AI를 활용한 반기별 발표 자료 작성 자동화: 60시간에서 10시간으로

들어가며: 60시간의 고통

팀장으로서 1년에 두 번, 전 사원 앞에서 반기별 성과 보고를 해야 합니다. 릴리스 내역, 연구개발 성과, 로드맵 대비 실제 달성도, 팀 커뮤니케이션 현황까지 모든 것을 종합하여 PPT로 정리하고 발표해야 하죠.

기존 프로세스는 총 60시간 이상이 소요되었습니다:

• 릴리스 분석: 4-5시간
• R&D 자료화: 20-30시간
• 로드맵 리뷰: 4-5시간
• 회의록 분석: 8-10시간
• 전사 목표 파악: 2-3시간
• PPT 생성: 20-30시간
• 리뷰 및 개선: 6-11시간
• 발표 연습: 5-10시간

하지만 AI와 자동화 도구를 도입한 결과, 이 시간을 약 10시간으로 단축할 수 있었습니다. 이 글에서는 어떻게 이런 혁신적인 변화를 만들어냈는지 실전 프로세스를 공유합니다.

얻을 수 있는 효과

AI 자동화 시스템 도입을 통해 다음과 같은 효과를 얻을 수 있었습니다:

1. 시간 단축: 60시간 → 10시간

단순히 작업 속도만 빨라진 것이 아닙니다. 반복적이고 지루한 데이터 수집 작업을 AI가 대신하면서, 핵심 메시지 구성과 스토리텔링에 집중할 수 있게 되었습니다.

2. 데이터 누락 방지

사람이 수작업으로 정리하다 보면 일부 릴리스나 회의 내용을 빠뜨리기 쉽습니다. AI 에이전트는 정해진 기간의 모든 데이터를 빠짐없이 수집하여 체계적으로 정리합니다.

3. 불필요한 내용 제거

과거에는 “혹시 필요할까봐” 모든 내용을 담다가 PPT가 50-60장까지 늘어나곤 했습니다. AI가 중요도를 판단하고 핵심만 추려주면서, 임원진에게 전달해야 할 메시지에만 집중할 수 있게 되었습니다.

4. 효과적인 스토리텔링

AI는 수집한 데이터를 “Overview → 성과 중심 Review → 과제 도출”이라는 논리적 구조로 자동 정리합니다. 이를 기반으로 설득력 있는 스토리를 만들 수 있습니다.

기존 프로세스 분석

먼저 기존의 비효율적인 프로세스를 자세히 살펴보겠습니다.

1. 릴리스 노트 및 코드 분석 (4-5시간)

반기 동안 배포한 기능들을 Git 히스토리와 릴리스 노트를 뒤져가며 수작업으로 추출합니다. 커밋 메시지가 불명확하거나 릴리스 노트가 부실한 경우, 코드를 직접 열어서 확인해야 했습니다.

2. R&D 자료화 (20-30시간)

팀 내에서 진행한 연구개발 활동(새로운 기술 검토, POC, 성능 최적화 등)을 정리하는 작업입니다. 각 엔지니어가 작성한 Notion 문서, 슬랙 대화, 코드 주석 등을 모두 찾아서 통합해야 했습니다. 가장 많은 시간이 소요되는 단계입니다.

3. 개발 로드맵 리뷰 (4-5시간)

연초에 세운 개발 계획과 실제 달성 내역을 비교합니다. “왜 A 기능은 완료했는데 B 기능은 지연되었는가?” 같은 갭 분석이 핵심입니다.

4. 회의록 분석 (8-10시간)

매주 진행되는 팀 미팅, 격주 비즈니스 사이드 미팅 등의 회의록을 읽으며 주요 이슈와 의사결정 사항을 추출합니다. 반기 동안 최소 20-30건의 회의록을 검토해야 합니다.

5. 전사/부서 목표 파악 (2-3시간)

우리 팀의 성과가 전사 목표와 어떻게 연결되는지 정리합니다. CEO 발표 자료나 부서 OKR 문서를 참조합니다.

