닫는 글 — 6개월 뒤의 당신

이 책을 덮고 6개월쯤 지난 뒤를 한번 떠올려 보자. 아마 지금 화면에 있는 버튼 몇 개는 바뀌어 있을 것이다. 메뉴 이름도 달라졌을 수 있고, 새로운 기능이 생겼다가 조용히 사라졌을 수도 있다. 어떤 모델은 더 빨라지고, 어떤 기능은 통합되고, 어떤 서비스는 예상보다 크게 성장할 것이다.

그런데도 이상하게 남는 것이 있다. 일을 맡기는 방식이다.

당신이 이 책에서 정말 가져가야 할 것은 Claude의 특정 기능 목록이 아니다. Artifacts가 어디에 있고, Projects의 메뉴가 어떤 순서인지, Connectors가 몇 개 붙는지는 중요하지만 오래가지는 않는다. 더 오래가는 것은 다른 것이다. AI를 신기한 챗봇으로 대하지 않고, 함께 일하는 작업 시스템으로 다루는 태도다.

처음 AI를 쓸 때 사람들은 대개 이렇게 시작한다. "잘 쓰는 사람은 프롬프트를 잘 쓰는 사람이다." 틀린 말은 아니다. 하지만 실무로 들어오면 금방 더 중요한 사실을 알게 된다. 잘하는 사람은 문장을 예쁘게 던지는 사람이 아니라, 일을 분해하고, 맥락을 설명하고, 기준을 정하고, 결과를 검수하는 사람이다.

그 차이는 시간이 갈수록 커진다. 기능을 따라다니는 사람은 늘 새 메뉴에 흔들린다. 반대로 원칙을 붙잡은 사람은 도구가 바뀌어도 금방 적응한다. 당신이 6개월 뒤에 얻어야 할 진짜 변화도 바로 그것이다. AI를 더 많이 아는 사람이 아니라, AI에게 더 잘 맡기는 사람이 되는 것.

이 책이 빨리 낡는 이유

조금 솔직하게 말해 보자. AI 책은 원래 빨리 낡는다.

모델 이름은 바뀌고, 가격 정책은 바뀌고, 제공되는 기능도 바뀐다. 오늘의 "신기한 기능"은 내일의 "기본 기능"이 된다. 몇 달 전만 해도 데모 같던 기능이 어느 날 실무 표준이 되기도 하고, 반대로 다들 떠들썩하던 기능이 실제 업무에서는 거의 안 쓰이기도 한다.

그래서 AI를 공부할 때 가장 위험한 습관이 있다. 기능표를 외우는 데 너무 많은 에너지를 쓰는 것이다. 기능표는 필요하다. 하지만 그것만 붙잡으면, 도구 업데이트가 있을 때마다 처음부터 다시 시작해야 한다.

실무자는 그렇게 공부하면 금방 지친다. 매주 새로 나오는 소식을 다 따라갈 수도 없고, 그럴 필요도 없다. 중요한 것은 "무엇이 추가되었나"보다 "이 추가된 기능이 내 일의 어느 단계를 줄여 주나"를 보는 눈이다.

예를 들어 어떤 새 기능이 나왔을 때 진짜로 물어야 할 질문은 이런 것이다.

• 이 기능이 조사 시간을 줄여 주는가

• 이 기능이 초안 품질을 높여 주는가

• 이 기능이 재작업을 줄여 주는가

• 이 기능이 협업과 인계를 쉽게 만드는가

• 이 기능이 보안이나 검수 부담을 늘리지는 않는가

이 질문에 답할 수 있으면, 당신은 유행을 좇는 사람이 아니라 도구를 평가할 줄 아는 사람이 된다.

책이 빨리 낡는다는 사실은 나쁜 소식만은 아니다. 오히려 좋은 소식이기도 하다. 버튼이 바뀌는 속도보다 일의 본질이 바뀌는 속도는 훨씬 느리기 때문이다. 누군가는 여전히 엉성한 지시를 던지고 엉성한 결과를 받는다. 누군가는 같은 AI를 써도 맥락을 주고, 제약을 주고, 형식을 정하고, 검수 기준까지 세운다. 결국 더 좋은 결과는 최신 기능보다 더 좋은 작업 방식에서 나온다.

변하지 않을 핵심 원칙 5가지

도구가 바뀌어도 남는 것은 원칙이다. 이 책 전체를 관통하는 내용을 마지막으로 다섯 가지로 압축해 보자.

1. 프롬프트보다 브리핑이 중요하다

한 줄짜리 마법 문장을 찾는 습관은 이제 버리는 편이 좋다. AI는 마음을 읽지 못한다. 대신 설명을 잘 들으면 꽤 성실하게 일한다. 그래서 중요한 것은 멋진 문장이 아니라 충분한 업무 설명이다.

