1장. ChatGPT를 잘못 쓰고 있었다

처음 ChatGPT를 쓰는 사람의 손은 대개 같은 곳으로 향한다. 검색창이다. 궁금한 것을 입력하고, 답을 읽고, 맞는지 감으로 판단한다. 모르면 다시 묻는다. 이 방식은 아주 자연스럽다. 우리는 이미 수십 년 동안 검색창과 함께 살아왔기 때문이다.

문제는 ChatGPT가 검색창과 닮아 보여도, 검색창처럼만 쓰기에는 너무 많은 일을 할 수 있다는 점이다. 겉모습은 비슷하지만, 사용법은 전혀 다르다. 검색창처럼 대하는 사람은 정보를 받는다. 직원처럼 대하는 사람은 일을 끝낸다. 여기서 생산성의 차이가 생긴다.

이 장에서 말하고 싶은 것은 단순하다. 많은 사람이 ChatGPT를 못 쓰는 것이 아니라, 잘못된 방식으로 너무 익숙하게 쓰고 있다는 것이다. 정답을 묻는 도구로만 대하면, ChatGPT는 생각보다 별것 아닌 도구가 된다. 하지만 일을 맡길 수 있는 동료로 대하기 시작하면, 갑자기 하루의 구조가 달라진다.

검색창처럼 쓰는 사람, 직원처럼 쓰는 사람

검색창처럼 쓰는 사람은 보통 이렇게 묻는다.

"이 개념이 뭐야?" "이 문장 맞아?" "이 시장 전망 알려줘." "이메일 한 통 써 줘."

겉으로 보면 별문제 없어 보인다. 실제로 이런 질문에도 ChatGPT는 꽤 그럴듯하게 답한다. 그래서 더 헷갈린다. 쓸 만한데, 어딘가 아쉽다. 빠르긴 한데, 결정적이지는 않다. 도움은 되지만, 판을 바꾸지는 못한다.

이유는 간단하다. 이런 질문은 ChatGPT를 "답변 기계"로만 쓰고 있기 때문이다. 질문 하나, 답 하나. 사용자는 계속 다음 질문을 생각해야 하고, 여러 답을 머릿속에서 다시 조립해야 한다. 결국 가장 어려운 일은 여전히 사람이 한다. 목표를 해석하고, 맥락을 연결하고, 결과물을 하나의 형태로 만드는 일이다.

반면 직원처럼 쓰는 사람은 다르게 시작한다. 이들은 질문보다 먼저 일을 정의한다. 예를 들어 그냥 "이메일 써 줘"라고 하지 않는다. 이렇게 말한다.

"거래처에 미팅 일정을 다시 제안해야 해. 상대는 지난번 일정 변경에 예민했고, 이번에는 내가 먼저 배려하는 태도를 보여야 해. 너무 사과만 하지 말고, 일정 선택지를 두 개 주고, 읽는 데 30초 안에 끝나는 짧은 메일 초안 3개를 써 줘. 각 초안의 톤도 설명해 줘."

이 차이는 길이의 차이가 아니다. 관점의 차이다. 첫 번째는 문장을 요청한 것이다. 두 번째는 일을 맡긴 것이다.

직원에게 "뭔가 좀 써 봐"라고 말하면 대개 결과가 애매하다. 반대로 목적, 상대, 제약, 원하는 결과를 알려 주면 일이 빨라진다. ChatGPT도 똑같다. 아니, 어떤 면에서는 더 극단적이다. 사람 동료는 빈칸을 눈치로 메워 주기도 하지만, AI는 빈칸을 멋대로 상상해 버릴 때가 많기 때문이다.

그래서 중요한 것은 AI의 똑똑함을 믿는 일이 아니라, 내가 맡기는 방식이 일을 하게 만드는 구조인지 점검하는 일이다.

"정답을 묻는다"에서 "일을 맡긴다"로

많은 사람이 ChatGPT를 쓸 때 무의식적으로 학교식 사고를 꺼내 든다. 정답이 어딘가 있고, 나는 그것을 빨리 찾아내면 된다는 생각이다. 그래서 질문도 자연스럽게 시험 문제처럼 바뀐다.

