라인 직업 훈련 과정

과정 소개

직업훈련과정
과정 소개

직업훈련과정 사무직을 위한 생성형 AI 실무 활용 과정

과정상세

강좌명 : 사무직을 위한 생성형 AI 실무 활용 과정
훈련 기간 : 30일, 30 시간

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 국내 메신저 알림[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	API 입문 — 프로그램을 부르는 법, 그리고 LLM[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	LLM API 활용 — 대량 배치와 구조화 출력[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	웹 데이터 수집 — LLM으로 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·매뉴얼(RAG)[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
39	맞춤형 AI 어시스턴트와 에이전트 — 빌더로 만들고, 도구로 실행한다[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

진단평가

10%

출석율 50% 이상 응시 가능

최종평가

50%

출석율 80% 이상 응시 가능

과제

40%

출석율 80% 이상 응시 가능