AI 실무 노하우

말로 '보고서 써줘'라고 하면 AI는 자기 기준의 보고서를 만든다. 우리 조직이 실제로 쓰는 양식과는 다르다. 목표가 되는 완성 보고서 한 건을, 개인정보·대외비를 지우고 형식만 남긴 사본으로 만들어 올리거나, 그 페이지를 캡처하되 이름·주민번호·연락처·금액 등 민감정보를 가린 뒤 붙이고 '이런 결과물을 원한다'고 목표 이미지를 먼저 못박아라. AI는 예시를 따라 구조·문체·표 형식을 모사하는 데 강하다. 좋은 예시 1건이 지시문 열 줄보다 정확하다. 사본이 없으면 과거 유사 보고서, 상급기관 표준서식, 잘 된 타 부서 문서라도 같은 방식으로 비식별해 붙여라.

AI는 배경을 모르면 무난하고 뜬구름 잡는 글을 쓴다. 이 문서가 왜 필요한지, 어떤 상황에서 누가 읽는지, 지금 무엇이 문제인지(사태의 심각성)를 구체적으로 깔아줘라. 예산 삭감 위기인지, 민원이 폭증한 상황인지, 상급기관 지적사항 후속인지에 따라 글의 무게와 방향이 완전히 달라진다. 맥락을 촘촘히 줄수록 '왜 이 사업이 시급한가'가 설득력 있게 서술되고, 결재자가 납득할 논리가 나온다. 다만 배경으로 붙이는 통계·사례도 실제 자료에 있는 것만 넣고, 민원인·업체 실명 같은 식별정보는 마스킹한 상태로 설명하라.

같은 내용도 누가 쓰고 누가 읽느냐에 따라 문장이 달라진다. 지시문 앞머리에 다섯 가지를 명시하면 재작업이 크게 준다. ①역할(너는 우리 과 주무관이다) ②수신자(도지사 결재용 / 주민 안내용 / 언론 배포용) ③형식(개조식/서술식, hwp 보고서/PPT 초안) ④분량(A4 1장, 표 포함) ⑤톤(공문체/친근한 안내체). 특히 수신자를 명확히 하면 존댓말 수준, 전문용어 사용량, 요약 밀도가 자동으로 맞춰진다.

무엇을 쓸지만큼 무엇을 쓰지 말지를 정하는 것이 중요하다. AI는 빈칸을 그럴듯한 말로 채우려는 습성이 있어, 방치하면 없는 사실을 지어내거나(할루시네이션) 자료에 없는 수치를 만든다. '주어진 자료 밖 내용 금지', '통계·인용은 출처 없으면 쓰지 말 것', '확정 안 된 예산액 단정 금지', '특정 업체·개인 실명 금지' 같은 금지선을 지시문에 넣어라. 이것이 공문·보고서의 사실 정확성을 지키는 안전장치다.

보고서에는 성격이 다른 두 부분이 섞인다. 추진현황·실적 같은 사실 서술은 '주어진 자료 안에서만' 엄격히 쓰게 하고, 향후 비전·기대효과·전망 부분은 지역 현실과 실현 가능한 범위 안에서 제안하게 해라. 여기서 '창의적'은 근거 없는 상상이 아니라, 전제(예산·인력·법적 권한·기존 사업)를 명시한 조건부 제안이다. 전망도 <전제A면 → 기대B> 형태로 근거 논리를 달아야 하며, 전제 없이 던진 수치·약속은 결재·감사에서 사실 오류와 동일하게 취급된다. 사실과 전망을 지시문에서 명시적으로 구분해주면, 사실은 정확하게 유지되면서 미래 서술은 조건부로 설득력 있게 확장된다. 구분 없이 던지면 사실 부분까지 상상으로 채워질 위험이 있다.

긴 지시를 던지고 곧장 완성본을 받으면, 방향이 틀렸을 때 통째로 다시 써야 한다. 먼저 목차·소제목·각 절에 담을 핵심만 개요(뼈대)로 뽑게 하고, 그것을 확인·수정한 뒤에 본문 작성으로 넘어가라. 개요 단계에서 구조 오류를 잡는 비용이 완성본을 뜯어고치는 비용보다 훨씬 싸다. 개요가 합의되면 본문 품질과 일관성도 올라간다.

