GPT 6 Astra + GPT Work Changes Everything

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

영상은 GPT-6 Astra와 GPT Work의 결합이 데이터 분석부터 콘텐츠·웹 제작까지 다섯 가지 업무를 바꿀 수 있으며, 그 출발점은 목적·데이터·참고자료를 갖춘 프롬프트라고 설명한다.

📌 핵심 요점

1. 유튜브 분석 대시보드: VidIQ의 유튜브 데이터와 PostHog의 전환 데이터를 결합해 조회수·구매자·전환율을 함께 살핀다. Sites로 공유하고 예약 작업으로 매일 갱신하는 흐름을 제시한다.
2. CRM 엑셀 모델: 회사·개인 CSV를 프로젝트에 연결하고 스프레드시트 플러그인으로 수식·그래프·필터를 갖춘 분석 모델을 만든다. 결과는 Google Sheets로 변환하거나 템플릿으로 재사용한다.
3. 자동 모닝 브리프: 조사할 출처, 사용자 맥락, 필터 기준, 이메일 형식을 정한 뒤 예약 작업으로 팀에 매일 브리핑을 보내는 사례를 소개한다.
4. 소셜 콘텐츠와 이미지: 기존 글과 작성 절차를 담은 스킬로 유튜브 영상을 LinkedIn 게시물로 전환한다. 사람이 관점·구조·도입 문구를 선택하고, 인포그래픽을 생성해 부분 수정한다.
5. 웹사이트와 랜딩 페이지: 기존 사이트, 선호 디자인, 효과 구현 자료와 제작 목적을 제공해 페이지를 만든다. 영상에서는 Sites를 통한 배포와 함께 액체 유리 효과·스크롤 애니메이션 적용 결과를 보여준다.

🧩 배경과 문제 정의

영상은 데이터 분석, 보고서 작성, 콘텐츠 제작, 웹페이지 제작에 드는 반복 작업 시간을 줄이는 방법을 다룬다. 발표자 벤은 자신을 세 차례 창업한 경험이 있으며 AI 에이전시와 커뮤니티를 운영하는 인물로 소개하고, 자신의 업무를 바탕으로 다섯 가지 활용 사례를 설명한다.

제시하는 접근은 GPT Work에 데이터·파일·참고자료를 연결하고 GPT-6 Astra에 작업 전체를 구체적으로 전달하는 것이다. 핵심 문제는 요청 문장의 길이보다 무엇을 왜 만들며 어떤 데이터를 사용하고 어떤 결과를 기대하는지 명확히 정하는 데 있다. 아래 내용은 제공된 전사의 시연과 설명을 정리한 것이며, 제품 기능에 대한 별도 검증 결과는 아니다.

🕒 시간순 섹션별 상세정리

1. 다섯 가지 활용 예고와 Work 모드 진입

• 발표자는 하나의 프롬프트로 대시보드·웹사이트·엑셀 모델을 만드는 가능성을 소개하고, 매주 몇 시간을 절약할 수 있는 다섯 가지 활용법을 예고한다. [00:20]
• 일부 사례에는 데스크톱 앱이 필요하다고 설명하며, Chat에서 Work로 전환하고 GPT-6 Astra를 선택하는 절차를 안내한다. [01:01]
• ChatGPT Work를 Claude co-work와 비교하면서, 이어 자신의 유튜브 성과를 파악하는 대시보드를 첫 사례로 제시한다. [01:33]

2. 대시보드의 데이터와 목적 정의

• 복잡한 데이터와 디자인을 다루는 작업에 모델을 활용하고, 처음부터 전체 요구를 담은 프롬프트를 준비하라고 권한다. 음성 전사 도구 WhisperFlow로 요구를 말하는 방식도 보여준다. [02:07]
• VidIQ에서 유튜브 데이터를, PostHog에서 전환 데이터를 가져오도록 지정하고, 플러그인 섹션에서 해당 소프트웨어에 로그인해 연결하는 흐름을 보여준다. [02:44]
• 채널·영상별 성과와 전환율을 파악해 어떤 콘텐츠를 우선할지 결정하려는 목적을 요청에 명시한다. [03:11]

3. 디자인 참고자료와 대시보드 생성

• Dribbble 등에서 원하는 대시보드 디자인을 찾고, 이미지를 붙여 넣어 스타일과 레이아웃을 따르도록 요청한다. [03:44]
• Data Analytics 플러그인은 데이터 해석을 돕고, Sites는 팀과 공유할 수 있는 라이브 링크를 만드는 역할이라고 보여준다. [04:27]
• Medium 모드를 권장하며 약 10분을 예상했으나 실제 사례에서는 약 7분이 걸렸다고 드러낸다. 결과가 참고 스타일과 주요 지표를 반영했다고 평가한다. [04:55]

