서울주택도시개발공사 신입사원 생성형 AI 교육 | 업무생산성 200% 높이기
딥택트러닝은 서울주택도시개발공사 2026년 신입사원을 대상으로 생성형 AI 활용 업무생산성 교육을 진행했습니다. 이번 과정은 생성형 AI와 LLM의 기본 원리를 이해하고, 프롬프트 작성부터 이메일·회의록·데이터 분석·자료 조사까지 실제 업무에 적용하는 5시간 실습형 신입사원 교육입니다.
신입사원에게 생성형 AI는 익숙한 기술일 수 있지만, 일상적인 사용 경험이 곧바로 실무 역량을 의미하지는 않습니다. 업무의 목적과 맥락을 정확히 전달하고, 복잡한 과제를 단계로 나누며, AI가 만든 결과의 사실과 근거를 검토하는 능력이 필요합니다.
교육 개요
•
교육 주제: 생성형 AI를 통한 업무생산성 200% 높이기
•
교육 대상: 서울주택도시개발공사 2026년 신입사원
•
교육 시간: 5시간
•
교육 방식: 개인실습 및 상호학습
•
핵심 키워드: 신입사원 생성형 AI 교육, AI 업무 활용, 프롬프트 교육, 이메일 작성, 회의록 작성, 데이터 분석, Deep Research, NotebookLM, 업무생산성 교육
왜 신입사원 생성형 AI 교육이 필요한가
생성형 AI를 사용해 본 신입사원도 실제 업무에서는 다음과 같은 어려움을 겪을 수 있습니다.
•
질문을 입력해도 일반적이고 뻔한 답변만 나오는 경우
•
부서와 업무의 맥락을 반영한 문서를 작성하지 못하는 경우
•
AI가 만든 내용을 어디까지 신뢰하고 활용해야 할지 판단하기 어려운 경우
•
긴 이메일과 회의 내용을 정리하는 데 여전히 많은 시간이 드는 경우
•
여러 자료를 조사했지만 핵심 과제와 기획 방향으로 연결하지 못하는 경우
신입사원 AI 교육은 기능을 나열하는 과정이 아닙니다. 업무의 목적, 대상, 배경과 제약조건을 AI에 전달하고, 결과물을 검토·수정해 조직에서 사용할 수 있는 수준으로 만드는 업무 방식을 학습하는 과정입니다.
생성형 AI와 LLM의 작동 원리 및 한계
교육에서는 먼저 AI, 머신러닝, 딥러닝, LLM의 관계와 생성형 AI의 특징을 살펴봤습니다. LLM은 사용자의 명령을 따르는 Instruction Following, 제공된 정보와 대화의 맥락을 파악하는 In-Context Learning, 복잡한 문제를 단계별로 처리하는 Step by Step 방식에 강점이 있습니다.
반면 최신 정보가 부족할 수 있고, 사실이 아닌 내용을 그럴듯하게 생성하는 할루시네이션과 근거 불분명 문제가 발생할 수 있습니다. 따라서 AI 답변에는 이유와 출처를 요청하고, 원자료 또는 다른 AI로 교차 검증해야 합니다.
업무 결과를 바꾸는 프롬프트 작성 3원칙
좋은 프롬프트는 복잡한 공식을 외우는 것이 아니라 AI가 업무 상황을 이해하도록 정확한 정보를 전달하는 방식입니다.
이번 교육에서는 다음 세 가지 원칙을 실습했습니다.
1.
지시 문장과 참고 문장 구분: 원하는 결과를 먼저 말하고, 업무 배경과 참고 자료는 명확히 구분합니다.
2.
업무를 단계로 분리: 한 번에 완성본을 요구하지 않고 목차, 자료 정리, 초안, 검토와 수정 순으로 진행합니다.
3.
역할과 맥락 제공: 필요한 전문가 역할과 함께 대상, 목적, 인원, 일정, 예산과 제약조건을 구체적으로 설명합니다.
답변이 만족스럽지 않을 때는 원하는 방향을 피드백하며 질문을 이어가고, 마지막에 모든 피드백을 반영한 최종안으로 정리합니다.
신입사원의 이메일과 회의록 업무에 AI 적용
신입사원이 입사 초기에 자주 접하는 업무 중 하나가 이메일입니다. 교육에서는 서울주택도시개발공사의 업무 맥락을 반영해 부서 배치 후 팀원들에게 보내는 자기소개 메일을 사례로 활용했습니다.