복잡한 보고서·계획서를 한 번에 요청하면 뒤로 갈수록 내용이 부실해지고 앞뒤가 안 맞는다. 작업을 단계로 분해하라. ①개요(목차·논지) 합의 → ②각 절을 하나씩 작성(앞 절 내용을 참조시키며) → ③마지막에 전체를 놓고 사실·수치·논리 일관성·금지선 준수를 점검. 이때 전망·기대효과 절은 전제(예산·인력·권한·기존 사업)가 명시됐는지, 전제 없는 수치가 섞이지 않았는지도 함께 점검하라. 절별로 끊으면 각 부분에 집중도가 높아지고, 중간에 방향 수정도 쉽다. 검증 단계를 별도로 두는 것이 특히 중요하다.

시각화는 종류마다 만드는 방식이 다릅니다. 현장 경험상 '요구하면 어느 정도 다 나옵니다'만, 막연히 '그림 그려줘'보다 산출물 형식을 콕 집어 지시하면 재작업이 줄어듭니다. 대략 (1) 삽화·아이콘·표지 같은 이미지, (2) 프로세스·조직·관계를 보여주는 개념도/다이어그램, (3) 수치를 비교하는 표/차트로 나뉩니다. 편집이 필요할 산출물(다이어그램·표·차트)은 '그림 파일'이 아니라 '편집 가능한 텍스트/코드'로 뽑아달라고 하는 것이 핵심입니다(다음 팁들 참고).

순서도·조직도·관계도를 AI에게 '완성 이미지'로 받으면 글자 하나 고치려 해도 다시 그려야 합니다. 대신 mermaid 코드나 draw.io(diagrams.net)로 열리는 형식(XML)으로 달라고 하면, 텍스트만 고쳐 노드·화살표·라벨을 자유롭게 수정할 수 있습니다. mermaid는 라벨이 텍스트(코드)라 AI 이미지처럼 글자 획이 뭉개지는 문제는 없지만, 렌더러·폰트 설정에 따라 한글 라벨이 깨지거나 두부(□)로 보일 수 있으니 한글 폰트를 지원하는 렌더러에서 미리보기하세요. 붙여넣기만 하면 되는 무료 렌더러(mermaid.live 등)로 바로 확인할 수 있고, 수정 이력 관리도 쉽습니다.

차트는 눈대중으로 그리게 두면 수치가 틀어집니다. 원자료(숫자·항목)를 표나 CSV로 명확히 주고, 차트 종류(막대/선/원)·축·단위·정렬 기준까지 형식을 지정하세요. 그림 이미지보다는 표 계산 프로그램에 바로 넣을 수 있는 데이터 형태나, 코드(예: 파이썬 차트 스크립트)로 받으면 수치 검증과 재활용이 쉽습니다. AI가 만든 차트는 반드시 원본 숫자와 대조해 검산하세요 — 최종 수치의 책임은 사람에게 있습니다. 원자료에 개인정보·대외비가 섞여 있으면 비식별·마스킹한 사본만 올리세요.

비교·집계는 표가 가장 빠릅니다. 화면에 예쁘게만 나오는 표보다, 붙여넣어 편집할 수 있는 형태(마크다운 표, 또는 표 계산 프로그램/문서에 붙는 탭 구분 텍스트)로 달라고 하면 보고서·hwpx에 바로 옮길 수 있습니다. 열 순서·정렬·합계 행 유무까지 지정하면 손이 덜 갑니다. 셀 안 수치는 원자료와 대조 필수.

AI 생성 이미지는 그림·구도·색감은 잘 뽑지만, 이미지 안에 박힌 한글 글자는 자주 깨지거나 이상한 획으로 나옵니다(영문도 완벽하지 않음). 그래서 표지·삽화·개념 이미지는 '글자 없는 배경/그림'으로만 생성하고, 제목·라벨·설명 같은 텍스트는 편집 도구(문서·PPT·이미지 편집)에서 사람이 얹는 것이 안전합니다. 이렇게 나누면 수정도 쉽고 오탈자 위험도 줄어듭니다.

PPT 초안(구성·슬라이드 아이디어·이미지)은 여러 이미지·문서 AI에서 잡을 수 있습니다. 현장에서 초안용으로 언급된 도구 예시로는 GPT 이미지, 'nano-banana', 'Manus', 'Windstory' 등이 있는데, 이들은 현장에서 나온 이름일 뿐 존재·기능 귀속(예: 어느 계열의 이미지 모델인지)·성능·해상도는 확인되지 않았으니 사용 시점에 직접 확인하세요. 이미지형 슬라이드는 공통적으로 해상도가 낮게 나오거나 한글이 깨지는 문제가 있습니다. 대응은 두 갈래입니다. (1) 고해상도·한글 안정 산출을 지향한다고 언급되는 도구를 써보되 실제 성능은 그때그때 테스트로 확인하기, (2) GPT 등에서 생성한 뒤 업스케일로 해상도를 끌어올리기. 참고로 NotebookLM은 자료 요약 기반 도구라 '이미지 슬라이드 생성'이 아니라 '올린 자료를 근거로 한 구성안·목차 초안'을 얻는 용도로만 구분해 쓰세요. 어느 쪽이든 최종 텍스트는 사람이 편집 도구에서 확인·수정하는 것을 전제로 하고, 자료를 올릴 때는 비식별·마스킹한 사본만 올리세요.

