AI를 몇 달 써 보면 잘하는 일과 못하는 일이 눈에 들어옵니다. 그런데 그 경계를 “이건 어렵고 저건 쉽다” 로 설명하면 자주 틀립니다. 사람에게 어려운 일을 아주 잘하고, 사람에게 쉬운 일에서 이상하게 틀리는 경우가 흔하기 때문입니다.
더 잘 맞는 설명은 맥락입니다. AI는 우리가 준 것만 알고, 우리 사업의 사정 대부분은 준 적이 없습니다.
AI가 보지 못하는 세 가지
첫째, 우리 사업의 사실입니다. 실제 매출과 원가, 지금 밀려 있는 작업량, 특정 고객과의 관계, 지난번에 왜 그 결정을 했는지 — 어느 것도 알지 못합니다.
둘째, 측정하지 않은 값입니다. 우리 사이트가 실제로 몇 초에 열리는지는 재야 알 수 있습니다. AI는 그럴듯한 숫자를 만들어 낼 수 있지만 그것은 측정이 아니라 문장이고, 그 차이는 리포트에 들어가는 순간 결정적이 됩니다.
셋째, 결과에 대한 책임입니다. 이것이 가장 중요합니다. 잘못된 판단의 대가를 치르는 것은 사업자이지 도구가 아닙니다. 책임이 이동하지 않는 결정은 위임된 것이 아닙니다.
넘기면 안 되는 결정
목록의 위쪽을 보면 공통점이 보입니다. 전부 우리만 아는 정보가 있어야 답할 수 있는 질문입니다. AI에게 물으면 답을 주기는 하지만, 그 답은 우리 상황이 아니라 일반적인 경우에 대한 답입니다. 일반적인 답이 우리 상황에 맞을 수도 있는데, 맞는지 판단하는 일 자체가 다시 우리 몫입니다.
그래도 AI를 쓰는 자리
이 이야기가 “AI를 쓰지 말라” 로 읽히면 곤란합니다. 오히려 경계가 분명해질수록 더 편하게 쓸 수 있습니다.
오른쪽 방식의 공통점은 AI가 선택지를 넓히는 역할을 한다는 점입니다. 혼자 생각하면 두 가지가 떠오르는 자리에서 여섯 가지를 늘어놓게 하고, 그중 무엇을 고를지는 우리가 정합니다. 이때 AI는 아주 유용하고, 틀려도 손해가 없습니다.
게이트를 하나 두세요
실무적으로 가장 효과가 큰 장치는 발행 직전의 검수 단계 하나입니다. 저희도 AI가 도운 글을 발행하지만, 그 사이에 게이트를 둡니다 — 확인되지 않은 수치가 없는지, 분류와 링크가 제대로 붙었는지, 우리가 실제로 지킬 수 있는 약속만 적혀 있는지를 봅니다.
이 게이트가 하는 일은 결국 맥락을 되돌려 넣는 것입니다. AI가 볼 수 없었던 정보를 마지막에 사람이 채워 넣는 절차이고, 그래서 게이트 없는 자동 생성과 게이트 있는 AI 활용은 결과물의 종류가 다릅니다.
AI를 실제 업무에 붙이는 구체적인 방법은 AI 활용 아카이브에 있고, 사람이 직접 봐야 하는 판단이 무엇인지는 저희가 일하는 절차를 공개한 작업 과정에서도 확인하실 수 있습니다. 측정과 검증이 필요한 작업을 맡기고 싶다면 최적화 지원 사업이 그 방식으로 진행됩니다.