ChatGPT 프로젝트와 메모리 활용

이 장에서 배울 것

이번 장에서는 ChatGPT를 단발성 질문 도구가 아니라 장기 업무 워크스페이스로 쓰는 방법을 배운다. 핵심은 세 가지다.

첫째, 프로젝트 안에 관련 대화, 참고 파일, 작업 규칙을 묶는다. 둘째, 맞춤형 지시, 프로젝트 지시사항, 메모리의 역할을 구분한다. 셋째, 파일 요약부터 보고서 초안, 검증 로그까지 이어지는 반복 가능한 흐름을 만든다.

앞에서 살펴본 AI 도구를 고르는 기준에서는 작업에 맞는 도구를 선택하는 법을 배웠고, 작업 분해와 프롬프트 템플릿에서는 일을 작은 단계로 나누고 프롬프트 템플릿으로 만드는 법을 배웠다. 이제 그 템플릿을 매번 복사하지 않고, ChatGPT 안의 작업 공간에 고정해둘 차례다.

왜 이 주제가 중요한가

많은 사람이 ChatGPT를 쓸 때 매번 새 대화창에서 시작한다. "나는 이런 일을 하고 있고, 독자는 누구이고, 답변은 이런 형식으로 해줘"라는 설명을 반복한다. 처음에는 괜찮지만, 업무가 길어지면 문제가 생긴다.

리서치 자료는 다른 대화에 있고, 보고서 초안은 또 다른 대화에 있으며, 지난번에 정한 작성 규칙은 어디에 적었는지 기억나지 않는다. 이러면 AI를 쓰면서도 정작 사람의 머릿속 부담은 줄지 않는다.

ChatGPT Projects는 이런 문제를 줄이기 위한 기능이다. OpenAI는 Projects를 장기 작업에 필요한 채팅, 파일, 맞춤 지시를 한곳에 모아 ChatGPT가 중요한 맥락을 유지하도록 돕는 스마트 워크스페이스로 설명한다¹. 쉽게 말해, 프로젝트는 "하나의 업무 전용 방"이다.

이 방 안에 자료와 규칙을 정리해두면 ChatGPT는 매번 처음 만나는 조수가 아니라, 같은 업무를 계속 이어받는 조수에 가까워진다.

핵심 개념 설명

프로젝트: 장기 업무용 작업 공간

프로젝트는 하나의 주제나 업무를 담는 공간이다. 예를 들어 다음과 같이 나눌 수 있다.

• 시장 조사 리서치

• 월간 업무 보고서

• 블로그 연재 기획

• 제품 출시 준비

• 코드 리뷰 및 리팩터링

좋은 프로젝트는 범위가 너무 넓지 않다. "내 모든 업무"라는 프로젝트보다 "2026년 상반기 경쟁사 리서치"가 낫다. 범위가 명확해야 파일도 정리되고, 지시사항도 구체화된다.

프로젝트 안에는 보통 세 가지를 넣는다.

1. 관련 대화

2. 참고 파일

3. 프로젝트 전용 지시사항

이 세 가지가 합쳐지면 ChatGPT는 단순히 질문에 답하는 것이 아니라, 해당 업무의 기준 안에서 답한다.

맞춤형 지시, 프로젝트 지시, 메모리의 차이

초보자가 가장 헷갈리는 부분이 지시와 메모리다. 세 기능은 비슷해 보이지만 역할이 다르다.

맞춤형 지시는 계정 전체에 적용되는 기본값이다. 예를 들어 "한국어로 답해줘", "핵심 결론을 먼저 말해줘", "불확실한 내용은 추정이라고 표시해줘" 같은 규칙이 여기에 맞다. 모든 새 대화에 적용되는 기본 성향이라고 보면 된다.

프로젝트 지시사항은 특정 프로젝트 안에서만 적용되는 작업 규칙이다. 예를 들어 보고서 프로젝트에서는 "표와 요약을 포함해줘"라고 설정하고, 블로그 프로젝트에서는 "초보자도 이해할 수 있는 문체로 써줘"라고 설정할 수 있다. 전역 기본값보다 더 좁고 구체적이다.

메모리는 반복적으로 필요한 사용자 선호나 업무 맥락을 반영하는 장치다. 예를 들어 사용자가 프론트엔드 개발자라는 점, 한국어 콘텐츠를 자주 만든다는 점, 답변을 간결하게 선호한다는 점은 메모리에 남아 있으면 유용하다.

다만 메모리는 항상 좋은 것만은 아니다. 이전 대화의 선호가 현재 작업에 섞이면 객관성이 떨어질 수 있다. 그래서 중요한 리서치, 고객별 업무, 회사 내부 자료를 다룰 때는 프로젝트 단위로 맥락을 분리해야 한다. 프로젝트 전용 메모리처럼 프로젝트 내부 맥락만 사용하도록 제한하는 기능도 등장하고 있으며, 이런 방식은 특정 보고서나 고객 계정처럼 맥락 경계가 중요한 업무에 특히 유용하다².

