인간과 AI의 경계에서 배우는 것들
“이 정도면 AI가 다 해주는 시대가 곧 오겠지.”
AI가 일상과 업무 깊숙이 들어온 지금, 우리는 종종 이렇게 생각한다.
하지만 실제 현장에서 AI를 다뤄본 사람들은 조금 다른 이야기를 한다.
“AI는 분명 강력하지만, 만능은 아니다.”
그리고 이 경계를 이해하는 순간, AI는 비로소 우리에게 ‘진짜 도움이 되는 도구’가 된다.
AI는 인간을 대체하는 기술이 아니라
인간을 더 인간답게 만드는 도구
최근 뒤늦게나마 AI 관련 책들을 따라 읽고 있다. 그중 다카키 유우토(髙木裕仁)의 『AI가 잘하는 일은 따로 있다(その仕事、AI には無理です, 직역하면 ‘그 일, AI에게는 무리입니다’)』는 AI가 실제로 잘하는 일을 먼저 명확하게 짚어준다.
・ 복잡한 문서를 요약하는 일
・ 초안을 빠르게 만들어내는 일
・ 아이디어를 폭발적으로 뽑아내는 일
・ 패턴을 찾아 나열하는 일
즉, ‘형태가 있는 정보’를 재구성하거나 확장하는 작업은 AI의 특기다. 반복적이고 구조화된 업무일수록 AI는 더 정확하고 빠르게 움직인다.
그런데 왜 AI 프로젝트는 자꾸 실패할까
AI 도입만으로 혁신이 일어날 것처럼 기대하지만, 막상 현실에서는 “생각보다 별로인데?”라는 반응이 적지 않다. 다카키 대표는 그 이유를 세 가지로 설명한다.
・ 문서 품질이 낮다: AI는 데이터를 기반으로 움직이는데, 정작 회사 내부 문서는 오래되고 중복되거나 정리되지 않은 경우가 많다. AI가 틀린 답을 하는 게 아니라, 애초에 알려준 정보가 엉망인 것이다.
・ 업무가 언어화되어 있지 않다: 사람은 ‘감’으로 처리하지만 AI는 감을 이해하지 못한다. 업무 흐름이 정리되어 있지 않으면 AI는 제대로 움직일 수 없다.
・ 현장의 맥락을 모른다: 영업 롤플레잉, 고객 대응, 브랜드 톤이 필요한 글쓰기 등은 AI가 ‘그럴듯하게’는 하지만, 사람 사이의 미묘한 분위기를 읽지 못한다.
AI에게 맡길 일 / 사람이 해야 할 일
이 책의 가장 실용적인 부분은 바로 이 구분이다.
1) AI에게 맡기면 좋은 일 → 사람의 시간을 절약해 주는 영역
・ 초안 만들기
・ 요약
・ 아이디어 발산
・ 반복적 문서 작업
2) 사람이 해야 하는 일 → 사람만이 할 수 있는 ‘맥락적 사고’가 필요한 영역
・ 최종 판단
・ 책임이 필요한 결정
・ 예외 처리
・ 감정·관계 조율
・ 브랜드 톤(상황과 상대에 따라 변하는 말의 말투와 감정)이 필요한 글쓰기
결국 중요한 건 ‘AI를 잘 쓰는 사람’
이 책은 기술 이야기를 하는 것 같지만, 결국 말하고 싶은 메시지는 단순하다.
"AI를 잘 쓰는 사람은, 일을 더 잘 설계하는 사람이다."
AI는 사람을 대체하는 존재가 아니라, 사람의 능력을 확장하는 기반이다. AI를 어떻게 활용할지 고민하는 과정 자체가 우리가 하는 일의 본질을 다시 들여다보게 만든다.
AI가 모든 일을 대신해 줄 것이라는 기대는 어쩌면 우리가 스스로에게 바라는 ‘편안한 미래’의 환상일지도 모른다. 하지만 이 책은 "AI는 인간을 대체하는 것이 아니라, 인간을 더 인간답게 만들어주는 도구"라고 말한다. AI에게 맡길 일과 사람이 해야 할 일을 구분하는 순간, 우리는 더 창의적이고, 더 인간적인 일을 할 수 있게 된다. 그리고 그 지점에서 비로소 AI는 우리에게 ‘진짜 동료’가 된다.
