사무직 경험 10년 이상, 기업교육 전문 IT 강사가 알려주는 실무 맞춤 업무 자동화

 

이 책은 질문으로 코드를 생성하는 ‘바이브 코딩(Vibe Coding)’을 이용해 실무 문제를 해결하는 방법을 담은 업무 자동화 안내서입니다. 저자가 실무를 경험하며 얻은 현장 지식과 저자가 실무 현장에 생성형 AI를 접목하면서 얻은 인사이트, 다양한 실무자들을 코칭하면서 발견한 업무 자동화 아이디어와 노하우를 담았습니다.

개발자의 도움을 받아야만 가능했던 일, 지루하고 반복적인 작은 일들을 어떻게 해결할 수 있는지, 이를 통해 어떠한 성과를 이끌어낼 수 있는지 알려드립니다. 이 책이 여러분의 업무를 혁신하는 발판이 될 수 있기를 바랍니다.

 

[이 책의 특징]

- 비개발자의 시선에 기반하여 기술 중심이 아닌, 업무 유형을 중심으로 알려주는 업무 자동화

- 생성형 AI 사용에 대한 인사이트와 실무에서 활용 가능한 기술을 전하는 데 집중

- 다양한 업무 환경(엑셀/PPT, 스프레드시트/앱스스크립트, 파이썬 활용)을 고려한 실습 구성

[목 차]

[PART 01. INTRO]

 

CHAPTER 01. 챗GPT, 인간의 업무를 혁신하다

1.1 생성형 AI 시대, 우리는 어떻게 받아들이고 활용할 것인가

1.2 비개발자가 개발자보다 더 혁신적인 결과를 만들어내는 이유

1.3 AI의 개념을 모르는 생산라인 직원이 만들어낸 딥러닝 프로그램

1.4 지금 생성형 AI를 배워도 절대 늦지 않는 이유

1.5 챗GPT를 업무에 활용하는 방법 3가지

 

CHAPTER 02. 비즈니스 관점에서 이해하는 챗GPT

2.1 워드클라우드는 어떻게 만들어지는 걸까? (feat. 자연어 처리)

2.2 컴퓨터는 인간의 언어를 어떻게 이해했을까? (feat. 임베딩)

2.3 엔비디아 주식이 왜 올랐을까? (feat. 딥러닝 구조와 매개변수)

2.4 챗GPT를 업무 혁신의 도구로 이끈 결정적인 기술 (feat. RLHF)

2.5 비즈니스 관점에서 본 챗GPT의 한계 (feat. 할루시네이션)

2.6 AI의 활용 범위를 확장시키기 위한 노력 (feat. 온디바이스 AI)

[칼럼] LLM 모델의 경이로운 발전 속도

[칼럼] 엔비디아의 주가와 AI 모델의 매개변수와 연관성

 

 

[PART 02. ChatGPT X Nocode]

 

CHAPTER 03. 올바른 질문법 (feat. 프롬프트 엔지니어링)

3.1 프롬프트 엔지니어링의 본질에 대한 고찰

___3.1.1 앤드류 응의 프롬프트 엔지니어링

___3.1.2 오픈AI 공식문서에서 말하는 프롬프트 엔지니어링

___3.1.3 다시, 앤드류 응 (간소화된 프롬프트 사용법)

3.2 프롬프트 마켓과 프롬프트 엔지니어링의 미래

3.3 프롬프트 제작 효율화

___3.3.1 [현업 사례 1] 인사 다면평가시스템 활용

___3.3.2 [현업 사례 2] 정기 보고서 작성

 

 

[PART 03. ChatGPT X Lowcode]

 

CHAPTER 04. 코딩의 시대에서 코드리딩의 시대로

4.1 생성형 AI, 누구나 코딩을 사용할 수 있는 시민 개발자의 시대를 열다

4.2 코드 독해력이 필요한 이유

 

CHAPTER 05. 챗GPT X 엑셀

5.1 515개의 엑셀 문법을 모두 사용할 수 있다면?

