AI로 강의안을 만드는 일은 이제 목차를 받아 보는 수준을 넘었습니다. 주제를 정하고, 자료를 찾고, 강의 흐름을 짜고, 슬라이드 문장을 만들고, 화면 디자인까지 맞추는 일이 하나의 흐름으로 이어지고 있습니다.
처음에는 AI에게 “이 주제로 강의 목차를 만들어 달라”고 묻는 방식이 많았습니다. 지금은 강의 대상과 시간, 기존 자료, 디자인 기준을 함께 넣어 기획서와 리서치 메모, 슬라이드, 워크북까지 만들려는 단계로 넘어가고 있습니다.
AI 강의를 하는 사람만의 이야기가 아닙니다. 기업교육, 공공기관 강의, 직무교육, 전문 분야 특강처럼 일반 강의를 하는 강사도 같은 변화를 맞게 됩니다. 강의 주제는 달라도, 자료를 정리하고 메시지를 고르고 슬라이드를 만드는 과정은 비슷하기 때문입니다.
앞으로 강사의 경쟁력은 AI로 목차를 빨리 만드는 데서 갈리지 않습니다. 자신의 강의 기준과 사례를 AI가 다음 작업에서도 다시 꺼내 쓸 수 있게 만드는 데서 갈립니다.
AI가 만든 슬라이드는 바로 강의 자료가 되지 않습니다
자료를 넣고 “10장짜리 강의 슬라이드를 만들어 달라”고 요청하면 그럴듯한 결과는 나옵니다. 하지만 그대로 강의장에 들고 가기는 어렵습니다.
대상이 빠지면 문장은 누구에게나 맞는 일반론이 됩니다. “AI는 업무 효율을 높입니다”라는 문장은 틀리지 않지만, 이 강의에서 수강생이 무엇을 바꿔야 하는지 알려 주지 못합니다. 근거 범위를 정하지 않으면 확인된 사실과 AI가 덧붙인 설명이 같은 화면에 섞일 수 있습니다. 슬라이드별 역할을 정하지 않으면 사실, 해석, 사례, 다음 행동이 한 장에 들어갑니다.
문제는 슬라이드 디자인만의 문제가 아닙니다. 무엇을 넣고 무엇을 빼야 하는지 정하는 순서의 문제입니다.
강의 슬라이드는 보고서 내용을 줄여 놓은 화면이 아닙니다. 수강생이 한 장을 본 뒤 무엇을 이해하고, 어디에서 멈추고, 다음에 무엇을 해봐야 하는지 남겨야 합니다. 그래서 한 장에는 메시지 하나가 필요합니다. 그 메시지를 뒷받침할 근거와 사례도 따로 확인해야 합니다.
AI가 만든 결과를 강의 자료로 바꾸려면, 생성 전에 강사의 판단이 들어가야 합니다.
강의 제작은 한 번의 요청보다 네 단계가 필요합니다
AI에게 기획, 리서치, 슬라이드, 디자인을 한 번에 맡기면 결과는 빨리 나옵니다. 다만 빠진 자리를 AI가 스스로 채우면서 강사의 의도와 멀어질 수 있습니다.
강의 제작은 다음처럼 나누는 편이 낫습니다.
강의 기획서
→ 리서치 메모
→ 슬라이드 설계도
→ 슬라이드와 워크북첫 단계에서는 대상과 수강생 결과물을 정합니다. “직장인을 위한 AI 강의”보다 “월간 보고를 준비하는 팀장과 실무자”처럼 수강생의 상황을 좁혀야 합니다. 강의가 끝났을 때 무엇이 남는지도 정해야 합니다. 단순히 이해하는 것이 아니라 보고서 초안 한 장, 업무 프롬프트 세 개, 발표 설계도처럼 확인할 수 있는 결과물이 필요합니다.
두 번째 단계에서는 근거를 가릅니다. 내가 가진 자료로 확인된 내용, 외부 출처를 다시 확인해야 하는 내용, 수강생 실습으로 바꿀 수 있는 사례를 나눕니다. 이 구분이 없으면 AI가 만든 문장이 사실인지 설명인지 판단하기 어렵습니다.
