모든 AI에 생각의 바탕이 될 워크스페이스를 제공하세요.
파일을 여러 개 업로드하고 Google Drive나 GitHub를 연결한 뒤 프로젝트 지침을 추가하면, ChatGPT, Claude, Gemini, Grok과 AI Collaboration이 동일한 색인된 지식 베이스를 바탕으로 작업합니다. Projects는 일회성 채팅 첨부를 넘어 실제 업무를 이어가는 방식입니다.
프로젝트 워크스페이스
파일, 지침, AI 모델이 하나의 컨텍스트 레이어를 공유합니다.
소스 자료
OCR이 표, 조항, 레이아웃 힌트를 추출합니다.
코드는 검색 가능한 참고 자료로 색인됩니다.
가져온 파일은 동기화하고 다시 색인할 수 있습니다.
이미지에는 검색 가능한 설명이 붙습니다.
검색 엔진
어떤 모델로든 전달
관련 있는 프로젝트 청크만 답변에 첨부됩니다.
폴더 전체를 하나의 프롬프트에 쏟아부을 필요가 없습니다. 모델은 필요한 순간에 알맞은 원본 자료를 받습니다.
채팅은 일시적입니다. 프로젝트는 조직의 기억이 됩니다.
실제 AI 업무에는 원본 파일, 정리되지 않은 PDF, 스크린샷, 코드, 고객 맥락, 결정 사항, 버전, 상시 지침이 따라옵니다. Projects는 이 자료를 한곳에 모아 두어 새로운 대화가 매번 동일한 작업 기억에서 시작되도록 합니다.
여러 파일
프로젝트 자료실 만들기
채팅마다 파일을 다시 첨부하는 대신 문서, 스프레드시트, 이미지, 메모, 코드를 하나의 워크스페이스에 업로드하세요. 요금제 한도와 안전 한도가 적용됩니다.
OCR 내장
스캔한 PDF도 활용할 수 있습니다
MultipleChat은 먼저 OCR로 PDF에서 텍스트를 추출하고, 필요한 경우 추가 추출 방식으로 전환합니다.
색인된 청크
AI가 답하기 전에 먼저 검색합니다
파일은 서로 겹치는 청크로 나뉘어 질문 시점에 검색되므로, 폴더 전체를 컨텍스트에 밀어 넣지 않고도 가장 관련성 높은 구절을 답변에 활용할 수 있습니다.
하나의 컨텍스트
어떤 모델이든 사용할 수 있습니다
같은 컨텍스트를 다시 만들 필요 없이 Claude에서 ChatGPT로 바꾸고, 모델을 비교하고, AI Collaboration을 실행하세요.
파일이 AI 컨텍스트가 되기까지.
여기가 핵심입니다. Projects는 파일을 저장만 하지 않습니다. 파일을 처리하고 색인한 뒤 질문에 필요한 부분을 찾아옵니다.
1단계
업로드 또는 가져오기
파일을 직접 추가하거나 Google Drive에서 가져오거나 GitHub 저장소 파일을 불러오세요. 파일은 프로젝트 메타데이터와 함께 저장되어 색인 대기열에 들어갑니다.
2단계
추출과 OCR
PDF, Office 파일, CSV, 코드, 텍스트가 검색 가능한 텍스트로 변환됩니다. 이미지에는 나중에 찾을 수 있도록 설명이 붙습니다.
3단계
청크 분할과 색인
큰 파일은 서로 겹치는 청크로 나뉩니다. MultipleChat은 이 청크를 알맞은 사용자 또는 팀 프로젝트 범위로 구분해 따로 저장합니다.
4단계
답변을 위한 검색
질문하면 프로젝트가 관련 청크를 검색해 가장 적합한 근거를 프로젝트 지침과 함께 프롬프트에 첨부합니다.
백엔드 상세
청크 검색 덕분에 AI가 큰 프로젝트 자료실에서도 작업할 수 있습니다.
프로젝트 색인은 서로 겹치는 텍스트 청크를 사용해 질문 시점에 프로젝트를 검색하고 가장 잘 맞는 결과를 반환합니다. 이것이 “파일을 한 번 업로드했다”와 “워크스페이스가 나중에도 알맞은 원본 자료를 계속 찾아낼 수 있다”의 차이입니다.
