로젝트 정보를 한 번에 입력해두세요.

그 10분이 앞으로 ChatGPT를 쓸 때마다 절약되는 시간으로 돌아옵니다.

ChatGPT API 처음 써보기 (비개발자 가이드)

AI툴덴 — Thu, 2 Apr 2026 09:21:43 +0900

ChatGPT API라는 말을 처음 들었을 때 개발자들만 쓰는 거라고 생각했습니다.

API라는 단어 자체가 낯설고 기술적인 느낌이었습니다.

그런데 알고 보니 코딩을 전혀 못해도 API를 활용할 수 있는 방법이 생각보다 많았습니다.

계기는 단순했습니다. ChatGPT 무료 플랜 사용 한도가 자꾸 걸려서 답답했습니다.

유료 플랜을 쓰면 해결이 되긴 하는데,

API를 쓰면 쓴 만큼만 비용을 내는 방식이라 오히려 저렴할 수 있다는 이야기를 들었습니다.

찾아보니 실제로 가벼운 용도라면 월 몇백 원에서 몇천 원 수준이었습니다.

직접 해봤더니 생각보다 어렵지 않았습니다.

이 글은 코딩을 모르는 분들이 ChatGPT API를 처음 접할 때 알아야 할 것들을 정리했습니다.

API가 뭔지부터 실제로 어떻게 활용할 수 있는지까지 담았습니다.

programming code computer developer @unsplash

API가 뭔가요? — 쉽게 이해하기

API는 Application Programming Interface의 약자입니다.

말이 어렵게 느껴지지만 개념 자체는 단순합니다.

식당 비유로 설명하면 이렇습니다. 손님은 메뉴판을 보고 주문을 합니다.

주방에서 음식을 만들어 가져다줍니다.

손님은 주방 안이 어떻게 돌아가는지 몰라도 됩니다. 주문하고 받으면 됩니다.

여기서 웨이터 역할을 하는 게 API입니다.

ChatGPT API는 ChatGPT 기능을 직접 호출할 수 있는 창구입니다.

웹사이트나 앱을 통하지 않고 ChatGPT의 AI 기능을 내 서비스나 도구에 직접 연결할 수 있습니다.

ChatGPT 웹사이트와 API의 차이

구분	ChatGPT 웹사이트	ChatGPT API
사용방법	브라우저에서 직접 대화	코드나 도구로 연결
비용	무료 또는 월정액	사용한 만큼 지불
활용 범위	개인 대화	다른 서비스에 연결 가능
대화 기록	자동 저장	저장 안됨 (직접 관리)
커스터마이징	제한적	자유롭게 설정 가능

가벼운 개인 용도라면 웹사이트가 편합니다.

반복 작업 자동화나 다른 도구와 연결이 필요하다면 API가 유리합니다.

비개발자가 API를 쓰는 이유

코딩을 모르는데 왜 API를 써야 할까요? 실제로 비개발자가 API를 활용하는 현실적인 이유들이 있습니다.

이유 1 — 사용량 제한 없이 쓸 수 있습니다

ChatGPT 무료 플랜은 사용 한도가 있습니다.

API는 한도 없이 쓴 만큼만 비용을 냅니다.

하루에 몇 번 가볍게 쓰는 수준이라면 월 몇백 원도 안 나올 수 있습니다.

이유 2 — Zapier, Make 같은 자동화 툴과 연결됩니다

코딩 없이 자동화를 도와주는 Zapier, Make 같은 서비스가 있습니다.

이런 툴들이 ChatGPT API와 연결됩니다.

예를 들어 이메일이 오면 자동으로 ChatGPT가 요약해서 슬랙으로 보내는 자동화를 코딩 없이 만들 수 있습니다.

이유 3 — 구글 시트와 연결해서 대량 작업이 됩니다

구글 시트에 ChatGPT를 연결하면 셀 수백 개에 있는 텍스트를 한 번에 처리할 수 있습니다.

상품 설명 100개를 한 번에 다듬거나, 고객 리뷰 500개를 한 번에 분류하는 작업이 가능합니다.

이유 4 — 내 서비스에 AI를 넣을 수 있습니다

Notion, 워드프레스, 각종 업무 툴에 AI 기능을 추가할 때 API를 씁니다.

코딩 없이도 연결해주는 중간 툴들이 많이 있습니다.

automation workflow technology connect @unsplash

API 키 발급받기 — 단계별 가이드

API를 쓰려면 먼저 API 키를 발급받아야 합니다.

API 키는 내가 이 서비스를 쓸 수 있는 사람이라는 걸 인증하는 고유한 코드입니다.

STEP 1 — OpenAI 계정 만들기

platform.openai.com에 접속합니다.

ChatGPT 계정이 있다면 같은 계정으로 로그인하면 됩니다.

없다면 이메일로 새로 가입합니다.

STEP 2 — 결제 수단 등록하기

API는 쓴 만큼 비용이 나오는 방식입니다. 결제 수단을 먼저 등록해야 합니다.

상단 메뉴에서 Settings → Billing으로 이동합니다. Add payment method에서 신용카드를 등록합니다.

처음에는 크레딧을 $5 정도만 충전해서 시작하는 걸 추천합니다.

예상치 못하게 비용이 많이 나오는 걸 방지하기 위해 Usage limits에서 월 최대 사용 금액을 설정해두세요.

STEP 3 — API 키 발급받기

상단 메뉴에서 API keys로 이동합니다.

Create new secret key 버튼을 클릭합니다.

키 이름을 입력하고 생성합니다. 화면에 나타나는 키를 복사해서 안전한 곳에 저장합니다.

이 키는 생성 직후에만 전체 내용을 볼 수 있습니다.

창을 닫으면 다시 볼 수 없으니 반드시 저장해두세요.

키를 잃어버리면 새로 발급받으면 됩니다.

API 키 보안 주의사항

API 키는 비밀번호와 같습니다.

이것만 있으면 내 계정으로 API를 호출할 수 있어서 비용이 발생합니다.

절대 하지 말아야 할 것들이 있습니다.

카카오톡이나 이메일로 공유하거나, 소셜 미디어에 올리거나, 유튜브 화면에 노출되게 하면 안 됩니다.

혹시 키가 노출됐다면 즉시 해당 키를 삭제하고 새로 발급받으세요.

코딩 없이 API 활용하는 방법 3가지

API 키를 발급받았다면 이제 실제로 활용할 차례입니다.

코딩 없이도 쓸 수 있는 방법들입니다.

방법 1 — Zapier로 자동화하기

Zapier는 서로 다른 앱들을 연결해서 자동화하는 서비스입니다.

코딩 없이 드래그 앤 드롭 방식으로 자동화를 만들 수 있습니다.

예를 들어 이런 자동화가 가능합니다.

구글 폼에 응답이 오면 → ChatGPT가 내용을 분석해서 → 결과를 구글 시트에 기록하는 흐름입니다.

고객 문의가 이메일로 오면 → ChatGPT가 요약해서 → 슬랙으로 알림을 보내는 것도 됩니다.

Zapier에서 ChatGPT 연결 설정 화면에 API 키를 입력하면 연결이 완료됩니다.

이후에는 원하는 자동화 흐름을 설정하면 됩니다.

방법 2 — 구글 시트와 연결하기

구글 시트에 ChatGPT를 연결하는 확장 프로그램들이 있습니다.

GPT for Sheets and Docs가 대표적입니다.

구글 시트 상단 메뉴에서 확장 프로그램 → 부가기능 → 부가기능 설치에서 GPT for Sheets를 검색해서 설치합니다.

설치 후 API 키를 입력하면 구글 시트 셀에서 GPT 함수를 쓸 수 있습니다.

예를 들어 A열에 상품명이 100개 있을 때 B열에 이렇게 입력합니다.