원하는 시각 결과물(과거 우수 보고서 도표, 원하는 슬라이드 레이아웃 등)이 있으면 비식별·마스킹한 캡처·샘플을 올려 '이런 형태로 만들어줘'라고 지시하면 방향이 빨리 잡힙니다. 특히 표·다이어그램은 '이 표의 열 구성과 톤을 따라 우리 데이터로 다시 만들어줘' 식으로 예시 기반 지시가 효과적입니다. 핵심은 순서입니다 — '올린 뒤 마스킹'이 아니라 '마스킹한 사본을 올린다'가 순서입니다. 원본에 대외비·개인정보가 담겨 있으면 형식(열 구성·레이아웃)만 남기고 실제 내용은 지우거나 가짜 값으로 바꾸어 올리세요.

도구를 먼저 고르지 말고 작업의 성격을 먼저 분류하라. ① 긴 문서를 통째로 읽고 요약·검토 → 맥락 이해가 강한 대화형 AI. ② 내가 올린 자료 안에서만 근거를 들어 답하게 하고 싶다 → RAG형(내 자료 기반 Q&A). ③ 지금 이 순간의 최신 정보·출처가 필요 → 검색형. ④ 같은 지침을 매번 반복 입력하기 싫다 → '프로젝트/지침 저장' 기능. 하나의 작업에도 단계별로 도구가 바뀔 수 있다(예: 검색형으로 최신 자료 수집 → 대화형에 붙여넣어 보고서 초안). 어떤 종류든 실제로 자료를 투입하기 전에는 소속기관 보안지침·망분리·승인도구 여부를 먼저 확인하고, 민감정보는 비식별한 사본만 올린다.

매 대화마다 "너는 경북도청 담당자다, 보고서는 개조식으로, 존댓말로…"를 다시 치지 마라. GPT·클로드에는 대화를 묶고 공통 지침·자료를 저장하는 '프로젝트' 성격의 기능이 있고, 제미나이에는 'Gems'(맞춤 지침을 저장하는 나만의 봇), NotebookLM은 내가 올린 노트북(자료 묶음)을 근거로 답하는 RAG 성격이라는 현장 경험이 있다. 대체로 '프로젝트/Gems는 지침·역할을 저장', 'NotebookLM은 근거 자료를 저장'하는 성향으로 나눠 쓰지만, 서비스마다 실제 동작·저장 범위가 다르니 현재 쓰는 화면 기준으로 확인하라. 자주 하는 업무(주간보고, 회의록 정리, 보도자료)는 유형별로 프로젝트/Gem을 하나씩 만들어 두면 매번 세팅하는 시간이 사라진다. 단, 저장 지침·자료에도 실제 개인정보·대외비는 넣지 말고 비식별한 예시만 넣는다.

일반 대화형 AI에 자료를 붙여도 답은 나오지만, 자료 밖 내용을 그럴듯하게 지어내는(환각) 위험이 있다. 내가 올린 자료 범위 안에서만 답하고 '몇 쪽·어느 문서에서 나왔는지' 출처를 짚어주는 RAG형 도구는 이 위험을 줄여준다. 규정 해석, 과거 사업 이력 확인, 여러 보고서 교차 확인처럼 '근거의 출처가 중요한' 업무에 적합하다. 다만 자료에 없는 것은 '없다'고 답하는 게 정상이니, 창의적 확장(비전·전망 서술)까지 시키려면 대화형과 나눠 쓰는 게 낫다. 그리고 출처를 짚어준다고 해서 그 출처가 실제로 맞는다는 보장은 아니다 — 표시된 쪽수·문서명이 원문에 실제 존재하는지는 사람이 대조해야 한다. 자료를 올릴 때는 비식별한 사본을 올린다.

AI의 기본 지식은 학습 시점까지의 것이라 최근 통계·인사·제도 변경은 틀릴 수 있다. 최신성·출처가 필요하면 웹 검색이 붙은 검색형 도구(퍼플렉시티류, 또는 검색 기능을 켠 대화형)를 쓴다. 검색형은 답과 함께 출처 링크를 주므로, 답을 그대로 믿지 말고 링크를 눌러 원문 날짜·수치를 직접 확인하는 습관이 중요하다. 특히 법령·예산·통계 수치는 공식 출처(법제처, 통계청, 기관 원문)로 재확인하라. 검색 질의에도 미공개 사업명·개인정보 등 대외비를 그대로 넣지 않도록 주의한다.

