아티클

다양한 읽을거리를 확인해 보세요.

전체 383건

[교사를 위한 캔바 01] 캔바 에디터 기본기 다지기

📅 2026년 7월 8일 · 👁 13

[교사를 위한 캔바 01]캔바 에디터 기본기 다지기캔바를 제대로 활용하려면 먼저 에디터의 기본 구조와 핵심 기능을 익히는 것이 중요합니다. [Chapter 02] 캔바 에디터 기본기 다지기에서는 홈 화면과 에디터의 구성부터 템플릿, 배경, 텍스트, 요소 활용법까지 차근차근 살펴봅니다. 디자인 경험이 없어도 누구나 쉽게 따라 할 수 있도록 기본 기능을 중심으로 설명합니다. 캔바의 다양한 도구를 익히며 원하는 디자인을 더욱 빠르고 완성도 높게 만들어보세요. 이후 학습할 AI 기능과 고급 활용법의 기초도 자연스럽게 다질 수 있습니다.Class 04 홈 화면과 에디터 둘러보기캔바는 디자인을 위한 하나의 거대한 디지털 교실과 같습니다. 본격적으로 수업 자료 제작하기에 앞서 디자인 파일을 찾고 만들고 관리하는 홈 화면의 구조와 실제 편집이 이루어지는 에디터Editor의 세부 기능을 이해해야 합니다. [Class 04] 홈 화면과 에디터 둘러보기에서는 캔바 작업 환경의 주요 기능을 익히고, 이후 단계에서 시행착오 없이 더욱 능숙하게 디자인 작업을 수행할 수 있도록 안내합니다.홈 화면 둘러보기캔바에 로그인하면 가장 먼저 홈 화면을 마주합니다. 이곳에서는 최근 작업한 디자인, 추천 템플릿, 빠른 시작 메뉴 등을 한눈에 볼 수 있습니다. 이제 캔바의 주요 메뉴 배치와 기능을 하나씩 살펴보겠습니다.➊ 검색창 : 내 디자인, 파일, 업로드 항목을 유형, 카테고리, 소유자, 수정된 날짜별로 검색할 수 있습니다.➋ 메인 화면 사이드바 : 캔바 메인 화면의 사이드바는 디자인을 만들고 관리할 수 있는 다양한 도구와 메뉴를 한눈에 볼 수 있게 해주는 공간입니다. 다음과 같이 디자인에 필요한 기능을 빠르게 찾고 접근할 수 있어요.만들기 : 새 디자인을 빠르게 시작하거나, 맞춤 크기 설정, 파일 업로드 등 다양한 시작 옵션을 제공합니다.Canva AI: AI로 이미지 생성, 문서 작성, 디자인 생성 등 다양한 기능을 활용할 수 있습니다.홈 : 최근 작업한 디자인과 추천 템플릿, 프로젝트 등을 을 볼 수 있는 메인 화면입니다.교실 : 선생님과 학생이 소속된 반을 만들고 반별로 자료를 공유하고 과제를 관리할 수 있는 공간입니다.선생님은 과제를 만들고 학생들에게 배포하거나 제출물 확인할 수 있습니다.학생은 받은 과제를 확인하고 캔바에서 직접 작업해 제출할 수 있습니다.프로젝트 : 폴더별로 디자인, 이미지, 파일 등을 정리하고 관리할 수 있습니다.템플릿 : 다양한 디자인 템플릿을 검색하고 활용할 수 있습니다.브랜드 센터 : 브랜드 키트, 브랜드 템플릿, 로고 등 브랜드 관련 자료를 관리할 수 있습니다.프린트 스토어 : 다양한 인쇄 제품을 한눈에 살펴보고, 내 디자인을 실제 인쇄물로 주문할 수 있습니다. 용지 종류나 사이즈, 수량 등 옵션을 선택해 명함, 캘린더 스티커, 티셔츠 등 다양한 형태의 인쇄물로 제작할 수 있습니다.이 외에도 앱, Grow, 동적 QR 코드, 콘텐츠 플래너, Design School, Dream Lab 등은 사이드바의 [더보기]를 누르면 사용할 수 있는 다양한 부가 기능이 있습니다.➌ 계정/프로필 아이콘 : 왼쪽 아래에 위치하며 계정 설정, 팀 전환, 알림, 도움말 등에 접근할 수 있습니다.➍ 중앙 메인 영역 : 추천 템플릿, 인기 디자인 유형, 교육용 자료 등 맞춤형 추천 콘텐츠와 최근 작업한 디자인이 표시됩니다.에디터 화면 둘러보기캔바의 핵심인 에디터 화면은 실제 디자인 작업이 이루어지는 공간입니다. 직관적으로 배치된 메뉴와 도구의 역할을 파악하면 복잡한 디자인 작업도 한결 수월하게 진행할 수 있습니다. 화면의 메뉴와 도구의 기능에 대해 살펴보겠습니다.➊ 에디터 화면의 사이드바 : 에디터 화면의 왼쪽에 위치하며 추천 템플릿, 요소, 텍스트, 브랜드 센터 등 다양한 탭이 있습니다.➋ 편집 메뉴 : 파일 관리, 공유, 크기 조정, 실행 취소/다시 실행, 디자인 이름, 자동 저장 상태 등이 있습니다.➌ 플로팅 툴바 : 디자인에서 텍스트나 이미지 같은 특정 요소를 선택했을 때 바로 위나 근처에 나타나는 작은 도구 모음입니다. 여기에는 잠금, 복제, 삭제, 정렬, 링크 추가 등 자주 사용하는 기능이 모여 있어서 원하는 작업을 빠르게 할 수 있습니다.➍ 에디터 툴바 : 디자인 위쪽에 표시되며 선택한 요소에 따라 글꼴, 색상, 정렬, 효과 등 다양한 편집 옵션이 나타납니다.➎ 페이지 썸네일 : 디자인 아래쪽에서 모든 페이지의 썸네일을 볼 수 있습니다. 섬네일을 통해 페이지 상태를 빠르게 확인하고, 원하는 페이지로 이동할 수 있습니다. 