=GPT("다음 상품의 50자 이내 설명을 써줘: "&A1)

엔터를 누르면 A1 셀의 상품명을 기반으로 설명이 생성됩니다.

이걸 B열 전체에 적용하면 100개 상품 설명이 한 번에 만들어집니다.

방법 3 — Typebot이나 Botpress로 챗봇 만들기

코딩 없이 챗봇을 만들 수 있는 노코드 툴들이 있습니다. Typebot, Botpress, Landbot 같은 서비스입니다.

드래그 앤 드롭으로 대화 흐름을 설계하고, ChatGPT API를 연결하면 AI가 답변하는 챗봇이 완성됩니다. 쇼핑몰 고객 응대 챗봇, 예약 안내 챗봇, FAQ 자동 응답 챗봇을 코딩 없이 만들 수 있습니다.

API 비용은 얼마나 나오나요?

API는 사용량에 따라 비용이 달라집니다. 토큰이라는 단위로 측정합니다.

토큰이 뭔가요?

토큰은 텍스트를 처리하는 단위입니다. 영어 기준으로 단어 하나가 대략 토큰 하나에서 두 개 정도입니다.

한국어는 영어보다 토큰을 더 많이 씁니다.

대략 한국어 한 글자가 토큰 두 개에서 세 개 정도라고 보면 됩니다.

짧은 질문과 답변 하나에 보통 수백 토큰에서 수천 토큰이 사용됩니다.

현실적인 비용 수준

정확한 가격은 OpenAI 공식 사이트에서 확인하는 게 맞습니다.

모델마다 가격이 다르고 자주 업데이트됩니다.

일반적인 수준에서 말씀드리면 가벼운 개인 용도로는 월 몇백 원에서 몇천 원 수준입니다.

구글 시트에서 수백 개 셀을 처리하는 정도의 작업은 달러 단위 미만이 나오는 경우가 많습니다.

처음에는 소액만 충전하고 실제로 써보면서 비용 감각을 익히는 게 좋습니다.

OpenAI 대시보드에서 실시간으로 사용량과 비용을 확인할 수 있습니다.

비개발자가 API로 할 수 있는 실전 활용 예시

실제로 코딩 없이 할 수 있는 활용 예시들입니다.

고객 리뷰 자동 분석

온라인 쇼핑몰을 운영한다면 고객 리뷰를 하나하나 읽고 분류하는 게 시간이 많이 걸립니다.

구글 시트에 리뷰를 모아놓고

ChatGPT API로 긍정, 부정, 중립으로 자동 분류하거나 핵심 피드백을 추출할 수 있습니다.

블로그 초안 대량 생성

주제 목록을 구글 시트에 정리해두고 ChatGPT API를 연결하면

각 주제별로 초안을 한 번에 생성할 수 있습니다.

수동으로 ChatGPT 창에 하나씩 입력하는 것보다 훨씬 빠릅니다.

이메일 자동 분류 및 초안 작성

Zapier와 ChatGPT API를 연결하면

이메일이 오는 즉시 내용을 분석해서 중요도로 분류하고 답장 초안을 자동으로 생성하는 흐름을 만들 수 있습니다.

상품 정보 자동 번역 및 현지화

해외 플랫폼에 상품을 올릴 때 상품명과 설명을 영어로 번역하는 작업을 ChatGPT API로 자동화할 수 있습니다.

구글 시트에 한국어 정보를 입력하면 영어 번역이 자동으로 생성됩니다.

처음 시작할 때 주의할 점

비용 한도를 반드시 설정하세요

API를 처음 쓸 때 실수로 반복 호출이 생기면 비용이 예상보다 많이 나올 수 있습니다.

OpenAI 대시보드 Settings → Limits에서 월 최대 사용 금액을 미리 설정해두세요.

결과물은 반드시 검토하세요

API로 대량 처리한 결과물도 ChatGPT 웹사이트에서 나온 결과물과 마찬가지로 틀린 내용이 포함될 수 있습니다.

특히 사실 정보가 중요한 작업은 샘플을 먼저 확인한 뒤 전체 처리를 하는 방식이 안전합니다.

민감한 정보는 넣지 마세요

고객 개인정보, 회사 기밀 데이터를 API로 처리할 때는 회사 정보보안 정책을 먼저 확인하세요.

API로 보낸 데이터는 OpenAI 서버를 통과합니다.

마무리

API라는 단어가 개발자 전용처럼 느껴졌는데 실제로 써보니 달랐습니다.

Zapier나 구글 시트 확장 프로그램 같은 중간 도구들이 잘 돼있어서 코딩 없이도 생각보다 많은 것들을 할 수 있었습니다.

처음 시작은 간단하게 해보세요.

API 키를 발급받고, 구글 시트에 GPT for Sheets를 설치해서 셀 하나에 GPT 함수를 써보는 것부터 시작하면 됩니다.

그 셀에서 결과가 나오는 순간 다음에 뭘 자동화할 수 있을지 아이디어가 생깁니다.

LLM이란? - 대형 언어 모델 입문 가이드

AI툴덴 — Wed, 1 Apr 2026 08:01:03 +0900

ChatGPT를 쓰기 시작하면서 LLM이라는 단어를 자주 듣게 됐습니다.

뉴스에서도, 유튜브에서도, AI 관련 글마다 LLM이 나왔습니다.

대충 AI랑 비슷한 말이겠거니 하고 넘겼는데,

어느 날 동료가 "GPT-4가 어떤 LLM을 쓰는 거야?"라고 물어봤을 때 제대로 설명을 못 했습니다.

쓰는 건 매일 쓰면서 정작 그게 뭔지는 모르고 있었던 겁니다.

그날 이후로 LLM이 무엇인지 찾아봤습니다.

어렵게 설명한 글들이 많았는데 핵심을 파악하고 나니 생각보다 어렵지 않았습니다.

오히려 알고 나서 ChatGPT를 쓰는 방식이 달라졌습니다.

왜 특정 질문에서 잘 틀리는지, 왜 최신 정보를 모르는지, 왜 길게 대화하다 보면 앞 내용을 잊어버리는지가 이해됐습니다.

이 글은 LLM을 처음 접하는 분들을 위한 입문 가이드입니다.

기술적인 설명보다 "그래서 이게 나한테 어떤 의미인지"에 초점을 맞춰 정리했습니다.

artificial intelligence network data technology @unsplash

LLM이 뭔가요? — 한 문장으로 정리하면

LLM은 Large Language Model의 약자입니다. 한국어로는 대형 언어 모델이라고 합니다.

한 문장으로 정리하면 이렇습니다.

LLM은 엄청난 양의 텍스트를 학습해서 사람처럼 글을 읽고 쓸 수 있게 된 AI 시스템입니다.

ChatGPT, Claude, Gemini, Llama가 전부 LLM입니다.

LLM이라는 기술 위에 만들어진 서비스들입니다.

스마트폰에 비유하면 LLM은 운영체제이고 ChatGPT는 그 위에서 돌아가는 앱이라고 볼 수 있습니다.

Large, Language, Model — 단어 하나씩 이해하기

LLM이라는 이름 자체가 이 기술을 잘 설명합니다. 단어 하나씩 풀어보면 전체 개념이 잡힙니다.

Large — 크다

여기서 크다는 두 가지를 의미합니다. 학습에 쓴 데이터의 양이 크고, 모델 자체의 크기도 큽니다.

학습 데이터 양이 어느 정도냐면, 인터넷에 있는 방대한 텍스트, 책 수백만 권, 논문, 뉴스 기사, 코드를 전부 합친 수준입니다.

일반 성인이 평생 읽을 수 있는 분량의 수천 배입니다.

모델 크기는 파라미터 수로 측정합니다.

파라미터는 모델이 학습하면서 조정한 수치들인데, 많을수록 더 복잡한 패턴을 학습할 수 있습니다.