5.2 사용자 서식, 검색의 시대는 끝났다

5.3 챗GPT로 엑셀 함수 제작하기

___5.3.1 [실습 1] 날짜 데이터의 형식을 동일하게 변경하기

___5.3.2 [실습 2] 다중 조건문 만들기

___5.3.3 [실습 3] 이중 데이터 매칭하기 – INDEX & MATCH 함수를 활용한 다중 조건 검색 구현

 

CHAPTER 06. 챗GPT X VBA

6.1 챗GPT가 VBA를 만나면?

___6.1.1 [실습 맛보기] 기업별 보고서 100개 만들기

6.2 챗GPT 생성 코딩을 통한 VBA 다뤄보기

___6.2.1 [실습 1] 엑셀 시트 10개 자동 생성하기

___6.2.2 [실습 2] PPT로 10개의 슬라이드 자동 만들기

___6.2.3 VBA 사용법

___6.2.4 VBA 기본 기능 이해하기

6.3 VBA 코드 이해를 위한 최소한의 문법 학습 

___6.3.1 프로시저

___6.3.2 변수

___6.3.3 자료형

___6.3.4 변수

___6.3.5 제어문

___6.3.6 배열

___6.3.7 내장 함수

___6.3.8 오류 처리

___6.3.9 객체/속성/메서드

6.4 VBA로 현업 문제 해결하기

___6.4.1 [실습 1] 100개의 고객사별 결과 보고서 PDF로 제작하기

___6.4.2 [실습 2] 파워포인트 자간 전체 컨트롤 하기

___6.4.3 [실습 3] 자사 홍보용 카드뉴스 제작하기

___6.4.4 [실습 4] 여러 엑셀 파일을 하나로 합치기

 

CHAPTER 07. 챗GPT X 구글 앱스 스크립트

7.1 구글 앱스 스크립트 알아보기

7.2 구글 앱스 스크립트 기본 사용법

7.3 챗GPT의 도움으로 앱스 스크립트 사용하기

[칼럼] 생성한 코드에 오류가 있을 때 해결하는 방법

 

CHAPTER 08. 챗GPT X 파워 쿼리 M코드

8.1 파워 쿼리 알아보기

___8.1.1 파워 쿼리 사용해보기

___8.1.2 파워 쿼리도 어려운데 코딩을 결합한다고?

8.2 파워 쿼리 M코드를 활용한 업무 혁신

___8.2.1 쿼리 추가해보기

___8.2.2 챗GPT와 M코드를 활용해 열 값의 평균 계산하기

[칼럼] 챗GPT X 세상의 모든 코드

 

 

[PART 04. ChatGPT X Python]

 

CHAPTER 09. 업무 활용의 끝판왕! 챗GPT X 파이썬

9.1 파이썬 학습이 필요한 이유

9.2 챗GPT가 몰고 온 파이썬 업무 활용의 변화

9.3 파이썬 학습 전 준비

___9.3.1 파이썬 설치하기

___9.3.2 주피터 노트북 설치하기

___9.3.3 폐쇄망 환경에서 파이썬 및 주피터 노트북 설치하기

___9.3.4 주피터 노트북 기본 사용법

9.4 파이썬 코드 이해를 위한 최소한의 문법 학습

___9.4.1 기본 연산: 프로그래밍의 기초

___9.4.2 변수와 자료형: 데이터를 담는 그릇

___9.4.3 인덱스와 슬라이싱

___9.4.4 데이터 구조

___9.4.5 제어문 1 – 조건문

___9.4.6 제어문 2 – 반복문

___9.4.7 기타 기능

___9.4.8 문제 해결해보기

[칼럼] 사용자의 환경에 따라 골라서 쓰는 코드 에디터

 

CHAPTER 10. 챗GPT를 활용한 파이썬 업무 자동화 (RPA)