또한 [그리드뷰 ]로 전환하면 모든 페이지를 한눈에 볼 수 있으며, 썸네일을 드래그해 페이지 순서를 자유롭게 바꿀 수도 있습니다.Class 05 디자인의 기본, 템플릿과 배경 알아보기좋은 디자인은 적절한 템플릿을 선택하는 것에서 시작됩니다. 캔바의 다양한 템플릿은 선생님의 디자인 감각을 효과적으로 보완해줍니다. 여기서는 각 학급의 특징과 수업 목표에 맞는 템플릿을 효율적으로 검색하고 적용하는 과정을 알아봅니다. 또한 배경 색상이나 패턴을 변경해 템플릿에 나만의 분위기를 연출하는 기초 디자인 원리도 함께 알아보겠습니다.테마에 맞는 템플릿 검색하기먼저 캔바의 템플릿을 활용해 학교 축제 포스터를 직접 만들어보겠습니다. 우리 학교와 학생들의 분위기에 딱 맞는 템플릿을 잘 고르는 것만으로도 디자인의 절반은 완성한 셈입니다. 이제 원하는 템플릿을 검색하고 디자인에 적용하는 구체적인 방법을 함께 알아볼까요?01 캔바 홈 화면에서 [템플릿]을 선택하고 검색창에 디자인 유형이나 키워드, 색상, 스타일, 분위기 등을 입력합니다. 학교 행사 포스터를 예로 들면 포스터, 축제, 행사, 컬러풀, 심플, 모던, 폭죽처럼 구체적인 키워드를 사용할수록 원하는 템플릿을 더 쉽게 찾을 수 있습니다. 여기서는 축제 포스터로 검색해보겠습니다. 디자인 유형별로 추천 템플릿만 살펴보기보다 검색 기능을 활용하면 더 다양한 템플릿을 찾을 수 있고 선택의 폭도 넓어져요. 02 검색 결과에서 원하는 디자인을 선택합니다. 템플릿 검색 결과가 너무 많다면 검색창 아래에 있는 필터를 적용해 원하는 스타일이나 분위기에 맞게 범위를 좁혀보세요. 여기서는 [스타일]에서 [다크]를 선택해 원하는 템플릿만 확인해보겠습니다.03 마음에 드는 템플릿을 발견하면 선택해 미리보기 화면으로 확인한 뒤 [이 템플릿 맞춤 편집하기]를 눌러 편집 화면으로 이동합니다.선택한 템플릿 아래로 비슷한 버전의 템플릿을 자동으로 추천해줍니다. 기존에 선택한 템플릿과 비슷한 스타일의 디자인을 보여주기 때문에 원하는 템플릿을 찾을 때 유용합니다.템플릿 이름과 크기 변경하기디자인의 목적이 잘 드러나도록 이름을 정하면 나중에 파일을 쉽게 찾을 수 있습니다. 또한 인쇄물이나 웹 게시용 등 사용 목적에 맞게 캔버스 크기를 조절하는 방법도 함께 알아봅시다.01 먼저 템플릿 이름을 변경해보겠습니다. 에디터 화면 왼쪽 위의 ➊ [파일]을 누른 뒤 ➋ []를 클릭해 제목을 변경합니다. 또는 화면 오른쪽 위의 ➌ 템플릿 이름 부분을 눌러 수정할 수 있습니다. 학교 축제 포스터로 템플릿 이름을 변경해보세요.02 다음으로 템플릿 크기를 변경해보겠습니다. 에디터 화면 왼쪽 위의 [크기 조정]을 눌러 원하는 크기로 변경하면 됩니다.템플릿 페이지 추가 및 삭제하기수업 자료를 만들다 보면 슬라이드를 추가하거나 불필요한 페이지를 삭제해야 할 때가 있습니다. 이때 템플릿의 디자인 일관성을 유지하면서 페이지를 효율적으로 구성하는 방법을 익혀보겠습니다.01 먼저 페이지가 아래로 스크롤되는 형태로 표시되는 경우입니다. 템플릿 페이지를 추가하려면 ➊ 페이지 아래의 [+ 페이지 추가]를 눌러 새 페이지를 만들 수 있습니다. 페이지를 복제하려면 바로 위에 있는 ➋ []을 누르면 됩니다. 삭제하려면 ➌ []를 누르세요.02 다음은 프레젠테이션 형식처럼 페이지가 표시되는 경우입니다. 페이지 아래에 미리보기 형식으로 페이지를 나열하여 보고 싶다면 ➊ [ 페이지 썸네일 표시]를 눌러 보기 방식을 전환합니다. 이후 아래에 나열된 페이지에 마우스 커서를 올리면 [] 버튼이 보입니다. ➋ [] 버튼을 눌러 페이지 복제, 삭제, 추가를 할 수 있습니다.또한 페이지 복제 기능을 활용하면 전체 디자인의 일관성을 유지하면서도 다양한 세부 내용을 구성할 수 있습니다.배경 색상 변경하기템플릿의 기본 배경이 마음에 들지 않는다면 간단한 클릭만으로 분위기를 완전히 바꿀 수 있습니다. 학교의 상징색이나 수업 테마에 어울리는 색상과 패턴을 적용하는 방법을 알아보겠습니다.01 슬라이드 배경 영역을 한 번 클릭한 후, 에디터 툴바의 [ 배경 색상]을 누릅니다. 그러면 왼쪽에 색상 메뉴가 열리며 현재 문서에 사용 중인 색상부터 기본 단색, 색상 검색 등을 통해 자유롭게 변경할 수 있습니다.02 색상 메뉴 아래에 있는 검색창에서 원하는 색상을 검색하거나 문서 색상의 [색상 코드 입력 ]을 눌러 학교의 상징색을 직적 입력해 보다 정확한 색으로 적용할 수 있습니다. 또한 사진 색상에서 어울리는 배경색으로 변경할 수도 있습니다. 여기서는 로열 블루 색상인 #4169E1를 입력해 배경색을 바꿔보았습니다.03 에디터 툴바의 [Canva AI에게 물어보기]를 통해 대화를 통해 디자인을 더욱 쉽게 개선할 수도 있습니다. 예를 들어 왼쪽 입력창에 “다른 스타일의 배경색을 추천해줘.”라고 입력했더니 다양한 스타일의 색상 조합을 추천해주었습니다. 마음에 드는 스타일이 있다면, Canva AI와 대화하며 디자인에 바로 적용할 수도 있습니다.

