AI를 잘 쓰는 사람들의 공통점

AI를 잘 쓰는 사람은 질문을 잘하는 사람이 아니다

AI를 잘 쓰는 사람을 보면 겉으로는 말을 잘하는 사람처럼 보입니다. 질문이 또렷하고, 요청이 구체적이며, 원하는 결과를 빠르게 얻어냅니다. 그래서 많은 사람이 "나도 프롬프트 문장을 잘 외우면 저렇게 쓸 수 있겠지"라고 생각합니다.

하지만 실제 차이는 말재주에서 나오지 않습니다. AI 활용 고수들은 문장을 예쁘게 꾸미는 사람이 아니라, 일을 잘게 나누고 순서를 잡는 사람입니다. 그들은 AI에게 "마케팅 아이디어 좀 줘"라고 던지고 기다리지 않습니다. 대신 이렇게 생각합니다.

"지금 필요한 것은 아이디어 자체인가, 고객 분석인가, 경쟁사 비교인가, 아니면 실행 가능한 캠페인 일정인가?"

이 질문이 먼저입니다. AI에게 무엇을 물을지보다, 내가 지금 어떤 일을 하고 있는지 파악하는 능력이 먼저입니다. 같은 AI를 쓰더라도 어떤 사람은 평범한 답을 얻고, 어떤 사람은 바로 업무에 넣을 수 있는 결과물을 얻는 이유가 여기에 있습니다.

AI는 똑똑하지만, 사용자의 머릿속을 자동으로 읽지는 못합니다. 막연한 요청을 받으면 막연한 평균값을 내놓습니다. 반대로 사용자가 일을 구조화해서 맡기면 AI는 훨씬 강력해집니다. 결국 AI 실력은 "질문을 얼마나 멋지게 쓰는가"가 아니라 "일을 얼마나 명확하게 설계하는가"에서 갈립니다.

막연한 질문을 작업 단위로 쪼개는 법

예를 들어 작은 온라인 쇼핑몰을 운영하는 사람이 AI에게 이렇게 묻는다고 해봅시다.

"매출을 올릴 방법을 알려줘."

AI는 여러 가지 답을 할 수 있습니다. 광고를 하라, 상세페이지를 개선하라, 리뷰를 모으라, 할인 이벤트를 하라, SNS를 운영하라 같은 말이 나올 것입니다. 틀린 답은 아닙니다. 하지만 바로 실행하기에는 너무 넓습니다. 이런 답변은 회의실 화이트보드에 적어놓기에는 좋아도, 오늘 오후에 실제로 움직이기에는 부족합니다.

AI를 잘 쓰는 사람은 같은 문제를 더 작은 작업으로 나눕니다.

먼저 현재 매출이 어디서 막히는지 확인합니다. 방문자가 부족한 문제인지, 방문자는 있는데 구매 전환이 낮은 문제인지, 한 번 산 고객이 다시 오지 않는 문제인지 구분합니다. 그다음 각 문제에 필요한 자료를 정리합니다. 방문자 수, 장바구니 이탈률, 구매 전환율, 재구매율, 인기 상품, 고객 리뷰 같은 자료가 필요할 수 있습니다.

이제 AI에게 던질 요청은 달라집니다.

"우리 쇼핑몰의 최근 3개월 데이터를 기준으로 매출 하락 원인을 가설로 나눠줘. 방문자 수, 구매 전환율, 객단가, 재구매율 관점에서 확인할 항목을 표로 정리하고, 각 항목별로 필요한 추가 데이터를 알려줘."

이 요청은 단순히 "매출 올리는 법"을 묻는 것이 아닙니다. 문제를 진단하는 작업을 맡긴 것입니다. 그다음에는 다시 이어서 요청할 수 있습니다.

"구매 전환율이 낮다는 가정하에 상세페이지에서 점검할 요소를 우선순위별로 정리해줘. 상품은 3만 원대 생활용품이고, 주 고객은 30대 맞벌이 부부야. 과장 광고는 피하고 신뢰감을 높이는 방향으로 제안해줘."

이제 AI는 훨씬 쓸모 있는 답을 내놓을 가능성이 높습니다. 문제의 범위가 좁아졌고, 고객과 상품의 맥락이 생겼으며, 제약조건도 분명해졌기 때문입니다.

