Jay.TechLog (동준상.넥스트플랫폼)

핵심 요약 (Executive Summary)

ChatGPT와 Claude AI를 단순한 대화형 도구를 넘어 실무적인 소프트웨어 제작 및 업무 시스템 설계 도구로 활용하기 위한 두 가지 핵심 교육 과정. 총 40시간(각 과정 20시간)으로 구성된 이 교육은 ‘AI로 만들고(ChatGPT)’, ‘AI로 일하는(Claude)’ 방법론의 차이를 명확히 제시.

• ChatGPT 과정: 프로그래밍 경험과 관계없이 AI를 개발 파트너로 삼아 기획부터 배포까지 ‘AI 웹앱 및 업무도구’를 직접 제작하는 바이브 코딩(Vibe Coding) 역량 강화에 집중.
• Claude AI 과정: 기존의 업무 프로세스를 분석하고 AI를 워크플로우에 결합하여, 단순 보조를 넘어선 **’AI 업무 시스템’**을 구축하는 설계 역량에 초점.
• 최종 목표: 사용자가 단순히 AI에게 질문하는 수준을 넘어, AI와 함께 결과물을 창조하고 자신의 업무 환경을 재설계하는 ‘AI 실무 전문가’ 역량 확보.

이번 포스트의 목차

• P1. 전체 과정 개요
• P2. GPT 실무활용 – 프로젝트 수행 예시/산출물
• P3. Claude 실무활용 – 프로젝트 수행 예시/산출물

---

P1. 전체 과정 개요

1.1 구름 ChatGPT 실무활용 VOD 시리즈: AI 웹앱 및 업무도구 제작

이 과정은 생성형 AI를 활용해 실제 작동하는 소프트웨어를 만드는 ‘제작’의 영역을 다루며, 사용자는 아이디어 발굴부터 실제 웹 서비스 배포까지의 전 과정을 경험

1.1 교육 철학 및 핵심 개념

• 핵심 철학: “AI와 함께 웹앱·AI 업무도구를 만든다.”
• 바이브 코딩(Vibe Coding): 자연어를 기반으로 코드를 생성하고, AI에게 요구사항과 맥락(Context)을 전달하여 소프트웨어를 구현하는 새로운 방식의 개발 방법론

1.2 단계별 학습 여정 (Phase 01~05)

1. 기획 (Phase 01): 생성형 AI 기반의 소프트웨어 제작 방식 변화를 이해하고, 업무상의 페인 포인트(Pain Point)를 발견하여 MVP(최소 기능 제품) 기획서를 작성
2. 설계 (Phase 02): 정보 구조(IA)와 사용자 흐름(User Flow)을 설계하고 UI/UX 프로토타이핑을 진행
3. 구현 (Phase 03): 바이브 코딩을 통해 기능을 구현하며, LLM API를 연결하여 문서·이미지·데이터를 이해하는 AI 기능을 앱에 통합합니다. 데이터 저장(CRUD) 기능도 포함
4. 고도화 및 배포 (Phase 04): AI를 활용한 디버깅, 보안 검증(API Key 보안, 프롬프트 인젝션 방지)을 거쳐 Git과 Vercel을 이용해 실제 웹에 배포
5. 최종 프로젝트 (Phase 05): 실제 업무 문제를 해결하는 완성도 높은 AI 웹앱을 제작하고 결과를 검증

1.3 기대 결과물

학습자는 AI 업무 문서 분석기, 회의록 분석기, 데이터 분석 대시보드 등 실제 작동하는 AI 웹앱 또는 업무도구를 확보

1.2 구름 Claude AI 실무활용 VOD 시리즈: AI 기반 업무 혁신 및 시스템 설계

Claude 과정은 새로운 앱 제작보다는 현재 수행 중인 업무 자체를 AI 중심으로 재설계(Redesign)하는 ‘최적화’와 ‘시스템화’에 집중

2.1 교육 철학 및 핵심 개념

• 핵심 철학: “AI를 실제 업무 프로세스에 연결하고 고도화한다.”
• 시스템적 접근: 단순 프롬프트 작성을 넘어 맥락(Context), 지식(Knowledge), 워크플로우(Workflow), 도구(Tool)를 결합한 지속 가능한 업무 체계를 구축