6. PPT 자료 생성 (20-30시간)

수집한 모든 자료를 바탕으로 스토리를 구성하고, 슬라이드를 디자인하고, 그래프와 표를 만듭니다. 두 번째로 많은 시간이 소요되는 단계입니다.

7. 리뷰 및 개선 (6-11시간)

동료나 상사에게 리뷰를 받고, 피드백을 반영하여 수정합니다. 보통 2-3번의 반복이 필요합니다.

8. 발표 연습 (5-10시간)

발표 시간(보통 10-15분)에 맞춰 스크립트를 작성하고, 흐름을 점검하며, 실제로 발표 연습을 합니다.

AI 및 생산성 도구 도입

본격적인 자동화 전에, 일상 업무에 AI와 생산성 도구를 먼저 도입했습니다.

1. Notion AI로 회의록 자동 작성

Notion AI의 회의 노트 기능을 활용하여, 회의 중 음성을 실시간으로 텍스트로 변환하고 요약합니다.

효과:

• 회의 후 회의록 작성 시간 제로
• 회의 내용 누락 없음
• 나중에 검색 가능한 구조화된 데이터 확보

2. Notion API MCP로 자동 문서화

Notion API MCP(Model Context Protocol)를 활용하여, 코드베이스에서 자동으로 문서를 추출하여 Notion에 정리합니다.

자동화된 항목:

• 개발 진척 상황
• 발생한 문제와 해결 방법
• 기술 조사 내용
• 사양서 및 API 문서

구현 예시:

// Notion API MCP를 통해 코드 주석을 자동으로 Notion 페이지로 변환
// 코드에 특정 태그를 달면 자동으로 문서화됨
/**
 * @notion-doc
 * @category: Infrastructure
 * @title: Redis 캐싱 전략
 *
 * Redis를 활용한 API 응답 캐싱 구현.
 * TTL 설정: 5분
 * 캐시 키 패턴: api:{endpoint}:{params}
 */
export class CacheService {
  // ...
}

3. AI 코드 리뷰 및 인프라 트러블슈팅

Claude Code, ChatGPT, Gemini 등 다양한 AI 도구를 코드 리뷰와 인프라 문제 해결에 적극 활용합니다.

효과:

• 코드 리뷰 시간 단축
• 에러 로그 분석 속도 향상
• 인프라 설정 문제 신속 해결

AI 에이전트 기반 자동화 시스템

이제 핵심인 반기별 자료 생성 자동화 시스템을 소개합니다. 4개의 전문 AI 에이전트가 병렬로 작업하며 각자의 영역을 담당합니다.

전체 아키텍처

graph TB
    System["반기별 자료 자동화 시스템"]

    ReleaseAgent["Release Manager Agent<br/>- 릴리스 분석<br/>- 코드 분석"]
    RndAgent["R&D Config Agent<br/>- Notion 자료 정리<br/>- R&D 성과 요약"]
    ProductAgent["Product Manager Agent<br/>- 로드맵 갭 분석<br/>- 목표대비 달성도"]
    TeamAgent["Team Manager Agent<br/>- 회의록 분석<br/>- 과제 추적<br/>- 전사목표 정리"]

    Integration["마크다운 자료 통합"]
    PPT["PPT 자동 생성"]

    System --> ReleaseAgent
    System --> RndAgent
    System --> ProductAgent
    System --> TeamAgent

    ReleaseAgent --> Integration
    RndAgent --> Integration
    ProductAgent --> Integration
    TeamAgent --> Integration

    Integration --> PPT

    style System fill:#e1f5ff
    style ReleaseAgent fill:#fff4e6
    style RndAgent fill:#fff4e6
    style ProductAgent fill:#fff4e6
    style TeamAgent fill:#fff4e6
    style Integration fill:#f0f0f0
    style PPT fill:#e8f5e9

1. Release Manager Agent (릴리스 관리자)

역할: Git 히스토리와 릴리스 노트를 분석하여 반기 동안의 모든 배포 내역을 자동 정리

입력 데이터:

• Git commit history (특정 날짜 범위)
• GitHub/GitLab Release Notes
• JIRA/Linear 티켓 정보

