401. 챗봇 만들기 — GPTs · Gems
챗봇 만들기 — GPTs · Gems
- 일반 챗GPT와 커스텀 챗봇(GPTs·Gems)의 차이를 이해하고, 코드 없이 사내 업무용 챗봇을 만들 수 있다.
- 커스텀 챗봇의 핵심 구성요소 지침(Instructions)·지식베이스(첨부파일)·부가기능(Action)을 설계한다.
- 만든 챗봇을 팀에 공유해, 표준 프롬프트를 박아 누가 써도 같은 품질의 결과를 낸다.
커스텀 챗봇의 구성요소
학습 안내읽기. "왜 매번 긴 프롬프트를 다시 쓰지 말고 챗봇으로 만들어 두는가"를 한 문장으로 정리해 보십시오. 비교표에서는 "매번 vs 한 번" 차이에, 구성요소에서는 지침·지식·부가기능 세 칸에 주목하면 됩니다.
일반 챗GPT는 대화창 하나에서 매번 역할과 자료를 다시 설명해야 합니다. 커스텀 챗봇(ChatGPT의 GPTs, Gemini의 Gems)은 자주 시키는 작업의 역할·규칙·참고 자료를 한 번 박아 두는 전용 챗봇입니다. 한 번 만들어 두면 긴 프롬프트 없이 대화만으로 같은 품질의 결과가 나오고, 팀에 공유하면 누가 써도 동일한 표준 결과를 얻습니다.
일반 챗GPT vs 커스텀 챗봇(GPTs)
| 구분 | 일반 챗GPT | 커스텀 챗봇 (GPTs · Gems) |
|---|---|---|
| 역할·맥락 | 대화마다 매번 다시 설명 | 지침에 한 번 고정 |
| 참고 자료 | 매번 첨부·붙여넣기 | 지식베이스에 상시 탑재 |
| 품질 일관성 | 그날 프롬프트·사용자에 따라 들쭉날쭉 | 누가 써도 같은 표준 결과 |
| 외부 연동 | 기본 대화 위주 | 부가기능(Action)으로 외부 시스템 호출 |
| 공유 | 프롬프트를 사람마다 복사·전달 | 링크 하나로 팀에 공유 |
커스텀 챗봇의 핵심 구성요소 3가지
Instructions
Knowledge · 첨부파일
Action
HR Q&A 챗봇
인사 · 공통학습 안내둘러보기 또는 따라하기. 실제로 만들어 공유까지 한 HR 챗봇입니다. 아래 완성본 링크로 먼저 써 본 뒤, 같은 지침·지식베이스 파일로 직접 만들어 보십시오. 핵심은 지침(.md)과 규정집(.md) 두 파일이 각각 챗봇의 "행동 규칙"과 "답변 근거"가 된다는 점입니다.
비즈니스 상황 — 인사팀에 같은 질문이 반복된다
"연차 며칠이죠?", "경조휴가 규정이…", "재택 신청 어떻게…" 같은 문의가 인사팀에 매일 반복됩니다. 사내 인사·복무 규정을 지식베이스로 올린 HR Q&A 챗봇을 두면, 직원은 즉시 답을 받고 인사팀은 반복 응대에서 벗어납니다. 규정에 없는 사안만 사람에게 넘어옵니다.
이 챗봇은 두 개의 마크다운 파일로 만들어졌습니다. 하나는 지침(어떻게 답할지), 하나는 지식베이스(무엇을 근거로 답할지)입니다.
Instructions
Knowledge
지침(Instructions) — 이 챗봇에 넣은 실제 지침
이 챗봇을 만든 순서
- ChatGPT GPT 탐색 → 만들기 → 구성(Configure)으로 들어가 이름을 "회사 HR 사내규정 안내 챗봇"으로 정한다.
- 지침(Instructions)에 위 내용(
지침.md)을 붙여넣는다. - 지식(Knowledge)에
규정집 파일.md를 업로드한다. ※ 공개 가능한 규정·개인정보 없는 문서로 시작. - 대화 스타터에 자주 묻는 질문(연차·경조·재택)을 넣는다.
- 미리보기에서 테스트: 규정에 있는 질문은 근거·담당자와 함께, 규정 밖 질문은 "인사팀 문의" 안내가 나오는지 확인한다.
