방대한 데이터 속에서 진짜 Insight를 뽑아내는 법을 다룸
1) AI 리서치 파트너
- 업무에서 큰 결정을 내릴 때, 시간은 촉박하고 빠르게 결정을 해야하는 상황에 확신을 갖기 위해서는 많은 정보가 필요함
- 하지만 경쟁사 분석이나 산업 트렌드 리포트 하나를 만드는 데는 수일에서 수개월이 걸림
- 이 강의는 바로 그 지점에서 AI를 강력한 리서치 파트너로 활용해 불확실성을 확신으로 바꾸는 방법을 제안함
리서치 패러다임
-
AI는 단순히 보고서를 빨리 만드는 도구가 아님 -> 리서치 패러다임을 바꿈
-
AI 수행 역할
- 방대한 소스 탐색 : 다양한 출처를 샅샅이 뒤져 핵심 요점을 찾음
- 깊이 있는 이해 : 단순 정보 나열이 아닌, 주제에 대한 깊은 이해를 구축하도록 도움
-
하지만 그럼에도 변하지 않는 원칙
- AI를 쓰더라도 정보 검증과 나만의 논리 구축은 여전히 인간의 몫임
- 모호하고 어려운 문제의 최종 결정은 결국 사람이 내려야 함
3가지 핵심도구
(1) Deep Research (심층 조사)
- 기능: 사용자를 대신해 여러 소스를 찾고 분석하며, 발견한 내용을 종합(Synthesize)하고 추론(Reasoning)
- 검색창에 키워드 하나 넣고 끝나는 게 아니라, AI가 스스로 연관된 정보를 파고들어 깊이 있는 결과물을 내놓는 과정
- e.g. 예전에는 구글링을 1시간 해서 자료 10개를 직접 읽어야 했다면, 이제는 AI에게 A 시장의 향후 5년 전망을 경쟁사 B, C와 비교해서 분석해줘라고 시키면 AI가 수십 개의 페이지를 읽고 구조화된 리포트를 써주는 기능
(2) NotebookLM (정보 관리 및 요약)
- 기능: 리포트, 기사, 웹사이트, 회의록 등 흩어진 자료에서 핵심 정보를 추출
- 텍스트뿐만 아니라 오디오, 비디오 형식으로도 유용한 요약본을 만들어 줌
- 수많은 문서 속에 숨겨진 '금쪽같은 정보(Nuggets)'를 놓치지 않게 도움을 줌
(3) Gem (커스텀 AI 전문가)
- 기능: 특정 주제에 특화된 나만의 맞춤형 AI 전문가를 만듦
- 언제든 질문을 던지거나 아이디어를 주고받을 수 있는(Bounce around ideas) '나만의 전략 컨설턴트'를 고용하는 것과 같음
- e.g. 자바 백엔드 코드 리뷰 전문가 젬을 미리 설정해두면, 매번 상황을 설명할 필요 없이 바로 전문적인 답변을 얻을 수 있음
2) NotebookLM : 멀티모달 정보를 하나로 엮는 기술(Synthesis)
- 단순히 글자만 읽는 AI는 지남, 이제는 영상과 음성 데이터까지 한곳에 넣고 분석하는 시대
핵심 키워드 및 개념 설명
- Multimodal Inputs
- 텍스트뿐만 아니라 비디오(YouTube 링크 등), 오디오, 이미지 등 다양한 형태의 데이터를 동시에 처리할 수 있는 능력을 말함
- Linked Citations
- AI가 답변을 내놓을 때 "이 내용은 업로드하신 영상의 2분 30초 지점에 나온 내용입니다"라고 정확한 출처를 짚어주는 기능
- 정보의 신뢰성을 확보하는 데 결정적임
- Synthesize : 여러 곳에 흩어져 있는 정보를 단순히 모으는 게 아니라, 논리적으로 엮어서 하나의 완성된 통찰로 만들어내는 '합성' 과정을 의미함
주요 특징
- 멀티모달 분석
- 텍스트 파일, YouTube 영상, 회의 녹음본을 한꺼번에 학습시킬 수 있음
- 근거 중심 답변
- 모든 답변에 '출처(Citations)'가 연결되어 있어, 원본 데이터의 어디를 참고했는지 즉시 확인 가능
- 맞춤형 포맷
- 학습한 내용을 블로그 포스트, FAQ, 가이드북 등 내가 원하는 형식으로 자유롭게 변환함
실전 Lab: NotebookLM으로 멀티모달 요약 생성하기
(1) 소스 업로드 : 준비된 텍스트 문서와 비디오 파일을 NotebookLM에 로드함
(2) 요약 생성 : AI가 서로 다른 형태의 데이터를 어떻게 하나의 맥락으로 있는지 확인
(3) 포맷 최적화 : 내가 보기 편한 방식(요약본, FAQ 등)으로 결과물을 변환해보기
퀴즈 생성
마인드맵 생성
데이터표 생성
슬라이드 자료 생성
100페이지 리포트, 이제 읽지 말고 듣기
- AI 팟캐스트 생성
- 업로드한 문서를 바탕으로 AI 호스트들이 대화하며 핵심을 짚어줌(단순 낭독보다 훨씬 몰입감이 높음)