수십~수백 쪽 보고서를 한 번에 읽혀 요약·재구성·검토 의견을 받는 작업은, 긴 맥락을 한 번에 처리하는 대화형 AI가 강하다. 이때 목표 결과물 샘플을 함께 주면(현장 노하우: 예시 기반 지시) 형식이 훨씬 잘 맞는데, 이 샘플·본문도 반드시 개인정보·대외비를 가린 사본으로 올린다. 외부 서비스에 문서를 올리는 것은 편의성과 별개로 유출 위험이 있는 행위이므로, 먼저 소속기관의 보안·정보보호 지침(망분리·승인도구 여부)을 확인하고, 필요한 곳을 마스킹한 뒤 투입하라.

가장 실전적인 방식은 한 도구에 다 시키는 게 아니라 단계별로 갈아타는 것이다. ①검색형으로 최신 자료·통계 수집 → ②RAG형/대화형에 우리 규정·과거자료를 (비식별한 사본으로) 근거로 붙여 사실관계 정리 → ③맥락 이해형에 목표 샘플을 주고 보고서 초안 작성 → ④사람이 최종 검수. 각 단계 산출물(수집 자료, 근거 목록, 초안)을 파일로 남기면 다음 도구에 그대로 넘길 수 있어 재작업이 준다. 어떤 도구를 쓰든 최종 판단과 책임은 사람에게 있고, AI는 초안 보조라는 원칙은 모든 단계에 관통시킨다. 전망·기대효과를 붙일 때도 '전제A면 → 기대B' 형태로 근거 논리를 달아야 하며, 전제 없는 수치·약속은 사실 오류와 동일하게 취급된다.

무엇: AI에 '나는 누구이고, 어떤 문서를 어떤 어투로 쓰는지'를 한 번 등록해 두면, 이후 새 대화마다 매번 다시 설명하지 않아도 그 전제가 자동 적용됩니다. 왜: 같은 질문에도 결과가 매번 달라지고 원하지 않는 어투(칭찬·구어체)로 답하는 것을 줄여, 보고서에 바로 쓸 수 있는 톤을 고정하기 위함입니다. 어떻게: 설정 화면의 '개인 맞춤/사용자 지정' 칸에 (1) 내 역할·담당 업무, (2) 주로 쓰는 문서 형식, (3) 고정할 언어·어투·목록 규칙, (4) 금지사항(칭찬 문구·미확인 수치 임의 생성)을 나눠 적습니다. 단 이 칸에는 실제 이름·연락처·사업 대외정보 대신 역할·직무 수준의 일반 서술만 넣으세요.

무엇: GPT·Claude의 '프로젝트' 기능을 쓰면 그 프로젝트 안의 모든 대화가 공통 지침과 업로드 자료를 공유합니다. 왜: '이 사업 배경/이 서식/이 자료 범위'를 대화마다 다시 붙여넣는 낭비를 없애고, 같은 맥락에서 여러 번 물어도 일관된 답을 얻기 위함입니다. 어떻게: 반복되는 업무(예: OO사업 보고서)마다 프로젝트를 하나 만들고 (1) 프로젝트 지침에 목표·서식·금지사항을, (2) 참고 자료(서식 샘플·근거 자료)를 파일로 올려 둡니다. 단 자료를 올릴 때는 반드시 개인정보·대외비를 지운 비식별 사본을 올리세요 — 프로젝트에 올린 파일은 그 프로젝트의 이후 대화 전체에서 재사용·재노출됩니다. 이후엔 프로젝트 안에서 대화만 새로 시작하면 됩니다.

무엇: 한 번 결과가 좋았던 프롬프트를 지우지 말고, 바꿔 넣을 부분만 [ ]로 비워 재사용 템플릿으로 남깁니다. 왜: '어쩌다 잘 된' 프롬프트를 다음에 기억으로 복원하려다 실패하는 일을 막고, 담당이 바뀌어도 품질을 유지하기 위함입니다. 어떻게: 역할·맥락·형식·조건의 4요소를 갖춘 프롬프트에서 사업명·기간·대상처럼 매번 달라지는 값만 [사업명] [기간]으로 치환해 문서로 보관합니다. 다음엔 [ ]만 채워 붙여넣습니다.

