AI를 잘 쓰는 사람과 못 쓰는 사람의 차이
ChatGPT에 뭔가를 물어보고, 나온 답을 복사해서 붙여넣고, 창을 닫은 경험.
아마 대부분이 AI를 처음 쓸 때 이런 식이었을 겁니다. 저도 그랬습니다.
검색엔진 쓰듯이 한 번 물어보고 끝. 결과가 마음에 안 들면 "역시 별로네" 하고 닫아버리는 패턴. 그런데 AI를 제대로 활용하는 사람들을 관찰하면, 이 패턴과 완전히 다른 방식으로 AI를 대하고 있었습니다. 공통점이 하나 있더군요. AI를 도구로 취급하지 않는다는 겁니다. 파트너로 대합니다.
도구와 파트너. 비슷해 보이지만 결과물의 격차는 꽤 큽니다. 왜 그런지, 그리고 파트너로 쓴다는 게 구체적으로 어떤 모습인지 정리해 봤습니다.
AI를 쓸 때 가장 흔한 패턴이 있습니다. "이메일 초안 써줘"라고 입력하고, 나온 결과를 그대로 쓰거나 버리는 것. 한 번의 입력, 한 번의 출력. 자판기에 동전 넣고 음료 뽑는 것과 다를 바 없습니다.
이게 왜 자연스러운지는 이해가 됩니다. 우리가 지금까지 써온 디지털 도구는 대부분 이런 방식이었으니까요. 검색엔진에 키워드를 넣으면 결과가 나오고, 계산기에 숫자를 넣으면 답이 나옵니다. 한 번에 끝나는 거죠. AI도 그렇게 쓰는 게 당연하다고 느끼는 건 전혀 이상하지 않습니다.
문제는 이렇게 쓰면 AI 능력의 극히 일부만 건드리게 된다는 점입니다.
비유를 하나 들어보겠습니다. 새로 들어온 직원한테 일을 맡겼는데 첫 결과물이 마음에 안 들면 어떻게 하겠습니까. "역시 쓸모없네" 하고 포기하진 않을 겁니다. "여기는 이런 방향으로 바꿔봐", "이 부분은 좀 더 구체적으로" 하고 피드백을 주겠죠. 그러면 두 번째 결과물은 훨씬 나아집니다. 세 번째는 더 나아지고요.
AI도 정확히 같은 방식으로 써야 제대로 된 결과물이 나옵니다.
"그런데 그렇게 여러 번 왔다 갔다 하면, 그냥 내가 쓰는 게 더 빠르지 않나요?"
솔직히 저도 처음엔 그렇게 생각했습니다. 한 번에 안 되면 뭐하러 쓰나 싶었거든요. 그런데 막상 두세 번 왕복해보면 결과물의 질이 확 달라지는 걸 체감하게 됩니다. 그리고 결정적인 차이가 하나 있습니다. 사람한테 피드백 주고 수정본 받으려면 하루 이틀 걸리지만, AI는 10초면 돌아옵니다. 10초짜리 반복을 서너 번 하는 건 2분도 안 걸리는 일입니다. 그 2분을 아끼겠다고 한 번에 끝내려고 하면, 결국 자판기 수준의 결과만 받게 되는 셈이죠.
자판기 패턴을 벗어났다고 해서 바로 좋은 결과가 나오는 건 아닙니다.
반복만 한다고 되는 게 아니라, AI에게 뭘 알려주느냐가 중요합니다.
여기서 하나 짚어야 할 개념이 있습니다.
컨텍스트(context) 입니다.
AI가 답변을 만들 때 참고하는 모든 배경 정보를 말합니다.
쉽게 말하면, AI에게 내 상황을 얼마나 알려줬느냐는 뜻입니다.
왜 이게 중요한지, 예를 들어 보겠습니다.
