AI 제안서가 자꾸 빠뜨리는 것들: 작성과 검토를 나누는 법

원문마다 쓰임부터 정합니다

사내 교육 제안서를 만드는 교육용 사례입니다. 제안요청서(RFP)[1]에는 교육 6회·총 600명·종료 후 결과보고서 제출이 적혀 있습니다. 미팅 메모에는 일부 온라인 전환과 교육 효과 측정이 검토 사항으로 남아 있고, 과거 다른 고객의 제안서는 4회·400명 기준입니다.

세 자료를 구분 없이 주면 과거 문서의 수치를 가져오거나 검토 중인 조건을 확정해 쓸 수 있습니다. 이번 요청서는 확정 요구, 미팅 메모는 확인할 사항, 과거 제안서는 구성 참고용으로 지정합니다. 최신 파일이라는 이유만으로 확정 요구보다 우선하지 않습니다.

이번 요청의 6회·600명·결과보고 요구와 다른 조건이 섞인 초안을 대조하는 교육용 장면입니다.

계획·생성·평가를 어떻게 나눌까요?

계획은 요구와 검토 기준을 정하고, 생성은 초안을 쓰며, 평가는 원문과 대조합니다. 같은 모델에 순서대로 맡길 수 있고 자동화에서는 호출[2]을 나눌 수도 있습니다. 별도 호출이어도 모델의 판단이 완전히 독립적인 것은 아닙니다.

계획에서는 요구와 근거를 연결합니다

Anthropic이 설명하는 프롬프트 체이닝[3]은 앞 단계의 결과를 다음 요청에 전달하는 방식입니다. 여기서는 작성 전에 요구표를 만들어 자료의 쓰임을 정리합니다.

각 항목에 원문 페이지·문단 위치를 붙이고 담당자가 원문과 맞춰봅니다. 요구표에 빠진 내용이 있을 수 있으므로 검토 단계에도 원문을 직접 전달합니다.

생성에서는 미정인 조건을 남깁니다

초안은 “교육은 총 6회, 600명 규모이며 일부 온라인 전환은 협의 후 별도 제안합니다”처럼 확정과 미확정을 나눕니다. 결과보고서의 담당자·제출 시점이 자료에 없다면 내부 결정이 필요한 항목으로 표시합니다. 제안한 내용과 고객이 합의한 내용을 섞지 않습니다.

평가에서는 빠진 요구와 임의 확약을 찾습니다

“전문적으로 평가해줘”보다 원문 요구마다 초안의 대응 문장·충족 여부·고칠 내용을 요청합니다. 결과보고서 제목만 있다면 “보고 항목·담당자·제출 일정이 빠져 내부 결정 필요”처럼 수정할 위치와 다음 행동을 보여줘야 합니다.

구조도 크게 보기 ↗

원문은 작성과 평가에 모두 전달합니다. 요구표가 원문을 대신하는 정답은 아닙니다.

회차 수와 견적 수량은 계산으로 확인하고, “검토”가 “확정”으로 바뀐 문맥은 AI가 대조하게 합니다. 일정과 제공 범위가 실제로 가능한지는 업무 담당자가 판단합니다. Anthropic 평가 가이드도 코드·모델·사람 평가를 용도에 맞게 조합합니다.

수정 범위와 종료 기준을 정합니다

결과보고서가 빠졌다면 해당 문단과 제출 일정부터 고칩니다. 교육 횟수를 4회에서 6회로 바꿨다면 인력과 견적 수량도 확인해야 합니다. 수정 뒤에는 지적한 오류뿐 아니라 기존 확정 조건이 유지됐는지도 검사합니다.

연습 요청: 위 자료로 제안서 초안을 작성하세요. 먼저 확정 요구·미확정 사항·원문 위치를 정리하고, 작성 후 원문과 비교해 누락·모순·임의 확약을 표시하세요. 문제가 있으면 관련 부분을 한 번 수정하고 최종안·확인 근거·남은 질문을 보여주세요.

채팅 한 번에서 순서를 나누는 것은 연습입니다. 운영 자동화에서는 프로그램이 자료 전달과 호출 횟수를 관리해야 합니다. 초기 시험에서는 자동 수정을 1회로 제한합니다. 그 뒤에도 해결되지 않거나 고객 답변이 필요하면 담당자에게 넘깁니다. 같은 자료를 반복해서 읽는다고 새로운 합의가 생기지는 않습니다.

누락을 심은 초안을 주고 평가가 잡아내는지 먼저 시험해보세요. 같은 자료·완료 기준에서 한 번에 작성한 안과 역할을 나눈 안의 누락, 임의 확약, 준비·검수·수정시간과 AI 사용료를 비교합니다. 이미 단일 요청으로 충분하다면 역할을 더할 이유는 적습니다. 모델 개선에 따라 중간 평가를 줄인 개발 사례처럼 모델을 바꿀 때도 구성을 다시 시험할 수 있습니다.

제안서 자동화, 어떤 업체와 시작할까요?

AI 문서 처리 업체에는 요구·근거 추출, 업무 자동화 업체에는 작성·검토 연결, 맞춤 개발 업체에는 수정 이력·승인본 관리 경험을 물어보세요. 한 업체가 여러 분야를 맡을 수 있으므로 실제 사례를 확인합니다.

민감 정보를 가린 요청서·메모·과거 제안서와 자주 누락되는 항목을 준비하세요. 요구 추출·원문 대조·승인본 관리 방식을 물어보고 같은 품질에서 작업시간과 비용을 비교해보세요. 문의는 크몽 AX가 받고 계약·수행은 선택한 전문가와 협의합니다.

참고 자료

본문의 공식 문서 링크를 참고했습니다. 2026-09-29 확인. 사례·수치·도식은 설명용이며 실제 구축 성과가 아닙니다.

용어 풀이

용어 1 제안요청서(RFP)

발주자가 맡길 업무의 목적·범위·요구 조건을 제안받기 위해 정리한 문서입니다. 이 사례에서는 교육 횟수·인원과 결과보고서 제출 요구를 확인하는 원문입니다.

용어 2 모델 호출

프로그램이 AI 모델에 입력을 보내 응답을 받는 한 번의 요청을 뜻합니다. 같은 모델에 작성과 검토를 따로 요청하면 호출도 나뉩니다.

용어 3 프롬프트 체이닝

앞 단계의 결과를 다음 단계의 입력으로 넘겨 여러 번의 AI 요청을 이어가는 방식입니다. 이 글에서는 요구와 근거를 정리한 뒤 초안을 작성하고 원문과 대조합니다.