서문에서 발췌
AI 도입의 첫걸음은 사실 꾸준한 작업의 누적입니다. 데이터 정리, 프롬프트 설계, 업무 흐름 검토 등은 사람의 손으로 환경을 정비해야 합니다. 그 실체를 모른 채 “AI를 쓰면 순식간에 할 수 있을 거야”라고 기대해도, 현실은 그렇게 간단하지 않습니다.
저는 이러한 격차, 즉 AI가 할 수 있는 일과 할 수 없는 일의 경계를 모호하게 유지한 채 현장에서 활용하려는 것이 혼란의 원인이라고 생각합니다.
P.S ‘AI를 잘 쓰는 사람'”이 되기 위해 반드시 이해해야 할 'AI 활용 5가지 키워드’
1) LLM (Large Language Model) → AI 활용의 출발점
・ AI의 ‘두뇌’에 해당하는 언어 모델
・ 인간의 언어를 이해하고 생성하는 핵심 엔진
・ 문서 요약, 번역, 초안 작성 등 대부분의 AI 기능의 기반
・ 모델의 성능이 곧 업무 효율과 직결됨
2) 프롬프트 엔지니어링 → AI에게 “어떻게 지시할 것인가”에 대한 기술로 AI를 잘 쓰는 사람과 못 쓰는 사람의 차이를 만드는 요소
・ 같은 질문이라도 표현 방식에 따라 결과가 크게 달라짐
・ 역할 부여, 조건 명시, 예시 제공 등이 핵심
・ AI를 ‘도구’가 아니라 ‘협업자’처럼 다루는 기술
3) RAG (Retrieval-Augmented Generation) → 사내 문서·데이터를 AI와 연결하는 기술
・ AI가 회사 내부 문서를 검색하고 요약해 주는 구조
・ “AI가 틀린 답을 한다”는 문제의 상당수는 '문서 품질 부족' 또는 'RAG 설계 미흡' 때문
・ 최신 정보, 회사 고유 정보 반영에 필수 → 기업에서 AI를 제대로 쓰기 위한 핵심 인프라
4) AI 에이전트 (Agent)→ 여러 작업을 자동으로 이어서 수행하는 '미래 업무 자동화의 중심 기술',
・ 예: 이메일 확인 → 일정 조정 → 보고서 초안 생성
・ 단일 작업이 아니라 '업무 흐름 전체를 자동화'
・ 하지만 업무 프로세스가 정리되어 있지 않으면 작동 불가
5) 파인튜닝 (Fine-tuning) → 특정 업무에 맞게 AI를 재훈련하는 과정으로 ‘우리 회사만의 AI’를 만드는 기술
・ 회사 고유의 문체, 규칙, 전문 용어를 반영
・ 고객 응대, 브랜드 톤, 전문 분야 문서에서 효과적
・ 하지만 비용·데이터 품질·보안 이슈가 있어 무조건 하는 것이 아니라 '전략적 선택'이 필요
시사점: 'AI 활용 5가지 키워드’의 핵심 메시지는 'AI 활용은 단순히 챗봇을 쓰는 것이 아니라, LLM–프롬프트–RAG–에이전트–파인튜닝이라는 5가지 축을 어떻게 조합하느냐의 문제다.
이 5가지를 이해하면 '어떤 업무를 AI에 맡길 수 있는지', '어떤 기술이 필요한지', '왜 AI 프로젝트가 실패하는지'를 명확하게 판단할 수 있다.
저자 다카키 유토 (髙木 裕仁, Yuto Takaki)
데이터 사이언티스트. NIRO(AI 컨설팅) 대표이사 / 아키바 공화국(アキバ共和国(AI·머신러닝 기술과 서브컬처를 융합한 IT 기업) 이사. 쿠마모토 대학 공학부 졸업. 최첨단 기술을 사회에 구현하는 것을 사명으로 삼고 있다. 전문 기술을 ‘사람에게 전달되는 말’로 번역하고, 주로 AI 및 데이터 활용 분야에서 기업을 지원하고 있다.