6장. 실행을 맡기는 법

많은 사람이 ChatGPT를 쓰며 여기까지는 온다. 조사해 달라고 하고, 비교해 달라고 하고, 정리해 달라고 한다. 그러다 어느 순간 이런 생각이 든다.

"이제는 그냥 좀 해주면 안 되나?"

바로 여기서 사용자의 수준이 갈린다. 정보를 받는 단계에서 멈추는 사람은 AI를 똑똑한 검색창으로 쓴다. 반면 실행을 맡기기 시작하는 사람은 AI를 작업 파트너로 쓰기 시작한다.

리서치는 판단 재료를 모으는 일이다. 실행은 그 재료를 바탕으로 실제 결과물을 만드는 일이다. 초안을 쓰고, 형식을 바꾸고, 반복 작업을 처리하고, 여러 버전을 만들고, 다음 단계로 넘길 수 있게 정리하는 것. 이 지점부터 ChatGPT는 "설명하는 도구"에서 "움직이는 도구"로 바뀐다.

하지만 실행 위임은 리서치 위임보다 더 강력한 만큼 더 위험하다. 잘 맡기면 시간을 크게 줄여 준다. 잘못 맡기면 속도만 빨라지고 사고도 빨라진다. 특히 실행 단계에서는 "얼마나 잘 시키느냐" 못지않게 "어디서 멈추느냐"가 중요하다.

이 장에서는 바로 그 기준을 다룬다. 무엇을 실행으로 볼 것인가, 어떤 일은 자동화에 잘 맞고 어떤 일은 아직 사람이 붙잡아야 하는가, 그리고 AI를 잘 쓰는 사람이 왜 멈춤 지점을 먼저 설계하는가를 살펴보자.

실행은 "알려줘"가 아니라 "만들어줘"다

리서치 단계의 요청은 대개 이런 형태다. "비교해줘", "조사해줘", "정리해줘", "설명해줘." 결과는 주로 정보다. 읽고 판단하는 쪽은 아직 사람에게 남아 있다.

실행 단계의 요청은 결이 다르다. "이 자료를 바탕으로 1차 초안을 작성해줘", "이 회의록을 액션 아이템 목록으로 바꿔줘", "이 고객 문의 30건을 유형별로 분류해서 답변 초안까지 붙여줘", "이 긴 문서를 발표용 슬라이드 구조로 바꿔줘"처럼 결과가 바로 다음 행동으로 이어진다.

즉, 실행은 지식을 주는 것이 아니라 손에 쥘 수 있는 형태로 바꾸는 일이다.

이 차이를 놓치면 AI를 오래 써도 늘 비슷한 수준에 머문다. 많이 아는 것 같지만, 실제 일은 여전히 내가 다 한다. 반대로 실행 위임이 시작되면 하루의 리듬이 달라진다. 내가 빈 문서 앞에서 한참 멈춰 있던 시간이, 검토와 선택의 시간으로 바뀐다.

중요한 것은 AI가 스스로 일을 찾아서 하지 않는다는 점이다. 실행은 여전히 설계가 필요하다. 무엇을 입력으로 줄지, 어떤 결과물을 기대하는지, 어디까지 맡길지, 어디서 사람이 다시 들어올지를 정해야 한다. 실행 위임은 마법이 아니라 공정 설계에 가깝다.

정보 제공에서 작업 수행으로 넘어가는 순간

실전에서는 정보 제공과 작업 수행의 경계가 생각보다 분명하다. 그 기준은 간단하다.

결과물이 읽고 끝나는가, 아니면 바로 다음 공정에 넣을 수 있는가.

예를 들어 "고객 불만의 주요 원인을 정리해줘"는 정보 제공에 가깝다. 반면 "고객 불만 100건을 원인별로 분류하고, 각 유형에 대한 1차 응답 템플릿을 만들어줘"는 작업 수행에 가깝다. 앞은 이해를 돕고, 뒤는 실제 운영에 바로 연결된다.

"이 주제에 대해 설명해줘"는 정보다. "이 설명을 바탕으로 사내 교육용 10분 발표 원고를 만들어줘"는 실행이다. "이 제품의 장단점을 정리해줘"는 정보다. "그 장단점을 반영해 영업 통화용 스크립트 두 버전을 만들어줘"는 실행이다.

이 전환은 작아 보여도 매우 중요하다. AI를 잘 쓰는 사람은 늘 한 단계 더 묻는다. 여기서 끝낼까, 아니면 다음 전달물까지 만들게 할까.