마케팅 담당자가 AI에게 "광고 카피 써줘"라고만 한다고 해보겠습니다. AI는 일반적이고 무난한 문구를 내놓을 수밖에 없습니다. 당연한 일이죠. AI 입장에서는 어떤 브랜드인지, 누구를 대상으로 하는지, 어떤 톤이 맞는지 전혀 모르니까요.
그런데 여기에 브랜드 가이드라인을 붙여주면 어떨까요. 과거에 성과가 좋았던 캠페인 사례를 함께 넣어주면요. 타겟 고객층의 연령대와 관심사까지 알려주면요. 결과물의 수준이 완전히 달라집니다. 같은 AI인데, 맥락의 양에 따라 전혀 다른 결과를 내놓는 겁니다.
"그러면 매번 그 많은 자료를 다 넣어줘야 하나요? 그것도 귀찮은데."
맞습니다. 처음엔 귀찮을 수 있습니다. 하지만 생각해보면 이건 사람 사이의 협업에서도 마찬가지입니다.
새로 온 동료한테 아무 배경 설명 없이 "이거 해줘"라고 하면 엉뚱한 결과가 나옵니다.
그 사람이 무능해서가 아니라, 맥락이 없어서 그런 겁니다.
반대로 프로젝트 배경, 지금까지의 진행 상황, 기대하는 방향을 충분히 공유하면 결과물이 확 달라지죠.
AI도 결국 같은 원리로 작동합니다.
어떤 글에서 이걸 "끝나지 않는 맥락 싸움"이라고 표현한 걸 본 적이 있는데, 묘하게 와닿더군요.
AI를 잘 쓴다는 건, 결국 내 상황을 AI에게 얼마나 잘 전달하느냐의 싸움인 셈입니다.
AI를 쓰면서 가장 의외였던 깨달음이 하나 있습니다.
AI를 잘 쓰는 가장 좋은 방법은, AI에게 AI를 잘 쓰는 법을 물어보는 것이라는 점입니다.
처음엔 말장난처럼 들렸습니다. 그런데 실제로 해보니 꽤 효과가 있었습니다.
예를 들어보겠습니다. 회사 매출 데이터를 분석해야 하는데, AI에게 뭐라고 물어봐야 좋은 결과가 나올지 모르겠다고 해보겠습니다. 보통은 "이 데이터 분석해줘"라고 바로 던지겠죠. 그런데 그 전에 한 단계를 끼워넣는 겁니다. "이 데이터를 분석하고 싶은데, 어떻게 질문하면 더 깊은 인사이트를 뽑을 수 있을까?"라고 먼저 물어보는 거죠.
그러면 AI가 "데이터를 이런 형식으로 정리해서 주시면 좋겠고, 전년 동기 대비 비교를 원하시면 이런 관점에서 질문하면 더 유의미한 분석을 드릴 수 있습니다"라고 안내해 주더군요. 코치에게 코칭받는 것과 비슷한 구조입니다.
제리 맥과이어의 명대사를 빌리자면 "Help it help you"입니다.
AI가 나를 더 잘 도울 수 있도록 내가 먼저 도와주는 것.
사실 AI가 제안하는 방법이 항상 최선인 건 아닙니다. 하지만 아무 전략 없이 바로 질문을 던지는 것보다는, AI의 제안을 참고해서 질문을 다듬은 뒤에 던지는 게 거의 항상 더 나은 결과를 냅니다.
완벽한 가이드가 아니라 출발점으로 쓰는 거죠.
그리고 한 가지 더. AI는 같은 질문을 백 번 해도 짜증 내지 않고, 다른 방식으로 백 번 설명해주는 파트너거든요. 개념이 이해가 안 되면 "좀 더 쉽게 설명해줘"라고 하면 되고, 단계별로 알고 싶으면 "처음부터 하나씩 짚어줘"라고 하면 됩니다. 이 무한한 인내심을 활용하지 않는 건 솔직히 좀 아까운 일이라는 생각이 들었습니다.