기능 이름, 제공 범위, UI 위치, 요금제별 차이는 바뀔 수 있다. 이 책에서는 버튼 위치보다 원리를 기억하면 된다. 전역 규칙은 맞춤형 지시, 업무별 규칙은 프로젝트 지시, 반복 선호와 장기 맥락은 메모리다.

쉬운 비유 또는 사례

ChatGPT 일반 대화창은 카페 테이블과 비슷하다. 잠깐 만나 이야기하기 좋지만, 자료를 계속 펼쳐두기 어렵다. 반면 프로젝트는 개인 작업실에 가깝다. 책상 위에 참고 문서가 있고, 벽에는 작업 원칙이 붙어 있으며, 지난 회의 기록도 같은 방에 남아 있다.

예를 들어 콘텐츠 제작자가 "AI 도구 비교 리포트"를 만든다고 하자. 일반 대화창에서 작업하면 매번 이렇게 말해야 한다.

대상 독자는 직장인이고, 문체는 간결하게 해줘. 표를 포함하고, 출처가 필요한 부분은 표시해줘. 이전에 정리한 Claude 내용도 반영해줘.

프로젝트를 쓰면 이 규칙을 프로젝트 지시사항에 넣어둔다. 관련 문서와 이전 초안도 파일로 올린다. 그러면 다음 대화에서는 "지난번 구조를 기준으로 Gemini 부분을 보강해줘"처럼 짧게 요청할 수 있다.

좋은 AI 활용은 질문을 잘하는 것에서 끝나지 않는다. 맥락을 잘 보관하는 것까지 포함한다.

직접 해보는 실습: 장기 리서치 워크스페이스 만들기

이번 실습에서는 이후 장에서도 비교 기준으로 사용할 "장기 리서치 워크스페이스"를 만든다. 주제는 자유롭게 정해도 좋지만, 처음이라면 다음 중 하나를 추천한다.

• 우리 회사 업무에 적용할 AI 도구 조사

• 1인 창업자를 위한 콘텐츠 자동화 도구 조사

• 개발팀 코드 리뷰 자동화 방법 조사

• 월간 산업 동향 보고서 작성

프로젝트 목적 쓰기

프로젝트 지시사항 맨 위에 목적을 적는다.

이 프로젝트의 목적은 2026년 기준 주요 AI 도구를 비교해,
우리 업무에 실제 적용 가능한 워크플로를 설계하는 것이다.
독자는 AI 초중급자이며, 결과물은 업무 보고서 형식으로 작성한다.

목적은 길 필요가 없다. 다만 "무엇을 위해, 누구에게, 어떤 결과물을 만들 것인지"는 들어가야 한다.

응답 규칙 정하기

다음 템플릿을 프로젝트 지시사항에 붙여 넣고 수정한다.

응답 규칙:
1. 핵심 결론을 먼저 제시한다.
2. 확인된 사실, 추론, 의견을 구분한다.
3. 최신 정보가 필요한 경우 확인 필요 항목으로 표시한다.
4. 표는 비교가 필요할 때만 사용한다.
5. 보고서 초안은 제목, 요약, 본문, 리스크, 다음 행동 순서로 작성한다.
6. 개인정보, 회사 기밀, 고객 식별 정보는 요청하지 않는다.

이 규칙은 작업 분해와 프롬프트 템플릿에서 만든 프롬프트 템플릿을 프로젝트 수준으로 올린 것이다. 매번 입력하던 반복 지시를 작업 공간의 기본값으로 바꾸는 과정이다.

참고 파일 정리하기

파일을 올릴 때는 많이 올리는 것보다 잘 고르는 것이 중요하다. 다음 네 종류부터 시작하자.

• 기존 보고서 1개

• 관련 회의록 1개

• 조사할 제품 목록 1개

• 내가 원하는 최종 결과물 예시 1개

파일 이름도 중요하다. 최종진짜최종.pdf보다 2026_AI도구비교_기존보고서.pdf처럼 내용이 드러나는 이름이 좋다.

민감한 자료는 그대로 올리지 않는다. 고객명, 이메일, 계약 금액, 내부 전략명은 익명화한다. 예를 들어 "A고객", "B제품", "월매출 구간"처럼 바꾼다.

첫 대화에서 요약 노트 만들기

프로젝트 안에서 다음과 같이 요청한다.

업로드한 파일을 기준으로 이 프로젝트의 요약 노트를 만들어줘.
다음 형식으로 정리해줘.

1. 현재까지 확인된 사실
2. 중요한 의사결정 기준
3. 반복해서 참고해야 할 용어
4. 미해결 질문
5. 추가로 필요한 자료

이 요약 노트는 프로젝트의 첫 번째 기준 문서가 된다. 이후 새 자료를 추가할 때마다 "요약 노트를 갱신해줘"라고 요청하면 된다.

보고서 초안과 검증 로그 만들기

이제 다음 요청을 한다.

현재 요약 노트를 바탕으로 1차 보고서 초안을 작성해줘.
단, 확인이 필요한 사실은 본문에 단정하지 말고
[검증 필요]로 표시해줘.
마지막에는 검증 로그 표를 추가해줘.

