팀스파르타 PM과정 (36)

강의 / 개인스터디 (LLM 개인 맞춤설정화 비교, Jira 활용)/ 과제 피드백 정리 /

---

강의

---

LLM 개인 맞춤설정화 비교

Gemini의 Gems
Chat GPT의 GPTs

ClaudeAI의 프로젝트, 맞춤 스타일

Perplexity의 Spaces

각 서비스의 공식 설명

Gemini의 Gems

더 효율적으로 작업하세요
Gems를 사용하면 가장 반복적인 작업에 대한 자세한 프롬프트 요청 사항을 저장하여 시간을 절약하고 보다 심층적이고 창의적인 공동작업에 집중할 수 있습니다.
직접 파일을 업로드하세요
맞춤 Gems을 유용한 도구로 만드는 데 필요한 맥락 정보와 리소스를 입력하실 수 있습니다.
사용 환경을 맞춤설정하세요
특정 어조와 스타일로 글을 쓰는 데 도움이 필요하든, 특정 분야에 대한 전문 지식이 필요하든 Gems로 생산성을 극대화할 수 있습니다. - (GEMINI )

Chat GPT의 GPTs

GPT를 사용하면 특정 목적에 맞게 ChatGPT를 맞춤 설정할 수 있습니다.
ChatGPT 출시 이후 사용자들은 자신만의 사용 방식에 맞게 ChatGPT를 맞춤 설정할 수 있는 방법을 요청해 왔습니다. 지난 7월, 몇 가지 설정을 지정할 수 있는 맞춤 지침 기능을 출시했지만, 더 많은 제어 기능을 원하는 사용자가 많았습니다. 숙련된 사용자들은 직접 작성한 프롬프트와 지침 목록을 만들어 ChatGPT에 수동으로 복사하여 사용하고 있습니다. 이제 GPT가 이러한 작업을 모두 자동으로 처리해 줍니다. - (introducing-gpts)

ClaudeAI의 프로젝트

프로젝트 지침
프로젝트 지침은 Claude가 특정 프로젝트의 맥락과 요구 사항을 이해하도록 도와줍니다. 이러한 지침은 해당 프로젝트 내의 채팅에만 적용됩니다.
프로젝트는 무료 Claude 계정을 포함한 모든 사용자가 사용할 수 있습니다. 무료 사용자는 최대 5개의 프로젝트를 만들 수 있습니다.
다음과 같은 경우 프로젝트 지침을 사용하세요:
프로젝트별 맥락 제공특정 워크플로우에 대한 지침 설정특정 작업 집합에 대한 요구 사항 설정Claude가 프로젝트 내에서 채택해야 할 역할 또는 관점 정의
프로젝트 지침은 집중된 작업을 수행하거나 동일한 프로젝트 내의 여러 대화에서 Claude가 일관된 맥락을 유지해야 할 때 특히 유용합니다.-(클로드 서포트 )

ClaudeAI의 맞춤 스타일

스타일
스타일은 Claude가 사용자와 커뮤니케이션하는 방식을 사용자화합니다. 맥락과 지침을 제공하는 프로필 기본 설정 및 프로젝트 지침과 달리, 스타일은 Claude가 응답을 형식화하고 전달하는 방식에 특별히 중점을 둡니다.

다음과 같은 경우 스타일을 사용하세요:
Claude 응답의 톤과 형식을 조정합니다.다양한 커뮤니케이션 스타일 간에 전환합니다(예: 빠른 답변을 위한 간결함, 학습을 위한 설명).자신의 글쓰기를 기반으로 사용자화된 커뮤니케이션 패턴을 만듭니다. -(클로드 서포트)

Perplexity의 Spaces

Perplexity Spaces는 당신의 코스 자료, 노트 및 웹 자원에서 콘텐츠를 정리하고, 검색하고, 생성하는 데 도움을 주는 도구입니다. 이것을 학습을 위한 개인 비서로 생각하세요. 각 수업, 프로젝트, 또는 스터디 그룹을 위한 공간을 만들고, 질문을 하거나 고유한 작업에서 도움을 받을 수 있습니다. 예를 들어 학습 가이드를 만들거나 온라인에서 자원을 찾는 작업이 포함됩니다. - (학생을 위한 Perplexity Spaces 사용 가이드)

GPTs vs Gems vs Claude Projects vs Perplexity Spaces, 뭐가 다를까? — AI 맞춤화 시스템 완전 비교 (2026)

ChatGPT의 GPTs, Gemini의 Gems, Claude의 Projects와 맞춤 스타일, Perplexity의 Spaces.
비슷해 보이지만 본질이 다른 다섯 가지 AI 맞춤화 시스템을, 기능·아키텍처·실행 능력까지 세 단계로 깊이 비교했습니다.

