도입 전
Grace에게는 탄탄한 프로그램 데이터가 있었지만, 보조금 신청서 초안은 너무 감성적이거나 너무 행정적으로 들리기 일쑤였습니다. 방향을 정하기 전에 여러 내러티브 관점을 비교할 더 나은 방법이 필요했습니다.
전환점
MultipleChat으로 그녀는 보조금 브리프 하나를 여러 모델에 보내 프레이밍을 비교합니다. 한 모델은 성과에, 다른 모델은 지역사회의 필요에, 또 다른 모델은 후원 기관과의 부합성에 초점을 맞춥니다.
“비교 덕분에 다듬기 시작하기 전에 가장 설득력 있는 이야기를 찾을 수 있습니다.”
도입 후
팀은 더 빨리 방향을 정한 뒤, 실제 프로그램 사례로 최종 텍스트를 사람의 글처럼 다듬습니다. 초안은 더 구체적이 되었고, 검토자가 이야기를 다시 구성하는 데 드는 시간도 줄었습니다.
사용한 기능
Compare Mode
여러 보조금 내러티브를 나란히 검토합니다.
AI-Team 비평
근거가 이야기를 뒷받침하는지 확인합니다.
Humanizer 다듬기
최종 초안이 덜 평범하게 들리도록 합니다.
보조금 신청서 작성
콘텐츠 초안 작성
모델 비교