99%가 아직 모르는 ChatGPT 워크. 화면만 녹화하면 100% 자동화로 구현됩니다
📺 원본 영상: 99%가 아직 모르는 ChatGPT 워크. 화면만 녹화하면 100% 자동화로 구현됩니다
🎙️ 채널: 빌더 조쉬 Builder Josh
📅 정리 일자: 2026-07-20
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료, 코드, 슬라이드, UI 세부 요소는 포함되지 않을 수 있습니다.
개요
이 영상은 ChatGPT Work를 단순한 대화형 AI가 아니라, 조사와 기획을 거쳐 웹사이트, 프레젠테이션, 문서, 자동화 스킬까지 만들어내는 실행형 작업 환경으로 소개한다. 강연자는 웹 버전과 데스크톱 앱의 차이, 프로젝트와 로컬 폴더 기반 작업 방식, 플러그인과 스킬 생태계, Record & Replay를 통한 반복 업무 자동화를 차례로 시연하며 ChatGPT Work의 사용 맥락을 설명한다.
핵심은 “채팅에서 위임으로의 전환”이다. 기존 AI 사용이 질문을 던지고 답변을 받는 방식에 가까웠다면, ChatGPT Work는 사용자가 업무 목표를 맡기고 결과물을 받는 구조에 가깝다. 이 변화는 단순한 UI 업데이트가 아니라, AI가 업무 산출물의 제작 과정에 깊게 들어오는 방식의 전환으로 볼 수 있다.
채팅형 AI에서 실행형 작업자로의 이동
강연자는 ChatGPT Work의 등장을 “채팅에서 위임으로 바뀌었다”는 표현으로 설명한다. 과거의 ChatGPT가 사용자의 질문에 답하거나 텍스트를 생성하는 데 초점이 있었다면, ChatGPT Work는 여러 자료를 읽고, 판단하고, 그 결과를 문서나 사이트 같은 산출물로 완성하는 방향으로 설계되어 있다는 것이다. 이 관점에서 ChatGPT Work는 단순히 대화창이 하나 더 생긴 기능이 아니라, AI가 실제 업무 흐름 안으로 들어오는 인터페이스에 가깝다.
이 변화의 배경에는 Codex와 ChatGPT 데스크톱 앱의 통합이 있다. 강연자에 따르면 과거에는 ChatGPT 앱과 Codex 앱이 분리되어 있었지만, 이제는 하나의 앱 안에서 ChatGPT Work와 Codex를 구분해 사용할 수 있게 되었다. 이는 코딩 에이전트로서의 Codex 역량과 일반 사무 업무를 처리하는 ChatGPT Work의 방향이 같은 작업 환경 안에서 만나는 구조다. 사용자는 문서 작성, 웹사이트 제작, 프레젠테이션 구성, 로컬 파일 생성 같은 일을 하나의 흐름 안에서 맡길 수 있게 된다.
특히 강연자는 ChatGPT Work가 Claude Code와 비교했을 때 이미지와 미디어 쪽에서 강점을 가진다고 평가한다. 그 이유로 GPT Image 2.0이 기본적으로 결합되어 있어, 텍스트 기반 산출물뿐 아니라 시각적 자료를 함께 생성할 수 있다는 점을 든다. 프레젠테이션 제작 과정에서 장표 내용에 맞는 도식 이미지를 자동으로 만들어 넣는 사례는 이러한 강점을 잘 보여준다. 결국 ChatGPT Work의 차별점은 텍스트를 잘 쓰는 AI를 넘어, 업무 결과물의 형태를 직접 완성하는 데 있다.
웹 버전의 장점과 한계
ChatGPT 웹 버전에서는 기존 프로젝트 맥락 안에서 Work를 선택하고, 그 안에서 문서, 프레젠테이션, 스프레드시트, 웹사이트 같은 결과물을 만들 수 있다. 강연자는 이를 웹사이트 안에 있는 폴더처럼 설명한다. 사용자는 하나의 주제나 업무 단위로 프로젝트를 만들고, 그 안에서 대화와 자료, 산출물을 함께 관리할 수 있다. 이는 기존의 ChatGPT 프로젝트 기능이 업무 단위의 맥락 저장소로 확장되는 흐름이라고 볼 수 있다.
