Part 7. 나만의 GPT - 반복 업무를 자산으로

같은 ChatGPT를 써도 퇴근 시간이 달라지는 이유는 의외로 단순하다. 어떤 사람은 매번 처음부터 다시 설명하고, 어떤 사람은 한 번 잘 만들어 둔 GPT를 계속 불러 쓴다. 전자는 매일 같은 언덕을 다시 오른다. 후자는 엘리베이터를 설치한다.

모델이 좋아질수록 이 차이는 더 크게 벌어진다. 이유는 간단하다. 좋은 지침과 좋은 기준 문서를 미리 얹어 둔 사람의 생산성이 훨씬 빠르게 불어나기 때문이다. 이제 중요한 것은 "질문을 잘 던지는가"를 넘어서 "반복 업무를 재사용 가능한 도구로 바꿨는가"다.

이번 장에서는 그 방법을 다룬다. GPTs와 Projects의 차이를 분명히 이해하고, 어떤 업무를 GPT로 만들어야 하는지 고르고, 직무별 실습 5종으로 바로 써볼 수 있게 정리한다. 그리고 마지막에는 팀에 공유해도 무너지지 않는 설계 원칙까지 챙긴다.

왜 지금 '나만의 GPT'가 중요한가

직장인의 반복 업무는 생각보다 비슷한 모양으로 돌아온다. 같은 톤의 이메일, 비슷한 구조의 보고서, 늘 비슷한 기준으로 하는 검토, 늘 같은 순서로 하는 요약. 문제는 이 일이 너무 익숙해서 낭비처럼 느껴지지 않는다는 점이다.

하지만 AI 시대의 반복 업무는 손재주로 버티는 순간 손해가 된다. 예를 들어 매주 주간보고 초안을 만들 때마다 "한국어로, 임원 보고용 톤으로, 핵심 먼저, 리스크는 따로, 다음 액션은 마지막에"를 다시 적고 있다면, 사실상 매번 같은 비서를 새로 교육하고 있는 셈이다.

나만의 GPT를 만든다는 것은 이 교육 비용을 한 번만 치르겠다는 선언이다. 한 번 설계한 규칙, 한 번 정리한 기준 문서, 한 번 검증한 출력 형식을 계속 재사용하는 것이다. 그렇게 되면 ChatGPT는 그때그때 불러 쓰는 채팅창이 아니라, 내 방식으로 일하는 디지털 동료가 된다.

GPTs와 Projects의 차이와 선택

많은 사람이 여기서 처음 헷갈린다. 둘 다 뭔가를 설정해 두고 쓰는 기능처럼 보이기 때문이다. 하지만 실무 역할은 꽤 다르다. GPTs는 특정 목적에 맞게 설정한 도구에 가깝고, Projects는 특정 일을 끝까지 끌고 가는 작업 공간에 가깝다.¹²

쉽게 비유하면 이렇다. Projects는 책상이다. 관련 대화, 파일, 지침, 중간 결과물을 한곳에 쌓아두고 계속 이어서 일하는 공간이다. 반면 GPTs는 사람에 가깝다. 이메일 전문가, 채용 평가 코치, 시장조사 분석가처럼 특정 역할을 맡아 반복적으로 호출할 수 있는 조수다.

특히 이 차이는 사용 방식에서 크게 드러난다. Custom GPT는 특정 목적에 맞게 반복 호출하는 데 유리하다. 반면 Projects는 대화와 파일, 지침이 쌓일수록 더 강해지는 구조다. 장기 작업, 연속 작업, 맥락이 중요한 일에 잘 맞는다.²³

실무에서는 둘 중 하나만 고르는 경우보다 함께 쓰는 경우가 훨씬 많다. 예를 들어 '하반기 신제품 출시'라는 Project 안에서, '보도자료 작성 GPT', '시장조사 GPT', '회의록 정리 GPT'를 상황에 따라 불러 쓰는 식이다. Project가 현장이라면, GPT는 그 현장에 투입되는 전문 인력이다.