이 질문을 자주 하는 순간부터 업무는 눈에 띄게 빨라진다. 왜냐하면 실제 일의 병목은 아는 데보다 만드는 데 있는 경우가 많기 때문이다.

실행에 잘 맞는 일에는 공통점이 있다

모든 일을 자동화할 수는 없지만, 실행 위임에 특히 잘 맞는 일은 분명히 있다. 이런 일들은 대체로 구조가 있고, 입력과 출력이 비교적 분명하며, 결과를 사람이 빠르게 검토할 수 있다.

대표적으로 다음과 같은 작업이 여기에 속한다.

• 초안 작성: 메일, 공지문, 보고서 뼈대, 제안서 1차본, FAQ 초안

• 형식 변환: 회의록을 할 일 목록으로, 긴 글을 슬라이드 구조로, 인터뷰 내용을 기사 초안으로 바꾸기

• 반복 편집: 문체 통일, 요약 길이 맞추기, 제목 여러 버전 만들기, 카테고리 분류

• 대량 처리: 비슷한 입력이 많이 들어오는 문의 분류, 리뷰 태깅, 문서 정리, 템플릿 채우기

• 1차 자동화: 정해진 규칙에 따라 다음 행동을 준비하는 작업

이런 일의 공통점은 "정답"보다 "일관된 처리"가 중요하다는 점이다. 완벽한 판단보다 빠르고 준수한 1차 결과가 더 값진 작업들이다.

예를 들어 고객 문의가 하루 100건 들어온다고 해 보자. 여기서 모든 답변을 AI가 혼자 결정하게 하는 것은 위험할 수 있다. 하지만 문의 유형을 분류하고, 자주 쓰는 안내문 초안을 붙이고, 사람이 마지막으로 확인하게 하는 구조는 매우 실용적이다. 이 경우 AI는 판단의 주인이 아니라 처리 속도를 올리는 엔진이 된다.

좋은 실행 위임은 대개 "초안"에서 시작된다

실행 위임을 처음 시도하는 사람은 종종 너무 큰 기대를 한다. "알아서 끝까지 해줘"라고 말하고 싶어진다. 하지만 실전에서 가장 강한 방식은 대개 더 소박하다.

먼저 초안을 맡기는 것이다.

초안은 실행 위임의 가장 안전한 출발점이다. 이유는 간단하다. 손에 잡히는 결과가 나오고, 사람이 수정할 여지가 남아 있기 때문이다. 초안은 완성품이 아니므로 틀려도 비용이 상대적으로 낮다. 대신 빈 화면 앞에서 시작하는 고통을 크게 줄여 준다.

예를 들어 당신이 사내 공지문을 써야 한다고 해 보자. 처음부터 "완벽한 공지문 써줘"라고 하지 말고, 공지 목적, 대상, 포함해야 할 사실, 금지해야 할 표현을 준 뒤 1차 초안을 받아보는 편이 낫다. 그러면 당신의 일은 처음부터 창작하는 일이 아니라, 방향을 수정하고 문장을 다듬는 일로 바뀐다.

이 차이는 생각보다 크다. 사람은 무에서 유를 만드는 일보다, 나온 것을 고치는 일에 훨씬 강하다. 실행 위임의 핵심은 바로 그 인간의 강점을 살리는 데 있다.

자동화에 적합한 일과 부적합한 일의 경계

사람들이 AI 자동화에서 가장 자주 저지르는 실수는 "반복되는 일"이면 다 자동화에 적합하다고 생각하는 것이다. 하지만 반복성만으로는 부족하다. 어떤 일은 반복되더라도 여전히 사람 판단이 핵심일 수 있다.

자동화에 적합한 일은 보통 네 가지 조건을 갖춘다.

첫째, 입력이 비교적 일정하다. 비슷한 형식의 문의, 비슷한 구조의 문서, 비슷한 규칙의 분류 작업처럼 들어오는 재료가 크게 흔들리지 않는다.

둘째, 출력의 기준이 비교적 분명하다. 어떤 형식으로 내야 하는지, 포함해야 할 요소가 무엇인지, 어디까지 하면 통과인지가 명확하다.

셋째, 틀렸을 때 되돌릴 수 있다. 초안 재작성, 태그 수정, 내부 메모 수정처럼 오류 비용이 관리 가능하다.