지금까지의 이야기를 정리하면 이렇습니다.
반복하고, 맥락을 주고, AI에게 방법을 물어봐라. 그런데 여기에 하나 더 붙여야 할 게 있습니다.
이 방법 자체도 계속 바뀐다는 것.
이게 AI를 다른 도구와 근본적으로 다르게 만드는 지점입니다. 엑셀을 배우면 그 방법이 5년 뒤에도 대부분 통합니다. 그런데 AI는 그렇지 않습니다. 2년 전에 효과적이었던 프롬프트 기법이 지금은 불필요한 경우가 적지 않습니다.
대표적인 게 이미지 생성 쪽인데요. Ideogram이라는 AI 이미지 생성 도구의 경우, 사용자가 대충 입력한 프롬프트를 내부에서 자동으로 훨씬 정교한 문장으로 변환해서 처리합니다. "어두운 청록색 배경에 큰 글씨"라고만 써도, 뒷단에서는 "1950년대 레트로퓨처리즘 스타일의 일러스트레이션, 밝은 흰색과 노란색 글자가 빛나는..." 같은 수십 줄짜리 지시문으로 바뀌어서 실행되는 겁니다.
2024년에는 프롬프트를 정교하게 작성하는 게 핵심 스킬이었는데,
2026년에는 도구가 알아서 해주는 영역이 된 거죠.
"그러면 뭘 배워야 하는 건가요? 배워봤자 금방 쓸모없어지는 거 아닌가요?"
이 불안은 자연스럽습니다. 저도 비슷한 생각을 했었거든요. 그런데 역으로 보면, 이건 오히려 좋은 소식이기도 합니다. 지금 시작하는 사람이 크게 불리하지 않다는 뜻이니까요. 2년 전부터 써온 사람도 어차피 새로운 방식에 적응해야 합니다. 중요한 건 특정 기법을 외우는 게 아니라, "안 되면 다른 방법을 시도해보고, 새 기능이 나오면 바로 써보는" 유연한 태도를 갖추는 것입니다.
이 글을 쓰면서 계속 맴돌았던 생각이 하나 있습니다.
AI는 기술 주제가 아니라는 것. 온갖 다양한 일을 하는 새로운 운영 레이어에 가깝다는 것입니다.
이게 무슨 뜻인지, 두 가지 시각을 나란히 놓아 보겠습니다.
AI를 "기술"로 보면, 배워야 할 스킬이 됩니다.
프롬프트 엔지니어링 강의를 듣고, 모델 사양을 비교하고, 단축키를 외우는 식으로 접근하게 되죠. "이 도구는 이렇게 쓰는 것"이라는 매뉴얼을 하나 만들어서 따르는 방식입니다.
AI를 "운영 레이어"로 보면, 풍경이 완전히 달라집니다. 이메일을 쓸 때도 AI가 끼어들고, 데이터를 분석할 때도, 전략을 고민할 때도, 심지어 소프트웨어를 만들 때도 AI가 개입합니다. 도구 하나를 배우는 게 아니라, 일하는 방식 전체가 바뀌는 것이죠. 엑셀을 배우는 것과는 차원이 다른 이야기입니다.
AI에게 이메일 초안 하나 받아보는 것도, 보고서 요약을 시켜보는 것도 의미가 있습니다. 다만 거기서 멈추면 아까운 거죠. 자판기로 쓰면 자판기 수준의 결과를 받고, 파트너로 쓰면 파트너 수준의 결과를 받습니다.
솔직히 이 관점의 전환이 쉽지는 않습니다. 저도 아직 완전히 체화했다고 말하기 어렵고요.
다만 한 가지는 분명합니다.
AI를 검색창처럼 한 번 쓰고 마는 사람과,
일하는 방식 자체에 녹여내는 사람 사이의 거리는 시간이 갈수록 좁혀지지 않을 겁니다.