웹 버전의 가장 큰 장점은 접근성과 공유성이다. 사용자는 별도의 로컬 설정 없이 브라우저에서 바로 작업을 시작할 수 있고, 생성된 웹사이트나 문서형 결과물을 온라인에서 확인하거나 공유할 수 있다. 강연자는 Sites 플러그인을 사용해 본인에 대한 웹사이트를 생성하는 과정을 보여주며, 별도 도메인이나 데이터베이스 설정 없이 ChatGPT 안에서 웹사이트를 호스팅할 수 있다는 점을 강조한다. 웹에서 바로 결과물이 만들어진다는 점은 비개발자에게 특히 큰 진입 장벽 완화 요소가 된다.
다만 강연자는 웹 버전만으로는 로컬 파일 시스템을 충분히 활용하기 어렵다고 지적한다. 웹사이트 안에서 돌아가는 작업은 사용자의 컴퓨터 내부 파일에 직접 접근하거나, 대량의 로컬 파일을 생성하고 저장하는 경험과는 거리가 있다. 따라서 보고서 50개, 이미지 100개처럼 로컬 파일을 기반으로 대량 산출물을 만들어야 하는 경우에는 데스크톱 앱이 더 적합하다고 설명한다. 이 구분은 ChatGPT Work를 업무에 적용할 때 중요한 기준이 된다.
데스크톱 앱의 진짜 힘은 로컬 폴더 접근에 있다
강연자가 가장 강하게 추천하는 사용 방식은 ChatGPT Work를 데스크톱 앱에서 쓰는 것이다. 데스크톱 앱은 사용자가 특정 로컬 폴더를 프로젝트처럼 지정하고, 그 안에서 파일을 읽거나 만들고 수정하는 작업을 수행할 수 있기 때문이다. 이는 단순한 클라우드 대화 도구와 달리, 실제 컴퓨터 내부의 업무 공간을 AI가 다룰 수 있게 된다는 점에서 의미가 크다.
사용자는 새 프로젝트를 만들거나 기존 폴더를 선택해 작업을 시작할 수 있다. 강연자는 기존 폴더를 선택하는 방식이 웹 버전과 데스크톱 앱의 차이를 가장 잘 보여준다고 설명한다. 로컬 폴더를 지정하면 ChatGPT Work는 해당 폴더를 하나의 업무 단위로 간주하고, 그 안에서 문서, 사이트, 이미지, 보고서 같은 파일을 생성할 수 있다. 이는 AI가 단발성 답변을 하는 것이 아니라, 사용자의 실제 작업 디렉터리 안에서 산출물을 쌓아가는 방식이다.
권한 설정은 이 과정에서 중요한 요소다. 강연자는 승인 요청, 위험 작업에만 승인 요청하는 방식, 전체 권한과 같은 접근 수준을 언급하며, 처음 사용하는 단계에서는 민감한 파일을 보호하기 위해 승인 요청 방식을 권장한다. 다만 개인 작업에 익숙해진 뒤에는 전체 권한을 주는 것도 가능하다고 설명한다. 이 부분은 편의성과 보안의 균형 문제이며, 실제 업무 환경에서는 폴더 범위를 제한하고 중요한 파일과 분리해서 사용하는 방식이 더 적절할 수 있다.
결과물 탭이 보여주는 ChatGPT Work의 철학
강연자는 ChatGPT Work에서 가장 중요한 UI 요소로 “결과물” 탭을 꼽는다. 이 탭은 대화의 흐름을 바탕으로 문서, 프레젠테이션, 스프레드시트, 웹사이트 같은 산출물을 직접 만들 수 있게 해준다. 기존 ChatGPT 사용 경험이 대화 내역 안에 머무는 경우가 많았다면, Work는 대화의 끝을 파일이나 서비스 형태의 결과물로 가져가려는 구조를 갖고 있다.
06:15 - ChatGPT Work의 결과물 탭에서 문서, 프레젠테이션, 스프레드시트, 웹사이트 생성 옵션을 설명하는 화면
이 설계는 AI 사용의 목적을 바꾼다. 사용자가 질문하고 답을 받는 데서 멈추지 않고, 조사와 기획, 프롬프트 수정, 대화 내역 축적을 거쳐 최종적으로 활용 가능한 아티팩트(Artifact)를 얻도록 유도한다. 강연자는 사이트 제작 사례를 통해, 사용자가 대화를 나누다가 Sites를 선택하면 그동안의 대화 맥락을 웹사이트로 전환할 수 있다고 설명한다. 결국 ChatGPT Work는 더 많은 대화와 더 많은 토큰 사용을 유도하는 동시에, 그 대화가 실질적인 산출물로 남도록 설계된 환경이다.
