블로그 소개

나미리 AI 블로그 (namiri-ai.blogspot.com)는 AI 강사 나미리가 직장인과 비전공자를 위해 생성형 AI를 실제 업무에 쓰는 방법을 정리하는 블로그입니다.

누가 쓰나요

  • 나미리 — AI Trainer & Vibe Coding Coach
  • 한국AI콘텐츠연구소 전임강사
  • 25년 이상의 연구·개발 경력
  • 보유 자격: Google AI Professional Certificate(Google Career Certificates), Google for Education Gemini 교육 전문가, Anthropic Official Certified

무엇을 다루나요

  • 생성형 AI 실무 활용: ChatGPT, Claude, Gemini, NotebookLM으로 문서·기획·리서치 업무를 줄이는 방법
  • AI 에이전트와 업무 자동화: 반복 업무를 찾아 AI 도구로 바꾸는 과정
  • 바이브 코딩: 코드를 몰라도 AI와 대화하며 도구를 만드는 방법
  • 새로 나온 AI 기능과 용어를 비전공자 눈높이에서 설명

글을 쓰는 원칙

  • 기술 용어보다 "이 도구가 내 어떤 일을 대신하는가"를 먼저 씁니다.
  • 직접 확인한 화면과 공식 자료를 바탕으로 쓰고, 참고한 자료는 글 끝에 밝힙니다.
  • 틀린 내용을 알려 주시면 확인 후 고칩니다.

다른 곳에서도 만나요

문의는 microniki3@gmail.com로 보내 주세요.

댓글

댓글 쓰기

이 블로그의 인기 게시물

클로드 소네트 5.5 선택 기준: 문서 초안과 복잡한 판단 업무 나누기

이미지
클로드 소네트 5.5는 범위가 분명한 문서·스프레드시트 업무에 맞춘 모델입니다. Anthropic이 발표한 속도·비용 주장과 Opus가 적합한 복잡한 판단 업무를 구분하고, 실무자가 모델을 고르는 체크리스트를 정리했습니다. 목차 발표 수치와 내 업무 결과는 구분합니다 모델 선택 체크리스트 같은 과제로 비교하는 순서 정리하면 자주 묻는 질문 클로드 소네트 5.5는 문서·슬라이드·스프레드시트처럼 범위가 분명한 일상 업무에 맞춘 AI 모델입니다. 2026년 10월 3일 기준, 이 글에서는 Anthropic의 발표 수치를 사실과 구분하고 업무별 모델 선택 체크리스트를 정리합니다. “업무 초안 작성에 모델을 쓰려는데 속도·비용·복잡한 판단력 중 무엇을 우선할지 모르겠습니다.” 기업 교육에서 문서와 스프레드시트를 만드는 실무자가 자주 마주치는 선택입니다. 모델 이름이 새로 나왔다고 무조건 바꿀 필요는 없습니다. 먼저 맡길 일을 나눠야 합니다. 발표 수치와 내 업무 결과는 구분합니다 Anthropic은 2026년 9월 28일 공개한 자료에서 Sonnet 5.5가 이전 Sonnet보다 생성 속도가 30% 이상 빠르고, 대부분의 업무에서 작업당 비용이 최대 30% 낮다고 밝혔습니다. 이는 회사가 발표한 결과입니다. 내 문서에서도 같은 차이가 난다는 보장은 아니므로, 도입 판단 전에는 실제 업무로 확인해야 합니다. 여기서 ‘작업당 비용’은 한 번의 일을 끝내는 데 들어간 비용입니다. 재료비만 보는 것이 아니라 같은 제품을 완성하는 데 든 총비용을 비교하는 것과 같습니다. 사용 요금이 같아도 필요한 토큰 수나 재작업 정도가 달라지면 작업당 비용은 달라질 수 있습니다. 업무 유형 먼저 검토할 모델 확인할 기준 회의록·보고서 초안, 표 정리 클로드 소네트 누락, 사실 오류, 수정 시간 범위가 정해진 코딩·오류 수정 클로드 소네트 요구사항 준수, 테스트 통과 여부 조건이 얽힌 판단·열린 과제 클로드 오푸스 근거의 질, 판단의 일관성, 검수 부담 Anthr...
자세한 내용 보기

