기본 콘텐츠로 건너뛰기

[Claude의 새로운 'Styles' 기능 소개: AI 글쓰기의 새로운 지평]

 Claude의 새로운 'Styles' 기능 소개: AI 글쓰기의 새로운 지평

오늘은 Anthropic의 AI 어시스턴트 Claude의 차별화된 글쓰기 능력과 새롭게 추가된 'Styles' 기능에 대해 심층적으로 살펴보고자 합니다.

Claude의 차별화된 글쓰기 능력

Claude는 출시 초기부터 뛰어난 자연어 처리 능력과 함께, 특히 글쓰기 분야에서 독보적인 성능을 보여왔습니다. 다른 생성형 AI들이 단순 텍스트 생성에 중점을 둔 것과 달리, Claude는 맥락 이해, 논리적 구조화, 그리고 일관된 톤 유지 능력에서 탁월한 성과를 보여주었습니다. 이러한 Claude의 강점이 이번 'Styles' 기능을 통해 한층 더 강화되었습니다.

Styles 기능이란?

Styles는 Claude의 커뮤니케이션 방식을 사용자의 필요에 맞게 최적화할 수 있는 혁신적인 기능입니다. 이는 단순한 톤 조절을 넘어서, AI와의 상호작용을 보다 자연스럽고 효율적으로 만들어주는 중요한 발전이라고 할 수 있습니다.

사용자 경험의 혁신

Styles 기능의 도입은 사용자들에게 다음과 같은 긍정적인 영향을 미치고 있습니다:

  1. 업무 효율성 향상: 상황에 맞는 최적의 커뮤니케이션 스타일을 선택함으로써, 불필요한 수정 작업 감소

  2. 일관성 유지: 팀 프로젝트에서 동일한 톤과 스타일의 문서 생성 가능

  3. 맞춤형 학습 경험: 사용자의 학습 스타일에 맞춘 설명 방식 제공

  4. 시간 절약: 스타일 설정 한 번으로 일관된 output 유지

주요 기능 및 활용 방법

1. 프리셋 스타일

  • Normal: 기본적인 응답 스타일

  • Concise: 간단명료한 응답

  • Formal: 전문적이고 정제된 응답

  • Explanatory: 교육적 목적에 최적화된 상세 설명

2. 커스텀 스타일 생성

  • 샘플 문서 업로드 방식

    • PDF, DOC, TXT 등 다양한 형식 지원

    • AI가 문서를 분석하여 사용자의 선호 스타일 학습

  • 직접 스타일 정의 방식
    • 기본 템플릿 선택 후 커스터마이징

    • 세부적인 커뮤니케이션 지침 설정 가능


'Add Writing Example' (커스텀 스타일) 을 활용한 맞춤형 Claude 스타일 생성 가이드

Writing Example 활용의 장점

Writing Example 기능은 Claude가 사용자의 실제 글쓰기 스타일을 학습하여 더욱 개인화된 output을 생성할 수 있게 해주는 강력한 도구입니다. 실제 활용 예시를 통해 이 기능의 효과적인 사용법을 살펴보겠습니다.

실제 활용 사례 예시

1. 기술 블로그 스타일 설정

[업로드 문서 예시]


AI 기반 추천 시스템의 발전 방향


최근 e-커머스 플랫폼에서 활용되는 AI 추천 알고리즘은 단순한 협업 필터링을 넘어 

멀티모달 딥러닝을 활용한 고도화된 방식으로 진화하고 있습니다. 

본 글에서는 최신 추천 시스템의 기술적 특징과 향후 발전 방향을 분석해보고자 합니다.


1. 기술적 특징

- 멀티모달 데이터 통합 처리

- 실시간 사용자 피드백 반영

- 컨텍스트 기반 개인화

2. 구현 사례 분석...

이러한 문서를 업로드하면 Claude는:

  • 전문적인 기술 용어 사용 패턴

  • 논리적 구조화 방식

  • 설명의 깊이와 흐름 을 학습하여 유사한 스타일의 콘텐츠를 생성하게 됩니다.

2. 연구 보고서 스타일 설정


[업로드 문서 예시]


생성형 AI 모델의 성능 평가 지표 연구


초록:

본 연구는 대규모 언어 모델의 성능을 정량적으로 평가할 수 있는 

새로운 평가 지표를 제안합니다. BLEU, ROUGE 등 기존 지표의 한계점을 

분석하고, 컨텍스트 이해도와 생성 품질을 종합적으로 측정할 수 있는 

복합 평가 방법론을 제시합니다.


연구 방법:

1. 데이터셋 구성

2. 평가 지표 설계

3. 실험 및 검증...

이러한 문서 업로드 시 Claude는:

  • 학술적 글쓰기 형식

  • 연구 방법론 서술 방식

  • 객관적 데이터 제시 방법 을 학습하여 적용합니다.

3. 제품 문서 스타일 설정

[업로드 문서 예시]


신규 API 통합 가이드 v1.2


개요:

본 문서는 CloudService API v1.2 버전의 주요 변경사항과 

통합 방법을 설명합니다.


