회사 자료를 AI에 넣기 전 5단계 — 학습 설정 끄기부터 값 가리기·되돌리기까지

회사 자료를 AI에 넣어도 되는지는 한 줄로 판단합니다. 외부에 나가면 안 되는 정보는 AI에도 넣지 않습니다. 대신 이름·금액·연락처를 가리고 구조만 넣으면 대부분의 업무는 그대로 됩니다. 이 글은 그 과정을 학습 설정 확인부터 값 되돌리기까지 5단계로 정리했습니다.

기업 교육에서 가장 많이 받는 질문은 기능이 아니라 "이거 넣어도 되나요?"입니다. 가상 데이터로 실습하다가 "그럼 진짜 우리 회사 파일로도 되나요"에서 손이 올라오고, 이어서 "넣었다가 문제 되면 어떡하죠"가 나옵니다. 기준이 없으면 각자 판단하고 혼자 책임져야 하니, 합리적인 선택은 안 쓰는 것이 됩니다. 아래 5단계는 그 기준을 손에 잡히게 만드는 순서입니다.

이 글은 이런 분께 필요합니다

• 업무 메일·보고서를 AI로 처리하고 싶은데 어디까지 넣어도 되는지 몰라 멈춰 있는 분
• 팀에 "AI에 이것만은 넣지 말자" 기준을 만들어야 하는 팀장·리더
• 교육 담당자로서 직원들에게 입력 기준을 안내해야 하는 분

준비물은 이렇습니다.

1. ChatGPT 또는 Claude 계정
2. Step 3·5를 따라 하려면 Python 3이 설치된 컴퓨터. Mac은 터미널에서 python3 --version으로 확인합니다. 추가 설치할 패키지는 없습니다.
3. 회사에 이미 AI 사용 지침이 있다면 그 문서. 회사 지침이 이 글보다 우선합니다.

Step 1. 내 계정이 대화를 학습에 쓰는지 확인합니다

가장 먼저 할 일은 설정 확인입니다. 개인 요금제와 회사 요금제는 기본값이 다릅니다. 아래 내용은 2026년 10월 7일 각 회사 공식 도움말에서 확인했습니다.

서비스	개인 요금제	회사(팀) 요금제
ChatGPT	Improve the model for everyone 설정이 켜져 있으면 학습에 쓰일 수 있습니다. 끄면 새 대화는 학습에 쓰이지 않습니다	Business·Enterprise·Edu 워크스페이스 내용은 기본적으로 학습에 쓰지 않습니다
Claude	Free·Pro·Max는 모델 개선 허용을 켠 경우 학습에 쓰입니다	Claude for Work(Team·Enterprise)와 API는 기본적으로 학습에 쓰지 않습니다

개인 계정이라면 설정을 직접 확인합니다.

• ChatGPT: 프로필 메뉴 → Settings → Data controls → Improve the model for everyone 끄기. 모바일 앱도 같은 메뉴입니다.
• Claude: Settings에서 모델 개선 항목(공식 도움말 표기: Help improve our AI models)의 토글을 끕니다. 개인정보 설정 바로가기 주소는 claude.ai/settings/data-privacy-controls입니다.

두 가지는 알고 넘어가야 합니다.

• 학습을 꺼도 대화는 회사 서버에 저장됩니다. 학습 설정은 "학습에 쓰느냐"만 정합니다. 그래서 Step 2~3의 가리기가 여전히 필요합니다.
• 👍·👎 피드백을 누르면 그 대화 전체가 전달됩니다. OpenAI는 피드백을 준 대화를 학습에 쓸 수 있다고 안내하고, Anthropic은 피드백 대화를 최대 5년 보관한다고 안내합니다. 회사 자료가 담긴 대화에서는 피드백 버튼을 누르지 않습니다.

Step 2. 팀에 "넣지 않는 것" 4줄을 공유합니다

목록을 길게 만들면 안 지켜집니다. 상황마다 항목이 달라지고, 목록에 없는 게 나오면 다시 멈추기 때문입니다. 기준은 한 줄로 주고, 자주 걸리는 항목 4개에만 대신 할 방법을 붙입니다. 아래 표를 팀 채널에 그대로 붙여 넣으면 됩니다.

[AI 입력 기준]
기준: 외부에 메일로 보낼 수 없는 정보는 AI에도 넣지 않는다.