출력 형식:

# 릴리스 요약 (2024-04 ~ 2024-09)

## 주요 기능 릴리스
- [2024-04-15] 사용자 알림 시스템 v2.0
  - 실시간 푸시 알림 구현
  - 알림 설정 커스터마이징 기능

- [2024-06-20] 결제 시스템 개선
  - 카카오페이 연동
  - 정기결제 기능 추가

## 버그 수정 및 개선
- [2024-05-03] 로그인 속도 40% 개선
- [2024-07-12] 메모리 누수 이슈 해결

## 통계
- 총 배포 횟수: 23회
- 주요 기능: 8개
- 버그 수정: 47건

구현 팁: Claude Code의 MCP를 활용하여 Git API에 직접 접근하거나, GitHub Actions로 주기적으로 릴리스 데이터를 수집하여 Notion에 저장합니다.

2. R&D Configuration Agent (연구개발 형상관리)

역할: Notion에 작성된 연구개발 관련 자료를 자동으로 분류하고 요약

입력 데이터:

• Notion 페이지 (특정 데이터베이스 필터링)
• 기술 조사 문서
• POC 결과 리포트
• 성능 측정 데이터

출력 형식:

# 연구개발 활동 요약

## 신규 기술 도입
### GraphQL 도입 검토 (2024-04 ~ 2024-05)
- **목적**: REST API 대비 네트워크 효율성 향상
- **결과**: POC 완료, 일부 서비스에 단계적 적용 계획
- **투입 공수**: 120시간
- **핵심 학습**: Schema-first 설계의 중요성

## 성능 최적화
### 데이터베이스 쿼리 최적화 (2024-06)
- **문제**: 특정 API 응답 시간 3초 이상
- **해결**: 인덱스 추가 및 N+1 쿼리 제거
- **성과**: 응답 시간 300ms로 단축 (90% 개선)
- **투입 공수**: 40시간

## 통계
- 연구 주제: 5개
- 총 투입 시간: 280시간
- 실제 적용: 3개

구현 팁: Notion API를 통해 특정 기간의 페이지를 필터링하고, AI가 각 페이지의 핵심 내용을 요약하도록 합니다. 태그나 속성으로 카테고리를 자동 분류합니다.

3. Product Manager Agent (프로덕트 매니저)

역할: 로드맵 대비 실제 달성도를 분석하고, 목표와 실제의 갭을 파악

입력 데이터:

• 연초 제품 로드맵 (Excel/Notion/JIRA)
• Release Manager의 릴리스 데이터
• R&D Agent의 연구개발 데이터

출력 형식:

# 로드맵 대비 달성도 분석

## 계획 대비 실적
### 완료된 기능 (80% 달성)
✅ 사용자 알림 시스템 v2.0 (계획: Q2, 완료: Q2)
✅ 결제 시스템 개선 (계획: Q2, 완료: Q2)
✅ 관리자 대시보드 v3 (계획: Q3, 완료: Q3)

### 지연된 기능 (20%)
⚠️ 다국어 지원 (계획: Q3, 예상: Q4)
- **지연 사유**: 번역 리소스 부족, 외부 번역 업체 계약 지연
- **대응 방안**: Q4 우선순위 상향 조정

## 갭 분석
### 계획에 없었지만 추가된 작업
- 카카오페이 연동 (비즈니스 요청으로 긴급 추가)
- 데이터베이스 마이그레이션 (성능 문제로 불가피)

### 영향 분석
추가 작업으로 인해 다국어 지원 일정이 1개월 지연됨.

구현 팁: Product Manager Agent는 Release Manager와 R&D Agent의 결과물을 input으로 받아, 로드맵 Excel과 비교합니다. Claude의 structured output을 활용하여 JSON 형태로 갭 분석 결과를 생성합니다.

