생성된 데크(Deck)는 사고(Thinking)가 끝나기도 전에 완성된 것처럼 보일 수 있습니다.

이것이 새로운 압박 지점입니다. 최근의 워크스페이스 스위트(Workspace-suite) 업데이트는 이제 프롬프트(Prompt)로부터 편집 가능한 전체 멀티 슬라이드 프레젠테이션을 생성하고, 이를 기존 소스 파일에 근거하게 하며, 다른 프레젠테이션의 스타일과 일치시키고, 사람이 편집할 수 있도록 슬라이드를 준비해 둘 수 있습니다. 공식 제품 리소스 또한 슬라이드 생성, 재작성, 요약, 이미지 생성 및 소스 파일 참조를 위한 프레젠테이션 보조 기능을 설명하고 있습니다.

좋습니다. 이는 실제 시간을 절약해 줍니다.

하지만 데크(Deck)는 결정이 아닙니다. 슬라이드 제목은 자신감 있게 들릴 수 있지만, 그 아래의 근거는 빈약할 수 있습니다. 권고안(Recommendation)은 세련되게 느껴질 수 있지만, 그 가정이 여전히 무보수 초과 근무를 하고 있을 수 있습니다. 팀이 결과물(Artifacts)을 생성하는 속도가 빨라질수록, 그 결과물들이 주장하는 바를 테스트하는 데 있어 더욱 절제된 태도를 갖춰야 합니다.

지난 250년 동안, 중대한 아이디어들은 복잡성을 구조화하고, 가정을 반박하며, 앞으로 나아갈 길을 가시화할 수 있는 사람들에게 의존해 왔습니다.

AI가 초안 작성을 도울 때 이러한 습관은 더욱 중요해집니다. 업무의 초점은 "프레젠테이션을 만들 수 있는가?"에서 "권고안을 방어할 수 있는가?"로 이동합니다.

그 지점이 바로 AI 생성 데크(Deck) 리뷰가 단순한 정리 작업이 아닌 전문적인 워크플로우(Workflow)가 되는 곳입니다.

결과물 준비 상태(Artifact readiness)는 결정 준비 상태(Decision readiness)가 아니다

슬라이드가 존재하고, 구조가 읽기 쉬우며, 이야기에 시작, 중간, 끝이 있다면 그 데크(Deck)는 결과물 준비 상태(Artifact-ready)입니다. 결정 준비 상태(Decision readiness)는 다릅니다. 이는 각 결론에 지지 근거가 있는지, 증거가 최신인지, 가정이 명확히 보이는지, 그리고 권고안이 대안적인 경로에서도 살아남을 수 있는지를 묻습니다.

이러한 차이는 세련된 데크(Deck)가 회의실에 들어오기 전까지는 당연하게 들립니다. 하지만 일단 들어오면 포맷팅(Formatting)이 증거처럼 작용하기 시작합니다. 레이아웃(Layout)이 권위가 됩니다. 깔끔한 차트(Chart)는 가장 먼저 던져졌어야 할 질문들을 잠재워 버릴 수 있습니다.

팀은 데크(Deck)가 생성된 후 두 번째 단계의 작업이 필요합니다:

• 주요 주장(claims)은 무엇인가?
• 어떤 주장이 사실(facts), 해석(interpretations), 또는 가정(assumptions)인가?
• 각 주장을 뒷받침하는 근거는 무엇인가?
• 어떤 권고안(recommendation)이 선호되고 있으며, 그 이유는 무엇인가?
• 무엇이 권고안을 바꿀 수 있는가?
• 슬라이드 서사(narrative) 외부에 존재하는 리스크나 의존성(dependencies)은 무엇인가?

이것은 AI에 반대하는 것이 아닙니다. 판단(judgment)을 지지하는 것입니다.

생성된 프레젠테이션은 초안 작성을 가속화할 수 있습니다. 구조화된 리뷰는 의사결정을 보호합니다.

AI-generated deck review separating artifact readiness and decision readiness

프레젠테이션 업데이트가 변화시키는 것

이번 업데이트는 프레젠테이션 작업의 첫 단계(first mile)를 변화시킵니다. 빈 슬라이드에서 시작하는 대신, 팀은 기존 파일에서 정보를 가져오고, 선택한 스타일을 반영하며, 편집 가능한 결과물을 제공하는 생성된 구조로 시작할 수 있습니다. 이것은 진정한 생산성 향상입니다. 빈 데크(empty-deck) 문제는 낭만적이지 않습니다. 밤 11시 40분에 박스들을 옮기면서 전략적인 영광을 얻는 사람은 아무도 없습니다.