10.1 반복 업무를 끝장내는 무기, 생성 코딩과 RPA

10.2 비개발자가 자주 활용하는 RPA 프로그램의 6가지 유형

___10.2.1 [유형 1] 인터넷 자동화

___10.2.2 [유형 2] 데이터 처리 자동화

___10.2.3 [유형 3] 개인화된 자료 자동화

___10.2.4 [유형 4] 커뮤니케이션 자동화

___10.2.5 [유형 5] 물리 자동화 (윈도우 자동화)

___10.2.6 [유형 6] 협업 자동화

10.3 생성 코딩을 통한 파이썬 업무 자동화

___10.3.1 [유형 1] 개인화된 자료 만들기

___10.3.2 [유형 2] 파일 이름 일괄 변경하기

___10.3.3 [유형 3] 폴더 정리 자동화

___10.3.4 [유형 4] 데이터 처리 자동화

 

CHAPTER 11. 오픈AI API를 통한 지능형 RPA (IPA)

11.1 지능형 업무 자동화(IPA) 혁신의 시대

11.2 IPA 실습을 위한 기본 준비: 오픈AI API 사용해보기

___11.2.1 오픈AI API 설정하기

___11.2.2 오픈AI API 첫 사용

___11.2.3 API로 경험하는 AI 기술

11.3 IPA로 채팅 자동응답 봇 만들기

___11.3.1 [1단계] 실습용 사이트에 접속해 개발자 도구 창 열기

___11.3.2 [2단계] Article 1의 웹 구조 파악하기

___11.3.3 [3단계] 파악한 웹 구조를 기반으로 기본 크롤러 만들기

___11.3.4 [4단계] 오픈AI API를 활용한 답변봇으로 함수 만들기

___11.3.5 [5단계] 크롤러에 오픈AI API 결합하기

 

CHAPTER 12. 챗GPT를 활용한 파이썬 데이터 분석

12.1 AI 기반 데이터 분석을 위한 기초 학습

12.2 AI 모델 제작을 위한 기본 지식 – 통계적 회귀 모델과 머신러닝 회귀 모델

___12.2.1 90% 데이터 전처리, 10% 분석? NO! 10% 데이터 전처리, 90% 분석!

___12.2.2 미래수치예측에 사용되는 통계적 회귀 모델은 어떻게 작동할까?

___12.2.3 통계적 회귀 모델과 머신러닝 회귀 모델의 차이는 무엇일까?

___12.2.4 머신러닝 회귀 모델을 질문으로 구현하기 위해 알아야 할 지식

12.3 생성 코딩을 통한 미래 환율 수치 예측하기

 

CHAPTER 13. 챗GPT를 활용한 파이썬 AI 프로그램 제작

13.1 이론 학습만으로 구현 가능한 다양한 AI 프로그램

13.2 이미지 기반 양품/불량품 처리 프로그램

___13.2.1 [1단계] 이미지 분류 모델의 개발 흐름 구성하기

___13.2.2 [2단계] 검증된 데이터 기반으로 코드 생성 요청하기

___13.2.3 [3단계] 이미지 분류 모델을 사용하여 생성 코드의 실용성 확인하기

13.3 유튜브 댓글 품질 판단 프로그램

___13.3.1 [1단계] 유튜브 댓글 크롤링 코드 만들기

___13.3.2 [2단계] 댓글의 품질을 평가하는 코드 만들기

___13.3.3 [3단계] 댓글 크롤링 코드와 댓글 품질 평가 코드를 하나로 합치기

___13.3.4 [4단계] 댓글 품질 평가 결과를 엑셀로 저장하도록 코드 발전시키기

13.4 영수증에서 원하는 텍스트만 추출하기

___13.4.1 [1단계] 사진 파일 가져오기

___13.4.2 [2단계] 이미지를 Base64로 인코딩된 파일로 제작하기

___13.4.3 [3단계] 도출 결과를 원하는 데이터 형태로 설정

___13.4.4 [4단계] 해당 스키마를 response_format 파라미터로 오픈AI API 모델에 제공

___13.4.5 [5단계] 모든 파일에 적용하여 데이터 모은 후 엑셀로 만들기

13.5 영수증에서 원하는 텍스트만 추출하기

___13.5.1 [1단계] 시위 정보 수집

___13.5.2 [2단계] OCR 기반 데이터 추출

___13.5.3 [3단계] 데이터 전처리

___13.5.4 [4단계] 지도 시각화

[칼럼] 생성형 AI의 핵심 강점, 정보 구조화 기술은 어떻게 탄생했을까?