(참고) 전체 작업에 소요된 컨텍스트 분량은 67만 토큰이고(다행히 컨텍스트 윈도우가 넉넉한 Sonnet 모델을 써서 컨텍스트 문제는 피했다) 총 3시간 57분이 소요되었다
이 글에서 다루는 것
정밀 가공 중소기업에서 쓸 작업 표준 양식과 교육용 교안을 만들었다. 작업 표준은 "누가 해도 같은 순서와 기준으로 일하게 해 주는 문서"이다. 자료조사와 교안 작성을 NotebookLM과 Claude Code로 이어서 해 본 기록이며, 두 편으로 나눈다.
1편(이 글): 설치, 구글 로그인, 첫 노트북 만들기, 자료 모으기 (세션의 앞 1시간 22분)
2편: 질문, 수업 설계, 목차, 본문 쓰기, 검증, Word 파일 만들기
어떤 도구를 썼나
NotebookLM은 구글이 만든 "자료 노트" 서비스이다. 내가 올린 자료 안에서만 답하고, 답마다 출처를 달아 준다.
이 서비스를 Claude Code 대화창에서 조작하게 해 주는 스킬을 설치하고 사용했다. 스킬 안에서는 nlm이라는 명령줄 도구(정식 이름 notebooklm-mcp-cli)가 NotebookLM을 대신 움직인다. MCP는 AI가 바깥 도구를 쓰게 해 주는 연결 방식을 가리키는데, 이번 작업에서는 같은 프로젝트의 명령줄 도구를 썼다.
하는 일은 이렇다.
목표와 키워드를 받아 자료를 찾는다.
찾은 자료를 NotebookLM 노트에 넣는다.
노트에 질문해서 얻은 답으로만 문서를 쓴다. 문장마다 출처 번호를 단다.
워드나 파워포인트 파일로 만든다.
설치하기 전에 확인한 것
설치 전에 다른 폴더에서 AI와 먼저 이야기를 나눴다. 그때 알게 된 점은 이렇다.
NotebookLM만 써도 "자료 안에서만 답한다"는 점은 같다. 이 스킬이 거짓말을 없애 주는 것은 아니다. 대신 자료 모으기, 출처 번호 점검, 워드 파일 만들기를 자동으로 이어 준다.
nlm은 구글 공식 제품이 아니라서,구글이 내부 방식을 바꾸면 멈출 수도 있다.
가 장 조심할 점은 보안이다. 노트에 넣은 자료는 구글 서버로 올라간다. 고객사 자료는 넣기 전에 동의를 확인해야 한다.
설치 스크립트는 실행 전에 먼저 읽고, 어떤 프로그램을 내려받는지 확인했다.
설치: 한 번에 끝나지 않았다
설치 명령은 한 줄이다. Claude Code를 쓰고 있어서 Aside는 빼고 실행했다.
설치 프로그램은 이미 있는 것은 건너뛰고 없는 것만 깔았다.
이미 설치되어 있어서 건너뛴 것: 9개 (파이썬, 노드, pandoc, 크롬 확장 등)
새로 설치한 것: 3개 (문서 변환용 라이브러리 등)
사람이 해야 해서 남은 것: 3개
구글 로그인 (본인만 가능)
LibreOffice (워드 파일 미리보기용)
poppler (문서를 이미지로 바꾸는 도구)
2번과 3번은 이 PC에 winget(윈도우 앱 설치 도구)이 없어서 자동 설치가 안 됐다. 그 영향은 이어지는 글에 기록했다.
첫 노트북 만들기: AI가 한 번에 하나씩 물었다
스킬은 한꺼번에 많은 것을 묻지 않았다. 질문 하나, 이유 한 줄, 추천값, "Enter면 추천대로"의 순서로 진행했다. 덕분에 결정할 것이 많아도 부담이 적었다.
1) 목표와 키워드
먼저 "정밀 가공 중소기업에서 CNC 가공 작업표준을 만들 템플릿과 예제, 교안(워드)을 만든다."는 목표를 줬다.
키워드는 AI가 목표에서 뽑아 준 것(작업표준서, 셋업시트, 절삭조건, 공정관리계획서 등)을 그대로 썼다.
2) 내 자료 넣기
회사상황과 공 작기계 데이터를 요약하여 노트에 먼저 넣었다.
회사 상황 메모: 주문형 금형을 만드는 회사이고, 같은 제품을 다시 만드는 일이 거의 없으며, 기존 작업 표준이 없다는 것. 앞으로 생산관리 시스템(MES) 데이터를 연결할 계획이라는 것.
