5부 26장. 나만의 반복 업무를 AI 흐름으로 바꾸기

많은 사람이 AI 활용 사례를 볼 때 이런 생각을 한다.

"저건 저 사람 일이니까 가능한 거 아닌가?"

맞는 말이다. 남의 사례는 늘 반짝여 보이지만, 내 일상은 훨씬 지저분하다. 자료는 여기저기 흩어져 있고, 요청은 갑자기 들어오고, 같은 일 같지만 미묘하게 다르고, 무엇보다 내 업무에는 나만 아는 귀찮은 예외가 많다.

그래서 진짜 중요한 질문은 이것이다.

"남이 만든 멋진 사례를 어떻게 따라 할까?"가 아니라, "내가 매주 반복하는 일을 어떻게 AI 흐름으로 바꿀까?"

이 장에서는 바로 그 지점을 다룬다. 회의, 리서치, 글쓰기 같은 큰 이름의 업무가 아니라, 실제로 당신의 하루를 자꾸 잘게 잘라 먹는 반복 작업들 말이다. 메일 초안 만들기, 자료 형식 맞추기, 회의 후 정리 보내기, 공부한 내용 복습 문제 만들기, 고객 문의를 비슷한 방식으로 답하기, 긴 문서를 짧게 바꿔 여러 채널에 올리기 같은 일들이다.

AI를 잘 쓰는 사람은 거대한 자동화부터 만들지 않는다. 먼저 작게 반복되는 마찰을 발견하고, 그 마찰을 반복 가능한 흐름으로 바꾼다. 이 감각이 생기면 남의 사례를 구경하는 단계에서 벗어나, 내 일에 맞는 루틴을 직접 만들 수 있게 된다.

반복 업무는 "큰 일"보다 "자꾸 끼어드는 일"에서 찾는다

반복 업무라고 하면 사람들은 종종 아주 큰 것을 떠올린다. 주간 보고, 월간 정산, 프로젝트 문서화 같은 것들 말이다. 물론 그런 것도 반복 업무다. 하지만 실제로 AI 전환 효과가 빨리 나는 것은 대개 더 작고 자주 일어나는 일이다.

예를 들어 이런 장면을 떠올려 보자. 누군가는 매번 회의가 끝나면 메모를 정리해 팀 채팅방에 공유한다. 누군가는 고객 문의가 오면 비슷한 설명을 조금씩 바꿔 답한다. 누군가는 공부한 내용을 요약한 뒤, 시험 대비용 질문으로 다시 바꾼다. 누군가는 블로그 글 하나를 뉴스레터용 짧은 글, SNS 소개 문구, 발표 개요로 계속 변환한다.

이 일들은 하나하나 보면 대단해 보이지 않는다. 하지만 자주 반복된다. 그리고 바로 이런 일들이 하루 집중력을 야금야금 갉아먹는다.

AI 흐름으로 바꾸기 좋은 후보는 대체로 세 가지 특징을 가진다.

• 자주 반복된다.

• 입력과 출력의 형태가 어느 정도 비슷하다.

• 판단은 조금 필요하지만, 처음부터 끝까지 전부 깊은 사고를 요구하지는 않는다.

쉽게 말해, 매번 완전히 새로운 예술 작품을 만드는 일보다, 비슷한 구조를 가진 작업을 여러 번 처리하는 일이 훨씬 좋은 출발점이다.

"내 일은 너무 제각각"이라는 착각

많은 사람이 자기 업무를 너무 특별한 것으로 느낀다. 물론 실제로 특별한 점도 있다. 하지만 조금만 뜯어 보면 반복되는 구조가 숨어 있다.

예를 들어 "나는 매번 다른 주제로 글을 써서 반복 업무가 없다"고 말하는 사람도 있다. 그런데 자세히 보면 주제를 고르고, 자료를 모으고, 개요를 만들고, 초안을 쓰고, 제목을 다듬고, 요약 문구를 만드는 흐름은 매번 비슷하다. "나는 고객마다 요청이 달라서 자동화가 안 된다"고 말하는 사람도 있다. 하지만 고객 문의를 읽고, 의도를 분류하고, 필요한 자료를 찾고, 초안을 만든 뒤, 표현만 조금 손보는 과정은 반복될 가능성이 크다.

즉, 내용은 달라도 작업의 뼈대는 반복될 수 있다.

AI 흐름 설계는 내용을 똑같이 만들려는 것이 아니다. 뼈대를 고정하려는 것이다. 사람은 매번 바뀌는 내용과 예외를 보고, AI는 반복되는 뼈대를 밀어 준다. 이 역할 분담이 잡히면 업무는 훨씬 덜 지친다.

