과정 소개
직업훈련과정 사무직을 위한 생성형 AI 실무 활용 과정
과정상세
- 강좌명 : 사무직을 위한 생성형 AI 실무 활용 과정
- 훈련 기간 : 30일, 31 시간
내용
본 과정은 사무직 실무자가 생성형 AI를 활용하여 반복적인 업무를 효율적으로 수행하고, 업무 자동화 환경을 직접 구축·활용할 수 있는 실무 역량을 함양하는 것을 목표로 한다.
- 생성형 AI의 특성과 활용 방법을 이해하고, 업무 목적에 적합한 AI 도구를 선택하여 실무에 활용할 수 있다.
- 효과적인 프롬프트 작성 기법을 익혀 보고서, 기획서, 회의록, 이메일 등 다양한 사무 문서를 신속하고 정확하게 작성할 수 있다.
- AI 결과물의 오류와 환각(Hallucination)을 검증하고 수정하는 절차를 이해하여 신뢰성 있는 업무 결과를 도출할 수 있다.
- 스프레드시트와 생성형 AI를 연계하여 데이터 정제, 분석, 시각화 및 보고 업무를 수행할 수 있다.
- VBA, 파이썬(Colab), API 및 노코드 자동화 도구를 활용하여 반복적인 사무 업무를 자동화할 수 있다.
- 맞춤형 AI 어시스턴트 및 AI 에이전트의 개념을 이해하고, 자신의 직무에 적합한 AI 기반 업무 프로세스를 설계·적용할 수 있다.
- 생성형 AI를 단순한 활용 도구가 아닌 업무 생산성을 향상시키는 핵심 업무 파트너로 활용할 수 있는 실무 역량을 갖춘다.
- 생성형 AI의 특성과 활용 방법을 이해하고, 업무 목적에 적합한 AI 도구를 선택하여 실무에 활용할 수 있다.
- 효과적인 프롬프트 작성 기법을 익혀 보고서, 기획서, 회의록, 이메일 등 다양한 사무 문서를 신속하고 정확하게 작성할 수 있다.
- AI 결과물의 오류와 환각(Hallucination)을 검증하고 수정하는 절차를 이해하여 신뢰성 있는 업무 결과를 도출할 수 있다.
- 스프레드시트와 생성형 AI를 연계하여 데이터 정제, 분석, 시각화 및 보고 업무를 수행할 수 있다.
- VBA, 파이썬(Colab), API 및 노코드 자동화 도구를 활용하여 반복적인 사무 업무를 자동화할 수 있다.
- 맞춤형 AI 어시스턴트 및 AI 에이전트의 개념을 이해하고, 자신의 직무에 적합한 AI 기반 업무 프로세스를 설계·적용할 수 있다.
- 생성형 AI를 단순한 활용 도구가 아닌 업무 생산성을 향상시키는 핵심 업무 파트너로 활용할 수 있는 실무 역량을 갖춘다.
사전필요지식
본 과정은 사무직 실무자를 대상으로 생성형 AI를 활용한 문서 작성, 데이터 분석, 업무 자동화 역량을 함양하기 위한 실습 중심 교육과정이다. ChatGPT 등 다양한 생성형 AI 도구와 효과적인 프롬프트 작성 기법을 학습하여 실제 업무에 즉시 활용할 수 있도록 구성하였다. 또한 스프레드시트, VBA, 파이썬(Colab), API 및 노코드 자동화를 활용한 반복 업무 자동화 방법을 익힌다. AI 결과물을 검증하고 신뢰성 있게 활용하는 실무 역량과 AI 기반 업무 프로세스 설계 능력을 함께 배양한다. 이를 통해 비전공자도 생성형 AI를 활용하여 업무 생산성과 직무 경쟁력을 향상시킬 수 있도록 지원한다.
훈련핵심역량
본 과정은 생성형 AI를 활용하여 사무 업무의 생산성을 높이고자 하는 재직자를 대상으로 한다.
