이 글은 "대기업 임부장의 AI 이야기" 블로그 연재 시리즈입니다.
#AI활용 #프롬프트 #생산성 #언러닝 #AI생존법
솔직히 고백하겠습니다.
저도 처음에 그랬습니다.
AI 앞에 앉아서 질문 하나 던지고 기다렸습니다. "짜잔~ 완벽한 답 나오겠지" 하고요.
결과는요? 엉뚱한 답이 나왔습니다. 다시 질문해도 어딘가 어색합니다. "AI 별거 아니네" 하고 창을 닫은 기억, 혹시 있지 않으신가요?
먼저, 왜 우리는 AI에게 실망하는가
많은 직장인이 AI를 대하는 방식이 있습니다. 바로 '자판기 마인드셋' 입니다.
동전 넣고(질문 입력) → 버튼 누르고(딸깍) → 음료 나오는(완벽한 답변) 구조를 기대하는 거죠.
하지만 현실은 달랐습니다.
"AI에게 한 번 일을 시켜보셨다면 아실 겁니다. 한 번에 원하는 결과가 나오는 경우는 거의 없습니다."
과도한 기대 → 단발성 명령 → 엉뚱한 결과 → 기술에 대한 실망과 포기. 이 악순환이 바로 AI Doom-Loop 입니다.
이 루프를 탈출하는 방법, 5가지 원칙으로 정리해봤습니다.
원칙 1. AI는 자판기가 아니라 '생각의 증폭기' 다
성과를 내는 사람들은 AI와 티키타카 를 합니다.
한 번 질문하고 끝내는 게 아니라, 결과물을 보고 → 수정 방향을 잡고 → 다시 요청하고 → 다시 평가하는 과정을 반복합니다. 이걸 '테이크 턴(Take turns)'이라고 부릅니다.
이 피드백 루프는 단순한 수정 작업이 아닙니다. 내 불완전한 생각을 AI라는 거울에 비춰 확장시키는 과정입니다.
💡 임부장 한마디: 저도 AI와 대화할 때 한 번에 끝내려 하지 않습니다. 오히려 "이건 아닌 것 같은데, 이 방향으로 다시 해봐"를 10번 넘게 하는 게 훨씬 좋은 결과로 이어집니다.
원칙 2. 'How'보다 'What'과 'Why' 가 먼저다
"파이썬 배워야 하나요?" "요즘 어떤 AI 툴이 핫한가요?"
이런 질문에 매몰되면 금방 지칩니다. 도구는 계속 바뀌거든요.
진짜 중요한 건 "내가 무엇을, 왜 하려는가" 를 먼저 정의하는 일입니다.
구글이 제안하는 TCL-EI 프레임워크는 이걸 실무로 풀어주는 강력한 도구입니다.
단계 의미 핵심 질문
| Task | 작업 | 이 일의 목적이 뭔가? |
| Context | 맥락 | 배경 상황을 충분히 줬나? |
| Reference ⭐ | 참조 | 원하는 아웃풋 이미지를 예시로 줬나? |
| Evaluate | 평가 | 결과물이 의도와 일치하나? |
| Iterate | 반복 | 논리적 간극을 메웠나? |
특히 R(Reference) 단계가 핵심입니다. 내가 원하는 결과물의 샘플을 보여주는 것, 이것만으로도 AI 결과물의 품질이 확 달라집니다.
원칙 3. 자동화의 진짜 목적은 '편의'가 아닌 '예측 가능성' 이다
많은 분들이 자동화를 "내 일을 줄여주는 것"으로 생각합니다.
"중요한 건 예측 가능성이다. 무결점을 만들기 위해서 자동화를 했다고 보시면 돼요."
사람이 반복 업무를 할 때는 실수가 납니다. 아무리 꼼꼼한 사람도 마찬가지입니다. 이 휴먼 에러가 조직의 신뢰를 조금씩 갉아먹습니다.
반복 패턴이 있는 일을 시스템화하면:
- ✅ 담당자가 바뀌어도 품질이 일정
- ✅ 실수가 줄어 신뢰가 쌓임
- ✅ 절약된 인지 에너지를 창의적인 일에 투입 가능
자동화는 개인의 수고를 덜어주는 게 아니라, 조직의 신뢰를 설계하는 일입니다.
원칙 4. 코딩 실력보다 '언러닝(Unlearning)' 이 더 중요하다
"내가 직접 해야지" — 이 생각을 과감히 버렸습니다.
나의 한계를 솔직하게 인정하고, AI를 활용해 아웃풋을 뽑아냈습니다. 결과는? 생산성이 수십 배 올랐습니다.
삽질의 정의가 바뀌었습니다.
과거의 삽질 현재의 삽질
| 코드와의 사투 | 기획과 구조를 설계하는 사고의 투쟁 |
| 직접 실행하며 한계에 부딪힘 | AI를 활용해 아웃풋 도출 |
Learn(배우고) → Unlearn(과감히 잊고) → Relearn(다시 배우는) 사이클을 빠르게 돌리는 사람만이 기술적 집착에서 벗어날 수 있습니다.
원칙 5. AI 시대 최고의 경쟁력은 역설적이게도 '커뮤니케이션' 이다
AI 활용도를 '토큰 사용량'으로 측정하는 조직이 있습니다.
이건 본질을 놓친 접근입니다.
중요한 건 얼마나 많이 쓰는가가 아니라, 얼마나 명확한 언어로 AI를 통제하는가 입니다.
자신의 추상적인 의도를 구체적인 자연어로 풀어내는 능력 — 이건 사실 사람과 사람 사이의 커뮤니케이션 능력과 완전히 같습니다.
생각해보면 당연한 이야기입니다. AI가 아무리 똑똑해도, 내가 원하는 걸 명확하게 전달하지 못하면 좋은 결과가 나올 수 없습니다. 마치 아무리 뛰어난 부하직원이 있어도, 지시가 불명확하면 일이 틀어지는 것처럼요.
요약: AI 시대 생존 매트릭스
과거의 일하는 방식 AI 시대의 생존 방식
| 정답을 내놓는 자판기 기대 | 생각을 확장하는 증폭기 (티키타카) |
| 도구와 방법론(How)에 집착 | 목적(What)과 이유(Why), 그리고 아웃풋 이미지 집중 |
| 개인 업무의 단순 편리함 | 시스템 무결점과 예측 가능성 확보 |
| 직접 실행하는 코드와의 사투 | 기획과 구조를 짜는 사고의 투쟁 (언러닝) |
| 도구 사용량 (토큰 수) | 추상적 의도를 자연어로 통제하는 커뮤니케이션 능력 |
마지막으로 — 당신은 지금 기술을 쫓고 있나요, 목적을 쫓고 있나요?
기술을 쫓으면 금방 번아웃이 옵니다. 새 툴이 매일 쏟아지니까요.
하지만 '일의 목적'과 '시스템적 사고' 를 붙잡고 있으면, 기술은 언제든 교체 가능한 유능한 도구가 됩니다.
이제 리더와 구성원 모두의 역할은 단순 수행자에서 시스템을 설계하는 이네이블러(Enabler) 로 진화해야 합니다.
"목적을 쥐고 있는 한, 기술은 언제나 당신 편입니다."
오늘 당신이 반복하고 있는 그 업무 속에서, AI에게 과감히 넘겨주고 당신이 진짜 몰입해야 할 '본질적인 가치' 는 무엇인가요?
#AI활용 #프롬프트엔지니어링 #언러닝 #생산성향상 #자동화 #커뮤니케이션 #이네이블러 #대기업임부장의AI이야기