[AEO GEO 마케팅 02] AI 시대, 제품과 브랜드 마케팅의 본질

📅 2026년 7월 6일 · 👁 135

AI 시대, 제픔과 브랜드 마케팅의 본질 소비자를 설득하던 시대에서, AI를 설득해야 하는 시대로 변화가 빠를수록, 변하지 않는 것의 가치는 더 또렷해집니다. 브랜드 마케팅의 도구와 경로는 무너지고 있습니다. 그러나 브랜드가 존재해야 하는 이유는 오히려 지금, 더 강하게 작동하고 있습니다.1장에서 우리는 소비자가 정보를 찾는 일의 주인이 사람에서 AI로 옮겨가고 있다는 구조적 변화를 살펴봤습니다. 2장에서는 AI가 소비자 대신 질문을 만들고, 그 질문에 스스로 답하는 과정이 브랜드가 보일지 안 보일지를 어떻게 좌우하는지를 분석했습니다. 이 두 장의 논의를 종합하면, 하나의 불편한 질문이 자연스럽게 떠오릅니다. 그렇다면 지금까지 우리가 해온 브랜드 마케팅은 정말 끝난 것일까요?결론부터 분명히 해두겠습니다. 끝나지 않았습니다. 다만, 작동 방식이 근본적으로 달라지고 있습니다.브랜드 마케팅의 전통적인 구조는 명확했습니다. 소비자의 인지를 확보하고, 관심을 끌어내며, 좋은 이미지를 쌓아 구매로 이어가는 것. 이 과정에서 마케터의 핵심 역할은 '설득'이었습니다. 광고 카피가, 캠페인 비주얼이, 브랜드 스토리가, 이 모든 것이 소비자라는 사람을 대상으로 설계된 설득의 장치였습니다.이 설득의 대상에 AI가 더해졌습니다. 그리고 이것은 단순히 '채널 하나가 늘어난 것'이 결코 아닙니다.소비자를 설득하는 일과 AI를 설득하는 일은, 본질적으로 다른 작업입니다. 소비자는 감정으로 반응하고, 맥락 속에서 판단하며, 브랜드의 톤과 분위기에 영향을 받습니다. '이 브랜드가 나와 맞는 느낌이야'라는 직관적 판단이 구매를 결정하는 경우도 흔합니다. 마케팅의 거대한 생태계인 크리에이티브, 미디어, PR, 인플루언서는 바로 이 감정적 설득 구조 위에 세워져 있었습니다.AI는 감정으로 반응하지 않습니다. AI는 데이터의 일관성, 출처의 신뢰도, 정보의 구조적 명확성에 반응합니다. 브랜드가 자기를 '프리미엄'이라고 자리매김해도, 온라인의 리뷰 데이터와 가격 비교 정보가 그 주장을 뒷받침해주지 않으면 AI의 답변에서 '프리미엄'이라는 수식어는 빠집니다. 감성적인 광고 카피가 아무리 정교해도, AI가 보는 정보 체계 안에서 그 메시지가 '근거 있는 서술'로 인정받지 못하면 AI의 추천 로직에는 반영되지 않습니다.이 차이를 좀 더 구체적으로 살펴봅시다. 한 화장품 브랜드가 '피부 장벽을 강화하는 과학적 스킨케어'라는 자리매김으로 대규모 캠페인을 집행했다고 가정해볼까요. TV 광고에는 연구소 이미지와 피부과 전문의의 인터뷰가 들어갔고, SNS에서는 인플루언서들이 '과학적'이라는 키워드를 반복해서 썼습니다. 이 캠페인은 소비자 머릿속에 '과학적 스킨케어 = 이 브랜드'라는 연상을 성공적으로 심을 수 있습니다.그런데 같은 시점에 소비자가 AI에게 '피부 장벽 강화에 효과적인 성분이 뭐야?'라고 묻는다면, AI는 캠페인 메시지가 아니라 학술 데이터베이스, 피부과학 저널, 성분 분석 사이트의 정보를 바탕으로 답을 만듭니다. 만약 해당 브랜드의 핵심 성분에 대한 임상 데이터가 AI가 접근할 수 있는 신뢰 출처에 충분히 쌓여 있지 않다면, AI는 그 브랜드를 '과학적 스킨케어'의 대표 사례로 추천하지 않습니다. 수백억 원의 캠페인 투자에도 불구하고 말입니다.소비자에게 통하는 설득과 AI에게 통하는 설득은, 입력값 자체가 다릅니다. 이 차이를 모른 채 기존 방식만 반복하는 것이야말로 진짜 위험입니다.마케팅 업계에서 종종 듣게 되는 반론이 있습니다. '결국 AI도 소비자가 쓰는 도구일 뿐이니, 소비자 중심 마케팅을 잘하면 자연히 AI에서도 노출되지 않겠는가?' 이 논리는 부분적으로 맞지만, 핵심을 놓치고 있습니다. 소비자 중심 마케팅이 만들어내는 '좋은 브랜드 경험'과 AI가 보는 '구조화된 신뢰 정보'는, 겹치는 영역이 있지만 같지 않습니다.예를 들어, 소비자 리뷰가 압도적으로 좋은 브랜드라 해도, 그 리뷰가 특정 플랫폼에만 몰려 있거나 AI가 접근할 수 없는 폐쇄적 환경에 있다면 AI의 추천에는 반영되지 않습니다. 반대로 소비자 인지도는 낮지만 전문 매체의 성분 분석, 제3자 인증 기관의 평가, 공개된 임상 데이터 등 AI가 '신뢰할 수 있는 근거'로 판단하는 정보를 체계적으로 갖추고 있는 브랜드가 AI 답변에서 더 자주 등장하는 경우도 실제로 있습니다.이것은 브랜드 마케팅의 종말이 아닙니다. 설득의 대상이 넓어진 것입니다. 소비자만 바라보던 시선을, AI라는 새로운 '정보 중개자'에게도 향해야 하는 시대가 열린 것입니다.그럼에도 여전히 유효한 브랜드 마케팅의 본질 AI 시대가 왔다는 사실이 브랜드 마케팅의 근본적인 유효성을 부정하는 것인지, 아니면 실행 방법의 전환을 요구하는 것인지, 이 구분은 실무적으로 매우 중요합니다. 앞쪽으로 판단하면 기존 마케팅 자산을 버리는 방향으로 의사결정이 흘러가고, 뒤쪽으로 판단하면 기존 자산을 AI 환경에 맞게 다시 짜는 전략이 가능해집니다.