4. 결합 지표 확인과 매일 자동 갱신

• 조회수뿐 아니라 영상에서 발생한 구매자와 전환율을 함께 보여주며, 두 데이터 출처를 결합해야 얻을 수 있는 통찰을 강조한다. 일부 세부 수정 가능성과 지표가 일치했다는 자신의 평가도 덧붙인다. [05:18]
• Sites 링크를 공유하고 매일 오전 9시에 최신 데이터로 대시보드를 갱신하는 예약 작업을 요청한다. [05:44]
• 생성된 작업은 플러그인에서 최신 데이터를 수집해 대시보드를 갱신하도록 구성되며, 같은 링크에서 새 결과를 확인하는 방식으로 드러난다. [06:05]

5. CRM 분석을 위한 엑셀 모델 준비

• 두 번째 사례로 수식·그래프·필터가 있는 엑셀 모델을 보여준다. 스프레드시트 플러그인으로 Excel과 Google Sheets 결과물을 만들 수 있다고 보여준다. [06:41]
• 중간에 자신의 AI 교육 커뮤니티, 전문가 지원, 스킬·플러그인·템플릿 자료와 정기 질의응답을 홍보한다. [07:17]
• CRM에서 회사·개인 데이터를 CSV 두 개로 내려받아 폴더에 넣고 프로젝트에 접근 권한을 준다. 분석 목표는 고객 구성, 활성 관계, 회사 유형과 타깃 고객을 파악하는 것이다. [08:10]

6. 복잡한 요구를 실행 가능한 프롬프트로 정리

• 별도 대화에서 원하는 결과를 음성으로 자유롭게 설명하고, 자신의 Prompt Optimizer 스킬로 작업·목적·보호 조치·완료 상태를 담은 구조화된 요청으로 정리한다. [08:59]
• 사전 정리가 반복 수정과 토큰 낭비를 줄이는 데 도움이 된다고 보여준다. 요구가 불분명하면 Interview Me 스킬로 먼저 질문을 받는 대안도 제시한다. [09:44]
• 스프레드시트 플러그인을 추가해 CSV를 분석하고 CRM 모델을 만든 뒤 Google Sheets로 변환한다. 결과에는 그래프, 수식, 여러 탭과 월별 활동·예산·관계 강도 등의 필터가 포함된다. [10:25]

7. 모델 템플릿화와 자동 모닝 브리프

• 완성한 엑셀 모델을 템플릿으로 저장하거나 기존 템플릿을 활용할 수 있다고 설명하며, 예산·분석 대시보드·운영 일정·프로젝트·영업 파이프라인 예시를 든다. [10:53]
• 세 번째 사례는 AI 동향과 경쟁자의 영상·글·X 게시물을 조사해 팀에 이메일로 보내는 모닝 브리프다. 영업 담당자의 이메일·CRM 조사에도 적용할 수 있다고 드러낸다. [11:55]
• 출처 목록·사용자 맥락·필터·이메일 형식을 지정해 HTML 초안을 만들고 수정한다. 이후 매일 오전 10시에 조사와 팀 이메일 발송을 수행하는 예약 작업으로 설정한다. [13:01]

8. 재사용 가능한 스킬로 LinkedIn 글 작성

• 네 번째 사례는 이미지나 인포그래픽을 포함한 소셜 게시물 제작이다. 유튜브 영상을 LinkedIn 글로 바꾸는 스킬을 소개하고, 스킬을 재사용 가능한 지침 모음으로 보여준다. [13:47]
• 기존 LinkedIn 글과 작성 절차를 스킬에 넣어 자신의 문체를 반영한다. 영상 전사를 가져온 뒤 게시물의 관점과 글 구조를 여러 선택지로 제안받는다. [14:24]
• 도입 문구도 선택하거나 직접 수정하고, 이를 바탕으로 LinkedIn 게시물 최종 초안을 만든다. [14:40]

9. 인포그래픽 생성과 부분 편집

• 완성된 게시물을 인포그래픽으로 바꾸고, 이미 제공한 브랜드 스타일과 색상을 적용한다. 이미지 결과에는 대체로 여러 번의 수정이 필요하다고 드러낸다. [15:04]
• GPT 5.2를 언급하며 캔버스에서 크기 조정, 특정 영역 삭제, 배경 제거, 요소별 수정 의견 추가를 보여준다. [15:40]
• 수정 요청을 마친 뒤 최종 렌더링 결과를 받아 고품질로 내려받는 흐름을 보여준다. [15:51]