정리하면 선택 기준은 간단하다. 같은 종류의 일을 자주 한다면 GPT를 만들고, 하나의 주제를 길게 끌고 가야 한다면 Project를 만든다. 그리고 가장 강력한 방식은, Project를 깔고 그 위에 여러 GPT를 태워 일하게 하는 것이다.

어떤 업무를 GPT로 만들어야 하는가

모든 일을 GPT로 만들 필요는 없다. 한 번 하고 끝날 일이라면 그냥 채팅으로 처리하는 편이 낫다. 반대로 아래 조건 중 여러 개가 겹친다면, 그 일은 GPT로 승격할 자격이 있다.

• 일주일에 여러 번 반복한다.

• 매번 같은 설명과 같은 기준을 붙인다.

• 결과물의 톤과 형식을 일정하게 유지해야 한다.

• 팀원도 같은 기준으로 써야 한다.

• 참고 문서나 사내 기준이 이미 존재한다.

이 기준으로 보면 의외로 GPT 후보는 많다. 고객 문의 1차 응대, 회의록 정리, 마케팅 카피 초안, 제안서 문장 다듬기, 채용 서류 1차 검토, 주간보고 정리, 제품 FAQ 응답, 사내 정책 안내 같은 일들이 전부 해당된다.

반대로 너무 넓은 일은 처음부터 GPT로 만들면 망하기 쉽다. 예를 들어 "우리 회사 업무 전부 도와주는 만능 GPT"는 대부분 실패한다. 겉보기에는 편해 보여도, 실제로는 기준이 흔들리고 답이 길어지고 신뢰가 떨어지기 쉽다. 처음에는 좁고 선명한 업무 하나를 잡는 편이 훨씬 낫다.

실패하지 않는 GPT의 설계도

좋은 GPT는 운으로 나오지 않는다. 설계도가 있다. 여러 가이드를 종합하면, 유용한 GPT는 대체로 다섯 요소를 분명하게 갖고 있다.¹⁴

첫째, 정체성이 있어야 한다. "도와주는 AI"가 아니라 "B2B SaaS 마케팅 카피라이터", "채용 평가 보조관", "한국어 비즈니스 이메일 편집자"처럼 누가 봐도 역할이 선명해야 한다.

둘째, 업무 범위를 좁혀야 한다. 무엇을 하는지는 물론, 무엇을 하지 않는지도 적어야 한다. 예를 들어 채용 평가 GPT라면 "최종 합격 여부를 단정하지 말고, 근거 기반으로 강점·우려점·추가 질문을 정리한다" 같은 경계가 필요하다.

셋째, 질문 규칙이 있어야 한다. 정보가 부족할 때 바로 추측해서 달려들지 말고, 먼저 물어보게 만들어야 한다. 좋은 GPT는 똑똑한 답변 기계이기 전에, 빠뜨린 정보를 찾아내는 실무자다.

넷째, 출력 형식을 고정해야 한다. 같은 일을 해도 형식이 매번 달라지면 재사용성이 떨어진다. 요약, 표, 리스크, 다음 액션, 추천안처럼 자주 쓰는 틀을 미리 정해두면 팀 전체의 문서 품질이 안정된다.

다섯째, 지식과 도구를 선택적으로 붙여야 한다. 업로드 문서, 웹 검색, 코드 실행, 이미지 생성 같은 기능은 많을수록 좋은 것이 아니다. 꼭 필요한 것만 켜야 속도와 일관성이 살아난다.⁴

아주 간단한 설계 템플릿으로 적어보면 이런 식이다.

역할: 당신은 한국 스타트업의 HR 평가 보조관이다.
주요 업무: JD 검토, 서류 평가 초안, 인터뷰 질문 생성.
하지 말 것: 법률 자문처럼 단정하지 말 것, 최종 채용 결정을 대신하지 말 것.
질문 규칙: 직무, 경력 연차, 평가 기준표가 없으면 먼저 물어볼 것.
출력 형식: 핵심 요약 → 강점 → 우려점 → 추가 확인 질문 → 추천 액션 순서.
참고 지식: 채용 가이드, 인터뷰 평가표, 회사 문화 문서.