먼저 해야 할 일: 최근 일주일을 거꾸로 복기하기

나만의 AI 루틴을 만들고 싶다면, 새로운 도구를 찾기 전에 먼저 최근 일주일을 복기하는 편이 좋다. 놀랍게도 좋은 후보는 머리로 떠올릴 때보다, 실제 기록을 볼 때 훨씬 잘 보인다.

캘린더, 메모, 메신저, 작업 관리 도구, 보낸 메일함을 훑어 보자. 그리고 이런 질문을 던져 보자.

• 지난 7일 동안 세 번 이상 한 일은 무엇이었나.

• 할 때마다 귀찮았지만, 완전히 새로운 일은 아니었던 것은 무엇이었나.

• 내가 직접 쓰지 않아도 될 초안이나 정리 작업은 무엇이었나.

• 자료를 찾거나 형식을 맞추느라 시간을 쓴 일은 무엇이었나.

• 같은 설명을 조금씩 바꿔 반복한 일은 무엇이었나.

이렇게 보면 놀랄 만큼 많은 일이 보인다. 우리는 보통 큰 일만 기억하고, 잔반처럼 흩어진 작은 반복은 놓친다. 그런데 AI는 오히려 이런 잔반 처리에 강하다. 사람은 큰 결정을 하고, AI는 자잘한 반복을 밀어 준다. 이것만으로도 하루의 리듬이 달라진다.

반복 업무를 찾았으면, 이제 "작업"이 아니라 "흐름"으로 본다

반복 업무를 하나 찾았다고 해 보자. 여기서 바로 "이걸 자동화해 줘"라고 뛰어들면 대개 실패한다. 먼저 해야 할 일은 그 일을 단일 작업이 아니라 흐름으로 보는 것이다.

예를 들어 "고객 문의 답변"이라는 업무가 있다고 하자. 겉으로는 답장 한 통 보내는 일처럼 보인다. 하지만 실제로는 여러 단계가 숨어 있다. 문의를 읽고, 유형을 파악하고, 필요한 정보를 찾고, 답변 초안을 만들고, 위험한 표현이 없는지 보고, 필요한 링크를 붙이고, 보낸 뒤 기록까지 남긴다.

이걸 한 번에 묶어서 보면 막막하다. 반대로 잘라 보면 선명해진다.

바로 이때 AI가 들어갈 자리가 보인다. 유형 분류는 AI가 잘할 수 있고, 초안 작성도 잘할 수 있다. 하지만 정책 예외 판단이나 민감한 대응 수위 조절은 사람이 봐야 할 수 있다. 즉, 흐름으로 봐야 비로소 어디를 맡기고 어디를 남길지 결정할 수 있다.

나만의 AI 흐름을 만드는 7칸

복잡하게 생각할 필요는 없다. 어떤 반복 업무든 아래 일곱 칸으로 정리해 보면 윤곽이 잡힌다.

• 트리거: 이 일은 언제 시작되는가.

• 목표: 끝났을 때 무엇이 완성되어야 하는가.

• 입력: 시작할 때 필요한 자료는 무엇인가.

• 단계: 실제로 어떤 순서로 처리되는가.

• 판단: 이 중 무엇은 사람이 꼭 봐야 하는가.

• 출력: 결과물은 어떤 형식이어야 하는가.

• 저장과 전달: 완성된 결과를 어디에 남기고 누구에게 보내는가.

이 일곱 칸이 중요한 이유는, 많은 사람이 AI 활용을 "질문 한 줄"로만 생각하기 때문이다. 하지만 실제 반복 업무는 질문으로 끝나지 않는다. 시작 조건이 있고, 참고 자료가 있고, 중간 판단이 있고, 끝난 뒤의 전달 방식까지 있다. 이 전체를 봐야 루틴이 된다.

예를 들어 공부 복습 루틴을 만든다고 해 보자. 트리거는 강의나 챕터를 끝낸 직후다. 목표는 다음 날 다시 볼 수 있는 복습 카드 세트를 만드는 것이다. 입력은 강의 노트와 교재 요약이다. 단계는 핵심 개념 추출, 빈칸 문제 만들기, 예상 질문 만들기, 오답 포인트 정리다. 판단은 내가 정말 헷갈린 부분이 어디인지 체크하는 단계다. 출력은 짧은 복습 카드와 퀴즈다. 저장과 전달은 노트 앱이나 플래시카드 앱에 넣는 것이다.