좋은 AI 활용은 한 번의 멋진 질문으로 끝나지 않습니다. 큰 일을 작은 단위로 나누고, 각 단계마다 AI에게 맡길 수 있는 일을 정의하는 과정입니다. "매출을 올려줘"는 소원에 가깝지만, "구매 전환율을 낮추는 상세페이지 요인을 찾아줘"는 업무 지시입니다. AI는 소원보다 업무 지시에 강합니다.

일을 쪼갤 때는 결과물이 아니라 과정을 본다

많은 사람이 AI에게 일을 맡길 때 최종 결과물부터 떠올립니다. 보고서, 이메일, 기획안, 발표자료, 블로그 글, 영상 대본처럼 눈에 보이는 산출물을 생각합니다. 물론 산출물은 중요합니다. 하지만 AI를 잘 쓰려면 그 산출물이 만들어지는 과정을 먼저 봐야 합니다.

예를 들어 "신제품 출시 기획안을 써줘"라는 요청을 생각해봅시다. 기획안이라는 결과물만 보면 AI에게 한 번에 맡기고 싶어집니다. 그러나 실제 기획안 작성에는 여러 단계가 숨어 있습니다.

시장 상황을 파악해야 하고, 고객 문제를 정의해야 하며, 경쟁 제품과 차별점을 비교해야 합니다. 가격 전략을 세워야 하고, 출시 채널을 골라야 하며, 예상 리스크도 점검해야 합니다. 마지막으로 이 모든 내용을 읽는 사람이 이해하기 쉬운 문서 구조로 묶어야 합니다.

이 일을 한 번에 맡기면 AI는 그럴듯한 문서를 만들 수 있습니다. 하지만 그 안에 들어간 가정이 맞는지, 우리 회사 상황과 맞는지, 실제 실행 가능한지는 불분명합니다. 반대로 과정을 나누면 AI를 훨씬 안정적으로 활용할 수 있습니다.

먼저 AI에게 고객 문제를 정리하게 합니다. 그다음 경쟁 제품 비교표를 만들게 합니다. 이어서 차별화 포인트를 뽑고, 예상 반론을 만들고, 출시 전략 초안을 작성하게 합니다. 마지막으로 전체 문서를 검토하며 빠진 논리와 약한 부분을 찾게 합니다.

이렇게 하면 AI는 단순 작성자가 아니라 기획 과정에 참여하는 보조자가 됩니다. 사용자는 각 단계에서 방향을 잡고 판단을 내립니다. AI가 속도를 내고, 사람이 기준을 세웁니다. 이것이 AI를 잘 쓰는 사람들의 기본적인 협업 방식입니다.

역할보다 중요한 것은 맥락이다

프롬프트 팁에서 자주 나오는 말이 있습니다. "AI에게 역할을 부여하라." 예를 들어 "너는 10년 차 마케터야", "너는 전문 카피라이터야", "너는 투자 분석가야"처럼 시작하는 방식입니다. 역할 부여는 어느 정도 도움이 됩니다. AI가 답변의 톤과 관점을 잡는 데 유용하기 때문입니다.

하지만 역할만으로는 부족합니다. "너는 10년 차 마케터야"라고 말해도, 어떤 회사의 어떤 제품을 어떤 고객에게 어떤 상황에서 팔아야 하는지 모르면 답은 일반론에 머물기 쉽습니다. 실무에서는 역할보다 맥락이 훨씬 중요합니다.

맥락은 AI가 답을 맞추는 데 필요한 배경 정보입니다. 회사의 규모, 현재 목표, 고객의 특성, 사용할 수 있는 예산, 브랜드 톤, 피해야 할 표현, 내부 의사결정자의 관심사 같은 것들이 모두 맥락입니다. 사람이 회의에 처음 들어왔을 때 "무슨 이야기 중이었는지" 알아야 제대로 말할 수 있는 것처럼, AI도 맥락을 알아야 제 역할을 합니다.

예를 들어 다음 두 요청을 비교해보겠습니다.

"너는 전문 카피라이터야. 친환경 세제 광고 문구를 써줘."

이 요청을 받은 AI는 산뜻하고 무난한 문구를 만들 수 있습니다. 하지만 대부분 어디선가 본 듯한 표현이 될 가능성이 큽니다. "자연을 생각하는 깨끗한 선택", "우리 가족을 위한 안심 세제" 같은 식입니다.