"가장 좋은 마케팅 전략은 뭐야?" "이 사업 아이템 괜찮아?" "회의 요약 어떻게 해야 해?"

하지만 현실의 일은 시험 문제가 아니다. 특히 회사 일, 창작 일, 분석 일, 협업 일은 정답보다 적절한 초안과 빠른 수정이 더 중요하다. 많은 경우 필요한 것은 하나의 완벽한 답이 아니라, 당장 다음 단계로 나아가게 해 주는 쓸 만한 결과물이다.

바로 여기서 ChatGPT의 진짜 가치가 드러난다. 이 도구는 세상의 정답을 보관하는 금고가 아니라, 초안 작성과 정리, 비교, 구조화, 변환, 재작성, 검토를 매우 빠르게 해 주는 작업 파트너에 가깝다.

예를 들어 당신이 새로운 온라인 강의를 준비한다고 해 보자. 검색창처럼 쓰는 방식은 이런 흐름이 된다. 주제 조사, 경쟁 강의 조사, 타깃 정리, 커리큘럼 초안, 소개 문구 작성, 홍보 문장 작성, 수강 후기 예상 질문 정리까지 모든 단계를 그때그때 따로 묻는다. 답은 받지만, 연결은 사용자가 한다.

반대로 일을 맡기는 방식은 이렇게 바뀐다. 먼저 목표를 설명한다. 누구를 위한 강의인지, 어떤 문제를 해결하는지, 경쟁 강의와 다른 점이 무엇인지 알려 준다. 그다음 ChatGPT에게 역할을 부여한다. 시장 조사 보조, 커리큘럼 편집자, 홍보 카피라이터, FAQ 정리 담당처럼 단계별로 맡긴다. 그리고 각 단계의 산출물을 다음 단계의 입력으로 다시 넣는다.

이렇게 되면 ChatGPT는 단순한 질의응답 도구가 아니라, 작업 흐름 안에서 계속 일하는 동료가 된다. 사용자는 답을 모으는 사람이 아니라, 일을 설계하고 검토하는 사람이 된다.

이 변화는 작아 보여도 결과는 크게 달라진다. 정답을 묻는 사람은 매번 빈손으로 시작한다. 일을 맡기는 사람은 이전 대화와 결과물을 다음 단계의 발판으로 쓴다. 전자는 질문을 잘해야 하고, 후자는 일을 잘 나눠야 한다. 전자는 답변의 품질에 흔들리고, 후자는 결과물의 방향을 통제한다.

생산성 차이는 어디서 생기는가

겉으로 보기에는 둘 다 ChatGPT를 쓴다. 둘 다 같은 화면을 보고, 비슷한 문장을 입력한다. 그런데 왜 누군가는 하루에 보고서 한 개 겨우 끝내고, 누군가는 초안 세 개와 검토 의견까지 한 번에 뽑아낼까.

차이는 속도보다 구조에서 생긴다.

검색창처럼 쓰는 사람은 질문을 던질 때마다 작은 퍼즐 조각 하나를 받는다. 정의 하나, 예시 하나, 요약 하나. 조각은 많아지지만, 그림은 스스로 맞춰야 한다. 시간이 드는 이유가 여기 있다. 진짜 노동은 답을 받는 순간이 아니라, 답들을 엮어서 실제 일로 바꾸는 순간에 발생한다.

직원처럼 쓰는 사람은 처음부터 그림을 보여 준다. "무엇을 위해", "누구에게", "어떤 형태로", "어디까지" 필요한지를 알려 준다. 그러면 ChatGPT는 조각이 아니라 덩어리로 일한다. 보고서 개요를 만들고, 개요에 맞춰 초안을 쓰고, 초안을 더 간결하게 줄이고, 예상 질문까지 붙일 수 있다.

