AI를 쓴다고 모든 것이 빨라질 것이라고 생각하시나요? 안타깝게도 그렇지 않습니다. 어떤 사람들은 AI를 쓰면서 오히려 더 느려지기도 합니다. 하루 종일 AI와 대화하는데 결과물은 예전과 똑같은 사람들이 있습니다. 왜 그런 차이가 발생할까요?

Sources

타임스탬프 참조

구간 주제 링크
도입 AI 쓴다고 다 빨라지지 않는다 0:00
스킬 1 쪼개는 능력 1:00
스킬 2 실패 복구 능력 2:30
스킬 3 완료 기준 3:30
스킬 4 컨텍스트 설계 4:20
스킬 5 관찰 능력 5:20
중간 정리 AI 관리의 본질 6:10
스킬 6 기억 설계 6:40
스킬 7 병렬 관리 7:10
스킬 8 큐레이션 7:40
스킬 9 자동화의 자동화 8:10
결론 작은 변화가 큰 차이를 8:30

AI와 일한다는 것: 에이전틱 AI의 시대

AI가 처음 나왔을 때는 “글 써줘”, “번역해줘” 수준이었습니다. 하지만 요즘 AI는 다릅니다. 프로젝트 기획, 문서 분석, 보고서 작성, 업무 자동화까지 맡길 수 있습니다. AI가 단순한 도구를 넘어 진짜 팀원처럼 일하기 시작한 것입니다. 이를 **에이전틱 AI(Agentic AI)**라고 부릅니다.

flowchart LR
    subgraph Past["과거 (도구형 AI)"]
        A1["글 써줘"]
        A2["번역해줘"]
        A3["단순 작업"]
    end

    subgraph Present["현재 (에이전틱 AI)"]
        B1["프로젝트 기획"]
        B2["문서 분석"]
        B3["보고서 작성"]
        B4["업무 자동화"]
    end

    Past --> |"진화"| Present

    style Past fill:#e8f4fd,stroke:#2196f3
    style Present fill:#e8f5e9,stroke:#4caf50

하지만 여기에 함정이 있습니다. AI는 멍청하게 시키면 멍청하게 일합니다. 반대로 제대로 시키면 엄청나게 잘합니다. 같은 AI를 쓰는데 한 사람은 10분 만에 끝내고, 다른 사람은 2시간 동안 삽질하는 차이가 바로 여기서 발생합니다. 이 차이를 만드는 것이 바로 이번에 소개할 9가지 스킬입니다.

1. 쪼개는 능력 (Task Decomposition)

AI에게 일을 시킬 때 가장 많이 하는 실수는 무엇일까요? 바로 **“이 프로젝트 다 해줘”**라고 말하는 것입니다. 이렇게 하면 AI가 적당히 무언가를 만들어내는데, 여러분이 원하는 것이 아닐 확률이 높습니다.

이것은 마치 신입사원에게 “이번 행사 준비해줘"라고 말하는 것과 같습니다. 그 신입사원은 어디서부터 시작해야 할지 모릅니다.

잘하는 사람들의 방식

flowchart TD
    subgraph Bad["❌ 나쁜 예시"]
        A1["이 프로젝트 다 해줘"]
        A2["설정 페이지 만들어줘"]
        A3["유튜브 스크립트 써줘"]
    end

    subgraph Good["✅ 좋은 예시"]
        B1["장소 예약해줘"]
        B2["초대장 발송해줘"]
        B3["케이터링 업체 섭외해줘"]
        B4["진행 시나리오 작성해줘"]
        B5["프로필 수정 기능 만들어줘"]
        B6["알림 설정 기능 만들어줘"]
        B7["핵심 포인트 5개 뽑아줘"]
        B8["그 중 2번을 3분 대본으로 써줘"]
    end

    style Bad fill:#ffebee,stroke:#f44336
    style Good fill:#e8f5e9,stroke:#4caf50

실제 적용 예시 (콘텐츠 기획):

  • ❌ “유튜브 스크립트 써줘”
  • ✅ “먼저 이 주제의 핵심 포인트 다섯 개 뽑아줘”
  • ✅ “그 중 2번 포인트를 3분짜리 대본으로 써줘”

💡 핵심 팁: 시작하기 전에 AI와 5분 대화하세요. 정확히 무엇을 원하는지 물어보면서요. 그 5분이 나중에 반나절 삽질을 막아줍니다.