유용한 변화는 초안 작성 속도입니다:

• 소스 자료로부터 더 빠른 첫 구조 생성;
• 수동 슬라이드 조립 감소;
• 정적 스크린샷 대신 편집 가능한 슬라이드;
• 기존 프레젠테이션 자료로부터의 스타일 연속성;
• 파일이 제공될 때 소스를 인지한 초안 작성(source-aware drafting).

하지만 그것은 여전히 제작 속도(production speed)일 뿐, 의사결정 품질(decision quality)은 아닙니다.

생성된 데크는 일관된 결과물(artifact)을 만들어내도록 최적화되어 있습니다. 전략적 권고안은 판단(judgment)을 위해 최적화되어야 합니다. 이들은 서로 관련된 작업이지만, 동일한 작업은 아닙니다. 데크가 결과물일 때, 숨겨진 리스크는 팀이 "일관성 있어 보인다"에서 멈추고, "방어 가능한가(is defensible)"로 나아가지 않는 것입니다.

그 간극이 바로 생성된 데크에 여전히 인간 주도의 리뷰가 필요한 지점입니다.

생성된 데크에 여전히 필요한 다섯 가지 레이어

생성된 데크는 권고안의 근거가 되기 전에 다섯 가지 리뷰 레이어를 통과해야 합니다.

1. 주장 추출 (Claim extraction)

먼저, 모든 주요 주장 (Claim)을 추출합니다. 모든 문장이 똑같이 중요한 것은 아닙니다. 슬라이드 제목, 섹션 요약, 결론 박스, 그리고 권고안 문구에 집중하세요. 이곳들은 데크가 청중으로 하여금 무언가를 믿게 만드는 지점들입니다.

주장은 기술적(descriptive)일 수 있습니다: “현재 프로세스는 반복적인 인수인계 지연을 발생시킨다.” 비교적(comparative)일 수 있습니다: “옵션 B는 옵션 A보다 구현 속도가 빠르다.” 또는 규범적(prescriptive)일 수 있습니다: “팀은 파트너 주도형 출시를 우선시해야 한다.”

각 유형은 서로 다른 검토 (scrutiny)가 필요합니다.

2. 증거 매핑 (Evidence mapping)

다음으로, 각 주장을 증거와 연결합니다. 증거는 소스 문서, 회의록, 연구 요약, 업로드된 파일 또는 현재의 웹 컨텍스트 (web context)에서 가져올 수 있습니다. 만약 어떤 주장도 뒷받침하는 소스가 없다면, 이를 명확하게 표시하십시오. 증거가 없는 주장이 무용지물인 것은 아니지만, 권고안을 뒷받침할 준비가 된 것은 아닙니다.

증거 매핑은 데크의 고전적인 문제, 즉 논거는 기억에 남지만 그 근거가 어디에서 왔는지는 아무도 기억하지 못하는 문제를 방지합니다.

3. 가정 분리 (Assumption separation)

사실 (Facts)과 가정 (Assumptions)은 종종 같은 옷을 입고 나타납니다. 이들을 분리하십시오.

사실은 소스에 의해 뒷받침됩니다. 가정은 팀이 사용하기에 충분히 가능성이 높다고 믿지만, 확정된 것으로 취급하기에는 충분히 증명되지 않은 조건입니다. 전문적인 데크는 가정을 숨겨서는 안 됩니다. 의사결정이 비용이 많이 들기 전에 이해관계자(stakeholders)들이 이에 대해 이의를 제기할 수 있도록 가정을 가시화해야 합니다.

4. 대안 비교 (Alternative comparison)

권고안은 신뢰할 수 있는 대안들을 이겨냈을 때 더 강력해집니다. 만약 데크가 단 하나의 경로만을 제시한다면, 팀은 결정을 테스트한 것이 아니라 선호도를 서술한 것에 불과합니다.

최소 세 가지 경로를 비교하십시오: 권고된 경로, 보수적인 경로, 그리고 더 빠르지만 위험성이 높은 경로입니다. 구현 노력 (implementation effort), 신뢰 수준 (confidence level), 의존성 부하 (dependency load), 가역성 (reversibility), 이해관계자 정렬 (stakeholder alignment), 가시적 성과 도출 시간 (time to visible progress)과 같은 기준을 사용하십시오.

5. 리스크 및 의존성 매핑 (Risk and dependency mapping)

마지막으로, 무엇이 권고안을 무너뜨릴 수 있는지 매핑합니다.

리스크(Risks)는 결과에 해를 끼칠 수 있는 불확실한 사건입니다. 의존성(Dependencies)은 권고안이 작동하기 전에 반드시 참이어야 하거나 반드시 일어나야 하는 조건입니다. 강력한 데크(Deck)는 이러한 요소들을 부록에 파묻어 두지 않습니다. 그것들이 앞으로 나아가는 경로에 어떤 영향을 미치는지 보여줍니다.