넷째, 사람의 최종 검토를 붙일 수 있다. 완전 무인 운전이 아니라, 빠른 1차 처리 뒤 확인 단계가 들어갈 수 있다.

반대로 자동화에 부적합한 일은 대개 이렇다.

• 한 번 실행되면 되돌리기 어렵다.

• 금전, 법률, 평판 손실이 직접 연결된다.

• 맥락이 자주 바뀌고 예외가 많다.

• 사람 관계의 미묘한 뉘앙스가 결과를 좌우한다.

• 텍스트 바깥의 현실 판단이 중요하다.

예를 들어 "고객에게 사과 메일 초안을 만드는 일"은 자동화 보조에 적합할 수 있다. 하지만 "어떤 보상안을 제시할지 최종 결정하는 일"은 다르다. "면접 질문 초안을 만드는 일"은 맡길 수 있지만, "이 지원자를 뽑아도 되는지 결정하는 일"은 맡기기 어렵다. "재고 보고서를 정리하는 일"은 자동화하기 좋지만, "잘못된 수치를 바탕으로 발주를 확정하는 일"은 위험하다.

한마디로 말하면 이렇다. 자동화에 맞는 일은 표준화할 수 있는 일이고, 자동화에 맞지 않는 일은 책임의 무게가 큰 일이다.

실행 위임에서 가장 흔한 착각: AI가 해주면 곧 자동화다

많은 사람이 한 번 AI에게 일을 시켜 보고는 "자동화했다"고 말한다. 하지만 그건 자동화가 아니라 보조일 때가 많다. 둘은 전혀 다르다.

AI 보조는 그때그때 사람이 요청해서 결과를 받는 방식이다. 반면 자동화는 입력이 들어오면 일정한 규칙 아래 다음 단계가 자연스럽게 이어지는 구조다.

이 차이를 이해하지 못하면 기대가 꼬인다. 예를 들어 매주 회의록을 붙여 넣고 "정리해줘"라고 하는 것은 보조다. 그 회의록이 들어오면 정해진 형식으로 요약되고, 담당자별 할 일로 나뉘고, 검토 후 팀 문서로 넘겨지는 체계를 만들면 비로소 자동화에 가까워진다.

즉, 자동화는 한 번 잘 시키는 기술이 아니라 같은 일을 반복 가능하게 만드는 설계다.

여기서 중요한 것은 욕심을 줄이는 것이다. 처음부터 완전 자동화를 꿈꾸면 실패하기 쉽다. 실전에서는 반자동이 훨씬 강하다. AI가 초안을 만들고, 사람이 승인하고, 그다음 시스템이 전송하거나 저장하는 구조 말이다. 많은 업무는 이 정도만 되어도 체감 효율이 크게 오른다.

실전에서는 "반자동"이 가장 강하다

완전 자동화는 멋져 보인다. 손을 하나도 대지 않고 일이 끝나는 그림은 누구에게나 매력적이다. 하지만 현실의 업무는 그렇게 단정하지 않다. 예외가 있고, 맥락이 있고, 오늘은 맞는 규칙이 내일은 틀릴 수도 있다.

그래서 실무에서 가장 오래 가는 방식은 종종 반자동이다. AI가 먼저 처리하고, 사람이 짧게 검토하고, 그다음 실제 실행이 이루어지는 구조다.

이 방식의 장점은 분명하다. 속도는 얻고, 통제는 잃지 않는다.

예를 들어 콘텐츠 운영이라면 AI가 긴 원고를 뉴스레터용 요약, 블로그용 제목, SNS용 짧은 문구로 나눠 줄 수 있다. 하지만 최종 발행은 사람이 맡는다. 고객 지원이라면 AI가 문의를 유형별로 정리하고 답변 초안을 붙일 수 있다. 하지만 민감한 사례는 사람이 직접 보낸다. 채용 운영이라면 지원서 요약과 인터뷰 포인트 정리는 AI가 도울 수 있다. 하지만 평가와 합격 결정은 사람이 한다.

이 구조가 좋은 이유는 단순하다. AI는 처리량을 올리고, 사람은 책임을 붙잡는다.

실행 워크플로우는 보통 네 단계로 생각하면 쉽다

실행 위임을 막연하게 느끼는 사람은 보통 "어디까지 맡겨야 하지?"에서 막힌다. 이럴 때는 업무를 네 단계로 보면 훨씬 다루기 쉽다.