생산성 차이를 만드는 것은 모델의 성능 이전에, 사용자가 맡기는 작업의 단위다. 잘게 부서진 질문은 잘게 부서진 결과를 낳는다. 반대로 맥락이 있는 작업 요청은 이어지는 결과를 낳는다.

또 하나의 차이는 검토 지점에 있다. 검색창처럼 쓰는 사람은 주로 "맞나?"를 묻는다. 직원처럼 쓰는 사람은 "목적에 맞나?"를 본다. 이 두 질문은 닮았지만 매우 다르다.

"맞나?"는 사실 확인의 문제다. 물론 중요하다. 하지만 현실의 많은 작업은 사실만 맞는다고 끝나지 않는다. 상대에게 전달되는 뉘앙스는 적절한지, 우선순위가 맞는지, 형식이 쓰기 편한지, 내 상황에 들어맞는지가 더 중요할 때가 많다.

예를 들어 회의 요약을 부탁했다고 해 보자. 사실만 맞는 요약은 발언을 줄여 적는 수준에서 끝난다. 목적에 맞는 요약은 다르다. 누가 무엇을 하기로 했는지, 다음 일정은 무엇인지, 지금 당장 결정이 필요한 항목은 무엇인지까지 정리해야 한다. 전자는 기록이고, 후자는 실행이다.

같은 도구를 쓰고도 성과가 갈리는 이유는 바로 이 지점에 있다. 답을 받는 데서 멈추는가, 아니면 다음 행동으로 이어지는 결과물을 얻는가.

잘 묻는 사람보다, 잘 맡기는 사람이 앞서간다

한동안 AI 활용법의 핵심은 "프롬프트를 잘 쓰는 법"처럼 보였다. 실제로 초기에는 그런 면이 있었다. 조금만 다르게 말해도 결과가 크게 흔들렸고, 사람들은 마치 비밀 주문처럼 문장을 다듬었다. 어떤 표현을 쓰면 더 똑똑해 보이는 답이 나오고, 어떤 형식을 붙이면 더 길고 정돈된 답이 나온다고 믿었다.

하지만 시간이 지나며 중요한 사실이 드러났다. 성과를 계속 내는 사람은 프롬프트 장인이 아니라, 작업 설계가 좋은 사람이었다.

물론 프롬프트는 여전히 중요하다. 문제는 많은 사람이 프롬프트를 "마법의 한 문장"으로 오해했다는 데 있다. 현실에서 일은 한 번의 지시로 끝나지 않는다. 사람과 일할 때도 마찬가지다. 좋은 동료가 있는 팀일수록 첫 지시가 완벽하지 않아도 일은 점점 나아진다. 왜냐하면 중간 점검, 피드백, 방향 수정이 있기 때문이다.

ChatGPT도 이제는 이 흐름 속에서 써야 한다. 한 방에 끝내는 질문보다, 점진적으로 다듬는 업무 대화가 더 중요해졌다. 초안을 받고, 비판하게 하고, 빠진 점을 찾게 하고, 다른 버전을 비교하게 하고, 더 짧게 또는 더 구체적으로 바꾸게 하는 식이다.

그래서 앞으로 잘하는 사람은 이렇게 구분될 가능성이 크다. 프롬프트를 예쁘게 쓰는 사람이 아니라, 다음 네 가지를 자연스럽게 하는 사람이다.

• 목표를 분명하게 말하는 사람

• 필요한 맥락을 빠뜨리지 않는 사람

• 결과물의 기준을 정할 수 있는 사람

• 중간에 검토하고 수정 지시를 내릴 수 있는 사람

이 네 가지는 사실 AI 기술이 아니라 업무 능력에 가깝다. 그래서 ChatGPT를 잘 쓴다는 말은 점점 "AI를 잘 다룬다"보다 "일을 잘 설계한다"에 가까워진다.

프롬프트를 잘 쓰는 것이 더 이상 전부가 아닌 이유

여기서 오해를 하나 풀고 가자. "프롬프트가 중요하지 않다"는 말은 아니다. 정확히는 "프롬프트만으로 승부가 나지 않는다"는 뜻이다.