세 번째 단계에서는 슬라이드별 역할을 정합니다. 장마다 핵심 메시지를 하나씩 두고, 설명을 위한 장인지, 사례를 보여 주는 장인지, 실습으로 넘어가는 장인지 구분합니다. 이 설계도가 있어야 슬라이드가 자료의 순서를 따라가지 않고 강의의 흐름을 따라갑니다.
디자인은 그다음에 붙입니다. 메시지와 순서가 정해진 뒤 폰트, 색, 여백, 이미지, 도식 규칙을 적용해야 합니다. 디자인을 먼저 고르면 메시지를 고칠 때마다 조판을 다시 해야 합니다. 반대로 설계도를 먼저 고치면 같은 내용을 다른 기관과 다른 대상에 맞게 다시 만들기 수월합니다.
스킬 하나만으로는 강의 제작이 끝나지 않습니다
클로드 스킬(Claude Skills)은 반복되는 작업 절차를 AI에게 알려 주는 작업 매뉴얼입니다. 예를 들어 강의 기획 스킬에는 대상, 강의 전 문제, 수강생 결과물, 최소 완주선을 정하는 순서가 들어갑니다. 리서치 스킬에는 확인된 근거와 확인이 필요한 내용을 나누는 기준이 들어갑니다. 슬라이드 스킬에는 한 장에 메시지 하나를 두고, 장마다 역할을 나누는 규칙이 들어갑니다.
하지만 스킬만으로 강의 제작 전체를 운영하기는 어렵습니다. 스킬은 일을 하는 방법을 담지만, 강사가 지난 강의에서 쌓은 사례와 자료를 저절로 모아 주지는 않기 때문입니다.
그래서 강의 제작에는 역할이 나뉜 도구 구성이 필요합니다.
| 구분 | 맡는 일 |
|---|---|
| 클로드 스킬(Claude Skills) | 강의 기획, 리서치, 설계, 슬라이드 제작의 반복 절차를 정합니다 |
| 코워크(Cowork) | 연결한 폴더를 읽고 기획서, PPTX, 워크북 같은 실제 파일을 만듭니다 |
| 옵시디언(Obsidian) | 기존 강의안, 현장 사례, 수강생 질문, 현재 작업 상태를 남깁니다 |
| LLM 위키(LLM Wiki) | 여러 강의에서 다시 쓸 개념, 도구 비교, 검증된 사례를 연결합니다 |
스킬은 작업 매뉴얼입니다. 코워크는 이 매뉴얼을 실제 파일 작업으로 옮기는 공간입니다. 옵시디언은 강사의 원자료와 결과물을 관리하는 작업 공간입니다. LLM 위키는 강의가 끝난 뒤에도 다시 꺼내 쓸 지식을 연결하는 곳입니다.
클로드 코워크와 옵시디언으로 강의 준비하는 법 — 5단계 워크플로우에서도 이 역할 분담을 강의 준비 흐름으로 정리했습니다. 스킬이 작업 순서를 잡고, 코워크가 파일을 만들고, 옵시디언이 강의 자료와 기록을 쌓는 방식입니다.
강사가 AI로 얻는 것은 속도보다 재사용입니다
AI를 활용하면 슬라이드 초안을 만드는 시간은 줄어듭니다. 하지만 더 큰 변화는 재작업이 줄어드는 데 있습니다.
첫째, 이전 강의 자료가 다음 강의의 재료가 됩니다. 슬라이드 파일만 남으면 왜 그렇게 만들었는지 알기 어렵습니다. 기획서, 리서치 메모, 슬라이드 설계도까지 남으면 대상과 사례를 바꿔 다시 쓸 수 있습니다.
둘째, 강사 고유의 경험이 사라지지 않습니다. 범용 AI는 평균적인 설명을 잘 만듭니다. 강의의 차이는 강사가 실제 현장에서 본 장면과 수강생이 자주 막히는 지점에서 나옵니다. 강의 후 나온 질문, 설명이 잘 통했던 사례, 시간이 부족했던 구간을 남겨 두면 다음 강의에서 그 경험을 다시 쓸 수 있습니다.
셋째, 강의안과 워크북의 관계가 분명해집니다. 슬라이드는 왜 이 작업을 하는지 보여 주고, 워크북은 어떻게 하는지 안내해야 합니다. 실습 강의에서 슬라이드만 잘 만들어도 수강생은 따라 하기 어렵습니다. 실행 순서, 프롬프트, 예상 결과, 막혔을 때의 대응은 워크북에 남겨야 합니다.