Language — 언어

LLM은 언어를 다루는 모델입니다.

여기서 언어는 텍스트 전반을 말합니다. 한국어, 영어, 일본어 같은 자연어뿐 아니라 코드, 수식도 포함됩니다.

이미지나 음성을 기본으로 다루지 않고 텍스트를 기반으로 한다는 것이 LLM의 특징입니다.

최근에는 이미지와 텍스트를 함께 다루는 멀티모달 모델도 나왔지만 기본은 언어입니다.

Model — 모델

수학적 구조를 가진 시스템입니다. 학습을 통해 패턴을 익히고, 그 패턴을 바탕으로 새로운 입력에 반응합니다.

사람처럼 이해하는 것이 아니라 통계적 패턴으로 다음에 올 말을 예측하는 방식으로 작동합니다.

LLM은 어떻게 작동하나요?

기술적인 설명보다 직관적으로 이해할 수 있는 방식으로 설명합니다.

핵심 원리 — 다음 단어 예측

LLM의 가장 핵심적인 작동 방식은 다음에 올 단어를 예측하는 것입니다.

"오늘 날씨가 너무 ___"라는 문장이 있으면 빈칸에 뭐가 올지 예측합니다.

단순히 한 단어를 예측하는 게 아니라 이 과정을 연속으로 반복해서 전체 문장과 문단을 만들어냅니다.

이 예측이 그럴싸한 이유는 엄청난 양의 텍스트를 학습했기 때문입니다.

사람들이 어떤 문맥에서 어떤 단어를 쓰는지의 패턴을 수십억 개 익혔습니다.

그 패턴을 바탕으로 자연스럽게 들리는 텍스트를 생성합니다.

학습 과정

LLM이 만들어지는 과정은 크게 세 단계입니다.

첫째, 사전 학습입니다. 방대한 텍스트 데이터를 학습합니다.

인터넷 텍스트, 책, 논문을 읽으면서 언어의 패턴을 익힙니다.

이 단계에서 엄청난 컴퓨팅 파워와 비용이 들어갑니다.

둘째, 파인튜닝입니다.

사전 학습된 모델을 특정 목적에 맞게 추가 학습합니다.

ChatGPT는 사람과 대화하는 방식으로 파인튜닝이 됐습니다.

의료용 LLM이라면 의학 데이터로 추가 학습합니다.

셋째, RLHF입니다. Reinforcement Learning from Human Feedback의 약자로,

사람이 모델의 답변을 평가해서 더 좋은 답변을 만들도록 강화 학습하는 방법입니다.

ChatGPT가 더 자연스럽고 도움이 되는 답변을 하게 된 핵심 방법입니다.

machine learning computer brain neural @unsplash

LLM을 알면 AI를 더 잘 쓸 수 있는 이유

LLM의 작동 방식을 이해하면 왜 AI가 이렇게 행동하는지가 보입니다.

답답했던 부분들이 이해되기 시작합니다.

왜 최신 정보를 모르나요?

LLM은 특정 시점까지의 데이터로만 학습됩니다.

이를 학습 데이터 컷오프라고 합니다. 그 이후에 일어난 일은 알지 못합니다.

ChatGPT가 최근 뉴스를 모르는 이유입니다.

최신 정보가 필요하면 웹 검색 기능을 켜거나 Perplexity를 함께 쓰는 방식으로 보완해야 합니다.

왜 사실이 아닌 내용을 자신 있게 말하나요?

LLM은 사실을 이해하는 게 아니라 텍스트 패턴을 학습한 것입니다.

그럴싸한 텍스트를 만드는 게 목표이기 때문에 정확하지 않은 내용도 자신 있게 말할 수 있습니다.

이게 할루시네이션이 생기는 근본적인 이유입니다. 중요한 사실은 반드시 외부에서 검증하는 습관이 필요합니다.

왜 대화가 길어지면 앞 내용을 잊나요?

LLM은 한 번에 처리할 수 있는 텍스트 양이 정해져 있습니다.

이를 컨텍스트 윈도우라고 합니다.

대화가 길어져서 컨텍스트 윈도우를 넘어가면 앞 내용이 밀려나갑니다.

Claude가 200K 토큰이라고 할 때 그게 바로 이 컨텍스트 윈도우 크기입니다.

긴 작업을 할 때는 중요한 내용을 새 대화 시작 때 다시 알려주거나, 컨텍스트 윈도우가 큰 모델을 쓰는 것이 좋습니다.

왜 같은 질문에 매번 다른 답변이 나오나요?

LLM은 다음 단어를 예측할 때 확률적으로 선택합니다.

완전히 고정된 답이 아니라 그때그때 다른 선택을 하기 때문에 같은 질문도 답변이 조금씩 다릅니다.

이 랜덤성을 온도(temperature)라고 하는데, 높을수록 창의적이고 낮을수록 일관성 있는 답변이 나옵니다.

LLM과 AI, 뭐가 다른가요?

LLM과 AI를 같은 말처럼 쓰는 경우가 많은데 정확하지 않습니다.

관계를 정리하면 이렇습니다.

AI는 가장 넓은 개념입니다. 인공지능 전반을 말합니다. 체스 AI, 이미지 인식 AI, 자율주행 AI도 전부 AI입니다.

머신러닝은 AI의 한 분야입니다. 데이터를 학습해서 패턴을 찾는 방법입니다.

딥러닝은 머신러닝의 한 방법입니다. 인간 뇌의 신경망을 모방한 구조를 씁니다.

LLM은 딥러닝을 기반으로 언어를 다루는 모델입니다.

AI라는 큰 틀 안에서 텍스트 생성에 특화된 분야입니다.

쉽게 말하면 LLM은 AI의 한 종류입니다.

하지만 AI라고 해서 다 LLM은 아닙니다.

오픈소스 LLM vs 클로즈드 LLM

LLM은 크게 두 가지로 나뉩니다. 오픈소스와 클로즈드입니다.

클로즈드 LLM은 GPT-4o, Claude, Gemini처럼 기업이 개발하고 API나 서비스 형태로만 제공합니다.

내부 구조는 공개되지 않습니다.

사용하려면 비용을 내야 합니다. 일반 사용자 입장에서는 성능이 높고 쓰기 편하다는 장점이 있습니다.

오픈소스 LLM은 Meta의 Llama, Mistral처럼 모델 자체를 무료로 공개합니다.

직접 서버에 설치해서 쓸 수 있고 내부를 수정할 수도 있습니다.

개발자나 기업이 자체 AI를 만들 때 활용합니다.

데이터를 외부 서버에 보내지 않아도 된다는 보안 장점도 있습니다.

일반 사용자라면 클로즈드 LLM 기반의 서비스인 ChatGPT나 Claude를 쓰는 게 편합니다.

개발자이거나 회사 데이터를 다루는 용도라면 오픈소스 LLM을 검토해볼 만합니다.

LLM의 한계 — 알고 쓰면 다릅니다

LLM이 못하는 것들을 알면 더 현명하게 쓸 수 있습니다.

실시간 정보를 모릅니다.

오늘 주가, 어제 뉴스, 방금 발표된 내용은 알 수 없습니다.

웹 검색 기능을 함께 쓰는 방식으로 보완해야 합니다.

정확한 계산을 잘 못합니다. 텍스트 패턴으로 작동하기 때문에 복잡한 수학 계산에서 오류가 나옵니다.

수치 계산은 코드 실행 기능을 쓰거나 계산기로 따로 검증하세요.

개인화된 정보를 모릅니다.

내 상황, 내 회사, 내 개인 데이터는 알지 못합니다.

관련 정보를 직접 입력해줘야 맥락에 맞는 답이 나옵니다.

판단과 책임이 없습니다.

법적 판단, 의학적 진단, 중요한 재무 결정을 LLM에게 맡기면 안 됩니다.