예전에는 질문 한 문장을 어떻게 쓰느냐가 거의 전부처럼 느껴졌다. 지금은 상황이 다르다. 모델은 훨씬 많은 표현을 이해하고, 대화 문맥도 더 잘 따라온다. 따라서 문장 한 줄을 기막히게 꾸미는 능력보다, 어떤 작업을 어떤 순서로 맡기고 어떤 기준으로 검토할지를 아는 능력이 더 큰 차이를 만든다.

생각해 보면 당연하다. 회사에서 일을 잘하는 사람도 멋진 지시 문장을 외우는 사람이 아니다. 일을 시작할 때 목표를 정리하고, 필요한 자료를 모으고, 상대가 헷갈릴 부분을 미리 없애고, 중간 결과를 점검하는 사람이다.

프롬프트 집착이 위험한 이유는 사용자를 수동적으로 만들기 때문이다. 사람들은 "정답 프롬프트"를 찾으려고 한다. 마치 어디선가 복사해 온 문장을 붙이면 내 일이 자동으로 해결될 것처럼 기대한다. 하지만 실제로는 내 일의 맥락이 빠져 있으면, 그 어떤 화려한 프롬프트도 평범한 결과만 낸다.

예를 들어 "전문가처럼 써 줘"라는 말은 멋있지만 거의 쓸모가 없다. 어떤 분야의 전문가인지, 누구를 대상으로 하는지, 얼마나 전문적으로 보여야 하는지, 쉬운 설명이 필요한지 알 수 없기 때문이다. 반면 "비전공자인 팀장이 3분 안에 읽고 의사결정할 수 있게, 기술 용어를 줄이고, 결론을 먼저 쓰는 메모 형식으로 바꿔 줘"는 훨씬 투박해 보여도 실제 결과는 더 좋다.

좋은 프롬프트는 화려한 문장이 아니라, 일을 움직이게 하는 지시다.

이제는 질문이 아니라 업무 대화를 해야 한다

검색창은 한 번 묻고 끝나는 도구다. ChatGPT는 그렇게 쓸 수도 있지만, 그 방식만 고집하면 절반도 못 쓰는 셈이다. 더 나은 방법은 업무 대화를 만드는 것이다.

업무 대화란 이런 흐름을 뜻한다. 먼저 목적을 설명한다. 그다음 현재 가진 자료를 제공한다. 필요한 결과물 형태를 말한다. 초안을 받는다. 부족한 점을 지적한다. 더 나은 버전을 만든다. 마지막으로 사람이 승인하거나 수정한다.

이 구조가 중요한 이유는 AI의 약점까지 함께 다룰 수 있기 때문이다. ChatGPT는 빠르게 초안을 만들고 패턴을 정리하는 데 강하지만, 맥락을 잘못 이해하거나 없는 사실을 자연스럽게 채워 넣을 때도 있다. 따라서 한 번에 완벽한 답을 기대하기보다, 중간 결과를 보며 조정하는 방식이 훨씬 안전하고 실용적이다.

쉽게 말해, ChatGPT는 "한 번에 끝내는 천재"보다 "빠르게 여러 번 일하는 보조자"에 가깝다. 이 특성을 이해하는 사람은 AI에 실망하지 않는다. 대신 AI가 잘하는 구간을 최대한 길게 만들고, 사람이 꼭 봐야 하는 구간만 남긴다.

바로 이 지점에서 생산성이 뛴다. 사람이 모든 초안을 직접 만들 필요가 없어지고, 처음부터 끝까지 혼자 고민할 필요도 줄어든다. 사람은 방향과 기준을 잡고, AI는 시도와 정리를 반복한다.

일을 맡길 때 먼저 주어야 하는 것들

ChatGPT를 직원처럼 쓰기 시작하려면, 무엇을 먼저 건네야 하는지 알아야 한다. 막연히 "잘해 줘"라고 하면, 대개 그럴듯하지만 애매한 결과가 나온다. 아래 다섯 가지는 거의 모든 작업에서 기본이 된다.