결론부터 말씀드리면, 브랜드 마케팅의 본질적 기능은 AI 시대에도 여전히 유효합니다. 오히려 더 중요해지는 측면이 있습니다.그 이유를 세 가지 측면에서 살펴보겠습니다.첫째, AI는 차별화를 만들지 않습니다. 차별화된 브랜드를 비춰줄 뿐입니다 AI는 방대한 정보를 모으고 요약하는 데 탁월하지만, 스스로 브랜드의 고유한 가치를 만들지는 않습니다. AI가 특정 브랜드를 추천할 때, 그 추천의 근거는 해당 브랜드가 시장에서 쌓아온 실제적인 차별점, 즉 성분의 독자성, 기술적 우위, 사용자 경험의 일관성, 전문가 평가 등에서 옵니다. 브랜드 마케팅이 이런 차별점을 시장에 만들고 알리는 활동이라면, 그 활동의 중요성은 AI 시대에 줄어드는 것이 아니라 오히려 커집니다.AI 환경에서는 '포장'의 여지가 줄어들기 때문입니다. 소비자가 직접 정보를 찾던 시절에는, 브랜드의 감성적 메시지와 시각적 임팩트가 실체 이상의 인식을 만들어낼 수 있었습니다. 하지만 AI는 감성적 포장을 걷어내고 데이터를 바탕으로 사실 관계를 중심에 놓고 답을 만듭니다. 실체 없는 자리매김은 AI의 필터를 통과하지 못합니다. 거꾸로 말하면, 이것은 진짜 차별점을 가진 브랜드에게는 기회가 됩니다. 실제로 우위가 있는 브랜드는 AI의 중립적인 정보 처리 과정에서 자연스럽게 부각되기 때문입니다.둘째, 신뢰는 AI가 만들 수 없는 자산입니다 AI는 정보를 전달하지만, 신뢰를 쌓지는 못합니다. 소비자가 AI의 추천을 받아들이는 과정에서도, 추천된 브랜드에 대한 기존의 인지와 신뢰가 최종 선택에 영향을 줍니다. AI가 'A 브랜드를 추천합니다'라고 답했을 때, 소비자가 A 브랜드를 이미 알고 있고 좋게 인식하고 있다면 받아들일 확률이 높아집니다. 반대로 전혀 들어본 적 없는 브랜드가 추천되면, 소비자는 추가 확인 과정을 거치거나 추천을 무시해버리기도 합니다.이 지점에서 브랜드 자산의 전통적 기능, 즉 인지도, 호감도, 신뢰도가 다시 작동합니다. AI가 아무리 정교한 추천을 내놔도, 그 추천을 최종적으로 받아들이는 주체는 여전히 사람입니다. 소비자 머릿속에 좋은 이미지가 쌓여 있는 브랜드는 AI의 추천과 만났을 때 전환율이 높습니다. 브랜드 마케팅이 오랫동안 쌓아온 신뢰의 자산은, AI가 중개하는 새로운 소비 구조에서도 마지막 결정의 순간에 여전히 결정적인 역할을 합니다.실제 사례가 이를 뒷받침합니다. AI 검색에서 같은 카테고리의 추천 결과를 받은 소비자들의 행동을 보면, 기존에 브랜드 인지도가 높았던 선택지의 클릭률과 전환율이 의미 있게 높습니다. AI가 '중립적'으로 추천하더라도, 소비자는 자기 기존 인식을 완전히 내려놓지 않습니다. 브랜드 마케팅이 수년에 걸쳐 쌓은 인지 자산은, AI 시대에도 소비자의 최종 판단을 좌우하는 보이지 않는 변수로 작동하고 있습니다.셋째, AI의 정보 생태계는 브랜드 마케팅의 산출물로 작동합니다 AI가 답변을 만들 때 보는 정보, 즉 리뷰, 전문가 평가, 미디어 보도, 공식 사이트의 제품 정보, 소셜 미디어의 사용자 경험 공유의 상당 부분은, 브랜드 마케팅 활동의 직접적 또는 간접적 결과물입니다. PR 활동이 만들어낸 미디어 기사, 제품 론칭 이벤트가 만들어낸 온라인 콘텐츠, 브랜드 커뮤니티에 쌓인 사용자 리뷰, 이 모든 게 AI의 학습 데이터이자 참고 자료가 됩니다.즉, 브랜드 마케팅은 AI가 읽고 처리하는 '재료'를 만들어내는 활동이기도 합니다. 이 관점에서 보면, 브랜드 마케팅의 중단은 곧 AI의 참고 정보 공급 중단을 뜻합니다. 마케팅 활동이 위축되면 시간이 지남에 따라 AI가 해당 브랜드에 대해 참고할 수 있는 최신 정보가 줄어들고, 이는 곧 AI 답변에서 브랜드가 안 보이는 결과로 이어집니다.문제는 이 산출물의 '형식'입니다. 기존 브랜드 마케팅이 만드는 콘텐츠는 소비자의 감성적 반응을 노리고 설계되어 있습니다. 감동적인 브랜드 필름, 위트 있는 소셜 콘텐츠, 몰입감 있는 체험 이벤트, 이런 콘텐츠는 소비자에게는 효과적이지만, AI가 정리된 정보로 처리하기에는 맞지 않는 경우가 많습니다. AI는 감동하지 않습니다. AI는 '이 브랜드의 핵심 성분은 무엇인가', '이 제품의 임상 효과는 어떤 수치로 입증되었는가', '전문가들은 이 브랜드를 어떻게 평가하는가'와 같은 잘 정리된 질문에 대응하는 정보를 필요로 합니다.브랜드 마케팅이 끝난 것이 아니라, 브랜드 마케팅의 산출물이 두 개의 수신자를 동시에 갖게 된 것입니다. 소비자를 감동시키는 콘텐츠와, AI가 신뢰할 수 있는 잘 정리된 정보, 이 둘을 동시에 설계하는 능력이 앞으로의 브랜드 마케팅 역량을 결정짓습니다.이 세 가지 관점을 종합해보면, AI 시대 브랜드 마케팅의 위치가 더 선명해집니다. 브랜드 마케팅은 사라지는 것이 아니라, '이중 설득 구조'로 진화해야 합니다. 소비자의 감성과 인지에 호소하는 전통적 설득은 여전히 필요합니다. 동시에 AI의 정보 처리 로직에 맞는 잘 정리된 정보 제공이라는 새로운 설득이 함께 가야 합니다. 이 두 축을 통합적으로 운영하는 것이 앞으로의 브랜드 마케팅이 풀어야 할 핵심 과제입니다.