- 생성형 AI를 업무에 활용하고 싶지만 활용 방법을 체계적으로 배우지 못한 사무직 재직자
- 보고서, 기획서, 회의록, 이메일 작성 등 문서 작성 업무의 효율을 높이고자 하는 직장인
- 엑셀, 데이터 분석 및 반복 업무 자동화를 통해 업무 시간을 단축하고자 하는 실무 담당자
- 프로그래밍 경험은 부족하지만 AI와 노코드 도구를 활용한 업무 자동화에 관심 있는 비전공자
- 생성형 AI, API, AI 어시스턴트, AI 에이전트 등 최신 AI 업무 활용 기술을 실무에 적용하고자 하는 학습자
- AI 기반 디지털 업무 환경에 적응하고 직무 경쟁력을 강화하고자 하는 모든 사무직 종사자
- 생성형 AI를 업무에 활용하고 싶지만 활용 방법을 체계적으로 배우지 못한 사무직 재직자
- 보고서, 기획서, 회의록, 이메일 작성 등 문서 작성 업무의 효율을 높이고자 하는 직장인
- 엑셀, 데이터 분석 및 반복 업무 자동화를 통해 업무 시간을 단축하고자 하는 실무 담당자
- 프로그래밍 경험은 부족하지만 AI와 노코드 도구를 활용한 업무 자동화에 관심 있는 비전공자
- 생성형 AI, API, AI 어시스턴트, AI 에이전트 등 최신 AI 업무 활용 기술을 실무에 적용하고자 하는 학습자
- AI 기반 디지털 업무 환경에 적응하고 직무 경쟁력을 강화하고자 하는 모든 사무직 종사자
차시별 내용
| 차시 | 강의내용 |
|---|---|
| 1 | 생성형 AI 기술의 이해와 도구 비교[상세] 학습목표 생성형 AI의 발전 과정과 사무 영역에서의 변화를 분석할 수 있다. 주요 생성형 AI 도구의 특징과 강·약점을 업무 관점에서 비교할 수 있다. 도구별 무료·유료 정책과 사용 한도를 정확히 파악할 수 있다. 학습내용 생성형 AI의 발전 과정과 사무 영역에서의 변화 주요 생성형 AI 도구의 특성과 응답 비교 무료·유료 정책 및 사용 한도 비교 |
| 2 | 주요 생성형 AI 서비스의 가입과 기본 사용법[상세] 학습목표 주요 생성형 AI 서비스의 계정을 정상적으로 생성하고 접속할 수 있다. 도구별 기본 인터페이스와 핵심 기능을 식별할 수 있다. 동일 질문 입력을 통해 응답 품질의 차이를 평가할 수 있다. 학습내용 검색 연계형 AI 서비스의 가입과 기본 화면 구성 대화형 LLM 서비스의 가입과 계정 연동 방법 동일 질문 입력을 통한 응답 비교와 결과 해석 |
| 3 | 생성형 AI 활용을 위한 입문 절차와 보안 고려사항[상세] 학습목표 첫 활용 단계에서 발생하는 진입 장벽을 식별하고 대응할 수 있다. 한국어 입력 환경에서 응답 품질을 최적화하는 방법을 적용할 수 있다. 업무 활용 시의 보안·개인정보 보호 기준을 적용할 수 있다. 학습내용 생성형 AI 활용 시 발생하는 진입 장벽 분석 한국어 입력 환경에서의 응답 품질 개선 방법 업무 활용 시 보안·개인정보 보호 고려사항 |
| 4 | 프롬프트 엔지니어링의 3요소 이해와 적용[상세] 학습목표 프롬프트의 핵심 구성 요소인 역할·맥락·형식을 구분하여 설계할 수 있다. 역할 부여를 통해 응답의 톤과 전문성을 조절할 수 있다. 출력 형식을 사전 지정하여 결과물의 일관성을 확보할 수 있다. 학습내용 프롬프트 구성 요소의 정의와 역할별 기능 역할 부여를 활용한 응답 품질 향상 기법 출력 형식 사전 지정과 일관성 확보 방법 |
| 5 | 직무 맥락에 적합한 프롬프트 설계와 자산화[상세] 학습목표 직무별 표준 프롬프트 패턴을 분석하고 응용할 수 있다. 본인 업무에 부합하는 프롬프트 템플릿을 설계할 수 있다. 작성한 템플릿을 재사용 가능한 형태로 체계화할 수 있다. 학습내용 직무 영역별 프롬프트 설계 패턴 분석 업무 상황에 따른 프롬프트 변형 전략 프롬프트 템플릿의 체계화와 재사용 방법 |
