4장. 작업을 맡길 수 있는 형태로 자르기

많은 사람이 ChatGPT를 써도 기대한 만큼 생산성이 오르지 않는 이유는 의외로 단순하다. 일을 맡겼기 때문이 아니라, 막연함을 던졌기 때문이다.

"이거 좀 해 줘"는 부탁처럼 들리지만, 실제로는 일이 아니다. 아직 덩어리 상태의 희망에 가깝다. 사람 동료에게도 막연한 말로 일하면 결과가 흔들리는데, AI에게는 더 그렇다. 사람은 눈치를 보며 빈칸을 메우지만, AI는 빈칸을 그럴듯하게 상상해 버리기 쉽다.

그래서 위임의 출발점은 질문이 아니다. 작업 설계다. 무엇을 해 달라고 말하기 전에, 무엇이 끝난 상태인지부터 정해야 한다. 이때 가장 중요한 전환은 이것이다.

"이걸 해줘"에서 "이 결과물을 이렇게 내줘"로 바꾸는 것.

이 한 문장 차이가, 도구를 만지는 사람과 일을 맡기는 사람을 가른다.

왜 우리는 일을 잘 못 자르는가

사람은 자기 머릿속에서는 일을 크게 본다. "강연 준비", "콘텐츠 운영", "보고서 작성", "신제품 출시"처럼 한 덩어리로 붙여서 생각한다. 하지만 실제로 이런 일들은 하나의 작업이 아니라 여러 판단과 산출물이 엮인 묶음이다.

예를 들어 "뉴스레터 하나 만들기"라는 일 안에는 이런 것들이 섞여 있다. 주제 고르기, 독자 가정하기, 자료 모으기, 메시지 정리하기, 제목 뽑기, 초안 쓰기, 문장 다듬기, 링크 점검하기, 발송 전 검토하기. 우리는 이 모든 것을 한 단어로 부르지만, AI는 그 한 단어만으로는 어디부터 시작해야 할지 알기 어렵다.

일이 덩어리로 보일수록 맡기기 어렵다. 반대로 작업 단위가 보일수록 위임이 쉬워진다.

좋은 사용자는 AI에게 더 많은 일을 시키는 사람이 아니라, 더 작은 단위로 명확하게 시키는 사람이다.

맡길 수 있는 일과 아직 맡기면 안 되는 일

모든 일을 잘게 자른다고 다 AI에게 맡길 수 있는 것은 아니다. 중요한 것은 "잘게 나뉘었는가"보다 "명확한 기준으로 끝났는지 확인할 수 있는가"다.

대체로 AI에게 맡기기 좋은 일은 결과를 눈으로 확인할 수 있는 일이다. 초안 작성, 분류, 비교, 요약, 아이디어 확장, 형식 변환, 체크리스트 생성, 첫 번째 구조 설계 같은 일은 맡기기 좋다. 잘됐는지 못됐는지를 비교적 빠르게 판단할 수 있기 때문이다.

반대로 맡기기 조심해야 하는 일도 있다.

• 법적 책임이나 금전적 책임이 직접 걸린 최종 판단

• 사람의 감정이나 관계를 섬세하게 읽어야 하는 결정

• 한 번 실행하면 되돌리기 어려운 조치

• 사실 검증 없이도 맞는 척 넘어가면 큰 문제가 되는 작업

• 현장의 맥락과 암묵지를 강하게 타는 판단

예를 들어 계약서 초안의 정리나 조항 비교는 도울 수 있다. 하지만 최종 법률 판단을 통째로 맡기는 것은 다른 문제다. 고객 항의 메일의 첫 답변 초안을 만드는 것은 괜찮다. 하지만 관계 회복의 방향 자체를 AI에게 넘기는 것은 위험할 수 있다.

핵심은 이렇다. AI는 일을 "대신 끝내는 존재"라기보다, 일의 일부를 "표준화된 산출물로 만들어 주는 존재"에 가깝다. 이 차이를 이해하면 과신도 줄고, 실전 효율은 오히려 오른다.