참고 자료로 활용하되 최종 판단은 사람이 해야 합니다.

LLM의 미래 - 어디로 가고 있나요?

LLM 기술은 빠르게 발전하고 있습니다.

지금 이미 시작된 방향들이 있습니다.

멀티모달이 기본이 됩니다. 텍스트만 다루던 LLM이 이미지, 음성, 영상까지 함께 처리하는 방향으로 가고 있습니다.

GPT-4o가 이미 이미지를 보고 대화하는 것처럼 앞으로는 더 다양한 형태의 입출력이 가능해집니다.

에이전트로 진화합니다. 질문에 답하는 것에서 스스로 계획을 세우고 실행하는 에이전트로 발전하고 있습니다.

사람이 지시만 하면 여러 단계를 스스로 처리하는 방향입니다.

경량화가 이뤄집니다. 지금은 대규모 서버가 필요하지만 점점 작고 빠른 모델이 나오고 있습니다.

스마트폰에서 LLM이 직접 돌아가는 시대가 이미 시작됐습니다.

더 긴 컨텍스트를 처리합니다.

지금도 Claude가 200K 토큰을 처리하지만 앞으로는 훨씬 더 긴 문서와 대화를 한 번에 처리할 수 있게 됩니다.

마무리

LLM을 처음 알게 됐을 때 가장 도움이 됐던 건 왜 AI가 틀리는지를 이해하게 된 것입니다.

AI가 신뢰할 수 없어서 못 쓰는 게 아니라 어떤 부분에서 틀릴 수 있는지 알고 그걸 보완하면서 쓰는 것입니다.

ChatGPT를 매일 쓰면서도 LLM이 뭔지 몰랐던 것처럼,

아이폰을 매일 쓰면서 CPU 구조를 몰라도 됩니다.

하지만 조금 알면 더 잘 쓸 수 있습니다.

이 글이 그 시작점이 됐으면 합니다.

AI로 병원 가기 전 증상 정리하기

AI툴덴 — Tue, 31 Mar 2026 08:44:11 +0900

병원 진료실에 들어가면 긴장이 됩니다.

의사 선생님이 "어디가 불편하세요?"라고 물어보면 집에서 생각해뒀던 말들이 갑자기 뒤죽박죽이 됩니다.

증상을 설명하다 보면 중요한 걸 빠뜨리고, 다 말한 것 같은데 진료실을 나오면 물어보지 못한 게 생각납니다.

그러다 결국 다시 예약을 잡아야 하는 상황이 생기는 경우도 간혹 발생하고는 하죠.

진료 시간은 생각보다 짧습니다. 동네 의원 기준으로 한 사람당 평균 2-3분 남짓입니다.

그 짧은 시간에 내 증상을 정확하게 전달하고, 필요한 걸 다 물어보려면 미리 정리가 돼있어야 합니다.

어느 날 ChatGPT에 내 증상을 입력해봤습니다.

언제부터 어떻게 아팠는지, 통증 위치와 정도, 다른 증상은 없는지를 넣었더니 의사한테 전달할 내용이 일목요연하게 정리됐습니다.

진료실에서 이걸 보여드렸더니 선생님이 "이렇게 정리해 오시면 훨씬 빠르고 정확하게 진료할 수 있어요"라고 하셨습니다.

그 이후로 병원 가기 전에는 항상 AI로 증상을 먼저 정리합니다.

이 글은 AI로 병원 가기 전 증상을 정리하는 방법을 담아 보았습니다.

doctor hospital medical clinic @unsplash

먼저 꼭 읽어주세요 — 중요한 안내

이 글에서 설명하는 AI 활용법은 병원 진료를 준비하는 데 도움을 주는 것입니다.

AI가 진단을 내리거나 치료 방법을 결정하는 것이 아닙니다.

AI는 의학적 판단을 할 수 없습니다.

증상을 정리하고 의사에게 전달하는 준비를 돕는 도구로 활용하세요.

응급 상황이라고 느껴진다면 AI에 입력하기 전에 119에 전화하거나 응급실로 가세요.

갑작스러운 심한 흉통, 호흡 곤란, 심한 두통, 의식 저하, 과다 출혈 같은 증상은 즉시 응급 처치가 필요합니다.

AI가 알려주는 내용은 참고 자료이며 최종 판단은 반드시 의사가 합니다.

왜 증상 정리가 중요한가

의사가 정확한 진단을 내리려면 정확한 정보가 필요합니다.

환자가 증상을 두루뭉술하게 설명하면 의사도 추가 질문을 해야 하고, 그만큼 진료 시간이 줄어듭니다.

증상을 잘 정리해서 가면 달라지는 것들이 있습니다.

의사가 핵심 내용을 빠르게 파악해서 필요한 검사나 치료로 바로 넘어갈 수 있습니다.

진료 중에 내가 놓치는 질문이 줄어듭니다.

처방전을 받고 나왔는데 뭘 물어봐야 했는지 생각나는 상황이 없어집니다.

특히 만성 질환이 있거나 여러 증상이 겹쳐있을 때, 오래전부터 지속된 증상을 설명할 때 AI 정리가 더 유용합니다.

기본 프롬프트 — 증상 정리하기

아래 프롬프트를 복사해서 내 증상을 채워 넣으세요.

병원 진료 전에 증상을 정리하고 싶어.

아래 내용을 바탕으로 의사 선생님께 전달할 증상 요약을 만들어줘.

기본 정보

나이: [예: 35세]

성별: [예: 여성]

기저질환: [예: 없음 / 예: 고혈압, 당뇨]

현재 복용 중인 약: [예: 없음 / 약 이름]

증상 내용

주요 증상: [예: 오른쪽 아랫배 통증]

언제부터: [예: 3일 전부터]

통증 정도: [예: 10점 만점에 6점, 일상생활이 불편한 수준]

통증 양상: [예: 지속적으로 아프다가 가끔 심해짐]

통증 위치: [예: 오른쪽 아랫배, 가끔 허리까지 퍼짐]

악화 요인: [예: 움직이거나 식사 후에 더 심해짐]

완화 요인: [예: 누워있으면 조금 나아짐]

동반 증상: [예: 메스꺼움, 식욕 저하]

최근 특이사항: [예: 3일째 변비가 있음]

요청 사항

위 내용을 의사 선생님께 전달하기 좋게 깔끔하게 정리해줘.

진료 중에 내가 꼭 물어봐야 할 질문도 3가지 만들어줘.

어떤 진료과를 가면 좋을지도 알려줘.

진료과별 특화 프롬프트

증상에 따라 어떤 진료과를 가야 할지 모를 때도 있습니다.

진료과별로 맞는 정보를 정리하는 방법입니다.

내과 증상일 때

소화기, 호흡기, 발열, 피로감 같은 내과 증상은 이 항목들을 추가로 입력하면 더 정확한 정리가 나옵니다.

위 기본 정보에 추가할게.

식사와의 연관성: [예: 식후 30분에 증상이 심해짐]

대변 상태 변화: [예: 최근 변색이나 형태 변화 있음]

체중 변화: [예: 최근 한 달 3kg 감량]

발열 여부: [예: 미열 37.5도]]

정형외과·신경과 증상일 때

관절, 근육, 허리, 목 통증이 있을 때는 이 항목들이 중요합니다.

통증 시작 계기: [예: 갑자기 / 무거운 것을 들다가 / 특별한 이유 없이]

저림 증상 여부: [예: 손발이 저리거나 감각이 이상함]

특정 자세에서의 변화: [예: 앉아있으면 더 아프고 누우면 나아짐]

이전에 같은 부위 부상 이력: [예: 있음 / 없음]

피부과 증상일 때

피부 트러블은 언제 봐도 정확히 설명하기 어렵습니다. 이 항목들을 입력하면 도움이 됩니다.