- 멀티태스킹 최적화
- 산책, 운전, 운동 중에도 20 ~ 100페이지 분량의 연구 리서치 내용을 귀로 파악할 수 있음
- 실시간 질의응답
- 듣다가 더 궁금한 점이 생기면 즉시 질문하여 깊이 있는 정보를 얻을 수 있음
3) Gem-erator 시스템 구축
Gem(잼) : 사용자가 특정 목적에 맞게 지시어를 입력해 만든 맞춤형 AI
- Gem을 하나씩 따로 쓰는 단계를 넘어, AI가 AI를 관리하는 체계를 만드는 것이 가능함
'Gem-erator' 구조 (계층형 AI 팀)
(1) 대장 Gem (Project Manager)
- 전체 프로젝트의 흐름을 관리하며, 어떤 전문 지식이 필요한지 판단
(2) 하위 Gem 생성
- 대장 Gem에게 "광고 문구가 필요해"라고 하면, 광고 문구 작성에 최적화된 페르소나와 지침(Instruction)을 대장 Gem이 짜줌
(3) 업무 배분
- 상황에 맞춰 적재적소의 특화 Gem(광고용, 메시징용, 코드 리뷰용 등)에게 업무를 토스
장점
- 일관성
- 대장 Gem이 가이드를 잡아주기 때문에 하위 Gem들의 업무 방향이 일관됨
- 세부 최적화
- 아주 좁은 영역(Niche)에 특화된 문서를 학습시키거나 특정 말투(Tone)를 입히기 쉬움
- 효율성
- 매번 새로운 전문가 설정을 고민할 필요 없이, 대장 Gem과 상의해서 팀원을 늘려가면 됨
실습
1단계: '대장 Gem' 생성 (팀 빌더 & 아키텍트)
-
이 Gem은 직접 코딩하기보다, 특정 상황에 맞는 최적의 '하위 실무자 Gem'을 설계해 주는 역할을 함
-
Gemini에서 [Gem 만들기] 클릭
-
이름: 백엔드 팀 빌더 (Architect)
-
지침(Instructions)에 입력:
"너는 Java/Spring Boot 생태계에 정통한 시니어 아키텍트야.
내가 특정 개발 태스크(리팩토링, 테스트 코드, API 설계 등)가 필요하다고 하면,
그 업무를 전담할 '전문가 Gem용 지침(Instructions)'을 작성해줘.
답변에는 반드시 [전문 분야(Persona), 중점 검토 사항(Key focus), 답변 스타일, 필수 포함 기술 스택]을 포함해서 텍스트 블록으로 제공해줘.
하위 Gem들이 생성할 코드는 가독성, 유지보수성, 성능을 모두 고려하도록 지시해."2단계: '하위 Gem' 생성 예시 (대장에게 요청해서 만든 결과물)
-
이제 대장 Gem에게 요청해서 나온 결과물들을 하나씩 '실무자'로 등록
-
하위 Gem ①: [JPA/QueryDsl 튜너]
- 용도 : 복잡한 쿼리 최적화, N+1 문제 해결, 데이터베이스 매핑 검토.
- 설정 지침 예시: > "너는 JPA 성능 최적화 전문가야. 사용자가 엔티티 구조나 쿼리를 주면 페치 조인(Fetch Join) 필요성, 인덱스 활용 여부, 벌크 연산 최적화 관점에서 리뷰해줘. 실행 계획을 예측해서 병목 지점을 짚어줘."
-
하위 Gem ②: [JUnit 테스트 빌더]
- 용도 : TDD 지원, 경계값 테스트 케이스 생성, Mockito 활용.
- 설정 지침 예시: > "너는 단위 테스트 작성 전문가야. Java 코드를 받으면 Happy Path뿐만 아니라 Edge Case(예외 상황)를 포함한 JUnit 5 테스트 코드를 작성해줘. Given-When-Then 패턴을 엄격히 지키고, Mockito를 사용해 의존성을 분리해."
-
하위 Gem ③: [코드 리팩토링 사수]
- 용도 : 클린 코드 적용, 디자인 패턴 제안, 중복 제거.
- 설정 지침 예시: > "너는 클린 코드 전도사야. 기존 코드를 받으면 SOLID 원칙과 디자인 패턴을 적용해 더 읽기 쉬운 코드로 제안해줘. 왜 그렇게 수정했는지 이유를 주석이나 설명으로 덧붙여줘."
3단계: 실제 협업 시나리오 (Workflow)
-
실제 상황 : 복잡한 비즈니스 로직을 짜야 함
-
대장 Gem에게 물어봄 : "이번에 복잡한 정산 로직을 짜야 하는데, 어떤 Gem들을 만들어서 검토받는 게 좋을까?"
-
대장 Gem의 가이드 : "먼저 도메인 로직 설계 Gem으로 구조를 잡고, JPA 튜너 Gem으로 쿼리를 검토받은 뒤, 테스트 빌더 Gem으로 검증해."
-
실행 : 대장이 시키는 대로 각각의 전문 채팅방(Gem)에 들어가서 작업을 완료
Backend development