일은 행동이 아니라 산출물로 잘라야 한다

많은 사람이 업무를 자를 때 실수하는 지점이 있다. 일을 행동 중심으로 나눈다는 점이다. "생각하기", "검토하기", "정리하기", "준비하기" 같은 말은 익숙하지만, 맡기기에는 너무 흐리다.

AI에게는 행동보다 산출물이 필요하다. 생각을 맡길 수는 없어도, 생각의 결과물을 맡길 수는 있다.

예를 들어 이렇게 바꾸면 된다.

"이 발표 좀 준비해 줘"는 막연하다. 하지만 "10장짜리 발표 구조안을 만들어 줘. 각 장마다 제목 한 줄, 핵심 메시지 두 줄, 넣어야 할 데이터 항목 한 줄씩 정리해 줘"는 맡길 수 있다.

"마케팅 방향 좀 생각해 줘"도 막연하다. 대신 "기존 고객 재구매를 높이기 위한 캠페인 아이디어 5개를 제안해 줘. 각 아이디어는 타깃, 메시지, 채널, 예상 장점, 리스크를 포함해 표로 정리해 줘"라고 하면 작업이 된다.

행동은 흐리고, 산출물은 선명하다. 위임은 선명한 쪽에서 시작된다.

큰 일을 자를 때 가장 먼저 정해야 할 것

큰 업무를 보면 대부분 어디서부터 잘라야 할지 막막하다. 이럴 때는 시작점이 아니라 끝점을 먼저 잡는 편이 훨씬 쉽다.

먼저 스스로에게 물어보자. 이 일이 끝났다고 말하려면 무엇이 손에 있어야 하는가.

이 질문에 대한 답은 보통 문서, 표, 초안, 목록, 비교안, 체크리스트, 요약본, 보고서처럼 눈에 보이는 형태로 나온다. 그 순간부터 일은 자를 수 있다.

예를 들어 "채용 프로세스를 개선해야 한다"는 덩어리다. 하지만 끝점을 이렇게 잡으면 달라진다.

• 현재 채용 단계별 병목 정리 문서 1개

• 지원자 커뮤니케이션 메시지 템플릿 5개

• 면접 질문 리스트 초안 1개

• 평가 기준표 초안 1개

이제는 추상적 과제가 아니라 여러 개의 작은 위임 단위가 된다.

결국 큰 일을 자르는 첫 단계는 일을 더 열심히 들여다보는 것이 아니라, 끝난 모양을 먼저 그리는 것이다.

"한 덩어리"로 보이는 일을 쪼개는 네 가지 칼

막연한 업무를 나눌 때는 아무 기준으로 자르면 안 된다. 잘못 자르면 조각은 많아졌는데 여전히 맡기기 어려운 상태가 된다. 실전에서는 네 가지 기준이 특히 유용하다.

첫째는 단계로 자르는 방법이다. 처음 이해하기, 자료 모으기, 구조 짜기, 초안 만들기, 수정하기처럼 흐름에 따라 나누는 방식이다. 가장 직관적이고, 대부분의 업무에 적용된다.

둘째는 산출물로 자르는 방법이다. 기획서, 제목안, 요약본, 비교표, FAQ, 체크리스트처럼 눈에 보이는 결과물 중심으로 나누는 방식이다. AI 위임에는 이 방식이 특히 강하다.

셋째는 판단 수준으로 자르는 방법이다. 사실 수집, 정리, 초안 작성처럼 비교적 낮은 위험의 일과, 승인, 최종 선택, 대외 발송처럼 높은 책임의 일을 분리하는 것이다. 이 구분을 잘하면 어디까지 맡기고 어디서 멈춰야 하는지가 분명해진다.

넷째는 검증 가능성으로 자르는 방법이다. 맞았는지 틀렸는지 쉽게 확인되는 부분과, 확인이 어려운 부분을 나누는 것이다. 예를 들어 인터뷰 녹취를 요약하는 일은 비교적 검증이 쉽다. 반면 그 요약을 바탕으로 전략 방향을 최종 결정하는 일은 검증보다 판단이 더 크게 들어간다.