변경사항:

- OAuth 2.0 인증 방식 도입

- Rate Limiting 정책 변경

- 신규 엔드포인트 추가


구현 가이드:

1. 인증 토큰 발급

   endpoints: /oauth/token

   method: POST

   parameters: {...}

이러한 문서 업로드 시 Claude는:

  • 기술 문서의 구조화 방식

  • API 설명 형식

  • 코드 예시 제시 방법 을 학습합니다.

Writing Example 활용 팁

  1. 다양한 문서 활용

    • 블로그 포스트, 기술 문서, 이메일 등 다양한 형식의 문서 활용

    • 최소 2-3개의 예시 문서 업로드 권장

  2. 품질 관리

    • 오탈자나 문법적 오류가 없는 검증된 문서 사용

    • 일관된 형식과 톤을 가진 문서 선택

  3. 정기적 업데이트

    • 새로운 콘텐츠 스타일이 필요할 때마다 예시 추가

    • 기존 스타일의 미세 조정을 위한 추가 예시 제공

주의사항

  • 업로드된 콘텐츠는 스타일 매칭 후 저장되지 않습니다

  • 민감한 정보가 포함된 문서는 수정 후 업로드

  • 너무 많은 예시 문서는 오히려 스타일 일관성을 해칠 수 있음

이러한 Writing Example 기능의 효과적인 활용을 통해 Claude는 사용자의 고유한 글쓰기 스타일을 더욱 정확하게 학습하고 반영할 수 있게 됩니다.

향후 전망

Styles 기능의 도입은 AI와 인간의 협업 방식을 한 단계 발전시키는 중요한 이정표가 될 것으로 전망됩니다. 특히 기업 환경에서 일관된 커뮤니케이션 스타일을 유지하면서도, 상황에 따라 유연하게 대응할 수 있는 가능성을 열어주었다는 점에서 큰 의미가 있습니다.

또한, AI의 글쓰기 능력이 계속해서 발전함에 따라, Styles 기능은 더욱 정교화되고 개인화될 것으로 예상됩니다. 이는 궁극적으로 AI를 활용한 콘텐츠 생성의 질적 향상으로 이어질 것입니다.

마치며

Claude의 Styles 기능은 AI 글쓰기의 새로운 지평을 열었습니다. 이는 단순한 기능 추가가 아닌, AI와 인간의 협업 방식을 근본적으로 개선하는 혁신이라고 할 수 있습니다. 앞으로도 이러한 사용자 중심의 기능들이 계속해서 발전해 나갈 것으로 기대되며, 여러분들도 이러한 새로운 기능들을 적극적으로 활용하여 업무 효율성을 높이시기 바랍니다.

참조: https://support.anthropic.com/en/articles/10185698-configuring-and-using-styles 

-------------------------------------

Claude AI 글쓰기 (도서):’AI 전환 시대엔 혼자보다 함께, 클로그 AI 글쓰기'


댓글

이 블로그의 인기 게시물

AI 바이브코딩 운영 가이드 (프롬프트 25종 첨부)

  AX컨설팅 동료용 실무 가이드 AI 바이브코딩 80% 벽 을 넘는 운영 가이드 AI로 웹사이트, 업무 자동화, 데이터 분석, 제안서 보조 도구, 내부 업무 시스템을 만들어보려는 컨설턴트를 위한 문서입니다. 바이브코딩은 “AI에게 코딩을 맡기는 일”이 아니라, AI 개발팀을 운영하는 일 입니다. 빠르게 되는 구간 ◀ 80% 벽 운영으로 넘는 구간 95% 80%까지는 AI가 데려다줍니다. 나머지 15%는 코딩 실력이 아니라 운영 방식 으로 넘습니다. 목차 1. 왜 80%에서 막히는가 2. 자주 나오는 네 가지 증상 3. 반드시 박아둘 검증 원칙 4. 상황별 실전 프롬프트 8종 5. 운영 4원칙 6. 컨설팅 현장 시나리오 7. 현장 체크리스트 18 8. 복사해서 쓰는 프롬프트 9. 최종 정리 01 · 진단 처음엔 날아가는데, 왜 80%에서 멈출까 요즘 AI로 개발을 해보면 처음에는 정말 빠릅니다. 로그인 화면이 금방 만들어지고, 버튼도 생기고, 데이터 입력 폼도 나오고, 간단한 대시보드도 몇 분 만에 완성됩니다. “이제 코딩은 AI가 다 해주는구나.” 그런데 실제 프로젝트에서는 이상한 일이 생깁니다. 처음 70~80%까지는 빠르게 가는데, 그 다음부터 갑자기 진도가 안 나갑니다. 증상 80% 지점에서 벌어지는 일 버튼 하나 고쳤더니 다른 버튼이 망가집니다. 오류를 고쳐달라고 했더니 디자인이 깨집니다. AI는 “수정 완료했습니다”라고 하는데 실행해보면 그대로입니다. 이전에 정한 요구사항을 잊어버립니다. 새 기능을 붙일수록 코드가 점점 복잡해집니다. 결국 처음부터 다시 만드는 것이 더 빠른 상황이 됩니다. 한 줄 결론 80% 벽은 AI의 코딩 실력만의 문제가 아닙니다. 대부분은 검증 없는 지시, 오염된 컨텍스트, 롤백 없는 작업 방식, 모호한 완료 기준 때문에 생깁니다. AI에게 코딩을 맡긴다는 것은 개발자를 없애는 일이 아닙니다. 오히려 우리의 역할이 바뀝니다. 기존 방식 AI 바이브코딩 방식 내가 직접 코드를 작성한다 AI에게 작업을 나누어 맡긴다 개발...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