4. Team Manager Agent (팀 매니저)

역할: AI 회의록을 분석하여 과제 진행 상황 및 전사 목표 정리

입력 데이터:

• Notion AI 회의록 (반기 동안 모든 미팅)
• 전사 OKR 문서
• 부서 목표 문서

출력 형식:

# 팀 커뮤니케이션 및 목표 정렬

## 주요 회의 주제 분석
### 1. 비즈니스 사이드 협업 (10회 미팅)
- **주요 안건**: 신규 기능 우선순위 조정, 버그 이슈 대응
- **의사결정**: 카카오페이 연동 긴급 추가 (CEO 승인)

### 2. 팀 내부 미팅 (24회 미팅)
- **주요 안건**: 기술 스택 개선, 코드 리뷰 프로세스 개선
- **액션 아이템 완료율**: 85% (34/40건)

## 전사 목표 대비 기여도
### 2024 전사 목표: "사용자 경험 혁신"
- **우리 팀 기여**:
  - 알림 시스템 개편으로 사용자 재방문율 15% 증가
  - 결제 프로세스 간소화로 전환율 8% 향상

### 부서 목표: "개발 생산성 20% 향상"
- **우리 팀 달성도**:
  - AI 도구 도입으로 코드 리뷰 시간 30% 단축
  - CI/CD 개선으로 배포 빈도 2배 증가

구현 팁: Notion AI 회의록은 이미 구조화되어 있으므로, 특정 키워드(액션 아이템, 의사결정, 이슈 등)를 추출하는 간단한 스크립트를 작성합니다. AI가 전사 목표 문서와 매칭하여 기여도를 자동 계산합니다.

PPT 자동 생성 프로세스

4개 에이전트의 작업이 완료되면, 모든 자료가 마크다운 파일로 저장됩니다. 이제 Product Manager Agent가 최종 PPT를 생성합니다.

Step 1: 구조화된 마크다운 생성

Product Manager Agent에게 다음과 같이 지시합니다:

다음 자료들을 활용하여, [Overview → 성과 중심 Review → 과제 도출]
구조로 슬라이드별 마크다운을 생성하세요:

- release_summary.md
- rnd_summary.md
- roadmap_gap_analysis.md
- team_communication.md

각 섹션은 다음 원칙을 따르세요:
1. 한 슬라이드에 1-2개의 핵심 메시지만
2. 임원진이 3초 안에 이해할 수 있는 간결한 표현
3. 숫자와 데이터로 뒷받침
4. 비주얼 (그래프, 표)을 적극 활용

출력 예시:

# Slide 1: Overview
## 2024 상반기 개발팀 성과 요약
- ✅ 주요 기능 8개 릴리스 (계획 대비 100%)
- ✅ R&D 투자 280시간, 3개 기술 적용
- ⚠️ 다국어 지원 1개월 지연 (Q4 완료 예정)

---

# Slide 2: 릴리스 성과
## 사용자 경험 개선 중심 개발
| 기능 | 출시일 | 비즈니스 임팩트 |
|------|--------|----------------|
| 알림 시스템 v2.0 | 2024-04 | 재방문율 +15% |
| 결제 시스템 개선 | 2024-06 | 전환율 +8% |
| 관리자 대시보드 v3 | 2024-09 | 운영 효율 +25% |

---

# Slide 3: R&D 활동
## 기술 부채 해소 및 미래 준비
- **GraphQL 도입**: API 효율성 향상, Q4 단계적 적용
- **DB 쿼리 최적화**: 응답 시간 90% 개선 (3초 → 300ms)
- **CI/CD 개선**: 배포 빈도 2배 증가, 장애 감소

Step 2: AI 리뷰 및 개선

생성된 초안을 Claude, Gemini, ChatGPT에 각각 첨부하여 리뷰를 요청합니다:

첨부된 마크다운 자료는 반기별 임원 보고용 PPT 초안입니다.
다음 관점에서 개선점을 제안해주세요:

1. 메시지가 명확한가? (임원진 관점)
2. 논리적 흐름이 자연스러운가?
3. 불필요하거나 중복된 내용이 있는가?
4. 숫자와 데이터가 설득력 있게 제시되었는가?
5. 시각적으로 표현하면 좋을 내용이 있는가?