맥락 없이 지시하면 결과는 대개 평균으로 떨어진다. 왜 이 일을 하는지, 누가 읽는지, 무엇을 피해야 하는지, 어떤 형식으로 내야 하는지까지 말해 주면 품질이 달라진다. 이 원칙은 다음 모델이 와도 변하지 않는다. 더 똑똑한 모델일수록 오히려 브리핑의 효과를 더 크게 받는다.

2. AI에게는 작업이 아니라 역할을 맡겨야 한다

"보고서 써줘"보다 "시장 분석가처럼 쟁점을 구조화해줘"가 낫고, "메일 써줘"보다 "고객 불안을 낮추는 공식 공지문 톤으로 써줘"가 낫다. 사람에게 일을 맡길 때도 역할을 정해 주면 더 잘 움직이듯, AI도 마찬가지다.

이 말은 페르소나 놀이를 하라는 뜻이 아니다. 중요한 것은 캐릭터 설정이 아니라 책임의 방향을 명확히 해 주는 것이다. 분석가로 쓸 것인지, 편집자로 쓸 것인지, 비평가로 쓸 것인지가 분명해야 결과도 덜 흔들린다.

3. 초안 작성보다 검수 설계가 더 중요하다

많은 사람이 AI 활용을 "얼마나 빨리 초안을 뽑느냐"로 이해한다. 하지만 실무에서는 초안을 뽑는 것보다 무엇을 기준으로 고칠 것인가가 더 중요하다.

좋은 사용자는 생성 전에 검수 항목을 먼저 정한다. 사실 확인이 필요한 부분은 어디인지, 과장 표현은 무엇인지, 누락되면 안 되는 항목은 무엇인지, 법적·보안상 민감한 문장은 없는지 미리 체크한다. 이 습관이 있으면 모델이 바뀌어도 품질이 덜 출렁인다.

4. 한 번에 끝내려 하지 말고 단계별로 넘겨라

AI를 잘 못 쓰는 사람은 한 번에 완벽한 결과를 원한다. AI를 잘 쓰는 사람은 일을 여러 단계로 나눈다. 문제 정의, 자료 수집, 초안 작성, 편집, 검수처럼 흐름을 나누면 각 단계의 품질이 눈에 보인다.

이 원칙은 하나의 모델 안에서도 유효하고, 여러 도구를 함께 쓸 때는 더 강력해진다. 생각 정리용, 조사용, 실행용으로 나누면 재작업이 줄어든다. 결국 중요한 것은 어떤 모델이 최고인가가 아니라, 어떤 순서로 누구에게 무엇을 넘길 것인가다.

5. 최종 책임은 여전히 사람에게 있다

이 원칙은 단순하지만 가장 중요하다. AI는 보조자이지 책임자가 아니다. 잘 쓴 문장도 맥락을 모르면 위험할 수 있고, 그럴듯한 분석도 현업의 숫자와 부딪히면 틀릴 수 있다.

그러니 마지막 판단은 반드시 사람이 해야 한다. 보내도 되는 문장인지, 회의에 올려도 되는 자료인지, 고객에게 전달해도 되는 표현인지, 실제 회사의 상황과 맞는지 확인하는 일은 끝내 사람의 몫이다. 이 책임감을 잃지 않는 사람이 오래 간다.

다음 모델이 나와도 통하는 사고법

이제 가장 중요한 질문으로 가 보자. 다음 모델이 나오면 어떻게 해야 할까.

정답은 의외로 단순하다. 새 모델이 나올 때마다 처음부터 다시 배우지 말고, 같은 업무를 새 모델에 다시 맡겨 보라. 즉, 도구를 공부하기보다 자신의 일을 다시 실행해 보는 것이다.

예를 들어 당신이 매주 하는 일이 있다면 그 일을 기준으로 새 모델을 테스트하면 된다. 주간 보고서 작성, 회의록 정리, 고객 문의 답변, 시장 조사 요약, 제안서 초안 작성 같은 반복 업무 말이다. 이때는 막연히 "뭐가 더 좋지?"라고 묻지 말고, 아래 질문으로 비교해야 한다.

• 어떤 모델이 맥락을 가장 덜 잊는가

• 어떤 모델이 형식 지시를 가장 안정적으로 따르는가

• 어떤 모델이 검수 포인트를 잘 드러내는가

• 어떤 모델이 재작업을 덜 부르는가

• 어떤 모델이 우리 팀의 문서 톤에 빨리 적응하는가

이 비교 방식의 장점은 분명하다. 새 모델이 나와도 당신의 평가 기준은 흔들리지 않는다. 늘 같은 일을 기준으로 보기 때문이다. 그러면 유행에 휘둘리지 않고도 빠르게 적응할 수 있다.

여기서 한 걸음 더 나아가면 좋다. 앞으로는 AI를 배울 때 "사용법"과 "운영법"을 구분해야 한다.

