12. 내 일에 붙이는 마지막 한 장: 직무별 젠스파크 워크플로우 설계
마지막에 남겨야 할 것은 기능이 아니라 방식이다
이 책의 마지막 장에서 꼭 남기고 싶은 말이 있습니다. 당신에게 필요한 것은 더 많은 정신력이 아닙니다. 더 긴 야근도 아닙니다. 대개 문제는 일이 많아서가 아니라, 일이 흐르는 방식이 엉켜 있기 때문입니다.
젠스파크는 문서, 슬라이드, 시트, 이미지, 비디오, 코드 작업을 한 워크스페이스 안에서 이어 붙이도록 설계된 도구입니다.1 여기에 MoA는 하나의 모델에 모든 걸 맡기지 않고, 여러 모델의 강점을 섞어 더 나은 결과를 만드는 구조입니다.2 2026년 들어서는 타이핑 대신 의도를 말로 전달하는 흐름이 강조됐고,3 Advanced Workflows는 복잡한 분기형 작업도 더 빠르고 안정적으로 다루는 방향으로 강화됐습니다.4
그래서 마지막 목표는 단순합니다. 젠스파크를 "잘 쓰는 사람"이 되는 것이 아니라, 내 일에 맞는 "덜 바쁘고 더 잘 나오는 시스템"을 만드는 것입니다.
직무별 설계 전에 먼저 정할 다섯 칸
직무가 무엇이든, 워크플로우는 보통 다섯 칸으로 나뉩니다.
검색: 어디서 정보를 가져오는가
정리: 무엇을 남기고 무엇을 버리는가
작성: 어떤 형식으로 초안을 만드는가
제작: 최종 산출물을 무엇으로 내보내는가
자동화: 다음번엔 무엇을 다시 안 해도 되는가
많은 사람이 세 번째 칸, 즉 "작성"에서만 AI를 씁니다. 하지만 진짜 효율은 첫 번째와 다섯 번째 칸에서 생깁니다. 검색이 정리된 채로 들어오면 초안은 빨라지고, 자동화가 붙으면 다음 작업은 아예 사라집니다.
이제부터는 직무별로 이 다섯 칸을 다시 배치해보겠습니다.
기획자: 아이디어가 아니라 구조를 먼저 잡는 사람
기획자의 하루는 늘 비슷합니다. 회의에서 아이디어가 쏟아지고, 그중 절반은 흩어지고, 나머지 절반은 문서가 되지 못한 채 메신저에 잠깁니다. 그래서 기획자의 젠스파크 워크플로우는 "좋은 생각 찾기"보다 "좋은 구조 먼저 만들기"에 맞춰야 합니다.
추천 흐름은 이렇습니다.
검색 단계에서는 시장 변화, 경쟁사 움직임, 사용자 불만을 Sparkpage와 MoA 검색으로 넓게 모읍니다.
정리 단계에서는 AI Sheets로 비교 기준을 고정합니다. 예를 들어 경쟁 서비스 기능, 가격, 핵심 메시지, 약점을 같은 열로 맞추는 식입니다.
작성 단계에서는 AI Docs에서 PRD, 기획안, 실행 브리프 초안을 만듭니다.
제작 단계에서는 AI Slides로 의사결정 회의용 7~10장 요약본을 만듭니다.
자동화 단계에서는 주간 시장 모니터링을 Workflow로 연결해 반복 리서치를 줄입니다.
기획자에게 중요한 건 "잘 써진 문장"보다 "비교 가능한 구조"입니다. 구조가 먼저 잡히면 팀원은 같은 문서를 보고도 덜 헤맵니다.
예시 요청
기획자라면 이렇게 시작하면 좋습니다.
국내 B2B 협업툴 시장에서 2026년 상반기 변화 요인을 정리하고, 주요 경쟁사 5곳을 기능·가격·온보딩 방식으로 비교해줘. 그다음 우리 제품의 신규 기능 제안 3가지를 우선순위까지 포함해 PRD 초안으로 작성해줘.
이 흐름의 핵심은 한 번에 끝내지 않는 것입니다. 먼저 비교표를 만들고, 그다음 가설을 세우고, 마지막에 문서와 슬라이드로 나누면 됩니다. 기획은 감이 아니라 순서에서 강해집니다.
마케터: 많이 만드는 사람이 아니라, 빨리 검증하는 사람이 이긴다
마케터는 늘 손이 많이 갑니다. 트렌드도 봐야 하고, 경쟁사도 봐야 하고, 카피도 써야 하고, 성과도 정리해야 합니다. 그래서 마케팅 워크플로우는 "생산"보다 "검증 가능한 반복"으로 짜야 오래 갑니다.