무엇: 결과가 틀렸을 때 프롬프트를 처음부터 다시 쓰기보다, 직전 답에 무엇이 왜 잘못됐는지와 부족했던 맥락을 덧붙여 수정을 지시합니다. 왜: AI는 대화 맥락을 이어받으므로, 실패 지점을 콕 집어 주면 전체를 새로 쓰는 것보다 빠르고 정확하게 교정됩니다. 어떻게: (1) 어떤 부분이 틀렸는지, (2) 올바른 기준은 무엇인지, (3) 빠졌던 배경(사태의 심각성·전후 맥락)을 함께 제시하고 '그 부분만 고쳐서 다시'라고 지시합니다.

무엇: 개인이 만든 세팅 문구·템플릿·자주 겪는 실패 교정법을 부서 공유 문서(한글·엑셀)로 모아 팀 표준으로 만듭니다. 왜: 각자 다른 품질로 AI를 쓰면 결과 편차가 커지고, 담당자가 바뀌면 노하우가 사라집니다. 표준화하면 신규 담당자도 첫날부터 검증된 프롬프트를 쓸 수 있습니다. 어떻게: (1) '개인 맞춤 설정 표준 문구', (2) '업무별 프롬프트 템플릿', (3) '자주 나는 오류와 교정 문장'을 표로 정리하고, 새 사례가 생길 때마다 한 줄씩 추가하는 규칙을 둡니다. 공유하는 것은 '프롬프트·교정 노하우'이지 실제 자료가 아닙니다.

무엇: 템플릿·서식 샘플을 AI에 올릴 때는 텍스트가 잘 뽑히는 형식으로 통일해 두면 재사용 효율이 오릅니다. 왜: hwpx는 내부적으로 zip+xml 구조라 구형 hwp(바이너리)보다 텍스트·표 추출이 유리한 편입니다. 다만 '구조상 유리하다'가 '어떤 챗봇에서도 잘 된다'는 뜻은 아니며, 챗봇이 hwpx 확장자를 직접 지원하지 않으면 여전히 실패할 수 있습니다. 어떻게: 반복 활용할 서식은 hwpx(또는 필요 시 PDF·docx)로 저장해 자산 폴더에 모으되, 올리기 전에 개인정보·대외비를 지운 '비식별 샘플용 버전'을 따로 만들어 그 사본만 업로드합니다.

무엇을: 주민번호, 연락처, 주소, 실명, 계좌, 대외비 문서 등은 외부(클라우드) AI 서비스 입력창에 그대로 붙여넣지 않습니다. 왜: 외부 서비스에 입력한 내용은 우리 통제 밖 서버로 전송되며, 유출·학습재사용·감사 지적의 위험이 있습니다. 어떻게: (1) 올리기 전에 식별정보를 먼저 마스킹/치환한 사본을 만들고('홍길동→민원인A', '010-1234-5678→[연락처]'), (2) 구조·비율만 필요하면 실제값 대신 합성(가짜) 데이터를 만들어 올린 뒤, (3) AI가 만든 초안에 실제값을 로컬에서 다시 채워 넣습니다. 이때 반드시 사람이 최종 대조하세요 — [연락처]·[주소] 같은 치환 표식이 남아 실제 개인정보가 빠졌는지, 실제값을 다시 넣으면서 단위·자릿수·조건 분기가 초안 구조와 어긋나지 않는지 확인합니다. 표 형식이면 값 열은 비우고 '형식만' 잡아달라고 요청하는 것도 방법입니다.

무엇을: AI가 만든 문장·수치·판단을 그대로 결재·발송하지 않고, 담당자가 검토·수정·책임지는 '초안'으로 다룹니다. 왜: AI는 그럴듯하지만 틀린 내용(환각)을 자신 있게 만들어내며, 법령 해석·정책 판단·대민 책임은 제도적으로 사람의 몫입니다. 어떻게: (1) 문서 작성 단계에서 'AI 초안 → 담당 검토 → 팀장 확인' 흐름을 고정하고, (2) 근거가 필요한 문장에는 출처를 표시하게 하고, (3) 확신이 없는 부분은 '확인 필요'로 남기게 지시합니다. 특히 대민 회신·법적 효력이 있는 문서는 사람이 문장 단위로 확인합니다.

