목차
오늘의 목표
2주차는 "질문을 잘하는 법"에서 끝나지 않습니다. 팀 프로젝트 후보가 실제로 다룰 가치가 있는지 확인하기 위해 자료를 찾고, 읽고, 비교하고, 팀이 다시 쓸 수 있는 지식으로 정리합니다.
프롬프트는 질문의 구조를 잡고, Deep Research는 넓게 조사하며, NotebookLM은 모은 자료를 팀 지식으로 정리하는 역할을 합니다.
강의에서 배우는 것
- 좋은 프롬프트의 기본 요소: 목표, 맥락, 역할, 입력 자료, 출력 형식, 검토 기준
- 짧은 질문과 구조화된 질문의 결과 차이
- Deep Research를 쓸 때 질문 범위를 좁히는 법
- NotebookLM에 넣을 자료를 고르는 기준
- 자료 요약, 비교, 쟁점 추출, 근거 인용의 차이
- AI가 만든 조사 결과를 그대로 믿지 않고 확인하는 방법
수업 흐름
- 팀별 프로젝트 후보 공유
- 프롬프트 구조화 강의와 예시 비교
- Deep Research로 후보 문제의 배경 조사
- NotebookLM에 자료를 넣고 핵심 쟁점 정리
- 팀 프로젝트 후보를 1-2개로 압축
실습
같은 업무 질문을 짧은 프롬프트와 구조화된 프롬프트로 각각 실행해 결과 차이를 비교합니다. 이후 팀 자료를 NotebookLM에 넣고, 핵심 쟁점, 이해관계자, 필요한 데이터, 예상 산출물을 뽑아냅니다.
수업 중에는 "자료를 더 찾아줘"에서 멈추지 않습니다. 자료들이 공통으로 말하는 문제, 서로 충돌하는 주장, 우리 팀 프로젝트에 필요한 입력 자료를 구분합니다.
팀 프로젝트 연결
1주차에서 나온 후보 중 하나를 골라 자료 기반으로 검토합니다. 근거가 약하거나 자료를 구하기 어려운 후보는 보류하고, 3주차에 기획으로 전환할 후보를 고릅니다.
준비하면 좋은 자료
- 1주차에서 고른 팀 프로젝트 후보 2-3개
- 관련 공지, 지침, 보고서, 기사, 내부 양식의 비식별 샘플
- 팀원이 각자 찾아온 참고 링크 2개 이상
- NotebookLM에 넣어도 되는 공개 또는 비식별 자료
따라가기 어려울 때의 기준
프롬프트 문장을 완벽하게 쓰는 것이 목표가 아닙니다. 수업이 끝날 때 팀 후보 1개에 대해 "왜 이 문제를 다루는지", "무슨 자료를 근거로 삼을지", "아직 모르는 것이 무엇인지"를 말할 수 있으면 충분합니다.
산출물
- 팀 프로젝트 후보 1-2개
- 참고 자료 묶음
- NotebookLM 요약 노트
- 핵심 질문과 검증할 가정 목록
- 다음 주에 ChatGPT 도구로 실험할 우선 후보 1개
다음 주 연결
3주차에는 조사한 문제와 자료를 ChatGPT 웹/앱에 넣어 파일 분석, 이미지 생성, 도구 활용 흐름으로 실험합니다. Codex로 넘어가기 전에 AI가 파일과 결과물을 다루는 감각을 먼저 익힙니다.