2. 실패 복구 능력 (Failure Recovery)

AI가 엉뚱한 결과물을 가져왔을 때, 대부분의 사람들은 **“다시 해줘”**라고 말합니다. 하지만 이건 별로 효과가 없습니다. AI는 왜 실패했는지 모르기 때문에 또 비슷한 것을 가져옵니다.

실패 분석 프로세스

flowchart TD
    A["AI 결과물 실패"] --> B{"원인 파악"}
    B -->|정보 부족| C["정보 추가 제공"]
    B -->|방향 오류| D["처음부터 방향 재설정"]
    B -->|충돌 발생| E["충돌 요소 제거"]

    C --> F["재시도"]
    D --> F
    E --> F

    F --> G{"결과 확인"}
    G -->|성공| H["완료"]
    G -->|실패| B

    style A fill:#ffebee,stroke:#f44336
    style H fill:#e8f5e9,stroke:#4caf50

실제 예시

AI가 만든 마케팅 문구가 너무 딱딱하게 나왔을 때:

  • ❌ “다시 해줘”
  • ✅ “이 문구가 딱딱하게 느껴지는 이유가 뭔지 분석해줘”
  • ✅ “우리 타겟은 20대 후반 직장인이야. 이들에게 맞는 톤으로 다시 써줘”

이것은 의사가 “증상이 뭔가요?“부터 물어보는 것과 같습니다. 무조건 “약 드세요"가 아니라 원인을 찾고 처방하는 것입니다.

3. 완료 기준 (Completion Criteria)

“잘해줘"라는 말은 함정입니다. 잘이란 얼마나 잘? 어떻게 잘? AI는 자기 나름대로 잘 해주는데, 그게 여러분의 잘과 다를 수 있습니다.

명확한 완료 기준 설정

flowchart TB
    subgraph Vague["모호한 기준"]
        direction TB
        A1["잘해줘"]
        A2["괜찮게 만들어줘"]
        A3["적당히 해줘"]
    end

    subgraph Clear["명확한 기준"]
        direction TB
        B1["근거 3개 이상 포함"]
        B2["결론은 한 문장"]
        B3["이미지 2개 이상"]
        B4["1,500~2,000자"]
        B5["전문용어는 설명 포함"]
        B6["실제 사례 1개 이상"]
    end

    Vague --> |"구체화"| Clear

    style Vague fill:#fff3e0,stroke:#ff9800
    style Clear fill:#e3f2fd,stroke:#2196f3

보고서 작성 완료 기준 예시:

  • ✅ 근거 3개 이상 포함
  • ✅ 결론은 한 문장
  • ✅ 이미지 2개 이상
  • ✅ 1,500자 이상, 2,000자 이하
  • ✅ 전문 용어는 반드시 한 번씩 설명
  • ✅ 실제 사례 한 개 이상 포함

이렇게 구체적으로 정해놔야 “다 했어요"라고 AI가 가져왔을 때 “이게 완성이야?“라는 상황을 막을 수 있습니다.

4. 컨텍스트 설계 (Context Design)

AI는 기억이 없습니다. 매번 처음 보는 사람처럼 됩니다. 따라서 AI에게 일을 시킬 때는 우리 회사가 어떤 회사고, 이 프로젝트가 어떤 프로젝트고, 내가 해야 할 역할이 뭔지 매번 설명해줘야 합니다.

온보딩 문서 활용

flowchart TD
    subgraph Onboarding["AI 온보딩 문서"]
        A["브랜드 정체성"]
        B["타겟 고객"]
        C["톤 앤 매너"]
        D["경쟁사 정보"]
        E["차별점"]
    end

    Onboarding --> F["대화 시작 시 첨부"]
    F --> G["컨텍스트 전달 완료"]

    style Onboarding fill:#f3e5f5,stroke:#9c27b0
    style G fill:#e8f5e9,stroke:#4caf50

컨텍스트 문서 예시:

  • 우리 브랜드는 2, 30대 직장인 대상
  • 톤은 친근하지만 전문적이어야 함
  • 경쟁사는 A, B, C가 있음
  • 우리가 강조하는 차별점은 X, Y, Z

이런 내용을 한 파일에 정리해서 대화 시작할 때마다 붙여넣습니다. 처음 만드는 데 1시간 걸리지만, 이후 몇십 시간을 절약해줍니다.