검증 로그에는 최소한 다음 항목을 둔다.

ChatGPT가 프로젝트 맥락을 유지하더라도 최종 책임은 사용자에게 있다. 특히 가격, 기능 제공 범위, 법률, 보안, 계약 조건은 반드시 원문을 확인해야 한다.

흔한 실수와 오류 분석

실수 1: 프로젝트를 너무 크게 만든다

"업무 전체" 프로젝트를 만들면 금방 어수선해진다. 리서치, 보고서, 코드 리뷰, 콘텐츠 기획이 한곳에 섞이면 AI도 맥락을 잘못 잡는다. 프로젝트는 결과물 기준으로 나누는 편이 좋다.

실수 2: 지시사항을 길게만 쓴다

긴 지시사항이 항상 좋은 것은 아니다. "세계 최고의 전문가처럼 답해줘"보다 "확인된 사실과 추론을 구분해줘"가 낫다. 좋은 지시는 멋진 표현이 아니라 판단 기준을 제공한다.

실수 3: 메모리를 무조건 믿는다

메모리는 편리하지만, 잘못된 기억이 저장될 수 있다. 예를 들어 과거에 임시로 말한 선호가 계속 반영될 수 있다. 주기적으로 메모리 설정을 확인하고, 더 이상 맞지 않는 정보는 수정하거나 삭제한다. 민감한 정보는 기억시키지 않는 것이 원칙이다.

실수 4: 파일을 창고처럼 쌓아둔다

자료가 많을수록 좋은 답변이 나올 것 같지만, 실제로는 반대일 때가 많다. 오래된 문서, 중복 파일, 결론이 바뀐 자료가 섞이면 답변 품질이 떨어진다. 핵심 파일만 남기고, 여러 자료는 요약본으로 합쳐두는 편이 낫다.

실수 5: AI의 초안을 최종본처럼 사용한다

프로젝트가 맥락을 기억한다고 해서 사실 확인까지 끝난 것은 아니다. AI는 그럴듯한 문장을 만들 수 있지만, 출처가 틀리거나 오래된 정보를 섞을 수 있다. 중요한 문서는 반드시 검증 로그를 남긴다.

요약

ChatGPT 프로젝트는 장기 업무를 위한 작업 공간이다. 관련 대화, 파일, 프로젝트 지시사항을 묶어두면 반복 설명이 줄고, 업무 맥락을 이어가기 쉬워진다.

맞춤형 지시는 계정 전체의 기본값이다. 프로젝트 지시는 특정 업무의 규칙이다. 메모리는 반복적으로 필요한 선호와 맥락을 반영한다. 세 기능을 구분해서 써야 AI 답변이 안정된다.

파일 업로드, 요약 노트, 미해결 질문, 보고서 초안, 검증 로그를 연결하면 ChatGPT는 단순 답변 도구에서 반복 가능한 업무 파트너로 바뀐다. 단, 개인정보와 회사 기밀은 최소 입력, 익명화, 접근 권한 확인 원칙을 지켜야 한다.

퀴즈

1. ChatGPT 프로젝트를 일반 대화창과 구분하는 가장 큰 차이는 무엇인가?

2. 맞춤형 지시와 프로젝트 지시사항은 어떻게 다른가?

3. 메모리를 사용할 때 주기적으로 확인해야 하는 이유는 무엇인가?

4. 장기 리서치 프로젝트에 처음 올리기 좋은 파일 네 종류는 무엇인가?

5. AI가 작성한 보고서 초안 뒤에 검증 로그를 붙여야 하는 이유는 무엇인가?

체크리스트

• 프로젝트의 목적, 독자, 최종 결과물을 한 문단으로 적었다.

• 프로젝트 지시사항에 응답 형식과 검증 기준을 넣었다.

• 맞춤형 지시, 프로젝트 지시, 메모리의 역할을 구분했다.

• 참고 파일을 핵심 자료 중심으로 정리했다.

• 민감 정보는 삭제하거나 익명화했다.

• 요약 노트와 미해결 질문 목록을 만들었다.

• 보고서 초안에 검증 필요 항목을 표시했다.

• 검증 로그를 남겼다.

• 잘못 저장된 메모리를 확인·수정·삭제하는 습관을 만들었다.

다음 장 연결

이번 장에서는 ChatGPT를 장기 워크스페이스로 구성하는 방법을 배웠다. 다음 장에서는 Claude의 프로젝트와 Artifacts를 다룬다. ChatGPT가 대화와 파일을 중심으로 업무 맥락을 쌓는다면, Claude의 Artifacts는 문서, 코드, 시각적 결과물을 별도 작업물처럼 다루는 데 강점이 있다.

다음 장을 읽을 때는 이번 실습에서 만든 장기 리서치 워크스페이스를 기준으로 비교해보자. 같은 업무를 ChatGPT와 Claude에서 각각 수행하면, 어떤 도구가 어떤 단계에 더 적합한지 훨씬 선명하게 보인다.

참고

¹Projects in ChatGPT | OpenAI Help Center

²Projects - Resource | OpenAI Academy