솔직히 저는 2023년 처음 ChatGPT를 만났을 때 코딩의 '코'자도 모르는 상태였습니다. 암호화폐 자동매매를 하고 싶어 파이썬 강의를 듣고 있었지만, 차트를 코드에 어떻게 대입해야 하는지, 에러가 나면 어디를 고쳐야 하는지 전혀 감이 잡히지 않았습니다. 그때 등장한 것이 ChatGPT였고, 저는 이 도구로 코드 수정을 시작했습니다. 결과는 망했지만요. 하지만 2026년 현재, 저는 ChatGPT와 Make AI를 활용해 주식 종목 분석 시스템을 만들고, 회사에서 쓰는 캐드 리습과 엑셀 매크로까지 제작하고 있습니다. 일반적으로 ChatGPT를 단순 질문 도구로만 생각하는 분들이 많은데, 제 경험상 이건 완전히 다른 차원의 비서 10명을 확보하는 것과 같습니다.
## 딥리서치와 에이전트모드로 근거 있는 자료 확보하기
많은 사람들이 ChatGPT의 답변을 그대로 믿고 사용하다가 환각(Hallucination) 문제로 곤란을 겪습니다. 여기서 환각이란 AI가 실제로 존재하지 않는 정보를 그럴듯하게 만들어내는 현상을 의미합니다. 쉽게 말해 AI가 거짓말을 하는 것인데, 저도 초기에 이 문제 때문에 여러 번 당황했던 기억이 있습니다. 이런 한계를 극복하기 위해 등장한 것이 바로 딥리서치 기능입니다.
딥리서치를 활성화하려면 좌측의 플러스 버튼을 누르고 '심층 리서치'를 선택한 후, 소스 설정에서 웹 검색만 추가하는 것을 추천합니다. 이 기능의 핵심은 ChatGPT가 구글이나 네이버 같은 검색 엔진을 직접 활용하여 실시간 정보를 수집하고, 각 정보의 출처를 명확히 표기한다는 점입니다. 실제로 "혈당 다이어트로 5kg 이상 빼는 방법, 과학적 근거가 궁금해"라고 질문하면, AI가 활동 내역을 우측에 보여주며 신뢰할 수 있는 의료 기관이나 연구 논문을 참조하여 답변을 구성합니다([출처: OpenAI](https://openai.com)).
제 경험상 딥리서치는 단순한 검색 결과 요약이 아니라, 여러 출처를 비교 검증하는 과정을 거칩니다. 일반적으로 AI는 빠른 답변이 장점이라고 알려져 있지만, 실제로 객관적이고 근거 있는 정보가 필요한 순간에는 속도보다 정확성이 훨씬 중요합니다. 딥리서치를 통해 나온 결과물은 각 문단마다 출처 링크가 붙어 있어, 거짓말이 끼일 가능성이 현저히 낮아집니다.
에이전트모드(Agent Mode)는 2026년 AI 업계에서 가장 주목받는 개념입니다. 에이전트란 사용자를 대신해 자율적으로 작업을 수행하는 AI를 의미합니다. 좌측 사이드바에서 'The Agent Mode'를 활성화하면, ChatGPT가 노션, 구글 드라이브, 캘린더 등과 연동하여 스스로 자료를 찾고 작업을 진행합니다. 저는 이 기능으로 "로봇 마켓 사이즈 2025년 조사"를 요청했는데, AI가 자동으로 데이터를 수집하고 PPT 10장짜리 초안을 완성했습니다.
일반적으로 PPT 제작은 자료 조사부터 레이아웃 구성까지 최소 몇 시간이 걸린다고 알려져 있지만, 제 경험상 에이전트모드를 활용하면 그 시간을 1/10 이하로 줄일 수 있습니다. 출처가 명확하게 표기되어 있어 젠스파크나 스카이워크 같은 별도 도구를 쓸 필요성도 줄어들었습니다. 물론 초기 틀 잡기 용도로 최적화되어 있어, 세밀한 수정은 사용자가 직접 해야 합니다.
딥리서치와 에이전트모드를 활용할 때 주의할 점은 다음과 같습니다:
- 프롬프트를 구체적으로 작성할수록 결과물의 퀄리티가 높아집니다
- ChatGPT와 Gemini의 딥리서치 결과를 비교하면 더 객관적인 정보를 얻을 수 있습니다
- 중요한 의사결정에는 반드시 출처를 직접 확인하는 과정이 필요합니다
## 캔버스 기능과 프로젝트 관리로 작업 효율 극대화하기
대부분의 사용자들은 ChatGPT에서 답변을 받은 후 그대로 복사해서 사용하거나, 마음에 들지 않으면 다시 질문을 입력합니다. 저도 초반에는 그렇게 사용했는데, 캔버스 기능을 알고 나서 완전히 다른 차원의 활용이 가능해졌습니다. 캔버스란 ChatGPT의 답변을 별도 편집 공간에서 직접 수정하고 다듬을 수 있는 기능을 의미합니다.