5. 관찰 능력 (Observation)

AI에게 큰 작업을 맡기면 중간에 뭘 하고 있는지 놓치기 쉽습니다. 이것은 마치 공사 현장 감리와 같습니다. 다 지어놓고 보면 늦습니다. 벽 세우기 전에 기초 확인하고, 지붕 올리기 전에 구조 확인해야 합니다.

단계별 체크포인트

flowchart LR
    A["목차 잡기"] --> B["확인 ✓"]
    B --> C["한 장 작성"]
    C --> D["확인 ✓"]
    D --> E["두 장 작성"]
    E --> F["확인 ✓"]
    F --> G["최종 완성"]

    style B fill:#e8f5e9,stroke:#4caf50
    style D fill:#e8f5e9,stroke:#4caf50
    style F fill:#e8f5e9,stroke:#4caf50
    style G fill:#c8e6c9,stroke:#388e3c

보고서 작성 예시:

  1. 목차 먼저 잡아줘 → 확인
  2. 한 장만 써줘 → 확인
  3. 두 장 써줘 → 확인
  4. (반복)

한 번에 다 해달라고 하면 나중에 엉키는 경우가 생깁니다. 작은 단위로 자주 확인하는 습관이 나중에 시간을 엄청 절약해줍니다.

중간 정리: AI 관리의 본질

지금까지 5가지를 살펴봤습니다.

mindmap
  root((AI 관리 스킬))
    쪼개기
      작업 분해
      단계별 진행
    실패 복구
      원인 분석
      처방 실행
    완료 기준
      구체적 수치
      명확한 기준
    컨텍스트 설계
      온보딩 문서
      브랜드 정보
    관찰
      단계별 확인
      피드백 루프

이게 다 무슨 얘기일까요? 결국 AI를 팀원처럼 잘 관리하는 능력입니다.

놀라운 점은 AI 시대에 필요한 능력이 사실 예전부터 좋은 팀장, 좋은 관리자에게 필요했던 능력과 거의 똑같다는 것입니다.

  • 명확한 지시
  • 충분한 정보 제공
  • 명확한 기준
  • 피드백
  • 점검

AI가 강해질수록 사람의 능력이 더 중요해집니다. 그리고 이것은 좋은 소식이기도 합니다. 완전히 새로운 능력을 처음부터 배울 필요는 없기 때문입니다. 이미 일 잘하는 사람들에게 익숙한 방식을 AI에게 그대로 적용하면 됩니다.

6. 기억 설계 (Memory Design)

AI와 일하다 보면 어제 했던 얘기를 오늘 또 해야 하는 상황이 생깁니다. 컨텍스트가 날라가기 때문입니다. 이것은 매일 아침 새 직원에게 회사 소개부터 다시 하는 것과 같습니다.

기억 파일 시스템

flowchart TD
    subgraph Memory["프로젝트 기억 파일"]
        A["내린 결정들"]
        B["진행 방향성"]
        C["주의사항"]
        D["피해야 할 것들"]
    end

    Memory --> E["대화 시작 시 첨부"]
    E --> F["컨텍스트 복원"]
    F --> G["15분 → 5초 절약"]

    style Memory fill:#e8eaf6,stroke:#3f51b5
    style G fill:#e8f5e9,stroke:#4caf50

실제 적용 예시 (콘텐츠 프로젝트):

  • 채널 방향성
  • 타겟 시청자
  • 지금까지 결정한 것들
  • 피해야 할 것들

이런 내용을 프로젝트 브리프로 만들어 대화 시작할 때마다 첨부합니다. 이렇게 하면 컨텍스트 복원 시간이 15분에서 5초로 줄어듭니다.

