NotebookLM MCP로 Word 교안 만드는 과정
NotebookLM MCP로 Word 교안 작성 과정
1편에서 설치를 마치고 자료 86개를 노트북에 모았다. 이 글은 그다음 과정, 즉 질문과 수업 설계, 본문 쓰기, 검증, Word 파일 만들기를 다룬다.
한눈에 보기
- 노트북에 자료 86개를 모은 뒤, 질문 52번을 하고, 5가지 수업 설계 질문에 답하고, 목차를 승인했다.
- 결과물은 Word 교안 1개다. 표지, 목차, 4차시(차시당 90분), 부록 양식 6종, 참고 소스 33건으로 이루어져 있다.
- 이 글의 핵심은 "AI가 만든 글을 어떻게 믿을 수 있게 만들었는가"이다. 처음 결과를 그대로 썼다면 틀린 교안이 되었을 것이다.
1단계. 질문으로 빈 곳 찾기 (16개)
자료를 넣었다고 바로 쓰지 않는다. 먼저 노트북에 여러 각도로 질문해서, 자료가 무엇을 다루고 무엇을 빠뜨렸는지 본다. 예를 들면 이런 질문이다.
- 작업 표준에 들어갈 문서와 작성 단계는 무엇인가
- 셋업 시트(기계에 부품과 공구를 세팅하는 순서를 적은 문서)에는 무엇을 적나
- 절삭 조건(칼날 회전 속도, 이동 속도 등)은 무엇으로 정하나
- 같은 제품을 다시 만들지 않는 회사는 표준을 어떻게 만드나
- 이 자료로는 답할 수 없는 것은 무엇인가
마지막 질문이 가장 쓸모 있었다. 노트북이 직접 빈 곳을 알려 줬다.
- 공작기계 데이터 파일의 실제 속도 숫자
- 생산관리 시스템(MES)의 데이터 구성
- 장비 설정과 법적 안전 항목 일부
이 빈 곳은 교안에 "소스에 없음", "확인 필요"로 표시했다. 일부는 채우려고 했지만 구하지 못했다(공식 조작 매뉴얼은 공개된 곳을 찾지 못했다).
2단계. 수업 설계 질문 5개
이 부분은 AI가 추천값을 내밀고 내가 고르는 방식이었다. 모두 추천대로 진행했다.
| 질문 | 정한 것 |
|---|---|
| 수업이 끝나면 무엇을 할 수 있어야 하나 | 우리 회사 부품을 소재·형상·가공 단계로 묶어, 양식으로 작업 표준을 직접 쓸 수 있다 |
| 수강자는 누구인가 | 현장 실무자 (용어는 알지만 문서로 만들어 본 적 없음) |
| 말투 | 강의식 "합니다" 체 |
| 풀어 가는 방식 | 개념 → 예시 → 직접 해 보기 |
| 분량 | 4차시 × 90분 |
그다음 노트북에 이 조건을 넣고 목차 초안을 만들게 했다. 목차를 보고 승인했다.
3단계. 걸림돌: AI의 답이 사실을 비틀어 썼다
목차 초안은 구조가 좋았다. 그런데 예시 사례 서술이 자료와 달랐다. 이런 일이 있었다.
- 기사에서 어떤 회사가 황삭과 정삭 공정을 나눠서 불량률을 1.8%에서 0.6%로 낮췄다고 했다. AI는 이것을 "도면이 매번 바뀌어 작업 표준을 포기했고, 그 결과 불량률 1.8%가 생겼다"는 식으로 서술했다. 개선 전 수치를 문제 상황의 증거처럼 바꿔 쓴 것이다.
- 정부 문서의 "스마트공장 도입 기업의 평균 성과(생산성 33.6%, 품질 44.4% 향상)"를 "공작기계 데이터를 연결하고 노하우를 정리한 기업의 성과"로 바꿔 썼다.
- 자료에 없는 숫자(예: 이송 속도 조절 80%, 시간 15% 단축)가 가상의 예시 속에 섞여 있었다. 또 다른 분야 영상의 예시 숫자(토크 8N·m)가 CNC 바이스 체결 예시처럼 옮겨져 있었다.
문장마다 출처 번호가 붙어 있어서 겉보기에는 그럴듯했다. 스킬에도 "출처 번호가 빠진 문장을 찾는" 점검이 있지만, 번호가 있는지만 보고 내용이 맞는지는 보지 않는다. 그대로 썼다면 교안에 틀린 사례가 들어갔을 것이다.