[Google이 교육용 G Suite 을 위한 LMS 연동 키트 - Course Kit 베타 공개]

Google 이 드디어 G Suite for Eudcation 버전을 위한  LMS (Learning Management System) 연동을 위한 키트를 제공한다는 소식입니다.  현재는 베타 서비스로 베타 서비스 신청을 하면 서비스를 받을 수 있다고 합니다. 44개 언어로 제공이 된다고 합니다. 다행히도 한국어도 포함되어 있습니다. 자세한 사항은 아래 내용을 참고하시기 바랍니다.  효과적인 교수 및 학습을 위해서는 강사와 학생 간의 원활한 협력이 필요합니다. 올바른 기술과 교육은 이러한 연결을 용이하게하는 데 도움이 될 수 있습니다. 따라서 많은 대학, 대학, 학교 및 기타 교육 기관에서 강사 및 학생들에게 LMS (Learning Management System)를 제공합니다. 교육자와 학생들은 LMS를 사용하는 것 외에도 G Suite의 클라우드 기반 생산성 도구를 사용하여 실시간으로 만들고 공동 작업하고 통신합니다. 지금까지는 G Suite를 많은 LMS와 통합하는 쉬운 방법이 없었습니다. Course Kit 입력  - 강사가 Google 문서 도구 및 드라이브를 사용하여 과제를 수집하고, 학생들에게 더 빠르고 풍부한 피드백을 제공하고, 이미 사용중인 LMS 내의 강의 자료를 공유 할 수있게 해주는 무료 툴킷입니다.  Course Kit는 학습 도구 상호 운용성 (LTI) 표준 을 사용하여 구축되므로 LTI를 지원하는 모든 LMS를 쉽게 설정하고 사용할 수 있습니다. Course Kit에는 현재 할당 도구 및 파일 포함 도구가 포함되어있어 G Suite의 강력한 협업 기능을 교육 및 학습 워크 플로에 통합하기가 빠르고 안전합니다. 지난 학기 동안 더 높은 교육 기관을 통해 Course Kit를 시범 적으로 운영하여 현재 베타 프로그램을 통해 더 널리 사용하도록하고 있습니다. Course Kit의 과제 도구로 사려 깊은 피드백을 얻을 수있는 시간을 ...

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다

Uber의 Software Factory에서 배울 점: AI 에이전트는 ‘비용’이 아니라 ‘운영 설계’의 문제다 Uber Engineering이 공개한 “Running a Software Factory Efficiently at Uber Scale” 글은 단순한 AI 코딩 도구 소개가 아닙니다. 핵심은 AI 에이전트를 개발 현장에 많이 쓰면서도 비용을 통제하기 위한 운영 구조 입니다. 저는 이 글을 보면서 개인용 AI 오케스트레이션, 특히 제가 정리하고 있는 CPAO(Cost-aware Personal Agentic Orchestration) 와 매우 가까운 문제의식을 느꼈습니다. 규모는 Uber처럼 크지 않더라도, 개인·소규모 조직도 이제 AI를 “가끔 쓰는 도구”가 아니라 “반복 업무를 맡기는 업무팀”으로 운영해야 하는 단계에 들어섰기 때문입니다. 1. Uber가 말하는 AI Software Factory Uber는 AI 도구가 소프트웨어 개발 전 과정에 들어와 있다고 설명합니다. 코드 작성, 코드 리뷰, CI 실패 복구, 버그 분석, 온콜 알림 처리, 유지보수 PR 생성 등 여러 업무가 에이전트 기반으로 움직이고 있습니다. 인상적인 것은 사용량 증가입니다. Uber에 따르면 2026년 2월부터 8월까지 주간 활성 사용자는 7배, 주간 에이전트 요청은 9.4배 증가했습니다. 그런데 총 AI 비용은 4월 이후 비교적 안정화됐다고 합니다. 동일 모델 기준으로 보면 1,000개 요청당 비용은 피크 대비 약 34%, 세션당 비용은 6월 피크 대비 52% 낮아졌다고 합니다. 즉, Uber의 방향은 “AI를 덜 쓰자”가 아닙니다. 오히려 더 많이 쓰되, 낭비되는 턴·요청·토큰을 줄이는 방식 입니다. 2. 핵심은 비용 방정식이다 Uber는 AI 에이전트 비용을 다음과 같은 식으로 분해합니다. 총비용 = 사용자 수 × 세션/사용자 × 턴/세션 × 요청/턴 × 토큰/요청 × 토큰당 가격 이 식이 중요한 이유는 AI 비용을 막연한 “...