이번에는 맥락을 넣어보겠습니다.

"우리는 1인 가구를 위한 친환경 세제를 판매하는 작은 브랜드야. 고객은 원룸이나 오피스텔에 사는 20~30대이고, 큰 용량보다 보관이 쉬운 작은 패키지를 선호해. 가격은 대형 브랜드보다 조금 비싸지만, 향이 강하지 않고 성분 공개를 투명하게 한다는 장점이 있어. 과장된 친환경 표현은 피하고, '좁은 공간에서도 부담 없이 쓰는 세제'라는 느낌으로 상세페이지 첫 문구 10개를 제안해줘."

이 요청은 다릅니다. AI는 이제 단순히 친환경 세제라는 카테고리가 아니라, 특정 고객의 생활 장면을 떠올릴 수 있습니다. 원룸, 작은 수납공간, 강하지 않은 향, 투명한 성분 공개 같은 단서가 있기 때문입니다. 이런 맥락이 들어가면 결과물은 훨씬 현실에 가까워집니다.

AI에게 역할을 주는 것은 배우에게 직업을 알려주는 것과 비슷합니다. "당신은 의사 역할입니다"라고 말하는 정도입니다. 하지만 맥락을 주는 것은 대본의 장면을 설명하는 일입니다. 어디서, 누구와, 왜, 어떤 감정으로 말해야 하는지 알려주는 것입니다. 좋은 연기는 직업명보다 장면에서 나옵니다. 좋은 AI 답변도 마찬가지입니다.

맥락은 많이 주는 것이 아니라 쓸모 있게 주는 것이다

그렇다고 무조건 많은 정보를 넣는 것이 정답은 아닙니다. AI에게 회사 소개서 전체, 지난 회의록 전체, 고객 리뷰 수천 개를 한꺼번에 던져주고 "알아서 해줘"라고 하면 결과가 좋아질 것 같지만, 실제로는 핵심을 놓칠 수 있습니다. 정보가 많을수록 중요한 것과 덜 중요한 것을 구분하는 일이 필요합니다.

AI에게 줄 맥락은 목적에 맞게 골라야 합니다. 신입사원에게 일을 맡길 때를 생각해보면 쉽습니다. 이메일 한 통을 쓰게 하면서 회사의 10년 치 연혁을 모두 설명할 필요는 없습니다. 대신 받는 사람이 누구인지, 왜 보내는지, 꼭 포함해야 할 내용은 무엇인지, 조심해야 할 표현은 무엇인지 알려줘야 합니다.

AI에게 제공하면 좋은 맥락은 대체로 네 가지로 나눌 수 있습니다.

• 상황 맥락: 지금 어떤 문제가 있고 왜 이 작업이 필요한가

• 대상 맥락: 결과물을 읽거나 사용할 사람은 누구인가

• 제약 맥락: 예산, 시간, 분량, 톤, 금지사항은 무엇인가

• 판단 맥락: 좋은 결과라고 볼 기준은 무엇인가

예를 들어 상사에게 보낼 보고서 요약을 AI에게 맡긴다면 "보고서 요약해줘"보다 다음 요청이 훨씬 낫습니다.

"아래 회의 내용을 임원 보고용으로 요약해줘. 임원은 세부 논의보다 결정 사항, 리스크, 다음 행동을 중요하게 봐. 분량은 A4 반 페이지 이내로 하고, 감정적인 표현은 빼고 사실 중심으로 작성해줘. 아직 확정되지 않은 내용은 '검토 중'으로 표시해줘."

이 요청에는 상황, 대상, 제약, 판단 기준이 들어 있습니다. AI가 무엇을 생략하고 무엇을 강조해야 하는지 알 수 있습니다. 좋은 맥락은 AI를 똑똑하게 만드는 장식이 아니라, AI가 엉뚱한 방향으로 달리지 않게 해주는 레일입니다.

결과물이 아니라 작업 흐름을 설계하라

AI를 처음 쓰는 사람은 결과물 하나를 얻는 데 집중합니다. "메일 써줘", "요약해줘", "아이디어 줘", "보고서 만들어줘" 같은 방식입니다. 이 자체가 잘못된 것은 아닙니다. 간단한 업무에는 충분히 효과적입니다.

