이번 주는 SK텔레콤이 엔비디아와 손잡고 ‘AI 팩토리’ 청사진을 내놨고, 마이크로소프트가 처음으로 자체 AI 모델군을 들고 나왔으며, 네이버 대화형 검색 ‘AI탭’이 전체 사용자에게 정식으로 열렸답니다. 책상에서 바로 써볼 세무·회의록·마케팅 도구, 동네 약국·청소 업체·작은 가게 사장님이 월요일에 바로 시작할 수 있는 활용법까지 한 자리에 모아봤어요.
🌊
Chapter 01
이번 주 큰 흐름
SK텔레콤이 엔비디아와 ‘AI 팩토리’ 동맹을 맺었어요 — 우리 회사 AI 속도·비용이 결국 어디서 도는지 점검할 때랍니다
회사에서 쓰는 AI 서비스가 느리거나 비용이 들쭉날쭉할 때, 그게 결국 “어느 데이터센터에서 돌아가는가”에 달려 있다는 걸 한 번쯤 체감하게 되지요.
SK텔레콤(SK Telecom)이 2026-06-08 엔비디아(NVIDIA)와 AI 인프라 동맹을 발표했어요. SK그룹 최태원 회장과 엔비디아 CEO 젠슨 황이 AI 클라우드 협력에 합의한 건데, 핵심은 엔비디아의 DSX 플랫폼을 토대로 칩부터 데이터센터 운영까지 한 묶음(풀스택)으로 만드는 AI 클라우드예요. 그 무대가 바로 ‘AI 팩토리’(AI 전용 데이터센터를 가리키는 표현이에요)인데, SK텔레콤은 기가와트(GW)급 규모로 국내 첫 AI 팩토리를 2027년 가동하는 것을 목표로 잡았고 이후 아시아로 확장할 계획이라고 밝혔답니다. 엔비디아 Blackwell GPU와 차세대 Vera Rubin 플랫폼, SK하이닉스 메모리, SK텔레콤 운영 역량을 묶는 구조라고 해요.
이 발표가 직장인에게 의미 있는 건 “우리가 쓰는 AI 서비스의 속도·비용·데이터 위치가 결국 어느 인프라 위에서 도느냐에 달려 있다”는 점을 보여 주기 때문이네요. 쉽게 말하면, 같은 배달 음식이라도 주방이 가까이 있느냐 멀리 있느냐에 따라 도착 속도·배송비가 달라지는 것과 비슷한 거지요. SK텔레콤 뉴스룸은 본 동맹을 “아시아 대표 AI 클라우드 사업자를 지향하는 협력”이라고 안내했어요. 다만 2027년 가동·기가와트급 규모는 SK텔레콤이 밝힌 계획·목표치라, 실제 가동 시점·규모는 진행에 따라 달라질 수 있다는 점을 함께 적어 두시면 좋겠네요. 직장인 입장에서는 당장 바뀌는 건 없지만, 회사가 AI 도입을 결정할 때 “어디서 도느냐”를 따져 볼 선택지가 늘어난다는 뜻이랍니다.
이 흐름을 회사 책상에서 어떻게 활용하면 좋은지 한 발 더 들어가 보겠습니다.
데이터센터 동맹 같은 뉴스는 보통 “큰 회사들 얘기”로 흘려 듣기 쉽지만, 회사가 AI 서비스를 도입할 때 의외로 실무에 닿는 지점이 있어요. 바로 “우리 회사 데이터가 어느 나라·어느 클라우드에 저장되고 처리되는가”라는 질문이지요. 국내에 AI 팩토리가 생긴다는 건, 민감한 사내 데이터를 해외로 보내지 않고 국내에서 처리할 선택지가 넓어진다는 뜻이기도 해요. 그래서 회사가 외부 AI 서비스를 검토할 때 IT·기획 담당자가 들고 있으면 좋은 점검 항목이 있답니다 — 어느 클라우드에서 도는지, 데이터를 국내에 둘 수 있는지, 사용량이 늘면 비용·속도가 어떻게 변하는지. 동네 가게 사장님이라면 이 뉴스 자체는 멀게 느껴지겠지만, 예약·결제 솔루션을 고를 때 “데이터를 국내 서버에 두는가” 정도는 한 번 물어보실 만하지요.
회사 AI 도입 시 인프라 점검 3문항
[1] 어디서 도는가
- 우리가 쓰려는 AI 서비스가 어느 클라우드·데이터센터에서 처리되는가
[2] 데이터 위치
- 사내 민감 데이터를 국내에 둘 수 있는가 / 해외로 나가는가
- 개인정보가 포함된다면 처리 위탁·국외 이전 동의가 필요한가
[3] 늘어났을 때
- 사용량이 2~3배로 늘면 비용·속도가 어떻게 변하는가
- 갑자기 몰릴 때 안정적으로 돌아가는가
마이크로소프트, 처음으로 ‘자기 AI’를 만들었어요 — 코파일럿 뒤에 자체 모델 선택지가 본격적으로 들어오기 시작했답니다
회사에서 Microsoft 365 · Copilot(코파일럿 — 마이크로소프트가 오피스 앱 안에 붙여 둔 AI 비서예요)을 메인으로 쓰는데, 그 안에서 돌아가는 AI가 누구 모델인지까지는 신경 쓸 일이 없었지요.
Microsoft(마이크로소프트)가 2026-06-02 Build 2026 개막 키노트에서 자체 개발 AI 모델군 7종을 한꺼번에 공개했어요. 그동안 마이크로소프트는 OpenAI 모델에 크게 기대 왔는데, 이번에 처음으로 “우리가 직접 만든 모델”을 전면에 내세운 거지요. 가장 눈에 띄는 건 첫 자체 추론 모델 MAI-Thinking-1이에요. 활성 파라미터(parameter — 모델이 학습으로 익힌 내부 가중치로, 보통 모델 규모를 가늠하는 숫자예요) 35B, context window(컨텍스트 윈도우 — 모델이 한 번에 읽고 기억할 수 있는 입력 길이예요) 25만 6천 토큰 규모로, 코딩 평가에서 Claude Opus 4.6(클로드 오푸스 4.6) 수준이라고 마이크로소프트가 자체 발표했답니다. 이미지 모델 MAI-Image-2.5, 음성·받아쓰기 모델 MAI Transcribe 1.5(43개 언어) · MAI-Voice-2, 코딩 모델 MAI-Code-1도 함께 나왔어요. 거기에 에이전트(agent — 사람이 정한 목표를 위해 여러 단계 행동을 스스로 계획·실행하는 AI예요)를 만드는 토대인 Microsoft IQ와 Work IQ APIs(회사 메일·문서·일정 같은 업무 데이터를 에이전트가 ‘맥락’으로 다루게 해 주는 도구 묶음으로, 일반 출시는 6월 중순 예정)도 함께 선보였답니다.