- 저장 후 공유 범위(링크·팀)를 정한다.
제안서 생성 챗봇
학습 안내둘러보기. "회사 자료를 Knowledge로 박아 두면 무엇이 달라지는가"를 확인합니다. 핵심은 회사 지식을 챗봇 안에 넣어, 고객·요구사항만 주면 회사 톤·강점이 반영된 초안이 나오게 하는 것입니다.
회사 소개서·수행 실적·표준 제안서 템플릿·서비스 단가표(가명) 같은 회사 지식을 Knowledge로 업로드하면, 고객명과 요구사항만 입력해도 회사 강점이 녹아든 제안서 초안이 나옵니다. 매번 회사 소개를 다시 붙일 필요가 없습니다.
Instructions
Knowledge
대화
출판 교정교열 챗봇
출판 · 편집학습 안내둘러보기. 사내 교정 규칙·표기 원칙을 지식베이스로 박아 두면, 편집자가 원고를 붙여넣을 때마다 같은 기준으로 교정 제안이 나옵니다. "수정문 + 변경 사유 표"가 함께 나오는 점에 주목하십시오.
비즈니스 상황 — 교정 기준이 사람마다 다르다
출판사·사보·콘텐츠팀에서 원고 교정교열은 담당자마다 표기 기준이 조금씩 달라 일관성이 떨어집니다. 사내 교정 규칙·표기 원칙·문체 가이드를 지식베이스로 올린 교정교열 챗봇을 두면, 누가 맡아도 같은 기준으로 1차 교정이 되고 편집자는 검토·확정에 집중할 수 있습니다.
이 챗봇은 맞춤법·띄어쓰기 같은 기본 교정에 더해, 회사 고유의 표기 원칙(외래어 표기, 숫자·단위, 금지 표현, 문체 톤)을 지식베이스로 따릅니다. 핵심은 원문의 의미를 보존하면서, 무엇을 왜 고쳤는지 근거를 함께 제시하는 것입니다.
Instructions
Knowledge
대화
예를 들어 다음과 같이 동작합니다.
| 원문 | 수정 | 사유 |
|---|---|---|
| 이번 프로젝트는 약 30%정도 향상되었다. | 이번 프로젝트는 약 30% 향상되었다. | '약'과 '정도' 의미 중복, 숫자·% 띄어쓰기 |
| 컨텐츠 퀄리티를 높혔다. | 콘텐츠 품질을 높였다. | 외래어 표기('콘텐츠')·표준어('높였다'), 사내 권장어 |
| 회의는 3시경에 시작되어집니다. | 회의는 3시쯤 시작됩니다. | 이중피동('되어집니다') 정리, '경'→'쯤' |
회의록 챗봇 만들기
학습 안내산출. 회의록 지침·퓨샷을 Knowledge로 올린 "회의록 작성 봇"을 만듭니다. 완료 기준: 회의 스크립트만 붙여넣으면 표준 회의록(결정사항·액션아이템 표 포함)이 자동으로 나오면 통과.
Knowledge로 올릴 표준 파일은 assets/files/102-마크다운/에 있습니다.
실습 순서
- GPTs(또는 Gems) 만들기로 들어가 이름을 "회의록 작성 봇"으로 정한다.
- 위 Instructions를 붙여넣는다.
- Knowledge에 "회의록 작성 지침"과 "퓨샷 샘플"
.md를 올린다. - Conversation starters에 "회의 스크립트를 붙여넣어 주세요"를 넣는다.
- 테스트: 신사업 기획 회의.md 내용을 붙여넣어, 결정사항·액션아이템 표가 있는 회의록이 나오는지 확인한다.
- 저장하고 공유 범위를 팀으로 설정한다.
더 해보기다른 업무 봇 · 용어집 추가
같은 방식으로 "보고서 교정 봇"이나 "이메일 답장 봇"을 만들어 보십시오. Knowledge에 사내 용어집·톤앤매너 가이드를 추가하면 회사 표현에 맞춘 결과가 나옵니다. GPTs로 만든 봇과 Gems로 만든 봇의 결과를 비교해 보는 것도 좋은 연습입니다.
