AI를 왜 쓰는가: 판단은 사람이, 반복은 AI가

AI를 왜 쓰느냐는 질문에 가장 쉽게 붙는 답은 속도다. 문서를 빨리 요약하고, 코드를 빨리 만들고, 반복 작업을 줄일 수 있다. 모두 맞는 말이지만 내가 AI를 계속 쓰는 이유를 충분히 설명하지는 못한다.

내가 AI를 쓰는 이유는 더 나은 결정을 실행으로 옮기고, 원하던 결과가 실제로 만들어졌는지 확인하기 위해서다. 처리 속도보다 중요한 것은 무엇을 해결할지 정하고, 어디까지 맡길지 결정하고, 결과를 끝까지 확인하는 일이다.

빠르게 실행하기 전에 문제를 좁힌다

AI는 모호한 요청도 그럴듯한 결과로 바꿔 준다. 그래서 오히려 문제가 생긴다. 방향이 틀렸다면 잘못된 결과가 더 빠르게 늘어난다.

나는 일을 맡기기 전에 세 가지를 먼저 본다.

• 얼마나 자주 반복되는가
• 실패했을 때 되돌리기 얼마나 어려운가
• 그 결과가 나와 다른 사람에게 얼마나 큰 영향을 주는가

이 기준으로 문제 하나를 좁힌다. 보고서를 자동화한다는 범위가 너무 넓다. 이번 주 원본을 빠짐없이 요약하고 숫자를 대조한다는 실행하고 확인할 수 있다. AI가 할 수 있는 일을 찾는 것보다 지금 해결할 가치가 있는 문제를 고르는 일이 먼저다.

일을 맡기려면 네 가지가 필요하다

사람에게 일을 맡길 때도 자료와 권한 없이 결과만 요구할 수는 없다. AI도 마찬가지다. 나는 다음 네 가지를 업무의 기본 조건으로 본다.

1. 맥락: 어떤 원본, 규칙, 좋은 예시를 참고해야 하는가
2. 도구: 파일, GitHub, Jira, 문서처럼 무엇을 읽고 어디에 저장해야 하는가
3. 권한: 읽기만 가능한가, 초안까지 저장할 수 있는가, 외부 전송은 승인 후에 해야 하는가
4. 결과: 무엇이 남으면 이 일이 끝났다고 판단할 수 있는가

이 조건이 빠진 채로 “알아서 잘해 줘”라고 요청하면 결과의 품질도 우연에 맡기게 된다. 반대로 조건을 너무 세세한 조작 순서로만 적으면 새로운 상황에 대응하지 못한다. AI가 참고할 범위와 지켜야 할 기준, 넘지 말아야 할 권한, 완료된 결과를 분명히 하는 것이 중요하다.

사람은 설계하고, AI와 반복하고, 사람이 완료한다

내가 사용하는 흐름은 단순하다.

설계 → 실행 → 검사 → 수정 → 재검사 → 완료

사람이 목표와 범위, 완료 기준을 설계한다. AI는 자료를 읽고 초안을 만들며 전체를 대조한다. 누락과 오류가 발견되면 AI와 수정하고 같은 기준으로 다시 검사한다. 마지막에는 사람이 중요한 예외와 근거를 확인하고 완료를 결정한다.

여기서 사람의 역할은 AI가 만든 모든 내용을 처음부터 다시 읽는 것이 아니다. 사람이 반드시 판단해야 하는 지점을 정하고, 나머지 검사는 반복 가능한 구조로 만드는 것이다. 개발에서는 테스트와 브라우저 검사가 그 역할을 할 수 있다. 일반 업무에서는 Excel 수식이나 체크리스트만으로도 시작할 수 있다.

AI가 “완료했습니다”라고 말하는 것은 완료의 근거가 아니다. 처음에 정한 기준을 충족한 결과가 있어야 한다. 기준을 충족하지 못했다면 설명을 바꾸는 것이 아니라 결과를 고치고 다시 검사해야 한다.

아침 업무를 시작하는 방식도 달라졌다

예전에는 아침마다 여러 곳에 흩어진 상태를 다시 읽었다. 이전 기록에서 이어갈 일을 찾고, Jira 티켓과 GitHub의 코드 변경 및 리뷰를 확인했다. 자료를 다 읽고 나서야 오늘 무엇부터 할지 생각할 수 있었다.

지금은 이 반복을 AI에 맡긴다. AI가 이전 daily와 로컬 Git, Jira와 GitHub의 현재 상태를 대조해 오늘의 체크리스트와 오늘 범위 밖의 항목을 정리한다. 나는 우선순위가 맞는지, 빠진 맥락은 없는지, 오늘 하지 않기로 한 이유가 타당한지를 확인한다. 수정한 뒤에야 daily 기록으로 남긴다.

짧은 요청 하나가 업무를 마법처럼 이해하는 것은 아니다. 그 뒤에는 읽을 자료, 정리 순서, 완료 기준과 저장 조건이 있다. 내가 쓰는 skill의 이름은 skill- 접두사로 시작한다. 이 사례에서는 skill-sprint가 반복해서 사용할 절차와 기준을 저장하고, daily가 그 절차에서 오늘의 업무를 정리하는 단계다.

AI의 복리는 다음 일을 처음부터 시작하지 않는 데서 생긴다

한 번 잘된 요청보다 더 가치 있는 것은 그 과정에서 배운 것을 남기는 일이다. 어떤 자료가 필요했는지, 무엇을 놓쳤는지, 어떤 검사로 오류를 발견했는지 기록한다. 다음 일에서는 이전 경험을 불러오고 달라진 조건만 고친다.

AI가 저절로 내 업무를 학습해 준다는 뜻은 아니다. 내가 시도하고, 확인하고, 기준을 수정한 경험을 다시 쓸 수 있는 형태로 남겨야 한다. 도구를 연결하는 기술, 실수를 잡는 요령, 업무 규칙과 좋은 결과의 예시가 다음 일의 시작점이 된다.

그래서 내가 생각하는 AI 활용의 핵심은 한 문장으로 정리된다.

판단과 책임은 사람이, 반복은 AI가, 검사는 시스템으로.

AI를 잘 쓰는 것은 사람의 판단을 없애는 일이 아니다. 반복에 쓰던 시간을 줄여 더 중요한 문제를 고르고, 결정한 일을 실제 결과로 끝내는 데 집중하는 일이다. 그렇게 얻은 성과가 일에서 더 나은 결과로, 삶에서는 조금 더 많은 여유로 이어지기를 바란다.