이번 발표가 회사 일에서 의미 있는 건 “코파일럿이라는 껍데기는 그대로지만, 그 뒤에서 돌아가는 엔진에 마이크로소프트 자체 모델이라는 선택지가 본격적으로 들어오기 시작한 흐름”이라는 점이네요. 쉽게 말하면, 늘 타던 회사 셔틀버스는 그대로인데 안에 들어가는 엔진에 직접 만든 모델을 새 선택지로 얹기 시작한 것과 비슷한 거지요. 마이크로소프트 공식 블로그는 “에이전트가 업무 데이터를 원시 데이터가 아니라 맥락으로 다루게 한다”는 점을 핵심으로 안내했네요. 다만 벤치마크 순위·성능 수치는 모두 마이크로소프트 자체 발표라, 외부 독립 비교가 나오기 전까지는 참고 신호로만 보시는 게 안전하답니다.
이 발표를 회사 책상에서 어떻게 받아들이면 좋은지 한 발 더 들어가 보겠습니다.
지금 당장 직장인이 새 모델 이름을 외워서 골라 쓸 일은 거의 없어요. 핵심은 다른 데 있답니다 — 회사가 쓰는 코파일럿·오피스 AI의 “속”이 바뀌면, 같은 작업의 응답 속도·품질·비용이 조용히 달라질 수 있다는 점이지요. 그래서 지금 해 두면 좋은 건 모델 비교가 아니라, 우리 부서가 AI에 맡기는 반복 작업이 무엇인지를 미리 한 장에 적어 두는 일이에요. 그래야 엔진이 바뀌었을 때 “어, 회의록 요약이 더 빨라졌네” 혹은 “표 정리 품질이 떨어졌네”를 바로 알아챌 수 있겠지요. Work IQ처럼 사내 데이터를 에이전트에 연결하는 도구는 IT·기획 담당자가 먼저 살펴볼 영역이에요. 회사 메일·문서·일정을 AI에 연결할 때 “데이터가 회사 경계 밖으로 나가지 않는가”, “누가 무엇을 했는지 기록(감사 로그)이 남는가”를 점검 항목으로 들고 계시면 좋답니다. 단 Work IQ 일반 출시가 6월 중순 예정이라 지금은 미리 보기 단계라는 점만 염두에 두시면 되겠네요.
회사 AI 엔진 교체 대비 — 작업 기준선 1장 만들기
[1] 우리 부서가 코파일럿·오피스 AI 에 맡기는 반복 작업 10개를 한 줄씩 적기
- 예: 회의록 요약 / 메일 회신 초안 / Excel 표 정리 / 보고서 1장 초안
[2] 각 작업의 지금 "기준선" 기록
- 보통 걸리는 시간 / 만족도(상·중·하) / 다시 손보는 빈도
[3] 엔진·버전이 바뀌었다는 공지가 뜨면 같은 작업 다시 측정
- 빨라졌나 / 품질 올랐나 / 떨어졌나 한 줄
[4] 사내 데이터 연결 도구(Work IQ 등) 점검 3문항
- 데이터가 회사 경계 밖으로 나가는가
- 접근 권한은 누구까지인가
- 누가 무엇을 했는지 기록(감사 로그)이 남는가
모델이 한 번에 읽고 기억할 수 있는 입력 길이예요. 길수록 긴 문서를 한 번에 다룰 수 있지요.
token (토큰)
모델이 텍스트를 처리하는 최소 단위예요. 한국어는 보통 한 글자~한 음절 정도가 1토큰에 해당한답니다.
agent (에이전트)
사람이 정한 목표를 위해 여러 단계 행동을 스스로 계획·실행하는 AI를 말해요.
API (Application Programming Interface)
한 프로그램이 다른 프로그램의 기능·데이터를 호출하기 위한 약속이지요.
네이버 ‘AI탭’이 모든 사용자에게 열렸어요 — 우리 회사 정보가 검색에 어떻게 인용될지 점검할 때랍니다
회사 홍보·콘텐츠 담당자라면, 사람들이 네이버에서 우리 가게·회사를 검색할 때 AI가 우리 정보를 어떻게 골라 보여 줄지 신경이 쓰이지요.
네이버(Naver)가 6월부터 대화형 검색 ‘AI탭’을 정식 출시하면서, 동시에 차세대 하이퍼클로바 X(HyperCLOVA X — 네이버가 만든 한국어 특화 거대 언어 모델이에요)를 적용했어요. AI탭은 검색창에 질문을 던지면 단순 링크 목록이 아니라 대화하듯 정리된 답을 돌려주는 기능이지요. 2025년 4월 베타로 처음 선보인 뒤 한 달 만에 누적 사용자 300만 명을 넘었고, 6월부터는 모바일·PC 전체 네이버 사용자에게 확대됐답니다. 보유 데이터 100억 건을 기반으로 한다고 밝혔고, 6월 말에는 이미지로 검색하는 스마트렌즈 신규 버전도 예고됐어요.
이 변화가 회사 일에서 의미 있는 건 “사람들이 정보를 찾는 길목이 ‘링크 목록’에서 ‘AI가 골라 요약해 주는 답’으로 옮겨가는 흐름”이라는 점이네요. 다른 말로 하면, 예전에는 검색 결과 1페이지에 우리 글이 걸리는 게 중요했다면, 이제는 AI가 답을 만들 때 우리 정보를 재료로 골라 쓰느냐가 중요해진 거지요. AI타임스는 이번 출시를 “네이버가 대화형 검색을 베타에서 전체 사용자로 본격 확대하는 단계”라고 정리했네요. 누적 사용자 300만 명 같은 수치는 네이버 자체 발표라는 점은 함께 적어 두시면 좋겠어요. 직장인 입장에서는 우리 회사·매장 정보가 AI 답변에 잘 인용되도록 미리 정리해 두는 게 새로운 숙제가 됐다는 뜻이랍니다.