AI 음성은 목소리만 만드는 기술이 아닙니다: 생성·복제·검증을 나누어 보세요

2026.09.24 AI 음성은 목소리만 만드는 기술이 아닙니다: 생성·복제·검증을 나누어 보세요 AI 음성 기술은 자연스러운 목소리 생성보다 생성·복제·검증을 나누어 설계하는 일이 먼저입니다. 최신 음성 모델의 기능과 도입 전 확인할 기준을 정리했습니다. 목차 과거에는 읽어주기, 이제는 음성 설계 이번 발표에서 실무자가 볼 세 가지 무료 실습은 작은 대본으로 시작합니다 정리하면 자주 묻는 질문 ‘AI로 사람 목소리를 만들 수 있다는데, 어디까지 써도 되는지 모르겠습니다.’ 최근 AI 음성 기능을 살펴보면 이런 고민이 생깁니다. 문장을 읽어주는 기능만 생각했는데, 이제는 말투와 억양을 지시하고, 새로운 목소리를 만들고, 짧은 음성 샘플로 기존 목소리를 재현하는 기능까지 한 화면에 들어왔습니다. 다만 기능이 많아졌다고 바로 업무에 붙이면 안 됩니다. AI 음성은 하나의 버튼이 아니라 생성·복제·검증이 이어지는 작은 시스템 으로 봐야 합니다. 과거에는 읽어주기, 이제는 음성 설계 과거의 음성 합성은 입력한 문장을 기계적인 목소리로 읽는 데 초점이 있었습니다. 음성 합성은 글자를 소리로 바꾸는 기술입니다. 건물로 비유하면, 문장을 전달하는 기본 배관에 가깝습니다. 최근 공개된 Gemini 3.8 Flash TTS와 Flash-Lite TTS는 이 배관 위에 여러 설계 도구를 얹었습니다. 사용자가 자연어로 목소리의 역할·억양·특징을 지시하고, 문장마다 속도와 감정을 조절할 수 있습니다. 두 사람이 대화하는 장면도 하나의 대본으로 구성할 수 있습니다. 여기서 TTS는 Text-to-Speech의 줄임말입니다. 텍스트를 음성으로 바꾸는 기술이라는 뜻입니다. 반면 voice replication은 기존 목소리의 특징을 재현하는 기능 입니다. 새 목소리를 설계하는 것과 기존 목소리를 복제하는 것은 같은 일이 아닙니다. 구분 무엇을 하는가 도입 전에 볼 기준 음성 생성 설명한 특징에 맞춰 새로운 목소리를 만듭니다. 언어·...
자세한 내용 보기

AI 에이전트 도입 전에 먼저 설계할 것: 추적과 승인

2026.09.23 AI 에이전트 도입 전에 먼저 설계할 것: 추적과 승인 AI 에이전트 도입의 핵심은 더 많은 기능이 아니라 누가 무엇을 실행했는지 확인하는 구조입니다. 최근 기업 사례와 실무 점검 순서를 정리했습니다. 목차 과거에는 도구를 고르면 됐지만, 이제는 운영 구조가 필요합니다 도입 전에 확인할 세 가지 실무 적용 순서 자주 묻는 질문 "AI 에이전트를 도입했는데, 어떤 일을 했는지 나중에 확인하기 어렵습니다." 최근 기업 현장에서 자주 나오는 고민입니다. 에이전트는 단순한 대화형 AI와 다릅니다. 질문에 답하는 데서 끝나지 않고, 도구를 호출하고 여러 단계를 거쳐 실제 작업을 수행합니다. 사람이 지시하고 결과를 받는 도구 에서 업무를 대신 실행하는 직원 에 가까워진 셈입니다. 직원에게 업무를 맡길 때 출입 기록과 결재선이 필요하듯, 에이전트에도 실행 기록과 승인 절차가 필요합니다. 최근 Fortune 보도에 따르면 기업들은 에이전트가 늘어나는 상황에서 작업을 추적하고, 데이터와 모델을 한곳에서 관리하며, 승인된 에이전트만 운영하는 방향으로 움직이고 있습니다. 과거에는 도구를 고르면 됐지만, 이제는 운영 구조가 필요합니다 과거에는 업무에 맞는 AI 도구를 하나 고르면 됐습니다. 요약은 요약 도구에, 번역은 번역 도구에 맡기면 됩니다. 반대로 에이전트는 여러 도구를 연결해 업무의 다음 단계를 스스로 선택합니다. 그래서 문제가 생겼을 때 결과만 보는 방식으로는 부족합니다. 어떤 데이터로 어떤 판단을 했고 어떤 도구를 호출했는지 가 남아야 원인을 찾을 수 있습니다. 구분 기존 AI 도구 AI 에이전트 역할 질문에 답하거나 결과를 생성 여러 단계를 거쳐 업무를 실행 관리 대상 입력과 출력 권한, 도구 호출, 실행 과정 필요한 통제 사용 가이드 승인, 기록, 모니터링 핵심 정리 에이전트는 챗봇이 아니라 디지털 직원에 가깝습니다. 기능을 추가하기 전에 권한과 실행 기록을 설계해야 합니다....
자세한 내용 보기