증상 위치: [예: 얼굴 양 볼]

증상 형태: [예: 붉은 반점, 작은 여드름 형태]

가려움 여부: [예: 있음 / 없음]

사용 중인 화장품이나 새로 쓰기 시작한 제품: [예: 3주 전에 새 세럼 사용 시작]

계절이나 환경 변화와의 연관성: [예: 봄부터 심해짐]

healthcare medical checkup patient @unsplash

만성 질환 관리 진료 전 정리하기

고혈압, 당뇨, 갑상선 같은 만성 질환으로 정기적으로 병원을 다니는 분들도 AI를 활용할 수 있습니다.

매번 비슷한 진료라도 이번 기간에 달라진 것들을 정리해서 가면 훨씬 효율적입니다.

당뇨 정기 진료 전 증상과 수치를 정리해줘.

이번 달 측정 기록

공복 혈당: [예: 평균 130, 최고 165, 최저 98]

식후 2시간 혈당: [예: 평균 180]

체중 변화: [예: 지난 달 대비 2kg 증가]

이번 기간 특이사항

달라진 식습관: [예: 야근이 늘어서 저녁 식사가 불규칙했음]

운동량 변화: [예: 이번 달은 거의 못 함]

새로 생긴 증상: [예: 발이 가끔 저림]

진료에서 물어볼 것

약 용량 조정이 필요한지, 저림 증상에 대한 검사가 필요한지 물어봐야 해.

위 내용을 진료 전 요약으로 정리해줘.

이런 방식으로 정리하면 정기 진료가 훨씬 내실 있어집니다.

의사도 환자의 생활 변화를 파악하기 쉬워집니다.

병원에서 물어봐야 할 질문 만들기

진료실에서 막상 질문이 생각 안 날 때가 많습니다.

AI에게 내 증상을 입력하고 의사에게 물어볼 질문 목록을 만들어달라고 하면 도움이 됩니다.

[위 증상으로 내과 진료를 볼 예정이야. 진료 중에 꼭 물어봐야 할 질문 5가지를 만들어줘. 검사가 필요한지, 어떤 검사인지, 약을 처방받으면 주의사항이 뭔지 같은 실용적인 질문 위주로.]

자주 나오는 유용한 질문들이 있습니다.

이 증상이 얼마나 지속되면 다시 와야 하나요?

처방받은 약의 부작용이 있다면 어떤 게 있나요?

생활 습관에서 바꿔야 할 것이 있나요?

추가 검사가 필요한 상황은 어떤 경우인가요?

이 증상과 관련해서 평소에 주의해야 할 것이 있나요?

응급 여부 판단이 걱정될 때

증상이 생겼을 때 지금 당장 응급실을 가야 하는지, 내일 일반 병원을 가도 되는지 판단이 안 설 때가 있습니다.

이런 판단은 AI에게 완전히 맡기면 안 됩니다. 하지만 참고 정보를 얻는 데는 쓸 수 있습니다.

[지금 [증상]이 있어. 이 증상이 응급실을 가야 하는 수준인지 일반 병원을 예약해도 되는 수준인지 판단하는 데 도움이 되는 기준을 알려줘. 어떤 증상이 추가되면 즉시 응급실에 가야 하는지도 알려줘.]

AI가 알려주는 내용을 참고하되 조금이라도 응급 상황 같다는 느낌이 든다면

바로 119나 응급실로 가는 것이 맞습니다. AI의 판단보다 본인의 직감이 더 중요합니다.

진료 후에도 AI를 활용하세요

병원을 다녀온 뒤에도 AI가 도움이 되는 상황들이 있습니다.

처방전 내용 이해하기

처방받은 약이 어떤 약인지, 왜 처방됐는지 이해가 안 될 때 이렇게 물어볼 수 있습니다.

오늘 처방받은 약이야: [약 이름들]

각 약이 어떤 역할을 하는 건지 쉽게 설명해줘. 같이 먹으면 안 되는 음식이나 주의사항도 알려줘.

처방전의 약 이름은 대부분 생소한 의약품명이라 어렵습니다.

AI가 알기 쉬운 말로 설명해주면 내가 왜 이 약을 먹는지 이해하고 복용하게 됩니다.

단, AI의 설명이 의사 지시와 다를 경우 반드시 의사 지시를 따르세요.

의사 설명이 이해 안 됐을 때

진료 중에 의사 선생님 설명을 다 이해 못 하는 경우가 있습니다.

[오늘 의사한테 [진단명]이라고 했어. 이게 정확히 어떤 건지 쉽게 설명해줘.

일반적으로 어떤 치료를 받는지, 생활에서 주의할 점이 뭔지도 알려줘.]

의학 용어로 된 설명을 일상 언어로 풀어서 이해하는 데 활용합니다.

이 내용도 참고 자료로만 쓰고, 다음 진료 때 추가로 확인하고 싶은 것들을 질문 목록으로 만들어두세요.

마무리

병원 진료를 잘 받는 것도 능력입니다.

같은 증상으로 같은 의사를 만나도 얼마나 정확하게 전달하느냐에 따라 진료의 질이 달라집니다.

AI로 증상을 정리하는 데 걸리는 시간은 5분입니다.

그 5분이 진료실에서의 5분을 훨씬 가치 있게 만들어줍니다.

다음에 병원을 가야 하는 상황이 생기면 출발 전에 AI에게 증상을 정리해달라고 해보세요.

진료실에서 달라진 걸 느낄 수 있습니다.

AI병원준비, 증상정리, 병원진료준비, ChatGPT건강, AI건강관리, 진료팁, AITOOLDEN

AI로 냉장고 속 재료로 레시피 찾기

AI툴덴 — Mon, 30 Mar 2026 08:24:58 +0900

냉장고 문을 열 때마다 죄책감이 생겼습니다.

쓰다 남은 대파 반 단, 언제 샀는지 기억도 안 나는 두부, 애매하게 남은 김치, 잊고 있던 계란 몇 개.

뭔가 요리는 해야겠는데 이걸로 뭘 만들어야 할지 모르겠어서 결국 배달 앱을 열었습니다.

그러다 유통기한이 지난 재료를 버리고, 또 비슷한 재료를 사오는 악순환이 반복됐습니다.

어느 날 냉장고에 있는 재료를 그대로 ChatGPT에 입력해봤습니다.

대파, 두부, 계란, 김치, 고추장이 있다고 했더니 김치두부찌개, 두부김치, 계란볶음밥 세 가지 레시피가 나왔습니다.

재료 하나하나 어떻게 쓰는지까지 알려줬습니다.

그날 처음으로 냉장고 재료를 전부 소진하고 요리를 완성했습니다.

이 글은 AI로 냉장고 속 재료를 활용하는 방법을 정리했습니다.

프롬프트 그대로 쓸 수 있게 담았고, 상황별로 다르게 쓰는 방법도 포함했습니다.

refrigerator food ingredients kitchen @unsplash

왜 AI 레시피 추천이 요리 앱보다 나은가

요리 앱이나 레시피 사이트도 재료 검색 기능이 있습니다.

그런데 써보면 한계가 있습니다.

재료 하나를 입력하면 그 재료가 들어간 레시피 수백 개가 나오는데,

내가 가진 다른 재료들과 맞는 것을 골라내는 건 결국 사람이 해야 합니다.

AI는 다릅니다.

지금 냉장고에 있는 재료를 전부 입력하면

그 재료들을 조합해서 만들 수 있는 레시피를 바로 제안합니다.

요리 실력 수준, 요리에 쓸 수 있는 시간, 가족 중 못 먹는 음식까지 함께 알려주면

그에 맞는 레시피가 나옵니다.

레시피 사이트에서 내 상황에 딱 맞는 결과를 찾으려면 한참 걸리는 일이 AI로는 한 번에 됩니다.