AI를 단순히 "쓰는" 단계를 지나, 이제는 자기에게 맞춰 세팅하는 시대입니다.

---

들어가기 전에: AI 맞춤 시스템을 보는 세 가지 차원

AI 맞춤 시스템은 세 가지 능력 차원에서 평가해야 정확합니다.

차원	의미	핵심 질문
생성 (Generate)	답변·콘텐츠 생성	얼마나 잘 만드는가?
이해 (Understand)	문서·맥락 이해	얼마나 깊이 파악하는가?
실행 (Execute)	실제 작업 수행	무엇을 직접 할 수 있는가?

생성과 이해의 격차는 점점 좁혀지고 있어, 앞으로의 진짜 차별화 변수는 "실행 능력" 입니다. GPTs는 Actions로 외부 API 실행, Projects는 MCP로 로컬·외부 도구 실행, Gems는 Workspace 자동화 실행. 이 차이가 실무 가치를 결정합니다.

---

1. 다섯 시스템의 본질부터 짚기

비교의 시작은 "이 다섯 개가 사실 같은 카테고리가 아니다" 라는 점입니다.

유형	정의	해당 기능
A. 에이전트 빌더형	역할·지식·도구를 묶은 재사용 컨테이너	GPTs, Gems, Claude Projects
B. 협업 워크스페이스형	팀 단위 공유 작업 공간	Perplexity Spaces
C. 출력 조정 레이어형	응답 톤·형식 조정	Claude 맞춤 스타일

핵심 통찰: A 유형 안에서 GPTs ↔ Gems ↔ Projects를 비교해야 공정합니다. Claude 맞춤 스타일은 GPTs/Gems와 같은 카테고리가 아니에요. 결이 비슷한 건 Claude의 Projects 기능이고, 맞춤 스타일은 그 위에 얹는 톤 조정 레이어입니다.

---

2. AI 맞춤화의 레이어드 아키텍처

이제 단일 기능이 아니라 다섯 레이어의 조합으로 봐야 정확합니다.

┌──────────────────────────────────┐
│ 5. UI/UX (Artifacts·Canvas)      │ ← 협업형 결과물
├──────────────────────────────────┤
│ 4. Style (톤·형식)                │ ← 출력 품질
├──────────────────────────────────┤
│ 3. Execution (Actions·MCP·자동화) │ ← 실행 능력
├──────────────────────────────────┤
│ 2. Knowledge (파일·RAG)           │ ← 지식 컨텍스트
├──────────────────────────────────┤
│ 1. Agent (GPTs·Gems·Projects)    │ ← 컨테이너
└──────────────────────────────────┘

한 기능만 뛰어나도 안 됩니다. 레이어 조합이 경쟁력입니다.

---

3. 5종 통합 비교표

비교 항목	ChatGPT GPTs	Gemini Gems	Claude Projects	Claude 맞춤 스타일	Perplexity Spaces
유형	에이전트 빌더	에이전트 빌더	에이전트 빌더	출력 조정	협업 워크스페이스
시스템 지시	O	O	O	△	O
지식 파일	O (개수 제한)	O	O (대용량 강점)	X	O
컨텍스트	RAG	RAG	200K + RAG	해당 없음	RAG
비용 최적화	일반	일반	반복 작업 시 캐싱 효과	해당 없음	일반
실행 능력	Actions (외부 API)	Workspace 자동화	MCP (로컬·외부)	없음	제한적
멀티모달	이미지·음성 강함	영상·Meet·Gmail	문서·이미지 강점	텍스트	검색 결합
추론 일관성	짧은 태스크	워크스페이스 맥락	긴 호흡 일관성	해당 없음	출처 기반
글쓰기 학습	△	X	△	O (문장 구조까지)	X
공유·유통	마켓플레이스	팀 공동편집	권한 공유	개인	뷰어·기여자
데이터 보안	중간	Google 인증	학습 제외 옵션	개인	Enterprise 학습 제외

---

4. 같은 카테고리, 다른 철학 — 에이전트 빌더 3종 정밀 비교

GPTs, Gems, Projects는 같은 카테고리지만 전략이 근본적으로 다릅니다.