Sites 플러그인으로 웹사이트를 만드는 경험
영상에서 첫 번째 주요 시연은 Sites 플러그인을 활용한 웹사이트 제작이다. 강연자는 “빌더 조시에 대해서 조사해보고 웹사이트를 하나 만들어줘”라고 요청했고, ChatGPT Work는 공개된 정보를 바탕으로 빌더 조시의 커리어와 콘텐츠를 정리한 인터랙티브 프로필 웹사이트를 생성했다. 사용자가 직접 자료를 정리하거나 디자인을 설계하지 않아도, 리서치와 구성, 시각적 표현까지 이어지는 흐름을 경험할 수 있다는 점을 보여주는 사례다.
15:23 - Sites 플러그인으로 생성된 빌더 조시 인터랙티브 프로필 웹사이트 결과물 화면
강연자는 결과물의 디자인에 대해 장점과 한계를 함께 언급한다. 영어 기반 웹사이트로 보면 꽤 괜찮은 디자인일 수 있지만, 한국 사용자에게는 자간이나 폰트 배치가 다소 어색하게 느껴질 수 있다고 평가한다. 이는 AI가 빠르게 초안을 만들어주는 능력과, 실제 브랜드나 문화권에 맞춘 최종 디자인 감각 사이에는 아직 조정이 필요하다는 점을 보여준다. 즉 ChatGPT Work는 완성품을 즉시 내놓는 도구라기보다, 빠르게 출발점을 만들어주는 생산성 도구로 이해하는 편이 현실적이다.
흥미로운 점은 생성된 사이트가 공유 가능한 URL로 제공된다는 점이다. 강연자는 Claude 계열 도구에서 샘플 웹사이트라는 경고 문구가 붙는 경우와 비교하며, ChatGPT Work의 Sites 결과물이 비교적 자연스럽게 공유 가능한 링크 형태로 만들어진다고 설명한다. 이 부분은 포트폴리오 초안, 내부 캠페인 페이지, 간단한 랜딩 페이지처럼 빠른 검증이 필요한 작업에서 유용할 수 있다.
프레젠테이션 제작과 GPT Image 2.0의 결합
두 번째 시연은 프레젠테이션 제작이다. 강연자는 Presentations 플러그인을 선택한 뒤, 미리 제공되는 템플릿을 탐색하고, 빌더 조시에 대한 리서치를 바탕으로 3장 정도의 PPT를 만들어 달라고 요청한다. 여기서 중요한 요구사항은 GPT Image 2.0을 활용해 장표 내용을 설명할 수 있는 도식화 이미지를 중간에 생성해 넣는 것이었다. 즉 텍스트 기반 슬라이드뿐 아니라, 슬라이드의 메시지를 시각적으로 보강하는 이미지까지 함께 만드는 흐름이다.
강연자는 이 기능을 NotebookLM의 프레젠테이션 생성과 비교한다. NotebookLM도 PPT 형태의 결과물을 만들 수 있지만, 실제 네이티브 PPT라기보다는 이미지를 슬라이드처럼 구성하는 방식에 가깝다고 설명한다. 반면 ChatGPT Work는 프레젠테이션을 만들면서 동시에 이미지 생성 기능을 병렬로 활용할 수 있기 때문에, 별도의 이미지 검색이나 디자인 리소스 수집 없이도 더 풍부한 장표를 만들 수 있다고 평가한다. 이는 업무용 발표자료 제작에서 상당히 직접적인 생산성 향상으로 이어질 수 있다.
다만 이 기능 역시 사용자의 방향 제시가 중요하다. 어떤 톤의 디자인을 원하는지, 장표마다 어떤 메시지를 강조해야 하는지, 이미지가 추상적 도식인지 실제 제품 이미지인지에 따라 결과물의 품질은 크게 달라질 수 있다. 강연자는 테스트 결과를 보여주며 “재미있다”고 표현하지만, 동시에 이런 도구를 제대로 쓰려면 레퍼런스와 요구사항을 잘 주는 것이 중요하다는 점을 여러 차례 암시한다.