첫 단계는 입력 정리다. 자료를 모으고, 목적을 정하고, 기준을 밝히고, 빠지면 안 되는 조건을 넣는 단계다. 이 단계가 흐리면 뒤는 다 흔들린다.

둘째 단계는 1차 실행이다. 초안 작성, 분류, 요약, 변환, 정리처럼 실제 산출물이 처음 만들어지는 구간이다. 여기서 AI의 속도가 빛난다.

셋째 단계는 검토와 수정이다. 틀린 사실은 없는지, 어색한 표현은 없는지, 조직의 맥락과 맞는지, 민감한 요소는 없는지 사람이 본다. 많은 사고는 이 단계를 건너뛸 때 생긴다.

넷째 단계는 최종 실행이다. 발송, 업로드, 제출, 배포, 기록 저장처럼 실제 세상에 영향을 주는 행동이다.

문제는 많은 사람이 둘째와 넷째를 붙여 버린다는 점이다. 초안 생성이 곧 발송이 되고, 요약이 곧 보고가 되고, 추천이 곧 결정이 된다. 이 점프가 위험하다.

AI를 잘 쓰는 사람은 둘째 단계에서 엄청난 속도를 얻되, 넷째 단계 직전에는 반드시 멈춘다.

멈춰야 할 때를 아는 사람이 잘 쓴다

이 장에서 가장 중요한 문장을 하나만 꼽으라면 이것이다.

AI를 잘 쓰는 사람은 많이 맡기는 사람이 아니라, 멈춰야 할 순간을 정확히 아는 사람이다.

멈춤은 비효율이 아니다. 오히려 사고를 막는 가장 싼 장치다.

그렇다면 언제 멈춰야 할까. 몇 가지 신호가 있다.

첫째, 사실이 불분명할 때다. 필요한 숫자, 날짜, 정책, 약속 내용이 확실하지 않은데도 문장은 그럴듯하게 완성돼 있다면 멈춰야 한다. AI는 빈칸을 싫어하므로, 불확실한 자리를 자연스럽게 메워 버릴 수 있다.

둘째, 예외가 많아질 때다. 평소에는 잘 돌아가던 자동화도 이상 사례가 하나 들어오면 흔들린다. 평소 고객 문의와 다른 상황, 기존 규칙으로 분류되지 않는 사례, 이해관계자가 늘어난 문서라면 사람이 다시 들어가야 한다.

셋째, 관계가 걸려 있을 때다. 사과, 거절, 협상, 평가, 피드백, 갈등 조정처럼 사람 감정이 얽힌 일은 텍스트 품질만으로 판단할 수 없다. 말의 온도와 순서가 중요하다.

넷째, 책임이 외부로 나갈 때다. 고객에게 보내는 공지, 계약 관련 안내, 금전 처리, 법적 해석, 공개 발언, 대외 문서처럼 한 번 나가면 흔적이 남는 일은 반드시 멈춤 지점을 둬야 한다.

다섯째, 본인도 결과를 이해하지 못할 때다. AI가 그럴듯한 결론을 내놨지만, 당신이 왜 그런 결과가 나왔는지 설명할 수 없다면 아직 실행하면 안 된다. 이해 없이 승인하는 순간부터 책임은 사라지는 것이 아니라 더 위험해진다.

멈춰야 할 때를 안다는 것은 AI를 불신한다는 뜻이 아니다. 그 반대다. 어디까지 믿을 수 있는지 현실적으로 안다는 뜻이다.

실행 위임에서 자주 일어나는 실패는 늘 비슷하다

실패는 대개 기술 부족보다 구조 문제에서 나온다. 특히 아래 같은 패턴이 자주 보인다.

첫 번째는 초안과 최종본을 구분하지 않는 것이다. AI가 만든 1차 결과를 거의 그대로 외부에 내보내면 언젠가는 문제가 생긴다. 초안은 빠를수록 좋지만, 최종본은 정확할수록 좋다. 이 둘은 같은 기준으로 다루면 안 된다.

두 번째는 규칙 없이 반복시키는 것이다. 비슷한 요청을 매번 던지지만 형식도 다르고 기준도 다르면, 결과는 일시적으로 좋아 보여도 재사용이 안 된다. 실행 위임은 한 번의 번뜩임보다 반복 가능한 틀이 더 중요하다.

세 번째는 검토 비용을 계산하지 않는 것이다. AI가 빨리 만들었다고 해서 전체 시간이 줄어든 것은 아니다. 결과가 들쭉날쭉해서 사람이 매번 많이 고쳐야 한다면, 그건 자동화가 아니라 검토 노동의 외주화일 수 있다.