이 정도만 잡혀도 GPT는 훨씬 덜 흔들린다.

실습: 직무별 나만의 GPT 5종 만들기

이제 실제로 많이 쓰게 될 형태 다섯 가지를 만들어보자. 여기서는 "복붙해서 바로 시작할 수 있는 설계 감각"을 만드는 것이 목표다.

1. 기획·전략용 시장조사 GPT

기획자에게 가장 아까운 시간은 자료를 찾는 시간보다, 찾은 자료를 같은 기준으로 다시 정리하는 시간이다. 시장조사 GPT는 바로 그 부분을 줄여준다.

• 목적: 시장 정보, 경쟁사, 트렌드를 일정한 틀로 정리한다.

• 넣을 지식: 기존 시장조사 보고서, 경쟁사 비교표, 우리 제품 포지셔닝 문서.

• 핵심 지침: 사실과 해석을 구분하고, 출처가 약한 정보는 별도 표시한다. 결과는 '시장 변화 → 경쟁사 움직임 → 우리에게 주는 시사점' 순서로 정리한다.

• 첫 테스트 질문: "국내 협업툴 시장에서 중견기업 고객을 겨냥한 경쟁사 5곳을 비교하고, 우리 제품의 기회와 리스크를 한 페이지 요약으로 정리해줘."

이 GPT의 핵심은 정보량이 아니라 프레임의 일관성이다. 오늘 조사하든 다음 달 조사하든, 같은 틀로 쌓여야 비교가 가능하다.

2. 마케팅 카피·콘텐츠 GPT

마케팅 업무는 창의적이지만, 의외로 반복도 많다. 브랜드 톤, 금지 표현, 핵심 타깃, CTA 방식이 계속 비슷하기 때문이다.

• 목적: 블로그 제목, 광고 문구, 랜딩페이지 초안, 뉴스레터 문안을 브랜드 톤에 맞춰 만든다.

• 넣을 지식: 브랜드 가이드, 기존 캠페인 우수 사례, 제품 소개서, 금지 문구 리스트.

• 핵심 지침: 한국어를 자연스럽게 쓰고, 직역투를 피한다. 카피는 항상 3개 이상 변형으로 제시한다. 자극적 과장 표현은 피하고, 타깃 독자의 행동 장면을 상상해 쓰게 한다.

• 첫 테스트 질문: "20대 직장인을 대상으로 한 생산성 앱 광고 문구를 5개 써줘. 가볍지만 싸 보이지 않는 톤으로, 클릭 유도 문장까지 붙여줘."

이 GPT는 생각보다 팀의 시간을 많이 아낀다. 특히 "좀 더 우리답게 바꿔주세요"라는 피드백이 자주 나오는 조직일수록 효과가 크다.

3. 영업·CS 응대 GPT

영업과 CS는 속도도 중요하지만, 더 중요한 것은 일관성이다. 사람마다 표현이 달라지면 고객은 회사의 기준이 없다고 느낀다.

• 목적: 문의 답변 초안, 제안 메일, 반박 대응 문구, FAQ 응답을 빠르게 작성한다.

• 넣을 지식: 제품 FAQ, 가격 정책, 제안서 템플릿, 자주 받는 반대 의견 모음.

• 핵심 지침: 답을 모르면 추정하지 말고 확인이 필요하다고 말한다. 공격적 표현에는 차분하게 응답한다. 고객 표현을 요약해 공감한 뒤, 해결안과 다음 단계를 제시한다.

• 첫 테스트 질문: "고객이 '가격이 경쟁사보다 비싸다'고 말할 때 보낼 회신 메일 초안을 써줘. 방어적으로 보이지 않게, 가치 설명과 다음 미팅 제안까지 포함해줘."