하지만 업무가 조금만 복잡해지면 결과물 중심 접근은 한계에 부딪힙니다. 첫 답변이 마음에 들지 않으면 다시 처음부터 요청하게 되고, AI가 왜 그런 답을 했는지 알기 어렵고, 매번 비슷한 일을 새로 설명해야 합니다. 결과적으로 AI를 쓰는데도 일이 정리되지 않는 느낌을 받습니다.

AI를 잘 쓰는 사람은 결과물이 아니라 작업 흐름을 설계합니다. 하나의 산출물이 나오기까지 어떤 단계를 거칠지 정하고, 각 단계에서 AI에게 맡길 역할을 나눕니다.

블로그 글을 예로 들어보겠습니다. 초보자는 이렇게 요청합니다.

"재택근무 생산성에 대한 블로그 글 써줘."

AI는 곧바로 글을 써줄 것입니다. 그러나 글의 관점이 흔하고, 독자가 불분명하며, 본인의 경험이나 브랜드 목소리가 빠질 수 있습니다.

작업 흐름으로 접근하면 달라집니다. 먼저 독자와 목적을 정합니다. "이 글은 재택근무를 처음 시작한 직장인을 위한 것인지, 이미 하고 있지만 집중력이 떨어진 사람을 위한 것인지"를 구분합니다. 그다음 독자의 고민을 뽑고, 글의 핵심 주장을 정하고, 목차를 만든 뒤, 각 소제목별로 초안을 씁니다. 이후 AI에게 글의 약한 부분을 비판하게 하고, 마지막으로 문체를 다듬습니다.

이 흐름은 조금 번거로워 보이지만 실제로는 시간을 줄여줍니다. 처음부터 완성본을 기대하지 않기 때문입니다. 초안은 초안답게 빠르게 만들고, 검토는 검토답게 날카롭게 시키고, 수정은 수정답게 목적을 좁힙니다. 한 번에 완벽한 답을 얻으려는 압박이 사라지면 AI와의 협업은 훨씬 편해집니다.

초안, 검토, 수정, 배포로 나누면 일이 보인다

대부분의 지식 업무는 한 번에 완성되지 않습니다. 보고서도, 기획안도, 콘텐츠도, 이메일도 작게 보면 비슷한 흐름을 거칩니다. 먼저 초안을 만들고, 검토하고, 수정하고, 필요한 형태로 배포합니다. AI는 이 네 단계에 각각 다르게 활용될 수 있습니다.

초안 단계에서는 속도가 중요합니다. 빈 문서를 채우는 것이 목적입니다. 이때는 AI에게 완벽한 문장을 요구하기보다 구조와 재료를 빠르게 뽑게 하는 편이 좋습니다. "완성된 보고서를 써줘"보다 "보고서에 들어갈 핵심 항목을 목차로 정리해줘" 또는 "이 자료를 바탕으로 1차 초안을 만들어줘"가 더 효과적입니다.

검토 단계에서는 AI를 비판자로 써야 합니다. 많은 사람이 AI에게 칭찬받는 데 익숙하지만, 진짜 쓸모는 반대로 쓸 때 나옵니다. "이 기획안의 약점을 찾아줘", "상사가 반대할 만한 지점을 예상해줘", "근거가 부족한 문장을 표시해줘"처럼 요청하면 AI는 초안을 다듬는 데 도움을 줍니다.

수정 단계에서는 기준을 좁혀야 합니다. "더 좋게 고쳐줘"는 막연합니다. "문장을 짧게 줄여줘", "전문 용어를 쉬운 말로 바꿔줘", "설득력이 약한 두 번째 문단을 고객 문제 중심으로 다시 써줘"처럼 구체적으로 지시해야 합니다.

배포 단계에서는 형식을 바꿉니다. 하나의 내용도 이메일, 발표 슬라이드, SNS 게시물, 회의 안건, 체크리스트로 바뀔 수 있습니다. AI는 같은 내용을 여러 형식으로 변환하는 데 강합니다. 보고서 내용을 임원용 5줄 요약으로 바꾸고, 팀원용 할 일 목록으로 바꾸고, 고객 안내 메일로 바꾸는 식입니다.