1. 고객·파트너 실명과 연락처 → [거래처A], [담당자A]처럼 가명으로 바꿔서 넣기
2. 계약 금액·단가·견적      → [금액1]처럼 가리거나 예시 숫자로 바꿔서 넣기
3. 미공개 기술 정보·도면·수율 → 넣지 않기 (요약도 X)
4. 주민번호·계정·비밀번호    → 어떤 경우에도 넣지 않기
* 보내기 버튼은 사람이 누른다. AI는 번역과 초안까지만.

1~2번에 대체 방법이 붙어 있는 게 핵심입니다. 강의에서 금지 항목만 줬을 때는 수강생들이 고개를 끄덕이고는 실습에서 실제 자료를 아예 안 쓰고 끝냈습니다. 대체 방법을 같이 준 뒤에야 "그럼 이렇게 하면 되겠네요"가 나왔습니다.

판단이 갈리는 항목(회의록 속 담당자 직함, 특정인의 일정 등)이 나오면 항목을 늘리지 말고 기준 한 줄로 돌아갑니다. 이 문장을 그대로 외부 메일에 쓸 수 있는가.

Step 3. 값을 가린 파일을 만듭니다

AI가 답장 초안을 쓰는 데 필요한 건 값이 아니라 구조입니다. 상대가 무엇을 요청했고 언제까지인지가 중요하지, 상대 회사의 실제 이름은 초안 품질에 기여하지 않습니다.

손으로 지워도 되지만, 매번 하려면 스크립트가 편합니다. 아래 mask.py는 이메일 주소·휴대폰 번호·금액을 자동으로 찾아 가리고, 회사·사람 이름은 맨 위 목록에 적은 것만 바꿉니다.

mask.py

import re, sys, json

# 가릴 이름 목록: 회사·사람·제품명은 정규식으로 못 찾으니 직접 적습니다.
NAMES = {
    "Hanbit Trading": "[거래처A]",
    "Kevin Park": "[담당자A]",
    "한빛무역": "[거래처A]",
}

PATTERNS = [
    ("이메일", r"[\w.+-]+@[\w-]+\.[\w.-]+"),
    ("전화번호", r"(?:\+82[- ]?|0)1[016789][- ]?\d{3,4}[- ]?\d{4}"),
    ("금액", r"(?:USD|\$|₩)\s?\d[\d,]*(?:\.\d+)?|\d[\d,]*(?:\.\d+)?\s?(?:원|만원|억원|달러)"),
]

def mask(text):
    found = []
    for real, alias in NAMES.items():
        if real in text:
            found.append((alias, real))
            text = text.replace(real, alias)
    for label, pat in PATTERNS:
        n = 0
        def repl(m):
            nonlocal n
            n += 1
            tag = f"[{label}{n}]"
            found.append((tag, m.group(0)))
            return tag
        text = re.sub(pat, repl, text)
    return text, found

if __name__ == "__main__":
    src = sys.argv[1]
    text = open(src, encoding="utf-8").read()
    masked, found = mask(text)
    out = src.rsplit(".", 1)[0] + "_마스킹.txt"
    open(out, "w", encoding="utf-8").write(masked)
    # 원래 값 대응표는 내 컴퓨터에만 남깁니다. AI에는 넣지 않습니다.
    keyfile = src.rsplit(".", 1)[0] + "_대응표.json"
    json.dump(dict(found), open(keyfile, "w", encoding="utf-8"), ensure_ascii=False, indent=2)
    print(f"가린 항목 {len(found)}개 → {out}")
    print(f"대응표 → {keyfile} (AI에 넣지 마세요)")

메일 본문을 가상메일.txt로 저장하고, 같은 폴더에서 실행합니다.

python3 mask.py 가상메일.txt

지어낸 영문 메일로 실행한 실제 출력입니다.

가린 항목 6개 → 가상메일_마스킹.txt
대응표 → 가상메일_대응표.json (AI에 넣지 마세요)

결과를 보면 수량 2,000 units와 납기 November 20은 그대로 남았습니다. 스크립트는 정해 둔 패턴만 찾습니다. 수량·날짜·프로젝트 코드명처럼 회사마다 민감도가 다른 값은 NAMES 목록에 추가하거나 직접 지웁니다. 스크립트를 돌린 뒤에도 _마스킹.txt를 눈으로 한 번 읽는 것까지가 Step 3입니다.

Step 4. 가린 파일로 AI에게 초안과 검수 목록을 같이 받습니다

이제 가상메일_마스킹.txt만 AI에 넣습니다. _대응표.json은 절대 넣지 않습니다. 결과물만 받지 말고, 사람이 확인해야 할 목록을 같이 받는 게 요령입니다.

