박사급 AI가 입사했는데, 왜 우리 회사의 일은 그대로일까요?
요즘 AI를 활용하면 보고서를 만드는 속도가 놀라울 만큼 빨라집니다.
자료를 조사하고, 데이터를 분석하고, 차트를 만들며, 레이아웃을 디자인하고 문장까지 다듬어줍니다. 예전 같으면 며칠이 걸리던 일이 몇 시간 만에 끝나기도 합니다.
그런데 AI로 만든 보고서를 원본 그대로 상사에게 보여드리면 돌아오는 피드백은 늘 비슷합니다.
“뭔가 그럴듯해 보이지만, 실상 무슨 말인지 잘 모르겠습니다. 그래서 핵심이 무엇인지 애매합니다.”
그 말을 들을 때마다 고민합니다.
사람이 만든 보고서에 익숙하기 때문일까?
AI가 아직 사람의 통찰을 따라잡지 못했기 때문일까?
아니면 AI에게 핵심이 무엇인지 충분히 알려주지 못한 내 책임일까?
분명한 것은 하나인 것 같습니다.
AI는 보고서를 빠르게 만들 수는 있지만, 왜 이 보고서를 만드는지, 이 보고서를 받는 사람이 무엇을 듣고싶어 하는지, 어떤 의사결정을 이끌어내야 하는지까지 저절로 정해주지는 않습니다.
AI가 만든 결과물이 그럴듯하지만 핵심이 없는 이유는 AI가 생각하지 않아서가 아니라, 우리가 생각해야 할 것을 충분히 생각하지 않은 채 일을 맡겼기 때문일 수 있습니다.
요즘 유튜브를 보다 보면 여러 AI 모델과 도구를 조합해 보고서, 슬라이드, 데이터 분석 결과를 만들어준다는 젠스파크 광고가 유난히 자주 보입니다. 주변 동료들도 단일 AI 모델을 사용하는 것과는 차원이 다르다며 감탄합니다.
지금까지 우리는 AI를 진화된 검색 도구로 사용해왔습니다. 질문을 던지고 답을 받으며, 긴 문서를 요약하고 보고서의 초안을 요청했습니다.
그러나 이제 AI는 질문에 답하는 수준에서 과업을 끝까지 수행하는 에이전트로 이동하고 있습니다.
보고서를 요청하면 자료를 조사해 보고서를 만들고, 데이터를 제공하면 분석 결과를 시각화하며, 목적을 설명하면 발표 가능한 슬라이드까지 제작합니다.
AI의 경쟁력은 얼마나 잘 대답하는가에서 얼마나 일을 끝내는가로 이동하고 있습니다.
그런데 여기서 중요한 질문이 생깁니다.
AI는 일을 끝냈는데, 왜 우리가 원하는 결과는 나오지 않을까요.
AI 모델은 빠르게 똑똑해지고 있습니다. 그러나 아무리 뛰어난 AI라도 우리 조직의 업무 목적과 과거의 의사결정, 데이터 기준과 상사의 관심사를 알지 못합니다.
AI는 박사급 지능을 가졌지만, 매일 처음 출근한 신입사원과 비슷합니다.
AI에게 일을 맡길 때마다 조직의 상황을 설명해야 합니다. 어떤 자료가 최신인지, 무엇을 제외해야 하는지, 어떤 기준으로 판단해야 하는지 알려줘야 합니다. 보고받는 사람이 중요하게 생각하는 내용과 선호하는 문서의 구조도 구체적으로 설명해야 합니다.
하지만 우리는 사람에게 익숙한 방식으로 AI에게도 일을 요청합니다.
“지난번처럼 해주세요.”
“적당히 정리해 주세요.”
“알아서 잘 만들어 주세요.”
“핵심만 센스 있게 보여주세요.”
함께 일한 경험이 있는 사람이라면 이런 표현도 어느 정도 이해합니다. 과거의 업무와 관계, 표정과 분위기를 통해 부족한 설명을 채울 수 있기 때문입니다.
그러나 AI에게는 ‘대충’, ‘알아서 잘’, ‘센스 있게’, ‘감으로’가 통하지 않습니다.
AI가 제대로 일하려면 업무의 목적과 데이터, 판단 기준, 예외 조건, 결과물의 형태가 구체적으로 정의되어야 합니다. 최소한 다음 질문에는 답할 수 있어야 합니다.