AI별 피드백 예시:

• Claude: “Slide 2의 비즈니스 임팩트가 정량적으로 잘 표현되었습니다. 다만 Slide 3의 R&D 활동은 기술 용어가 많아 비기술 임원이 이해하기 어려울 수 있습니다. ‘성능 90% 개선’보다 ‘사용자 대기 시간 10분의 1로 단축’이 더 직관적입니다.”
• Gemini: “Overview에서 지연된 기능을 언급하는 것은 좋지만, 해결 방안을 함께 제시하면 더 긍정적입니다.”
• ChatGPT: “Slide 3에 그래프를 추가하면 좋겠습니다. 예: R&D 투자 시간 vs 비즈니스 임팩트 상관관계”

Step 3: 수동 검토 및 수정

AI 피드백을 참고하여 틀린 부분이나 맥락이 잘못된 내용을 직접 수정합니다. 특히 민감한 숫자나 비즈니스 데이터는 반드시 검증합니다.

Step 4: PowerPoint 생성

Claude Code의 “Create File” 기능을 활용하여 마크다운을 PowerPoint로 변환합니다:

수정된 마크다운 파일을 바탕으로 PowerPoint 파일(.pptx)을 생성해주세요.

요구사항:
- 템플릿: 회사 표준 템플릿 사용 (template.pptx)
- 폰트: 나눔고딕, 제목 28pt, 본문 18pt
- 색상: 회사 브랜드 컬러 (#1E40AF 메인, #F59E0B 강조)
- 표와 그래프는 가독성 우선
- 애니메이션: 최소화 (fade-in 정도만)

또는 Python 라이브러리(python-pptx)를 사용하여 프로그래밍 방식으로 생성할 수도 있습니다:

from pptx import Presentation
from pptx.util import Inches, Pt

prs = Presentation('template.pptx')

# 슬라이드 추가
slide_layout = prs.slide_layouts[1]  # Title and Content
slide = prs.slides.add_slide(slide_layout)

# 제목 추가
title = slide.shapes.title
title.text = "2024 상반기 개발팀 성과 요약"

# 본문 추가
content = slide.placeholders[1]
tf = content.text_frame
tf.text = "✅ 주요 기능 8개 릴리스 (계획 대비 100%)"
# ...

prs.save('presentation.pptx')

Step 5: 발표 스크립트 생성

마지막으로 AI에게 10분 분량의 발표 스크립트를 작성하도록 지시합니다:

첨부된 PPT를 10분 동안 발표할 스크립트를 작성해주세요.

- 청중: 임원진 (CEO, CFO, 각 부서장)
- 톤: 자신감 있지만 겸손하게
- 구조: 도입 (1분) → 본론 (7분) → 결론 (2분)
- 각 슬라이드별로 말할 내용을 상세히 작성
- 예상 질문과 답변도 포함

출력 예시:

## 슬라이드 1: 도입 (30초)
"안녕하십니까, 개발팀 팀장 홍길동입니다. 오늘은 2024년 상반기
개발팀의 성과와 하반기 계획을 말씀드리겠습니다."

(슬라이드를 가리키며)
"한눈에 보시면, 계획했던 주요 기능 8개를 모두 릴리스했고,
신기술 도입을 위한 R&D에도 280시간을 투자했습니다."

## 슬라이드 2: 릴리스 성과 (2분)
"첫 번째로 릴리스 성과입니다. 올해 상반기는 '사용자 경험 혁신'이라는
전사 목표에 맞춰 세 가지 핵심 기능을 출시했습니다."

(표를 가리키며)
"특히 4월에 출시한 알림 시스템 v2.0은 사용자 재방문율을 15% 높이는
성과를 냈고, 6월의 결제 시스템 개선은 전환율을 8% 향상시켰습니다..."

## 예상 질문
Q: "다국어 지원이 지연된 이유는 무엇인가요?"
A: "외부 번역 업체와의 계약이 예상보다 지연되었고, 카카오페이 연동이
긴급 추가되면서 리소스가 분산되었습니다. 다만 하반기 최우선 과제로
설정하여 Q4에는 반드시 완료할 계획입니다."