자기소개 메일에는 보내는 대상, 입사 동기, 업무 관심 분야와 앞으로의 메시지를 담고, 부족한 정보는 AI가 먼저 질문하도록 설계했습니다.
장황하고 요청이 많은 이메일은 다음 순서로 처리합니다.
•
메일의 핵심 내용 요약
•
회신에 반드시 포함해야 할 항목 정리
•
사용자가 결정해야 할 내용을 객관식 질문으로 확인
•
상대방의 어조와 상황에 맞춘 회신 작성
•
회신 이후 진행할 할 일 목록 정리
회의록은 회의 녹음 -> 음성의 텍스트 변환 -> 생성형 AI 정리의 흐름으로 진행합니다. 조직에서 사용하는 회의록 양식을 함께 제공하면 주요 논의, 결정 사항, 미결 사항과 담당 업무를 일정한 형식으로 정리할 수 있습니다.
반복 업무를 프롬프트와 챗봇으로 시스템화
자주 사용하는 업무 상황은 검증된 프롬프트를 다듬어 모아두는 것이 좋습니다. 업무 절차가 일정하다면 Gemini Gems, Custom GPTs, Claude Projects, Copilot Agent Builder와 같은 챗봇·에이전트 기능으로 시스템화할 수 있습니다.
이번 과정에서는 Gemini Gems를 중심으로 반복적인 이메일 회신 절차를 챗봇 지침으로 전환했습니다. 반복 분석과 초안은 AI가 맡고, 사용자는 중요한 의사결정과 최종 검토에 집중하는 방식입니다.
데이터 분석, Deep Research와 NotebookLM 활용
생성형 AI는 문서 작성뿐 아니라 정성·정량 데이터 분석에도 활용할 수 있습니다. 교육 신청 시 기대사항과 같은 정성 데이터는 MECE 방식으로 중복과 누락 없이 정리하거나, 비슷한 의견끼리 클러스터링해 주요 요구를 파악할 수 있습니다.
엑셀 자료는 먼저 데이터의 의미를 설명하게 하고, 결측치와 이상치를 확인한 다음 근거와 함께 인사이트를 도출합니다. 분석 결과는 프로모션이나 업무 개선 기획안으로 연결할 수 있습니다.
최신 외부 자료가 필요한 업무에서는 Deep Research 기능을 활용합니다. 다만 결과를 바로 보고서로 사용하지 않고 조사 질문, 필요한 자료, 출처와 검증 기준을 먼저 정해야 합니다.
NotebookLM에는 PDF, 음성파일, 유튜브 자료와 복사한 텍스트 등 여러 소스를 추가해 분석할 수 있습니다. 수집한 자료를 기반으로 핵심 내용을 정리하고, 시장 변화나 조직 과제에 대한 기획 방향을 도출하는 데 활용할 수 있습니다.
이런 조직에 추천합니다
•
신입사원의 생성형 AI 업무 활용 역량을 체계적으로 높이고 싶은 공공기관과 기업
•
이메일, 회의록과 반복 문서 작성 시간을 줄이고 싶은 조직
•
AI 사용 경험을 실제 업무 성과와 연결해야 하는 신입·주니어 구성원
•
프롬프트 작성과 AI 결과 검증을 함께 교육하고 싶은 조직
•
정성·엑셀 데이터 분석과 자료 조사를 기획 업무로 연결하고 싶은 조직
•
반복 업무용 챗봇과 AI 에이전트 도입을 준비하는 조직
생성형 AI 업무 활용의 핵심은 AI에게 업무를 모두 넘기는 것이 아닙니다. 작업할 때 AI를 적극적으로 초대하되, 사람이 주요 과정에 계속 개입하고 사실과 근거를 확인해야 합니다.
AI의 속도와 생성 능력에 신입사원의 학습력, 현장 이해와 책임 있는 판단이 결합될 때 AI는 검색 도구를 넘어 함께 일하는 듀얼 브레인이 됩니다.
딥택트러닝은 조직의 업무 사례와 교육 대상을 반영해 신입사원 생성형 AI 교육, AI 업무 활용 교육, 프롬프트 교육, 업무생산성 향상 교육을 설계합니다.
•
교육 문의: 010-6651-6268 (박재현 소장)
#서울주택도시개발공사 #신입사원교육 #생성형AI교육 #AI업무활용 #업무생산성교육 #프롬프트교육 #이메일작성 #회의록작성 #데이터분석 #DeepResearch #NotebookLM #AIAgent #기업교육 #딥택트러닝 #박재현소장