이 네 가지 칼을 한 번에 다 쓸 필요는 없다. 하지만 적어도 하나는 손에 쥐고 잘라야 한다. 그래야 일의 조각이 실제로 쓸 수 있는 단위가 된다.

잘 자른 작업은 "다음 행동"이 아니라 "다음 전달물"이 보인다

업무를 잘게 나눴다고 생각했는데도 여전히 AI가 엉뚱한 결과를 내는 경우가 있다. 그럴 때는 대개 조각이 아직도 행동 중심이다.

예를 들어 이렇게 나누면 별로 좋지 않다.

• 시장 좀 보기

• 경쟁사도 보기

• 아이디어 생각하기

• 정리하기

이건 사람 머릿속에는 이해되지만, 맡기기에는 여전히 흐리다. 대신 이렇게 바꾸면 전달물이 생긴다.

• 시장 규모와 최근 변화 1페이지 요약

• 경쟁사 5개 비교표

• 포지셔닝 아이디어 3안

• 최종 제안용 핵심 메시지 문안 10개

이제는 각 작업의 끝이 분명하다. 그리고 끝이 분명한 작업은 품질도 비교할 수 있다.

AI에게 일을 맡길 때 중요한 것은 "무슨 행동을 하라"가 아니라 "무슨 형태로 넘겨 달라"다.

좋은 위임은 한 번에 끝내려 하지 않는다

초보 사용자는 종종 한 번의 요청으로 큰 일을 다 끝내려 한다. "우리 브랜드 전략부터 캠페인 문구, 랜딩 페이지, 광고 세트, 고객 세그먼트까지 한 번에 만들어 줘" 같은 식이다. 이런 요청은 겉보기에는 효율적이지만, 실제로는 가장 비효율적이다.

왜냐하면 큰 업무는 중간 점검이 필요하기 때문이다. 방향이 틀렸는데도 끝까지 달리게 하면, 마지막에 고치는 비용이 커진다.

그래서 AI 위임은 대개 다음 흐름이 안정적이다.

• 먼저 구조를 만든다.

• 구조가 맞는지 확인한다.

• 그다음 세부 초안을 만든다.

• 마지막으로 표현과 완성도를 다듬는다.

이 순서를 지키면 한 번에 큰돈을 걸지 않게 된다. 마치 건물을 짓기 전에 설계도를 먼저 보는 것과 같다. 설계가 어긋났으면 그때 고치면 된다. 벽돌을 다 쌓은 뒤에야 문제를 발견하는 방식보다 훨씬 싸고 빠르다.

맡기면 안 되는 일은 대개 "숨은 판단"이 많은 일이다

어떤 일은 겉으로 보기에는 단순해 보이는데, 실제로는 판단이 많이 숨어 있다. 이런 일은 통째로 맡기면 결과가 어색해지기 쉽다.

예를 들어 "이 회의 내용을 바탕으로 앞으로의 전략을 정리해 줘"라는 요청에는 사실 여러 층의 판단이 숨어 있다. 누가 중요하게 말했는지, 말하지 않았지만 민감한 것이 무엇인지, 조직 내부 정치가 어디에 걸려 있는지, 지금 당장 실행 가능한 것이 무엇인지까지 읽어야 할 수 있다. 텍스트만으로는 잘 드러나지 않는 맥락이 많다.

이럴 때는 전략 자체를 맡기기보다, 전략 판단에 필요한 재료를 맡기는 편이 낫다. 회의 발언의 쟁점을 정리하게 하고, 합의된 내용과 미해결 쟁점을 분리하게 하고, 선택지별 장단점을 비교하게 하는 식이다.

즉, 숨은 판단이 많은 일은 결정이 아니라 정리와 비교까지 맡긴다고 생각하면 안전하다.

검증 가능한 결과물이란 무엇인가

좋은 위임의 핵심은 결과물이 검증 가능해야 한다는 점이다. 받아 본 뒤에 "좋은 것 같기도 하고 아닌 것 같기도 한데..."라는 상태라면, 그건 아직 위임 설계가 덜 된 것이다.