추천 흐름은 이렇습니다.
검색 단계에서는 캠페인 키워드, 경쟁사 메시지, 소비자 반응을 모읍니다.
정리 단계에서는 AI Sheets로 채널별 성과와 경쟁사 크리에이티브 패턴을 한 장에 모읍니다.
작성 단계에서는 AI Docs로 캠페인 콘셉트, 카피 초안, 랜딩페이지 문안을 만듭니다.
제작 단계에서는 이미지, 짧은 영상, 페이지, 슬라이드를 연결해 실제 집행물로 바꿉니다.
자동화 단계에서는 주간 성과 보고, 광고 소재 아이디어 수집, 경쟁사 모니터링을 Workflow로 반복합니다.
마케터에게 젠스파크는 "글 잘 쓰는 AI"보다 "기획-제작-보고를 한 덩어리로 묶는 AI"일 때 빛이 납니다. 오늘 만든 캠페인 기획이 내일 보고서로, 모레는 세일즈 자료로 재활용되어야 합니다.
예시 요청
30대 직장인 여성 대상의 홈오피스 소형 가전 캠페인을 준비 중이야. 최근 3개월 트렌드와 경쟁사 메시지를 정리하고, 인스타그램 광고 카피 10개, 상세페이지 핵심 문구, 1분 발표용 내부 공유 슬라이드까지 한 번에 만들어줘.
이때 좋은 마케터는 "많이 만들자"고 하지 않습니다. "어떤 메시지가 먹히는지 빨리 확인하자"고 말합니다. 젠스파크는 그 확인 속도를 당겨주는 쪽으로 써야 합니다.
에디터: 빈 화면 앞에서 멈추지 않는 사람
에디터는 글을 쓰는 사람 같지만, 사실은 각도를 잡는 사람입니다. 무엇을 쓸지, 어디까지 쓸지, 누구에게 읽히게 할지를 정하는 일이 더 큽니다. 그래서 에디터의 워크플로우는 초안 생성보다 "각도 선별"에 초점을 둬야 합니다.
추천 흐름은 이렇습니다.
검색 단계에서는 주제 관련 기사, 인터뷰, 보고서, 사용자 질문을 넓게 수집합니다.
정리 단계에서는 업로드한 자료를 요약하고, 핵심 문장과 반대 관점을 따로 뽑습니다.
작성 단계에서는 AI Docs에서 제목안, 목차, 도입부, 본문 흐름을 만듭니다.
제작 단계에서는 기사용 대표 이미지, 카드뉴스, 웹페이지 요약본까지 확장합니다.
자동화 단계에서는 연재 포맷, 인터뷰 질문지, 발행 전 체크리스트를 템플릿으로 고정합니다.
에디터에게 특히 유용한 방식은 "메모를 바로 말로 던지는 것"입니다. 아이디어가 떠오를 때 짧게 음성으로 의도를 남기고, 그걸 문서 초안으로 이어가는 흐름은 2026년형 워크스페이스 방향과도 잘 맞습니다.3
예시 요청
재택근무 이후 사람들이 책상 위에서 가장 많이 바꾼 물건을 주제로 리빙/테크 잡지 기사 기획안을 만들어줘. 해외 사례와 국내 사용자 반응을 함께 정리하고, 기사 제목 7개와 1200자 분량 초안, 카드뉴스용 요약 문장 6개까지 만들어줘.
에디터 워크플로우의 핵심은 이겁니다. 글은 한 편으로 끝나지 않습니다. 기사 초안은 뉴스레터가 되고, 카드뉴스가 되고, 다음 회의의 안건이 됩니다. 하나를 쓰고 세 번 쓰는 구조를 만들어야 합니다.
1인 사업자: 모든 역할을 혼자 할수록, 손보다 시스템이 먼저다
1인 사업자는 늘 멀티플레이어입니다. 상품도 팔아야 하고, 고객 문의도 봐야 하고, 제안서도 써야 하고, 홍보도 해야 합니다. 이때 가장 위험한 함정은 "매번 급한 것부터 처리하는 사람"이 되는 것입니다.
1인 사업자의 젠스파크 워크플로우는 수익 흐름 기준으로 짜는 편이 좋습니다.
검색 단계에서는 고객 문제, 경쟁 제품, 가격 포지션, 후기 키워드를 모읍니다.
