커스텀 GPT · GPTs
Custom GPT
커스텀 GPT이란?
- 지침+문서로 만드는 업무 전용 챗봇
- 프롬프트 노하우를 조직 공유 자산으로 전환
- 공개 범위와 지식 파일 갱신 관리가 핵심
커스텀 GPT가 실제로 바꾸는 것은 답변의 품질 자체가 아니라 그 품질을 누가 책임지느냐입니다. 지금까지는 AI를 잘 쓰는 직원 한 명의 메모장에만 좋은 지시문이 들어 있고, 나머지 팀원은 "이거 요약해 줘" 한 줄로 물으니 같은 업무에서도 결과가 들쭉날쭉했습니다. 전용 봇을 만들어 두면 그 지시문이 도구 안에 박혀 있어, 신입이 던진 한 줄 질문도 15년 차가 쓴 지침을 거쳐 나옵니다. 잘하는 사람의 상한선보다 팀의 하한선이 먼저 올라갑니다.
만들 때 손대는 곳은 지침, 지식 파일, 기능 스위치 세 군데입니다. 지침에는 역할과 금지 사항, 답변 형식을 적고, 지식 파일에는 근거 문서를 올리며, 웹 검색·코드 실행·사내 시스템 연동(Actions)은 필요한 것만 켭니다. 여기서 자주 오해하는 경계가 파인튜닝과의 차이입니다. 커스텀 GPT는 모델을 학습시키는 게 아니라 대화할 때마다 문서를 찾아 읽히는 방식이라, 파일만 바꾸면 답이 그날로 바뀌고 되돌리는 것도 파일 교체로 끝납니다.
공개 범위 설정이 사실상 보안 설정입니다. 나만 보기·링크 공유·워크스페이스 내부·전체 공개로 나뉘는데, 사내 문서를 다루는 봇은 팀·기업 요금제의 워크스페이스 내부로 묶어야 합니다. 지식 파일은 개수와 용량 한도가 있고 문서가 길수록 엉뚱한 대목을 인용할 확률이 올라가므로, 규정집 전체보다 자주 묻는 장만 잘라 올리는 편이 정확합니다. 스캔 PDF보다 표를 문장으로 풀어 쓴 텍스트가 오답이 훨씬 적습니다.
현장에서 가장 크게 어긋나는 지점은 "문서만 넣으면 우리 회사 전문가가 된다"는 기대입니다. 근거 문서가 있어도 모델은 질문과 비슷한 대목을 골라 읽을 뿐이라 조항을 섞어 답하고, 개정 전 취업규칙이 남아 있으면 폐지된 규정을 자신 있게 안내합니다. 사번이나 연봉이 섞인 파일을 올려 두면 질문 몇 번에 내용이 새어 나오기도 합니다. 봇마다 담당자와 갱신 주기를 문서로 못 박아 두지 않으면 반년 뒤엔 아무도 손대지 않는 봇 수십 개만 남습니다.
OpenAI가 2023년 11월 개발자 행사(DevDay)에서 코딩 없이 맞춤 챗봇을 만드는 GPTs와 이를 사고파는 GPT 스토어를 공개하며 대중화됐습니다. 이후 앤트로픽 클로드의 프로젝트, 구글 제미나이의 젬 등 유사 기능이 표준으로 자리 잡았습니다.
가상의 사례로 살펴보겠습니다. 임직원 420명 규모 제조업 A사의 인사팀은 3명이서 연차·경조사·재택근무 문의를 받느라 하루 2시간 가까이를 썼습니다. 메신저로 들어오는 문의가 월 310건이었고, 담당자마다 같은 질문에 다른 답이 나가 이의 제기가 분기마다 반복됐습니다.
- 인사팀장이 최근 6개월 문의 로그를 뽑아 보니 연차·경조사·재택 세 주제가 전체의 71%였고, 개인 사정이 얽힌 문의는 봇에 맡기기 어렵다고 판단해 범위를 이 셋으로 잘랐습니다.
- 지침에는 "업로드된 규정 원문에 근거해서만 답하고 반드시 조항 번호를 함께 적어라, 문서에 없으면 지어내지 말고 인사팀 내선 2140을 안내하라"는 문장을 넣었습니다.
- 취업규칙 187쪽 중 해당 3개 장만 떼어 올렸고, 표로 된 경조사 휴가 일수는 스캔본이 계속 틀리길래 '배우자 출산 10일'처럼 문장으로 풀어 다시 올렸습니다.
- 인사팀 과장 2명이 실제 문의 30건으로 테스트해 6건이 틀리자, "반차는 4시간 단위" 같은 예외를 지침에 예시로 박아 넣고 다시 돌려 28건을 맞혔습니다.
- 공개 범위는 회사 워크스페이스 내부로만 두고, 인사기획 대리를 관리자로 지정해 규정 개정 시 5일 안에 파일을 교체하고 교체 이력을 시트에 남기게 했습니다.
- 도입 두 달 뒤 단순 규정 문의가 월 310건에서 90건으로 줄었고, 응대 시간은 하루 2시간에서 40분으로 내려갔으며, 신입 교육 때 배포 링크 하나로 대체됐습니다.