검증 가능한 결과물은 대개 다섯 가지가 분명하다.

첫째, 형식이 분명하다. 문단인지, 표인지, 슬라이드 구조인지, 체크리스트인지가 정해져 있다.

둘째, 범위가 분명하다. 몇 개를 만들 것인지, 어느 수준까지 다룰 것인지가 보인다.

셋째, 기준이 분명하다. 무엇을 포함해야 하고 무엇을 빼야 하는지가 적혀 있다.

넷째, 근거가 분명하다. 출처가 필요한지, 제공한 자료 안에서만 써야 하는지, 추정은 표시해야 하는지가 정해져 있다.

다섯째, 통과 조건이 분명하다. 내가 무엇을 보면 "됐다"고 말할 수 있는지가 보인다.

예를 들어 "고객 인터뷰 결과 정리해 줘"보다 "고객 인터뷰 12건을 바탕으로 공통 불만 5가지, 반복된 표현 예시, 제품 개선 기회 3가지를 정리해 줘. 추측은 따로 구분하고, 인터뷰에서 직접 확인된 내용만 본문에 넣어 줘"가 훨씬 검증 가능하다.

이렇게 해야 결과물을 보고 손쉽게 확인할 수 있다. 공통 불만이 정말 5가지로 묶였는지, 예시가 실제 인터뷰 표현과 맞는지, 추측과 사실이 분리됐는지 바로 점검할 수 있기 때문이다.

결과물의 품질을 끌어올리는 질문 세 가지

작업을 맡기기 전에 아래 세 질문만 던져도 결과가 훨씬 좋아진다.

첫째, 이 결과물은 무엇을 보면 실패라고 말할 수 있는가.

실패 조건을 먼저 정하면 애매함이 줄어든다. 예를 들어 "뻔한 표현만 가득하면 실패", "제공하지 않은 숫자를 만들면 실패", "실행 순서가 빠져 있으면 실패"처럼 말할 수 있다.

둘째, 내가 직접 검토할 수 있는 단위인가.

AI가 2시간짜리 큰 결과물을 내놓는 것보다, 10분 안에 내가 읽고 판단할 수 있는 조각이 낫다. 검토가 불가능한 단위는 위임 단위로도 나쁘다.

셋째, 틀렸을 때 피해가 어디까지 가는가.

피해가 큰 일이라면 작은 조각으로 더 잘라야 한다. 고객에게 바로 발송되는 문구, 외부 공시, 금전 관련 안내, 계약 조건처럼 잘못되면 비용이 큰 것은 초안과 최종 실행을 반드시 분리해야 한다.

좋은 사용자는 AI의 능력을 과대평가하지 않는다. 대신 실패 비용을 관리할 수 있게 일을 설계한다.

같은 일도 자르는 방식에 따라 결과가 달라진다

예를 들어 "세미나를 준비한다"는 하나의 업무가 있다고 해 보자. 이걸 통째로 맡기면 대개 평범한 제안서 한 묶음이 나온다. 하지만 잘 자르면 완전히 다르게 쓸 수 있다.

먼저 이런 조각으로 나눌 수 있다.

• 세미나 대상 독자의 고민 10개 정리

• 세미나 제목 후보 15개 작성

• 60분 강의 구조안 3개 제안

• 각 구조안의 장단점 비교

• 최종 선택한 구조의 세부 목차 작성

• 홍보 문구 초안 5개 작성

• 신청 페이지용 소개 문안 작성

• 예상 질문과 답변 초안 정리

이렇게 나누면 어떤 장점이 생길까. 우선 중간에 방향을 고칠 수 있다. 제목이 별로면 제목만 다시 시키면 된다. 강의 구조가 안 맞으면 구조만 다시 잡으면 된다. 한 번에 전부 갈아엎지 않아도 된다.

즉, 일을 잘게 자른다는 것은 AI를 더 많이 부리는 것이 아니라, 수정 비용을 낮추는 일이다.