기본 프롬프트 — 이것만 써도 됩니다

냉장고를 열고 있는 재료를 확인한 뒤 아래 프롬프트에 넣어서 입력하세요.

냉장고에 있는 재료로 만들 수 있는 요리를 추천해줘.

현재 있는 재료

냉장: [예: 계란 3개, 두부 반 모, 대파 조금, 당근 반 개, 김치]

냉동: [예: 냉동 새우 조금, 밥]

조미료·소스: [예: 간장, 고추장, 참기름, 소금, 설탕]

내 상황

요리 실력: [예: 초보 / 보통 / 잘하는 편]

요리 시간: [예: 30분 이내]

못 먹는 음식: [예: 없음 / 예: 해산물 알레르기]

식사 인원: [예: 1인 / 2인 / 4인 가족]

요청 사항

위 재료로 만들 수 있는 요리 3가지를 추천해줘.

각 요리마다 필요한 재료, 조리 순서, 조리 시간을 알려줘.

추가로 사야 하는 재료가 있다면 최소한으로 알려줘.

이렇게 입력하면 지금 당장 만들 수 있는 요리 세 가지가 조리법과 함께 나옵니다.

요리 실력에 맞는 난이도로 조정된 설명까지 포함됩니다.

상황별 추가 프롬프트

기본 프롬프트에서 상황에 따라 조건을 추가하면 더 맞춤화된 레시피가 나옵니다.

유통기한이 얼마 안 남은 재료가 있을 때

냉장고 재료 중에 빨리 써야 하는 것들이 있을 때는 이렇게 요청합니다.

위 재료 중에서 두부와 계란이 유통기한이 2일 남았어.

이 두 가지를 반드시 오늘 써야 해. 두부와 계란을 메인으로 쓰는 요리를 먼저 추천해줘.

유통기한 임박 재료를 우선 소진하는 방향으로 레시피를 짜줍니다.

다이어트 중일 때

위 재료로 만들 수 있는 요리인데 칼로리를 낮게 유지하고 싶어.

기름을 최소한으로 쓰고, 단백질은 충분히 들어가는 요리로 추천해줘.

각 요리의 대략적인 칼로리도 알려줘.

아이와 함께 먹을 때

위 재료로 8살 아이와 함께 먹을 수 있는 요리를 만들고 싶어.

맵지 않고, 아이가 좋아할 만한 맛으로.

아이가 싫어하는 채소가 잘 보이지 않게 넣는 방법도 알려줘.

요리 시간이 10분밖에 없을 때

지금 너무 바쁜데 재료는 이것밖에 없어.

10분 안에 만들 수 있는 가장 간단한 요리 하나만 알려줘.

설거지도 최소화할 수 있는 방법으로.

특별한 날 손님이 오실 때

위 재료에 추가로 장을 봐서 주말 손님 접대 요리를 만들려고 해.

기존 재료를 최대한 활용하고, 추가 재료는 5가지 이내로. 한 상 차림으로 구성해줘.

메인 1가지, 반찬 2가지, 국 1가지.

cooking kitchen vegetables healthy meal @unsplash

냉장고 재료 관리까지 AI로 하기

레시피 찾기에서 한 발 더 나아가면 냉장고 재료 관리 자체를 AI로 도울 수 있습니다.

주간 식단 계획 세우기

주말에 장을 보기 전에 이렇게 활용합니다.

4인 가족 일주일 식단을 짜줘.

현재 냉장고에 남은 재료: [재료 목록]

한 주 식재료 예산: 10만원

조건: 매일 요리하기 어려우니 한 번에 많이 만들어서 나눠 먹을 수 있는 요리 포함

남은 재료를 최대한 활용하고, 추가로 사야 할 장보기 목록도 함께 만들어줘.

이렇게 하면 남은 재료를 버리지 않고 쓸 수 있는 일주일 식단과 장보기 목록이 동시에 나옵니다.

냉장고 정리 도움받기

우리 냉장고에 있는 재료야. [재료 목록 + 대략적인 유통기한]

이 재료들을 유통기한 순서로 정리해줘.

이번 주 안에 써야 하는 것들을 먼저 알려주고, 각 재료를 활용할 수 있는 요리도 간단히 연결해줘.

냉장고 재료를 정리하고 버리는 것들을 줄이는 데 도움이 됩니다.

자주 남는 재료별 활용법 물어보기

냉장고에 자주 남는 재료들이 있습니다.

대파 반 단, 애매하게 남은 두부, 다 쓰지 못한 양파 같은 것들입니다.

이런 재료들을 어떻게 활용할지 AI에게 직접 물어볼 수 있습니다.

1.대파가 반 단 남았는데 쉽게 버리기 아까워. 대파를 오래 보관하는 방법이랑, 대파를 많이 쓰는 요리 레시피 알려줘.

2.두부 한 모가 있는데 오늘 요리에 절반만 쓰게 됐어.

남은 두부를 신선하게 보관하는 방법이랑, 내일 활용할 수 있는 간단한 요리 알려줘.

3.계란이 10개 있는데 유통기한이 3일 남았어. 계란을 많이 쓰는 요리 레시피 3가지 알려줘. 각각 다른 스타일로.

재료 하나에 집중해서 물어보면 그 재료의 보관법과 다양한 활용법이 함께 나옵니다.

AI가 알려준 레시피, 이렇게 활용하세요

레시피를 노션이나 메모 앱에 저장하기

AI가 추천해준 레시피 중에 자주 만들 것 같은 것들은 저장해두면 좋습니다.

지금 알려준 레시피를 나중에 다시 쓸 수 있게 깔끔하게 정리해줘. 재료 목록, 조리 순서, 조리 시간, 보관 방법 형식으로.

저장해둔 레시피는 다음번에 비슷한 재료가 생겼을 때 바로 꺼내 쓸 수 있습니다.

레시피 난이도 조정하기

AI가 추천한 레시피가 너무 복잡하다면 이렇게 요청합니다.

방금 알려준 레시피가 너무 복잡해. 더 간단하게, 초보자도 실패 없이 만들 수 있는 버전으로 바꿔줘. 꼭 필요하지 않은 과정은 생략해줘.

반대로 더 고급스럽게 만들고 싶다면 이렇게 합니다.

방금 알려준 김치찌개를 더 깊은 맛으로 만드는 방법이 있어? 추가하면 좋은 재료나 손질 방법을 알려줘.

주의사항 — 이것만 조심하세요

AI가 알려주는 레시피는 참고 자료입니다.

식재료 알레르기가 있다면 AI가 추천한 레시피에 해당 재료가 포함됐는지 반드시 직접 확인하세요.

알레르기 정보를 프롬프트에 입력해도 AI가 간혹 놓치는 경우가 있습니다.

음식 안전에 대해서도 주의가 필요합니다.

유통기한이 지난 재료나 보관 상태가 좋지 않은 재료는 AI가 레시피를 알려준다 해도 사용하지 마세요.

AI는 재료의 실제 상태를 볼 수 없습니다. 냄새나 색이 이상한 재료는 과감히 버리는 것이 맞습니다.

마무리

냉장고 재료를 버리는 게 아깝다고 생각하면서도 어떻게 쓸지 몰라서 그냥 두다가 버리는 일이 줄었습니다.

AI에게 재료를 입력하는 데 1분도 안 걸리고, 레시피가 나오는 데 30초도 안 걸립니다.

오늘 저녁 메뉴가 고민이라면 지금 냉장고를 열고 있는 재료를 사진 찍어두세요.

그리고 재료 목록을 ChatGPT나 Claude에 입력해보세요. 오늘 저녁은 배달 앱 없이 해결될 수 있습니다.

AI로 자녀 공부 계획 세우기

AI툴덴 — Sun, 29 Mar 2026 09:08:16 +0900

아이 공부 계획을 세우는 게 생각보다 어렵습니다.

