기획하는 리더를 위한
8주 AI 실전 여정

Before the agent can build, the planner must imagine.

이 과정은 기술자를 키우는 과정이 아닙니다. 조직 현장의 AI 리더, 즉 자기 부서의 문제를 가장 잘 이해하고 동료에게 AI 활용을 코칭·확산할 수 있는 사람을 키우는 과정입니다. 수강생은 REST API의 내부나 벡터 DB의 작동 원리를 파고들지 않습니다. 대신 "어떤 재료를 어떤 순서로 엮으면 이 문제가 풀릴까"를 아키텍처로 그릴 수 있게 됩니다. 구현은 에이전트가 합니다.

전체 8회차는 세 개의 큰 구간으로 구성됩니다. 1~3회차는 AI 서비스 생태계를 재료 창고로 삼아 워크플로우를 기획하는 구간, 4~5회차는 보안 환경에서 AI 어시스트로 코드를 받아 실행하는 바이브 코딩 구간, 6~8회차는 에이전트 도구로 본격 개발에 들어가 RAG·웹서비스·API·MCP를 조합해 풀스택 서비스를 기획·구축하는 구간입니다.

SESSION 01AI 에이전트 시대의 개막과 구현 지형도AI 리더의 기술 지형과 환경 세팅

과정의 출발점에서 수강생은 두 가지를 얻어야 합니다. 하나는 지금 우리가 서 있는 기술적 위치에 대한 감각입니다. Bard와 PaLM에서 시작해 GPT 시대를 거쳐 에이전트 시대로 넘어온 짧지만 격렬한 진화사를 한 호흡에 정리하고, MicroGPT를 간단히 뜯어보며 트랜스포머의 Q·K·V와 멀티헤드 구조를 시각적으로 체감합니다. 프롬프트가 어떻게 컨텍스트로, 컨텍스트가 어떻게 하네스로 진화해왔는지도 같은 맥락에서 짚습니다. 깊이 파지 않습니다. 이 과정이 왜 지금 필요한지 납득시키는 것이 목적입니다.

다른 하나는 이 과정이 끝나면 무엇을 만들 수 있게 되는가에 대한 구체적 그림입니다. 조직 현장에서 실제로 도입 가능한 "민첩한 AI" 9가지 구현 유형을 개괄로 보여줍니다. 수강생은 각 유형이 무엇인지, 어느 회차에서 어떻게 다뤄지는지 미리 머릿속에 지도를 그리게 됩니다.

이 회차에서 다루는 것

• AI·NLP 트렌드 개괄 — Bard/PaLM → GPT → Agent 진화사
• MicroGPT로 트랜스포머 개념 터치 (Q·K·V, 멀티헤드)
• 프롬프트의 진화 — 프롬프트 → 컨텍스트 → 하네스
• 프론티어 모델 지형도 (GPT / Claude / Gemini / Grok / 오픈소스)
• 9가지 구현 유형 개괄 — 이 과정에서 만들 수 있는 것
• 보안 환경의 현실과 학습 전략
• 환경 세팅 — Git, GitHub, WSL, Vercel, Netlify, Node.js, Python, VS Code, Power BI Desktop
• 공용 발굴 노트·아카이브 저장소 개설
• 수강생별 미션 선언 — 현업 과제 1개와 목표 유형 지정

SESSION 02프론티어 모델 심층 탐구와 AI 도구 생태계 50선재료 창고를 가득 채우는 시간

AI 리더의 무기는 알고 있는 도구의 개수가 아니라 새 서비스가 나와도 당황하지 않는 적응력입니다. 이 회차는 그 적응력을 몸에 새기기 위해 두 층위로 진행됩니다. 앞의 절반은 플래그십 모델들의 숨은 킥을, 뒤의 절반은 50개 AI 도구 사이트를 카테고리별로 훑는 투어입니다.