이 흐름을 우리 회사 책상에서 어떻게 다루면 좋은지 한 발 더 들어가 보겠습니다.
AI가 답을 만들 때 어떤 정보를 골라 쓰는지는 정확히 공개돼 있지 않지만, 한 가지 방향은 또렷해요 — AI는 출처가 분명하고, 구조가 깔끔하고, 다른 데서 베끼지 않은 우리만의 정보를 더 잘 인용한다는 점이지요. 그래서 회사 블로그·공식 페이지·매장 소개 글을 손볼 때, “이 문장이 우리만 가진 사실인가”, “누가 언제 쓴 정보인지 분명한가”, “질문-답 형태로 깔끔하게 정리돼 있는가”를 점검해 보시면 좋답니다. 예를 들어 “영업시간은 평일 9시부터 6시까지예요”처럼 사실을 또렷이 적은 문장은 AI가 답으로 가져다 쓰기 쉽지만, 분위기만 묘사한 긴 글은 그렇지 않지요. 동네 가게 사장님이라면 네이버 스마트플레이스에 영업시간·메뉴·위치·자주 묻는 질문을 또렷한 문장으로 채워 두는 것만으로도 AI 답변에 인용될 확률을 높일 수 있답니다.
대화형 검색에 잘 인용되는 회사·매장 정보 점검표
[출처 명확성]
- 작성자·작성일·회사명이 페이지에 분명히 적혀 있는가
- 수치·사실에 근거(보도·공식 자료)가 붙어 있는가
[고유 정보]
- 다른 곳에 없는 우리만의 사실(메뉴·가격·사례·후기)이 있는가
- 남의 글을 요약만 한 페이지는 아닌가
[구조화]
- 자주 묻는 질문 → 짧은 답 형태로 정리돼 있는가
- 영업시간·위치·연락처 같은 핵심 사실이 한눈에 보이는가
[기본 채우기 — 동네 가게]
- 네이버 스마트플레이스 영업시간·메뉴·사진·FAQ를 또렷한 문장으로
세무 신고가 막막한 사장님·재무 담당자라면 — 혜움이 ‘알프레드’로 이름 바꾸고 ‘실행하는 AI’를 내놨답니다
매달 부가세·세금 신고·급여 명세에 머리가 아픈 1인 사업자나 회사 재무 담당자라면, “물어보면 답해 주는” 데서 그치지 않고 “대신 처리까지 해 주는” AI가 있었으면 싶지요.
세무·재무 AI 기업 혜움이 사명을 ‘알프레드’로 바꾸고, 금융 에이전틱 AI(agentic AI — 단순히 답만 주는 게 아니라 사람이 정한 목표를 위해 실제 작업을 단계별로 수행하는 AI예요) 공급 기업으로 방향을 틀었어요. 알프레드의 AI 에이전트는 세무 신고·고객 관리·서류 발급 같은 실제 업무를 직접 수행하는 데 초점을 맞췄답니다. 회사 측 설명에 따르면 누적 120만 사업자를 대상으로 5,000만 건 이상의 세무·상담 데이터를 학습했고(여기에 RAG(Retrieval-Augmented Generation — AI가 답하기 전에 관련 자료를 먼저 찾아보고 그 근거 위에서 답하게 하는 방식이에요)를 적용했다고 해요), AI 사업 부문의 최근 3년 연평균 성장률(CAGR)은 256%라고 밝혔어요. 소상공인·자영업자·중소기업을 대상으로 매출·손익을 카카오톡으로 요약해 주는 리포트, 부가세 예측, 경정청구(이미 낸 세금을 다시 계산해 더 낸 부분을 돌려받는 신청) 추천 같은 기능이 거론됐고, 2026년 2월에는 중소벤처기업부 ‘OpenData × AI 챌린지’에서 1위를 받았답니다.
이 도구가 의미 있는 건 “AI가 답만 주는 단계에서 실제 일을 처리하는 단계로 넘어가는 흐름”을 한국 회사가 세무·재무 영역에서 보여 줬다는 점이네요. 쉽게 말하면, 예전 AI가 “부가세는 이렇게 계산해요”라고 설명해 주는 조수였다면, 이제는 “그럼 제가 신고 서류까지 만들어 둘게요”라고 손을 움직이는 쪽으로 가는 거지요. ZDNet Korea는 이번 변화를 “응답이 아니라 실행에 초점을 둔 금융 에이전틱 AI로의 체질 개선”이라고 정리했어요. 다만 5,000만 건·성장률 256% 같은 수치는 회사 측 설명이고, 일부 기능은 하반기 상용화 목표 단계라는 점은 함께 봐 주시면 좋겠네요.
이 흐름을 사장님·재무 담당자 책상에서 어떻게 활용하면 좋은지 한 발 더 들어가 보겠습니다.
세무·재무 자동화 도구를 고를 때 가장 흔한 실수가 “한 번에 다 맡기려는” 거예요. 처음부터 신고까지 통째로 맡기기보다, 반복되고 실수하기 쉬운 작업부터 한 칸씩 넘기는 게 안전하답니다. 예를 들어 매달 매출·지출을 정리해 손익을 요약하는 일, 다음 달 부가세가 대략 얼마쯤 나올지 미리 가늠하는 일, 더 낸 세금을 돌려받을 여지가 있는지 살펴보는 일 — 이런 것부터 시작하시면 좋아요. 한 가지 꼭 기억하실 점은, AI가 만든 신고 자료·계산은 최종적으로 사람이 한 번 검토해야 한다는 거지요. 세무는 틀리면 가산세로 이어지니, AI가 1차로 정리하고 사장님 또는 세무 담당자·세무사가 최종 확인하는 흐름을 지키시는 게 안전하답니다. 회사 규모가 크다면 알프레드 외에도 사내 회계 시스템과 연동되는 도구를 함께 검토하시면 좋고, 1인 사업자라면 우선 매출·손익 요약 리포트 같은 가벼운 기능부터 한 달 써 보며 손에 익히시면 부담이 적어요.