이 업무를 왜 합니까?
최종적으로 어떤 의사결정을 지원해야 합니까?
반드시 확인해야 할 데이터는 무엇입니까?
어떤 기준으로 결과를 해석해야 합니까?
좋은 결과물은 어떤 모습입니까?
AI의 결과 중 사람이 판단해야 할 부분은 무엇입니까?
이것이 명확하지 않으면 AI는 많은 내용을 빠르게 만들 수 있어도 무엇이 중요한지는 선택하기 어렵습니다.
그럴듯하지만 핵심이 없는 보고서는 AI가 만든 실패작이라기보다, 사람이 목적과 판단 기준을 충분히 설계하지 않은 결과물일 수 있습니다.
AI를 사용하면 생각하는 시간까지 줄일 수 있다고 믿기 쉽습니다.
자료를 찾고 정리하며 초안을 작성하는 시간은 분명 줄어듭니다. 그러나 좋은 결과를 만드는 데 필요한 사고까지 사라지는 것은 아닙니다.
오히려 AI가 만드는 속도가 빨라질수록 사람에게는 더 깊은 질문이 필요합니다.
무엇을 만들 것인지보다 왜 만들어야 하는지 생각해야 합니다.
얼마나 많이 담을 것인지보다 무엇을 빼야 하는지 판단해야 합니다.
얼마나 빨리 완성할 것인지보다 어떤 결정을 이끌어낼지 정해야 합니다.
AI가 긴 보고서를 만들더라도 핵심 메시지를 선택하는 것은 사람의 몫입니다. 여러 원인을 나열할 수는 있어도 지금 조직이 가장 먼저 해결해야 할 문제를 결정하는 것 역시 사람의 몫입니다.
AI 시대의 핵심 역량은 생각하지 않아도 되는 능력이 아닙니다.
무엇을 더 깊이 생각해야 하는지 구분하는 능력입니다.
AI는 우리가 생각한 만큼 함께 생각합니다.
우리가 고민한 만큼 결과의 깊이가 달라집니다.
우리가 명확하게 설계한 만큼 더 많은 일을 수행합니다.
결국 AI 활용의 격차는 모델의 성능보다 사용자의 생각의 해상도에서 벌어질 수 있습니다.
많은 조직이 기존의 업무방식은 그대로 둔 채 중간에 AI만 추가합니다.
기존 방식으로 자료를 취합하고, AI에게 요약을 요청합니다. 결과를 다시 엑셀과 파워포인트로 옮긴 뒤 사람이 처음부터 검토하고 수정합니다. 이후에는 기존의 보고와 결재 절차를 그대로 거칩니다.
이런 방식에서는 AI가 새로운 동료가 아니라 하나의 추가 도구가 됩니다. 업무가 줄어들기는커녕 AI의 결과를 검증하고 수정하는 일이 더해질 수도 있습니다.
AI를 도입하려면 기존 업무의 출발점부터 다시 물어야 합니다.
이 보고서는 왜 필요합니까?
최종 사용자는 누구입니까?
의사결정에 반드시 필요한 정보는 무엇입니까?
반복되는 수집과 보고 중 없앨 수 있는 단계는 무엇입니까?
AI가 맡을 일과 사람이 판단할 일은 무엇입니까?
혁신은 기존 방식의 속도를 조금 높이는 일이 아닙니다.
일의 목적과 순서, 역할과 결과물을 다시 정의하는 일입니다.
AI에게 맡길 문제를 정의하고, 필요한 데이터와 도구를 연결해야 합니다. 업무의 순서와 판단 기준을 설계하고, 오류가 발생했을 때의 대응 방식도 정해야 합니다. 사람이 개입하고 승인할 지점과 최종 책임의 주체도 분명히 해야 합니다.
AI 시대의 경쟁력은 가장 똑똑한 모델을 사용하는 데서만 나오지 않습니다. 업무의 맥락과 기준, 권한과 책임을 얼마나 잘 설계하느냐에서 나옵니다.
모든 구성원에게 동일한 AI 도구의 사용법을 가르치는 것만으로는 부족합니다.