차원	GPTs	Gems	Projects
본질	배포 플랫폼	개인 비서	지식 중심 작업 환경
생태계	플랫폼 중심 (폐쇄)	구글 종속	프로토콜 지향 (MCP)
실행 능력	외부 API 호출	Google 도구 자동화	로컬 파일·DB·외부 API
강점	배포·도구 다양성	Workspace 자동화	긴 코드베이스 맥락 이해
추론 특성	짧은 태스크·창의적	상황 인지	긴 호흡 일관성
마켓플레이스	있음 (수익성 검증 중)	없음	없음
락인 구조	편의성·통합	구글 생태계	작업 구조·워크플로우 설계

전략적 분기점: "만들어 팔 것인가 (GPTs) vs 내부 작업 환경을 구축할 것인가 (Projects)"

---

5. 실제로 이렇게들 씁니다 — 보편적 활용 패턴

ChatGPT GPTs

"프롬프트 SaaS화 + 외부 도구 연결" 이 핵심입니다. 데이터 분석 봇, API 연동 봇, 마케팅 카피 생성기, 시각적 콘텐츠 봇으로 주로 쓰입니다. 수익화 경로는 GPT Store가 잠재적 채널이지만 아직 검증 단계이고, 실제 수익은 API SaaS·B2B 계약·내부 툴 형태가 더 현실적입니다.

Gemini Gems

"Google 생태계 안에서의 자동화" 가 본질입니다. 1인 사용자에겐 코딩·이메일·학습 도우미로, 기업에선 Drive·Gmail·Meet과 결합한 워크플로우 자동화로 쓰입니다. 특히 Meet 녹화 → 후속 조치 자동 생성 같은 엔드투엔드 멀티모달 자동화가 차별 영역입니다.

Claude Projects

"긴 컨텍스트 기반 지식 작업 환경" 으로 사용됩니다. AI 페어 프로그래밍, 의존성을 고려한 리팩토링, 법률·계약서 분석, 학술 연구, 기술 문서 일관성 유지에 강합니다. MCP를 통해 로컬 파일·DB·외부 API에 직접 접근하는 사내 통합 도구로 빠르게 자리잡고 있습니다.

Perplexity Spaces

"근거 중심 답변 + 협업 아카이빙" 이 핵심입니다. 출처 기반 답변 자체가 강점이고, 여기에 팀 협업·자료 누적이 결합된 형태입니다. 시장 조사·경쟁사 모니터링·학술 스터디·기업 내부 지식 검색에 주로 쓰입니다.

Claude 맞춤 스타일

"AI 출력의 마지막 레이어" 로 작동합니다. 단순 톤 조정을 넘어 문장 구조·논리 전개까지 학습해 콘텐츠·마케팅 분야에서 품질 차이를 만듭니다. 단독보다 Projects와 결합해 "지식 + 톤"을 함께 잡는 활용이 표준입니다.

---

6. 상황별 추천 — 의사결정 가이드

상황	추천	핵심 고려 변수
외부 배포·도구 연결 봇	GPTs	Actions 다양성, 마켓 노출
사내 시스템 통합	Projects	MCP를 통한 로컬·외부 연결
Google 환경 자동화	Gems	Workspace 통합도
반복 대규모 문서 작업	Projects	캐싱은 반복성 높을 때 효과
시각적 콘텐츠 제작	GPTs	DALL-E·비전
멀티모달 회의 자동화	Gems	Meet·Drive 통합
팀 리서치·근거 수집	Spaces	Enterprise 학습 제외
콘텐츠 톤 일관성	맞춤 스타일	글쓰기 샘플 활용
빠른 MVP·시장 검증	GPTs	배포 즉시성
장기 지식 자산화	Projects	워크플로우 구조 설계

---

7. 놓치기 쉬운 5가지 핵심 인사이트

① 실행 능력(Execution)이 진짜 차별화 변수다

생성·이해는 모델 성능 격차가 좁혀지고 있어, "무엇을 직접 실행할 수 있는가" 가 점점 더 중요해집니다. GPTs Actions, Projects MCP, Gems Workspace 자동화 — 세 가지 실행 메커니즘이 실무 가치를 결정합니다.

② MCP는 "유력한 표준 후보"지, 아직 표준은 아니다

MCP는 빠르게 확장 중이지만 표준화 기구가 없고 OpenAI·Google이 공식 채택하지 않았습니다. "AI용 REST 표준"이라기보다 "유력한 후보" 가 정확한 표현이고, 생태계 파편화 가능성이 남아 있습니다.

③ 비용·락인은 조건부다

Claude의 컨텍스트 캐싱은 반복·유사 프롬프트일 때만 큰 효과가 있고 일반 사용에서는 체감이 제한적입니다. Projects의 락인도 데이터 자체보다 "작업 구조·프롬프트·워크플로우 설계" 에서 발생합니다.

④ UI/UX 협업 레이어가 다음 승부처다

Artifacts(Claude)·Canvas(OpenAI)처럼 결과물을 실시간 편집하는 협업형 UI가 맞춤화의 가치를 "응답"에서 "결과물 협업" 으로 이동시키고 있습니다.