[챗GPT 04] 바이브 코딩의 세계로~ 코덱스 앱 설치하기

📅 2026년 7월 5일 · 👁 48

01단계 코덱스 앱은 ‘codex 설치’라고 검색하여 설치 파일을 다운로드하고 실행하면 끝입니다. 저는 macOS 화면에서 코덱스 앱을 다운로드하고 설치하지만, 윈도우도 설치 과정은 동일하므로 별도로 설명하지 않겠습니다.02단계 설치 후에 실행하면 로그인 화면이 나타납니다. 로그인 화면에서도 알 수 있듯이 코덱스 앱은 챗GPT 계정으로 로그인할 수 있습니다. 다시 말해 챗GPT 요금제 안에서 코덱스 앱을 사용할 수 있습니다.03단계 로그인을 마치면 코덱스 앱이 실행됩니다. 왼쪽 사이드바 버튼과 오른쪽 사이드바 버튼을 눌러서 펼쳐보세요. 왼쪽 사이드바는 챗GPT의 사이드바와 유사하고, 오른쪽 사이드바는 진행 상황을 보여주거나, 시각적으로 결과를 표현해주는 아티팩트, 출처 목록들이 보입니다. 보통 오른쪽 사이드바는 닫아두고 왼쪽 사이드바를 열어서 사용합니다.04단계 왼쪽 사이드바 메뉴를 하나씩 살펴보겠습니다. 우선 개괄적으로 설명을 해두고 실습은 바로 다음 과정에서 진행하겠습니다.• 새 채팅 : 새 채팅을 엽니다. 챗GPT의 새 채팅과 동일합니다.• 검색 : 채팅 목록을 검색합니다.• 플러그인 : 플러그인 안에는 플러그인과 스킬 탭이 있습니다. 플러그인은 외부 애플리케이션을 조작하는 역할이고, 스킬은 앞에서 설명했던 스킬을 말합니다.• 자동화 : 코덱스 앱의 꽃입니다. 여러분이 채팅 세션을 미리 열기 위해 챗GPT에서 작업했던 그것입니다. 시간별, 일정별로 작업을 걸어둘 수 있는 유용한 기능입니다.• 프로젝트 : 챗GPT의 프로젝트와 동일한 기능입니다.

[챗GPT 03] 구글 스프레드시트 in 챗GPT 설치하기

📅 2026년 7월 3일 · 👁 54

01단계 마찬가지로 bit.ly/4tPciNB에 접속한 뒤 [Google Sheets용 ChatGPT 설치하기]를 누르면 설치가 진행됩니다. 설치 과정은 엑셀과 비슷하지만 액세스할 항목 체크에서 [모두]를 선택해야 합니다.02단계 로그인한 계정에서 스프레드시트 파일을 만들고 [확장 프로그램 → ChatGPT → Open Sidebar]를 누르면 챗GPT를 사용할 수 있습니다.

워킹맘 개발자의 ADsP 공략!