구성원이 자신의 업무를 설명하고, 프로세스를 분해하며, 판단 기준을 언어화할 수 있도록 도와야 합니다.
AI 교육은 다음 질문에서 시작해야 합니다.
내가 해결해야 할 본질적인 문제는 무엇입니까?
현재 업무는 어떤 단계로 이루어져 있습니까?
각 단계의 입력 정보와 판단 기준은 무엇입니까?
반복하거나 제거할 수 있는 단계는 무엇입니까?
AI에게 위임할 일과 사람이 책임질 일은 무엇입니까?
좋은 결과물을 판단하는 기준은 무엇입니까?
프롬프트 작성법은 그다음입니다.
업무가 구조화되지 않은 상태에서 프롬프트 기법만 배워도 결과는 일회성 생산성 향상에 머물기 쉽습니다. 개인은 잠시 빨라질 수 있지만 조직의 일하는 방식은 달라지지 않습니다.
AI 교육의 목표는 AI와 대화를 잘하는 사람을 만드는 것이 아닙니다.
AI가 일할 수 있는 구조를 만들고, 그 결과의 의미를 판단하며 책임질 수 있는 사람을 길러내는 것입니다.
저는 지금도 AI를 활용해 보고서를 만듭니다.
AI 덕분에 자료를 수집하고 분석하며 초안을 만드는 시간은 분명히 줄었습니다. 그러나 상사의 피드백을 통해 중요한 사실을 배웠습니다.
빠르게 만든 보고서가 반드시 좋은 보고서는 아닙니다.
정보가 많다고 핵심이 분명한 것은 아닙니다. 문장이 매끄럽다고 통찰이 깊은 것도 아닙니다. 보고서의 목적과 의사결정 기준이 명확하지 않다면 AI는 모호함까지 그럴듯하게 포장할 수 있습니다.
그래서 이제 AI에게 보고서 작성을 맡기기 전에 저 자신에게 먼저 묻습니다.
이 보고서에서 반드시 전달해야 할 메시지와 가치는 무엇입니까.
보고받는 사람에게 어떤 영향을 주게 되며 그에 따라 어떤 결정을 내려야 합니까.
많은 데이터 가운데 지금 가장 중요한 맥락과 신호는 무엇입니까.
사실과 정보를 넘어 제가 내놓아야 할 판단은 무엇입니까.
AI는 초안을 만드는 시간을 줄여줍니다. 그러나 핵심을 선택하고 의미를 부여하는 책임은 여전히 사람에게 있습니다. 결국 AI 시대에 더 중요해지는 것은 빨리 만들어내는 능력이 아니라, 무엇이 중요한지 판단하는 능력입니다.
더 똑똑한 AI는 앞으로도 계속 등장할 것입니다.
그러나 우리의 업무가 여전히 개인의 기억과 감각, 구두 전달과 불분명한 기준에 의존한다면 AI가 아무리 발전해도 조직은 크게 달라지지 않을 것입니다.
박사급 AI는 이미 우리 앞에 와 있습니다.
이제 남은 질문은 AI가 얼마나 더 똑똑해질 것인가가 아닙니다.
우리는 여전히 AI를 검색창에만 가두어둘 것입니까.
아니면 AI가 제대로 일할 수 있도록 우리의 일하는 방식부터 바꿀 것입니까.
5년 뒤 나의 일자리가 지금과 같은 모습으로 남아 있을지는 누구도 장담할 수 없습니다.
그러나 한 가지는 분명합니다.
AI가 만든 결과물을 그대로 전달하는 사람보다 그 결과에서 핵심을 발견하는 사람이 필요합니다. AI에게 모호한 지시를 내리는 사람보다 문제와 기준을 명확하게 설명하는 사람이 필요합니다. 기존의 업무를 빠르게 반복하는 사람보다 사람과 AI가 함께 일하는 방식을 새롭게 설계하는 사람이 필요합니다.
AI 시대에 오래 살아남고 성장하는 사람은 가장 많은 AI 서비스를 사용하는 사람이 아닐 것입니다.
자신의 일을 깊이 이해하고, 무엇이 중요한지 판단하며,
일하는 방식을 끊임없이 다시 설계하는 사람일 것입니다.
AI는 속도를 제공합니다.
그러나 방향과 의미, 통찰과 책임은 여전히 사람의 몫입니다.