컨설턴트를 위한 AI 워크스페이스: 파트너급 속도로 만드는 덱, 프레임워크, 리서치

AI가 프로젝트에서 실제로 대체하는 것

컨설팅 업무는 한 가지 일이 아닙니다. 한 주 동안 문제를 구조화하고, 이해관계자를 인터뷰하고, 데이터 추출본을 정리하고, 스토리라인을 만들고, 페이지를 쓰고, 추천안을 방어합니다. 이 작업들은 서로 완전히 다른 모델 동작을 요구하는데, 이것이 하나의 AI 구독이 항상 70퍼센트는 유용하고 30퍼센트는 답답하게 느껴지는 이유입니다.

정직한 프레임은 이렇습니다: AI는 프로젝트의 답을 만들어내지 않습니다. 이미 만들 줄 아는 무언가의 초안에 도달하는 데 드는 두 시간을 없애주고, 시간이 더 있었다면 목요일에나 발견했을 공백을 잡아줍니다. 그렇게 쓰면 주당 몇 시간의 가치가 있습니다. 답을 내놓는 기계로 쓰면 파트너들이 이미 알아채는 법을 익힌, 딱 그런 일반적인 결과물이 나옵니다. 프로젝트에서 가장 레버리지가 큰 사례가 콜 리캡인데, 이는 AI로 회의를 요약하는 방법에 별도의 워크플로우로 정리되어 있습니다.

다음은 몇 주가 지나면 대부분의 컨설턴트가 정착하는 라우팅입니다:

작업	최적 모델	이유
문제 구조화, 이슈 트리, 2x2 매트릭스	GPT	명시적인 구조적 제약을 그대로 따르고 MECE 논리를 유지하며 깔끔한 위계 구조를 반환함
슬라이드 헤드라인과 스토리라인	Claude	사람다운 어조로 글을 쓰고 불필요한 수식어를 피하며 일관된 논지를 유지함
임원 요약과 클라이언트 이메일	Claude	어조 조절과 까다로운 내용을 정중하게 전달하는 데 가장 뛰어남
시장 및 경쟁사 조사	Gemini	확인 가능한 출처가 있는 최신 웹 자료에 가장 강함
긴 문서와 녹취록 읽기	Gemini	100만 토큰 컨텍스트 윈도우로 120페이지 연간 보고서도 한 번에 처리함
표나 JSON으로 데이터 추출	GPT	엑셀에 바로 붙여넣을 수 있는 엄격한 출력 형식에 가장 안정적임
추천안 검증	초안을 작성하지 않은 모델	두 번째 모델은 가장 저렴한 레드팀임

이 표를 외울 필요는 없습니다. 실용적인 요약은 이렇습니다: 구조는 GPT에서 초안을 잡고, 문장은 Claude에서 다듬고, 리서치는 Gemini에서 진행하고, 최종 논리는 작성하지 않은 모델로 점검하세요.

워크플로우 1: 뻔하지 않은 프레임워크 생성

"이 클라이언트 문제에 대한 프레임워크"를 요청하면 클라이언트 이름만 바뀐 포터의 5가지 힘 분석이 돌아옵니다. 해결책은 매니저가 줄 법한 제약 조건, 즉 클라이언트가 실제로 내려야 하는 결정, 허용되는 축, 이미 배제된 것을 모델에 제공하는 것입니다.

프롬프트: 이슈 트리

컨설팅 프로젝트를 위해 문제를 구조화하고 있습니다. 클라이언트의 결정: [구체적인 결정, 예를 들어 "세 개의 지역 물류 센터를 하나로 통합할지 여부"]. 3단계 깊이의 MECE 이슈 트리를 만드세요. 1단계는 답을 찾으면 결정이 해결되는 3~5개의 질문이어야 합니다. 각 말단 항목마다 필요한 분석과 필요한 데이터 출처를 명시하세요. 사용 가능한 데이터로 검증할 수 없는 가지는 포함하지 마세요. 답이 이미 알려져 있을 가능성이 높은 가지에는 표시하세요.