약 1,000자 단위 청크
긴 문서는 다루기 쉬운 검색 가능한 블록으로 나뉩니다.
청크 간 중첩
청크 경계를 넘어 맥락이 유지됩니다.
상위 일치 결과 검색
모델은 무작위 파일 노이즈가 아니라 관련 있는 구절을 봅니다.
실제 업무가 의존하는 지저분한 자료를 가져오세요.
Projects는 PDF, 이미지, 코드베이스, 스프레드시트, 프레젠테이션, 구조화된 데이터, 일반 텍스트 메모를 위해 만들어졌습니다. 위험한 실행 파일과 압축 파일 형식은 안전을 위해 차단됩니다.
PDF와 스캔 문서
PDF OCR은 스캔 문서와 텍스트가 많은 문서에서 텍스트를 추출하며, 가능한 경우 표와 구조화된 내용도 함께 추출합니다.
문서, 시트, 슬라이드
DOCX, XLSX, CSV, TSV, PPTX 및 관련 형식을 검색 가능한 프로젝트 지식으로 만들 수 있습니다.
코드와 설정 파일
Python, JavaScript, TypeScript, React, Vue, Java, Go, Rust, C/C++, SQL, YAML, JSON을 비롯한 여러 텍스트·코드 형식을 지원합니다.
이미지와 스크린샷
PNG, JPG, GIF, WebP 파일에는 검색용 설명을 붙일 수 있어 시각 자료가 프로젝트 기억에서 사라지지 않습니다.
지식이 이미 쌓여 있는 곳을 연결하세요.
프로젝트를 쓰려고 워크스페이스를 손으로 다시 만들 필요는 없습니다. Drive에서 가져오고 GitHub에서 파일을 불러와 AI 컨텍스트를 원본 가까이에 두세요.
Google Drive
Drive 파일 가져오기와 동기화
Google Docs, Sheets, Drive 파일을 프로젝트로 가져오세요. Google 자체 형식 파일은 텍스트 친화적인 형식으로 내보낼 수 있고, Drive PDF OCR은 다루기 어려운 PDF를 쓸 수 있는 텍스트로 바꾸는 데 도움이 됩니다.
GitHub
저장소에서 코드 가져오기
GitHub를 연결해 저장소 파일을 고르고 프로젝트로 가져오면 MultipleChat이 코드를 색인합니다. 아키텍처를 설명하고 모듈을 검토하며 프로젝트 대화를 실제 코드베이스에 기반해 이어가기에 좋습니다.
프로젝트 지침이 모든 모델의 방향을 맞춰 줍니다.
톤, 대상 독자, 제약 조건, 선호 형식, 용어, 브랜드 규칙, 코딩 표준, 인용 기준, 고객 맥락 같은 상시 지침을 한 번만 추가하세요. 모든 프로젝트 대화가 이 규칙을 물려받을 수 있습니다.
프로젝트 지침 예시
당신은 Acme Q3 출시 프로젝트 안에서 작업하고 있습니다.
답변하기 전에 업로드된 제품 브리프, 가격표, 브랜드 보이스 가이드, 고객 리서치를 참고하세요.
간결한 경영진용 표현을 사용하세요. 불확실한 부분은 표시하세요. 주장이 프로젝트 자료에 근거할 때는 원본 파일명을 인용하세요.
대부분은 프로젝트에 무엇을 넣어야 할지 모릅니다. 여기서 알려 드립니다.
워크스페이스가 업무와 맞을 때 Projects의 힘이 발휘됩니다. 학생에게는 수업 자료가, 마케터에게는 브랜드와 캠페인 맥락이, 변호사에게는 사건 파일이 필요합니다. 이 플레이북은 무엇을 업로드하고, 어떤 지침을 설정하며, 어떤 프롬프트부터 실행할지 설명합니다.
간단한 기준
사람 전문가라도 진지한 답을 내놓기 전에 그 파일이 필요했을 자료라면, 먼저 프로젝트에 넣으세요.
학생
수업과 시험 프로젝트
필기, 슬라이드, 읽기 자료, 채점 기준, 기출 문제를 업로드하세요. 이를 학습 가이드, 퀴즈, 에세이 피드백으로 바꿔 보세요.