공작기계 데이터 파일 요약
두 번째 자료에서 한 번 멈췄다. 원본은 기계가 만든 파일을 16진수 숫자표로 바꾼 것이라 NotebookLM이 읽어도 뜻을 알 수 없는 자료였다. 그래서 원본은 넣지 않고, 읽을 수 있는 부분(소재 이름, 공구 종류 이름)만 요약해서 넣었다. 처음 만든 요약에는 내가 아는 지식으로 덧붙인 풀이(예: 약어의 뜻)가 있었는데, "자료에 없는 것을 적으면 안 된다"는 원칙에 맞춰 원문 그대로의 표기만 남기고 다시 고쳤다.
생산관리 시스템의 데이터베이스 설계서도 후보였다. 읽어 보니 쓸 만한 항목이 많았지만, 고객사 내부 자료라서 올리지 않기로 결정했다. 단가·업체 정보는 처음부터 뺀 발췌본을 만들어 두었으나 노트에는 올리지 않았다. 이 결정 때문에 교안 일부는 근거가 약한 채로 남았다(2편).
3) 검색 범위
기본 추천값은 "최근 3개월"이었다. 이 값은 변화가 빠른 AI 도구 주제를 기준으로 한 것이다. 이번 주제는 공구와 가공 이야기라서 변화가 느리다. 그래서 최근 5년으로 늘렸다. 표준 문서와 공식 가이드는 날짜와 상관없이 쓸 수 있게 예외로 두었다.
주요 자료처는 유튜브, 공공기관·협회, 장비 제조사, 공구 제조사로 정했다. 이 범위의 자료가 전체의 60% 이상이 되게 맞추기로 했다.
자료 모으기: 숫자로 본 결과
검색 계획을 승인하면, AI가 사람의 개입 없이 자료를 찾아 노트에 넣는다.
유튜브: 영어와 한국어로 검색어를 20개 가까이 돌려 후보 127개(중복 포함)를 얻었다. 이후 검색어를 더 돌렸고, 그중 관련 있는 것만 골라 54개를 넣었다. 게시일은 영상 정보에서 읽어 직접 기록했다.
공식·기관 자료 17개: 장비 제조사, 공구 제조사, 안전보건공단, 공구 선정 가이드 등
NotebookLM의 자동 리서치 13개: 작업표준서 작성법, 다품종 소량 생산, 숙련자 노하우 정리 등의 글과 논문
내 자료 2개
합계 86개이다. 이 스킬의 소스 한도는 요금제에 따라 다른데, 내 계정은 약 300개까지 가능했다.
기준에 맞는지 확인
기간 안에서 확인된 주요 자료 비율: 약 61% (목표 60% 충족)
공식 문서는 게시일이 적혀 있지 않은 경우가 많았다. 날짜를 추측해서 적지 않고 "미확인"으로 두고 계산에서 뺐다.
처음에는 비율이 53%여서 기준에 못 미쳤다. 관련 있는 영상 21개를 더 넣었다. 그래도 도구는 59%로 계산했는데, 빈 소스 8개를 빼고 세면 61%였다. 숫자를 채우려고 관련 없는 영상을 넣지는 않았다.
이 단계에서 발견한 문제 세 가지
빈 소스가 생겼다. 유튜브 영상 8개는 자막이 없어서 "넣기는 성공했는데 내용은 147자뿐"이었다. 겉보기에는 정상 처리라서, 내용 길이 를 따로 재서 발견했다. 이 8개를 지울지 물어봤고, 그대로 두기로 했다. 그 영상 중에는 "작업표준서" 사례 영상도 있어서 아쉬웠다.
일반 웹검색 결과는 믿기 어려웠다. 장비 매뉴얼을 찾으니 출처가 불분명한 PDF 복사 사이트가 대부분이었다. 그런 것은 넣지 않았다. 대신 제조사 공식 사이트로 범위를 좁혀 다시 검색했고, 그래도 공식 조작 매뉴얼은 공개된 곳을 찾지 못했다.
자동 자막은 숫자가 뭉개진다. "8N·m"이 "8n미m"으로 적혀 있었다. 이 문제는 2편에서 더 자세히 다룬다.
이 구간에서 배운 것
설치는 한 번에 끝나지 않는다고 생각하는 편이 낫다. 설치 프로그램이 "남은 할 일"을 알려 준다. 그 목록이 없어질 때까지 한 줄씩 처리하면 된다.
AI가 한 일과 내가 한 일이 갈린다. 자료 찾기와 넣기는 AI가 했다. 로그인, 보안 판단, 어떤 자료를 넣을지 결정은 내 몫이었다.
"자료가 몇 개냐"보다 "쓸 수 있는 내용이 들어 있느냐"가 중요하다. 86개 중 8개가 빈 소스였다. 개수만 보면 몰랐을 것이다.
고객사 자료는 넣기 전에 한 번 멈추는 것이 맞았다. 질문이 나오는 구조 덕분에 놓치지 않았다.
이어서 다음 글에서 이 86개 자료로 실제 교안을 쓰는 과정, 그리고 AI가 쓴 내용을 어떻게 믿을 수 있게 만들었는지를 다룬다.