앞 절반에서는 ChatGPT·Claude·Gemini·Perplexity 같은 주류 플래그십 모델을 단순 소개가 아니라 "남들이 잘 모르는 킥" 중심으로 파헤칩니다. Grok과 Z.AI 같은 대안도 함께 다룹니다. 이어서 DeepSeek·Qwen·MiniMax 등 중국 계열은 "이런 게 있다" 수준으로 사이트에 한 번 들어가보는 것으로 정리합니다(조직 데이터 업로드는 엄격히 금지). 그리고 Ollama·LM Studio·AnythingLLM·MSTY 같은 로컬 모델 도구를 직접 설치해 한 번씩 돌려봅니다. 이 경험은 5회차 VBA 엑셀 AI 함수와 7회차 Ollama RAG로 이어지는 복선입니다.

뒤 절반은 50개 사이트를 10개 카테고리로 쭉 훑는 집중 투어입니다. 빠른 호흡으로 쏟아붓되, 각 도구의 UI 공통 패턴을 관찰하게 합니다. "새 서비스가 나오면 5분 안에 파악하는 루틴"을 체크리스트로 만드는 것이 이 회차의 진짜 목표입니다.

플래그십 · 오픈소스 모델 (Part A)

• ChatGPT — Projects, Custom GPTs, Canvas, o1/o3 추론, 메모리, Agent 모드
• Claude — Projects, Artifacts, Skills, Computer Use, 긴 컨텍스트, Styles
• Gemini — Deep Research, Canvas, Gem, Workspace 통합
• Perplexity — Spaces, Pages, Focus 모드, Labs
• Grok · Z.AI — 실시간 검색, GLM 계열 접근법
• DeepSeek · Qwen · MiniMax — 한 번 들어가보기 (데이터 업로드 금지)
• 로컬 모델 설치 체험 — Ollama, LM Studio, AnythingLLM, MSTY + Llama/Qwen/Gemma 소형 모델

AI 도구 생태계 50선 카테고리 투어 (Part B)

• 문서·슬라이드 생성 — Gamma, Genspark, Napkin, Tome, Beautiful.ai
• 이미지 생성 — Midjourney, Ideogram, Flux, Nano Banana, Recraft
• 이미지 편집·업스케일 — Magnific, Krea, Hikshield
• 영상 생성 — Runway, Kling, Sora, Pika, Hailuo
• 음성·음악 — ElevenLabs, Suno, Udio
• 음성→텍스트·회의록 — Whisper, Clova Note, Otter, Fireflies
• 번역·언어 — DeepL, Lilys AI
• 논문·학술 검색 — Elicit, Consensus, Scite, SciSpace, ResearchRabbit
• 검색·리서치 — Exa, Phind, Felo, Liner
• 데이터·분석 — Julius, Rows AI, Code Interpreter

SESSION 03메타 프롬프트 설계와 AI 서비스 워크플로우 오케스트레이션프롬프트 기법을 외우지 않고, 워크플로우를 짠다

이 회차의 앞부분은 메타 프롬프트입니다. 역할·맥락·제약·예시 같은 전통적인 프롬프트 기법을 외우는 방식이 아닙니다. 생성 AI에게 "내 상황은 이렇고 목표는 이것이니 최적 프롬프트를 설계해달라"고 요청해 프롬프트 자체를 AI에게 만들게 하는 접근입니다. 생성된 프롬프트는 다른 모델에 돌려 교차 검증하고 개선합니다.

핵심은 프롬프트 공유 문화입니다. 20~40명이 각자 자주 쓰는 프롬프트 2개씩만 메타 프롬프트로 만들어 공용 저장소에 등록해도 80개 시드 라이브러리가 확보됩니다. 동료의 프롬프트를 자기 부서 맥락에 맞게 변형해 재사용하는 훈련, 실패한 프롬프트도 왜 실패했는지 메모해 공유하는 훈련이 AI 리더 역할의 본질과 닿아있습니다.

회차의 메인은 AI 서비스 워크플로우 오케스트레이션입니다. 이 단계에서는 에이전트 툴을 쓰지 않습니다. 2회차에서 채운 재료 창고 안의 AI 서비스들을 여러 개 이어 붙여 하나의 과제를 푸는 경험이 학습 목표입니다. 강사가 6가지 워크플로우 타입을 모두 시연한 뒤, 수강생은 그중 하나를 재현하거나 자기 현업 과제를 직접 조립합니다.