투자자문 챗봇 만들기
금융 · 자산관리학습 안내산출. 사내 전략 보고서·상품 소개서를 지식베이스로 올려, 고객 페르소나를 입력하면 전략과 상품을 제안하는 투자자문 보조 챗봇을 만듭니다. 완료 기준: 고객 사례를 넣었을 때 전략 제안 → 적합성 점검을 거친 상품 추천 → 출처·유의사항이 포함된 브리핑이 나오면 통과.
시나리오
PB·WM 담당자가 고객을 응대하기 전, 고객의 페르소나(나이·자산·위험성향·목표)와 요청사항을 입력하면 — 챗봇이 사내 전략 보고서를 근거로 맞는 전략을 제안하고, 그 전략에 어울리는 투자 상품을 사내 상품 소개서에서 찾아 추천 브리핑을 만들어 줍니다.
지식자료 — 전략 보고서 5 · 상품 소개서 5
이 챗봇의 품질은 모델이 아니라 어떤 자료를 올렸는가에 달려 있습니다. 그래서 두 종류의 자료를 준비합니다. 두 자료군은 서로 독립적이며(전략과 상품의 짝이 미리 정해져 있지 않음), 챗봇이 상황에 맞게 연결합니다. 모두 마크다운으로 작성된 교육용 가상 샘플입니다.
| 전략 보고서 5종 (S) — '무엇을, 왜' | 상품 소개서 5종 (P) — '무엇으로' |
|---|---|
| S1 · AI 인프라·반도체 성장전략 | P1 · 우리 글로벌 AI·반도체 성장펀드 (위험 2등급) |
| S2 · 금리 인하·채권 인컴 전략 | P2 · 우리 단기우량채 인컴펀드 (위험 5등급) |
| S3 · 한국 밸류업·주주환원 전략 | P3 · 우리 코리아 밸류업 주주환원 ETF (위험 3등급) |
| S4 · 글로벌 자산배분 2026 전략 | P4 · 우리 글로벌 멀티에셋 인컴펀드 (위험 4등급) |
| S5 · 은퇴·인컴 현금흐름 전략 | P5 · 우리 글로벌 자산배분 TDF (위험 4등급) |
전략과 상품은 별개 — AI가 매칭한다
전략 보고서와 상품 소개서는 서로 1:1로 묶여 있지 않습니다. 두 자료는 독립적인 묶음이고, 챗봇이 ① 고객에 맞는 전략을 먼저 정한 뒤 ② 그 전략의 방향(자산군·테마·위험)에 어울리는 상품을 라인업 전체에서 직접 골라 추천합니다. 한 전략에 여러 상품이, 한 상품이 여러 전략에 쓰일 수 있습니다.
AI반도체 · 채권인컴 · 밸류업 · 글로벌자산배분 · 은퇴인컴
성장펀드 · 단기우량채 · 밸류업ETF · 멀티에셋인컴 · 자산배분TDF
예를 들어 은퇴·인컴 전략(S5)이 선택되면, AI는 인컴·현금흐름 성격에 맞는 멀티에셋 인컴펀드(P4)를 고르고 변동성 완충을 위해 단기우량채(P2)를 더하는 식으로 — 정해진 짝이 아니라 내용과 적합성(위험등급)을 보고 조합합니다.
아래는 '안정형 은퇴 준비 고객' 사례를 입력했을 때의 예상 동작입니다.
🧭 고객 요약
58세 은퇴 임박, 안정추구형. 예금 위주 3억 보유. 목표는 안정적 월 현금흐름 확보(원금 손실 최소화 선호).
📈 추천 투자 전략
선택 전략: 「은퇴·인컴 현금흐름 전략」 + 보조로 「금리 인하·채권 인컴 전략」
제안 근거: 투자기간이 짧고 손실 민감도가 높은 은퇴 고객에게는, 성장보다 인컴(현금흐름)과 변동성 관리가 우선입니다. 배당·리츠·인프라·채권을 결합해 월/분기 분배를 만들고, 단기 우량채로 변동성을 낮춥니다.
💼 추천 투자 상품
| 상품 | 위험등급 | 추천 이유 |
|---|---|---|
| 우리 글로벌 멀티에셋 인컴펀드 | 4등급 | 배당+리츠+채권 결합, 월/분기 분배로 현금흐름 창출 |
| 우리 단기우량채 인컴펀드 | 5등급 | 변동성 완화·안정 이자수익, 금리 인하 시 가격 수혜 |
구성 제안(방향): 코어는 단기우량채로 안정성을, 인컴 보강은 멀티에셋 인컴으로. 2등급 성장펀드 등 고위험 상품은 단독 추천하지 않습니다. 정밀 비중·금액은 적합성 평가 결과로 확정합니다.