이렇게 보면 AI는 단순히 글을 써주는 도구가 아닙니다. 업무의 각 단계에 붙일 수 있는 실행 파트너입니다. AI를 잘 쓰는 사람은 "어떤 결과물을 만들까?"에서 멈추지 않고 "이 결과물이 만들어지고 쓰이는 전체 흐름은 무엇인가?"를 봅니다.

AI 활용의 첫 번째 능력: 지시

AI 활용의 핵심 능력은 크게 지시, 검증, 자동화로 나눌 수 있습니다. 첫 번째는 지시입니다. 지시는 단순히 명령하는 것이 아닙니다. 원하는 결과가 나오도록 목적, 맥락, 자료, 형식, 기준을 정리해 전달하는 능력입니다.

좋은 지시는 일을 맡기는 사람의 기본기입니다. 사람에게 일을 시킬 때도 "알아서 잘해봐"라고 하면 결과가 흔들립니다. AI도 마찬가지입니다. AI는 불평하지 않고 빠르게 답하지만, 지시가 흐리면 흐린 결과를 냅니다.

예를 들어 고객 문의 답변을 작성해야 한다고 해봅시다.

"고객에게 답장 써줘."

이렇게 말하면 AI는 예의 바른 답장을 만들 수 있습니다. 하지만 실제 업무에 쓰려면 부족할 수 있습니다. 고객이 화가 난 상태인지, 환불이 가능한 상황인지, 회사의 보상 정책은 무엇인지, 사과를 어디까지 해야 하는지 모르기 때문입니다.

더 나은 지시는 다음과 같습니다.

"아래 고객 문의에 답장할 이메일 초안을 작성해줘. 고객은 배송 지연으로 불만을 제기했고, 실제로 우리 쪽 출고가 하루 늦어졌어. 환불은 어렵지만 배송비 쿠폰을 제공할 수 있어. 변명처럼 들리지 않게 사과하고, 현재 배송 상태와 보상 내용을 명확히 안내해줘. 톤은 정중하지만 지나치게 딱딱하지 않게 해줘."

이 지시에는 업무 판단에 필요한 정보가 들어 있습니다. AI는 이제 사과, 설명, 보상, 톤을 균형 있게 맞출 수 있습니다. 지시를 잘한다는 것은 AI를 통제한다는 뜻이 아닙니다. AI가 일을 제대로 이해할 수 있도록 출발선을 맞춰주는 것입니다.

AI 활용의 두 번째 능력: 검증

AI를 잘 쓰는 사람은 AI 답변을 그대로 믿지 않습니다. 그렇다고 매번 의심만 하며 쓰지도 않습니다. 대신 검증하는 습관을 갖고 있습니다. 검증은 AI 시대의 안전벨트입니다. 운전을 잘하는 사람도 안전벨트를 매듯이, AI를 잘 쓰는 사람일수록 검증 절차를 자연스럽게 넣습니다.

검증해야 할 것은 사실만이 아닙니다. 숫자, 출처, 논리, 누락된 관점, 회사 정책과의 충돌, 독자에게 오해를 줄 표현까지 모두 검증 대상입니다. 특히 AI는 그럴듯한 문장을 만드는 데 능하기 때문에 틀린 내용도 자연스럽게 보일 수 있습니다. 그래서 "문장이 매끄럽다"와 "내용이 맞다"를 구분해야 합니다.

업무 장면별로 검증 포인트는 달라집니다. 리서치 보고서에서는 출처와 최신성이 중요합니다. 데이터 분석에서는 계산식과 기준이 중요합니다. 법률, 의료, 세무처럼 책임이 큰 영역에서는 전문가 확인이 필요합니다. 콘텐츠 제작에서는 표절 가능성, 과장 표현, 브랜드 톤을 점검해야 합니다.

AI에게 검증을 도와달라고 시킬 수도 있습니다. 예를 들어 "위 답변에서 사실 확인이 필요한 문장을 표시해줘", "논리적으로 비약이 있는 부분을 찾아줘", "반대 입장에서 반박해줘", "이 내용이 고객에게 오해를 줄 수 있는 표현을 골라줘"라고 요청할 수 있습니다.