2.2 단계별 학습 여정 (Phase 01~05)

1. 업무 분석 (Phase 01): 기존 업무 프로세스에서 반복·병목 지점을 발견하고 AI 적용 가능성을 분석하여 업무를 구조화
2. 지식 관리 (Phase 02): Claude Projects를 활용해 지식 베이스(Knowledge Base)를 구축하고 여러 문서를 연결하여 분석하는 전문 AI 업무 공간을 구현
3. 결과물 제작 (Phase 03): Claude Artifacts를 활용해 인터랙티브한 보고서, 표, 계산 도구 등 업무 결과물을 생성하고 데이터를 정제
4. 연결 및 자동화 (Phase 04): 반복 업무를 AI 워크플로우로 설계하고, MCP(Model Context Protocol)를 통해 외부 도구 및 데이터와 AI를 연결하는 에이전틱(Agentic) 환경을 이해
5. 시스템 프로젝트 (Phase 05): 실제 업무 프로세스를 선정하여 프로젝트, 아티팩트, 워크플로우가 결합된 통합 AI 업무 시스템을 구축

2.3 기대 결과물

학습자는 시장 조사, 고객 대응, 영업 제안 등 특정 업무가 자동으로 수행되거나 효율적으로 보조되는 AI 워크플로우 및 업무 시스템을 완성

1.3 과정 비교 분석: ChatGPT vs Claude AI

두 과정은 사용되는 기술 스택과 지향하는 실무 목표에서 뚜렷한 차별점

구분	ChatGPT (제작 중심)	Claude AI (시스템 중심)
핵심 철학	AI로 만든다	AI로 일하는 방식을 바꾼다
출발점	문제와 제품 아이디어	기존 업무 프로세스
핵심 역량	바이브 코딩 (Vibe Coding)	컨텍스트 & 워크플로우 엔지니어링
주요 활동	기획, 설계, 개발, 디버깅	분석, 구조화, 연결, 고도화
AI의 역할	AI 개발 파트너	AI 업무 파트너
핵심 기술	Web, API, Data, AI	Projects, Artifacts, Workflow, MCP
최종 결과물	AI 웹앱 및 업무도구	AI 워크플로우 및 업무 시스템

1.4 결론 및 실무적 시사점

본 교육 과정이 제시하는 핵심은 생성형 AI 시대에 필요한 역량이 단순히 ‘좋은 질문을 던지는 것’에서 ‘AI와 함께 시스템을 설계하고 구현하는 것’으로 진화

• ChatGPT 과정은 아이디어를 실제 소프트웨어로 전환하는 기술적 실천력을 강조하며, 코딩 지식보다 요구사항을 정확히 전달하고 검증하는 능력을 배양
• Claude 과정은 개별 업무를 시스템적 관점에서 재구성하여 AI가 지속적으로 업무에 참여할 수 있는 구조를 설계하는 역량을 강조

---

P2. GPT 실무활용 – 프로젝트 수행 예시/산출물

블루 클라우드 로보틱스 (AI 실무활용 예시 기업)
https://nextplatform.net/blue-cloud-robotics/

이번 프로젝트 수행을 위한 가상의 기업인 블루 클라우드 로보틱스에 재직중인 김지수, 이은우, 심수정 등 세 사람의 업무 특성을 보면 각각 마케팅 콘텐츠 생성 / 제조 데이터 분석 / 해외영업 대응으로 문제 영역이 아주 선명합니다.

이번 교육용 바이브코딩 프로젝트에서는 거대한 시스템보다 Input → AI Process → Output이 명확하고, 1~2시간 안에 MVP를 만들 수 있는 주제를 선택하세요.

담당자	추천 웹앱	해결할 핵심 문제	핵심 AI 기능
김지수 사원	Product Content Copilot	기술자료 이해·콘텐츠 작성	문서 요약·고객별 변환·번역
이은우 매니저	Production Insight AI	생산·불량 데이터 분석	데이터 통합·패턴 분석·시각화
심수정 매니저	Global Sales Copilot	해외 문의·견적 대응	문의 분류·요구사항 추출·답변 생성
박민재 CFO	Profit Insight AI
김민호 CEO	Decision Action Copilot

2.1 신입사원 김지수의 실무 프로젝트: Product Content Copilot

한 줄 정의

개발자의 기술자료를 마케팅·고객용 콘텐츠로 자동 변환하는 AI 웹앱

현재 가장 큰 문제는 제품의 기술자료를 받더라도 내용을 정확히 이해하기 어려워 개발자에게 다시 질문한 뒤 마케팅 문서로 재작성해야 한다는 것입니다.