이 GPT를 잘 만들면 응대 품질이 좋아질 뿐 아니라, 신입 온보딩 속도도 빨라진다. 선배의 말투를 따라 하느라 시간을 쓰는 대신, 팀 공용 기준을 바로 사용할 수 있기 때문이다.

4. HR·채용 평가 GPT

채용에서는 '감'보다 '기준'이 중요하다. 그런데 바쁜 조직일수록 기준이 문서가 아니라 사람 머릿속에만 들어 있는 경우가 많다.

• 목적: JD 초안, 서류 검토 포인트, 인터뷰 질문, 피드백 문장을 구조화한다.

• 넣을 지식: 직무별 JD, 인터뷰 평가표, 회사 핵심 가치, 채용 프로세스 문서.

• 핵심 지침: 평가와 인상을 구분한다. 강점과 우려를 각각 근거와 함께 적는다. 부족한 정보가 있으면 추가 확인 질문을 먼저 만든다.

• 첫 테스트 질문: "프로덕트 매니저 경력 5년 이상 포지션의 JD를 만들어줘. 필수 요건과 우대 요건을 분리하고, 우리 회사가 어떤 문제를 해결하려는 팀인지 먼저 설명해줘."

이 GPT의 장점은 평가의 질을 '자동화'한다기보다 '정돈'한다는 데 있다. 즉흥적 표현을 줄이고, 근거 있는 피드백 문화로 바꾸는 데 유용하다.

5. 회의록·보고서 정리 GPT

회의를 많이 하는 팀일수록, 회의보다 회의 후 정리가 더 사람을 지치게 한다. 이 GPT는 그 후반 노동을 줄이는 데 특화된다.

• 목적: 회의록, 인터뷰 메모, 러프한 초안을 보고서와 액션 아이템으로 바꾼다.

• 넣을 지식: 주간보고 템플릿, 임원 보고 예시, 프로젝트 업데이트 양식, 이전 회의록 샘플.

• 핵심 지침: 결정 사항과 미결 사항을 구분한다. 액션 아이템은 담당자·마감일·우선순위까지 적는다. 임원용 요약본과 실무용 상세본을 분리해 준다.

• 첫 테스트 질문: "아래 회의 메모를 바탕으로 임원 보고용 5줄 요약, 팀 공유용 상세 회의록, 담당자별 액션 아이템 표를 각각 만들어줘."

이 GPT는 거의 모든 부서에서 통한다. 작은 팀일수록 더 그렇다. 기록 담당자가 따로 없을 때 특히 빛난다.

Knowledge 기반 GPT: 사내 문서를 AI로 만들기

많은 사람이 여기서 한 번 더 착각한다. 문서를 많이 넣으면 GPT가 저절로 똑똑해질 거라고 기대한다. 하지만 실제로는 반대다. 정리가 안 된 문서를 잔뜩 넣으면, GPT도 뒤죽박죽한 파일철처럼 행동하기 쉽다.

Knowledge 기반 GPT의 핵심은 양이 아니라 정제된 기준 문서다. GPT는 업로드된 파일을 참고해 답변할 수 있지만, 그 문서가 오래되었거나 이름이 모호하거나 서로 충돌하면 결과도 흐려진다.⁴

좋은 지식 문서는 보통 세 가지 특징을 가진다.

• 최신본이 분명하다.

• 역할이 분명하다.

• 현업 표현으로 쓰여 있다.

예를 들어 회사소개서_최신, 브랜드톤가이드_2026Q2, 채용평가기준표_PM, 고객FAQ_요금정책처럼 이름만 봐도 무슨 문서인지 알 수 있어야 한다. 반대로 최종_진짜최종_v7, 자료모음, 메모정리 같은 파일명은 GPT에게도 사람에게도 친절하지 않다.

