많은 직장인이 AI를 활용해 업무 효율을 높이려 하지만, 정작 제안서, 발표 자료, 인포그래픽을 한데 모아놓으면 당혹감을 느끼곤 합니다. 제안서의 블루와 발표 자료의 블루가 미묘하게 다르고, 폰트가 깨지며, 전체적인 톤앤매너가 제각각인 상황—이것이 바로 '속도'에만 매몰되어 '일관성'을 놓쳤을 때 발생하는 전형적인 문제들입니다.

단순히 AI로 결과물을 빨리 뽑아내는 시대는 지났습니다. 이제는 제미나이(Gemini), 노트북LM(NotebookLM), 클로드(Claude), 파워포인트를 유기적으로 연결하여, 마치 한 사람이 작업한 듯한 완벽한 브랜드 아이덴티티와 전문가 수준의 고품질을 확보하는 '전략적 워크플로우'가 필요합니다. 생산성 전략가의 관점에서 그 핵심 비결 5가지를 공개합니다.

"완전 자동화는 환상이다"—반자동화(Semi-automation)의 힘

AI가 버튼 하나로 완벽한 결과물을 내놓을 것이라는 기대는 오히려 최종 품질을 떨어뜨리는 '평균의 함정'이 됩니다. 진정한 고품질은 AI의 생성 능력과 기획자의 정교한 큐레이션이 결합한 '반자동화' 모델에서 탄생합니다.

"AI로 완전히 자동화를 한다라는 거보다는 반자동화... 사람이 개입해서 결과를 유도하고 최종적인 품질을 높이는 단계가 필요하다."

기획자는 AI가 내놓은 초안 사이사이에 개입하여 방향을 수정하고 다시 지시하는 과정을 반복해야 합니다. 이는 단순히 수고를 더하는 것이 아니라, AI 결과물의 무작위성을 통제하고 전문적인 실무 수준으로 품질을 끌어올리는 필수적인 전략적 개입입니다.

제안서의 밀도를 높이고 싶다면 HTML로 우회하라

발표용 슬라이드는 단순함이 미덕이지만, 제안서는 정보의 밀도가 높아야 하며 표지, 목차, 헤더/푸터 등의 체계적인 구조가 필수입니다. 구글 슬라이드의 자동 생성 기능이 지나치게 단순하게 느껴진다면, HTML 형식을 활용하는 것이 돌파구가 됩니다.

  1. 제미나이 캔버스(Gemini Canvas): 여기서 HTML 기반의 제안서 레이아웃을 생성합니다. 이때 반드시 **A4 세로 규격(210x297mm)**을 명시하고, 페이지 번호와 루시드(Lucide) 아이콘이 포함된 고밀도 구조를 요청하십시오.
  2. 클로드(Claude) 정교화: 제미나이가 생성한 코드를 클로드로 가져와 코드 수정 작업을 거칩니다. 디자인 요소의 배치와 스타일 시트를 세밀하게 조정하여 제안서 특유의 전문적인 레이아웃을 완성합니다.
  3. 최종 변환: 완성된 HTML은 PDF로 저장하거나 PPTX 스킬을 활용해 파워포인트로 변환하여 최종 문서 형태를 갖춥니다.

일관성의 핵심은 헥사(Hex) 코드와 자산의 동기화

여러 도구를 넘나들면서도 디자인 일관성을 유지하는 비결은 '디자인 의사결정의 시스템화'에 있습니다. 메인 컬러와 강조 색상의 헥사 코드를 고정하는 것만으로도 브랜드 아이덴티티의 80%가 해결됩니다.

구분
일관성 유지를 위한 디자인 가이드라인 필수 항목
색상값(Hex)
메인 및 강조 색상의 6자리 코드 고정 (예: 특정 Blue/Green 톤)
폰트
노토산스(Noto Sans) 등 모든 도구에서 지원 가능한 폰트로 통일
아이콘 스타일
폰트어썸(FontAwesome) 또는 루시드(Lucide) 아이콘으로 일원화
이미지 스타일
벡터, 플랫, 아이소매트릭(Isometric) 스타일 고정, 배경 격자 및 그라데이션 제거

이러한 가이드라인을 모든 프롬프트에 반복적으로 주입하십시오. 이는 디자인 피로도를 줄이는 동시에 결과물의 시각적 응집력을 극대화하는 가장 강력한 장치입니다.

데이터의 깊이는 제미나이로, 구조화는 노트북LM으로

정보의 정확성과 논리적 깊이를 확보하기 위해서는 AI 도구 간의 명확한 '역할 분담'이 필요합니다.

  • 제미나이(Deep Research): 광범위하고 깊이 있는 외부 리서치를 수행합니다. 최신 트렌드와 사례를 수집하여 연구 계획의 뼈대를 잡는 데 최적입니다.
  • 노트북LM(NotebookLM): 제미나이의 딥 리서치 결과를 '소스(Source)'로 등록하십시오. 여기에 사용자의 로컬 리포트와 보고서를 결합하면 나만의 강력한 지식 베이스가 구축됩니다.

이렇게 등록된 소스를 기반으로 슬라이드별 내용을 설계하고 개조식으로 내용을 다듬으면, 일반적인 AI 초안과는 차원이 다른 데이터의 깊이를 확보할 수 있습니다.

이미지 속 텍스트의 함정—마지막 2%는 파워포인트에서

AI가 생성한 슬라이드나 인포그래픽 이미지 내의 텍스트는 가독성이 떨어지거나 글자가 깨지는 경우가 많습니다. 전문가의 마감은 이를 방치하지 않고 **'레이어 분리 작업'**을 통해 해결합니다.

  1. 자산 재구성(Reconstruct): 노트북LM 등에서 슬라이드를 생성할 때 한 번에 4~5개 세트를 요청하십시오. 그중 가장 뛰어난 시각적 에셋들을 골라 혼합하여 최적의 구성을 만듭니다.
  2. 텍스트 분리: AI 결과물에서는 배경 이미지와 레이아웃 등 시각적 요소만 추출합니다. 텍스트 내용은 제미나이를 통해 깨끗한 텍스트 데이터로 따로 추출하십시오.
  3. 최종 보완: 추출한 텍스트를 파워포인트에서 직접 입력하여 오타 없는 선명한 텍스트 레이어를 만듭니다.

이 단계를 거쳐야만 AI 특유의 어색함을 지우고, 신뢰감 있는 전문가의 문서를 완성할 수 있습니다.

도구의 연계가 만드는 독보적인 결과물

성공적인 AI 워크플로우는 단일 도구의 기능에 의존하는 것이 아니라, 데이터의 형태가 어떻게 진화하며 일관성을 유지하는지를 설계하는 데 있습니다. 제미나이로 깊이 있게 리서치하고, 노트북LM으로 구조를 잡으며, 클로드로 HTML을 정교화한 뒤, 파워포인트에서 최종 마무리를 하는 일련의 과정은 압도적인 생산성과 품질을 동시에 보장합니다.

AI는 도구일 뿐, 일관성이라는 선을 긋고 품질이라는 색을 채우는 것은 결국 기획자의 몫입니다.

당신의 다음 제안서는 AI의 속도와 당신의 정교함 중 무엇을 더 담게 될까요?