답변을 받은 후 '더보기'에서 '캔버스'를 선택하거나, "캔버스로 답변해 줘"라고 타이핑하면 활성화됩니다. 일반적으로 채팅창에서는 3만 자, 5만 자 같은 긴 분량 요청이 제대로 작동하지 않는다고 알려져 있지만, 제 경험상 캔버스에서는 정확히 요청한 분량에 맞춰 답변을 생성합니다. 이건 예상 밖의 장점이었습니다.
캔버스의 핵심 기능은 다음과 같습니다:
- 완성된 결과물에서 특정 부분만 선택하여 수정 가능
- 이모지 추가나 인사말 삽입 같은 세부 편집 가능
- '마지막으로 다듬기' 기능으로 전체적인 완성도 향상
- 독해 수준을 중학생, 유치원생 수준으로 조절하여 어려운 전문 용어를 쉽게 풀어쓰기
제가 직접 활용했을 때 가장 유용했던 순간은 기술 보고서를 작성할 때였습니다. CAD(Computer-Aided Design) 관련 내용을 정리하는데, 처음 받은 답변이 너무 전문적이어서 비전공자가 이해하기 어려웠습니다. 여기서 CAD란 컴퓨터를 이용해 설계 도면을 작성하는 소프트웨어를 의미합니다. 캔버스에서 독해 수준을 '중학생'으로 조절하자, 복잡한 기술 용어들이 일상적인 표현으로 바뀌면서도 핵심 내용은 유지되었습니다.
일반적으로 AI 결과물을 수정하려면 처음부터 다시 질문해야 한다고 생각하는 분들이 많은데, 실제로 캔버스를 활용하면 시간을 1/3 이하로 줄일 수 있습니다. 이해하기 어렵거나 내용이 틀렸을 때 다시 입력하고 기다리는 대신, 즉시 해당 부분만 수정할 수 있으니까요.
프로젝트 기능은 ChatGPT의 채팅 기록을 체계적으로 관리하는 폴더 시스템입니다. ROI(Return on Investment, 투자 대비 수익률)를 계산해보면, 과거 대화 내용을 찾는 데 드는 시간 낭비를 획기적으로 줄여줍니다. '세 프로젝트'를 클릭하여 목적별 폴더를 만들 수 있는데, 저는 '사고하는 용도', 'SNS 채널 관련', '생각 정리 용도'로 구분해서 사용합니다.
채팅 기록이 쌓이면 검색 기능만으로는 원하는 대화를 찾기 어렵습니다. 프로젝트 폴더로 분류해두면, 해당 카테고리 안에서만 검색하므로 정확도가 훨씬 높아집니다([출처: OpenAI Documentation](https://platform.openai.com/docs)). 제 경험상 이건 단순한 정리 도구가 아니라, AI 활용의 연속성을 유지하는 핵심 장치입니다. 한 달 전에 나눴던 대화 맥락을 이어받아 새로운 작업을 진행할 수 있으니까요.
정리하면, ChatGPT는 단순히 질문에 답하는 도구가 아닙니다. 딥리서치로 객관적 근거를 확보하고, 에이전트모드로 반복 작업을 자동화하며, 캔버스로 결과물을 세밀하게 다듬고, 프로젝트로 지식을 체계적으로 축적할 수 있습니다. 솔직히 아직 ChatGPT는 코딩에서 Claude보다 약하고, 이미지 생성에서 Gemini보다 부족합니다. 하지만 사용자의 텍스트 명령을 이해하고 중재자 역할을 하는 능력은 여전히 탁월합니다. 제가 캐드와 엑셀 매크로를 만들 수 있게 된 것도, ChatGPT가 제 의도를 정확히 파악하고 방향을 제시해줬기 때문입니다. 중요한 건 AI가 아니라 사용자입니다. 아무것도 모르고 쓰면 그 정도의 결과만 나오지만, 함께 학습하고 방향을 제시하면 상상 이상의 퍼포먼스를 경험할 수 있습니다. 진짜 ChatGPT를 활용하고 싶다면, 공부해야 합니다.
---
참고: https://youtu.be/uoGCZIsVda8?si=06La-8axRdjylg3C