프롬프트: 존재 이유가 있는 2x2

이 문제에 대한 후보 2x2 매트릭스 세 가지를 제안하세요. 각각에 대해 두 축의 이름을 정하고, 각 사분면에 위치할 경우 클라이언트에게 어떤 의미인지 설명하고, 그 매트릭스가 이끄는 단 하나의 결정을 명시하세요. 같은 변수를 다르게 표현한 축 쌍은 제외하세요. 그런 다음 하나를 추천하고 나머지 두 개가 왜 여기서는 더 약한지 설명하세요. 맥락: [상황 메모를 붙여넣으세요].

프롬프트: 이미 만든 프레임워크 압박 테스트

제가 만든 프레임워크입니다: [붙여넣기]. 회의적인 프로젝트 매니저 역할을 맡아주세요. 겹치는 가지, 빠진 가지, 주어진 시간 안에 분석할 수 없는 가지, 구조 자체가 답을 전제하고 있는 부분을 찾아주세요. 다시 작성하지 마세요. 문제점만 나열하세요.

마지막 프롬프트가 이 페이지에서 가장 가치 있는 프롬프트입니다. 모델은 구조를 만들어내는 것보다 비판하는 데 훨씬 뛰어나고, 비판 단계는 30초면 끝납니다. 매니저 리뷰에 들어가기 전에, 후가 아니라 전에 자신의 프레임워크를 이 과정에 통과시키세요.

워크플로우 2: 파트너 리뷰를 통과하는 덱 내러티브

AI가 작성한 슬라이드의 실패 지점은 문법이 아닙니다. 모든 헤드라인이 주장이 아니라 주제라는 점입니다. "시장 개요"는 주제입니다. "카테고리는 11퍼센트 성장했지만 우리 클라이언트는 할인 채널 때문에 점유율을 3포인트 잃었다"는 주장이고, 주장으로 이루어진 덱은 보고가 아니라 사고로 읽힙니다.

프롬프트: 페이지보다 스토리라인 먼저

클라이언트 덱을 위한 수평 스토리라인을 만드세요. 상황: [2문장]. 복잡한 문제: [2문장]. 클라이언트가 묻는 질문: [1문장]. 제가 가진 근거: [불릿]. 추천안: [1문장]. 주어와 동사를 갖춘 완전한 주장으로 된 8~12개의 슬라이드 헤드라인을 반환하고, 순서대로 읽으면 하나의 논지가 되도록 하세요. 주제 라벨은 안 됩니다. 헤드라인 뒤에는 아직 근거가 없는 주장을 나열하세요.

마지막 지시가 여러분을 구해줍니다. 페이지를 만들기 전에 근거 공백 목록을 확보하게 해주는데, 이는 어차피 파트너가 리뷰에서 만들어낼 목록과 같습니다.

프롬프트: 페이지 작성

이 슬라이드의 본문 내용을 작성하세요. 헤드라인: [헤드라인 붙여넣기]. 뒷받침 데이터: [숫자나 결과 붙여넣기]. 대상 독자: [예를 들어 "운영에 능통하고 컨설턴트에게 회의적인 COO와 직속 부하 2명"]. 제약 조건: 뒷받침 포인트는 최대 3개, 각각 20단어 미만, 측정할 수 없는 형용사 금지, 주어진 데이터를 넘어서는 주장 금지. 클라이언트를 위한 한 줄짜리 "그래서 어쩌라는 건가"를 추가하세요.

프롬프트: 톤 조정

이 글을 음성 샘플에 맞게 다시 쓰세요. 모든 숫자와 주장은 그대로 유지하세요. 다른 클라이언트의 덱에서도 그대로 쓰일 법한 문장은 삭제하세요. 음성 샘플: [파트너가 마음에 들어했던 덱에서 두 문단을 붙여넣으세요]. 초안: [붙여넣기].

톤에 대한 어떤 지시보다 음성 샘플이 더 중요합니다. 회사의 실제 글쓰기 두 문단이 어조를 묘사하는 형용사 한 문단보다 결과물을 더 멀리 움직여줍니다.

보내기 전에 역발상 테스트를 해보세요: 헤드라인을 새 채팅에 다시 붙여넣고 여기서 만들어진 주장은 무엇이고 그중 가장 약한 연결 고리는 무엇인가?라고 물어보세요. 모델이 여러분의 주장을 다시 말하지 못한다면 클라이언트도 마찬가지일 것입니다.