회사에서 업무 인수인계가 잘 된 팀이 얼마나 효율적인지 아시죠? 그것이 AI 세계에서도 똑같이 적용됩니다.

7. 병렬 관리 (Parallel Management)

잘하는 사람들은 AI 하나랑만 일하지 않습니다. 동시에 여러 개를 돌립니다. 이것은 팀장이 여러 팀원에게 동시에 일을 나눠주는 것과 같습니다.

병렬 작업 구조

flowchart TD
    A["메인 작업자"] --> B["AI #1: 경쟁사 분석"]
    A --> C["AI #2: 후킹 문구 5개 작성"]
    A --> D["AI #3: 관련 사례 찾기"]
    A --> E["AI #4: 데이터 정리"]
    A --> F["AI #5: 초안 작성"]

    B --> G["결과 취합"]
    C --> G
    D --> G
    E --> G
    F --> G

    G --> H["최종 산출물"]

    style A fill:#fff3e0,stroke:#ff9800
    style H fill:#e8f5e9,stroke:#4caf50

콘텐츠 제작 예시:

  • AI #1: 경쟁사 분석해줘
  • AI #2: 우리 주제로 후킹 문구 5개 써줘
  • AI #3: 관련 사례 찾아줘

각각 다른 창에서 동시에 돌아갑니다. 처음에는 하나만 해보고 익숙해지면 두 개, 세 개, 네 개로 늘려갑니다. 저는 보통 5개의 창을 병렬로 사용합니다.

이게 제대로 되면 혼자서도 팀 하나 분량의 일을 할 수 있습니다. 처음에는 “이렇게까지 해야 해?” 싶지만, 한번 해보면 다시는 하나만 쓰기 힘들어집니다.

8. 큐레이션 (Curation)

어쩌면 가장 중요한 스킬일 수 있습니다. AI는 빠르게 괜찮은 것을 만듭니다. 80점짜리는 금방 나옵니다. 하지만 그게 진짜 좋은 건지, 그냥 그럭저럭한 건지, 뭔가 이상한 건지 아는 것이 큐레이션입니다.

큐레이션 능력 키우기

flowchart LR
    subgraph Input["입력"]
        A["좋은 글 보기"]
        B["좋은 디자인 보기"]
        C["좋은 기획 보기"]
    end

    Input --> D["눈 높이기"]
    D --> E["분석 습관화"]

    subgraph Analysis["분석 질문"]
        F["왜 좋지?"]
        G["어떤 구조지?"]
        H["사람들이 왜 좋아하지?"]
    end

    E --> Analysis
    Analysis --> I["감각 형성"]

    style I fill:#e8f5e9,stroke:#4caf50

큐레이션 능력 키우는 법:

  1. 좋은 것을 많이 보기: 좋은 글, 좋은 디자인, 좋은 기획을 많이 보면 눈이 높아집니다.

  2. 의식적으로 분석하기: “좋다"로 끝내지 말고 “이게 왜 좋지?”, “어떤 구조로 되어 있지?” 질문을 습관으로 만듭니다.

  3. 사람들의 반응 관찰하기: “사람들이 이걸 왜 좋아하지?”, “이게 왜 안 되지?” 질문을 계속하다 보면 감각이 생깁니다.

결국 AI가 아무리 좋아져도, 이게 좋은 건지 아닌지 판단하는 건 사람입니다. 나머지 20점은 인간의 큐레이션 영역입니다.

9. 자동화의 자동화 (Automation of Automation)

처음에는 AI에게 직접 “이거 해줘” 합니다. 하지만 매번 같은 말 반복하는 게 귀찮습니다. 그래서 반복되는 지시 자체를 자동화합니다. “이런 상황에서는 항상 이렇게"라는 규칙을 만드는 것입니다.