실무적인 근거-주장 매핑 방법 (A practical evidence-to-claim mapping method)

데크가 생성된 후 이 방법을 사용하십시오. 이 방법은 전략 검토(strategy reviews), 기획 문서(planning documents), 내부 제안서(internal proposals), 운영 업데이트(operating updates), 제품 결정(product decisions), 그리고 자문 결과물(advisory deliverables) 모두에 적용 가능합니다.

1. 데크로부터 주장 목록(claim inventory)을 작성합니다.
2. 모든 주장에 C1, C2, C3와 같은 짧은 ID를 부여합니다.
3. 각 주장의 출처(source)를 추가합니다: 문서, 데이터셋, 이해관계자 노트, 연구 자료, 또는 직접적인 관찰.
4. 주장 유형(claim type)을 표시합니다: 사실(fact), 해석(interpretation), 가정(assumption), 권고(recommendation), 리스크(risk), 또는 의존성(dependency).
5. 신뢰도(confidence)를 할당합니다: 높음(high), 중간(medium), 낮음(low), 또는 테스트되지 않음(untested).
6. 가장 취약한 주장들에 대해 검토 담당자(review owner)를 지정합니다.
7. 최종 검토 전에 주장 목록을 시각적 맵(visual map)으로 변환합니다.

시각적 맵이 진정한 핵심(unlock)입니다. 표(table) 형식에서는 검토가 단순한 서류 작업처럼 느껴질 수 있습니다. 하지만 캔버스(canvas) 위에서는 패턴이 눈에 보이기 시작합니다. 어떤 주장들이 동일한 빈약한 출처에 의존하고 있는지, 권고안이 근거보다 앞서 나가고 있는 지점은 어디인지, 그리고 어떤 대안 경로가 더 많은 주의를 기울여야 하는지를 확인할 수 있습니다.

이것이 바로 이 워크플로우에서 Jeda.ai가 중요한 이유입니다. Jeda.ai는 자사의 AI Whiteboard를 다이어그램, 마인드맵, 매트릭스, 플로우차트, 인포그래픽, 그리고 프레임워크 기반 추론을 위한 협업형 시각적 작업 공간으로 포지셔닝합니다. Jeda.ai의 공식 자료에는 멀티 모델 추론(multi-model reasoning), 300개 이상의 전략적 프레임워크, 그리고 팀이 시각적 사고를 편집 가능한 상태로 유지할 수 있는 캔버스에 대해서도 설명되어 있습니다.

핵심은 검토자를 대체하는 것이 아닙니다. 핵심은 검토자에게 더 나은 사고의 표면(surface to think on)을 제공하는 것입니다.

멀티 모델의 과제 (The multi-model challenge)

생성된 하나의 데크는 종종 하나의 합성 경로(synthesis path)만을 나타냅니다. 이는 유용할 수 있지만, 논의의 범위를 너무 일찍 좁혀버릴 수도 있습니다.

의사결정 팀은 다음과 같은 다양한 추론 관점에서 데크(deck)를 검토해야 합니다:

• 신중한 검토자라면 무엇을 거부할 것인가?
• 어떤 가정이 권고안을 가장 빠르게 변화시키는가?
• 어떤 증거가 가장 강력한가?
• 어떤 증거가 누락되었는가?
• 팀이 틀렸을 경우, 어떤 대안이 후회(regret)가 더 적은가?
• 회의적인 이해관계자가 가장 먼저 의문을 제기할 부분은 무엇인가?

Jeda.ai의 AI Workspace는 단일 텍스트 스레드(text thread)보다는 시각적 추론(visual reasoning)을 중심으로 구축되었습니다. Jeda.ai의 공식 홈페이지는 멀티 LLM 추론(multi-LLM reasoning), 300개 이상의 전략적 프레임워크(strategic frameworks), 그리고 협업 가능한 무한 캔버스(infinite canvas)를 결합한 시각적 AI 워크스페이스를 설명합니다. 또한 Jeda.ai는 15만 명 이상의 전문가들이 신뢰하고 있다고 명시합니다.

데크 리뷰를 위해 멀티 모델 추론(multi-model reasoning)은 유용합니다. 모델마다 서로 다른 약점을 강조할 수 있기 때문입니다. 어떤 모델은 증거를 깔끔하게 정리할 수 있고, 다른 모델은 모호함을 드러낼 수 있으며, 또 다른 모델은 더 명확한 비교 매트릭스(comparison matrix)를 생성할 수 있습니다. 최종적으로 무엇이 타당한지를 선택하는 것은 여전히 팀의 몫입니다. 어떤 모델도 투표권을 갖지 않습니다. 작지만 중요한 차이입니다.

의사결정을 침해하지 않으면서 Jeda.ai를 활용하는 방법

Jeda.ai를 마법 같은 정답 기계로 취급해서는 안 됩니다. 그것은 나태한 방식이며, 솔직히 말해 다소 위험합니다.