| 6 | 구조화된 출력과 예시 기반 응답 통제[상세] 학습목표 예시 기반 학습 패턴을 통해 응답 품질을 안정화할 수 있다. 표·구조화 데이터 형식으로 결과를 강제 출력할 수 있다. 강제 출력된 결과를 후속 업무 단계에 자동 연계할 수 있다. 학습내용 예시 기반 학습 패턴의 원리와 적용 방법 표 및 구조화 데이터 출력의 강제 기법 후속 업무 단계와의 자동 연계 설계 |
| 7 | 응답 검증과 신뢰성 확보 절차[상세] 학습목표 응답에 발생하는 사실 오류와 환각 사례를 식별할 수 있다. 검증 절차를 적용하여 결과물의 신뢰성을 향상시킬 수 있다. 업무 활용 시의 책임 범위와 검토 의무를 정의할 수 있다. 학습내용 환각 현상의 발생 원리와 대표 사례 분석 응답 검증을 위한 단계적 점검 절차 업무 활용 시 책임 범위와 검토 가이드라인 |
| 8 | 보고·기획 문서의 자동 작성과 검수[상세] 학습목표 보고서·기획서의 표준 구조를 프롬프트로 구현할 수 있다. 핵심성과지표 및 업무 데이터를 입력하여 초안을 자동 생성할 수 있다. 생성된 초안을 검수 절차에 따라 완성도 있게 정련할 수 있다. 학습내용 보고·기획 문서의 표준 구조와 프롬프트 설계 업무 데이터 기반 초안 자동 생성 절차 검수 체크리스트와 완성도 향상 기법 |
| 9 | 비즈니스 커뮤니케이션 문서의 자동 생성[상세] 학습목표 상황별 이메일과 공문을 톤과 격식에 맞게 자동 생성할 수 있다. 발신 목적에 따라 톤과 표현 수준을 차등 조정할 수 있다. 업무 환경에 적용 가능한 형태로 결과를 정련할 수 있다. 학습내용 비즈니스 문서 유형별 작성 패턴 톤·격식 조정 기법과 변수 치환 발신 전 점검 항목과 검토 절차 |
| 10 | 회의 음성 자료의 텍스트화 및 요약[상세] 학습목표 회의 음성 데이터를 텍스트 자료로 변환할 수 있다. 변환된 텍스트에서 핵심 내용과 액션 아이템을 추출할 수 있다. 회의록을 표준 양식에 맞춰 정리하고 공유할 수 있다. 학습내용 음성-텍스트 변환 도구의 이해와 활용 회의 요약 및 액션 아이템 추출 기법 회의록 표준 양식과 사후 공유 절차 |
| 11 | 다국어 문서의 번역과 교정[상세] 학습목표 번역 도구와 LLM을 결합하여 번역 품질을 관리할 수 있다. 전문 용어 사전을 적용하여 번역의 일관성을 확보할 수 있다. 번역 결과의 톤과 문법을 검수·조정할 수 있다. 학습내용 번역 도구의 특성과 결합 활용 전략 전문 용어 사전 구축과 적용 방법 번역 결과의 검수와 톤 조정 기법 |
| 12 | 시각 콘텐츠 생성과 활용 가이드[상세] 학습목표 이미지 생성 도구를 활용하여 사무용 시각 자료를 제작할 수 있다. 일관된 스타일의 시각 자료를 생성하기 위한 프롬프트를 작성할 수 있다. 시각 콘텐츠 활용 시 저작권·상표 위반 위험을 점검할 수 있다. 학습내용 이미지 생성 도구의 이해와 활용 절차 일관성 확보를 위한 시각 콘텐츠 프롬프트 설계 시각 콘텐츠 활용 시 저작권·상표 점검 기준 |
| 13 | 스프레드시트 기반 데이터 정제와 AI 보조[상세] 학습목표 정제되지 않은 업무 데이터를 AI 보조로 정리할 수 있다. 복잡한 수식과 함수를 AI에게 의뢰하여 작성할 수 있다. 정제 결과의 정합성을 원본과 대조하여 검증할 수 있다. 학습내용 데이터 정제 과정의 표준 절차 수식 및 함수 자동 생성 의뢰 기법 정제 결과의 정합성 검증 방법 |
| 14 | 사무 자동화를 위한 VBA와 LLM 활용[상세] 학습목표 엑셀·문서의 반복 절차를 VBA 매크로로 자동화할 수 있다. LLM에 VBA 코드를 의뢰하고 받은 코드를 안전하게 실행·수정할 수 있다. 매크로 실행 결과를 원본과 대조하여 검증할 수 있다. 학습내용 VBA 매크로의 기본 구조와 기록·실행 방법 LLM 기반 VBA 코드 작성 의뢰와 수정 절차 매크로 자동화 결과의 검증과 안전 적용 |