사업자 세무·재무 AI 활용 점검 5문항 (가벼운 것부터)
① 매출·지출 정리 — 매달 흩어진 매출·지출을 손익 요약으로 자동 정리되는가
② 부가세 예측 — 다음 신고 때 대략 얼마쯤 나올지 미리 가늠되는가
③ 환급 가능성 — 더 낸 세금을 돌려받을 여지(경정청구)를 짚어 주는가
④ 서류 발급 — 사업·세금 서류를 자동으로 만들어 주는가
⑤ 사람 검토 — AI 가 만든 자료를 신고 전에 사람(사장·담당자·세무사)이 한 번 확인하는 절차가 있는가
규칙: ①②부터 한 달 시범 → 만족스러우면 ③④로 확대.
신고·납부처럼 틀리면 가산세가 붙는 작업은 반드시 ⑤ 사람 검토를 거치기.
회의 끝나고 받아쓰기·정리에 30분씩 더 쓰고 있다면 — 회의록 AI 5종을 직무에 맞게 골라 보세요
회의가 끝나면 녹음을 다시 들으며 받아쓰기하고 핵심을 정리하는 데만 30분씩 더 쓰는 직장인이라면, 이 시간을 줄여 줄 도구가 절실하지요.
회의록 작성 AI 5종 — 클로바노트(네이버) · 티로(Tiro) · 캐럿(Caret) · 하이퍼노트 · Krisp — 을 실제로 써 보고 비교한 정리예요. 회의·강의·인터뷰 음성을 자동으로 글로 바꿔 주고 핵심을 요약해 주는 도구들이지요. 정리에 따르면, 클로바노트는 한국어 인식률이 높고 화자(말하는 사람)를 자동으로 구분해 주는 점이 강하고, Zoom · Teams · Google Meet · Webex 음성을 가져와 자동 전사(말을 글로 옮기는 것)해 줘요. 티로는 데이터 암호화·삭제 옵션이, 캐럿은 전문 용어 인식과 맞춤 템플릿이 강점이랍니다. 하이퍼노트는 300분 제한 없이 무료지만 한국어 지원이 약하고, Krisp은 노이즈 제거가 통합돼 있고 무제한 전사에 요금이 합리적이라고 해요. 글쓴이는 주 10회 이상 회의가 많은 팀 기준으로는 비용·기능 균형이 좋은 Krisp을 최종 선택했답니다.
이 비교가 직장인에게 유용한 건 “회의록 도구는 ‘가장 좋은 하나’가 아니라 ‘내 회의 성격에 맞는 하나’를 고르는 문제”라는 점을 또렷이 보여 주기 때문이네요. 다른 말로 하면, 한국어 정확성과 화자 구분이 중요한 팀과, 비용·무제한 전사가 중요한 팀은 답이 다르다는 거지요. 캔디드 블로그는 5종을 직접 써 본 뒤 “전사 정확성·화자 구분이 중요하면 클로바노트, 비용·기능 균형이면 Krisp”으로 정리했어요. 이런 도구 비교 글은 특정 회사가 자기 제품을 자랑하는 글과 결이 다르니, 우리 팀 상황에 맞춰 참고하시면 좋답니다.
어떤 회의에 어떤 도구가 어울리는지 한 발 더 들어가 보겠습니다.
먼저 본인 회의가 어떤 성격인지 떠올려 보시면 도구 선택이 쉬워져요. 참석자가 많고 누가 무슨 말을 했는지 정확히 남겨야 하는 회의(예: 의사결정 회의·인터뷰)라면 화자 구분이 강한 클로바노트가 어울려요. 전문 용어가 자주 나오는 분야(의료·법무·IT)라면 용어 인식과 템플릿이 강한 캐럿이 잘 맞지요. 영어가 섞이거나 화상회의 소음이 심한 환경이라면 노이즈 제거가 통합된 Krisp이 도움이 된답니다. 회의가 가끔뿐이라 비용 부담이 큰 경우라면 무료로 시작할 수 있는 도구부터 써 보시면 되고요. 한 가지 주의점은, 회의 내용에 민감한 정보(인사·계약·고객 정보)가 담길 때예요 — 이때는 녹음·전사 데이터가 어디에 저장되고 삭제할 수 있는지(티로처럼 암호화·삭제 옵션이 있는지)를 먼저 확인하시는 게 안전하답니다. 회사 차원에서 도입한다면 한 달 정도 두세 개를 같은 회의에 같이 돌려 보고, 받아쓰기 정확도·요약 품질·요금을 표로 비교한 뒤 정하시면 후회가 적어요.
회의록 AI 도구 선택 체크리스트
[내 회의 성격 먼저 파악]
- 참석자가 많고 화자 구분이 중요한가 → 클로바노트
- 전문 용어가 자주 나오는가 → 캐럿
- 영어·소음이 심한 환경인가 → Krisp
- 회의가 가끔뿐이라 비용이 부담인가 → 무료 시작 가능한 도구
[공통 점검 5항목]
① 한국어 인식 정확도
② 화자(말하는 사람) 자동 구분
③ 쓰는 화상회의(Zoom·Teams·Meet 등)와 연동되는가
④ 전문 용어를 잘 알아듣는가
⑤ 요금제·무료 한도(분 단위)
[민감 정보 주의]
- 인사·계약·고객 정보가 담기면 → 데이터 저장 위치·삭제 옵션 먼저 확인
규칙: 회사 도입 시 한 달간 2~3개를 같은 회의에 같이 돌려 표로 비교.
상세페이지를 매번 디자이너에게 맡기느라 시간이 든다면 — 15년차 마케터의 AI 워크플로 6단계를 따라가 보세요
제품 상세페이지나 콘텐츠를 만들 때마다 디자이너 일정에 맞춰 며칠씩 기다리는 마케터·소규모 셀러라면, 직접 빠르게 시안을 잡아 보고 싶은 순간이 많지요.