메타 프롬프트 (Part A)

• 메타 프롬프트 개념 — 프롬프트를 AI에게 만들게 하는 접근
• 교차 검증 — 생성된 프롬프트를 다른 모델에 돌려 개선
• 시스템 프롬프트 · 프로젝트 지침 · Custom GPT 지침 메타 생성
• 프롬프트 공유 활동 — 1인 2개 × 20~40명 = 80개 시드 라이브러리
• AI 리더가 자기 부서로 이식하는 가이드

AI 스마트 워크플로우 6가지 타입 (Part B)

• 문서 취합·변환 — 보고서 30건 통합, PDF 100페이지 브리핑, 회의록 요약
• 데이터 분석·시각화 — CSV 10종 조인 분석, 데이터 대시보드
• 문서 변환·재구성 — 엑셀→슬라이드 4경로 시연, 정책 문서→안내문→카드뉴스
• 논문·리서치 — 논문 10편 메타 요약, 벤치마킹, 주간 브리핑 자동화
• 이미지·콘텐츠 생성 — 보고서 인포그래픽, 캠페인 SNS 카드, 안내문 포스터
• 영상 콘텐츠 — 보고서→스크립트→TTS→영상 파이프라인

SESSION 04어시스트 바이브 코딩 ① 데이터 시각화와 분석보안 환경에서 코드를 받아 실행한다

보안이 중요한 조직에서는 Claude Code나 Cursor, Codex 같은 에이전트 도구를 폐쇄망에서 자유롭게 쓸 수 없습니다. 이 현실이 4회차와 5회차의 구조를 결정합니다. 외부에서 ChatGPT·Claude·Gemini의 어시스트로 코드를 받고, 그 코드를 검증해 내부에서 실행하는 루틴이 이 두 회차의 공통 토대입니다. 에러가 나면 로그를 다시 외부로 가져가 수정받는 사이클을 몸에 익힙니다. 민감 데이터는 반드시 비식별화한 뒤에만 질문합니다.

4회차는 이 루틴 위에서 데이터 시각화와 분석을 다룹니다. 내용이 많아 강사가 수강생 수준과 관심에 따라 모듈을 선택해 진행하는 구조입니다. 파이썬 시각화, HTML/JS 시각화, Power BI + DAX, pandas 분석, scikit-learn 머신러닝 맛보기, 그리고 약 1시간의 딥러닝 맛보기까지 일곱 모듈이 준비됩니다. 마지막에는 .ipynb 분석 결과를 AI에 전달해 자연어 보고서로 변환하는 실습으로 마무리합니다.

보안 환경 바이브 코딩 루틴 (Part A)

• 왜 어시스트로 먼저 배우는가 — 보안 환경의 현실
• 요구사항을 AI에 전달하는 법 — 데이터 구조·기대 출력·제약 명시
• 에러 로그 복붙 → 수정 요청 → 재실행 사이클
• 민감 데이터 비식별화 원칙
• 파이썬 가상환경·패키지·한글 폰트 점검

강사 선택 모듈 (Part B~H)

• 파이썬 시각화 — matplotlib, seaborn, plotly, 한글 폰트
• HTML · JS 시각화 — Chart.js, ECharts, D3, CDN 로컬화 (유형 5 접점)
• Power BI + DAX — Power Query, 측정값, 데이터 대시보드
• pandas 데이터 분석 — 읽기·필터·그룹·조인·피벗, EDA
• scikit-learn 머신러닝 맛보기 — 회귀·분류·비지도
• 딥러닝 맛보기 (약 1시간) — MLP 정도까지 or MicroGPT 더 파보기
• 분석 보고서 자동화 — .ipynb → AI → 1페이지 브리핑

SESSION 05어시스트 바이브 코딩 ② 업무 자동화와 로컬 AI 연동반복 업무를 체질로 줄이는 기술

5회차는 여전히 어시스트 모드입니다. 다만 주제가 업무 자동화로 넘어옵니다. 파일 시스템 제어와 엑셀·PDF·메일 자동화부터 시작해, 조직 현장의 핵심 포맷인 문서 자동화에 약 2시간을 할애합니다. pyhwpx와 win32com을 통한 HWP/DOCX OLE 제어, 30개 문서에서 데이터를 일괄 추출해 통합 문서로 만드는 실습이 포함됩니다.