| 15 | 데이터 분석 자동화와 인사이트 추출 (1) - 정량 데이터[상세] 학습목표 업무 데이터에서 핵심 패턴과 추세를 AI 보조로 추출할 수 있다. 합계·평균·비중 등 정량 지표를 산출하고 그룹별로 비교할 수 있다. 분석 관점을 정의하고 적절한 집계 기준을 선택할 수 있다. 학습내용 정량 데이터의 패턴·추세 분석 절차 핵심 지표 산출과 그룹별 비교 기법 분석 관점 정의와 집계 기준 선택 |
| 16 | 데이터 분석 자동화와 인사이트 추출 (2) - 정성 분류와 보고[상세] 학습목표 정성적(텍스트) 데이터를 자동 분류하고 키워드를 추출할 수 있다. 분석 결과에서 실무적 인사이트를 도출할 수 있다. 도출한 인사이트를 보고용 형태로 가공할 수 있다. 학습내용 정성 데이터 분류와 키워드·주제 추출 데이터 기반 인사이트 도출 방법 분석 결과의 보고용 정리와 요약 |
| 17 | 데이터 시각화와 운영 대시보드 구성[상세] 학습목표 데이터의 특성에 적합한 시각화 차트를 선택할 수 있다. 자동 갱신되는 운영 대시보드를 구성할 수 있다. 대시보드를 부서 운영에 활용할 수 있는 형태로 정리할 수 있다. 학습내용 데이터 특성에 따른 차트 선택 기준 운영 대시보드의 설계와 자동 갱신 구성 부서 운영용 대시보드 활용 가이드 |
| 18 | 사무 자동화를 위한 파이썬 환경의 이해[상세] 학습목표 클라우드 기반 파이썬 실행 환경을 이해하고 활용할 수 있다. 변수와 자료형, 조건문의 기초 개념을 적용할 수 있다. 강사 제공 코드를 일부 수정하여 안전하게 실행할 수 있다. 학습내용 클라우드 기반 파이썬 실행 환경의 구성 변수·자료형·조건문의 기초 개념과 적용 코드 수정과 실행 시 주요 점검 사항 |
| 19 | 파이썬 기반 데이터 처리 기초 (pandas)[상세] 학습목표 데이터 처리 라이브러리(pandas)로 파일을 불러와 모양을 확인할 수 있다. 조건 필터와 집계(groupby·피벗)로 원하는 요약을 만들 수 있다. 새 열·저장과 LLM 연계로 매달 쓰는 데이터 처리를 자동화할 수 있다. 학습내용 표 불러오기·살펴보기 조건으로 고르고 묶어 세기 새 열·저장과 LLM 연계 |
| 20 | 파이썬 반복문·자료구조·함수로 업무 자동화[상세] 학습목표 반복문으로 다량의 행을 일괄 처리할 수 있다. 목록(list)·사전(dict) 자료구조로 데이터를 담고 다룰 수 있다. 반복·자료구조·함수를 결합한 재사용 코드를 LLM 보조로 작성할 수 있다. 학습내용 반복문으로 수백 행을 한 번에 처리 list·dict 자료구조로 데이터 다루기 함수로 반복을 묶어 재사용하기 |
| 21 | 파이썬 파일 처리·에러 처리와 자동 결산[상세] 학습목표 여러 파일을 읽고 쓰며 폴더를 순회 처리할 수 있다. 예외 처리로 중단되지 않는 안정적 스크립트를 작성할 수 있다. 여러 단계를 자동 결산 스크립트로 통합하고 LLM으로 디버깅할 수 있다. 학습내용 파일 입출력과 여러 파일 순회 에러 처리로 멈추지 않는 스크립트 여러 단계를 자동 결산으로 통합 |
| 22 | 파이썬으로 엑셀 자동화 - 보고서·양식을 코드로[상세] 학습목표 엑셀을 코드로 열고 여러 시트를 다루며 새 파일로 저장할 수 있다. 보고용 서식(조건 색·합계·천단위·열너비)을 코드로 입혀 완성할 수 있다. 견적서 등 양식을 자동으로 채우고 코드를 LLM에 의뢰·검증할 수 있다. 학습내용 엑셀 열기·여러 시트 다루기 보고용 서식으로 완성 양식 채우기·LLM 연계 |