넷째, 강의 품질을 점검할 자리가 생깁니다. 강사는 내용을 잘 알기 때문에 수강생이 어디에서 멈출지 놓치기 쉽습니다. AI에게 수강생 관점의 검토를 맡기면 용어가 어려운 곳, 설명이 건너뛴 곳, 실습 전환이 갑작스러운 곳을 발표 전에 확인할 수 있습니다.
강사의 역할은 줄어드는 것이 아니라 더 분명해집니다
AI가 강의 자료를 만든다고 해서 강사의 경험과 판단까지 대신하는 것은 아닙니다. 오히려 강사가 맡아야 할 일은 더 분명해집니다.
AI는 자료를 정리하고, 초안을 만들고, 슬라이드 형식과 디자인을 맞추는 일을 돕습니다. 강사는 이 강의가 누구의 어떤 문제를 풀어야 하는지 정합니다. 어떤 사례를 쓰고 뺄지, 근거가 충분한지, 수강생이 실제로 따라 할 수 있는지 판단합니다. 강의장에서 나온 질문과 반응을 다음 강의에 어떻게 반영할지도 강사의 몫입니다.
생성형 AI를 교육에 활용할 때도 교육 목적과 학습자 상황에 맞는 인간의 검토가 우선되어야 합니다. AI가 만든 자료를 그대로 쓰는 것이 아니라, 강사가 자기 강의의 맥락에 맞게 고치고 책임지는 과정이 필요합니다.
앞으로 강사의 경쟁력은 제작 기준을 남기는 데서 갈립니다
앞으로는 AI 강의뿐 아니라 일반 강의도 AI를 활용해 기획하고, 자료를 찾고, 슬라이드를 만들고, 디자인까지 적용하는 일이 늘어날 것입니다. 그러면 차이는 AI를 한 번 써본 사람과 쓰지 않은 사람 사이에서만 생기지 않습니다.
같은 AI를 써도 누군가는 매번 새 대화창에서 목차와 슬라이드를 다시 만듭니다. 반면 누군가는 지난 강의의 기획서, 리서치 메모, 슬라이드 설계도, 수강생 질문을 다음 강의의 재료로 씁니다. 시간이 갈수록 두 사람의 차이는 커집니다.
강사에게 필요한 것은 슬라이드 생성 기능 하나가 아닙니다. 강의 기획의 기준을 남기고, 자료와 사례를 쌓고, 그것을 다음 작업에서 다시 꺼내 쓰는 제작 방식입니다.
클로드 스킬은 반복하는 강의 제작 절차를 잡아 줍니다. 코워크는 그 절차를 실제 파일로 만듭니다. 옵시디언은 강사가 쌓아 온 자료와 경험을 정리합니다. 필요하면 LLM 위키는 여러 강의에서 다시 쓸 개념과 사례를 연결합니다.
AI가 슬라이드를 만드는 시대에 강사의 경쟁력은 슬라이드를 만드는 속도만으로 갈리지 않습니다. 무엇을 남기고, 무엇을 빼고, 수강생이 어느 지점에서 이해하고 실행해야 하는지 판단하는 기준에서 갈립니다. 이제 강의 하나를 만들고 끝내지 않고, 다음 강의를 더 잘 만들 수 있는 자료를 함께 남겨야 합니다.
함께 보면 좋은 자료
함께 읽을 글
- 클로드 스킬·코워크·옵시디언 역할 분담과 운영 방법 — 스킬, 코워크, 옵시디언, LLM 위키가 각각 무엇을 맡는지 작업 흐름 중심으로 확인할 수 있습니다.
책 추천
- 실전 AI 콘텐츠 디자인 with 나노 바나나 — 강의 슬라이드와 배포 자료에 쓰는 AI 이미지의 기획과 디자인 작업을 이어서 볼 수 있습니다.
강의 추천
- 클로드 일하는 법(초급+): 스킬·코워크·옵시디언 — 스킬과 코워크, 옵시디언을 연결해 자신의 작업 환경을 만드는 순서를 다룹니다.