15년차 마케터 Suki 님이 brunch에 공개한 AI 상세페이지 제작 6단계 워크플로예요. 핵심은 “이미지 한 장을 잘 뽑는 게 아니라 페이지 전체의 일관성이 품질을 좌우한다”는 점이랍니다. 단계는 이렇게 흘러가요. ① 젠스파크(Genspark)의 ‘리서치미’ 기능으로 브랜드 프로필을 자동 학습시키고, ② 제품 정보(커리큘럼·구성·혜택)를 정리한 뒤, ③ 가독성·긴급성·합리성·심리 요소를 담은 작성 지침을 정의해요. 그다음 ④ ‘말의 구조’(텍스트 구성)를 디자인보다 먼저 설계하는데, Suki 님은 이걸 가장 중요한 원칙으로 꼽았답니다. ⑤ 이미지 프롬프트(prompt — AI에 시키고 싶은 일을 적은 입력문이에요)를 400자 이내로 실사용하고, ⑥ 미리클(Miricle) 같은 도구로 실사 이미지·상세페이지를 자동 생성하는 흐름이에요.
이 워크플로가 마케터에게 유용한 건 “AI로 이미지부터 뽑는 게 아니라, 텍스트 구조를 먼저 설계한 뒤 이미지를 붙이는 순서”를 또렷이 보여 주기 때문이네요. 쉽게 말하면, 집을 지을 때 인테리어 소품부터 사는 게 아니라 골조(말의 구조)를 먼저 세우는 것과 같은 거지요. Suki 님 본인 글은 “이미지 한 장이 아니라 페이지 전체 일관성이 퀄리티를 좌우한다”고 정리했어요. 이런 개인 실무자의 워크플로 공유는 도구 회사의 홍보 글과 결이 다르니, 본인 작업 흐름에 맞춰 골라 쓰시면 된답니다.
이 6단계를 본인 작업에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
가장 먼저 따라 해 보실 만한 건 “디자인 전에 텍스트 구조부터 짜는” 4번째 단계예요. 상세페이지를 만들 때 흔히 예쁜 이미지부터 찾느라 시간을 쓰는데, 정작 “이 페이지가 어떤 순서로 손님을 설득하는가”라는 뼈대가 없으면 이미지를 아무리 바꿔도 산만해지지요. 그래서 먼저 “어떤 문제를 가진 손님에게 → 어떤 해결을 보여 주고 → 어떤 근거로 믿게 하고 → 어떤 행동을 부탁할지”를 글로 한 번 정리해 두시는 게 좋답니다. 그 뼈대가 잡히면 그다음 이미지 프롬프트를 쓰는 일이 훨씬 수월해져요. 도구는 글에 나온 젠스파크·미리클 외에도 비슷한 AI 디자인·생성 도구가 많으니, “브랜드 학습 → 텍스트 구조 → 이미지”라는 순서만 지키면 어떤 도구든 응용할 수 있어요. 동네 가게 사장님이 직접 본인 매장 소개 페이지를 만들 때도 같은 순서가 그대로 통한답니다. 단 AI가 만든 이미지·문구에 다른 브랜드 상표나 사실과 다른 효능 표현이 들어가지 않았는지는 올리기 전에 꼭 한 번 확인하시는 게 안전하지요.
AI 상세페이지 6단계 워크플로
[1] 브랜드 학습 — 브랜드 소개·기존 자료를 AI 에 먼저 학습시키기
[2] 제품 정보 정리 — 구성·혜택·가격·차별점을 표로
[3] 작성 지침 정의 — 가독성·긴급성·합리성·심리 요소 기준 정하기
[4] 말의 구조 먼저 (가장 중요) — 디자인보다 텍스트 흐름을 먼저 설계
(어떤 문제 → 어떤 해결 → 어떤 근거 → 어떤 행동 요청)
[5] 이미지 프롬프트 — 400자 이내로 구체적으로 작성
[6] 자동 생성 — AI 도구로 실사 이미지·페이지 생성
[올리기 전 점검]
- 남의 상표·로고가 이미지에 섞이지 않았는가
- 사실과 다른 효능·과장 표현은 없는가
동네 약국에 AI가 들어왔어요 — 약사 세 분이 재고·복약 안내를 줄여 환자 상담 시간을 되찾은 이야기랍니다
조제·재고 관리·복약 안내에 치여 정작 환자와 차분히 이야기 나눌 시간이 부족한 동네 약국 약사라면, 반복 업무를 덜어 줄 도구가 절실하지요.
동네 약국에서 AI를 실제로 쓰고 있는 약사 세 분의 사례예요. 강재현 약사(열린온누리약국)는 시럽을 자동으로 따라 주는 장치, 처방 정보 자동 전달, AI 반품 알림, 자동 주문 시스템을 들여 “단순 업무에 쓰던 시간을 환자 소통에 쓸 수 있게 됐다”고 했어요. 김영빈 약사(청춘약국)는 환자와 나눈 대화를 자동으로 글로 바꿔 저장하고, 음성 명령으로 약품 위치를 찾고, CRM(Customer Relationship Management — 고객 정보를 모아 관리하고 맞춤 응대에 쓰는 도구예요)으로 환자를 그룹으로 묶어 맞춤 건강기능식품을 추천하는 흐름을 만들었지요. 송은주 약사(아이맘약국)는 바이브코딩(자연어로 설명하면 AI가 코드를 대신 짜 주는 방식이에요)으로 임산부 맞춤 영양제 추천 앱, 본인부담금 계산 앱을 1시간 안에 직접 만들고 직원 근무 관리 앱까지 외주 없이 제작했답니다. 세 분의 공통 목표는 한결같아요 — 환자 상담 시간 확보지요.
이 사례가 소상공인에게 의미 있는 건 “AI가 사람을 대신하는 게 아니라, 반복 업무를 덜어 사람이 정말 중요한 일에 집중하게 해 준다”는 점을 또렷이 보여 주기 때문이네요. 쉽게 말하면, 약사가 약 세는 시간을 AI에 넘기고 그만큼 환자 얼굴을 더 보게 됐다는 거지요. 데일리팜은 이 사례를 정리하면서, AI가 초안·정리를 돕고 약사가 최종 상담·확정을 맡는 흐름을 보여 줬어요. 작은 가게 입장에서도 똑같이 새겨 둘 점이지요 — AI가 1차로 정리하되, 손님을 마주하는 마지막 한 마디는 사람이 한다는 원칙이랍니다.
