피코쌤 PCOSSAM
LECTURE PREVIEW

강의를 1분만 보시면
섭외 여부를 판단하실 수 있습니다

기업 특강 ‘AI 친화적 업무 혁신’ 현장에서 촬영한 8개 클립입니다. 슬라이드 구성, 사례 선택, 설명 방식까지 실제 강의 그대로입니다. 각 클립 아래에는 전체 내용을 텍스트로 정리해 두었습니다.

8개 클립 · 총 약 6분 강원대학교 UICF · K-하이테크 플랫폼 특강 연 200회 이상 강의 · 연 5,000명 교육
이 페이지 활용법 — 교육 담당자님이라면 관심 주제 클립을 먼저 보신 뒤, 아래 ‘이 주제로 교육 문의’ 버튼으로 바로 견적을 요청하실 수 있습니다. 각 강의는 기업 상황에 맞게 60분·90분·4시간·1일 과정으로 재구성됩니다.
EPISODE 02 · 데이터 활용

중국은 왜 초단위로 데이터를 활용하는가?

한국 기업이 분기마다 소비자 조사를 돌리는 동안, 저쪽은 초 단위로 반응을 수집합니다.

중국 C뷰티 브랜드는 라이브커머스 방송 중 올라오는 소비자 댓글을 실시간으로 분석합니다. 댓글은 이미 텍스트 형태이기 때문에 별도 가공 없이 곧바로 분석 대상이 됩니다. 여기서 나온 반응은 제품의 제형과 패키지 디자인에 즉각 반영됩니다.

화장품이 ‘한 번 만들어 파는 공산품’에서 ‘피드백을 받아 계속 업데이트하는 소프트웨어’에 가까워진 것입니다. 이것이 AX(AI Transformation, 인공지능 기반 사업 전환)의 실제 모습입니다. 속도의 차이가 곧 제품 경쟁력의 차이가 됩니다.

  • 텍스트로 쌓이는 데이터만이 실시간 분석 대상이 된다
  • 분석 결과가 제형·패키지에 즉시 반영되는 의사결정 구조
  • 단순 제조 → 피드백 기반 소프트웨어 업데이트 모델로 전환(AX)
EPISODE 03 · 프롬프트 실무

기사 내용을 AI로 정리할 땐 사례 위주로 작성

“요약해줘”는 가장 나쁜 프롬프트 중 하나입니다.

ChatGPT는 요청이 막연할수록 무난하고 쓸모없는 답을 내놓습니다. 기사 PDF를 첨부한 뒤 “이 기사에서 말하고자 하는 의미는 무엇이고, 핵심 키워드 3개를 알려줘”처럼 결과물의 형태를 지정해야 합니다.

특히 사례 위주로 정리하라고 지시하면 추상적인 요약문 대신 인용 가능한 구체적 장면이 남습니다. 보고서와 발표자료에서 실제로 쓰이는 건 요약문이 아니라 그 사례입니다.

  • 막연한 ‘요약’ 대신 결과물의 형태를 먼저 지정한다
  • 핵심 키워드 개수처럼 숫자로 범위를 못 박는다
  • 사례 위주 지시 → 발표에 바로 쓸 수 있는 문장이 남는다
EPISODE 04 · AI 활용 전략

GPT 클론을 미리 만들면 좋은 이유

필요할 때 만드는 게 아니라, 평소에 쌓아두는 것이 핵심입니다.

ChatGPT 프로젝트 기능으로 ‘일론 머스크’ 클론을 미리 만들어 둡니다. 그동안 학습시킨 발언과 사고방식이 쌓여 있어, “네가 일론 머스크라면 이 문제를 어떻게 볼 것 같아?”라고 물으면 그 관점으로 답이 나옵니다.

젠슨 황 클론과 나란히 놓고 같은 질문을 던지면 두 관점의 차이가 그대로 드러납니다. 기획안이나 피치덱을 검토할 때 이 방식은 사실상 상시 대기 중인 자문단이 됩니다.

  • 인물별 프로젝트를 만들어 발언·사고방식을 누적 학습시킨다
  • “네가 전문가 입장이라면” 관점 전환 질문으로 기획안을 검증
  • 서로 다른 인물 클론을 붙여 관점 차이를 드러낸다
EPISODE 05 · 설득과 데이터

아마존은 왜 미결제 상품을 배송했을까?

3명 중 2명이 그대로 구매했습니다. 데이터만으로 만든 시스템이 아니었습니다.

아마존은 주문하지 않은 상품을 먼저 보내고 “원치 않으면 무료로 반품하세요”라고 말했습니다. 이 예측 발송 시스템의 출발점은 알고리즘이 아니라 사람이었습니다.

아마존은 심리학·행동경제학·소비자 분야 전문가를 먼저 섭외해 ‘사람이 어떤 조건에서 반품을 포기하는가’를 정의했고, 그 위에 구매 데이터를 학습시켰습니다. 전문가 의견 + 데이터 학습이라는 조합입니다. AI 도입이 실패하는 조직은 대개 뒤쪽만 합니다.