정리 단계에서는 고객 질문, 자주 받는 문의, 후기 문장을 카테고리별로 분류합니다.
작성 단계에서는 제안서, 상세페이지 문구, 상담 답변, 이메일 초안을 만듭니다.
제작 단계에서는 소개 슬라이드, 랜딩페이지, 상품 이미지, 짧은 홍보 영상까지 바로 연결합니다.
자동화 단계에서는 문의 응답 초안, 일정 정리, 반복 예약 업무, 후속 안내를 흐름으로 묶습니다.
Genspark의 Super Agent는 전화를 걸거나, 프레젠테이션을 만들거나, 콘텐츠를 다른 형식으로 바꾸는 작업까지 노코드에 가깝게 자동화하는 방향으로 발전해 왔습니다.5 1인 사업자에게 이건 멋진 기능이 아니라, 체력 보존 장치에 가깝습니다.
예시 요청
반려동물 수제간식 브랜드를 운영 중이야. 신규 고객 유입용 랜딩페이지 구조를 짜고, 첫 구매 유도 문구와 FAQ 초안을 써줘. 또 오프라인 팝업 제안용 8장 슬라이드와 인스타 릴스용 짧은 영상 콘셉트 3개도 함께 만들어줘.
중요한 건 모든 일을 AI에게 맡기는 게 아닙니다. 내가 직접 해야 매출이 나는 일과, AI에게 넘겨야 체력이 남는 일을 분리하는 것입니다. 사장님의 손은 매출이 발생하는 순간에만 쓰는 편이 좋습니다.
연구자: 자료를 많이 보는 사람이 아니라, 질문을 선명하게 남기는 사람
연구자는 늘 읽습니다. 문제는 읽은 것이 쌓일수록 더 명확해지는 게 아니라, 오히려 더 복잡해진다는 점입니다. 그래서 연구자의 워크플로우는 "더 많이 찾기"가 아니라 "질문을 좁히며 정리하기"에 맞춰야 합니다.
추천 흐름은 이렇습니다.
검색 단계에서는 Scholar Search나 Deep Research 성격의 탐색으로 선행연구, 정책 자료, 공식 통계를 모읍니다.
정리 단계에서는 업로드한 논문과 보고서에서 연구 질문, 방법론, 한계, 핵심 수치를 뽑아 비교표로 정리합니다.
작성 단계에서는 AI Docs에서 문헌 검토 초안, 연구 개요, 발표 노트를 만듭니다.
제작 단계에서는 세미나용 슬라이드나 연구 요약 페이지로 변환합니다.
자동화 단계에서는 같은 주제의 신규 자료 추적, 인용 후보 정리, 발표 전 체크리스트를 고정합니다.
연구자에게 젠스파크는 정답 기계가 아닙니다. 질문을 더 뾰족하게 만드는 보조 연구원에 가깝습니다. 그러니 결과를 바로 믿기보다, 비교표와 출처를 기준으로 다시 읽는 습관이 중요합니다.
예시 요청
고등교육에서 생성형 AI 활용 효과에 대한 최근 2년 연구를 정리해줘. 연구 목적, 표본, 방법론, 주요 결과, 한계를 표로 묶고, 공통 결론과 충돌 지점을 구분해서 문헌 검토 초안으로 작성해줘.
좋은 연구 워크플로우는 화려하지 않습니다. 대신 질문, 자료, 반론, 한계가 분리되어 있습니다. 머릿속이 복잡할수록 시트와 문서로 바깥에 꺼내놓는 편이 훨씬 강합니다.
강사: 설명을 잘하는 사람보다, 이해가 일어나게 만드는 사람이 오래 간다
강사는 늘 아는 것을 말하지만, 수강생은 늘 처음 듣습니다. 이 간격을 줄이는 게 강의의 본질입니다. 그래서 강사의 워크플로우는 "자료 많이 만들기"보다 "이해의 순서를 설계하기"에 맞춰야 합니다.
추천 흐름은 이렇습니다.
검색 단계에서는 최신 사례, 현장 질문, 수강생 수준별 오해 지점을 모읍니다.
정리 단계에서는 개념, 사례, 실습, 질문을 단계별로 분류합니다.
작성 단계에서는 강의안, 스크립트, 실습 가이드, 과제 안내문을 만듭니다.
제작 단계에서는 AI Slides로 강의 자료를 만들고, 필요하면 이미지나 짧은 설명 영상을 덧붙입니다.