이 흐름을 우리 가게에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
세 약사의 사례에서 공통으로 배울 점은 “한꺼번에 다 바꾸려 하지 않고, 가장 손이 많이 가는 반복 업무 하나부터 AI에 넘겼다”는 거예요. 재고·주문·알림처럼 매일 똑같이 반복되는 일은 AI·자동화에 맡기기 좋고, 환자 상담처럼 판단과 공감이 필요한 일은 사람이 맡는 식으로 역할을 나눈 거지요. 우리 가게에 적용하실 때도 먼저 “매일 반복되는데 굳이 내가 안 해도 되는 일”을 하나만 골라 보세요. 그 일에 맞는 도구를 하나만 한 달 정도 시범 써 보고, 손에 익으면 다음 업무로 넓혀 가시면 부담이 적답니다. 송은주 약사처럼 우리 가게에 딱 맞는 작은 앱이 필요하다면, 개발 외주를 부르기 전에 AI 코딩 도구로 직접 만들어 보는 길도 생겼어요 — 다만 손님 정보를 다루는 앱이라면 개인정보가 안전하게 보관되는지 꼭 확인하셔야 하지요. 그리고 의료·건강처럼 잘못된 안내가 위험할 수 있는 분야라면, AI가 정리한 내용을 반드시 사람이 검증한 뒤 손님에게 전달하는 절차를 지키셔야 안전하답니다.
작은 가게 AI 도입 4단계 (약국 사례 응용)
① 반복 업무 하나 고르기
- 매일 똑같이 반복되는데 굳이 사장이 안 해도 되는 일 1개
- 예: 재고 정리 / 주문 / 예약 알림 / 단골 고객 기록
② 도구 하나만 한 달 시범
- 그 업무에 맞는 도구 1개만 골라 한 달 사용
- 처음부터 여러 개 동시에 X
③ 역할 나누기
- AI·자동화 = 반복·정리 / 사람 = 판단·상담·마지막 한 마디
④ 검증·안전 점검
- 손님에게 나가는 안내는 사람이 한 번 확인
- 손님 정보를 다루는 도구라면 개인정보 보관·삭제 확인
- (의료·건강 등) 잘못되면 위험한 분야는 사람 검증 필수
자연어로 만들고 싶은 걸 설명하면 AI가 코드를 대신 짜 주는 방식이에요. 코딩을 모르는 사람도 작은 앱을 만들 수 있지요.
“에어컨 청소 어떻게 해요?” 물으면 예약까지 연결돼요 — 동네 청소·수리 업체의 AI 응대 사례랍니다
전화·문자로 들어오는 문의에 일일이 답하다 보면, 정작 예약으로 이어질 손님을 놓치는 동네 청소·수리·홈케어 사장님이 많지요.
청소·이사·수리·돌봄 같은 홈서비스를 연결해 주는 플랫폼 미소(Miso)의 사례예요. 핵심은 고객이 서비스 이름을 정확히 몰라도, 상황만 설명하면 AI가 알아듣고 해결책을 제시한 뒤 예약까지 연결한다는 점이랍니다. 예를 들어 손님이 “에어컨 청소는 어떻게 하나요?”라고 물으면, 단순히 방법만 알려 주는 데서 그치지 않고 적절한 서비스를 골라 예약 단계로 이어 주는 식이지요. 10년 이상 쌓인 누적 고객 데이터를 바탕으로 한국 상황에 맞는 답을 주고, 멀티모달(multimodal — 글뿐 아니라 이미지·음성 등 여러 형태의 입력을 함께 다루는 AI예요)로 발전해 에어컨 사진을 보고 유형을 구분하거나 가격을 안내하는 방향으로 가고 있다고 해요. 회사 측 자체 보고에 따르면 AI 적용 후 예약 전환율이 13% 올랐답니다.
이 사례가 소상공인에게 의미 있는 건 “손님은 서비스 이름이 아니라 ‘내 상황’으로 말한다”는 점을 AI가 메워 준다는 거네요. 다른 말로 하면, 손님이 “곰팡이가 자꾸 생겨요”라고 막연히 말해도 “그건 욕실 청소 서비스예요”라고 알아듣고 예약으로 이어 주는 거지요. 매일경제는 미소를 소개하며 상황 설명만으로 예약까지 닿는 흐름을 핵심으로 짚었어요. 다만 예약 전환율 13%는 미소 자체 보고 수치라는 점은 함께 봐 주시면 좋겠네요. 작은 가게 사장님 입장에서는 “손님이 막연하게 물어도 끊기지 않고 예약까지 자연스럽게 이어 주는” 응대 구조를 참고할 만하답니다.
이 흐름을 우리 가게에 어떻게 옮기면 좋은지 한 발 더 들어가 보겠습니다.
미소 같은 큰 플랫폼을 그대로 만들 수는 없지만, 핵심 발상은 작은 가게도 바로 따라 할 수 있어요. 바로 “손님이 자주 묻는 상황을 미리 정리해 두고, 그 상황을 우리 서비스와 연결해 두는” 일이지요. 먼저 최근 들어온 문의를 떠올리며 “손님들이 실제로 어떻게 말하는지”를 30개쯤 적어 보세요 — “곰팡이가 생겨요”, “이사 가는데 짐이 많아요”처럼요. 그다음 각 상황을 우리 서비스·가격과 연결한 표를 만들고, 그 표를 바탕으로 카카오톡 채널·네이버 톡톡에 자동 응답을 설정하거나 ChatGPT · Claude 같은 도구에 1차 답변 초안을 맡기시면 된답니다. 가장 중요한 건 마지막 한 단계예요 — 답변 끝에 “예약하시겠어요?” 같은 다음 행동을 분명히 넣는 거지요. 안내만 하고 끝나면 손님이 다른 데로 가 버리니까요. 영업시간 외 문의가 많은 가게라면 이 자동 응답 하나만으로도 놓치던 예약을 적잖이 살릴 수 있답니다.