학년이 올라갈수록 과목은 많아지고, 학원을 몇 개나 보내야 할지,

어떤 순서로 공부해야 할지 기준이 없으면 그냥 주변에서 많이 다니는 학원을 따라가게 됩니다.

저도 그랬습니다.

옆집 아이가 수학 학원을 다닌다고 하면 우리 아이도 보내야 하나 싶고,

영어 학원에 안 보내면 뒤처지는 건 아닐까 걱정이 됐습니다.

어느 날 아이 상황을 정리해서 ChatGPT에 넣어봤습니다.

학년, 현재 잘하는 과목과 부족한 과목, 학습 시간, 아이 성향까지 입력했더니 예상보다 구체적인 플랜이 나왔습니다.

무조건 모든 과목을 다 잡으려 하지 말고, 지금 학년에서 중요한 과목에 집중하고

나머지는 유지하는 방향이라는 조언도 함께였습니다. 주변 눈치 보며 결정하던 것과는 다른 방식이었습니다.

이 글은 AI로 우리 아이에게 맞는 공부 계획을 만드는 방법을 담았습니다.

학년별로 다르게 쓰는 법, 방학과 시험 기간에 활용하는 법까지 정리했습니다.

먼저 알아두세요 — AI 공부 계획의 역할

AI가 만들어주는 공부 계획은 참고 자료입니다.

아이의 실제 학습 상태를 직접 파악하고 있는 담임 선생님이나 전문 학습 코치를 대체하는 것이 아닙니다.

학습 장애나 특별한 교육적 필요가 있는 아이라면 전문가 상담을 먼저 받으세요.

AI 공부 계획이 유용한 이유는 따로 있습니다.

주변 눈치 없이 우리 아이 상황에 맞게 생각할 수 있고,

부모가 미처 생각 못 했던 학습 방법이나 구성을 제안받을 수 있습니다.

시작점을 잡는 도구로 씁니다.

Homework @splash

시작 전 준비 — 아이 정보 먼저 정리하기

AI에게 막연하게 "공부 계획 세워줘"라고 하면 일반적인 내용이 나옵니다.

아이에 대한 정보를 미리 정리해서 입력할수록 우리 아이에게 맞는 플랜이 나옵니다.

아래 항목을 메모장에 먼저 써두세요.

학년과 학교 유형: 초등 몇 학년인지, 중학교인지, 일반 학교인지 특수 목적 학교인지

현재 학습 상태: 잘하는 과목과 어려워하는 과목, 최근 성적이나 시험 결과가 있으면 간략하게

공부할 수 있는 시간: 하교 후 자유 시간이 얼마나 되는지, 학원에 이미 다니고 있다면 어떤 학원을 몇 시간씩 다니는지

아이 성향: 혼자 조용히 공부하는 걸 좋아하는지, 설명을 들어야 이해가 잘 되는지, 집중력이 얼마나 지속되는지

목표: 당장 다음 시험 성적을 올리고 싶은 건지, 특정 과목의 기초를 잡고 싶은 건지, 중장기적인 입시를 염두에 둔 건지

기본 프롬프트 — 맞춤 공부 계획 만들기

아래 프롬프트를 복사해서 내 아이 정보로 채워서 입력하세요.

우리 아이 공부 계획을 세워줘.

아이 기본 정보

학년: [예: 초등학교 5학년] 현재 다니는

학원: [예: 수학 학원 주 3회, 영어 학원 주 2회]

잘하는 과목: [예: 수학, 과학]

어려워하는 과목: [예: 국어, 영어 독해]

하루 공부 가능 시간: [예: 학원 제외 1~2시간]

아이 성향: [예: 혼자 공부하는 걸 좋아하고 집중력이 30분 정도 유지됨]

목표 [예: 다음 달 학교 중간고사에서 국어 성적을 올리고 싶어]

요청 사항 위 정보를 바탕으로:

지금 아이 상황에서 공부 우선순위를 어떻게 잡으면 좋을지
평일과 주말 공부 루틴을 어떻게 구성할지
어려워하는 과목을 어떻게 접근하면 좋을지
아이 집중력을 고려한 공부 방법

현실적으로 실천 가능한 수준으로 만들어줘.

너무 빡빡하지 않게, 아이가 지치지 않는 강도로.

학년별 활용 포인트

학년마다 공부 계획에서 중요하게 봐야 할 것들이 다릅니다.

학년에 맞게 프롬프트를 조정하세요.

초등학교 저학년 (1~3학년)

이 시기는 성적보다 공부 습관을 잡는 게 핵심입니다.

매일 일정한 시간에 앉아서 공부하는 루틴을 만드는 것, 책 읽기 습관을 기르는 것이 나중에 훨씬 중요해집니다.

예 : [초등 2학년 아이의 공부 습관 형성 계획을 세워줘. 성적보다는 매일 꾸준히 할 수 있는 루틴에 초점을 맞춰줘. 하루 30분 이내로, 아이가 지루하지 않게 할 수 있는 방법 위주로. 독서 습관 만드는 방법도 포함해줘.]

초등학교 고학년 (4~6학년)

수학 개념이 어려워지기 시작하고, 국어 독해와 쓰기가 중요해집니다. 중학교 준비를 서서히 시작하는 시기입니다.

예: [초등 5학년 아이 공부 계획을 세워줘. 수학은 학원에 다니고 있고, 국어 독해가 많이 약해. 국어를 혼자서 집에서 보완할 수 있는 방법을 중심으로 계획 짜줘. 중학교를 대비해서 지금부터 준비해두면 좋은 것도 알려줘.]

중학교

내신 성적이 처음 생기는 시기입니다.

시험 범위에 맞게 계획을 세우는 방법, 과목별 균형을 맞추는 방법이 중요합니다.

예: [중학교 2학년 아이 시험 대비 공부 계획을 세워줘. 중간고사가 3주 후야. 과목은 국어, 영어, 수학, 과학, 사회야. 수학과 영어는 어느 정도 되고, 과학과 사회가 많이 약해. 3주 동안 어떻게 시간을 배분하면 좋을지 주 단위로 계획 짜줘.]

education learning study planning @splash

방학 공부 계획 만들기

방학은 부족한 부분을 채울 수 있는 시간이지만 계획 없이 시작하면 흘러가기 쉽습니다.

AI로 방학 계획을 짜면 구체적인 주 단위 플랜이 나옵니다.

여름방학 6주 동안 아이 공부 계획을 짜줘.

아이 정보

학년: [학년]

방학 기간: [기간]

학기 중 부족했던 부분: [예: 수학 분수, 영어 단어 암기]

방학 중 다닐 학원: [예: 없음 / 수학만]

여행 계획: [예: 2주차에 가족여행 1주일]

목표 학기 중 부족했던 부분 보충 + 다음 학기 예습 일부

요청 사항 주 단위로 나눠서 계획을 짜줘.

오전과 오후로 구분해서 공부 시간과 자유 시간을 균형 있게 배분해줘.

아이가 방학 내내 번아웃 없이 유지할 수 있는 강도로.

방학 계획을 짤 때 주의할 점이 하나 있습니다.

AI가 만들어주는 계획이 너무 빡빡하게 나오는 경우가 단점이 있을 수 있습니다.

그럴 때는 이렇게 요청하면 됩니다.

[위 계획이 너무 빡빡한 것 같아. 아이가 지치지 않게 자유 시간을 더 늘리고, 공부 시간을 20% 줄여서 다시 짜줘.]

아이가 공부를 싫어할 때 쓰는 프롬프트

공부 계획을 만들어도 아이가 하기 싫어하면 소용이 없습니다.

아이가 공부에 흥미를 잃었거나 특정 과목을 너무 싫어할 때 AI에게 이렇게 물어볼 수 있습니다.