네 번째는 예외 처리를 무시하는 것이다. 평범한 사례 90퍼센트만 보고 구조를 짜면, 나머지 10퍼센트에서 사고가 난다. 잘 돌아가는 워크플로우는 예외를 없애는 것이 아니라 예외를 사람에게 보내는 통로를 만든다.

다섯 번째는 성공 기준이 없는 것이다. "시간이 좀 줄었나?", "대충 편해졌나?" 정도로 판단하면 개선이 어렵다. 어떤 작업에서 몇 분이 줄었는지, 수정 횟수가 줄었는지, 누락이 줄었는지 봐야 한다.

좋은 실행 위임은 결국 입력 품질 싸움이다

많은 사람이 실행 결과가 별로면 모델 탓부터 한다. 하지만 실제로는 입력 자료의 질이 더 큰 경우가 많다. AI는 없는 맥락을 공짜로 만들어내지 못한다. 오히려 모르는 부분을 그럴듯하게 메우기 쉽다.

예를 들어 "고객 안내 메일 써줘"보다 "대상은 기존 유료 고객이고, 이번 변경은 가격 인상이 아니라 기능 조정이며, 불만이 예상되는 지점은 세 가지이고, 법적 표현은 단정하지 말아야 하며, 톤은 사과보다는 설명 중심으로 가야 한다"고 준 쪽이 훨씬 안정적이다.

실행 위임에서 입력은 단순한 재료가 아니다. 방향키다. 누가 읽는지, 무엇을 반드시 넣어야 하는지, 무엇은 빼야 하는지, 어떤 형식으로 써야 하는지, 실패가 어떤 모습인지까지 주면 결과가 달라진다.

이 점에서 실행 위임은 프롬프트 솜씨보다 브리핑 솜씨에 가깝다. 좋은 상사는 말을 멋지게 하는 사람이 아니라, 필요한 맥락을 빠뜨리지 않는 사람이다. AI에게도 똑같다.

반복 처리 업무에서 빛나는 방식

실행 위임이 가장 큰 효율을 만드는 구간은 반복 처리다. 한 번만 하는 일보다 비슷한 일이 자주 들어오는 환경에서 효과가 커진다.

예를 들어 이런 장면들을 떠올려 보자. 매주 회의 후 같은 형식의 회의록 정리를 해야 한다. 매번 들어오는 고객 문의를 비슷한 기준으로 분류해야 한다. 긴 콘텐츠 하나를 여러 채널 형식으로 다시 써야 한다. 지원서나 리뷰나 피드백을 일정한 기준으로 나눠야 한다.

이런 일은 재미가 없고, 사람의 집중력을 조금씩 갉아먹는다. 하지만 규칙을 만들 수 있다는 장점이 있다. 입력 형식, 출력 형식, 금지 사항, 검토 기준을 정해두면 AI가 매우 잘 버틴다.

핵심은 일을 크게 보지 않는 것이다. "고객 지원을 자동화한다"처럼 말하면 거창하지만, "문의 유형을 먼저 분류하고 자주 쓰는 안내문 초안을 붙인다"라고 하면 바로 실행 가능한 작업이 된다. "콘텐츠 운영을 맡긴다"도 너무 크지만, "긴 원고를 블로그용, 뉴스레터용, SNS용으로 각각 변환한다"는 훨씬 구체적이다.

반복 처리에서 중요한 것은 창의성이 아니라 일관성이다. 그리고 일관성은 AI가 의외로 잘하는 영역이다.

그래도 사람만 해야 하는 일이 남는다

AI가 초안도 만들고, 정리도 하고, 분류도 하고, 형식도 바꾸다 보면 이런 불안이 올라올 수 있다. "그럼 내가 할 일은 뭐지?"

하지만 실제로는 정반대다. 실행 위임이 늘어날수록 사람의 역할은 더 선명해진다.

사람은 목표를 정하고, 맥락을 넣고, 우선순위를 판단하고, 예외를 처리하고, 최종 책임을 진다. 쉽게 말해 손보다 머리 쪽의 비중이 커진다. 단순 반복 대신 감독, 선택, 승인, 조정의 일이 남는다.

이 변화는 처음에는 낯설다. 직접 쓰는 시간이 줄고, 검토하는 시간이 늘기 때문이다. 그래서 어떤 사람은 "내가 한 게 없는 것 같다"고 느낀다. 하지만 그건 덜 일한 것이 아니라 다른 종류의 일을 하게 된 것이다.