이 회차의 하이라이트는 엑셀 AI 함수입니다. GPT for Sheets and Docs의 =GPT() 같은 함수를 VBA + Ollama로 완전 폐쇄망에서 동작하게 만듭니다. 2회차에서 설치해둔 Ollama가 로컬에서 돌고 있으면, 엑셀 셀에서 =AI_SUMMARIZE(A1), =AI_CLASSIFY(A1,"긍정/부정/중립"), =AI_EXTRACT(A1,"날짜") 같은 함수를 바로 호출할 수 있게 됩니다. 외부 API 없이, 완전히 부서 PC 안에서 동작하는 AI 함수입니다. 이것이 9가지 유형 중 유형 2(VBA + 로컬 sLLM)의 핵심 실습입니다.

회차 말미에는 Node.js 맛보기로 유형 6의 감각만 잠시 열어두고, 4·5회차 어시스트 경험을 회고합니다. "어시스트만으로 어디까지 가능했고, 어디서 막혔나"를 수강생 스스로 정리하는 과정이 6회차 에이전트 진입의 자연스러운 다리가 됩니다.

파이썬 업무 자동화 (Part A)

• 파일 시스템 제어 — 폴더 순회·분류·이름 정리·백업
• 엑셀 자동화 — openpyxl, pandas, 다중 시트·피벗
• PDF 자동화 — 병합·분할·추출·워터마크
• 메일 자동화 — smtplib, Outlook
• 웹 스크래핑 기초 — requests, BeautifulSoup

문서 포맷 자동화 · 약 2시간 (Part B)

• pyhwpx 기본 / win32com HWP·DOCX OLE 제어
• 일괄 텍스트 추출·치환, 문서 30개 → 통합 데이터
• 양식 자동 채우기, 조직 문서 포맷 변환

엑셀 AI 함수 · VBA + Ollama 연동 (Part C)

• VBA로 Ollama API 호출하는 래퍼 함수 작성
• =AI_SUMMARIZE(A1) · =AI_CLASSIFY() · =AI_EXTRACT() · =AI_TRANSLATE() · =AI_ASK(A1,B1)
• 완전 폐쇄망 동작 — 외부 API 없음
• 실무 사례 — 민원 분류, 제목 요약, 카테고리 태깅

Node.js 맛보기 · 통합 과제 · 회고 (Part D~F)

• Node.js 단일 파일 스크립트 (유형 6 맛보기, 본격 개발은 6회차로)
• 수강생 각자 현업 반복 업무 1개 자동화 — 파이썬/HWP/VBA+Ollama/Node 중 선택
• 어시스트의 한계 회고 → 6회차 에이전트 진입 브릿지

SESSION 06AI 에이전트 툴 마스터리와 에이전트 기반 개발 입문기획서로 말하고 에이전트가 만든다

6회차부터 관점이 완전히 바뀝니다. 지금까지는 AI에게 한 가지씩 물어보는 조수 모드였다면, 이제부터는 팀원에게 프로젝트를 통째로 맡기는 모드입니다. 이 차이를 수강생이 체감하는 것이 이 회차의 출발점입니다. 루프·도구 호출·자율 반복 같은 개념은 기술 용어 없이 일하는 방식의 차이로 설명합니다.

Claude Code, Antigravity, Codex CLI, Cursor, OpenCode 같은 에이전트 도구를 한 바퀴 돕니다. 설치하고 기본 명령을 손에 익히는 수준까지만 갑니다. Rule, Skill, Sub-agent 같은 확장 개념은 "이런 게 있고, 에이전트가 스스로 쓴다" 정도로 터치합니다. 수강생의 역할은 이 도구들의 성격 차이를 감각적으로 구분하는 것입니다. 어떤 도구가 더 자유롭게 움직이는지, 어떤 도구가 더 얌전한지.

후반부는 에이전트에게 일 시키는 법을 다룹니다. 요구사항을 코드가 아닌 아키텍처로 그려 전달하는 법, 에이전트가 막혔을 때 단계 관점에서 확인하는 법, 결과물을 검수하는 체크리스트. 그리고 곧바로 실습으로 들어가 4·5회차에서 어시스트로 만들었던 것을 에이전트로 다시 만듭니다. 같은 과제를 두 방식으로 경험하면서 차이를 체감합니다.