실습 순서
- GPTs(또는 Gems) 만들기로 들어가 이름을 "우리 투자자문 보조 AI"로 정한다.
- Instructions에
00_챗봇지침_Instructions.md내용을 붙여넣는다. - Knowledge에 전략 5 + 상품 5 = 10개 마크다운 파일을 업로드한다. ※ 모두 교육용 가상 샘플.
- 테스트: "58세 안정추구형 은퇴 준비 고객, 예금 3억, 월 현금흐름 희망" 같은 페르소나를 입력해, 전략 제안 → 적합성 점검을 거친 상품 추천 → 출처·유의사항 브리핑이 나오는지 확인한다.
- 저장하고 공유 범위를 팀으로 설정한다.
1인 1자동화 시대 — 자동화의 주체가 바뀐다
앞 장에서 보았듯, 이제 현업 담당자가 코드 한 줄 없이 자기 업무에 맞는 챗봇을 직접 만듭니다. 이것은 도구 하나가 늘어난 것이 아니라, 업무자동화의 주체가 바뀌는 변화입니다. 더 이상 자동화는 IT팀이 외부 SI 업체에 발주를 주던 일이 아닙니다.
IT팀이 요건을 모아 외부 SI에 발주 → 수개월·고비용. 모두가 똑같이 쓰는 공통 골격만 자동화되고, 부서·개인마다 다른 실제 업무의 결은 담기지 못합니다.
업무를 가장 잘 아는 담당자 본인이 자료와 지침만으로 챗봇을 만듭니다. 오늘 만들어 오늘 쓰고, 내일 바로 고칩니다. 발주서도, 대기 시간도 없습니다.
개인이 자기 업무에 맞는 챗봇을 하나, 둘, 수십 개 만들어 쓰기 시작하면, 외주 자동화로는 닿지 못하던 영역까지 자동화됩니다. 그렇게 만들어지는 자동화는 세 가지 점에서 본질적으로 다릅니다.
전사 1개 시스템이 아니라 사람 수만큼의 자동화. 각자 가장 자주·가장 오래 하는 일부터 자동화해, 자동화가 닿는 면적이 폭발적으로 넓어집니다.
남이 만들어 주길 기다리지 않습니다. 업무를 아는 본인이 직접 만들고 직접 고칩니다. 요건 전달 손실이 없고, 개선 주기가 분 단위로 짧아집니다.
표준 공통 기능이 아니라 내 업무의 결에 딱 맞는 자동화. 우리 팀의 용어·규정·예외 처리까지 반영되어, 외주 표준화로는 불가능한 적합도가 나옵니다.
하나하나는 작지만, 수십 개가 쌓이면 조직 전체의 일하는 방식이 바뀝니다. 챗봇(GPTs/Gems)에서 출발해 바이브코딩으로 가면, 같은 원리로 데이터 대시보드·모니터링 도구까지 현업이 직접 만들게 됩니다.
리더의 질문이 바뀐다 — "누구에게 발주할까"가 아니라 "현업이 안전하게 만들 환경을 어떻게 줄까"입니다. 리더의 역할은 외주 발주·예산 배정이 아니라, 안전하게 쓸 수 있는 사내 자료(마크다운 자산화)·만들기 가이드·기밀 보호 거버넌스 같은 토대를 마련하는 것입니다.
과정 정리
- 일반 챗GPT와 커스텀 챗봇(GPTs·Gems)의 차이를 설명할 수 있다
- 커스텀 챗봇의 세 구성요소(지침·지식베이스·부가기능)를 구분해 설명할 수 있다
- GPTs에 지침과 지식베이스 파일을 넣어 규정 기반 HR Q&A 챗봇을 만들 수 있다
- 규칙·근거는 지식베이스 파일로 분리해, 규정이 바뀌어도 파일만 교체하면 되게 설계할 수 있다
- 만든 챗봇을 팀에 공유해 동일 품질의 결과를 재현할 수 있다
- 전략·상품 지식자료를 올려 고객 페르소나 기반 투자자문 보조 챗봇을 설계할 수 있다