업무 흐름

기술자료 업로드 → AI 분석 → 핵심 특징 → 고객별 콘텐츠 → 한·영문 출력

MVP 핵심 기능

• PDF·제품 기술자료 업로드
• 어려운 기술 용어 쉽게 설명
• 제품 특징·장점 자동 추출
• 고객 유형별 소개글 생성
• 한국어 → 영문 콘텐츠 변환

예를 들어 로봇 액추에이터 기술자료를 넣은 뒤 출력 유형을 선택합니다.

웹사이트 제품 소개
해외 바이어 이메일
LinkedIn 소개글

AI가 같은 기술정보를 목적에 맞춰 다르게 작성합니다.

AI Process

Technical Doc → Understand → Simplify → Rewrite → Translate

• 이 프로젝트의 특징: 파일 업로드 + Multimodal AI + Prompt + Structured Output을 모두 적용 가능

구현 결과 및 산출물 (깃허브 소스코드)

https://github.com/junsang-dong/goorm-260916-mvp

---

2.2 3년차 매니저 이은우의 실무 프로젝트: Production Insight AI

한 줄 정의

흩어진 생산·불량 데이터를 통합 분석하여 문제 원인을 빠르게 찾는 제조 데이터 분석 웹앱

이은우의 핵심 문제는 데이터가 없는 것이 아니라 생산량·불량·납기 데이터가 서로 다른 파일에 있다는 것입니다.

업무 흐름

CSV 업로드 → 데이터 통합 → 생산 분석 → 불량 탐색 → Dashboard

MVP 핵심 기능

• 생산·불량 CSV 파일 업로드
• 날짜·제품·공정 기준 데이터 통합
• 불량률 자동 계산
• 이상 패턴·원인 후보 분석
• 핵심 지표와 차트 시각화

예를 들어 앱에 다음 파일을 올립니다.

production.csv
defect.csv
delivery.csv

AI가 이를 분석해 다음과 같은 결과를 제공합니다.

A라인 불량률 상승
특정 제품군 집중 발생
9월 2주차 이후 증가
공정 조건 확인 필요

AI Process

Files → Merge → Analyze → Detect → Visualize

이 프로젝트의 특징: AI가 숫자를 마음대로 추측하지 않고 계산 결과와 AI 해석을 분리

예를 들면:

Code = 불량률 계산
AI = 패턴 해석·원인 후보 설명

구현 결과 및 산출물 (깃허브 소스코드)

https://github.com/junsang-dong/goorm-260917-react

---

2.3 5년차 매니저 심수정의 실무 프로젝트: BCR Robotics Radar

한 줄 정의

글로벌 로봇 산업의 뉴스와 유튜브 영상을 수집하고 영업 활용까지 지원하는 AI 미디어 허브 웹앱

심수정은 북유럽 영업을 담당하기 때문에 해외 로봇 기업의 신제품, 기술 변화, 시장 동향을 꾸준히 살펴봐야 합니다. 여러 사이트와 유튜브에 흩어진 자료를 확인하면서 정보 탐색 → 내용 파악 → 회사 관련성 판단 → 자료 저장 → 팀 공유를 해야 합니다.

업무 흐름

뉴스·영상 수집 → AI 분류 → 한국어 요약 → 회사 관련성 분석 → 관심 자료 저장

MVP 핵심 기능

• 글로벌 로봇 뉴스·유튜브 영상 수집
• 제품·기술·지역·기간별 검색과 필터
• 수집한 자료의 한국어 핵심 요약
• 액추에이터·컨트롤러 관련성 표시
• 관심 자료 저장·영업 메모 작성
• 원문 링크·발행일·수집 상태 확인

예를 들어 다음과 같은 자료가 수집되면,

덴마크 로봇 기업의 고하중 협동로봇 출시 뉴스
※ 기능 설명을 위한 가상 사례

AI가 바로 구조화합니다.