다만 AI에게 검증을 맡긴다고 해서 사람의 책임이 사라지지는 않습니다. AI의 자기 점검은 1차 필터입니다. 최종 판단은 사용자의 몫입니다. AI를 잘 쓰는 사람은 AI에게 답을 만들게 하고, 다시 AI에게 의심하게 하며, 마지막에는 사람이 결정합니다.

AI 활용의 세 번째 능력: 자동화

세 번째 능력은 자동화입니다. 자동화는 거창한 개발 프로젝트만을 뜻하지 않습니다. 반복되는 일을 다시 쓸 수 있는 흐름으로 만드는 것입니다. 매번 새로 생각하고, 새로 복사하고, 새로 정리하던 일을 템플릿과 절차로 바꾸는 것부터 자동화가 시작됩니다.

예를 들어 매주 월요일마다 팀 회의록을 정리한다고 해봅시다. 처음에는 회의 내용을 AI에게 붙여넣고 "요약해줘"라고 요청할 수 있습니다. 이것도 도움이 됩니다. 하지만 매주 반복된다면 더 나은 방식이 있습니다.

회의록 정리 형식을 고정하는 것입니다. 결정 사항, 논의 내용, 담당자별 할 일, 마감일, 다음 회의 안건으로 나누어 출력하게 합니다. 그다음 할 일 목록만 따로 추출해 업무 관리 도구에 옮길 수 있는 형태로 만들게 합니다. 나중에는 녹취록을 넣으면 같은 형식의 회의록과 할 일 목록이 나오도록 프롬프트를 템플릿화할 수 있습니다.

자동화의 핵심은 "한 번 잘하기"가 아니라 "다음에도 쉽게 반복하기"입니다. AI 고수들은 좋은 답변을 얻으면 거기서 끝내지 않습니다. 그 답변이 나온 조건을 저장합니다. 어떤 맥락을 줬는지, 어떤 형식이 유용했는지, 어떤 검증 질문을 붙였는지 기록합니다. 그렇게 만든 흐름은 다음 업무에서 다시 쓰입니다.

자동화는 작은 곳에서 시작하는 편이 좋습니다. 매일 쓰는 이메일, 반복되는 보고서, 정기 회의록, 고객 문의 분류, 뉴스 요약, 콘텐츠 아이디어 정리처럼 빈도가 높은 업무가 좋은 출발점입니다. 자주 반복되는 일일수록 AI를 붙였을 때 효과가 큽니다.

업무 장면별로 세 능력을 연결하라

지시, 검증, 자동화는 따로 떨어진 기술이 아닙니다. 실제 업무에서는 세 가지가 함께 움직입니다. AI에게 일을 지시하고, 나온 결과를 검증하고, 쓸 만한 방식은 반복 가능한 흐름으로 저장합니다.

예를 들어 영업 제안서를 만든다고 해봅시다. 먼저 지시 단계에서는 고객사의 업종, 현재 문제, 제안 목적, 우리 솔루션의 강점, 제안서 분량과 톤을 AI에게 알려줍니다. 그러면 AI는 초안이나 목차를 만들 수 있습니다.

검증 단계에서는 고객사의 실제 상황과 맞지 않는 주장, 근거가 약한 수치, 과장된 표현, 경쟁사와 비교했을 때 취약한 부분을 점검합니다. AI에게 반대 입장의 구매 담당자 역할을 시켜 질문을 뽑게 할 수도 있습니다.

자동화 단계에서는 이번 제안서에서 효과적이었던 구조를 저장합니다. 고객 문제 요약, 해결 방안, 기대 효과, 도입 일정, 비용, FAQ 같은 틀을 만들어두면 다음 제안서 작성 시간이 줄어듭니다. 고객사 정보만 바꾸면 다시 활용할 수 있는 업무 흐름이 생깁니다.

이번에는 공부 장면을 생각해봅시다. 어려운 개념을 배울 때 지시는 "이 내용을 중학생도 이해할 수 있게 설명해줘"에서 시작할 수 있습니다. 하지만 거기서 끝나지 않습니다. 검증 단계에서는 "내 이해가 맞는지 확인해줘"라고 하며 스스로 요약한 내용을 AI에게 보여줄 수 있습니다. 자동화 단계에서는 매번 새로운 개념을 배울 때 사용할 학습 템플릿을 만들 수 있습니다. 개념 설명, 쉬운 비유, 예제, 확인 문제, 오답 해설 순서로 반복하는 식입니다.