그래서 바꾼 것 세 가지
① 질문을 "새 대화"로 하기
답변의 출처 표시가 중간에 사라지는 문제가 있었다. 같은 노트 안에서 질문을 이어서 하면 대화가 길어질수록 NotebookLM이 출처를 번호가 아니라 제목 글자로만 적었다. 그러면 나중에 "이 문장이 어느 원문 어느 부분에서 왔는지"를 기계적으로 확인할 수 없다.
해결은 간단했다. 질문마다 새 대화를 열도록 했다. 스킬의 질문 명령에는 이 옵션이 없어서, 스킬 파일은 건드리지 않고 별도 실행 스크립트로 옵션만 붙였다. 이렇게 13개 질문을 다시 해서 출처 번호와 원문 조각을 얻었다.
② 문장마다 "근거 키워드"를 달기
본문을 쓸 때 문장 끝에 그 문장을 받치는 원문의 핵심 단어를 적어 두었다. 예를 들면 "1.8%에서 0.6%" 같은 말이다. 그러면 프로그램이 출처 원문 조각 안에 정말 그 말이 있는지 찾아서, 있을 때만 출처 번호를 붙인다. 없으면 그 자리에서 오류가 나서 문장을 고치거나 지웠다.
③ 눈으로 한 번 더
붙은 출처마다 원문 발췌를 나란히 뽑은 검토표를 만들어 하나씩 읽었다. 여기서 열 군데 안팎을 더 고쳤다. 예를 들면 이런 것이다.
- 공구 목록 규칙 문장이 논문의 엉뚱한 문장에 붙어 있었다.
- 자동 생성 문서를 조심하라는 문장이 장비사의 기능 소개에 붙어 있었다.
- 한 회사의 정리표를 설명한 문장이 다른 회사 자료에 붙어 있어서, 그 문장은 지웠다.
- 뭉개진 자막에서 억지로 읽어 낸 문장은 지웠다.
4단계. 자동 자막의 함정
유튜브 자동 자막은 숫자와 전문 용어가 자주 뭉개진다.
- "토크 8N·m" → 자막에는 "8n미m"
- "1,000개 단위" → 자막에는 "1천000개"
이 두 항목을 처음에는 "자료에 없다"고 판단했다. 소스 전체 글을 다른 표기로 다시 찾아서 있다는 것을 확인했고, 그 뒤에 교안에 넣었다. 자막에서 읽어 낸 값은 "자막 기준"이라고 표시하고 "원 영상으로 다시 확인하라"고 적었다.
그리고 자막이 심하게 뭉개진 영상 하나의 회전수·이송 수치는 쓰지 않았다. 그 대신 공구 회사 공식 카탈로그의 표를 썼다. 같은 영상의 가공 여유량은 "자막 기준"이라고 표시하고 썼다.
5단계. 본문 쓰기
차시마다 같은 틀로 썼다.
- 학습 목표
- 왜 필요한가 (사례)
- 핵심 개념
- 따라 하기 실습
- 자주 막히는 곳
- 정리 퀴즈
| 차시 | 주제 |
|---|---|
| 1차시 | 우리 공장의 일을 품번이 아니라 비슷한 것끼리 묶는 법, 표준 작업의 세 요소, 문서 4종의 관계 |
| 2차시 | 셋업 시트·공구 목록·작업 지시서 쓰는 법 (실제 빈칸 양식 포함) |
| 3차시 | 금형 가공 순서, 절삭 조건, 공구 수명, 품질 점검 기준, 안전 |
| 4차시 | 숙련자 노하우를 문서로 바꾸는 법, 데이터로 표준을 고치는 법, 승인·개정 운영 |
| 부록 | 양식 6종과 작성 예시 |
양식(빈칸 표)은 현장에서 직접 채우는 용도이다. 값이 필요한 곳에는 가상의 숫자를 넣지 않고 "확인 필요"로 비워 뒀다. 실습 중 숫자가 필요한 4차시는, 가상 데이터 대신 담당자가 내려받은 실제 이력으로 하도록 설계했다.
AI가 낸 분석 절차 5단계(비슷한 것끼리 정리 → 잘 만든 것만 남기기 → 시간이 짧은 조건 후보 → 숙련자에게 이유 묻기 → 시험 가공으로 확정)는 자료의 결과가 아니라 교안 설계라고 본문에 따로 표시했다.
