이 3가지가 제게는 효과가 있었습니다.
작게 설계하고
빠르게 실행하고
결과를 보고 개선합니다
AI로 무엇이든 만들 수 있다는 말이 이제 낯설지 않습니다.
예전에는
간단한 Sticky 버튼 하나를 만들려고해도
개발자에게 물어봐야 했습니다
생각해보면
기능을 설명하고
결과물이 나올 때까지 답답하게 기다려야 했습니다.
지금은 몇 초만에 해결됩니다.
자신의 업무를 설명하는 것만으로도
AI와 함께 프로그램을 만들어 볼 수 있는 시대가 되었습니다.
그런데
흥미로운 현상이 있습니다.
만들 수 있는 것이 많아졌는데
정작 제대로 작동하는 것을 하나 완성하기는 여전히 어렵다는 사실입니다.
얼마 전 서로 다른 이야기를 읽었습니다.
한 사람은 AI로 앱을 만들다가 겪은 실패를 이야기했습니다.
처음에는 간단한 문제를 해결하려고 시작했는데
새로운 기능을 하나씩 추가하다 보니
시스템이 점점 복잡해졌습니다.
결국
사용하기도 어렵고 관리하기도 힘들어졌습니다.
그가 마지막에 선택한 방법은 뜻밖에도 기능을 제거하는 것이었습니다.
그리고 다른 이야기의 한 분은
1년 동안 책을 100권 넘게 읽었다고 했습니다.
더 나은 삶을 살고 싶어서 공부했지만
정작 시작하려던 사업은 시작하지 못했다고 합니다.
계획을 세우고 새로운 지식을 얻는 동안
무언가 발전하고 있다고 느꼈지만
현실은 크게 달라지지 않았다고 합니다.
두 분은 서로 다른 경험을 이야기하고 있었습니다.
한 사람은 너무 많이 만들었고
다른 사람은 너무 오래 준비했습니다.
그런데 저는
두 이야기에서 비슷한 문제를 발견했습니다.
대게 우리는 원하는 결과보다
준비하고 만드는 과정 자체에 더 몰두할 수 있다는 점입니다.
저는
AI 에이전트를 구축할 때도
이런 일이 흔히 일어날 수 있다고 생각합니다.
처음에는
고객사의 사업 정보를 분석하는 에이전트 하나를 만들려고 합니다.
그러다가 분석 등, 기능이 추가하고 싶어집니다.
기능을 추가하는 일도 예전보다 쉬워졌습니다.
그러다 보면 정작 처음 해결하려던 업무가
제대로 작동하는지 확인하기도 전에 시스템이 커집니다.
반대의 경우도 있습니다.
AI 사원을 만들기 위해 자료를 계속 수집합니다.
더 좋은 설계 방법을 찾고
새로운 스킬 작성법을 배우고
다른 사람이 만든 에이전트를 분석합니다.
준비는 점점 철저해지는데
직접 실행한 결과물은 미미합니다.
저는 이 두 가지 상황을 경계해야 한다고 생각합니다.
하나는
기능을 추가하면서 완성에 가까워지고 있다고 느끼는 것이고
다른 하나는
학습을 계속하면서 실행할 준비가 되어간다고 우리의 뇌가 느끼는 것입니다.
일종의 뇌 마스터베이션입니다.
물론 기능을 확장하는 것도 필요하고
학습과 설계도 중요합니다.
하지만
어느 시점에는 실제로 작동시켜 봐야 합니다.
저는 기업들과 마케팅 일을 오래 하면서 배운 것이 있습니다.
전략은 회의실에서 완성되지 않습니다.
고객을 분석하고 가설을 세운 뒤에도
실제로 콘텐츠를 발행하거나
광고를 운영해 보면 예상과 다른 반응을 만나게 됩니다.
고객이 중요하게 생각할 것이라고 판단했던 메시지에
아무도 반응하지 않을 수 있습니다.
반대로
크게 기대하지 않았던 질문에서
고객의 관심이 발견되기도 합니다.
그때 필요한 것은
계획을 처음부터 다시 만드는 일이 아닐 수 있습니다.
실제 결과를 살펴보고
무엇이 잘못되었는지 찾아 개선하는 일입니다.
AI 에이전트도 마찬가지라고 생각합니다.
예를 들면
고객사 사업 분석 AI 사원을 만든다고 해보겠습니다.
처음부터 열 가지 기능을 넣을 필요는 없습니다.
사업 소개 자료를 읽고
핵심 고객과 고객의 문제를 정리하고
확인되지 않은 정보를 구분하는 일부터 맡겨볼 수 있습니다.
저도 그래서 딱 7가지만 확인하고 작동하게 했습니다.
분석할 게 더 없어서가 아닌 겁니다.
그리고
그 결과를 사람이 읽어봅니다.
고객을 제대로 이해했는지
사업의 강점을 지나치게 부풀리지 않았는지
중요한 정보가 빠지지는 않았는지 확인하는 것입니다.
문제가 발견되면
스킬의 판단 기준을 수정합니다.
그리고 다시 실행해 봅니다.