창작 업무에서도 마찬가지입니다. 소설이나 영상 콘텐츠를 만들 때 AI에게 곧바로 완성본을 쓰게 하는 대신, 먼저 세계관과 독자층, 장르 톤, 금지할 클리셰를 지시합니다. 이후 캐릭터의 행동이 일관적인지, 전개가 지루한지, 대사가 설명적이지 않은지 검증합니다. 마지막으로 아이디어 발상, 플롯 점검, 장면 초안, 대사 수정 같은 창작 흐름을 템플릿으로 저장합니다.

AI 활용은 특정 직업의 기술이 아닙니다. 일을 다루는 방식입니다. 지시, 검증, 자동화라는 세 능력을 익히면 사무직, 마케터, 개발자, 연구자, 학생, 창작자 모두 자신의 방식으로 AI를 붙일 수 있습니다.

AI에게 일을 맡기는 사람의 태도

AI를 잘 쓰는 사람에게는 공통된 태도가 있습니다. 그들은 AI를 마법 상자로 보지 않습니다. 동시에 단순 검색창으로도 보지 않습니다. AI를 빠르고 유능하지만 확인이 필요한 동료처럼 대합니다.

이 태도는 중요합니다. AI를 마법처럼 생각하면 한 번에 완벽한 결과를 기대하게 됩니다. 기대가 크면 실망도 큽니다. 반대로 AI를 검색창처럼만 생각하면 단편적인 답변만 얻고 끝납니다. 질문하고 답을 받는 수준에서 벗어나지 못합니다.

AI를 동료처럼 대한다는 것은 일을 설명하고, 중간 결과를 보고, 피드백하고, 다시 시키는 과정을 받아들인다는 뜻입니다. 좋은 동료도 처음부터 내 머릿속 기준을 완벽히 알 수 없습니다. 일을 같이 하면서 기준을 맞춰갑니다. AI도 마찬가지입니다.

물론 AI는 사람과 다릅니다. 책임을 지지 않고, 현실의 이해관계를 직접 느끼지 못하며, 때로는 자신 있게 틀릴 수 있습니다. 그래서 AI에게 모든 판단을 넘기면 위험합니다. 하지만 지루한 초안 작성, 자료 정리, 관점 확장, 형식 변환, 반복 업무에서는 놀라운 속도를 보여줍니다. 이 장점을 살리려면 사용자가 업무의 주도권을 잡아야 합니다.

AI에게 일을 맡긴다는 것은 내가 손을 떼겠다는 뜻이 아닙니다. 내가 더 중요한 판단에 집중하기 위해 반복적이고 구조화 가능한 부분을 넘긴다는 뜻입니다. 좋은 관리자가 팀원의 능력을 살리듯, 좋은 AI 사용자는 AI가 잘하는 일을 맡기고 사람이 해야 할 판단을 남겨둡니다.

잘 쓰는 사람은 자기만의 업무 언어를 만든다

AI 활용이 쌓이면 자신만의 표현과 절차가 생깁니다. 처음에는 남이 만든 프롬프트를 따라 하지만, 어느 순간부터 자기 업무에 맞는 지시 방식이 만들어집니다. 이것이 중요합니다. AI를 오래 쓰는 사람은 프롬프트 문장을 외우는 대신 자기만의 업무 언어를 만듭니다.

예를 들어 어떤 사람은 보고서 초안을 만들 때 항상 "핵심 주장, 근거, 반론, 보완 자료, 다음 행동"이라는 틀을 씁니다. 어떤 사람은 콘텐츠를 만들 때 "독자 고민, 공감 문장, 실용 팁, 사례, 행동 유도"라는 흐름을 씁니다. 또 어떤 사람은 의사결정을 할 때 "선택지, 장점, 단점, 비용, 리스크, 되돌릴 수 있는 정도"를 표로 정리합니다.

이런 틀은 단순한 프롬프트가 아닙니다. 일을 바라보는 방식입니다. AI는 그 틀을 빠르게 채워주는 도구가 됩니다. 틀이 있는 사람은 AI 답변을 평가하기도 쉽습니다. 무엇이 빠졌는지, 어디가 약한지 바로 보이기 때문입니다. 반대로 틀이 없으면 AI가 준 답을 보고도 좋은지 나쁜지 판단하기 어렵습니다.