첨부한 파일은 해외 파트너가 보낸 영문 메일이야.
[거래처A], [금액1]처럼 대괄호로 된 부분은 일부러 가린 값이니 그대로 둬.
1) 한국어 요약
2) 상대 요청사항 목록
3) 내가 직접 확인해야 할 빈칸과 사실
4) 정중한 영문 답변 초안 (가린 값은 대괄호 그대로 사용)
5) 발송 전 검수 체크리스트 (가린 값이 모두 채워졌는지, 민감정보가 남지 않았는지 포함)

3번과 5번이 핵심입니다. 가리고 넣었으니 초안에는 빈칸이 남는데, 그 빈칸이 어디인지 AI가 목록으로 알려줍니다. "나중에 채워야 하는데 어디였더라"가 사라집니다.

Claude Code처럼 폴더의 파일을 읽는 도구를 쓴다면, 원본과 마스킹본을 다른 폴더에 두고 마스킹본 폴더에서만 작업하세요. 무엇을 AI에 읽혔는지가 폴더 상태로 남아서, 나중에 확인할 수 있습니다.

Step 5. 초안의 빈칸을 원래 값으로 되돌리고, 사람이 보냅니다

AI가 준 답변 초안을 답변_초안.txt로 저장하고 아래 스크립트로 대괄호를 원래 값으로 바꿉니다. 이 작업은 내 컴퓨터 안에서만 일어납니다.

unmask.py

import json, sys
draft, keyfile = sys.argv[1], sys.argv[2]
text = open(draft, encoding="utf-8").read()
table = json.load(open(keyfile, encoding="utf-8"))
for tag, real in table.items():
    text = text.replace(tag, real)
out = draft.rsplit(".", 1)[0] + "_복원.txt"
open(out, "w", encoding="utf-8").write(text)
print(f"복원 완료 → {out}")

python3 unmask.py 답변_초안.txt 가상메일_대응표.json

대괄호가 들어간 초안 두 문장으로 실행한 결과입니다.

복원 완료 → 답변_초안_복원.txt

Dear Kevin Park,

Thank you for your order from Hanbit Trading. We confirm the unit price of USD 14.50 (total $29,000).

마지막으로 Step 4에서 받은 검수 체크리스트를 보며 숫자·날짜·이름을 확인하고, 보내기 버튼은 사람이 누릅니다. AI는 번역과 초안까지만 맡습니다.

오류가 나면 여기부터 확인하세요

증상	원인과 해결
python3: command not found	Python이 없습니다. Mac은 터미널에서 xcode-select --install을 실행하거나 python.org에서 설치합니다
No such file or directory	메일 파일과 스크립트가 같은 폴더에 있는지, 파일 이름이 정확한지 확인합니다
회사 이름이 안 가려짐	이름은 자동으로 못 찾습니다. NAMES 목록에 "실제 이름": "[거래처B]" 형식으로 추가합니다
02-123-4567 같은 유선번호가 남음	이 스크립트는 휴대폰 번호(010 등)만 찾습니다. 직접 지우거나 NAMES에 추가합니다
복원했는데 대괄호가 남음	AI가 대괄호 표기를 바꿨을 수 있습니다(예: [금액 1]). 초안에서 표기를 원래대로 고친 뒤 다시 실행합니다
회사 지침과 이 글이 다름	회사 지침을 따릅니다. 이 글은 지침이 없을 때의 출발점입니다

정리

• 기준은 한 줄입니다. 외부에 메일로 못 보낼 정보는 AI에도 넣지 않습니다.
• 학습 설정을 꺼도 대화는 저장되니, 값은 여전히 가리고 넣습니다.
• 가리고 → AI로 초안과 검수 목록을 받고 → 내 컴퓨터에서 되돌리고 → 사람이 보냅니다.
• 리더가 할 일은 도구 도입보다 이 4줄을 팀에 공표하는 것입니다. 기준이 문서로 있어야 혼날 걱정 없이 씁니다.

참고 자료

2026년 10월 7일 확인한 공식 문서입니다.

• OpenAI Data Controls FAQ
• OpenAI 엔터프라이즈 개인정보 보호
• Anthropic: 개인 요금제 데이터의 학습 사용 여부
• Anthropic: 모델 개선 설정 변경 방법
• Anthropic: 기업용 제품 데이터의 학습 사용 여부