이 과정을 반복하다 보면
처음에는 보이지 않던 것이 드러납니다.
AI에게 어떤 정보를 제공해야 하는지
어떤 지시가 모호했는지
무엇을 사람에게 남겨두어야 하는지 조금씩 알게 됩니다.
저는 이것이
AI 에이전트 구축에서 중요한 학습이라고 생각합니다.
잘 만든 지침을 복사하는 것만으로는 얻기 어려운 경험입니다.
직접 실행한 결과를 보고
자신의 판단 기준을 수정하는 과정에서
비로소 업무에 대한 이해도 깊어진다고 생각합니다.
수강생들이
사용할 AI 사원을 돌리면서도 같은 원칙을 적용하려고 합니다.
처음부터
어떤 AI 사원이든 만들어 주겠다고 약속하는 도구보다는
자신의 업무에서 먼저 해결할 문제 하나를 찾도록 돕는 도구가
처음에는 더 필요하다고 생각합니다.
무엇을 맡길 것인지 결정하고
꼭 필요한 기능을 선택하고
사람이 승인해야 할 부분을 구분합니다.
그렇게 정리한 내용을
요청서로 만든 뒤 실제 구축으로 이어가는 것입니다.
그 요청서 역시 최종 결과물은 아닙니다.
설계가 끝났다는 사실에 만족해
다시 문서를 다듬는 데만 시간을 보내는 건 비추천입니다
요청서는
AI 사원을 만들기 위해 필요한 중간 결과물입니다.
실제 실행과 검증을 통해 그 가치가 확인됩니다.
한번 생각해 보시면
우리가 일하는 방식도 사실 이와 크게 다르지 않았습니다.
문제를 완벽하게 이해한 다음에야
행동할 수 있는 것은 아닙니다.
작은 행동을 해보면서
문제를 더 정확하게 이해했던 경우가 있지 않았던가요?
그렇다고 무작정 실행하자는 이야기도 아닙니다.
고객에게 영향을 미치는 업무라면
필요한 정보를 확인해야 하고
잘못된 결과가 나가지 않도록 사람이 책임을 져야 합니다.
다만
그 검증까지 포함해 작게 시작할 수 있다는 것입니다.
요즘 저는
에이전트를 만드는 사람에게 필요한 능력이 무엇인지 자주 생각합니다.
프롬프트를 얼마나 잘 작성하는가
얼마나 많은 스킬을 보유하고 있는가
얼마나 복잡한 자동화 시스템을 구축할 수 있는가
이런 능력도 필요할 것입니다.
하지만
그보다 먼저 물어야 할 질문이 있습니다.
지금 만들려는 AI 사원이
실제로 해결해야 할 문제는 무엇인가?
이 질문에 분명하게 답할 수 있다면
처음에는 기능이 적어도 괜찮습니다.
반대로
그 답이 불분명하다면
기능을 열 개, 스무 개 추가하더라도
고객에게 어떤 가치가 생기는지 설명하기 어려울 것입니다.
저는 두 사람의 이야기를 읽고
제가 정리한 원칙은 단순합니다.
작게 설계하고
빠르게 실행하고
결과를 보고 개선하자입니다
작게 설계한다는 것은
중요한 문제 하나를 선택하는 일입니다.
빠르게 실행한다는 것은
완벽한 준비를 기다리기보다
검증할 수 있는 첫 결과물을 만들어 보는 일입니다.
결과를 보고 개선한다는 것은
AI가 잘했다고 말하는 평가보다
(실제 기능 추가하면서 대화하면 AI는 잘하고 있다고 칭찬을 했습니다)
하지만 아니었습니다.
실제 업무에 도움이 되는지를 확인해야 합니다.
처음부터
훌륭한 AI 사원을 만들지 못할 수도 있습니다.
어떤 스킬은 예상대로 작동하지 않을 것이고
어떤 기능은 만들고 나서 보니 필요하지 않을 수도 있습니다.
그 과정에서 자신이 하던 업무를
더 정확하게 이해하게 된다면
그것 역시 중요한 성과라고 생각합니다.
AI가 무엇이든 만들어 줄 수 있는 시대가 되었습니다.
그래서 저는
오히려 무엇을 만들지 않을지 결정하는 능력
그리고
작은 것 하나를 끝까지 완성하는 태도가
더 중요하다고 생각합니다.
우리는
AI를 배우는 데 이미 많은 시간을 사용했습니다.
이제는
자신이 하던 업무 하나를 골라 직접 만들어 볼 차례입니다
완벽하지 않아도 괜찮습니다.
오늘 만든 작은 AI 사원 하나가
내일 무엇을 개선해야 할지 알려줄 수 있습니다.
그렇게 조금씩 자신의 업무를 이해하고
설계하고, 검증하는 경험이 쌓이면
다음 AI 사원을 만들 때는 이전보다 나은 판단을 할 수 있을 것입니다.
저는 AI 시대의 전문성이 여기에 있다고 생각합니다.
무엇이든 만들 수 있다는 자신감보다
무엇을 왜 만들어야 하는지 알고
실제로 작동하게 만드는 능력말이죠.
-정수필소장
의견을 남겨주세요