또 하나 중요한 점이 있다. 공유할 GPT에 업로드한 파일은 접근 범위와 공유 정책을 먼저 확인해야 한다.¹⁴ 가장 안전한 방법은 원본 문서를 통째로 넣기보다, 공개 가능 범위로 정리한 요약본·정책본·FAQ본을 따로 만들어 지식 문서로 쓰는 것이다.

좋은 실무 순서는 이렇다. 먼저 원문에서 필요한 기준을 뽑아 짧고 분명한 문서로 재구성한다. 그다음 중복과 오래된 버전을 제거한다. 마지막으로 GPT에게 "이 문서를 우선 참고하고, 충돌 시 최신본 기준으로 답하라"는 규칙을 넣는다. 이 과정을 거치면 사내 문서가 그냥 파일이 아니라, 일하는 규칙으로 바뀐다.

GPT와 Project를 함께 쓰면 생기는 일

Knowledge 기반 GPT가 잘 작동하기 시작하면, 그다음부터는 Projects와 결합할 때 진짜 힘이 나온다. GPT는 언제 불러도 같은 역할로 답하는 전문가다. Project는 현재 진행 중인 일의 문맥이 쌓이는 공간이다. 둘을 붙이면, "회사 기준을 아는 전문가"가 "지금 우리 팀이 하고 있는 일"을 이해한 상태로 일하게 된다.

예를 들어 '채용 개선 프로젝트'라는 Project가 있다고 해보자. 이 안에는 최근 지원자 피드백, 인터뷰 운영 메모, 면접관 회고, 직무별 채용 현황이 쌓인다. 여기에 '채용 평가 GPT'를 붙이면 원래 알고 있는 평가 기준과, 지금 프로젝트 안에서 진행되는 실제 상황을 함께 반영해 더 정확한 초안을 만들 수 있다.

즉, GPT만 있으면 전문성이 생기고, Project만 있으면 연속성이 생긴다. 둘을 함께 쓰면, 전문성과 연속성이 동시에 생긴다.

팀에 공유하는 GPT: 팀 생산성을 10배로 만드는 법

개인용 GPT는 혼자만 빨라진다. 하지만 팀 공유 GPT는 팀의 기본 속도를 올린다. 같은 질문에 같은 기준으로 답하고, 같은 형식으로 결과물을 내놓고, 신입도 숙련자와 비슷한 출발점을 갖게 만들기 때문이다.

예를 들어 영업팀에는 '제안서 문장 다듬기 GPT', HR팀에는 'JD 리뷰 GPT', 마케팅팀에는 '광고 카피 GPT', 운영팀에는 '고객 공지문 GPT'가 있을 수 있다. 이때 중요한 것은 멋진 이름이 아니라, 누가 써도 비슷한 품질이 나오게 만드는 것이다.

팀 공유 GPT를 운영할 때는 최소한 네 가지가 필요하다.

• 소유자가 있어야 한다. 누가 문서를 업데이트하고 지침을 고치는지 분명해야 한다.

• 적용 범위가 좁아야 한다. 너무 많은 업무를 넣으면 아무도 신뢰하지 않는다.

• 예시 질문이 있어야 한다. 팀원이 무엇을 어떻게 넣어야 하는지 바로 알 수 있어야 한다.

• 검증 세트가 있어야 한다. 실제 업무 사례 5~10개로 성능을 점검해야 한다.⁴

여기서 검증 세트란 거창한 것이 아니다. 팀에서 자주 쓰는 실제 입력값 묶음이다. 예를 들어 광고 카피 GPT라면 "신규 가입 유도", "이탈 고객 리텐션", "앱 업데이트 공지" 같은 대표 상황 10개를 모아 두는 식이다. GPT를 수정할 때마다 이 사례들을 다시 돌려 보면, 좋아졌는지 망가졌는지를 빨리 알 수 있다.