10. 참고 사이트를 활용한 랜딩 페이지 제작

• 다섯 번째 사례로 자신의 팀용 세컨드 브레인 앱 Balto의 랜딩 페이지를 다시 디자인한다. 기존 사이트와 선호하는 디자인 참고자료를 제공한다. [16:52]
• 액체 유리 효과와 스크롤 애니메이션 구현을 위한 GitHub 자료, 새 디자인의 목적을 함께 전달하고 Sites로 라이브 URL에 배포한다. [17:29]
• 결과가 참고 사이트의 스타일과 효과를 반영했으며, 명시하지 않은 카드 호버 애니메이션도 포함했다고 보여준다. 다만 실제 작업에는 추가 수정이 필요할 수 있다고 덧붙인다. [18:13]

11. 교육 자료와 후속 영상 안내

• 마지막에는 AI 업무 자동화와 사업 관련 강의, 스킬·플러그인 자료, 전문가 지원, 정기 질의응답을 제공하는 자신의 커뮤니티를 다시 보여준다. [18:42]
• 설명란의 커뮤니티 링크와 후속 학습용 영상을 안내하며 마무리한다. [18:49]

🧾 결론

• 다섯 사례의 공통점은 작업 목표와 이유, 입력 데이터, 기대 결과를 실행 전에 구체화한다는 것이다.
• 플러그인은 데이터 접근과 결과물 제작을, 스킬은 반복 절차의 재사용을, 예약 작업은 정기 실행을 담당하는 방식으로 소개된다.
• 한 번의 프롬프트로 초안을 만들더라도 이미지·웹페이지 수정이나 이메일 형식 조정은 남는다. 영상에서도 여러 차례 수정이 필요할 수 있다고 인정한다.

📈 투자·시사 포인트

• 업무 도입 관점에서는 모델 성능뿐 아니라 실제 데이터 연결, 공유 가능한 출력, 정기 갱신까지 이어지는 흐름을 평가할 필요가 있다.
• 유튜브 조회수와 구매 전환을 함께 보는 사례는 콘텐츠 우선순위를 정할 때 노출 지표와 사업 성과를 연결하는 접근을 보여준다.
• 스킬과 템플릿에 작성 방식·분석 구조를 축적하면 유사 업무에서 준비 과정을 재사용할 여지가 있다.
• 영상에는 비용, 대조 실험, 장기 운영 성과가 제시되지 않는다. 소개된 생산성 사례만으로 특정 기업의 투자 수익이나 시장 우위를 판단할 근거는 부족하다.

⚠️ 불확실하거나 확인이 필요한 부분

• GPT-6 Astra 출시, GPT Work의 메뉴와 플러그인 제공 방식, Claude와의 기능 차이는 영상의 설명이다. 제공된 전사만으로 실제 제공 범위나 이용 조건을 독립적으로 확인할 수 없다.
• 대시보드가 약 7분 만에 생성됐고 지표가 일치했다는 설명은 발표자의 사례다. 데이터 대조 과정, 전환율 계산식, 반복 실행의 정확도는 공개되지 않는다.
• 이미지 생성·편집 구간에서는 GPT 5.2를 별도로 언급한다. GPT-6의 역할과 이미지 기능을 수행하는 모델의 구분은 확인이 필요하다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 자신의 환경에서 영상에 나온 Work 모드, 모델 선택, 데이터 연결 및 플러그인 기능을 사용할 수 있는지 확인한다.
• 첫 실험 하나를 정하고 작업 목표·이유·데이터 위치·기대 결과를 한 문서에 정리한다. 불명확한 항목은 질문을 통해 구체화한다.
• 대시보드를 만들 경우 조회수·구매자·전환율의 정의와 데이터 출처를 명시하고, 생성된 수치를 원본과 대조한다.
• CRM 모델은 회사·개인 CSV를 준비한 뒤 수식, 필터, 관계 분류 결과를 표본으로 확인한다.

❓ 열린 질문

• 프롬프트 준비, 데이터 연결, 결과 검증과 수정까지 포함하면 실제로 주당 얼마나 시간을 절약할 수 있을까?
• 유튜브 활동과 구매 전환은 어떤 기준으로 연결하며, 그 연결이 불완전할 때 대시보드는 어떻게 표시할까?
• 예약 작업에서 데이터 수집이나 이메일 발송이 실패하면 사용자는 어떻게 이를 확인하고 복구할까?