작은 가게 문의→예약 자동화 4단계
① 손님 말투 그대로 30개 모으기
- 최근 문의를 떠올려 "손님이 실제로 쓰는 표현" 으로 적기
- 예: "곰팡이가 생겨요" / "이사 가는데 짐이 많아요"
② 상황 → 서비스·가격 연결 표 만들기
- 막연한 상황을 우리 서비스 이름·가격과 짝지어 두기
③ 자동 응답 배치
- 카카오톡 채널·네이버 톡톡 자동 응답, 또는 ChatGPT·Claude 1차 초안
- 버튼 메뉴보다 "상황을 알아듣는" 대화형으로
④ 마지막은 '예약' 으로 연결
- 답변 끝에 "예약하시겠어요?" 같은 다음 행동 한 줄 꼭 넣기
- 복잡한 건은 "전화로 연결해 드릴게요" 로 사람에게
광고 대행사 비용은 부담스럽고, 그렇다고 손 놓으면 검색·AI 챗봇에서 우리 가게가 보이지 않을까 걱정인 동네 가게 사장님이 많지요.
OpenAI가 ChatGPT 광고 사업을 대형 브랜드에서 세차장·세탁소 같은 지역 소상공인까지 확대하는 흐름이 전해졌어요. 핵심은 단순 노출이 아니라 ‘구매·예약·문의 제출 같은 실제 행동을 유도하는 전환 중심 광고’라는 점이랍니다. 과금 방식도 결과가 났을 때 비용을 내는 성과 기반 과금과 클릭당 과금(CPC — Cost Per Click, 광고가 클릭될 때마다 비용을 내는 방식이에요)을 함께 도입한다고 해요. 광고 픽셀(방문자의 행동을 추적하기 위해 웹사이트에 심는 작은 코드 조각이에요)을 설치해 사용자 행동 데이터를 연동하고, 최소 집행 금액 없이 쓸 수 있는 셀프서비스 플랫폼을 운영한다는 보도도 있었지요. 메타·구글의 핵심 광고 시장에 정면으로 도전하는 구도랍니다.
이 흐름이 소상공인에게 의미 있는 건 “사람들이 가게를 찾는 입구가 검색·지도뿐 아니라 AI 챗봇으로도 넓어진다”는 점이네요. 쉽게 말하면, 예전에는 손님이 포털에서 “우리 동네 세차장”을 검색했다면, 이제는 챗봇에 “근처 세차 맡길 데 추천해 줘”라고 묻는 길도 생기는 거지요. AI타임스는 이 흐름을 “OpenAI가 광고를 대형 브랜드에서 지역 소상공인까지 넓히며 메타·구글에 도전하는 구도”라고 정리했어요. 다만 OpenAI 공식 발표가 아니라 해외 보도를 정리한 내용이고, 거론된 2030년 광고 매출 1,020억 달러 같은 수치는 외부 추정 전망치라 단정하기는 이르답니다. 작은 가게 입장에서는 아직 본격 시작 전인 흐름이지만, “AI 챗봇에서도 우리 가게가 추천되도록 준비”라는 새 숙제가 생긴다는 뜻이지요.
이 흐름을 우리 가게가 어떻게 미리 준비하면 좋은지 한 발 더 들어가 보겠습니다.
광고 플랫폼이 실제로 열리기 전이라도, 지금 해 두면 좋은 일이 있어요. 바로 “우리 가게가 어떤 행동으로 손님과 연결되는지를 분명히 정리해 두는” 일이지요. 전환 중심 광고는 “노출”이 아니라 “예약·문의·방문” 같은 구체적 행동을 목표로 삼으니, 먼저 우리 가게에서 가장 중요한 손님 행동이 무엇인지(예약 전화? 온라인 예약? 방문?)를 정해 두시는 게 첫걸음이에요. 그다음, 그 행동이 실제로 일어났는지 셀 수 있는 방법(예약 건수·문의 건수 기록)을 마련해 두시면, 나중에 어떤 광고든 “돈 쓴 만큼 효과가 났는지”를 판단할 수 있답니다. 그리고 새 광고 채널이 열리면 처음부터 큰돈을 넣지 말고 소액으로 2~4주 시범을 돌려, 기존 채널(전단·지역 카페·네이버 플레이스)과 결과를 비교해 보세요. 한 가지 주의점은, 성과 기반·클릭당 과금이라도 “어떤 결과에 얼마를 내는지” 조건을 처음에 분명히 확인하셔야 예상 밖 비용을 막을 수 있다는 점이랍니다.
소상공인 AI·검색 광고 준비 4단계 (채널 열리기 전 미리)
① 목표 행동 정하기
- 우리 가게에서 가장 중요한 손님 행동 1개
- 예: 예약 전화 / 온라인 예약 / 방문 / 문의 남기기
② 셀 수 있게 만들기
- 그 행동이 몇 건 일어났는지 기록하는 방법 마련
- 예약 건수·문의 건수·"어디 보고 오셨어요?" 한 줄 기록
③ 소액 시범 (2~4주)
- 새 채널이 열리면 처음부터 큰돈 X, 소액으로 테스트
- 과금 조건("어떤 결과에 얼마") 먼저 확인
④ 기존 채널과 비교
- 전단·지역 카페·네이버 플레이스 등과 결과 비교
- 들인 비용 대비 행동(예약·문의) 수로 판단
구글 제미나이 3.5 프로, 6월 출시가 임박했어요 — 200만 토큰·딥싱크 추론이 목표 사양이랍니다
구글(Google)이 5월 I/O에서 예고한 Gemini 3.5 Pro의 6월 출시가 가까워졌다고 해요. 다만 정리 시점에는 아직 일반 출시 전이고 일부 기업용 미리 보기 단계로, 200만 토큰 컨텍스트와 ‘Deep Think’ 추론 모드가 목표 사양으로 거론됐답니다. 긴 회의록·계약서를 한 번에 다루고 싶은 분은 정식 출시 후 사양을 확인해 보시면 좋겠어요.
앤트로픽이 강력한 코딩 모델 미리 보기를 150개 조직으로 넓혔어요 — 곧 일반 고객에게도 닿을 전망이랍니다
Anthropic(앤트로픽)이 Claude Mythos 미리 보기 참여를 기존 약 50개 파트너에서 약 150개 조직으로 늘렸다고 Engadget이 전했어요. Mythos급 모델을 Opus 4.8 출시와 함께 ‘수 주 내’ 전 고객에게 넓힐 예정이라는데, 아직은 파트너·대형 기업 한정 미리 보기라 일반 사용자에게 닿는 시점은 보도 기반이랍니다.