최종 결과 및 효과

시간 투입 비교

단계	기존 (수작업)	AI 자동화	절감률
데이터 수집	18-23시간	2시간	90%
자료 정리	20-30시간	1시간	96%
PPT 작성	20-30시간	4시간	85%
리뷰 및 개선	6-11시간	2시간	75%
발표 연습	5-10시간	1시간	87%
총계	60+ 시간	~10시간	83%

정성적 효과

1. 업무 만족도 향상 반복적인 데이터 수집 작업에서 해방되어, 창의적인 스토리텔링에 집중할 수 있게 되었습니다.

2. 신뢰도 향상 AI가 체계적으로 정리한 데이터 덕분에 “이 수치가 맞나요?” 같은 질문을 받는 일이 줄었습니다.

3. 재사용 가능한 시스템 구축 한 번 구축한 에이전트 시스템은 다음 반기, 다음 해에도 계속 사용할 수 있습니다. 개선도 쉽습니다.

4. 팀 전체의 생산성 향상 Notion AI 회의록, 자동 문서화 등 구축한 인프라를 팀 전체가 활용하면서, 다른 업무의 효율도 함께 높아졌습니다.

구축 시 주의사항

1. 데이터 품질이 핵심

“Garbage in, garbage out.” AI는 입력 데이터의 품질에 전적으로 의존합니다. Notion 문서가 부실하거나, Git 커밋 메시지가 불명확하면 AI도 제대로 정리할 수 없습니다.

해결책: 평소에 문서화와 커밋 메시지 작성 규칙을 팀에 정착시킵니다.

2. AI는 검증이 필요

AI가 생성한 내용은 반드시 사람이 검토해야 합니다. 특히 숫자, 날짜, 인과관계는 틀릴 수 있습니다.

해결책: Step 3 (수동 검토)를 절대 생략하지 않습니다.

3. 초기 구축 비용

에이전트 시스템을 처음 구축하는 데는 시행착오가 필요합니다. 첫 번째 반기 보고서는 오히려 시간이 더 걸릴 수 있습니다.

해결책: 장기적 관점에서 투자합니다. 두 번째부터는 정말 10시간이면 충분합니다.

4. 보안 및 민감 정보

회사 내부 데이터를 AI에 입력할 때는 보안 정책을 준수해야 합니다.

해결책: 온프레미스 LLM(예: Llama, GPT-4 Azure Enterprise)을 사용하거나, 민감한 정보는 마스킹 처리합니다.

확장 가능성

이 시스템은 반기별 보고서 외에도 다양하게 활용할 수 있습니다:

• 월간 팀 리포트: 에이전트 입력 기간만 1개월로 조정
• 프로젝트 회고: 특정 프로젝트의 타임라인과 데이터만 필터링
• 연간 성과 평가: 1년치 데이터를 종합하여 개인별/팀별 평가 자료 생성
• 대외 발표 자료: 컨퍼런스나 채용 설명회용 자료로도 변환 가능

결론: AI는 도구, 핵심은 프로세스

AI 자동화의 핵심은 기술 자체가 아니라 프로세스 설계입니다.

• 어떤 데이터가 필요한가?
• 어떤 순서로 정리할 것인가?
• 최종 산출물의 형태는 무엇인가?

이런 질문에 먼저 답한 후, AI는 그 프로세스를 실행하는 “도구”로 활용해야 합니다.

60시간을 10시간으로 줄인 것은 단순히 “빠른 도구”를 쓴 게 아니라, 반복 작업을 시스템화했기 때문입니다. AI는 그 시스템을 구현하는 최고의 수단일 뿐입니다.

여러분의 업무에도 이런 반복적이고 시간이 많이 걸리는 작업이 있다면, 한 번 AI 자동화를 시도해보시길 권장합니다. 첫 시도는 어렵지만, 일단 시스템이 구축되면 그 효과는 상상 이상입니다.

---

다음 글 예고: AI 에이전트 시스템 구축 실전 가이드: Notion API MCP와 Claude Code로 자동화 파이프라인 만들기

궁금한 점이나 추가로 알고 싶은 내용이 있다면 댓글로 남겨주세요!