구조화된 리뷰를 위한 시각적 AI 워크스페이스(Visual AI workspace)로 활용하십시오. 데크, 지원 문서, 노트, 그리고 현재의 컨텍스트(context)를 가져오십시오. 그런 다음 데크의 논거를 팀이 함께 검토할 수 있는 편집 가능한 시각 자료로 변환하십시오.

훌륭한 Jeda.ai 워크플로우(workflow)는 다음과 같습니다:

1. 생성된 데크(deck) 또는 소스 문서(source documents)를 업로드합니다.
2. Document Insight를 사용하여 주장(claims), 테마(themes), 섹션(sections), 그리고 해결되지 않은 질문(unresolved questions)을 추출합니다.
3. 추출된 내용을 주장-증거 매핑(claim-to-evidence mapping)을 위한 매트릭스(Matrix)로 변환합니다.
4. 다이어그램(Diagram) 또는 플로우차트(Flowchart) 뷰를 사용하여 권고안(recommendation)이 가정(assumptions) 및 순서(sequencing)에 어떻게 의존하는지 보여줍니다.
5. 의사결정 매트릭스(decision matrix)에서 대안들을 비교합니다.
6. 최종 프레젠테이션 내러티브(presentation narrative)가 수용되기 전에 리스크(risks)와 의존성(dependencies)을 표시합니다.
7. 더 많은 세부 정보가 필요한 경우, 기존 분석을 확장하고 심화하기 위해서만 AI+를 사용하십시오. AI+를 최종 권위자로 취급하지 마십시오.
8. 팀이 동일한 추론(reasoning)을 다른 시각적 형태로 필요로 할 때 Vision Transform을 사용하십시오.

Jeda.ai의 Document Insight 페이지는 업로드된 문서를 마인드맵(mind maps), 플로우차트(flowcharts), 다이어그램(diagrams), 매트릭스(matrices), 그리고 분석 프레임워크(analytical frameworks)로 변환하는 문서-시각화 워크플로우(document-to-visual workflows)를 설명합니다. 웹 기반 시각적 워크플로우(web-grounded visual workflows)에 관한 Jeda.ai 릴리스 노트(release note)는 또한 AI 명령 내에서의 실시간 웹 검색(real-time web search)과 AI+의 컨텍스트 보존 확장(context-preserving expansion)을 설명합니다.

15만 명 이상의 사용자들에게 그것은 더 깊은 가치입니다. 즉, "슬라이드를 만들어줘"가 아니라 "팀이 검토할 수 있을 만큼 추론(reasoning)을 충분히 가시화해줘"라는 것입니다.

방법 1: 구조화된 리뷰를 위해 AI 메뉴 레시피 경로 사용하기

팀이 데크를 검토하기 전에 가이드된 구조를 원하는 경우 이 방법을 사용하십시오.

1. Jeda.ai AI Workspace를 엽니다.
2. 캔버스 왼쪽 상단에서 AI 메뉴 (AI Menu)를 선택합니다.
3. 의사결정 비교 (decision comparison), 리스크 분석 (risk analysis), 프로세스 매핑 (process mapping), 또는 구조화된 계획 (structured planning)과 같이 검토 작업에 적합한 매트릭스 (Matrix) 또는 다이어그램 (Diagram) 레시피 경로를 선택합니다.
4. 데크 컨텍스트 (deck context), 테스트 중인 권고안 (recommendation), 의사결정 기준 (decision criteria), 그리고 검토 가능한 소스 자료 (source material)를 추가합니다.
5. 첫 번째 시각적 구조를 생성합니다.
6. 팀과 함께 출력물을 검토합니다. 실제 의사결정과 언어가 일치하도록 열(column)이나 노드(node)의 이름을 변경합니다.
7. 누락된 증거, 불확실한 가정, 리스크, 그리고 의존성 (dependencies)을 AI 화이트보드 (AI Whiteboard)에 직접 추가합니다.
8. 팀이 더 많은 세부 사항을 필요로 할 때, 전문적인 판단력을 유지하면서 선택된 영역을 확장하거나 심화하기 위해 AI+를 사용합니다.
9. 팀이 다른 검토 대화를 위해 매트릭스를 다이어그램 (diagram), 플로우차트 (flowchart), 또는 마인드맵 (mind map)으로 변환해야 하는 경우 Vision Transform을 사용합니다.

이 방법은 팀이 검토 구조를 처음부터 즉흥적으로 만들기를 원하지 않을 때 가장 효과적입니다. 이는 의견들이 통제 없이 난무하기 전에 토론을 담을 수 있는 틀(container)을 제공합니다.

Jeda.ai AI Menu path for generated deck review

방법 2: 직접적인 데크 검토 맵을 위해 프롬프트 바 (Prompt Bar) 사용하기