📅 2026년 7월 3일 · 👁 55

[합격 수기] 워킹맘 개발자의 ADsP 공략"시간이 부족한 워킹맘도, 데이터가 낯선 비전공자도 할 수 있습니다. ADsP, SQLD, SQLP 자격증을 목표로 달리는 수험생들을 위해 점심시간과 퇴근 후를 쪼개어 완성한 생생한 합격 이정표를 공유합니다."Q1. 자기소개 부탁드립니다. 또한 데이터 관련 자격증에 도전하시게 된 특별한 계기가 있나요? 안녕하세요! 회사 승진을 목표로 데이터 자격증 시험에 도전하게 된 현직 개발자이자 워킹맘입니다. 전공 분야가 아니다 보니 처음에는 어디서부터 손을 대야 할지 참 막막했어요. 특히 일과 육아를 병행하다 보니 절대적으로 시간이 부족했죠. 그래서 회사의 점심시간과 퇴근 후 자투리 시간을 1분 1초 쪼개 쓰며, 그야말로 '시간과의 치열한 싸움'을 벌인 끝에 합격의 기쁨을 맛보게 되었습니다.Q2. 시중에 정말 많은 ADsP 교재가 있는데, 현재 보시는 교재를 선택하신 특별한 이유가 있으신가요? 제 모토는 "재시험은 절대 없다!"였어요. 그래서 한 권을 보더라도 완벽하게 마스터할 수 있는 확실한 책이 필요했죠. 이 교재를 선택한 이유는 단순히 책의 내용이 좋아서뿐만이 아니에요.본문의 이론과 기출문제, 모의고사는 물론이고 골든래빗에서 제공하는 온라인 기출문제 시스템, 유튜브 강의, 그리고 시험 직전에 진행되는 유튜브 라이브 방송까지! 책 한 권으로 누릴 수 있는 부가적인 혜택이 정말 풍성했거든요. 이 책에 담긴 모든 콘텐츠를 200% 활용한 것이 합격의 일등 공신이었습니다Q3. ADsP를 학습하는 과정에서 가장 어려웠던 점은 무엇이었나요? 아무래도 비전공자이다 보니 책에 나오는 모든 용어와 개념이 외계어처럼 생소했던 게 가장 힘들었어요. 그래서 초반에는 개념의 뼈대를 잡는 데 시간을 많이 투자했습니다. 기출문제와 모의고사를 풀 때도 단순히 답만 확인하는 게 아니라, 개념을 몰라서 틀린 부분은 이해가 될 때까지 집요하게 반복해서 학습했습니다.Q4. 본인만이 가진 '합격 비법'이 있다면 공개해 주실 수 있을까요? 특히 포기할 부분은 과감히 포기하셨다고 들었습니다. 오답노트라고 생각합니다. 물론 많은 문제를 푸는 것도 중요하지만, 틀린문제를 한 번 다시 보는 것이 무엇보다 중요했습니다. 기출 변형이 많기 때문에 한번 틀린문제를 완벽히 이해하는 것을 중점을 두고 공부했습니다.Q5. 마지막으로 ADsP 합격을 위해 고군분투 중인 후배 수험생들에게 한마디 부탁드립니다. 저는 직장과 육아를 병행하느라 3주 정도 넉넉하게 기간을 잡고 공부했는데요, 집중해서 몰입하신다면 이보다 더 짧은 기간에도 충분히 합격하실 수 있습니다. 다른 강의나 교재를 기웃거릴 필요 없이, 정말 이 책 한 권만 제대로 파고들어도 충분합니다. 지치지 말고 책 믿고 끝까지 달리셔서 꼭 한 번에 합격하시길 응원하겠습니다! 모두 화이팅입니다!