이렇게 써 놓으면 suddenly, 아니 갑자기 일이 훨씬 작고 다룰 만하게 느껴진다.

완전 자동화보다 반자동화가 더 현실적이다

처음에는 대부분 반자동화가 더 좋다. 이유는 간단하다. 반복 업무에는 늘 작은 예외가 끼어들기 때문이다.

예를 들어 AI가 메일 초안을 써 주는 것은 좋다. 하지만 받는 사람과 관계, 지금 상황의 민감도, 어조의 세기 같은 것은 사람이 마지막에 보는 편이 안전하다. AI가 보고서 표를 정리하는 것도 좋다. 하지만 어떤 수치를 강조할지, 어떤 내용을 빼야 오해가 없는지는 사람이 정해야 한다.

그래서 나만의 AI 흐름을 만들 때는 처음부터 "사람 없이 다 돌린다"보다 "사람이 매번 하던 일 중 어디까지를 덜어 낼까"라고 보는 편이 낫다.

반자동화의 장점은 크다. 위험은 낮고, 속도는 빨라지고, 실패했을 때 고치기도 쉽다. 무엇보다 내 일이 어떻게 굴러가는지 내가 더 잘 이해하게 된다. 자동화는 종종 기술 문제처럼 보이지만, 사실은 업무 이해 문제에 더 가깝다.

좋은 후보와 나쁜 후보를 구분하자

모든 일을 AI 흐름으로 바꿀 필요는 없다. 바꾸면 오히려 더 피곤해지는 일도 있다.

좋은 후보는 대체로 이렇다. 자료 정리, 형식 변환, 초안 작성, 분류, 요약, 반복 설명, 체크리스트 생성, 후속 문구 작성처럼 구조가 있고 반복이 있는 일이다. 반면 좋지 않은 후보는 이해관계가 복잡하고, 예외가 많고, 실수 비용이 크고, 아직 내 기준조차 정해지지 않은 일이다.

이를테면 아직 방향도 못 정한 중요한 채용 판단을 처음부터 AI에 맡기는 것은 위험하다. 반대로 지원서에서 기본 항목을 정리하고, 공통 질문 목록을 뽑고, 인터뷰 메모 형식을 맞추는 일은 좋은 후보가 될 수 있다.

핵심은 이것이다. AI는 판단을 완전히 대신하는 장치라기보다, 판단에 이르기 전까지의 반복 노동을 덜어 주는 장치로 볼 때 훨씬 잘 맞는다.

개인 루틴을 만드는 가장 쉬운 방법: "실제 사례 세 개"를 모아라

많은 사람이 템플릿을 만들 때 추상적으로 시작한다. "고객 답변 프롬프트", "보고서 생성 프롬프트"처럼 이름부터 거창하게 붙인다. 그런데 이렇게 만들면 막상 실제 상황에서 잘 안 맞는다.

더 좋은 방법은 실제 사례 세 개를 모으는 것이다. 최근에 내가 처리한 같은 종류의 작업 세 개를 꺼내 보는 것이다. 예를 들어 최근에 보낸 비슷한 메일 세 통, 최근에 만든 회의 후속 정리 세 개, 최근에 공부한 챕터 요약 세 개 말이다.

그리고 공통점을 찾는다. 항상 들어가는 항목은 무엇인가. 자주 바뀌는 부분은 무엇인가. 내가 매번 손보는 문장은 어떤 종류인가. 실수하기 쉬운 지점은 어디인가.

이렇게 하면 좋은 루틴이 나온다. 왜냐하면 공통 부분은 고정할 수 있고, 바뀌는 부분은 변수로 남길 수 있기 때문이다. 즉, 템플릿이 현실과 맞닿게 된다.

좋은 루틴은 늘 두 층으로 이루어진다. 고정되는 뼈대와 매번 바뀌는 변수다. 뼈대는 AI에게 맡기고, 변수는 입력으로 넣거나 사람이 마지막에 조정하면 된다.

예시 1: "자료를 보고 정리 메모 보내기"를 루틴으로 바꾸기

어떤 직장인은 상사에게 자료를 받은 뒤, 핵심만 추려 짧은 메모를 보내는 일을 자주 한다고 해 보자. 매번 하는 일은 비슷하다. 문서를 읽고, 핵심 세 줄을 뽑고, 중요 수치와 리스크를 적고, 다음 행동 제안을 한 줄 덧붙인다.