초안, 판단, 승인: 세 단계를 섞지 마라

실무에서 가장 흔한 혼란은 초안 만들기와 판단하기와 승인하기가 한 요청 안에 뒤엉키는 것이다.

AI는 초안을 만드는 데 강하다. 때로는 비교와 정리도 잘한다. 하지만 승인과 책임은 여전히 사람 쪽에 있다. 이 세 단계를 분리하지 않으면, 사용자는 AI가 그럴듯하게 내놓은 결과에 무심코 끌려가기 쉽다.

예를 들어 제품 가격 정책을 다룬다고 해 보자. AI에게 맡기기 좋은 것은 경쟁 가격 비교표, 가격 구조 옵션 3안, 각 옵션의 장단점, 예상 고객 반응 시나리오다. 하지만 실제 가격을 얼마로 확정하고 시장에 적용할지는 회사가 책임질 판단이다.

이 구분이 선명할수록 AI는 더 유용해진다. 초안과 비교와 정리는 속도를 올려 주고, 최종 선택은 사람이 붙잡고 있을 수 있기 때문이다.

작업 단위를 설계할 때 자주 하는 실수

작업을 잘라 보겠다고 마음먹은 사람도 자주 같은 함정에 빠진다.

첫 번째 실수는 너무 크게 자르는 것이다. "브랜드 전략 수립" 같은 말은 여전히 크다. 결과물이 아니라 프로젝트 이름이다.

두 번째 실수는 너무 작게 자르는 것이다. 문장 하나, 단어 하나, 버튼 하나만 계속 맡기면 전체 맥락이 끊겨 오히려 시간이 더 든다. 잘 자른 작업은 충분히 작되, 여전히 의미 있는 덩어리여야 한다.

세 번째 실수는 검토 기준 없이 맡기는 것이다. 무엇이 좋은 결과인지 말하지 않으면, AI는 평균적인 답을 낸다. 평균은 틀리지 않을 수는 있어도, 대개 쓸모도 약하다.

네 번째 실수는 수정 가능성을 고려하지 않는 것이다. 한 번에 너무 큰 결과물을 받으면 다시 돌리기가 힘들다. 좋은 위임 단위는 수정 지점이 뚜렷해야 한다.

다섯 번째 실수는 실행까지 한 번에 넘기는 것이다. 초안 생성과 실제 발송, 실제 업로드, 실제 결제, 실제 공개는 분리하는 편이 안전하다.

바로 써먹는 작업 분해 공식

막연한 업무를 볼 때는 아래 순서로 바꿔 보자.

먼저 프로젝트 이름을 쓴다. 예를 들어 "유튜브 채널 개편"처럼 적는다.

그다음 끝난 상태를 쓴다. 예를 들어 "새 채널 소개 문구, 콘텐츠 기둥 4개, 업로드 일정 초안, 대표 영상 제목 20개"처럼 손에 남아야 할 것을 적는다.

그다음 각 산출물을 독립 작업으로 나눈다. 여기서 중요한 것은 한 작업이 끝나면 내가 바로 검토할 수 있어야 한다는 점이다.

마지막으로 각 작업에 검증 조건을 붙인다. 길이, 형식, 포함 요소, 금지 요소, 근거 범위를 짧게라도 정해 준다.

이 공식을 한 문장으로 줄이면 이렇다.

프로젝트를 말하지 말고, 결과물을 말하라. 결과물만 말하지 말고, 통과 조건까지 말하라.

실전 예시: 막연한 요청을 위임 가능한 요청으로 바꾸기

가장 흔한 나쁜 요청은 이런 식이다.

"우리 서비스 홍보 좀 도와줘."

이 문장에는 일이 없다. 원하는 것도, 산출물도, 끝난 기준도 없다. 이런 요청은 대개 뻔한 카피 몇 줄과 평범한 아이디어 목록으로 돌아온다.

조금만 자르면 이렇게 바뀐다.