Company
Nordic Robotics AB

Region
Denmark / Northern Europe

Topic
High-payload Collaborative Robot

Summary
고하중 작업용 협동로봇 신제품 발표

Related Product
Robot Actuator / Robot Controller

Relevance
고토크 구동 부품과 제어 기술 관련

Suggested Action
제품 사양과 기존 공급 관계 확인

그 다음 원문에서 확인된 사실과 AI가 제안한 영업 시사점을 구분해서 보여줍니다. 심수정은 원문을 확인하고 관심 자료를 저장한 뒤, 고객 미팅이나 팀 브리핑에 활용할 메모를 남깁니다.

유튜브는 제목·설명 기반의 영상 소개 요약을 제공하고, 사용 가능한 자막이나 대본이 확보된 경우 영상 내용 요약을 제공합니다.

AI Process

Collect → Classify → Summarize → Match → Save

• 이 프로젝트의 특징: 외부 정보 수집 → AI 분석 → 우리 회사에 필요한 정보 활용
• React/Vite 기반으로 뉴스·영상 카드, 검색 필터, 상세 패널을 구현하면서 데이터 수집과 AI 분석을 결합한 실무 웹앱

구현 결과 및 산출물 (깃허브 소스코드)

https://github.com/junsang-dong/goorm-260917-news

---

2.4 박민재 CFO의 실무 프로젝트: Profit Insight AI

한 줄 정의

매출·원가 데이터를 연결해 제품·고객별 수익성을 분석하고 의사결정을 돕는 AI 웹앱

현재 가장 큰 문제는 매출이 늘어나더라도 매출·원가 자료가 여러 파일에 흩어져 있어 어떤 제품과 고객이 실제로 이익을 만드는지 빠르게 확인하기 어렵다는 것입니다.

업무 흐름

매출·원가 업로드 → 데이터 검증 → 수익성 분석 → 할인 시뮬레이션 → 보고서 초안

MVP 핵심 기능

• Excel·CSV 매출·원가 자료 업로드
• 중복 거래·누락 원가 자동 확인
• 제품·고객별 매출·이익률 비교
• 할인율 변화에 따른 예상 이익 계산
• 계산 근거가 포함된 분석 보고서 생성

예를 들어 액추에이터의 매출 내역과 제품별 원가표를 넣은 뒤 분석 유형을 선택합니다.

제품별 수익성 비교
고객별 이익 기여도
5%·10% 할인 시나리오

앱이 데이터를 기준으로 수익성을 계산하고, AI가 주요 변화와 확인할 사항을 설명합니다. 각 수치는 원본 자료와 계산 근거를 확인할 수 있으며, 표준원가를 사용한 결과는 추정 수익성으로 표시합니다.

AI Process

Sales & Cost Data → Validate → Calculate → Explain → Report

• 파일 업로드 + 데이터 분석 + Prompt + Structured Output을 업무 의사결정에 적용 가능
• 계산은 코드, 해석과 보고서 초안은 AI, 최종 검토는 CFO가 담당

구현 결과 및 산출물 (깃허브 소스코드)

–

---

2.5 김민호 CEO의 실무 프로젝트: Decision Action Copilot

한 줄 정의

부서별 보고와 회의 내용을 의사결정 안건으로 정리하고, 결정 이후 실행까지 추적하는 AI 웹앱

현재 가장 큰 문제는 기술 검토와 경영 의사결정이 대표에게 집중되어 흩어진 자료를 직접 확인하고, 결정한 일이 실제로 진행되는지 반복해서 물어봐야 한다는 것입니다.

업무 흐름

회의록·부서 보고 업로드 → 쟁점 통합 → 의사결정 브리핑 → 대표 결정 → 실행과제 추적

MVP 핵심 기능

• 회의록·부서별 보고 자료 업로드
• 대표 판단이 필요한 안건 자동 추출
• 안건별 선택지·근거·미확인 사항 정리
• 승인된 결정을 담당자·기한별 과제로 등록
• 미완료 과제와 후속 의사결정 사항 확인

예를 들어 북유럽 고객의 A200 주문과 관련된 영업 보고, 생산 일정, 수익성 분석표를 넣은 뒤 출력 유형을 선택합니다.