이 일은 AI 흐름으로 바꾸기 좋다. 트리거는 문서를 받는 순간이다. 입력은 문서 원문과 메모를 보낼 상대의 성향이다. AI는 먼저 핵심 요약과 중요 수치를 뽑는다. 그다음 "임원에게 보내는 7줄 메모 형식"으로 초안을 만든다. 사람은 마지막에 빠진 맥락, 표현 수위, 정치적으로 민감한 부분을 다듬는다.

중요한 것은 여기서 "문서를 요약해 줘"로 끝내지 않는 것이다. 요약은 중간 단계일 뿐이다. 최종 목표는 내 조직에서 실제로 쓸 수 있는 짧은 메모다. 이 차이를 기억해야 루틴이 실무에 붙는다.

예시 2: "공부한 내용을 복습 재료로 바꾸기"를 루틴으로 만들기

학생이나 자기계발 학습자에게도 반복 업무는 많다. 읽고 끝내면 금방 잊어버리기 때문에, 보통 다시 요약하고 다시 질문을 만들고 다시 복습해야 한다.

여기서 나만의 AI 흐름은 꽤 강력하다. 챕터를 읽은 뒤 노트를 붙여 넣으면, AI가 핵심 개념 5개, 자주 헷갈리는 차이점, 시험형 질문 10개, 한 줄 요약 3개를 만든다. 그다음 사람은 실제로 내가 틀릴 만한 부분만 표시하고, 어렵거나 불필요한 문항을 걸러 낸다. 마지막에는 이 결과를 복습 앱이나 노트에 저장한다.

이 흐름의 장점은 단순 요약으로 끝나지 않는다는 점이다. 읽은 내용을 다시 꺼내 쓸 수 있는 형태로 바꿔 준다. 학습에서 중요한 것은 많이 읽는 것이 아니라, 자주 꺼내 보는 것이다. AI는 바로 이 변환을 빠르게 도와준다.

예시 3: "한 번 만든 글을 여러 형식으로 돌려 쓰기"를 루틴으로 만들기

콘텐츠를 만드는 사람은 늘 같은 문제를 겪는다. 긴 글은 하나 썼는데, 거기서 다시 카드뉴스 문구를 만들고, 짧은 소개글을 만들고, 발표용 요약을 만들고, SNS용 한 문장을 또 만들어야 한다. 창작보다 변환이 더 피곤할 때도 많다.

이럴 때는 긴 글을 원재료로 보고, AI를 변환 파트너로 두면 좋다. 먼저 본문에서 핵심 주장과 예시를 분리한다. 그다음 채널별 길이와 톤에 맞게 재구성한다. 블로그용은 설명을 살리고, SNS용은 훅을 살리고, 발표용은 구조를 살린다. 사람은 마지막에 과장이나 어색한 표현을 고친다.

이 루틴이 자리 잡으면, "하나 만들고 끝"이 아니라 "하나 만들고 여러 군데에 맞게 펼치기"가 쉬워진다. 반복 업무가 줄어드는 동시에, 콘텐츠 자산도 더 오래 쓸 수 있다.

루틴은 프롬프트 하나가 아니라 체크포인트까지 포함해야 한다

많은 사람이 루틴을 만든다고 해 놓고 사실은 프롬프트 한 줄만 저장한다. 하지만 루틴은 그보다 넓다. 언제 시작하는지, 어떤 자료를 붙이는지, 중간에 무엇을 확인하는지, 어디에 저장하는지까지 있어야 한다.

예를 들어 "회의 후 정리" 루틴이 있다면, 프롬프트보다 더 중요한 것은 이런 것들이다. 회의 직후 10분 안에 녹취와 메모를 넣는다. AI가 결정 사항과 액션 아이템을 나눠 준다. 사람이 담당자와 마감일을 확정한다. 최종본은 팀 문서와 채팅방에 동시에 남긴다. 다음 회의 전에는 미완료 항목만 다시 불러온다.

이 순서가 있어야 매번 덜 흔들린다. 결국 루틴의 핵심은 "어떻게 묻느냐"만이 아니라, 어떻게 시작하고 어떻게 끝내느냐에 있다.

실패하는 개인 자동화의 공통점

나만의 AI 흐름을 만들다 보면 흔히 세 가지 함정에 빠진다.

첫째, 너무 큰 일을 한 번에 바꾸려 한다. "내 업무 전체를 자동화하자"라고 시작하면 거의 반드시 흐려진다. 둘째, 내 실제 자료가 아니라 가상의 예시로 설계한다. 그러면 현실에서 자꾸 예외가 터진다. 셋째, 검토 단계를 없앤다. 그 결과 속도는 빨라도 품질이 불안해진다.