• 목표: 이 작업이 왜 필요한지, 무엇을 이루려는지

• 대상: 누가 읽고, 누가 쓰고, 누가 결정하는지

• 맥락: 현재 상황, 이미 한 일, 참고해야 할 정보

• 형식: 표, 메일, 요약, 보고서, 체크리스트처럼 원하는 결과물의 모습

• 기준: 길이, 톤, 빠뜨리면 안 되는 요소, 피해야 할 요소

이 다섯 가지를 모두 길게 설명할 필요는 없다. 짧아도 된다. 중요한 것은 ChatGPT가 추측해야 할 빈칸을 줄이는 것이다.

사람들이 AI를 쓰며 자주 겪는 좌절은 의외로 비슷하다. "너무 뻔한 답이 나왔다", "내 상황에 안 맞는다", "말은 그럴듯한데 바로 못 쓴다." 대부분은 모델이 멍청해서가 아니라, 작업 조건이 전달되지 않아서 생긴다.

반대로 생각하면 희망적이다. AI를 더 잘 쓰기 위해 꼭 엄청난 기술을 배울 필요는 없다. 내가 무엇을 원하는지 더 선명하게 말하면 된다. 즉, AI 활용의 핵심은 AI 언어보다 업무 언어에 있다.

ChatGPT를 잘못 썼다는 것을 인정하는 순간

조금 불편한 말이지만, 많은 사람은 아직도 ChatGPT를 "말 잘하는 검색 도구" 정도로만 사용한다. 그래서 쓸수록 두 가지 감정을 번갈아 느낀다. 가끔은 놀랍고, 자주 아쉽다. 잘할 때는 엄청 잘하는데, 이상하게 중요한 순간에는 못 미덥다.

이 감정은 자연스럽다. 잘못 썼기 때문이다. 더 정확히 말하면, 너무 익숙한 방식으로만 썼기 때문이다.

검색 시대의 습관은 질문을 잘 만드는 데 집중하게 했다. 하지만 AI와 함께 일하는 시대에는 질문보다 설계가 중요하다. 무엇을 맡길지, 어떤 단위로 나눌지, 무엇을 확인할지, 어느 순간 사람이 개입할지를 정해야 한다.

이것은 단순한 사용 팁이 아니다. 일하는 방식의 전환이다. 그래서 어떤 사람은 ChatGPT를 몇 달 써도 "그냥 심심할 때 쓰는 도구"로 느끼고, 어떤 사람은 같은 기간 안에 자신의 업무 프로세스 일부를 완전히 바꿔 버린다.

둘의 차이는 재능이 아니라 관점이다. 하나는 답을 찾고, 하나는 일을 맡긴다.

이 장의 핵심

이제 1장의 메시지를 한 문장으로 정리해 보자. ChatGPT를 잘 쓰는 사람은 질문을 많이 하는 사람이 아니라, 일을 맡길 수 있는 형태로 바꾸는 사람이다.

검색창처럼 쓰면 당신은 계속 노동의 중심에 남는다. 답을 모으고, 연결하고, 판단하고, 다시 쓰는 일을 모두 직접 해야 한다. 직원처럼 쓰면 역할이 달라진다. 당신은 방향을 정하고, 기준을 세우고, 검토하는 사람이 된다. 그리고 ChatGPT는 그 사이의 반복 작업을 맡는다.

이 차이가 쌓이면, 단순한 편리함이 아니라 생산성의 격차가 된다.

다음 장에서는 이 질문이 자연스럽게 이어진다. 그렇다면 AI에게는 어떤 일을 맡겨야 할까. 모두가 말하는 "좋은 모델"보다 더 중요한 것은, 사실 어떤 일을 누구에게 시킬지를 아는 것이다. 같은 도구라도 맡기는 일의 종류가 다르면 결과는 완전히 달라진다.