우리 회사 PPT 템플릿을 AI가 학습한다면?
제안서 자동화 도구가 가장 많이 실패하는 지점은 "결과물이 우리 회사 스타일이 아니다"는 순간이다. 아무리 빠르게 초안이 나와도 글꼴이 다르고, 슬라이드 마스터가 낯설고, 레이아웃이 어색하면 결국 담당자가 처음부터 다시 손본다. 시간 절약은커녕 오히려 이중 작업이 된다.
Contrl이 이 문제를 정면으로 풀기 위해 가장 신경 쓴 부분이 "회사 PPT 템플릿 학습"이다. 단순히 슬라이드 하나를 예시로 받는 수준이 아니라, 회사가 수년간 축적한 제안서 자산의 스타일을 체계적으로 학습하고 재현한다. 이 글에서는 그 작동 원리와 의미를 정리한다.
PPT 템플릿이란 무엇인가
대부분의 회사에는 공식 PPT 템플릿이 있다. 슬라이드 마스터, 브랜드 폰트, 로고 배치 규칙, 컬러 팔레트. 이것이 명시적인 "템플릿"이다. 하지만 실제 제안서에서 반복되는 스타일은 이보다 훨씬 많다.
표지 디자인의 관용 패턴, 목차 슬라이드의 배치 방식, 각 섹션 첫 슬라이드에서 쓰는 대제목 포맷, 표·그래프의 스타일, 이미지 배치 비율, 인용문이 들어갈 때의 장식, 마지막 슬라이드 구성. 이런 수십 개의 "관습"이 모여 회사 고유의 제안서 스타일을 이룬다. 새 직원이 와서 "우리 회사 스타일대로" 만들려면 6개월은 걸린다.
AI가 템플릿을 학습한다는 것의 의미
Contrl이 하는 일은 이 "명시적 템플릿 + 암묵적 관습"을 모두 데이터로 잡아내는 것이다. 회사가 Contrl에 과거 제안서 10~20개를 공유하면 AI가 공통 패턴을 추출한다.
어떤 섹션이 반복적으로 등장하는지, 각 섹션 첫 장의 레이아웃은 어떤 형태인지, 색상 대비와 포인트 컬러는 어디에 쓰이는지, 텍스트 폰트 사이즈의 위계는 어떻게 구성되는지. 이 패턴이 "우리 회사 제안서 스타일"로 정의되고, 새 제안서를 생성할 때 이 스타일 안에서만 슬라이드가 만들어진다.
결과적으로 생성된 슬라이드를 열었을 때 내부 담당자가 "이거 누가 만들었지"라고 구분할 수 없는 수준의 일관성이 나온다. 고객에게 보냈을 때도 "평소 받던 제안서"의 인상을 그대로 유지한다.
왜 이것이 경쟁 제품과의 가장 큰 차이인가
범용 AI PPT 도구는 자체 디자인 시스템 안에서 슬라이드를 만든다. Gamma, Tome 같은 도구들이 빠르고 예쁜 결과를 내지만, 결과물에 "그 도구 티"가 남는다. 제안서처럼 신뢰와 일관성이 중요한 문서에서는 이 티가 치명적이다.
Contrl은 반대 방향이다. 도구의 스타일을 강요하지 않고, 회사의 스타일을 배운다. 결과물에 "Contrl 티"가 없다. 그래서 출력된 PPT를 고객에게 보낼 때 내부 승인 과정에서 더 이상 "AI로 만든 것 같다"는 이유로 리젝당하지 않는다.
PPT 학습은 축적 효과를 만든다
가장 흥미로운 점은 사용할수록 정확해진다는 것이다. Contrl은 새 제안서를 만들 때마다 그 결과물도 다시 학습 데이터로 편입한다. 내부 리뷰에서 "이 부분 표현은 우리 스타일 아니야"라고 수정된 포인트가 있으면, 다음 제안서 생성 시 그 패턴을 피한다. 반대로 내부 PM이 자주 쓰는 고급 표현이 있으면 그 표현이 점점 더 반영된다.
이 축적 효과는 개인 단위 도구와 팀 단위 도구의 결정적 차이를 만든다. 사용 3개월 차 조직의 제안서 품질은 첫 달과 비교할 수 없다. 시간이 지날수록 회사 고유 자산이 되는 것이다.
그럼에도 사람의 최종 검토가 필요한 이유
PPT 템플릿 학습은 "스타일의 일관성"을 보장하지만, "콘텐츠의 적절성"까지 보장하지는 않는다. 같은 문장이라도 이번 사업에 맞는지, 이번 고객에게 적절한 톤인지는 여전히 사람이 판단한다. 특히 대표 강점을 강조할 섹션, 위험 요소를 어떻게 다룰지 같은 전략적 판단은 AI가 대체할 수 없다.
Contrl의 설계 철학은 AI가 스타일과 구조를 80% 만들고, 사람이 전략과 톤을 20% 완성하는 것이다. 20%의 사람 몫은 없어지지 않는다. 단지 "스타일 맞추느라 쓰던 시간"이 "전략 판단에 쓰는 시간"으로 이동한다.
시작하는 방법: 과거 제안서 5건부터
회사 템플릿 학습은 기술이 어려워서가 아니라, 초기 데이터를 모으는 게 어려워서 잘 안 된다. 과거 제안서가 여러 담당자 로컬 PC에 흩어져 있고, 포맷도 조금씩 다르다. 시작하는 팀에 권하는 방법은 단순하다. 가장 최근에 낙찰된 제안서 5건을 모아 Contrl에 공유하는 것부터다.
5건이면 1차 스타일 패턴이 추출된다. 여기서 시작해서 10건, 20건으로 늘리면 정확도가 올라간다. 처음부터 완벽한 자산을 만들려 하지 말고, 가장 자신 있는 5건으로 시작해서 점진적으로 보강하는 방식이 가장 빠르다.