AX 키트 생산·품질관리 과정 참여 후기: 100번 묻던 ChatGPT에서, 폴더를 맡기는 Claude로

요약은 AI가, 검증과 디자인은 사람이

에코쏠라에너지에서 영업·마케팅을 맡으면서 연구 과제도 함께 보고 계십니다.

예전에는 엔지니어로 일했습니다.

벤처기업 지원 사업으로 이번 교육을 알게 됐다고 합니다.

AI는 교육 전부터 업무에 쓰고 있었는데, 한 번 물어서 끝나는 일이 거의 없었다고 합니다.

"AI를 업무에 활용하고 있긴 한데, 토큰을 엄청 많이 소모하고 있는 거죠. 딱딱딱 물어봐서 되는 게 아니라, 하나의 결과를 내려면 100개 이상은 써야 된다고 보면요."

주로 쓴 건 ChatGPT였습니다.

요약은 AI가 하고, 디자인은 직접 하고, 나온 요약은 다시 본인이 검증하는 흐름이었습니다.

비용과 공수를 줄여 보려고 신청한 교육이었습니다.

가장 짜증났던 건, 조건을 잊는 AI

교육 전 AI를 쓰면서 가장 힘들었던 점을 여쭸더니, '힘든 게 아니라 짜증났던 것'이라고 고쳐 말씀하셨습니다.

"제가 이미 조건을 설정해 놨는데 그 조건을 자꾸 망각합니다. 그것 때문에 계속 얘기해 줘야 되는 게 가장 짜증이 났죠."

숫자와 고유명사도 문제였습니다.

엑셀을 합치는 일처럼 숫자가 민감한 작업에서 지역명 같은 고유명사가 바뀌어 나오면, 결과 전체를 믿기 어려워집니다.

거짓말이 섞여 나오는 일도 잦았다고 합니다.

그래서 AI가 낸 결과는 늘 사람이 처음부터 다시 봐야 했습니다.

폴더만 주면 알아서 다 뒤져 본다

교육에서 가장 기억에 남은 장면을 여쭸더니, Claude에 폴더를 지정하는 방식을 꼽으셨습니다.

그동안은 대화창 하나에 캡처와 자료를 하나씩 올리며 "이거 참조해, 이거 참조해"를 반복했습니다.

교육에서 써 본 방식은 이렇습니다.

1. 폴더 지정 — 참조할 자료를 폴더 하나에 모아 두고, Claude에게 그 폴더를 알려 줍니다.

2. 참조 — Claude가 폴더 안 데이터를 스스로 긁어옵니다. 캡처를 하나씩 올릴 필요가 없습니다.

3. 판단 — 모은 자료를 바탕으로 Claude가 알아서 판단하고 작업합니다.

4. 확인 — 나온 결과는 사람이 다시 한번 봅니다. 이 단계는 남겨 둡니다.

"Claude 같은 경우에는 폴더를 지정하면 Claude 자체가 그 데이터를 긁어와서 자기가 알아서 판단을 해요. 물론 제가 다시 한번 확인을 해야 되지만, 그 기능 자체가 많이 좋다고 생각해요."

조건을 잊어서 다시 알려 주던 일이, 폴더 안에 조건과 자료를 한 번 두는 일로 바뀐 셈입니다.

자료를 하나씩 올려 묻는 대신, 폴더를 맡기고 결과를 검토한다.

엔지니어의 눈에 들어온 설비 예측과 레시피 관리

생산·품질관리 과정이었던 만큼, 도메인에서 마음에 남은 장면도 여쭸습니다.

답은 엔지니어 시절의 경험에서 나왔습니다.

"엔지니어의 관점으로 봤을 때 설비의 상태 같은 걸 다 취합해서 '이 상태는 고장이 날 수 있다', 이런 걸 솔직히 사람이 판단하기에는 힘들어서, 그게 가장 마음에 와 닿았어요."

데이터는 계속 쌓이는데, 그걸 다 모아 고장 가능성까지 읽어 내기는 사람 혼자 어렵다는 말씀이었습니다.

레시피도 마찬가지였습니다.

관리가 잘 안 되던 레시피를 프로젝트 단위로 모아 한 번에 관리할 수 있다는 점을 좋게 보셨습니다.

조언자에서 협력자로, 그래서 더 조심스러워진 것

교육 전후로 생각이 달라진 점은 두 가지였습니다.

첫 번째는 보안입니다.

그동안은 AI에 개인정보까지 싹 넣어 가며 썼다고 솔직히 말씀하셨습니다.

교육에서 데이터 처리 이야기를 듣고 나니, 넣기 전에 한 번 더 걸러야 한다는 쪽으로 생각이 바뀌었습니다.

두 번째는 AI를 보는 눈입니다.

"몇 년 전에는 AI가 조언자 같은 느낌이었는데, 몇 년 사이에 거의 협력자급으로 올라오니까 조금 무섭기도 하고요."

혼자서 다른 부서 일까지 해낼 수 있게 된 건 좋은 일이라고 하셨습니다.

다만 남의 영역을 침범하는 것 같고, 그러다 누군가 일자리를 잃을까 걱정도 된다고 덧붙이셨습니다.

그래서 무엇을 맡기고 무엇을 직접 할지를 인터뷰 중에 나온 말로 정리해 봤습니다.

다음은 국가과제 제안서와 일별 생산·불량 이력

현장에 돌아가 가장 먼저 해 보고 싶은 일은 두 가지였습니다.

하나는 연구 쪽입니다.

본인이 만들어 둔 자료 중 민감하지 않은 것만 폴더 하나에 모아 두고, 내년에 신청할 국가과제 제안서의 아이디어를 뽑아 보는 일입니다.

다른 하나는 생산 쪽입니다.

"엑셀을 엄청 잘하는 사람이 드물잖아요. 이날의 생산량, 이날의 불량률 이런 걸 쭉 히스토리 식으로 다 정리할 수 있을 것 같아서요. 히스토리를 남겨 놓고 추이가 보이면, 실험 데이터도 마찬가지고요."

일별 생산량과 불량률은 매일 한 줄씩 생기는 데이터입니다.

입력은 사람이 하더라도, 쌓인 파일을 날짜순 이력으로 정리하고 추이를 그리는 일은 폴더를 맡기는 방식 그대로 옮길 수 있습니다.

말씀하신 대로 실험 데이터도 같은 방식으로 정리해 볼 수 있습니다.

100명 중 99명이 대화하듯 쓰고 있다면

회사나 부서에 이 교육을 추천할 만한지도 여쭸습니다.

국가에서 비용을 지원한다는 점을 먼저 짚으시고, 이어서 이유를 말씀하셨습니다.

"AI를 사용하는 사람이 100명이면 99명이 저처럼 이거 듣기 전까지 그냥 AI한테 대화하듯이만 쓰고 있어요. 한 번씩 들으면 조심해야 될 점도 알고, 어떻게 질문해야 효율적이고 좋은 결과가 나오는지 알 수 있을 것 같아서 추천할 것 같습니다."

하루 교육에서 정민범 과장이 바꿔 보기로 한 건 AI를 쓰는 방식이었습니다.

하나씩 묻고 고치는 대신, 자료를 폴더에 모아 맡기고 나온 결과를 검토하는 쪽으로요.

대화창에 캡처를 하나씩 올리며 같은 조건을 되풀이하고 있다면, 민감하지 않은 자료부터 폴더 하나에 모아 오세요. 폴더를 맡기고 결과만 검토하는 흐름을 과정 안에서 직접 돌려 봅니다.