"20대 직장인을 대상으로 한 생산성 앱의 랜딩 페이지 초안을 만들고 싶다. 먼저 헤드라인 10개를 제안해 줘. 각 문장은 20자 안팎으로 짧게 쓰고, 과장된 1위 표현은 금지해 줘. 그다음 내가 고른 2개를 바탕으로 서브카피를 각각 3개씩 확장해 줘. 마지막에는 기능 설명이 아니라 사용 전후 변화가 드러나게 해 줘."

이제는 일이 단계와 산출물로 나뉜다. 헤드라인, 서브카피, 확장. 검토 지점도 분명하다. 먼저 헤드라인을 보고 고른 다음, 그다음 단계로 넘어가면 된다.

또 다른 예를 보자.

"이번 분기 보고서 만들어 줘"는 큰 덩어리다. 대신 이렇게 바꿀 수 있다.

"이번 분기 영업 데이터로 경영진 보고 초안을 만들고 싶다. 먼저 보고서 목차 1안을 제안해 줘. 대상은 숫자에 익숙하지만 시간이 없는 임원이다. 슬라이드 8장 기준으로, 각 장의 제목과 핵심 메시지 한 줄씩만 써 줘. 그다음 내가 승인하면 장별로 필요한 데이터와 해석 포인트를 정리해 줘. 확인되지 않은 원인은 추정이라고 표시해 줘."

여기서 중요한 것은 멋진 문장이 아니다. 작업이 순서와 결과물로 나뉘었다는 점이다.

잘 맡기는 사람은 항상 "멈출 지점"을 만든다

AI 위임에서 중요한 것은 시작 지점만이 아니다. 어디서 멈추고 사람이 들어올지 정하는 일도 중요하다.

예를 들어 고객 공지문을 만든다고 해 보자. AI가 초안을 만들고, 표현을 다듬고, FAQ까지 만들 수는 있다. 하지만 실제 발송 전에는 사람이 사실관계, 톤, 법적 위험, 관계상 민감한 표현을 다시 봐야 한다. 이 멈춤 지점이 없으면 편리함이 곧 사고로 바뀐다.

좋은 작업 설계에는 늘 사람이 다시 들어오는 문이 있다. AI에게 맡길수록 사람의 역할이 사라지는 것이 아니라, 오히려 어디서 판단해야 하는지가 더 또렷해진다.

일을 잘 자르면 AI는 더 똑똑해 보인다

재미있는 사실이 하나 있다. 같은 모델인데도 어떤 사람에게는 유능해 보이고, 어떤 사람에게는 답답해 보인다. 그 차이의 상당 부분은 모델이 아니라 작업 단위에서 나온다.

애초에 맡길 수 있는 형태로 잘라진 일을 받으면, AI는 꽤 안정적으로 성과를 낸다. 반대로 덩어리째 던져진 일을 받으면, 아무리 좋은 모델도 평균적이고 애매한 결과로 미끄러지기 쉽다.

그러니 결과가 만족스럽지 않을 때마다 곧바로 "모델이 별로다"라고 결론 내릴 필요는 없다. 먼저 물어야 할 것은 이것이다.

내가 정말 일을 맡겼는가, 아니면 막연함을 던졌는가.

이 질문 하나가 사용자의 수준을 크게 갈라놓는다.

이 장의 핵심

AI에게 위임할 수 있는 일은 막연한 업무가 아니라, 끝난 상태가 보이는 작업이다. 사람은 프로젝트 이름으로 생각하지만, AI에게는 전달물 단위가 필요하다.

작업을 자를 때는 행동보다 산출물로 나누는 편이 좋다. 그리고 그 산출물이 형식, 범위, 기준, 근거, 통과 조건을 갖추고 있어야 검증 가능해진다. 큰 일은 한 번에 끝내려 하지 말고, 구조를 먼저 확인하고 세부로 내려가는 식으로 나누는 것이 안전하다.

결국 위임의 본질은 AI에게 더 똑똑하게 말하는 데 있지 않다. 내가 원하는 결과물을 남이 이해할 수 있는 크기와 모양으로 바꾸는 데 있다. 그 순간부터 ChatGPT는 답변 기계가 아니라, 실제로 일을 받아 처리하는 동료에 가까워진다.