⑤ 단일 기능이 아닌 "레이어 조합"으로 본다

가장 강력한 구성은 한 기능이 아니라 Agent + Knowledge + Execution + Style + UI 의 조합입니다. Claude 기준 Projects + MCP + 맞춤 스타일 + Artifacts 가 현재 가장 풍부한 레이어 스택입니다.

---

마치며: 한 줄 결론

AI 맞춤 시스템의 가치는 "생성·이해·실행" 세 차원에서 결정되며, 그중 '실행 능력'이 점점 더 중요해진다.

만들어 팔 거라면 GPTs, 내부 작업 환경을 만들 거라면 Projects + MCP + 맞춤 스타일, 구글 생태계 자동화라면 Gems, 팀 리서치라면 Spaces — 이렇게 정리할 수 있습니다.

중요한 건 "어떤 도구가 최고냐"가 아니라 "내 워크플로우에 어떤 레이어 조합이 맞느냐" 입니다. 이 글이 그 결정에 작은 도움이 되었길 바랍니다.

---

#AI비교 #ChatGPT #GPTs #GeminiGems #ClaudeProjects #ClaudeAI #Perplexity #PerplexitySpaces #AI맞춤화 #프롬프트엔지니어링 #MCP #ChatGPTActions #생산성 #업무자동화 #AI도구비교

---

과제 피드백 정리 

💡 주요 강점 (칭찬받은 점)

• 압도적인 데이터 분석 역량: 수학/통계 전공자로 오해받을 만큼 깊이 있고 꼼꼼한 교차 분석을 진행했습니다.
• 탄탄한 논리 구조: 데이터 분석 결과를 바탕으로 인사이트를 도출하고, 페르소나 설정부터 문제 해결 방안까지 연결되는 흐름이 훌륭했습니다.
• 실무 수준의 구체성: 와이어프레임, A/B 테스트 설계, 정보 구조도(IA) 등 개발자와 디자이너가 참고할 수 있는 디테일한 요소들을 꼼꼼하게 챙겼습니다.

🎯 핵심 피드백 (보완할 점)

• PRD의 본질은 '설득'과 '투두 리스트(To-do List)': PRD는 단순한 데이터 분석 보고서가 아니라, 함께 일하는 디자이너와 개발자를 설득하고 명확한 작업 지시를 내리는 가이드 문서입니다.
• 선택과 집중 (분량 다이어트): 카이제곱 검정 같은 복잡한 통계나 날것의 데이터는 비데이터 직군에게 혼동을 줄 수 있습니다. 핵심 문제 정의에 필요한 데이터만 직관적(예: 핵심 퍼센트 위주)으로 보여주고, 방대한 분석 내용은 별첨(Appendix)으로 빼는 것이 좋습니다.
• 우선순위(Priority) 설정: 도출된 3가지 문제점과 해결 방안(예: 개선안 C 등)에 대해 개발 공수나 리스크를 고려하여 1, 2, 3순위를 명확히 지정해 주어야 합니다.
• 유입 경로 데이터의 활용: 페르소나(DA 유입 유저)를 도출할 때, 직전 페이지나 외부/내부 광고 등의 상세 유입 경로 데이터를 초반에 추가했다면 특징을 더 입체적으로 잡을 수 있었을 것이라는 아쉬움이 있었습니다.

🗣️ 지원님의 고민과 멘토의 답변

• 정량적 데이터에 대한 강박: 이전 과제의 정성적인 느낌을 탈피하고자 정량적 수치에 엄청나게 파고드셨습니다. 분석 과정 자체는 완벽하고 신뢰도를 높여주었지만, 문서로 표현할 때는 과감하게 덜어내고 핵심만 남기는 연습이 필요합니다.
• 템플릿 억지 맞춤: 다른 PRD 포맷을 참고하다 보니 기술 스택 권장안 등 오버 스펙이 들어간 경향이 있습니다. 양식 채우기보다는 '왜 이 기능을 개발해야 하는가'라는 논리적 흐름에 집중하세요.
• 중간 목표(장바구니 전환) vs 최종 목표(매출): 광고비 대비 최종 매출까지 고려한 넓은 시야는 매우 훌륭한 접근이었습니다. 다만, 장바구니 전환율 개선이라는 중간 지표 자체를 개선하는 과정에서도 유의미한 행동 데이터를 충분히 도출할 수 있음을 인지하면 좋습니다.

---

📝 총평 요약: 데이터 분석력과 집요함은 이미 충분히 훌륭하고 확실한 무기입니다. 다음 과제나 실무 PRD를 작성하실 때는 "내가 주장하고자 하는 핵심 논리에 맞는 데이터만 직관적으로 남겨서 동료들을 설득한다"는 점에만 포커스를 맞추시면 훨씬 완벽한 기획서가 될 것입니다.