6단계. Word 파일로 만들기
내용이 정해지면 Word로 바꾼다. 처음에는 출처를 "쪽 아래 각주"로 만들었는데 확인해 보니 문제가 있었다. 같은 출처를 여러 번 인용하면 Word가 각주를 매번 새로 번호 매겨서(179개), 본문의 번호와 마지막 참고 소스 목록의 번호가 서로 달라졌다. 그래서 번호를 글자 오른쪽 위에 작게 붙이는 위첨자 [n] 방식으로 바꿨다. 번호가 마지막 목록과 같다.
확인한 것과 못 한 것
- 확인함: 문서 구조 검사 통과, 원본 314줄이 Word에 모두 들어갔는지 대조 (빠진 줄 0), 인용 번호 179개와 참고 소스 33개 일치
- 못 함: 쪽 화면을 눈으로 보는 확인. 설치 단계에서 못 깐 프로그램(LibreOffice)이 있어서 완성 파일의 모양을 이미지로 확인하지 못했다. 그래서 목차의 쪽 번호는 처음 열 때 Word에서 "필드를 업데이트하시겠습니까?"라는 안내가 뜰 수 있다. 양식 칸 크기도 직접 열어 보고 고쳐야 할 수 있다.
숫자로 정리하면
| 항목 | 수치 |
|---|---|
| 노트북 자료 | 86개 (이 중 교안에 실제 인용된 것 33개) |
| 노트북에 한 질문 | 52번 |
| 본문 분량 | 약 1만 7천 자 (공백 제외, 표지·참고 목록 제외) |
| 출처 번호 | 179회 |
| 출처 없는 문장 | 0개 (자동 점검 기준) |
| 검토표로 확인해 고친 곳 | 약 10곳 이상 |
쓰고 나서 느낀 것
좋았던 점
- 자료를 찾고, 질문하고, 틀에 맞춰 쓰는 반복 작업을 AI가 거의 대신했다.
- 한 번에 하나씩 묻고 추천값을 주는 방식이라 결정 피로가 적었다.
- 모든 문장에 출처를 달 수 있어서, "이 말이 어디서 왔는가"에 답할 수 있는 교안이 되었다.
조심할 점
- AI가 만든 사례와 숫자를 그대로 믿으면 안 된다. 출처 번호가 있어도 틀릴 수 있었다. 숫자를 쓰는 문장은 원문과 반드시 대조해야 한다.
- 유튜브 자동 자막의 숫자는 의심해야 한다.
- 자료에 없는 것은 "없다"고 적는 용기가 필요하다. 구하지 못한 공식 매뉴얼과 시스템 데이터는 교안에 비워 둔 채로 두었다.
- 사례에 나온 업체는 기사에 익명으로 소개된 곳이어서, 교안에도 "독립적으로 검증하지 않았다"고 적었다.
- 고객사 자료는 구글 서버로 올라가므로, 동의와 보안 확인이 먼저이다.
이런 사람에게 맞는다
- 노트북LM 웹에 일일이 들어가야 하는 귀찮니즘이 있는 사람
- 근거가 필요한 교육 자료나 보고서를 반복해서 만들어야 하는 사람
- 유튜브와 웹 자료, 인스타 등을 일일이 모아 정리해야 하는 사람
이런 사람에게는 과할 수 있다
- 한두 번 짧은 요약만 필요한 사람 (NotebookLM에 직접 올리는 것으로 충분하다)
- 결과물을 검토할 시간이 전혀 없는 사람 (사람이 확인하는 단계를 생략하면 안 된다)
마무리: 다음에는 이렇게 하려 한다
- 교안에 넣을 사례의 숫자는 시작부터 원문과 대조하는 단계를 넣는다.
- 질문은 처음부터 새 대화로 한다.
- 자막이 없는 영상은 넣은 뒤 내용 길이를 바로 확인한다.
- 구하지 못한 자료(장비 매뉴얼, 시스템 데이터 샘플)를 받으면 노트에 넣어 개정판을 만든다.
- 완성된 파일을 실제 Word에서 열어 모양을 확인하고, 현장에서 쓸 Excel 양식을 만든다.
출처
- 원문: https://www.gpters.org/nocode/post/technical-research-teaching-plan-uOFcxtnYsmnRP0u (2026-10-25 · 준PM)