생성형 AI 종류, 업무에 바로 써볼 수 있는 5가지와 각각의 한계

"생성형 AI"라는 한 단어 안에 서로 완전히 다른 도구들이 들어 있어요. 텍스트를 쓰는 챗봇, 이미지를 그리는 도구, 영상을 만드는 도구, 코드를 짜는 도구, 음성이나 음악을 만드는 도구까지 전부 생성형 AI예요. 챗봇 하나만 써보고 "AI는 이런 거구나" 하고 판단하면, 업무에 쓸 수 있는 나머지 절반은 있는 줄도 모르고 지나가게 돼요.

텍스트: 초안을 대신 써주는 도구

ChatGPT, Claude, Gemini, Perplexity 같은 챗봇이 여기 속해요. 사무직이 가장 많이 쓰는 용도는 이메일이나 보고서 초안이에요. "이번 주 진행 상황을 팀장님께 보고하는 이메일 초안 써줘, 프로젝트 A는 예정대로, 프로젝트 B는 일정이 3일 밀렸어" 처럼 실제 상황을 구체적으로 넣어야 쓸 만한 초안이 나와요. 한계는 명확해요: 사실 관계를 지어내는 경우가 있어서, 숫자나 날짜, 이름이 들어간 부분은 반드시 원본과 대조해야 해요.

이미지: 사진 없이 시각 자료 만들기

Midjourney, DALL-E, Adobe Firefly 같은 도구예요. 제품 사진을 따로 찍지 않고도 마케팅용 이미지나 발표 자료 배경을 만들 수 있어요. "파란색 배경에 노트북과 커피잔이 놓인 미니멀한 책상 사진 느낌" 처럼 구도와 분위기를 구체적으로 설명할수록 결과가 원하는 쪽에 가까워져요. 한계는 손가락 모양이 어색하거나 이미지 안에 들어간 글자가 깨지는 경우가 아직도 많다는 거예요. 사용 전에 반드시 확대해서 확인해야 해요.

영상: 사진 한 장을 짧은 클립으로

Runway, Kling, Google Veo 같은 도구예요. 제품 사진 한 장에 카메라 이동이나 배경 움직임을 더해서 SNS용 짧은 홍보 클립을 만들 수 있어요. 한계는 이미지보다 더 뚜렷해요. 손 모양, 빠른 동작, 장면이 바뀔 때 얼굴이 미묘하게 달라지는 문제가 여러 도구에서 공통으로 나타나요. 짧고 단순한 움직임일수록 결과가 안정적이에요.

코드: 함수와 스크립트 대신 짜주기

GitHub Copilot, Cursor, Claude Code 같은 도구예요. 엑셀 함수나 반복 작업을 처리하는 짧은 스크립트를 만들 때 특히 유용해요. 엑셀 함수를 AI한테 요청하는 구체적인 방법은 엑셀 함수, AI한테 짜달라고 하기 전에 알아둘 것들에서 다뤘어요. 코드는 그럴듯해 보여도 틀린 경우가 자주 있어서, 결과를 아는 두 줄에 먼저 넣어보고 확인한 다음에 전체에 적용하는 습관이 특히 중요해요.

음성·오디오: 나레이션과 배경음악

ElevenLabs 같은 음성 생성 도구, Suno 같은 음악 생성 도구가 여기 속해요. 발표 자료에 짧은 나레이션을 입히거나 배경음악을 만들 때 써요. 다만 무료 요금제로 만든 음악은 상업적으로 쓸 수 없는 경우가 많고, AI로 만든 음악의 저작권 처리 방식도 서비스마다 달라요. 회사 발표나 외부 공개용으로 쓸 계획이라면 이용 약관에서 상업적 사용 조건을 먼저 확인해야 해요.

다섯 가지 도구 모두 공통점이 하나 있어요. 결과가 그럴듯해 보이는 것과 실제로 맞는 것은 다르다는 점이에요. 그 차이는 항상 확인해야만 보여요.

왜 하나가 아니라 다섯 가지를 다 알아야 할까요

업무마다 필요한 종류가 달라요. 보고서를 쓸 때는 텍스트 도구로 충분하지만, 발표 자료를 시각적으로 다듬으려면 이미지 도구가 필요하고, 반복되는 데이터 정리에는 코드 도구가 훨씬 빨라요. 한 가지 도구만 알고 있으면 나머지 업무는 여전히 손으로 하게 돼요. PwC AI Jobs Barometer는 전 세계 채용 공고를 분석해서, AI 스킬을 가진 사람이 받는 임금 프리미엄이 57%에서 62%로 늘었다고 측정했어요 — 한 가지 도구가 아니라 여러 종류를 상황에 맞게 쓸 줄 아는 능력을 포함한 수치예요.

국내에서도 생성형 AI를 업무에 쓰는 사람이 빠르게 늘고 있다는 조사 결과가 이어지고 있어요. 과학기술정보통신부는 국민의 생성형 AI 이용 실태를 매년 조사해서 발표하고 있어요. 반면 OECD AI 원칙은 AI 스킬이 중요해질수록 판단력이나 소통 같은 사람의 능력도 함께 더 중요해진다고 짚고 있어요 — 도구를 다섯 가지 다 안다고 해서 확인하는 습관까지 자동으로 생기지는 않는다는 뜻이에요.

이런 도구들의 성능이 실제로 얼마나 빨리 좋아지고 있는지는 Stanford HAI의 AI Index가 매년 추적해서 발표해요. 성능이 좋아져도 확인하는 습관 자체는 바뀌지 않는다는 점은 다섯 가지 도구 모두에 똑같이 적용돼요. 국내 데이터 관련 직무 수요가 어떻게 움직이는지는 한국고용정보원의 직업 전망에서 참고할 수 있어요.

월요일에 시도해보기

1. 01지금 하고 있는 업무 하나를 골라서, 다섯 가지 중 어디에 해당하는지 먼저 분류해보세요.
2. 02해당하는 도구에 실제 상황을 구체적으로 넣어서 요청해보세요. 추상적인 요청일수록 결과도 추상적이에요.
3. 03결과를 그대로 쓰지 말고, 그 종류에서 자주 틀리는 부분(텍스트는 사실, 이미지는 글자, 영상은 손과 동작, 코드는 실행 결과, 음성은 저작권)을 하나씩 확인하세요.
4. 04확인이 끝난 결과만 실제 업무에 적용하세요.

코드 쪽을 더 깊이 보고 싶다면 엑셀 함수, AI한테 짜달라고 하기 전에 알아둘 것들과 파이썬 코드, 파이썬 실행에서 검증 방법을 더 자세히 다뤄요. 발표 자료에 이미지나 실사 이미지를 쓰고 싶다면 AI 이미지 변환과 AI 실사 이미지를 참고하세요. 이런 확인 습관을 처음부터 순서대로 익히고 싶다면 AI 교육에서 4단계 로드맵을 참고해보세요. 음악 생성 도구를 상업적으로 쓸 때 확인할 것들은 AI 노래 만들기에서 더 자세히 다뤄요.

이런 실무 감각은 Coursium의 휴대폰 속 짧은 레슨으로도 연습할 수 있어요. AI보다 한발 앞서 시작해보세요. 자세한 내용은 Coursium 소개에서 볼 수 있어요.