공개 노트

AI 시대에 필요한 것은 “해결 능력”이 아니라 “판단력”이다

2026-03-05Views 24약 3분

Summary

“어떤 문제를 해결하지 않았는가”로 결정된다

우리는 처음에 AI를 문제를 해결하기 위해 사용하기 시작했다.

반복 업무를 줄이고 싶었다.
느린 프로세스를 자동화하고 싶었다.
사람이 하기엔 비효율적인 일을 대신 시키고 싶었다.

문제가 있고
AI가 그것을 해결해 줄 것이라는 기대.

그래서 우리는 AI에게 이렇게 묻는다.

“이걸 자동화할 수 있을까?”

그리고 실제로 많은 것이 해결됐다.

몇 달 걸리던 작업이 몇 시간으로 줄었고
사람이 하던 일을 에이전트가 대신하기 시작했다.

하지만 여기서 한 가지 문제가 생긴다.

AI를 도입했는데도
조직의 효율이 크게 좋아지지 않는 경우가 많다.

왜일까?

대부분의 사람들은 AI를 “해결 도구”로만 사용한다

AI를 사용하는 방식은 대체로 이렇다.

문제 발견
→ 해결 요청
→ 자동화

그리고 또 다른 문제가 생긴다.

문제 발견
→ 해결 요청
→ 자동화

이 과정이 반복된다.

AI는 계속 일을 해결하지만
시스템은 점점 더 복잡해진다.

자동화가 늘어나고
에이전트가 늘어나고
프로세스가 늘어난다.

그리고 어느 순간 이런 일이 발생한다.

자동화 결과를 검수하는 사람
예외 상황을 처리하는 프로세스
시스템 오류를 복구하는 운영팀

결국 해결 하나가 의존성 세 개를 데려온다.

비효율을 없애려다가
더 큰 비효율을 만들기도 한다.

AI 시대에 필요한 것은 “해결 능력”이 아니라 “판단력”이다

AI 시대의 핵심 질문은 이것이다.

이 문제를 해결해야 하는가?

AI는 문제를 해결하는 데 매우 강하다.

하지만 어떤 문제를 해결할지 선택하는 것은 여전히 인간의 역할이다.

그래서 AI를 사용할 때 가장 중요한 질문은 이것이다.

이 일을 자동화할까?

이 질문보다 먼저 나와야 하는 질문이 있다.

이 일을 없앨까?

AI 시대의 생산성은 ‘얼마나 해결했나’가 아니라 ‘무엇을 안 했나’로 갈린다

AI를 쓰면 일이 빨라진다. 그런데 이상하게, 조직은 그대로인 경우가 많다. 문제를 ‘더 많이’ 풀었는데도.

핵심은 여기 있다.

AI 시대의 생산성은 ‘문제를 얼마나 해결했는가’가 아니라, ‘어떤 문제를 애초에 해결하지 않기로 결정했는가’로 결정된다.

왜냐하면:

해결은 종종 새 의존성을 만든다: 자동화 1개가 검수/예외처리/운영을 데려온다.
가치가 낮은 문제는 속도를 올려도 성과가 작다: 더 빨리 해도 ‘그 일’ 자체가 중요하지 않다.
최적화보다 삭제가 더 큰 레버리지다: 자동화하기 전에, 먼저 없앨 수 있는지 본다.

AI 시스템은 “관찰 → 판단 → 실행” 구조로 설계해야 한다

많은 AI 시스템은 이렇게 설계된다.

문제
→ 해결

하지만 안정적인 AI 시스템은
항상 세 개의 레이어를 가진다.

Observation
→ Decision
→ Execution

1. Observation (관찰)

여기서는 문제를 해결하지 않는다.

오직 비효율을 관찰한다.

예를 들어 이런 질문을 던진다.

어디에서 시간이 낭비되는가
어떤 작업이 반복되는가
어떤 오류가 계속 발생하는가

이 단계의 목적은 비효율을 발견하는 것이다.

2. Decision (판단)

이 단계가 AI 시대에서 가장 중요하다.

여기서 결정한다.

이 비효율을 해결해야 하는가?

판단 기준은 크게 네 가지다.

Impact (영향)
Frequency (빈도)
Complexity (복잡도)
Dependency (의존성)

예를 들어 이런 결과가 나올 수 있다.

문제	영향	빈도	복잡도	결과
CS 로그 조회	중	높음	낮음	자동화
충전 실패 분석	높음	중	높음	AI 분석
월간 보고서	낮음	낮음	낮음	제거

중요한 점은

모든 비효율을 해결할 필요는 없다는 것이다.

3. Execution (실행)

여기서 처음으로 에이전트가 실행된다.

예를 들어 이런 흐름이다.

충전 실패 감지
→ Investigation Agent
→ Recovery Agent
→ Report Agent

하지만 실행 레이어는 항상 판단 레이어 뒤에 있어야 한다.

AI Agent 설계에서 90%가 실패하는 단 하나의 지점

많은 AI 에이전트 시스템이 실패하는 이유는 단 하나다.

종료 조건이 없다.

에이전트는 일을 시작하는 것은 잘한다.

하지만 언제 멈춰야 하는지는 모른다.

그래서 이런 일이 발생한다.

작업이 끝없이 늘어난다
자동화가 계속 확장된다
시스템이 점점 복잡해진다

좋은 에이전트 시스템은 항상 Task Contract를 가진다.

Goal
Definition of Done
Verification
Stop Rule
Rollback

이 다섯 가지가 있어야
에이전트가 언제 멈춰야 하는지 알 수 있다.

AI 시대의 가장 중요한 능력

AI 시대에는
문제를 해결하는 능력이 점점 덜 중요해진다.

왜냐하면 AI가 이미 그것을 잘하기 때문이다.

대신 더 중요한 능력이 등장한다.

어떤 문제를 해결할지 결정하는 능력

AI가 강해질수록
인간의 역할은 점점 위로 올라간다.

문제 해결
→ 문제 선택
→ 시스템 설계

그래서 앞으로 가장 중요한 질문은 이것이다.

이 일을 자동화해야 하는가?

아니면

이 일을 아예 없애야 하는가?

한 문장 정리

AI 시대의 생산성은

문제를 얼마나 많이 해결했는가가 아니라 어떤 문제를 해결하지 않았는가로 결정된다.