무엇을: AI가 쓴 통계 수치, 법령 조문·번호, 판례, 인용문, 날짜를 근거 원문과 하나씩 대조합니다. 왜: AI는 실제와 비슷한 가짜 법조문·통계·인용을 만들어낼 수 있고(환각), 공문에서는 이런 오류가 곧 행정 신뢰의 문제가 됩니다. 어떻게: (1) 수치는 원자료(통계표·예산서·공문)에서 직접 확인, (2) 법령은 국가법령정보센터 등 원문으로 조문·시행일 확인, (3) 인용·판례는 실제 존재 여부와 문구를 확인합니다. AI에게 '자료 안에서만 서술하라'고 못박고, 자료에 없는 것은 지어내지 말고 [자료없음]으로 표시하게 하면 검증 지점이 줄어듭니다. 다만 '문장마다 근거를 대게 하는 것'은 환각을 없애주는 필터가 아니라 환각을 눈에 띄게 만들어 주는 보조장치일 뿐입니다 — AI는 그럴듯한 가짜 출처(자료명·쪽수)까지 함께 지어낼 수 있으므로, 출처가 붙어 있다는 사실 자체는 진실성을 보장하지 않습니다. 표기된 자료·쪽수가 실제 원문에 존재하는지 사람이 반드시 대조해야 합니다.

무엇을: 보고서 본문(현황·사실)은 주어진 자료 안에서만 서술하되, 비전 제시·향후 전망 부분은 현실 가능한 범위에서 확장합니다. 왜: 현장 경험상 사실 서술과 전망은 검증 기준이 다릅니다 — 사실은 원문 대조, 전망은 '실현 가능성·지역 여건 부합'이 기준입니다. 다만 여기서 '창의적'이란 근거 없는 상상이 아니라, 전제(예산·인력·법적 권한·기존 사업 연계)를 명시한 조건부 제안을 뜻합니다. 전망도 결재·감사에서 사실 근거를 요구받으며, 전제 없는 수치·약속은 사실 오류와 동일하게 취급됩니다. 어떻게: 프롬프트를 '현황=자료 내 서술 / 전망=지역 여건 내 조건부 제안'으로 두 층으로 나눠 지시하고, 전망 문단은 '<전제A가 충족되면 → 기대효과B>' 형태로 근거 논리를 달게 합니다. 근거 없는 장밋빛 전망은 오히려 보고서 신뢰를 떨어뜨립니다.

무엇을: 좋은 결과가 나온 프롬프트 전문과, 사용한 도구·모델명·작업 날짜, 첨부한 자료 목록을 한 곳에 기록합니다. 왜: AI 출력은 같은 질문에도 매번 조금씩 달라지고, 나중에 '왜 이렇게 나왔는지' 설명하거나 같은 품질을 재현해야 할 때 기록이 없으면 처음부터 다시 헤매게 됩니다. 감사·인수인계 시 근거로도 쓰입니다. 어떻게: (1) 자주 쓰는 프롬프트는 서비스가 제공하는 '프로젝트/Gems' 같은 자료·지침 저장 기능이나 사내 문서에 템플릿으로 저장, (2) 산출물 파일명이나 문서 하단에 '작성보조: (도구) / 날짜 / 검증자'를 남기고, (3) 반복 업무는 프롬프트 버전(v1, v2)과 바뀐 이유를 메모합니다. 저장 문서 자체에는 개인정보·실제 민감값을 넣지 말고, 승인된 내부 저장소에 접근권한을 제한해 둡니다.

무엇을: 문서를 AI에 넣기 전에 '이 파일에 개인정보·대외비가 있는지'를 먼저 점검해 비식별·발췌하고, 그다음 '텍스트가 제대로 추출되는지'를 확인합니다. 왜: hwpx는 zip+xml 구조라 압축을 풀면 내부 텍스트가 그대로 노출되어, 구조상 텍스트 추출에는 유리합니다. 하지만 이는 곧 그 안의 개인정보·대외비도 그대로 밖으로 나갈 수 있다는 뜻입니다 — 추출이 잘 되는 파일일수록 유출 위험도 큽니다. 반대로 구형 hwp(바이너리)는 추출이 어려워 AI가 내용을 잘못 읽거나 깨진 채 처리할 수 있습니다. 어떻게: (1) 넣기 전 반드시 민감정보를 삭제·마스킹하고, 필요한 문단만 발췌한 사본을 올리며, (2) 원문 대조가 필요한 작업은 hwpx로 저장해 텍스트 정확도를 확보하고, (3) 구형 hwp는 hwpx로 변환한 뒤 추출 결과가 원문과 일치하는지 눈으로 확인합니다.

AI에게 자료를 찾거나 정리시킬 때 기간을 명시하지 않으면 오래된 자료·아무 연도나 섞여 들어옵니다. '최근 3년', '2022~2024년', '올해 상반기'처럼 시간 범위를 조건으로 먼저 걸면 결과물의 시의성이 확보되고, 나중에 출처를 대조하기도 쉬워집니다. 현장에서 실제로 쓰는 방식으로, 보고서 신뢰도의 출발점입니다.