그래서 시작은 항상 작아야 한다. 하루에 한 번 이상 반복되거나, 일주일에 세 번 이상 반복되는 일 하나면 충분하다. 그리고 실제 사례로 설계해야 한다. 마지막으로 사람이 확인하는 칸을 남겨 두어야 한다.

AI 흐름은 완벽한 기계가 아니라, 내 일을 덜 흔들리게 만드는 보조 레일에 가깝다. 레일이 있다고 기관사가 필요 없어지는 것은 아니다.

내 루틴이 잘 설계되었는지 확인하는 질문

루틴을 하나 만들었다면, 다음 질문으로 점검해 보자.

• 이 흐름은 내가 실제로 자주 하는 일에 붙어 있는가.

• 시작할 때 필요한 입력이 분명한가.

• AI가 맡을 부분과 사람이 맡을 부분이 나뉘어 있는가.

• 결과물이 다음 행동으로 바로 이어질 수 있는가.

• 다음 주에도 같은 방식으로 다시 쓸 수 있는가.

이 다섯 가지에 선명하게 답할 수 있다면, 그 루틴은 꽤 좋은 출발점이다. 반대로 "그때그때 다 달라서…"라는 말이 계속 나온다면, 아직 작업을 너무 크게 묶어 보고 있을 가능성이 크다. 더 잘게 나눠 보자.

루틴은 저장해야 진짜 자산이 된다

한 번 잘 만든 흐름도 저장하지 않으면 금방 사라진다. 그래서 루틴은 기억이 아니라 자산으로 다뤄야 한다.

가장 단순한 방법은 개인 문서 하나를 만드는 것이다. 업무 이름, 트리거, 입력 자료, 사용하는 지시문, 사람 검토 포인트, 최종 출력 형식, 실패했던 사례를 짧게 적어 둔다. 그리고 쓸 때마다 조금씩 고친다.

이 문서는 처음에는 초라해 보여도 시간이 갈수록 강해진다. 왜냐하면 당신만의 기준이 쌓이기 때문이다. 어떤 톤을 선호하는지, 어떤 실수가 자주 나는지, 어떤 형식이 실제로 잘 먹히는지 점점 선명해진다. 이때부터 AI 활용은 즉흥적인 대화가 아니라, 내가 만든 운영 방식이 된다.

결국 중요한 것은 "내가 자주 하는 일"을 보는 눈이다

남의 사례는 영감을 준다. 하지만 성과는 늘 내 반복에서 나온다. 내가 자주 하는 일, 자꾸 다시 하는 일, 할 때마다 집중력이 새는 일, 매번 조금씩 바꿔 반복하는 일을 발견해야 한다. 바로 거기에 AI가 붙을 자리가 있다.

AI 시대의 생산성은 거대한 자동화 플랫폼에서만 나오지 않는다. 오히려 자주 반복되는 작은 흐름을 얼마나 잘 다듬었는가에서 크게 갈린다. 매일 10분씩 아끼는 루틴 하나, 매주 세 번 덜 지치게 만드는 루틴 하나, 실수를 줄여 주는 검토 루틴 하나가 쌓이면 체감은 놀랄 만큼 커진다.

AI는 당신의 일을 저절로 이해하지 못한다. 하지만 당신이 반복을 발견하고, 구조를 나누고, 입력과 검토 지점을 정해 주면 놀랄 만큼 성실한 작업 파트너가 된다.

이 장의 정리

나만의 반복 업무를 AI 흐름으로 바꾼다는 것은 남의 멋진 사례를 흉내 내는 일이 아니다. 내가 자주 하는 일을 찾아, 그 안의 반복 구조를 드러내고, 사람과 AI의 역할을 나눠 루틴으로 만드는 일이다.

시작은 작아야 한다. 최근 일주일을 복기해 반복되는 일을 찾고, 실제 사례 세 개를 모으고, 트리거와 입력과 출력과 판단 지점을 적어 보자. 완전 자동화보다 반자동화를 먼저 만들고, 프롬프트만이 아니라 체크포인트와 저장 방식까지 함께 설계하자.

그렇게 하면 AI는 더 이상 가끔 신기한 답을 주는 도구가 아니다. 내 하루를 조금 덜 끊기게 하고, 내 일을 조금 더 부드럽게 굴러가게 만드는 개인용 작업 흐름 엔진이 된다.

다음 부부터는 이런 흐름이 더 확장된 형태로 나타나는 장면을 보게 된다. 이제 관심은 단순한 반복 업무를 넘어, 스스로 계획하고 도구를 쓰며 실행까지 이어 가는 존재, 곧 에이전트로 넘어간다.