[생존 AI 교양 05] AI와 인간의 뇌 대결 : GPU와 HBM이 넘어야 할 벽

📅 2026년 7월 1일 · 👁 87

AI와 인간의 뇌 대결 : GPU와 HBM이 넘어야 할 벽인간의 뇌와 인공지능이 성능 대결을 펼친다면 어떤 결과가 나올까요? 초당 수조 번의 연산을 해치우는 AI는 수만 장의 사진을 동시에 분석해서 수만 명의 인파 속에서도 우리가 찾으려던 '철수'를 정확히 찾아냅니다. 반면, 인간은 멀리서 걸어오는 친구를 보고도 "쟤가 철수인가? 영수인가?" 하며 눈을 가늘게 뜨고 한참을 버벅거리곤 하죠. 수십 권 분량의 보고서를 요약하느라 일주일 내내 머리를 쥐어짜는 인간과 달리, AI는 단 2~3분 만에 깔끔한 보고서를 떡하니 내놓습니다.그런데 이런 압도적인 스펙 차이에도 불구하고, 여전히 인간의 뇌가 AI보다 훨씬 '영리하다'는 평가를 받고 있어요. 도대체 왜일까요? AI는 숫자에 매몰된 '강박적 완벽주의자'인 반면, 뇌는 맥락에 강한 '유연한 효율주의자'이기 때문입니다. AI가 1+1=2라는 단순 연산 수십억 개를 동시에 처리하는 동안, 인간은 "1+1은 귀요미" 같은 농담을 던지며 상황을 비틀어버리죠. (AI한테 "1+1은 귀요미"라고 가르치려면 도대체 몇 차원의 임베딩이 필요한 걸까요?) 결국 AI의 한계는 '속도'의 문제가 아니라, '생각하는 방식'의 근본적인 차이에서 비롯됩니다. 그리고 한 꺼풀 더 벗겨보면, AI가 인간을 넘어서지 못하는 결정적인 '구조적 한계'가 존재하거든요.▸ 게임 그래픽카드가 AI의 심장이 된 사연 : GPU의 탄생1999년, 세상은 밀레니엄의 문턱에서 들떠 있었습니다. 사람들은 비디오 대여점에서 '매트릭스' VHS를 빌려 보고, Y2K 버그에 대비해 현금을 쟁여두며, 냅스터로 음악을 내려받던 시절이었죠. 바로 그 해, 엔비디아라는 작은 그래픽카드 회사가 세상에 내놓은 칩 하나가 훗날 AI 혁명의 씨앗이 될 줄은 아무도 몰랐습니다. 세계 최초의 GPU로 불리는 '지포스 256'이 그 주인공이에요.당시 GPU라는 거창한 이름보다는 그냥 '게임용 그래픽카드' 정도로 불렸습니다. 그도 그럴 것이, 이 칩의 본래 임무는 게이머들의 화면을 더 멋지게 만드는 것이었거든요. 당시 해상도인 1024×768 화면에 초당 60프레임을 뿌리려면, 1초에 약 4,700만 개의 픽셀 정보를 계산해야 했습니다. 이 모든 픽셀을 동시에 그려내지 못하면 화면이 뭉개지거나 노이즈가 발생했죠. 즉, GPU는 태생적으로 수천 개의 단순한 계산을 '동시에' 처리하도록 설계된 기계였던 겁니다.마치 아주 쉬운 덧셈 문제 수만 개를 동시에 나눠 푸는 '수천 명의 초등학생'을 일렬로 줄 세워놓은 형태라고 할 수 있어요. 우리는 이것을 여러 계산을 동시에 하는 병렬 처리라고 부릅니다.반면 CPU는 어떨까요? CPU는 복잡한 명령을 순차적으로 깊게 처리하는 '천재 수학자' 한 명과 같습니다. 미적분을 풀고, 조건문을 따지고, 운영체제의 수많은 명령을 처리하죠. 요즘의 CPU는 천재 수학자를 열댓 명 정도 줄 세워놓고 계산하는 방식이 최신 기술 수준입니다. 하지만 AI 학습이라는 작업의 본질은 고도의 수학이 아니라, 엄청나게 많은 수의 단순 곱셈과 덧셈을 반복하는 것이에요. 천재 수학자 한 명이 100만 개의 덧셈을 줄줄이 처리하는 것보다, 수천 명의 초등학생이 동시에 나눠 푸는 편이 압도적으로 빠르겠죠? AI는 바로 이 '단순 반복의 천재'인 GPU의 힘을 빌려 학습하고 추론하게 된 겁니다.CPU와 GPU의 차이는 성능과 속도의 차이보다는 처리 방식과 용도가 다르다는 것이 중요합니다.그런데, 1999년에 겨우 1,700만 개의 트랜지스터를 품고 있던 이 작은 칩이, 25년이 지난 지금은 어떻게 되었을까요? 엔비디아의 최신 GPU에는 수백억 개의 트랜지스터가 집적되어 있고, 메모리 용량은 무려 76만 8천 배나 커졌습니다. 게임을 위해 태어난 이 천재는 AI 시대의 핵심 엔진으로 화려하게 전직한 셈이죠.▸ 아무리 빨라도 길이 막히면 소용없다 : '메모리 벽'에 가로막힌 AI문제는 이 '수천 명의 초등학생'이 아무리 계산을 빨리해도, 문제를 담은 종이(데이터)가 전달되는 속도가 터무니없이 느리다는 것입니다. 여러분이 시험을 치르는 상황을 한번 상상해보세요. 시험장에 수천 명의 응시자가 앉아 있는데, 문제지가 한 장씩 순서대로 배달됩니다. 응시자들은 5초 만에 답을 적지만, 다음 문제지가 도착하는 데 1분이 걸린다면 어떨까요? 아무리 천재들이 모여 있어도 그 시험장은 대부분의 시간을 '기다리는 데' 낭비하게 됩니다.컴퓨터 과학에서는 이것을 '폰 노이만 병목현상'이라고 부릅니다. 현대 컴퓨터의 아버지라 불리는 존 폰 노이만이 설계한 구조에서는, 연산장치(CPU/GPU)와 기억장치(메모리)가 물리적으로 분리되어 있거든요. 데이터를 메모리에서 꺼내와 연산하고, 결과를 다시 메모리에 저장하는 과정에서 시간이 다 소비됩니다. 연산은 0.1초 만에 끝났는데, 메모리에서 데이터를 가져오고 저장하는 데 1초가 걸린다면 AI의 전체 속도는 결국 1.1초가 되는 셈이에요.이것은 마치 아무리 빠른 경주마를 키워놔도, 경마장으로 가는 길이 좁은 골목길이라 말이 제 속도를 낼 수 없는 것과 같습니다. AI 연구자들은 이 보이지 않는 벽을 '메모리 벽Memory Wall'이라고 불렀고, 이것이야말로 AI 성능을 가로막는 가장 큰 걸림돌이었습니다.그래서 등장한 구원투수가 바로 HBMHigh Bandwidth Memory(고대역폭 메모리)입니다.기존의 DRAM이 평면에 넓게 퍼진 2차선 도로였다면, HBM은 메모리 칩을 수직으로 층층이 쌓아올린 3차원 아파트 같은 구조에요. 