19:19 - GPT Image 2.0으로 생성된 도식 이미지가 포함된 프레젠테이션 결과물 화면
스킬과 템플릿은 반복 업무의 품질을 고정하는 장치다
강연자는 스킬을 “반복 업무를 모듈화된 프롬프트로 저장해 필요할 때마다 꺼내 쓰는 매뉴얼”에 가깝다고 설명한다. 이 설명에서 중요한 단어는 반복성과 품질이다. 많은 사용자가 AI로 PPT나 문서를 만들 때 매번 다른 결과물을 받는 문제를 겪는데, 스킬과 템플릿은 이런 변동성을 줄여 같은 종류의 업무를 일정한 품질로 실행하게 해준다. 이는 프롬프트를 매번 다시 쓰는 방식에서, 업무 방식을 자산화하는 방식으로 이동하는 변화다.
템플릿 제작 사례에서는 Pinterest에서 참고할 디자인 이미지를 가져와 ChatGPT Work에 붙여넣고, Template Creator를 통해 PPT 템플릿을 만드는 흐름이 소개된다. 강연자는 공개된 무료 템플릿이나 외부 공개 자료를 활용하되 저작권 문제를 주의해야 한다고 언급한다. 이후 생성된 템플릿은 이름을 가진 재사용 가능한 스킬처럼 등록되고, 사용자는 다음 작업에서 해당 템플릿을 선택해 같은 디자인 방향의 PPT를 다시 만들 수 있다. 이 구조는 디자인 리소스를 한 번 만들어두고 반복적으로 쓰는 실무 방식과 닮아 있다.
물론 템플릿 결과물이 처음부터 완벽한 것은 아니다. 강연자는 어색한 부분이 있을 수 있다고 말하며, 결과물을 보정하고 최적화하는 과정을 전제로 한다. 그러나 한 번 보정된 템플릿을 계속 재사용할 수 있다면, 매번 외부 PPT 제작 사이트에서 템플릿을 고르고 내용을 끼워 맞추는 방식보다 훨씬 빠른 워크플로가 될 수 있다. 특히 브랜드 보고서, 세일즈 자료, 교육 커리큘럼처럼 반복되는 포맷이 있는 조직에서는 활용 가치가 크다.
Record & Replay가 여는 화면 기반 자동화
영상의 가장 중요한 기능 시연은 Record & Replay다. 강연자는 이 기능을 사용자가 평소 수행하는 화면 작업을 최대 30분 이내로 녹화한 뒤, ChatGPT가 그 흐름을 해석해 재사용 가능한 스킬 파일로 바꾸는 도구라고 설명한다. 다시 말해 사용자가 브라우저에서 어떤 사이트에 들어가고, 입력란에 내용을 쓰고, 버튼을 누르는 반복 작업을 AI가 관찰한 뒤 자동화 절차로 전환하는 방식이다. 이는 기존의 프롬프트 기반 자동화보다 훨씬 직관적이다.
24:50 - Record & Replay가 녹화를 시작하며 사용자의 워크플로를 기록하는 화면
시연에서는 X에 글을 게시하는 흐름이 사용된다. 강연자는 x.com에 접속해 “오늘 AI 뉴스 포스팅 테스트” 같은 문구를 입력하고 게시하는 과정을 녹화한다. 녹화가 끝나면 ChatGPT Work는 “크롬에서 X를 열고 게시문 입력란에 내용을 작성한 뒤 포스트로 게시하는 작업”으로 핵심 흐름을 해석한다. 이후 사용자는 이를 xautopost라는 개인 스킬로 저장하고, 다음부터는 주제만 입력해 X 포스팅 초안을 만들고 게시 준비까지 자동화할 수 있다.