사용법은 버튼을 누르는 법이다. 운영법은 일을 굴리는 법이다.

사용법은 금방 배운다. 운영법은 축적된다. 사용법은 기능이 바뀌면 흔들린다. 운영법은 도구가 바뀌어도 남는다. 결국 실무자를 강하게 만드는 것은 사용법보다 운영법이다.

앞으로 더 중요해질 학습 태도

앞으로의 AI 학습은 많이 아는 사람이 이기는 게임이 아닐 가능성이 크다. 오히려 빨리 시험해 보고, 작게 실패하고, 자기 업무에 맞게 수정하는 사람이 강해질 가능성이 크다.

그래서 추천하고 싶은 학습 태도는 세 가지다.

첫째, 새 기능이 나오면 구경부터 하지 말고 자신의 반복 업무에 붙여 보라. 남이 만든 화려한 예시는 재미있지만, 내 업무를 줄여 주지 못하면 오래 가지 않는다.

둘째, 잘된 결과보다 실패한 결과를 기록하라. 어떤 지시에서 맥락이 빠졌는지, 어떤 상황에서 환각이 심해졌는지, 어떤 형식 요청이 자주 무너지는지 메모해 두면 다음부터 품질이 눈에 띄게 올라간다.

셋째, 혼자만의 비법을 만들기보다 팀의 작업 원칙을 만들어라. 좋은 AI 활용은 개인기처럼 보이지만, 실제로 큰 차이를 만드는 것은 팀 차원의 재사용 가능성이다. 브리핑 템플릿, 검수 체크리스트, 민감정보 입력 기준, 인계 문장 같은 것이 쌓이면 조직 전체가 빨라진다.

이 태도를 가진 사람은 새로운 모델이 나와도 겁먹지 않는다. 오히려 반긴다. "이걸 우리 일에 어디에 붙일 수 있지?"라고 바로 생각하기 때문이다.

6개월 뒤의 당신은 어떤 사람이어야 할까

6개월 뒤의 당신이 꼭 AI 전문가일 필요는 없다. 모든 기능을 줄줄 외우는 사람일 필요도 없다. 대신 이런 사람이면 좋겠다.

새로운 업무가 왔을 때 곧바로 손부터 움직이지 않고, 먼저 일을 나눌 줄 아는 사람. 이 일에서 AI가 맡을 부분과 사람이 맡을 부분을 구분할 줄 아는 사람. 초안을 받았다고 끝내지 않고, 검수 기준에 따라 고쳐 나갈 줄 아는 사람. 하나의 도구에 집착하지 않고, 목적에 따라 적절히 배치할 줄 아는 사람.

그리고 무엇보다, AI 덕분에 바빠진 사람이 아니라 AI 덕분에 더 중요한 일에 시간을 쓰는 사람이면 좋겠다.

우리는 종종 생산성을 속도로만 오해한다. 하지만 실무에서 진짜 생산성은 더 많은 문서를 만드는 것이 아니라, 더 적은 시행착오로 더 나은 판단에 도달하는 것이다. AI는 그 판단을 대신하지 못한다. 대신 그 판단에 도달하는 과정을 훨씬 덜 지치게 만들어 줄 수는 있다.

이 책의 목적도 거기에 있었다. Claude를 더 멋지게 쓰는 법을 보여 주려는 것이 아니었다. 당신이 일을 더 잘 위임하고, 더 잘 판단하고, 더 잘 마무리하게 만드는 것. 그것이 이 책의 진짜 목표였다.

마지막으로, 도구보다 깊게 남아야 하는 것

앞으로도 더 좋은 모델은 계속 나올 것이다. 더 빠르고, 더 길고, 더 자연스럽고, 더 많이 연결될 것이다. 어떤 날은 오늘의 표준이 내일의 구식처럼 느껴질 수도 있다.

그래도 너무 걱정할 필요는 없다. 당신이 이 책에서 익힌 것이 단지 기능이 아니라면 말이다.

맥락을 설명하는 습관, 목표를 선명하게 말하는 습관, 제약을 먼저 정하는 습관, 결과물을 검수하는 습관, 도구를 역할별로 배치하는 습관. 이런 것은 업데이트 공지 하나로 사라지지 않는다.

결국 오래 살아남는 사람은 가장 빨리 외운 사람이 아니다. 가장 잘 맡기는 사람이다.

그러니 다음 모델이 나와도 이렇게 시작하면 된다.

"이 도구는 내 일을 어디까지 덜어 줄 수 있지?"

그 질문을 잊지 않는 한, 당신은 유행을 쫓는 사용자가 아니라 시스템을 설계하는 실무자가 된다. 그리고 그때의 당신은 아마 지금보다 덜 허둥대고, 덜 반복하고, 훨씬 더 정확하게 AI에게 일을 시키고 있을 것이다.

그게 바로, 6개월 뒤의 당신이다.