오늘 결정할 안건
신규 주문 수락 검토
지난 회의 실행 현황

AI가 부서별 정보를 연결해 “주문을 수락하려면 무엇을 확인하고 결정해야 하는가?”를 정리합니다. 납기와 생산 여력, 예상 수익성의 충돌을 보여주고, 대표가 결정을 확정하면 후속 과제의 담당자와 기한을 지정해 진행 상태를 관리합니다.

AI Process

Meeting & Reports → Connect → Brief → Decide → Track

• 파일 업로드 + 다중 문서 분석 + Prompt + Structured Output을 경영 업무에 적용
• AI는 근거와 선택지를 정리하고, 대표는 결정을 확정하며, 담당자는 실행 결과를 기록
• 의사결정과 실행과제를 연결해 관리한다는 점에서 차별화

구현 결과 및 산출물 (깃허브 소스코드)

–

---

P3. Claude 실무활용 – 프로젝트 수행 예시/산출물

블루 클라우드 로보틱스 (AI 실무활용 예시 기업)
https://nextplatform.net/blue-cloud-robotics/

블루 클라우드 로보틱스(BCR) 설정을 확인했습니다. Nordvik 서사와 5명의 캐릭터, “기술은 있지만 정보가 사람·엑셀에 흩어져 있다”는 공통 고민을 축으로 잡아 설계했습니다.

• ChatGPT 과정과의 차별화 — “앱을 만든다”가 아니라 “흩어진 업무를 하나의 시스템으로 재설계한다”는 틀을 각 주제에 넣었습니다. Code/Design도 단발 제작이 아니라 워크플로우의 한 부품으로 배치했습니다.
• Cowork · Design · Code 분산 배치 — 특정 기능에 쏠리지 않게 Projects/RAG, Artifacts, Research까지 섞었습니다.
• Nordvik 사건으로 연결 — 여러 주제가 스웨덴 문의라는 하나의 사건을 다른 각도에서 다루도록 했습니다.
• 검토자(human-in-the-loop) 명시 — AI 초안과 사람 확정을 구분하는 BCR 원칙을 유지했습니다.

3.1 제품 지식 베이스 + 사내 Q&A 시스템

(담당: 연구개발팀·이은우 / Projects · RAG · Artifacts)

• 좌절점: 직원마다 다른 매뉴얼·개발자 메모를 참고해 같은 질문에도 답이 제각각.
• Claude 해법: 승인된 최신 제품 자료(마스터 3종·매뉴얼 3개)를 Project Knowledge로 묶고, Project Instructions에 “출처 없는 답변 금지” 규칙을 넣어 단일 진실 공급원(single source of truth)을 구축.
• 산출물·검토자: 사내 제품 Q&A 어시스턴트 / 연구개발팀 승인.
• → 첫 실습이자 이후 모든 실습의 기반이 되는 시스템입니다.

3.2 영문 고객 문의 처리 워크플로우

(담당: 심수정 / Cowork · MCP(메일) · Workflow)

• 좌절점: 시차 속에서 사양·가격·납기가 뒤섞인 영문 문의가 밤새 쌓임.
• Claude 해법: Cowork 예약 태스크로 아침마다 “밤새 온 문의 → 요구사항 구조화 → 누락 정보 표시 → 담당자 배정 → 영문 답장 초안”까지 준비. 심수정은 출근 후 검토·발송만.
• 산출물·검토자: 요구사항 표 + 영문 메일 초안 / 심수정 확정 후 발송.

3.3 고객 업종별 제품 소개자료 · 슬라이드

(담당: 김지수 / Design · Artifacts)

• 좌절점: 기술 설명 위주 자료라 고객 관심을 얻기 어렵고 시각 자료가 부족함.
• Claude 해법: Claude Design으로 고객 업종별 활용 장면과 A200 영문 원페이저·소개 슬라이드를 캔버스에서 반복 수정. Nordvik 제출용 자료 완성.
• 산출물·검토자: 영문 소개자료·슬라이드 / 연구개발팀(기술 정확성)·심수정(고객 관점).

3.4 생산·품질 데이터 대시보드

(담당: 이은우 / Code · Artifacts · 데이터 분석)

• 좌절점: A200 재검사 증가 원인을 알기 어렵고, 생산일보·검사 CSV·작업 메모가 날짜·불량코드 형식까지 제각각.
• Claude 해법: Code로 흩어진 파일을 정제·표준화하는 스크립트를 만들고, 공정·기간·부품 로트별 불량률을 인터랙티브 대시보드(Artifact)로 시각화.
• 산출물·검토자: 데이터 정제 스크립트 + 불량 분석 대시보드 / 이은우.