에이전트 도구 한 바퀴 (Part A~B)

• 어시스트 vs 에이전트 — 일하는 방식의 차이
• Claude Code / Antigravity / Codex CLI / Cursor / OpenCode
• 슬래시 명령어 · Rule · Skill · Sub-agent 개념 감각
• 도구별 성격 차이, 어떤 상황에 어떤 도구를 쓸지 판단 프레임

에이전트에게 일 시키는 법 (Part C)

• 요구사항을 아키텍처로 그려 전달하기
• "데이터 → 처리 → 결과물" 흐름으로 말하기
• 막혔을 때 단계 관점에서 확인하는 법
• 결과물 검수 체크리스트 — 동작·정확·배포 가능성

에이전트로 첫 개발 · 유형 3·4·5 (Part D)

• 유형 3 — 파이썬 독립 프로그램 (tkinter/PyQt → PyInstaller)
• 유형 4 — Electron 앱 맛보기
• 유형 5 — HTML+CSS+JS 단일 파일 앱
• 4·5회차 어시스트 버전과 비교 — "같은 걸 어떻게 다르게 만드는가"

SESSION 07RAG 파이프라인과 웹서비스 구축재료로서의 RAG 감각 익히기

RAG를 기술자 버전이 아니라 기획자 버전으로 이해하는 회차입니다. RAG는 "내 문서 창고를 AI가 뒤져서 답하게 하는 구조"이고, 파이프라인은 네 단계로만 기억하면 됩니다. 넣기·쪼개기·찾기·답하기. 문서를 넣고(파싱), 의미 단위로 자르고(청킹), 질문과 비슷한 조각을 꺼내오고(벡터 검색), 그 조각을 AI에게 넘겨 답을 만드는 것. 리랭크·하이브리드·GraphRAG 같은 고급 기법은 "정확도를 올리는 옵션" 수준으로 이름만 알아둡니다. DeepSeek-OCR, 한컴 PDF 파서, LangChain 문서 로더 같은 것도 "이런 재료가 있다" 목록으로 충분합니다.

실습은 에이전트에게 맡깁니다. "Ollama + 내 PDF 10개로 부서 Q&A 만들어줘"라고 요청하고, 완성된 결과물에서 어디를 바꾸면 뭐가 달라지는지 실험하는 방식입니다. 이 경험이 법령 RAG, 매뉴얼 RAG, 회의록 RAG 같은 실무 사례 기획으로 확장됩니다.

웹서비스 역시 재료로 이해합니다. 프론트(보는 곳)와 백엔드(일하는 곳), 그리고 저장소. 이 3덩어리만 머리에 있으면 됩니다. FastAPI나 Express 같은 프레임워크 선택은 에이전트가 알아서 합니다. 수강생이 할 일은 프론트+백엔드+RAG 결합을 아키텍처 그림으로 그리고 에이전트에게 구현을 맡기는 것입니다. 외부에서 개발해 폐쇄망으로 이관하는 체크리스트도 함께 다룹니다.

RAG 파이프라인 — 4단계로 기억하기 (Part A)

• 넣기 — DeepSeek-OCR, 한컴 PDF 파서, LangChain 로더 (재료 목록)
• 쪼개기 — 의미 단위 청킹, 임베딩 = "AI가 이해하는 지문"
• 찾기 — 벡터 DB (Chroma, FAISS)로 유사 조각 검색
• 답하기 — 찾은 조각을 AI에게 넘겨 답 생성
• 고급 옵션 — 리랭크, 하이브리드, GraphRAG (이름만)

에이전트로 RAG 구현 · 유형 7 (Part B)

• Ollama 기반 로컬 RAG 만들기 — 완전 폐쇄망 동작
• 간단 RAG → 복잡 RAG로 단계 확장
• 실무 사례 기획 — 법령 RAG, 매뉴얼 RAG, 회의록 RAG
• RAG 방식 연구논문 메타분석 과제

백엔드 결합 웹서비스 · 유형 8 (Part C)

• 웹서비스 3덩어리 — 프론트 + 백엔드 + 저장소
• 프론트+백엔드+RAG 결합을 아키텍처 그림으로
• 에이전트에게 통째로 맡기기
• 외부 개발 → 폐쇄망 이관 체크리스트