미스트랄, 대형·소형 모델을 오픈 라이선스로 풀었어요 — 자체 호스팅을 검토하는 개발팀이 살펴볼 만하답니다
집계 사이트 정리에 따르면 Mistral Large 3 · Mistral Small 4가 Apache 2.0 오픈 라이선스로 전환됐다고 해요. 상업적으로 자유롭게 쓸 수 있는 모델을 찾는 개발팀에 선택지가 늘어난 셈이지요. 다만 집계 사이트 기준이라 정확한 버전·전환 시점은 미스트랄 공식 발표 페이지에서 한 번 더 확인하시는 게 좋답니다.
강력한 코딩 모델 순위표가 새로 집계됐어요 — 점수만 보고 도입을 정하면 안 되는 이유도 함께 짚었답니다
한 집계 사이트가 SWE-bench Verified 코딩 평가에서 Claude Mythos Preview 93.9%, Claude Opus 4.8 88.6%로 정리하며 49개 모델을 비교했어요. 다만 lab 점수와 실제 현장 성능 사이 격차가 함께 거론됐으니, 도구 도입은 점수보다 우리 실제 작업으로 직접 비교해 보시는 게 안전하답니다.
AI 검색 스타트업이 빠르게 크고 있어요 — 업무용 검색 도구를 고를 때 출처 인용 여부를 살펴볼 때랍니다
TechCrunch가 AI 검색 스타트업 경쟁이 가열되는 흐름을 전했어요. Perplexity가 연 매출(ARR) 2억 달러에 접근하고 월 활성 사용자 약 4,500만 명에 이른다는데, 수치는 추가 확인이 필요하답니다. 업무에 AI 검색을 쓰신다면 답변에 출처를 또렷이 다는 도구인지부터 보시면 좋겠네요.
마이크로소프트·구글이 코딩 특화 모델로 맞불을 놨어요 — 코딩 도구 선택지가 더 늘었답니다
CNBC가 마이크로소프트·구글이 코딩 특화 AI 모델로 Anthropic · OpenAI에 도전하는 구도를 전했어요. 마이크로소프트 MAI-Code-1과 구글 코딩 모델 흐름이 연결된다는 정리지요. 개발팀이라면 가격·언어·개발 환경 연동을 기준으로 비교해 두시면 도움이 된답니다.
SK텔레콤이 반도체 공장을 ‘가상으로 복제’해 미리 돌려봤어요 — 현장을 바꾸기 전 시뮬레이션 발상이랍니다
SK텔레콤이 GTC 타이베이에서 엔비디아 옴니버스 기반 디지털 트윈을 선보였어요. SK하이닉스 반도체 공장을 가상 공간에 그대로 복제해 운영을 모의 실험하는 기술로, 2025년 개념검증(PoC)을 마치고 상용화를 준비 중이라고 밝혔답니다. 공장·매장 같은 현장을 바꾸기 전 가상으로 돌려보는 발상은 제조 외 현장에도 응용해 볼 만하지요.
SK텔레콤이 자체 AI 모델을 국방에 처음 넣었어요 — 데이터가 밖으로 안 나가는 ‘소버린 AI’ 방식이랍니다
SK텔레콤이 국방부·과학기술정보통신부와 협약을 맺고 자체 개발했다고 밝힌 5,190억(519B) 파라미터 모델 ‘A.X K1’을 국방 분야에 처음 도입한다고 발표했어요. 데이터가 외부로 나가지 않는 소버린(sovereign) AI 방식을 강조했지요. 규모·계획은 SK텔레콤 자체 발표라는 점은 참고하시고, 민감 데이터를 다루는 회사라면 ‘데이터가 밖으로 나가는가’ 점검 발상이 닿는답니다.
LG 엑사원이 글로벌 확장에 나섰어요 — 국산 모델 성능이 어디까지 왔는지 궁금하다면 참고할 만하답니다
The Korea Times가 MWC 2026에서 LG AI연구원의 K-엑사원(EXAONE) 글로벌 확장 계획을 전했어요. 매개변수 236B 규모로 13개 평가 평균 72.03점을 자체 발표했지요. 벤치마크는 LG AI연구원 자체 발표라는 점을 감안하시고, 국산·글로벌 모델 비교 시 한국어 품질·비용·데이터 국내 보관을 함께 보시면 좋답니다.
리멤버 HR 블로그가 인사담당자 관점의 AI 채용 도입 가이드를 정리했어요. 국내 인사담당자 18%가 이미 AI를 도입했고 51%가 이력서 스크리닝에 활용 중이라는데, 삼성은 자기소개서 표절률 분석, 롯데는 AI 면접·역량검사를 적용한 사례가 담겼답니다. 조사 수치의 표본은 확인이 필요하니, 도입 시 ‘AI 1차 검토 → 사람 재검토’ 흐름을 지키시면 좋겠어요.
이번 주를 한 줄로 모으면, “AI가 답해 주는 단계에서 직접 일을 처리하는 단계로 한 발 더 옮겨간 한 주”였답니다. 마이크로소프트가 자체 모델로 코파일럿의 속을 바꾸고, 네이버 검색이 대화형으로 열리고, 알프레드·미소·약국 약사들이 보여 준 건 모두 “AI가 사람 대신 반복 업무를 처리하고, 사람은 판단과 손님에게 집중한다”는 같은 그림이었지요.
특별히 눈에 띄는 건 동네 약국 약사 세 분의 이야기예요. 거창한 시스템이 아니라, 매일 반복하던 일 하나를 AI에 넘기고 그만큼 환자 얼굴을 더 보게 됐다는 — 작은 가게·1인 사업에서도 오늘 바로 시작할 수 있는 현실적인 모습이었답니다. 큰 회사의 큰 발표는 흐름으로 알아 두시되, 막상 우리 일이 가벼워지는 건 늘 “내가 매일 반복하는 일 하나”를 골라 넘기는 데서 시작하지요.
이번 주에는 우리 부서·우리 가게에서 가장 손이 많이 가는 반복 업무 하나만 골라, AI 도구 하나를 한 달 시범으로 써 보시는 건 어떨까요. 다음 주 월요일에 또 새로운 활용법으로 찾아뵙겠습니다.
매주 월요일, 메일함으로 받아보기
이메일을 남기시면 다음 호부터 자동으로 보내드려요. 언제든 한 번 클릭으로 끊으실 수 있답니다.