| 23 | 메일·정기 자동화 - 초안은 AI, 발송은 사람[상세] 학습목표 엑셀 명단으로 개인화한 메일 초안을 코드로 대량 생성할 수 있다. \'초안 자동·발송 사람 확인\' 원칙으로 안전하게 운영할 수 있다. 정기 보고 메일을 자동 준비하고 코드를 LLM에 의뢰·검증할 수 있다. 학습내용 명단으로 개인화 메일 초안 대량 생성 검토 후 발송 · 정기 실행 LLM으로 메일·자동화 코드 만들기 |
| 24 | 노코드 자동화와 웹훅 연동[상세] 학습목표 노코드 패턴(트리거→처리→액션)으로 폼·시트·메신저를 연결할 수 있다. 카카오워크 등 국내 메신저에 자동 알림을 보낼 수 있다. 노코드·웹훅 시나리오를 LLM에 설계 의뢰하고 검증할 수 있다. 학습내용 노코드 패턴 - 트리거·처리·액션 카카오워크·네이버웍스로 자동 알림 LLM으로 노코드·웹훅 설계하기 |
| 25 | API의 개념과 이해[상세] 학습목표 API가 무엇이고 왜 업무 자동화의 핵심인지 이해한다.(LLM에 한정하지 않고) LLM API의 비용 구조를 알고, API로 맡길 일과 채팅이 나은 일을 구분한다. 무료 키를 발급·보관하고 코드로 LLM에 단건 호출을 보내 응답을 다룰 수 있다. 학습내용 API란 - 프로그램끼리 부르는 창구 LLM API와 비용 - 무엇을 맡길까 첫 호출 - 키·보안·단건 호출 |
| 26 | 대용량 배치 처리를 위한 LLM API 활용[상세] 학습목표 단건 호출을 반복에 얹어 수백 건을 배치 처리할 수 있다. 출력을 JSON으로 강제해 표·집계로 연결할 수 있다. 배치·집계 코드를 LLM에 의뢰하고 표본·비용을 검증할 수 있다. 학습내용 대량 배치 처리 - 데이터만 바꿔 반복 구조화 출력 - JSON·표로 강제 LLM으로 배치·집계 코드 만들기 |
| 27 | LLM API 심화 - 도구·체이닝·신뢰성[상세] 학습목표 계산·조회를 도구(함수)에 맡겨 환각을 줄일 수 있다. 복잡한 업무를 분류→요약→작성의 단계 체이닝으로 처리할 수 있다. 비용·실패·검증 안전장치를 적용해 믿고 쓰는 자동화를 만들 수 있다. 학습내용 계산·조회는 도구에 맡기기 단계 체이닝 - 분류→요약→작성 신뢰성·비용·실패 관리 |
| 28 | LLM으로 웹 데이터 수집 - 크롤링·스크레이핑[상세] 학습목표 requests로 웹페이지(HTML)를 받아 BeautifulSoup으로 태그·클래스를 지정해 원하는 값을 뽑을 수 있다. 구조가 일정하면 BeautifulSoup, 글에 섞이면 LLM에 JSON으로 추출을 맡기고 둘을 혼합할 수 있다. robots.txt·약관·time.sleep 등 법과 예의를 지켜 여러 페이지를 안전하게 수집할 수 있다. 학습내용 가져오기 - 웹페이지를 코드로 받기 뽑기 - BeautifulSoup·LLM으로 원하는 값만 안전하게·여러 장 - 예의·법·순회·자동화 |
| 29 | 지식 기반 어시스턴트 - 사내 규정·매뉴얼의 참조[상세] 학습목표 RAG가 매뉴얼을 검색해 근거로 답하는 원리임을 이해한다. 사내 규정·매뉴얼을 연결한 어시스턴트를 빌더로 만들 수 있다. 근거 인용·거절 정책으로 환각을 막고 신뢰성을 확보한다. 학습내용 RAG 원리 - 외우지 않고 찾아서 사내 규정·매뉴얼 연결 근거 인용·거절 정책 |
| 30 | 맞춤형 AI 어시스턴트와 에이전트[상세] 학습목표 노코드 빌더(GPTs·Gems·Projects 등)로 코드 없이 부서 전용 어시스턴트를 만들 수 있다. 어시스턴트에 도구·행동을 붙여 답을 넘어 스스로 실행하게 할 수 있다. 에이전트·다중 에이전트의 흐름과 2026 동향을 이해하고 사람의 역할을 설명할 수 있다. 학습내용 노코드 빌더로 나만의 어시스턴트 도구·행동으로 에이전트화 - 답변에서 실행으로 에이전트의 시대 - 다중 에이전트와 2026 동향 |
평가방법
진행단계평가
10%
출석율 50% 이상 응시 가능
최종평가
50%
출석율 80% 이상 응시 가능
과제
40%
출석율 80% 이상 응시 가능