AI 실력이 늘어난다는 것은 결국 자기 업무의 구조를 더 잘 이해하게 된다는 뜻입니다. 내가 자주 하는 일은 어떤 단계로 이루어져 있는지, 매번 필요한 정보는 무엇인지, 좋은 결과의 기준은 무엇인지 알게 됩니다. AI가 나를 대신해 일하는 것처럼 보이지만, 실제로는 내가 내 일을 더 선명하게 보게 만드는 거울이 되기도 합니다.

작은 업무 하나를 골라 다시 설계해보자

이 장의 내용을 가장 빨리 익히는 방법은 지금 하고 있는 작은 업무 하나를 골라 AI와 함께 다시 설계해보는 것입니다. 거창한 자동화부터 시작할 필요는 없습니다. 오히려 작고 자주 반복되는 일이 좋습니다.

예를 들어 매주 쓰는 주간 업무 보고가 있다면, 먼저 그 일을 쪼개봅니다. 지난주 한 일 정리, 진행 상황 분류, 지연된 일의 이유 설명, 다음 주 계획 작성, 상사에게 보고할 핵심 이슈 선정으로 나눌 수 있습니다. 그다음 각 단계에서 AI에게 맡길 부분을 정합니다. 업무 메모를 정리하게 할 수도 있고, 표현을 간결하게 바꾸게 할 수도 있으며, 빠진 리스크가 있는지 검토하게 할 수도 있습니다.

그리고 맥락을 추가합니다. 이 보고서를 읽는 상사는 어떤 정보를 중요하게 보는지, 분량은 어느 정도가 적당한지, 민감한 표현은 무엇인지, 숫자로 보여줘야 할 항목은 무엇인지 정리합니다. 마지막으로 검증 질문을 붙입니다. "불명확한 표현을 표시해줘", "책임 소재가 애매하게 보이는 문장을 찾아줘", "다음 행동이 빠진 항목을 알려줘" 같은 질문입니다.

이렇게 한 번 흐름을 만들면 다음 주에는 훨씬 쉬워집니다. 같은 틀에 새 내용만 넣으면 됩니다. 이것이 AI 활용의 진짜 생산성입니다. 단순히 오늘 10분을 아끼는 것이 아니라, 다음 주와 그다음 주에도 반복해서 시간을 아끼는 구조를 만드는 것입니다.

말재주보다 중요한 것

AI 시대에는 말을 잘하는 사람이 유리해 보입니다. 하지만 오래 보면 일을 잘 구조화하는 사람이 더 강합니다. AI가 발전할수록 단순한 문장 기술의 가치는 줄어듭니다. 모델은 점점 더 자연어를 잘 이해하고, 대충 말해도 어느 정도 답을 해줄 것입니다. 그때 차이를 만드는 것은 예쁜 표현이 아니라 좋은 업무 설계입니다.

무엇을 맡길지 정하는 능력, 필요한 맥락을 주는 능력, 나온 결과를 의심하고 다듬는 능력, 반복되는 일을 흐름으로 만드는 능력. 이것이 AI를 잘 쓰는 사람들의 공통점입니다.

이제부터 AI를 사용할 때 질문을 이렇게 바꿔보면 좋습니다.

"어떤 프롬프트를 써야 하지?"가 아니라 "이 일은 어떤 단계로 나뉘지?"

"AI가 왜 한 번에 못 해주지?"가 아니라 "내가 어떤 맥락과 기준을 빠뜨렸지?"

"답이 마음에 안 드네"가 아니라 "검토와 수정 단계를 어떻게 설계하지?"

이 관점이 생기면 AI는 단순한 답변 기계에서 실행 파트너로 바뀝니다. 그리고 사용자는 질문하는 사람에서 일을 운영하는 사람으로 바뀝니다. 이 변화가 앞으로의 장에서 계속 다룰 핵심입니다. AI를 잘 쓰는 능력은 특별한 사람만의 재능이 아닙니다. 일을 쪼개고, 맥락을 주고, 검증하고, 반복 가능한 흐름으로 만드는 연습을 통해 누구나 익힐 수 있는 업무 능력입니다.