25:55 - 녹화된 X 게시 흐름을 ChatGPT Work가 해석하고 자동화 스킬로 전환하는 화면
이 기능의 의미는 단순히 SNS 게시를 자동화하는 데 그치지 않는다. 강연자는 LinkedIn, Threads, X처럼 여러 채널에 같은 콘텐츠를 반복 게시하거나, 매일 소재를 찾고 문구를 다듬어 올리는 업무를 줄일 수 있다고 설명한다. 사용자가 매번 브라우저를 열고 복사·붙여넣기하는 과정을 녹화해 스킬화하면, AI가 이후에는 같은 흐름을 재현할 수 있다. 반복 업무가 많은 직장인에게는 이 지점이 ChatGPT Work의 가장 실용적인 가치일 수 있다.
27:39 - xautopost 스킬이 브라우저에서 자동으로 게시 준비를 수행하는 미리보기 화면
자동화에서 승인과 안전장치가 중요한 이유
Record & Replay와 플러그인 자동화는 강력하지만, 강연자는 여러 시연에서 승인 절차가 중요하게 설계되어 있음을 보여준다. X 포스팅의 경우에도 AI가 초안을 작성하고 게시 준비를 마치지만, 실제 게시 여부는 사용자의 승인에 따라 진행된다. Gmail 사례에서도 받은 편지함을 분석하고 답장 초안을 작성하지만, 실제 발송은 하지 않겠다고 명시한다. 이 구조는 자동화가 편리함을 제공하면서도 사용자의 최종 통제를 남겨두는 방식이다.
특히 이메일과 SNS는 외부로 메시지가 공개되거나 발송되는 영역이기 때문에, 자동화 오류의 비용이 크다. 문구 하나가 잘못 나가거나, 맥락을 오해한 답장이 발송되면 단순한 파일 생성 오류보다 더 큰 문제가 될 수 있다. 따라서 ChatGPT Work가 초안 작성과 실행 준비를 맡고, 최종 게시나 발송은 사용자가 승인하는 흐름은 현실적인 안전장치로 볼 수 있다. 강연자가 반복적으로 “직접 포스팅하지는 않는다”, “초안만 작성한다”는 점을 확인하는 이유도 여기에 있다.
다만 강연자는 일정 시간이 지나고 사용자가 충분히 익숙해지면, 반복 작업을 예약된 태스크에 넣어 매일 아침 자동으로 실행할 수 있다고 설명한다. 예를 들어 매일 아침 9시에 이메일 답장 초안을 만들거나, 정기적으로 X 포스팅을 준비하는 식이다. 이때 프로젝트 기반으로 설정하면 사용자의 컴퓨터가 켜져 있지 않아도 웹상에서 반복 작업이 돌아갈 수 있다고 설명한다. 자동화의 편의성은 커지지만, 그만큼 어떤 작업에 어느 정도의 권한을 줄 것인지에 대한 판단도 더 중요해진다.
플러그인 생태계는 앱 연결과 스킬 패키지의 결합이다
강연자는 ChatGPT Work의 플러그인을 단순한 앱 커넥터가 아니라, 앱 연결과 스킬이 함께 들어 있는 묶음 패키지로 설명한다. Claude의 커넥터가 주로 외부 앱을 연결하는 기능에 가깝다면, ChatGPT Work의 플러그인은 특정 앱에서 반복적으로 수행할 수 있는 작업 방식까지 함께 제공한다는 것이다. 이 차이는 실제 사용자가 느끼는 자동화 깊이를 바꾼다. 단순히 데이터를 가져오는 수준을 넘어, 해당 앱에서 어떤 업무를 어떻게 수행할지까지 패키지화할 수 있기 때문이다.
Figma 플러그인 사례가 이를 잘 보여준다. 강연자는 Figma 플러그인을 사용해 랜딩 페이지와 기획 디자인 문서 페이지를 제작하는 흐름을 소개한다. 결과물이 완성도 높은 디자인이라고 보기는 어렵지만, 레퍼런스를 충분히 제공하면 랜딩 페이지, 앱 화면, 화면 명세서 같은 산출물을 자동으로 만들 수 있다는 가능성을 보여준다. 특히 IT 현장에서 반복적으로 작성해온 화면 설계서나 기획 문서의 초안을 빠르게 만드는 데 유용할 수 있다.