워크플로우 3: 실제로 인용할 수 있는 시장 조사

리서치는 프로젝트에서 AI가 가장 유용하면서도 가장 위험한 영역입니다. 자신 있게 지어낸 시장 규모 수치가 클라이언트 덱에 도달하면 그것은 불편함이 아니라 커리어의 문제가 됩니다. 원칙은 단순합니다: 웹 연결 모델을 쓰고, 출처를 요구하고, 직접 출처를 열어보기 전까지는 모든 숫자를 미검증으로 취급하세요.

프롬프트: 카테고리 조사

[카테고리] 시장을 조사하세요. 다음을 반환하세요: (1) 최근 24개월 이내의 시장 규모 추정치, 각각 발행 기관, 연도, URL 포함, (2) 공개된 매출이나 점유율 수치가 있는 상위 5~8개 기업, (3) 최근 12개월간의 주요 변화, 즉 진입, 퇴출, 투자 유치, 인수, 규제 변화, (4) 향후 24개월간 경쟁 구도를 바꿀 가능성이 가장 큰 구조적 요인 2~3가지. 출처가 서로 다르면 평균을 내지 말고 두 숫자를 모두 보여주세요. 출처를 찾을 수 없는 항목은 미검증으로 표시하세요.

프롬프트: 경쟁사 분석

[경쟁사]에 대한 포지셔닝 분석을 만드세요. 다음을 다루세요: 그들 자신의 표현으로 명시한 가치 제안, 타깃 세그먼트, 공개된 가격, 유통 채널, 날짜가 포함된 최근 제품이나 메시지 변화, 공개 리뷰에서 보이는 고객 불만 주제. 각 주장에 출처를 표기하세요. 회사가 명시한 것과 제3자가 관찰한 것을 구분하세요.

프롬프트: 긴 문서 읽기

이 문서를 읽고 [클라이언트의 결정]에 중요한 내용만 추출하세요. 다음을 담은 표를 반환하세요: 주장, 페이지나 섹션 참조, 그리고 [가설을 명시]하는 가설을 뒷받침하는지, 반박하는지, 중립적인지. 그런 다음 이 문서에서 업계 통념과 비교했을 때 가장 놀라운 세 가지를 나열하세요.

마지막 프롬프트가 이 일에서 큰 컨텍스트 윈도우가 중요한 이유입니다. 연간 보고서 전체나 규제 서류 전체, 또는 15개의 인터뷰 녹취록 전체를 올려놓고 그에 대해 하나의 질문을 던지는 것은 한 페이지씩 요약하는 것과는 완전히 다른 능력입니다. Gemini 3.7 Flash는 Whizi에서 100만 토큰 컨텍스트, 대략 텍스트 2,000페이지를 읽으므로 이 작업의 기본값입니다.

출처 확인과 검증에 대한 더 깊이 있는 안내는 AI를 활용한 시장 조사 가이드를 참고하세요.

클라이언트 기밀 유지: 붙여넣기 전에 비식별화해야 할 것

모든 컨설턴트가 두 번째 프롬프트를 치기 전에 이 질문을 던지는데, 정직한 답에는 두 부분이 있습니다. Whizi는 여러분의 대화로 학습하지 않으며, 각 제공업체의 데이터 처리 정책은 그 모델을 활성화하기 전에 확인할 수 있습니다. 이는 플랫폼을 다루는 부분입니다. 클라이언트 계약서는 다루지 않는데, 이는 보통 어떤 벤더 정책보다 엄격하며 실제로 여러분을 규율하는 문서입니다.