그리고 공유 GPT는 반드시 버전 관리를 해야 한다. 사람들은 이 단계를 잘 건너뛴다. 그러다 어느 날 "원래 잘되던 답이 왜 이상해졌지?"라는 대혼란이 온다. 지침을 바꿨다면 무엇을 왜 바꿨는지 짧게라도 기록해 두는 습관이 필요하다.

실패하지 않는 GPT 설계 5원칙

이제 마지막으로, 실무에서 정말 자주 갈리는 지점을 다섯 가지 원칙으로 정리해보자.

1. 하나의 GPT에는 하나의 대표 업무만 넣는다

가장 흔한 실패는 욕심이다. 글도 써주고, 분석도 하고, 회의록도 정리하고, 고객 응대도 하는 만능 GPT를 만들고 싶어진다. 하지만 그런 GPT는 대개 어느 순간부터 말이 길어지고, 기준이 흔들리고, 엉뚱한 톤으로 답하기 시작한다. 좋은 GPT는 멀티플레이어가 아니라 전문 포지션이다.

2. 긴 지침보다 선명한 지침이 낫다

지침이 길다고 성능이 자동으로 좋아지지는 않는다. 오히려 핵심 규칙이 흐려질 수 있다. 역할, 범위, 금지 사항, 질문 규칙, 출력 형식처럼 꼭 필요한 것만 분명하게 적는 편이 낫다.⁴

3. 모르면 묻게 만들어라

실무에서 제일 위험한 GPT는 자신감 넘치게 추측하는 GPT다. 필요한 정보가 없을 때는 바로 답하지 말고 먼저 확인 질문을 하게 만들어야 한다. 이 한 줄만 넣어도 환각과 오답이 크게 줄어든다.

4. 출력 형식을 고정해 자산화를 만든다

좋은 결과물이 한 번 나오는 것보다 중요한 것은, 비슷한 품질의 결과물이 반복해서 나오는 것이다. 그러려면 형식을 고정해야 한다. 예를 들어 "핵심 요약 → 근거 → 리스크 → 다음 액션" 같은 틀을 정해두면, 그 순간부터 결과물은 복붙용 답변이 아니라 재사용 가능한 업무 부품이 된다.

5. 실제 업무로 테스트하고 계속 고친다

GPT는 한 번 만들고 끝내는 파일이 아니다. 작은 소프트웨어에 가깝다. 실제 업무 사례를 돌려 보면서 어디서 흔들리는지 보고, 지침을 조금씩 고쳐야 한다.⁴ 처음부터 완벽한 GPT를 만드는 사람은 드물다. 잘 만든 GPT와 못 만든 GPT의 차이는 재능보다 반복 개선에서 나온다.

이 장의 핵심 정리

이번 장의 핵심은 한 문장으로 요약할 수 있다. 매번 다시 묻는 사람보다, 한 번 만들어 계속 쓰는 사람이 결국 훨씬 빨라진다.

GPTs는 역할을 자산화하는 도구다. Projects는 맥락을 자산화하는 공간이다. 둘의 차이를 이해하면 "언제 작업실을 만들고, 언제 직원을 만들지"가 선명해진다. 그리고 그다음부터는 반복 업무가 귀찮은 숙제가 아니라, 한 번 설계해 오래 쓰는 생산성 자산으로 바뀐다.

직무별 GPT를 하나만 잘 만들어도 체감이 크다. 두 개면 업무 흐름이 달라지고, 팀 차원에서 공유하기 시작하면 일하는 방식 자체가 바뀐다. 다만 여기서부터는 새로운 질문이 생긴다. "이걸 회사에서 어디까지 안전하게 쓸 수 있지?"라는 질문이다.

다음 장에서는 바로 그 문제를 다룬다. 보안, 환각 검증, 데이터 격리, 디버깅, 조직 도입 가이드까지. 생산성을 자산으로 바꾸는 사람이라면, 이제 안전도 함께 설계해야 한다.

참고

¹GPTs in ChatGPT

²Projects in ChatGPT

³What is Memory?

⁴Creating and editing GPTs