코드 기반 콘텐츠 자동화 (Part D)

• Remotion으로 데이터 기반 영상 자동화
• SVG 생성 자동화 — 데이터 → 차트/인포그래픽

SESSION 08API · MCP 기반 멀티 에이전트 아키텍처 기획 및 구축조합의 끝판, 기획자로 완성되는 회차

마지막 회차는 아키텍처 기획자로 완성되는 자리입니다. API와 MCP를 인문학도의 언어로 이해하고, 그 위에서 비즈니스 모델 캔버스를 그리듯 AI 아키텍처를 1장에 설계하는 워크숍이 이 회차의 하이라이트입니다.

API는 "남이 만들어 놓은 기능을 호출해 쓰는 창구"입니다. 구성 원리는 단순합니다. 질문을 보내면 답이 옵니다. 끝. 수강생이 알아야 할 상식은 세 가지뿐입니다. 키는 비밀번호니까 노출 금지, 공짜가 아닐 때가 많으니 쿼터·요금 주의, 가끔 실패하니 재시도 필요. REST·헤더·JSON 같은 말은 에이전트가 알아서 처리합니다. 수강생이 알아야 할 진짜 질문은 "이 서비스에 API가 있는가? 있다면 뭘 할 수 있는가?"입니다. 이 관점에서 다양한 실무 API를 재료 카드로 정리합니다.

MCP는 "에이전트가 외부 도구를 꽂아 쓰는 표준 콘센트"로 이해합니다. 기존 MCP 서버 카탈로그를 재료 목록처럼 훑고, 에이전트에 MCP를 연결하는 것은 설정 한 번 수준으로 시연합니다. 직접 MCP 서버를 만드는 것조차 에이전트에게 맡기면 됩니다.

이 모든 것 위에서 AI 아키텍처 캔버스 워크숍이 열립니다. 트리거·재료·처리·시스템 프롬프트·산출물·배포 여섯 칸에 각자의 미션을 1장으로 설계합니다. 동료 캔버스를 리뷰하고, 에이전트에게 전달해 구현시키고, 결과를 검수해 캔버스를 수정하는 사이클이 이 회차의 마지막 실습입니다. 최종 발표는 1회차에 선언한 미션이 어떻게 현실이 됐는지 연결하는 자리입니다.

API를 인문학도의 언어로 (Part A)

• API = 남이 만들어 놓은 기능을 호출해 쓰는 창구
• 상식 세 가지 — 키 보안, 쿼터·요금, 재시도
• REST·헤더·JSON 같은 말은 에이전트가 알아서
• 수강생의 진짜 질문 — "이 서비스에 API가 있는가?"

실무 API 카탈로그 투어 (Part B)

• OpenWeather · SerpAPI · 국가법령정보 · 기상청 API 허브 · 공공데이터포털 · 각종 산업별 API
• 각 API를 재료 카드로 정리 — 어떤 데이터를 주는가 / 어디에 쓸 수 있는가
• 수강생별 "쓸만한 API 1개 발굴" 공유

MCP를 인문학도의 언어로 (Part C)

• MCP = 에이전트가 외부 도구를 꽂아 쓰는 표준 콘센트
• 기존 MCP 서버 카탈로그 투어
• 에이전트에 MCP 연결하기 — 설정 한 번 시연
• MCP 서버 직접 만들기 — 에이전트에게 맡기면 된다

워크숍 · 구현 · 최종 발표 (Part D~F)

• 강사 시연 — 예: 날씨 API + 재해 API + AI 프롬프트 → 안내 문자 → 엑셀 저장
• 강사 시연 — 법령 API + 부서 RAG + AI 분석 → 영향 브리핑 슬라이드
• 수강생 워크숍 — 1회차 미션을 캔버스 1장으로, 동료 리뷰, 에이전트 구현, 검수
• 단일 에이전트 vs 멀티 에이전트 선택 (기획 관점)
• 멀티 에이전트 7가지 유형을 "조합 패턴 카드"로
• 최종 발표 — 1회차 미션 ↔ 8회차 산출물 연결, 현업 복귀 후 코칭·전파 계획