3.5 할인 시나리오 수익성 계산기

(담당: 박민재 / Artifacts(인터랙티브))

• 좌절점: 고객이 할인을 요청해도 제품·고객별 수익성 영향을 즉시 확인하기 어려움.
• Claude 해법: 확정 원가·가격표를 바탕으로 할인율 슬라이더가 달린 인터랙티브 계산 도구 제작. Nordvik 견적 할인 요청을 그 자리에서 검토.
• 산출물·검토자: 수익성 비교 계산기 / 박민재 수치 검증.

3.6 고객 문의 관리 웹앱 MVP

(담당: 심수정·영업마케팅팀 / Code)

• 좌절점: 문의 이력과 처리 상태가 Excel에 흩어져 후속 조치가 누락됨.
• Claude 해법: 문의 등록·담당자·기한·상태를 관리하는 경량 웹앱을 바이브코딩으로 구현. 2번 워크플로우가 만든 데이터가 흘러들어가는 영속 저장소 역할.
• 산출물·검토자: 고객 문의 관리 MVP / 심수정.
• → ChatGPT 과정의 바이브코딩과 달리, 기존 워크플로우를 담는 그릇으로 위치시켜 시스템 관점을 유지합니다.

3.7 주간 경영 브리핑 자동화

(담당: 김민호·박민재 / Cowork(예약) · Projects · Workflow)

• 좌절점: 부서별 보고를 합쳐 쟁점을 정리하는 데 시간이 오래 걸리고 의사결정이 대표에게 집중됨.
• Claude 해법: Cowork 예약 태스크가 매주 영업·생산·재무 자료를 종합해 쟁점과 실행과제를 정리하고, 지난주 실행과제 진척까지 추적.
• 산출물·검토자: 주간 경영 브리핑 + 실행과제 트래커 / 김민호.

3.8 북유럽 시장·경쟁사 리서치 워크플로우

(담당: 김지수·심수정 / Research · Projects)

• 좌절점: 북유럽 시장과 경쟁 제품 정보가 부족한 채로 Nordvik에 대응해야 함.
• Claude 해법: Research 모드로 경쟁 액추에이터·시장 규제·고객 업종을 조사하고, 출처를 검증해 Project에 구조화된 리서치 노트로 축적. 반복 문의 때 재사용.
• 산출물·검토자: 시장·경쟁 리서치 노트 / 김민호·심수정.

3.9 회의록 → 실행과제 추적 시스템

(담당: 김민호 / Cowork · Artifacts)

• 좌절점: 결정사항이 이메일·Teams·회의록에 흩어져 무엇을 누가 언제까지 하기로 했는지 추적이 안 됨.
• Claude 해법: 회의록에서 결정·할 일·담당자·기한을 추출해 실행과제 트래커로 전환하고, 다음 회의 전 미완료 항목을 자동 리마인드.
• 산출물·검토자: 실행과제 트래커 / 김민호.

3.10 BCR AI 업무 시스템 통합 설계

(담당: 전 부서·김민호 / 전체 통합 — 최종 프로젝트)

• 좌절점: 개별 도구는 생겼지만 서로 연결되지 않아 여전히 손으로 옮기는 작업이 남음.
• Claude 해법: 1~9번을 하나의 흐름(고객 문의 → 자료 확인 → 콘텐츠·제안서 → 생산·원가 검토 → 고객 대응 → 경영 보고)으로 엮은 아키텍처를 설계. Context + Knowledge + Projects + Artifacts + Workflow + MCP 결합의 결론부.
• 산출물·검토자: AI 업무 시스템 아키텍처 설계서 + 시연 / 전 부서.

---

기능·인물 커버리지 요약

구분	주제 번호
Projects / RAG	1, 8
Claude Design	3
Claude Code	4, 6
Artifacts(인터랙티브)	4, 5
Claude Cowork(에이전트·예약)	2, 7, 9
Research 모드	8
MCP / Connectors · Workflow	2, 7
통합 시스템(캡스톤)	10