자동화 레이어

flowchart TD
    subgraph Layer1["레이어 1: 수동"]
        A1["매번 직접 지시"]
        A2["반복 입력"]
    end

    subgraph Layer2["레이어 2: 템플릿"]
        B1["자주 쓰는 프롬프트 저장"]
        B2["복사-붙여넣기"]
    end

    subgraph Layer3["레이어 3: 자동화"]
        C1["시스템 자동 적용"]
        C2["규칙 기반 실행"]
    end

    Layer1 --> |"템플릿화"| Layer2
    Layer2 --> |"시스템화"| Layer3

    style Layer1 fill:#ffebee,stroke:#f44336
    style Layer2 fill:#fff3e0,stroke:#ff9800
    style Layer3 fill:#e8f5e9,stroke:#4caf50

실제 예시: 저는 새 스크립트를 쓸 때마다 채널 스타일 지침을 붙이는 게 귀찮아졌습니다. 그래서 그걸 자동으로 붙여주는 시스템을 만들었습니다.

복리 효과

flowchart LR
    A["초기 투자"] --> B["시간 절약"]
    B --> C["추가 자동화"]
    C --> D["더 큰 절약"]
    D --> E["6개월 후
어마어마한 차이"]

    style A fill:#e3f2fd,stroke:#2196f3
    style E fill:#e8f5e9,stroke:#4caf50

이게 쌓이면 쌓일수록 여러분이 할 일이 줄어듭니다. AI가 알아서 합니다. 이것은 복리입니다. 시간이 지날수록 효과가 커집니다.

  • 처음에는 큰 차이 없을 수 있습니다
  • 6개월, 1년 지나면 그 차이가 어마어마해집니다
  • 지금 순간 조금 투자하면 나중에 몇 배로 돌아옵니다

핵심 요약

mindmap
  root((AI 스킬 9가지))
    기본 5가지
      1. 쪼개기
        작업을 작게 분해
      2. 실패 복구
        원인 분석 후 처방
      3. 완료 기준
        구체적 수치 설정
      4. 컨텍스트 설계
        온보딩 문서 활용
      5. 관찰
        단계별 체크포인트
    고급 4가지
      6. 기억 설계
        프로젝트 브리프
      7. 병렬 관리
        여러 AI 동시 활용
      8. 큐레이션
        품질 판단 능력
      9. 자동화의 자동화
        규칙 기반 시스템
스킬 핵심 난이도
쪼개기 큰 작업을 작게 분해 ⭐
실패 복구 원인 분석 → 처방 ⭐⭐
완료 기준 구체적 수치 설정 ⭐
컨텍스트 설계 온보딩 문서 작성 ⭐⭐
관찰 단계별 확인 습관 ⭐
기억 설계 프로젝트 브리프 관리 ⭐⭐⭐
병렬 관리 여러 AI 동시 활용 ⭐⭐⭐
큐레이션 품질 판단 안목 ⭐⭐⭐⭐
자동화의 자동화 규칙 기반 시스템 구축 ⭐⭐⭐⭐

결론

오늘 살펴본 9가지 스킬은 완전히 새로운 능력이 아닙니다. 원래부터 일 잘하는 사람들, 팀 잘 이끄는 사람들에게 있던 능력입니다. 단지 그 대상이 사람에서 AI로 변화했을 뿐입니다.

차이가 있다면, 이 능력을 AI와 함께 쓰면 레버리지가 어마어마하게 커진다는 것입니다. 예전에는 혼자서 할 수 있는 일에 한계가 있었습니다. 하지만 이제 이 9가지 스킬이 있으면 그 한계 자체가 달라집니다.

flowchart LR
    A["AI"] --> B["강력한 도구"]
    C["9가지 스킬"] --> D["도구 활용 능력"]

    B --> E["레버리지 효과"]
    D --> E

    E --> F["한계의 확장"]

    style F fill:#e8f5e9,stroke:#4caf50

AI는 도구입니다. 아주 강력한 도구. 하지만 도구를 잘 쓰는 건 결국 사람입니다.

여러분이 9가지 능력을 갖추면 AI라는 도구가 여러분에게 어마어마한 레버리지가 됩니다. 갖추지 못하면 AI를 써도 별로 안 빨라지는 사람이 됩니다.

지금 당장 다 될 필요는 없습니다. 오늘부터 하나씩 시작해 보세요. 오늘 AI에게 일시킬 때 일단 쪼개는 것부터요. 그 하나만 해도 내일이 달라집니다.

작은 변화가 6개월 뒤에 엄청난 차이를 만듭니다.