좋은 관리자가 모든 문서를 직접 쓰지 않는다고 해서 일을 안 하는 것이 아닌 것처럼, AI와 함께 일하는 사용자도 점점 작성자에서 편집자, 수행자에서 설계자로 이동한다.

실전 감각을 키우는 가장 좋은 질문

실행 위임을 잘하고 싶은데 아직 감이 없다면, 일을 시작할 때마다 아래 질문을 스스로에게 던져 보자.

• 이 일은 읽고 끝나는가, 아니면 다음 단계에 바로 들어가는가?

• 결과가 틀렸을 때 되돌릴 수 있는가?

• 예외가 생기면 누가 잡아낼 것인가?

• 사람 검토 없이 외부로 나가도 되는가?

• 내가 결과를 보고 왜 이렇게 나왔는지 설명할 수 있는가?

이 질문들에 답해 보면 어디까지 맡길지 윤곽이 잡힌다. 특히 마지막 질문이 중요하다. 설명할 수 없는 결과는 아직 승인할 준비가 안 된 결과다.

작은 성공을 쌓는 방식으로 가라

실행 위임은 처음부터 큰 프로젝트로 접근하면 실패하기 쉽다. "우리 팀 업무를 전부 자동화하자" 같은 구호는 멋있지만, 대부분 너무 크고 흐리다. 대신 작은 성공을 쌓는 편이 훨씬 낫다.

가장 좋은 출발점은 이렇다. 자주 반복되고, 결과를 빨리 확인할 수 있고, 틀려도 치명적이지 않은 일을 고른다. 그다음 입력 형식과 출력 형식을 정하고, 몇 번 돌려 보며 수정한다. 사람 검토 지점을 넣고, 예외 조건을 정리한다. 이 과정이 지나면 비로소 하나의 워크플로우가 생긴다.

이렇게 만든 작은 자동화는 생각보다 오래 쓴다. 반면 처음부터 거대한 시스템을 만들려 하면, 예외와 불신과 유지 비용이 한꺼번에 몰려온다.

AI를 잘 쓰는 사람은 대개 욕심이 적다. 대신 반복 가능한 작은 구조를 많이 만든다. 그리고 그 구조들이 쌓이면서 하루가 달라진다.

실행 위임의 핵심은 속도가 아니라 통제된 속도다

속도만 보면 AI는 언제나 유혹적이다. 순식간에 문서를 만들고, 정리하고, 바꿔 준다. 하지만 실무에서 진짜 가치가 되는 것은 단순한 속도가 아니다. 통제된 속도다.

빨리 만들되, 무엇이 사실인지 알고 있어야 한다. 빨리 처리하되, 어디서 사람이 다시 봐야 하는지 정해져 있어야 한다. 빨리 반복하되, 틀렸을 때 멈출 수 있어야 한다.

결국 실행 위임은 AI에게 전권을 주는 일이 아니다. AI가 빠르게 움직일 수 있는 레일을 깔아 주는 일이다. 그 레일 위에서는 놀랄 만큼 많은 일이 빨라진다. 하지만 선로 밖에서는 여전히 사람이 방향을 잡아야 한다.

이 장의 핵심

실행 위임은 정보를 받는 단계를 넘어, 실제로 다음 공정에 넣을 수 있는 결과물을 받는 단계다. 초안 작성, 형식 변환, 반복 처리, 분류, 정리 같은 일에서 특히 강력하다.

자동화에 적합한 일은 입력과 출력이 비교적 분명하고, 되돌릴 수 있으며, 사람 검토를 붙일 수 있는 일이다. 반대로 책임이 무겁고, 예외가 많고, 관계와 맥락이 핵심인 일은 통째로 맡기기 어렵다.

실전에서 가장 강한 방식은 완전 자동화보다 반자동에 가깝다. AI가 먼저 처리하고, 사람이 확인하고, 마지막 실행은 통제된 상태에서 이루어지는 구조다. 이때 중요한 것은 얼마나 많이 맡기느냐가 아니라, 어디서 멈추느냐를 아는 것이다.

잘 쓰는 사람은 AI를 믿지 않아서 멈추는 것이 아니다. 믿을 수 있는 범위를 알기 때문에 멈춘다. 그리고 바로 그 감각이, 정보를 아는 사람과 실제 일을 끝내는 사람을 가른다.