'최근 3년'만으로는 부족할 때가 많습니다. 공간(경상북도/특정 시군/전국 대비), 대상(청년/고령/소상공인/공무원 등)까지 함께 걸면 AI가 엉뚱한 지역·집단 사례를 끌어오는 것을 막습니다. 범위를 좁힐수록 보고서가 '우리 지역 우리 대상' 이야기로 정확해집니다.

공문과 보고서 본문은 사실 서술이 생명입니다. AI에게 '내가 준 자료 밖의 내용은 절대 추가하지 말고, 모르면 모른다고 표시하라'고 명시적으로 잠가야 합니다. 이렇게 하지 않으면 그럴듯한 배경설명·수치가 슬쩍 끼어들어 사실관계를 오염시킵니다. 현장 원칙 그대로, 본문은 자료의 테두리를 벗어나지 않게 합니다. 자료를 붙여넣을 때는 개인정보·대외비를 비식별·마스킹한 사본을 붙여넣습니다.

사실 서술은 자료 안으로 잠그되, 비전 제시·향후 전망·기대효과처럼 미래를 그리는 부분은 지역 현실과 실현 가능성을 벗어나지 않는 선에서 제안하게 하는 것이 실전 감각입니다. 다만 여기서 '창의'는 근거 없는 상상이 아니라, 전제(예산·인력·법적 권한·기존 사업)를 명시한 조건부 제안을 뜻합니다. 전망도 <전제A면 → 기대B> 형태로 근거 논리를 달아야 하며, 전제 없는 수치·약속은 사실 오류와 동일하게 취급됩니다. 결재·감사에서 전망 역시 사실 근거를 요구받기 때문입니다. 본문(사실)과 전망(조건부 제안)을 프롬프트에서 분리해 지시하면, 근거는 탄탄하면서 방향성은 살아 있는 보고서가 됩니다.

AI 결과물의 가장 큰 위험은 출처 없는 단정입니다. '주장 문장 뒤에 근거(어느 자료의 어느 부분)를 괄호로 달아라'고 요구하면, 근거 없는 문장이 눈에 띄어 검증이 빨라집니다. 다만 이 요구는 진실성을 보장하는 필터가 아니라 환각을 눈에 띄게 만드는 보조장치일 뿐입니다. AI는 출처를 요구받으면 그럴듯한 가짜 자료명·쪽수를 함께 지어낼 수 있어, 출처가 붙어 있다는 사실만으로는 사실 여부가 담보되지 않습니다. 표기는 검증의 시작일 뿐이며, 표기된 자료·쪽수가 실제 원문에 존재하는지 반드시 사람이 대조해야 합니다.

AI는 존재하지 않는 통계 수치, 실제와 다른 법 조문 번호, 없는 판례를 사실처럼 만들어냅니다(환각). 숫자·법령·판례가 들어간 문장은 무조건 '의심 대상'으로 두고, 국가법령정보센터·통계청·판례 원문 등 1차 출처에서 직접 확인해야 합니다. 특히 공문에 들어가는 근거 법령은 조·항·호까지 원문 대조가 필수입니다.

지저분한 원자료를 그대로 넣으면 AI가 표의 행·열을 헷갈리거나 머리말·쪽번호를 본문으로 오해합니다. 표는 항목·단위를 명확히 정리하고, PDF는 필요한 부분만 잘라 텍스트로, 한글 문서는 텍스트가 살아 있는 형식으로 다듬어 넣으면 결과 정확도가 크게 올라갑니다. hwpx는 zip+xml 구조라 압축을 풀면 내부 XML에서 텍스트를 뽑아내기 유리해, 구형 hwp보다 정제해서 넣기 좋습니다. 다만 추출이 잘 되는 파일일수록 안에 든 개인정보·대외비도 그대로 밖으로 나가므로, 넣기 전 반드시 비식별·마스킹한 사본으로 만들어 투입합니다.

자료를 넣기 전에 '이런 형태·이 정도 근거 밀도의 결과물을 원한다'고 목표 보고서 샘플이나 캡처를 함께 제시하면, AI가 어느 수준까지 근거를 달고 어디까지 자료 안에서 쓸지 감을 잡습니다. 이때 올리는 샘플·캡처는 개인정보·대외비를 가리거나 지운 사본을 올립니다. 범위 통제와 결과물 품질을 한 번에 맞추는 실전 방식입니다.