자동화 단계에서는 수강 전 안내, 수강 후 복습 자료, 자주 나오는 질문 정리를 반복 흐름으로 만듭니다.
강사에게 가장 중요한 포인트는 "한 번 만든 자료를 다음 기수에 더 좋아진 상태로 다시 쓰는 것"입니다. 한 강의가 끝날 때마다 질문 목록을 시트에 쌓고, 그걸 다음 강의안에 반영하면 자료는 해마다 덜 힘들고 더 좋아집니다.
예시 요청
비전공 직장인을 위한 생성형 AI 입문 강의를 준비 중이야. 90분 강의 구조를 도입-기초 개념-실습-주의사항-업무 적용으로 짜고, 15장 슬라이드 초안과 실습 프롬프트 5개, 수강생 FAQ 10개를 함께 만들어줘.
좋은 강의는 많이 설명하는 강의가 아니라, 수강생이 "아, 이건 내 일에 이렇게 붙이면 되겠네"라고 느끼는 강의입니다. 젠스파크는 바로 그 연결 문장을 만드는 데 강합니다.
결국 직무보다 중요한 것은 나만의 기본 루프다
여기까지 읽으면 이런 생각이 들 수 있습니다. "나는 기획자이기도 하고, 마케터이기도 하고, 에디터이기도 한데?" 맞습니다. 요즘 일은 직무가 아니라 묶음으로 움직입니다.
그래서 마지막에는 직무 하나를 고르기보다, 내 업무에서 가장 자주 반복되는 루프 하나를 잡는 편이 좋습니다. 보통은 아래 셋 중 하나입니다.
정보를 모아 판단해야 하는 루프
초안을 만들어 다듬어야 하는 루프
만든 결과물을 여러 형식으로 바꿔야 하는 루프
이 셋 중 어디서 제일 시간을 잃는지만 알아도 워크플로우 설계는 훨씬 쉬워집니다.
오늘 바로 완성하는 나만의 젠스파크 시스템
이제 마지막으로, 당신만의 시스템을 만드는 질문을 남깁니다. 아래 문장을 빈칸 채우듯 써보면 됩니다.
내 일은 보통 무엇을 찾는 순간 시작되는가?
나는 늘 어떤 자료를 읽다가 막히는가?
가장 자주 만드는 산출물은 문서, 슬라이드, 시트, 페이지, 콘텐츠 중 무엇인가?
매주 반복되는 일 중 가장 귀찮은 것은 무엇인가?
그 일은 검색, 정리, 작성, 제작, 자동화 중 어디에서 가장 많이 새는가?
내가 직접 해야만 가치가 생기는 단계는 어디인가?
다음 주부터 AI에게 넘길 첫 반복 업무는 무엇인가?
이 질문에 답하면, 당신의 워크플로우는 대략 이렇게 나옵니다.
"나는 매주 업계 동향을 찾고, 비교표를 만들고, 회의용 문서를 쓰고, 요약 슬라이드를 만든다. 그러니 검색은 Sparkpage, 정리는 AI Sheets, 작성은 AI Docs, 제작은 AI Slides, 반복 모니터링은 Workflow로 묶는다."
이 문장이 바로 당신의 시스템입니다.
덜 바쁘고 더 잘 나오는 사람의 공통점
마지막으로 꼭 기억할 점이 있습니다. 효율적인 사람은 더 빨리 치는 사람이 아닙니다. 더 적게 반복하는 사람입니다.
젠스파크가 올인원 워크스페이스로 향하고, 여러 모델을 조합하는 MoA를 내세우고, 말로 의도를 전달하고, 복잡한 워크플로우를 실행하는 이유도 결국 하나입니다. 사람을 더 바쁘게 만들기 위해서가 아니라, 사람이 진짜 해야 할 일만 남기기 위해서입니다.1234
이제 이 책을 덮으면, 새로운 기능을 더 배우는 것보다 먼저 해볼 일이 있습니다. 내 일의 시작점 하나, 반복 업무 하나, 산출물 하나를 고르는 일입니다.
그 한 장만 제대로 붙이면, 당신의 일은 꽤 달라집니다.
바쁘기는 덜한데, 결과는 더 잘 나오는 쪽으로.
참고
1Genspark - Your All-in-One AI Workspace
2세계 최초 Mixture-of-Agents (MoA) 시스템 소개: 혁신적인 AI 채팅
3Genspark AI Workspace 2.0: Don''t Type, Just Speak, Work Gets Done
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.