학생 플레이북 →
마케팅 팀
브랜드와 캠페인 프로젝트
브랜드 가이드, 제품 문서, 캠페인 브리프, 경쟁사 리서치, 성과 메모를 업로드하세요.
마케팅 플레이북 →
법무 팀
사건 파일 프로젝트
계약서, 증빙 자료, 스캔한 PDF, 시간순 정리 메모, 리서치를 업로드해 출처에 기반한 법률 검토를 진행하세요.
법무 플레이북 →
개발자
코드베이스 프로젝트
GitHub 파일, README 문서, 스키마, 스택 트레이스, 스크린샷을 연결해 AI가 저장소를 이해하게 하세요.
코딩 플레이북 →
컨설턴트
고객 프로젝트
브리프, 리서치, 메모, 스프레드시트, 지난 덱을 업로드한 뒤 고객에게 바로 전달할 수 있는 제안으로 종합하세요.
컨설팅 플레이북 →
연구자
문헌과 출처 프로젝트
논문, 메모, 데이터셋, 초안을 업로드해 문헌 매트릭스와 출처에 기반한 종합을 만들어 보세요.
리서치 플레이북 →
제품 팀
기능과 로드맵 프로젝트
사용자 피드백, PRD, 스펙, 스크린샷, 분석 메모를 업로드해 더 나은 제품 의사 결정을 정리하세요.
제품 플레이북 →
영업 팀
고객사 프로젝트
통화 메모, 고객사 리서치, 제품 문서, 제안서를 업로드해 구체적인 후속 조치와 이의 대응을 준비하세요.
영업 플레이북 →
콘텐츠 팀
편집과 출처 프로젝트
편집 기준, 원본 PDF, 인터뷰, 초안, 브랜드 예시를 업로드해 출처에 기반한 콘텐츠 워크플로를 만드세요.
콘텐츠 플레이북 →
아무 파일이나 올리는 곳이 아니라, 중요한 파일을 위해 만들어졌습니다.
백엔드는 업로드된 자료를 신뢰할 수 없는 참고 데이터로 취급합니다. 파일을 검증하고, 위험한 확장자를 차단하며, 색인 범위를 사용자 또는 팀으로 한정하고, 검색된 청크는 파일 내용이 명령이 아니라 출처임을 모델이 이해하도록 감싸서 전달합니다.
파일 검증
프로젝트 업로드는 저장과 색인 전에 파일 형식과 콘텐츠 시그니처를 확인합니다.
Azure 스토리지
프로젝트 파일은 색인되기 전에 메타데이터와 수명 주기 상태와 함께 저장됩니다.
프롬프트 인젝션 방어 장치
검색된 파일 내용은 신뢰할 수 없는 참고 자료로 표시되므로, 업로드된 파일이 사용자 모르게 AI에 지시를 내리지 않도록 합니다.
팀 단위 범위 구분
개인 프로젝트와 팀 프로젝트의 청크는 범위가 분리되어 검색이 알맞은 워크스페이스 안에서 이루어집니다.
실제 목표 하나마다 프로젝트 하나를 만드세요.
고객사 하나, 제품 하나, 연구 주제 하나, 코드베이스 하나, 캠페인 하나, 법률 사건 하나처럼 자료가 서로 어울릴 때 Projects가 가장 잘 작동합니다. 그래야 검색이 정확해지고 불필요한 맥락이 줄어듭니다.
01
원본 자료를 먼저 업로드하세요
최종 결과물을 요청하기 전에 문서, 코드, 이미지, 스프레드시트를 프로젝트에 넣어 두세요.
02
지침은 한 번만 작성하세요
대상 독자, 톤, 제약 조건, 출처 활용 기준을 프로젝트 단위에서 정의하세요.
03
알맞은 AI 모드를 사용하세요
한 모델과 대화하거나, 모델을 나란히 비교하거나, AI Collaboration으로 더 탄탄한 답변을 종합하세요.
MultipleChat의 Projects
AI에게 보이지 않는 것을 기억하라고 요구하지 마세요.
자료를 프로젝트에 넣고 MultipleChat이 OCR과 색인을 처리하게 한 뒤, 동일한 기준 자료를 바탕으로 어떤 모델과도 작업하세요.