  • 사전 등록된 결제 수단 → 마찰 없는 즉시 구매 구조
  • 가설은 전문가가, 정교화는 데이터가 담당하는 2단 구조
  • 설득은 기술이 아니라 사람의 행동을 먼저 이해하는 데서 시작
EPISODE 06 · 보고서 작성

AI가 읽을 수 있는 보고서를 작성해야 하는 이유

지금 쓰는 보고서의 다음 독자는 팀장 한 명이 아니라, 6개월 뒤의 AI입니다.

ChatGPT에 ‘업무 혁신’ 같은 프로젝트를 만들고 관련 PDF를 한곳에 쌓아두면, 그 순간부터 문서는 검색 가능한 자산이 됩니다. 필요할 때마다 파일을 뒤지는 대신 질문 한 줄로 꺼내 쓸 수 있습니다.

반대로 이미지로 스캔된 보고서, 표가 그림으로 들어간 자료는 AI가 읽지 못합니다. 제목 체계·텍스트 기반 표·파일명 규칙 세 가지만 지켜도 문서 재활용률이 완전히 달라집니다.

  • 주제별 프로젝트 단위로 문서를 모아 검색 가능한 자산으로 전환
  • 이미지 스캔본·그림 표는 AI가 못 읽는다 → 텍스트 기반으로 작성
  • 제목 체계, 표 형식, 파일명 규칙이 문서 재활용률을 결정
EPISODE 07 · AI 트렌드

AI는 데이터를 학습하고 로봇은 행동을 학습한다

다음 라운드는 언어가 아니라 행동 데이터에서 벌어집니다.

중국 상하이에는 휴머노이드 로봇 학교, 이른바 ‘로봇 유치원’이 있습니다. 박스 쌓기, 망치질, 계단 오르기, 줄넘기, 타자 치기 등 15개 과제를 반복시키며 행동 데이터를 모읍니다.

텍스트 데이터는 이미 인터넷에 쌓여 있지만, ‘물건을 어떤 각도로 집는가’ 같은 행동 데이터는 세상에 존재하지 않습니다. 그래서 직접 만들어 쌓는 것입니다. 우리 회사의 ‘행동 데이터’는 무엇이고 지금 어디에 쌓이고 있는지 물어야 할 시점입니다.

  • 언어 데이터는 이미 존재, 행동 데이터는 직접 생성해야 한다
  • 15개 과제 반복 학습으로 개별 행동 데이터를 축적하는 구조
  • “우리 조직의 노하우는 지금 어떤 형태로 쌓이고 있는가”
EPISODE 08 · AI와 검색

구글은 왜 전세계 도서관 책들을 모두 디지털화 했을까?

사람들이 검색하러 모이는 동안, 데이터는 반대 방향으로 쌓였습니다.

구글은 15년에 걸쳐 전 세계 도서관 장서 3천만 권을 스캔했습니다. 당시에는 검색 편의를 위한 프로젝트로 보였습니다.

결과적으로 그것은 인류의 전문 지식을 기계가 읽을 수 있는 형태로 바꾼 작업이었고, 오늘날 대규모 언어모델의 학습 기반이 되었습니다. 지금 기업 웹사이트에도 같은 질문을 던져야 합니다. 우리 회사 정보는 AI가 읽을 수 있는 형태로 존재하는가?

  • 15년 · 3천만 권 스캔 → 기계가 읽을 수 있는 지식으로 전환
  • 검색 편의라는 표면 목적 뒤의 데이터 축적 전략
  • 기업 웹사이트도 AI가 읽는 구조(AEO·GEO)로 다시 설계해야 한다
EPISODE 09 · 콘텐츠 트렌드

지난 100년간 사람들은 어떻게 시간을 보냈을까?

변곡점은 언제나 기술이었습니다. 지금은 언어 장벽이 무너지는 중입니다.

1930년부터 2024년까지 사람들이 하루를 누구와 보냈는지 추적한 데이터가 있습니다. 가족, 학교, 친구, 이웃, 교회… 그리고 마지막에 ‘온라인’이 등장합니다. 윈도우 보급, 2000년대 디지털카메라, 2007년 아이폰이 각각 변곡점을 만들었습니다.

텍스트 시대에는 영어를 아는 사람들끼리만 콘텐츠를 공유할 수 있었지만, 사진과 영상은 언어를 몰라도 통했습니다. 지금 생성형 AI와 실시간 번역이 그다음 장벽을 걷어내는 중입니다.

  • 기술 도입 시점마다 사람의 시간 사용 패턴이 재편됐다
  • 텍스트 → 사진·영상으로 옮겨가며 언어 장벽이 낮아진 흐름
  • 생성형 AI·실시간 번역이 만드는 다음 시장의 크기

이 강의, 우리 조직에 맞게 다시 구성해 드립니다

같은 주제도 대상과 시간에 따라 완전히 다르게 설계됩니다. 60분 특강부터 2일 심화 과정까지, 교육 목적을 알려주시면 커리큘럼과 견적을 영업일 1~2일 내로 회신드립니다.