초등 4학년 아이가 수학을 너무 싫어해.

문제 풀기를 거부할 정도야. 억지로 시키지 않고 수학에 흥미를 붙일 수 있는 방법을 알려줘.

게임이나 일상생활에서 수학을 자연스럽게 접할 수 있는 방법 위주로.

중학생 아이가 공부 자체에 의욕이 없어.

성적에 관심이 없고 계획을 세워도 안 지켜.

이런 상황에서 부모가 어떻게 접근하면 좋을지 방법을 알려줘.

잔소리 없이 아이 스스로 동기를 찾을 수 있는 방향으로.

완벽한 답이 나오진 않겠지만 접근 방법에 대한 힌트는 얻을 수 있습니다.

단, 아이의 학습 의욕 문제가 심각하다면 학교 선생님이나 전문 상담사와 이야기하는 게 더 도움이 됩니다.

공부 계획표를 노션이나 메모앱에 옮기기

AI가 만들어준 계획을 그냥 텍스트로 두면 잘 안 씁니다. 아이와 함께 볼 수 있는 형태로 만들어두면 실천율이 올라갑니다.

위 공부 계획을 아이와 함께 체크할 수 있는 주간 계획표로 만들어줘.

노션 체크박스 형식으로 해줘. 각 항목을 완료하면 체크할 수 있게.

위 계획을 아이방에 붙여놓을 수 있는 주간 계획표 형식으로 만들어줘. 심플하게, 아이가 보기 쉬운 형태로.

계획표를 아이와 함께 만드는 과정도 중요합니다.

부모가 일방적으로 정해서 주는 것보다 아이가 참여해서 만든 계획이 훨씬 잘 지켜집니다.

AI가 만든 초안을 가지고 아이와 함께 조율하는 방식으로 활용해보세요.

공부 계획 점검하기 — 2주에 한 번

계획을 세우는 것보다 점검하고 조정하는 게 더 중요합니다.

2주에 한 번 정도 아이 상황을 다시 AI에게 알려주고 계획을 조정하는 방식이 효과적입니다.

2주 전에 세운 공부 계획을 점검하고 싶어.

결과 수학: 계획대로 했음 국어: 독해 문제집 절반밖에 못 함 영어: 단어 암기는 했는데 독해는 안 함

아이 반응 국어 독해가 너무 어렵다고 하고, 영어는 재미없다고 함

이 상황을 반영해서 앞으로 2주 계획을 조정해줘. 국어 독해 난이도를 낮추는 방법도 알려줘.

계획이 잘 안 지켜질 때 아이를 탓하기 전에 계획 자체가 현실적이었는지 먼저 확인하는 게 중요합니다.

AI는 그 점을 냉정하게 봐줍니다.

마무리

AI 공부 계획의 가장 큰 장점은 주변 눈치를 안 봐도 된다는 겁니다.

옆집 아이가 어떤 학원을 다니는지와 관계없이 우리 아이 상황에만 집중해서 계획을 만들 수 있습니다.

물론 AI가 만들어준 계획이 처음부터 완벽하진 않습니다.

아이를 가장 잘 아는 건 부모입니다. AI 계획을 출발점으로 삼고, 실제로 써보면서 아이에게 맞게 조정하는 과정이 필요합니다.

한 번에 완벽한 계획을 만들려고 하지 마세요.

일단 이번 주 계획 하나만 만들어보고, 아이 반응을 보면서 수정해가는 방식으로 시작해보세요.

생각보다 빠르게 우리 아이에게 맞는 방식을 찾게 됩니다.

AI공부계획, 자녀공부계획, ChatGPT육아, AI학습플랜, 초등공부계획, 중학생공부계획, AITOOLDEN

AI툴덴 - AI 툴의 모든 것

AI로 아침 루틴 만들기 - 출근 전 1시간이 하루를 바꿉니다

왜 남의 아침 루틴은 안 맞는 걸까요

시작 전 준비 — 나에 대해 먼저 정리하기

기본 프롬프트 — 아침 루틴 만들기

실제로 나온 루틴 예시

상황별 추가 프롬프트

아침에 30분밖에 없을 때

재택근무라 아침이 흐물흐물할 때

재택근무라 출근이 없어서 아침이 늘 흐지부지하게 시작돼. 10시가 돼도 아직 잠옷 차림인 경우가 많아. 재택 환경에서 하루를 제대로 시작하게 해주는 아침 루틴을 짜줘. 가상 출근 개념으로 접근해도 좋아.

아이가 있어서 내 시간이 없을 때

초등학생 아이가 있어서 아침이 전쟁이야. 아이 깨우고, 밥 먹이고, 등교 준비까지 하면 내 시간이 없어. 그래도 하루에 딱 10분만 나를 위한 시간을 만들고 싶어. 그 10분을 어디에 끼워넣으면 좋을지, 뭘 하면 좋을지 알려줘.

아침마다 스마트폰을 너무 오래 볼 때

루틴이 안 지켜질 때 AI에게 물어보는 법

아침 루틴을 만들 때 AI가 해주는 조언 중 가장 도움됐던 것

아침 루틴 점검하기 — 2주에 한 번

마무리

파인튜닝이란? - AI를 내 입맛에 맞게 다듬는 법

파인튜닝이 뭔가요? — 한 문장으로

파인튜닝 vs 프롬프트 엔지니어링 vs RAG

프롬프트 엔지니어링

RAG

파인튜닝

파인튜닝이 필요한 순간

특정 말투나 스타일이 일관되게 필요할 때

특수 용어나 전문 분야 지식이 많을 때

특정 형식의 출력이 항상 필요할 때

대규모 반복 작업을 처리할 때

파인튜닝은 어떻게 하나요?

1단계 — 데이터 준비

2단계 — 모델 선택 및 학습

3단계 — 평가 및 반복

비개발자는 파인튜닝을 어떻게 활용하나요?

OpenAI 파인튜닝 플랫폼 활용하기

노코드 파인튜닝 서비스 활용하기

파인튜닝 전문 업체에 맡기기

파인튜닝의 한계와 주의할 점

데이터 품질이 전부입니다

최신 정보를 따라가지 못합니다

비용이 발생합니다

원치 않는 방향으로 변할 수 있습니다

파인튜닝이 필요한지 판단하는 기준

마무리

RAG란? - AI가 최신 정보를 아는 원리

RAG가 뭔가요? — 한 문장으로

비유로 이해하기 — 오픈북 시험과 클로즈드북 시험

RAG는 어떻게 작동하나요?

1단계 — 질문이 들어옵니다

2단계 — 관련 정보를 검색합니다

3단계 — 검색 결과를 바탕으로 답변을 만듭니다

4단계 — 출처와 함께 답변을 내놓습니다

RAG가 왜 중요한가요?

최신 정보를 알 수 있습니다

할루시네이션이 줄어듭니다

내 자료를 AI가 읽게 할 수 있습니다

비용이 절약됩니다

RAG가 사용되는 실제 서비스들

Perplexity AI

NotebookLM

ChatGPT 웹 검색 기능

기업 내부 AI 챗봇

RAG의 한계도 있습니다

비개발자도 RAG를 활용할 수 있나요?

마무리

AGI란 무엇인가? (일반 인공지능 쉽게 이해하기)

AGI가 뭔가요? — 한 문장으로

지금 AI와 AGI는 뭐가 다른가요?

핵심 차이 세 가지

AGI가 중요한 이유

과학 발전이 폭발적으로 빨라집니다

모든 분야의 전문가가 됩니다

새로운 위험도 함께 옵니다

AGI는 언제 올까요?

낙관적인 전망

신중한 전망

솔직한 답변

AGI, ASI, ANI — 헷갈리는 개념 정리

ANI — 지금 우리가 쓰는 AI

AGI — 목표로 삼고 있는 AI

ASI — AGI를 넘어선 AI