메모리 칩 여러 장을 위아래로 포개놓고, 그 사이사이를 수천 개의 미세한 관통 전극TSV, Through-Silicon Via으로 연결한 겁니다. 데이터가 오가는 통로를 8차선, 16차선 입체 고속도로로 뚫어버린 것이죠. 덕분에 GPU가 내뱉는 연산 결과가 병목 없이 즉각 저장되고, 다음 데이터가 지체 없이 공급될 수 있게 되었습니다.HBM은 AI에 없어선 안될 메모리지만, 아직까지도 메모리는 GPU의 속도를 따라잡진 못했어요.놀라운 것은 HBM의 진화 속도입니다. SK하이닉스는 2026년 CES에서 16단 적층 HBM4를 세계 최초로 공개했는데, 이 칩 하나의 용량이 무려 48GB이고, 초당 2테라바이트(TB/s)의 데이터를 주고받을 수 있어요. 이게 어느 정도 속도냐면, DVD 한 장 분량의 데이터를 0.002초, 그러니까 눈 깜짝할 사이의 400분의 1 시간에 전송할 수 있다는 뜻입니다. 좁은 골목길이었던 메모리 통로가, 이제는 16차선 입체 고속도로가 된 셈이죠.▸ 그래도 뇌가 이기는 이유 : 기억하는 곳이 곧 생각하는 곳그런데 이런 눈부신 발전에도 불구하고, AI는 인간 뇌의 구조를 따라가지 못하고 있습니다. 결정적인 차이는 '데이터가 어디서 처리되는가'에 있어요.앞에서 우리는 폰 노이만 병목현상을 이야기했죠. 연산하는 곳(GPU)과 기억하는 곳(메모리)이 물리적으로 분리되어 있어서, 데이터를 실어 나르느라 시간과 에너지를 낭비한다고요. 그런데 인간의 뇌는 이런 구조가 아닙니다. 인간의 뇌에는 약 860억 개의 뉴런이 있고, 이 뉴런들을 연결하는 시냅스는 무려 100조 개가 넘어요. 여기서 핵심은, 각각의 뉴런과 시냅스가 데이터를 저장하는 동시에 연산도 수행한다는 겁니다. 기억하는 곳이 곧 생각하는 곳인 거죠.이것을 컴퓨터 과학에서는 인메모리 컴퓨팅이라고 부릅니다. 데이터가 어딘가로 이동할 필요가 없으니 에너지 소모가 극히 적고, 속도는 상상을 초월합니다. 더 놀라운 점은 인간의 뇌가 정보를 처리하는 방식 자체가 근본적으로 다르다는 거예요. AI는 모든 것을 0과 1의 디지털 신호로 변환한 뒤에 연산을 시작하지만, 뇌는 화학 물질과 전기 신호가 뉴런 전체로 '공명'하듯 퍼지면서 직관적인 패턴 인식을 수행합니다. 계산이 아니라 '느낌'에 가까운 방식으로 정보를 처리하는 것이죠.여러분이 길을 걷다가 갑자기 날아오는 공을 발견했을 때를 떠올려보세요. 뇌는 공의 궤적을 미적분으로 계산하지 않습니다. 시각 정보가 들어오는 순간, 수만 개의 뉴런이 동시에 반응하면서 '위험하다'는 판단과 '몸을 피해야 한다'는 명령이 거의 동시에, 직관적으로 완성되죠. 이것이 가능한 이유는 기억과 연산이 같은 물리적 공간에서 일어나기 때문이에요. GPU가 아무리 빨라져도, 데이터를 실어 나르는 '택배 시스템'을 쓰는 한 이 직관의 속도를 따라잡기는 구조적으로 어렵습니다.▸ 전기 먹는 하마 vs. 전구 하나 : 뇌를 반도체에 새겨 넣는 도전그래서 최근 과학계는 매우 야심찬 도전에 나서고 있습니다. GPU를 더 빠르게 만드는 것이 아니라, 아예 인간의 뇌를 반도체 위에 통째로 복제하겠다는 발상이죠. 연산장치와 기억장치를 하나로 합치고, 뉴런의 작동 방식을 그대로 본뜬 뉴로모픽 컴퓨팅Neuromorphic Computing이 그 주인공입니다.그중에서도 가장 주목받는 기술이 스파이킹 신경망SNN, Spiking Neural Network이에요. 기존의 AI 신경망이 모든 뉴런을 항상 가동시키는 '24시간 풀가동 공장'이라면, SNN은 인간의 뇌처럼 특정 자극이 임계값을 넘었을 때만 전기 스파이크를 '톡' 발사하는 방식입니다. 마치 조용한 교실에서 손을 든 학생만 발표하는 것과 같죠. 이벤트가 발생할 때만 전력을 소모하니, 나머지 뉴런들은 잠들어 있게 됩니다. 에너지 효율은 극대화되고, 발열은 획기적으로 줄어들어요.그렇지만, 안타깝게도 뉴로모픽 컴퓨팅은 아직 완성된 기술이 아닙니다. 기존 GPU 기반의 딥러닝 모델을 SNN으로 변환하는 '소프트웨어 격차'가 여전히 크고, 대규모 스파이크를 라우팅하는 과정에서 통신 오버헤드가 발생하며, 아날로그 소자를 수십억 개 집적할 때의 제조 수율 문제도 해결해야 합니다. (솔직히, 인간의 뇌를 반도체로 완벽하게 베끼는 게 쉬웠다면 이미 누가 했겠죠?)현재 AI 데이터센터는 도시 하나가 쓸 전기를 잡아먹는 거대한 '전기 먹는 하마'가 되어가고 있습니다. IEAInternational Energy Agency에 따르면 전 세계 데이터센터의 전력 소비는 2024년 415TWh에서 2030년 945TWh로 두 배 이상 늘어날 전망이에요. 이것은 일본 전체의 연간 전력 소비량과 맞먹는 규모입니다. 아일랜드에서는 이미 국가 전체 전력의 21%를 데이터센터가 소비하고 있고, 2026년에는 32%까지 올라갈 것으로 예상됩니다.그런데, 인간의 뇌는요? 고작 전구 하나를 밝힐 정도의 에너지, 약 20와트로 이 모든 복잡한 사고를 해냅니다. 사랑하는 사람의 목소리를 알아듣고, 비 오는 날의 냄새에서 어린 시절의 기억을 떠올리며, '1+1은 귀요미'라는 농담의 뉘앙스까지 이해하는 이 경이로운 연산을, 전구 하나의 전력으로 수행하고 있는 거예요.이제 AI의 경쟁력은 단순히 '얼마나 빠른가'를 넘어 '얼마나 적은 에너지로 똑똑해질 수 있는가'로 옮겨가고 있습니다. HBM이 데이터 고속도로를 뚫어 당장의 AI 성능을 끌어올리는 현실적인 해법이라면, 뉴로모픽 컴퓨팅은 결국 도달해야 할 종착지와 같습니다. 전구 하나만큼의 에너지로 세상을 이해하는 인간의 뇌, AI가 그 경지에 도달하는 날이 진정한 AI 시대의 완성이 아닐까요?