같은 한글 문서라도 AI(챗봇)가 이해하는 정도가 다르다. hwpx는 내부가 zip+xml 구조라 압축을 풀면 본문 텍스트가 XML로 들어 있어, 구조상 텍스트 추출에 유리하다. 반면 구형 hwp는 한글 고유의 바이너리 포맷이라 텍스트를 곧바로 뽑아내기 어렵다. 다만 'hwpx면 무조건 잘 된다'는 뜻은 아니다. 챗봇이 hwpx 확장자를 직접 지원하지 않으면 hwpx라도 인식에 실패하는 경우가 흔하다. 그래서 자료를 넣기 전에 '이 파일이 hwp인지 hwpx인지'부터 확인하되, 넣은 뒤 본문이 제대로 들어갔는지 눈으로 반드시 확인하라. 확장자가 .hwp면 인식이 안 되거나 깨질 수 있다고 미리 의심하라.

구형 hwp가 인식되지 않을 때 가장 확실한 우회로는 포맷 변환이다. 한글에서 '다른 이름으로 저장'을 통해 hwpx 또는 PDF로 바꿔 저장한 뒤, 개인정보·대외비를 삭제·마스킹한 사본을 올린다. hwpx로 저장하면 텍스트 구조가 살아 있어 추출에 유리하고, PDF는 대부분의 도구가 비교적 안정적으로 읽는다. 변환이 번거로우면 필요한 부분만 한글에서 본문을 복사해 대화창에 직접 붙여넣는 것도 확실한 방법이다. 단, 복붙 시 표·각주·머리말은 순서가 흐트러질 수 있으니 붙여넣은 뒤 한 번 읽어보고 정리하라.

PDF라고 다 텍스트가 들어 있는 건 아니다. 종이 문서를 스캔했거나 팩스로 받은 PDF는 겉보기엔 글자지만 실제로는 '이미지(사진)'라서, 그대로 넣으면 AI가 글자를 못 읽거나 엉뚱하게 인식한다. 이럴 땐 문자를 인식해 텍스트로 바꾸는 OCR 과정을 먼저 거쳐야 한다. 1차 구분법: PDF 뷰어에서 본문을 마우스로 드래그해 '글자가 선택(블록 지정)되면' 텍스트 PDF, 선택이 안 되고 그림처럼 잡히면 스캔(이미지) PDF일 가능성이 높다. 다만 이는 어디까지나 1차 판별이다 — 일부 스캔 PDF는 이미지 위에 OCR 텍스트 레이어가 덧입혀져 드래그는 되지만 실제 텍스트가 부정확할 수 있다.

표(테이블)는 AI가 가장 자주 어긋나게 읽는 자료다. 한글·엑셀 표를 캡처 이미지로 넣거나 셀이 병합된 채로 붙여넣으면 행과 열이 밀려 값이 엉킨다. 대신 표를 CSV(쉼표로 구분된 텍스트)나 마크다운 표 형태의 '텍스트'로 변환해 주면 구조가 명확해 훨씬 정확하게 인식한다. 엑셀은 'CSV로 저장', 한글 표는 셀 값을 정리해 쉼표·줄바꿈으로 옮기면 된다. 병합 셀은 값을 풀어서(각 칸에 값 채워서) 주는 것이 안전하다. 무엇보다 원표의 표기 형식(단위·퍼센트)을 그대로 옮겨, AI가 임의로 환산하지 않게 하라.

수백 페이지 보고서나 여러 파일을 한 번에 밀어넣으면, 처리 한도를 넘겨 뒤쪽 내용이 잘리거나(맥락 유실) 핵심이 묻힌다. 대응은 두 가지다. (1) 분할: 장·절 단위로 끊어 여러 번에 나눠 넣고 '앞 내용에 이어서'라고 맥락을 이어준다. (2) 계층 요약: 각 문서를 먼저 짧게 요약시켜 '요약본들만' 모아 종합 분석에 투입한다. 원문 전체가 필요한 특정 대목만 그때그때 원문을 다시 붙이면, 정확도와 처리 효율을 함께 잡을 수 있다. 어느 방식이든 넣는 것은 개인정보·대외비를 비식별한 사본이어야 한다.

포맷을 잘 맞추는 것만큼 중요한 게 '무엇을 넣지 않을지'다. 주민등록번호·연락처·주소·비공개 내부자료가 담긴 파일을 외부 AI에 그대로 올리면 유출 위험이 있다 — 특히 hwpx처럼 추출이 잘 되는 포맷일수록 안의 민감정보도 그대로 밖으로 나간다. 파일을 넣기 전에 개인정보·대외비를 삭제하거나 가림(마스킹)하고, 꼭 필요하면 해당 부분을 'OOO', '△△기관'처럼 익명화한 사본을 따로 만들어 넣어라. AI는 어디까지나 초안·정리를 돕는 보조 도구이고, 내용의 사실 여부와 대외 공개 판단·최종 책임은 담당자(사람)에게 있다.