Gmail 플러그인 사례에서는 받은 편지함의 대화 흐름을 확인하고, 답장이 필요한 메일을 추려 초안을 작성하는 방식이 소개된다. 강연자는 받은 편지함에 쌓인 여러 메일 중 우선 답장 대상이 되는 메일을 선별하고, 해당 맥락에 맞는 답장 초안을 보여주는 과정을 설명한다. 이는 단순한 메일 검색을 넘어, 업무 우선순위 판단과 커뮤니케이션 초안 작성까지 AI가 보조하는 구조다. 플러그인 생태계가 넓어질수록 ChatGPT Work는 개인 업무 허브에 가까워질 가능성이 있다.
33:12 - Gmail 플러그인이 받은 편지함을 분석하고 우선 답장 대상과 답장 초안을 보여주는 화면
Claude Code와의 비교에서 드러나는 ChatGPT Work의 포지션
강연자는 ChatGPT Work가 Claude Code와 비교했을 때 전반적으로 안정적이고 매끄럽다는 인상을 받았다고 말한다. 특히 Quick Chat, 플러그인, 스킬의 구분이 명확해 초보자도 비교적 쉽게 이해하고 사용할 수 있다는 점을 장점으로 든다. 브라우저 컨트롤 속도도 인상적이었다고 평가하며, 예를 들어 쇼핑몰에서 상품을 찾고 장바구니에 담는 흐름도 빠르게 수행할 수 있었다고 설명한다. 사용량 한도 역시 상대적으로 여유롭다고 느꼈다고 덧붙인다.
그러나 강연자는 Claude를 완전히 대체하겠다는 입장보다는, 두 도구를 모두 쓰되 용도에 따라 나누는 태도를 보인다. 이미 Claude 생태계 안에 쌓아둔 프로젝트와 맥락이 있다면 그것을 버릴 이유는 없지만, GPT Image 2.0을 활용한 시각 자료 제작이나 Record & Replay를 통한 새로운 자동화를 만들 때는 ChatGPT Work를 쓰겠다는 판단이다. 이 관점은 도구 선택에서 중요한 현실적 기준을 제공한다. 한 도구가 모든 것을 압도한다기보다, 각 도구가 강한 업무 영역을 구분해 쓰는 방식이 더 생산적이라는 것이다.
결국 ChatGPT Work의 포지션은 일반 사용자와 실무자를 위한 실행형 AI 워크스페이스에 가깝다. 코딩만 잘하는 에이전트가 아니라, 문서, 프레젠테이션, 사이트, 이메일, SNS, 디자인 툴까지 연결해 업무 결과물을 만들고 반복 작업을 자동화하는 쪽에 초점이 있다. 특히 비개발자에게는 화면을 녹화해 자동화 스킬을 만들 수 있다는 점이 큰 장점으로 작용할 수 있다. 이는 업무 자동화가 더 이상 API나 스크립트를 아는 사람만의 영역이 아니라는 흐름을 보여준다.
마무리 / 핵심 정리
이 영상에서 강연자가 전달하는 핵심 메시지는 ChatGPT Work를 “답변 도구”가 아니라 “업무를 맡길 수 있는 작업자”로 보라는 것이다. 사용자는 프로젝트를 만들고, 로컬 폴더를 지정하고, 플러그인을 연결하고, 결과물 탭을 통해 문서와 사이트와 프레젠테이션을 만들 수 있다. 여기에 GPT Image 2.0, Template Creator, Record & Replay 같은 기능이 결합되면, 반복적인 사무 업무와 콘텐츠 제작 업무를 상당 부분 자동화할 수 있다.
가장 실용적인 출발점은 거창한 시스템을 만드는 것이 아니라, 이번 주에 하나의 반복 업무를 실제로 자동화해보는 것이다. 매일 올리는 SNS 포스팅, 반복적으로 작성하는 이메일 초안, 일정한 양식의 PPT, 자주 만드는 보고서처럼 작은 업무부터 스킬화하면 ChatGPT Work의 장점을 체감하기 쉽다. 다만 외부 발송, 게시, 파일 수정처럼 되돌리기 어려운 작업에는 승인 절차와 권한 범위를 신중하게 설정해야 한다. 생산성 도구로서의 힘은 분명하지만, 그 힘은 사용자가 업무 흐름과 안전장치를 어떻게 설계하느냐에 따라 달라진다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 99%가 아직 모르는 ChatGPT 워크. 화면만 녹화하면 100% 자동화로 구현됩니다 |
| 채널 | 빌더 조쉬 Builder Josh |
| 리포트 작성 | 2026-07-20 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.