실용적인 습관은 구조는 유지하면서 신원만 벗겨내는 것입니다. AI의 추론은 유용해지는 데 클라이언트 이름이 필요 없으며, 이를 제거해도 잃는 것은 없습니다:

• 클라이언트와 경쟁사 이름을 토큰으로 바꾸세요: 클라이언트 A, 경쟁사 B, 지역 1.
• 수치는 반올림하거나 지수화하세요. "2023년을 100으로 지수화한 매출이 2025년에는 94"는 분석적 형태를 그대로 보존합니다.
• 업로드하기 전에 인터뷰 녹취록에서 이름, 이메일, 직함을 제거하세요. 직책만으로 충분하고, 분석에 쓰이는 것도 직책입니다.
• 특정 NDA 조항, 개인 정보, 또는 중요한 비공개 정보에 해당하는 내용은 이 도구를 포함한 어떤 AI 도구에도 절대 넣지 마세요.
• 프로젝트가 강화된 제한 아래 있다면 시작 전에, 시작 후가 아니라 회사의 리스크 팀에 확인하세요.

비식별화된 프롬프트는 대체로 더 나은 프롬프트이기도 합니다. 상황을 구조적인 용어로 설명하도록 스스로를 강제하면 모델의 주의를 흐리던 부수적인 세부 사항이 사라집니다.

여기서 왜 하나의 워크스페이스가 세 개의 구독보다 나은가

이 프로젝트에서의 구체적인 이점은 가격이 아니지만, 계산은 실재합니다: ChatGPT Plus, Claude Pro, Google AI Pro는 각각 약 $20, 합쳐서 월 약 $60인 반면 Whizi Pro는 $29.99이고, Claude Sonnet 5 메시지 하나는 Pro가 매달 제공하는 2,000 크레딧 중 10 크레딧만 씁니다. 그래서 덱 한 편 분량의 헤드라인 작업을 여러 번 돌려도 한도는 거의 줄지 않습니다. 독립 컨설턴트는 이 계산을 더 날카롭게 체감하는데, 프리랜서를 위한 AI 도구에서 자세히 다룹니다. 진짜 이점은 모델을 바꿔도 맥락이 유지된다는 점입니다. 클라이언트의 데이터 추출본을 업로드하고, GPT로 문제를 구조화하고, Claude로 스토리라인 초안을 쓰고, Gemini로 시장 맥락을 가져오는 일을 전부 이전 내용을 기억하는 하나의 스레드 안에서 처리합니다. 세 개의 제품으로 같은 일을 하면 프로젝트를 세 번 다시 설명하고 버전 기록을 머릿속에 담아둬야 합니다.

나란히 비교하는 것이 두 번째 이점이고, 이는 컨설팅 품질이 평가되는 방식과 정확히 맞닿아 있습니다. 같은 임원 요약을 두 모델에 돌려보고 더 나은 문단을 취하는 것은 2분짜리 습관이지만 보내는 결과물의 하한선을 눈에 띄게 높여줍니다. 또한 "이거 AI 같은데"라는 반응도 줄여주는데, 문서 전체에 늘어난 한 모델의 고유한 문체가 아니라 각 섹션마다 최선의 결과물을 내보내고 있기 때문입니다.

세 번째는 레드팀 검토입니다. 추천안을 작성하지 않은 모델에게 반대 논리를 펴달라고 요청하세요: 이 추천안이 틀렸다는 가장 강력한 주장을 펼쳐보세요. 반대 결론이 성립하려면 무엇이 참이어야 할까요? 그것이 찾아낸 것은 클라이언트의 CFO도 찾아낼 것입니다.

AI가 대신해주지 않는 것

AI는 클라이언트가 실제로 원하는 것을 알려주지 않는데, 이는 보통 RFP에 적힌 내용과 다르고 오직 그 자리에서만 배울 수 있습니다. 추천안을 실행해야 할 COO가 2년 전에 같은 아이디어를 막았다는 사실도 모릅니다. 숫자에 대한 책임을 지지 않으므로 페이지에 실리는 모든 수치는 여러분이 직접 검증해야 합니다.

AI는 또한 컨설턴트가 보수를 받는 바로 그 지점, 즉 불완전한 정보 속에서 평판이 걸린 판단을 내리는 데 약합니다. 모델은 얇은 근거로도 기꺼이 자신 있는 답을 내놓는데, 자신감은 모델에게는 저렴하고 여러분에게는 비쌉니다. 모든 결과물을 클라이언트를 한 번도 만난 적 없고 비난받을 일도 없는, 많이 읽은 애널리스트의 초안으로 취급하세요.