챗GPT(ChatGPT)를 직접 파일 변환에 활용하는 대신, 파이썬(Python) 스크립트를 생성하게 해 원본 파일의 무결성을 지키는 방법이 실용 사례로 주목받고 있다. 한 사용자는 노란 종이에 인쇄된 악보를 PDF로 스캔한 뒤 배경색을 제거하려 했으나, ChatGPT에 PDF를 직접 넘기면 AI가 출력물을 미묘하게 변형할 가능성을 우려했다. 챗GPT를 비롯한 생성형 AI 모델은 ‘비결정론적(non-deterministic)’ 특성상 동일한 입력에도 매번 다소 다른 결과를 낼 수 있어, 악보처럼 원본 충실도가 중요한 파일을 그대로 맡기기에는 신뢰도 문제가 있다고 판단한 것이다.
해결책은 ChatGPT를 프로그램 작성자로 활용하는 것이었다. 사용자는 “JPEG나 PDF 파일을 입력받아 회색·검은색이 아닌 픽셀을 흰색으로 변환하고, 여러 페이지 PDF도 처리하는 파이썬 스크립트를 작성해 달라”는 구체적인 요구사항을 프롬프트로 입력했다. 저녁 식사를 준비하는 동안 ChatGPT가 스크립트를 완성했고, 필요한 파이썬 라이브러리를 설치하는 과정에서 약간의 조정만 거친 뒤 정상 작동했다. 생성된 스크립트는 명령줄에서 `python decolor_pdf.py input.pdf` 형태로 실행하면 배경색을 제거한 새 PDF를 출력하는 방식이다. 파이썬은 알고리즘 기반의 결정론적 처리를 하기 때문에 같은 입력에 항상 동일한 결과를 보장한다.
이 사례는 AI의 비결정성이 오히려 약점이 될 수 있는 상황에서, AI를 코드 생성 도구로 활용해 결정론적 솔루션을 만드는 우회 전략을 잘 보여준다. ChatGPT가 직접 파일을 건드리는 것과 ChatGPT가 작성한 프로그램이 파일을 처리하는 것의 차이를 구분하는 것이 핵심이다. 전자는 AI의 확률적 판단이 개입되지만, 후자는 명시적으로 정의된 규칙만이 적용된다. AI 도구 활용이 늘어나는 환경에서, 어떤 작업에는 AI에게 직접 처리를 맡기고 어떤 작업에는 도구 생성을 맡겨야 하는지를 구분하는 감각이 실용적 AI 리터러시의 핵심 요소로 부각되고 있다.
이 스크립트는 작성자의 깃허브(GitHub) 리포지토리에 공개돼 있다. 복잡한 UI 없이 명령줄 도구만으로 문제를 해결한 점도 주목할 만하다. 반드시 UI를 갖춘 애플리케이션을 만들 필요가 없는 상황에서는 간단한 커맨드라인 스크립트가 더 빠르고 안정적인 해법이 될 수 있다는 점을 이 사례가 잘 보여준다. ChatGPT에 요구사항을 정밀하게 정의하고, 결과물을 테스트하며 점진적으로 개선하는 반복 접근법도 실용적 팁으로 제시됐다.
저작권자 © STORIUM 무단전재 및 재배포 금지
