AI를 써도 일이 줄지 않는 사람의 공통점 4가지

안녕하세요, 커넥터블 팀입니다.

AI에게 보고서를 맡겼더니 몇 초 만에 긴 글이 나왔습니다. 그런데 우리 회사 상황과 맞지 않는 내용을 고치고, 숫자를 확인하고, 문서 양식에 옮기다 보니 시간이 꽤 흘렀어요.

이번에는 이메일 작성을 부탁했습니다. 문장은 매끄러운데 상대방과의 관계나 이전에 논의한 내용이 빠져 있어 다시 설명해야 했습니다.

분명 AI를 열심히 쓰고 있는데, 이상하게 일은 줄지 않습니다.

“남들은 AI로 시간을 아낀다는데, 나는 왜 AI가 만든 결과물을 고치는 사람이 된 것 같지?”

이런 경험이 있다면 새로운 도구를 찾기 전에, 지금 AI에게 어떤 일을 어떻게 맡기고 있는지 돌아볼 필요가 있습니다.

실제로 AI의 업무 효과는 누구에게나 똑같이 나타나지 않습니다. 2023년 공개된 고객지원 연구에서는 AI 보조 도구 도입 후 시간당 해결 건수가 평균 14% 늘었지만, 효과는 경험이 적은 직원에게 더 크게 나타났습니다. 특정 업무에서 확인된 결과이지, 모든 사람이 모든 일을 14% 빨리 끝낼 수 있다는 의미는 아닙니다.

물론 일이 줄지 않는 이유를 사용자의 습관 탓으로만 돌릴 수는 없습니다. 필요한 자료에 접근할 수 없거나, 조직의 승인 절차가 그대로이거나, 사용하는 도구가 해당 업무에 맞지 않을 수도 있어요.

다만 개인이 바로 바꿔볼 수 있는 부분도 있습니다.
오늘은 AI를 쓰면서 오히려 일이 늘어날 수 있는 네 가지 습관과, 이를 바꾸는 구체적인 방법을 살펴보겠습니다.

---

1. 줄이고 싶은 업무는 정하지 않은 채, 막연하게 질문합니다

“마케팅 아이디어 좀 줘.”
“이번 주 보고서 써줘.”
“회의 내용 정리해줘.”
이런 요청이 틀린 것은 아닙니다.

가볍게 생각을 넓히거나 초안을 받아볼 때는 충분히 유용해요.

다만 실제 업무를 줄이는 것이 목적이라면 한 가지가 빠져 있습니다.

이 결과물을 어디에, 어떤 상태로 사용할 것인지가 정해져 있지 않다는 점입니다.

‘좋은 답변’보다 ‘쓸 수 있는 결과물’을 정의하세요.

회의 내용을 정리한다고 해볼게요.

어떤 사람에게는 회의의 전체 흐름을 설명하는 요약문이 필요합니다. 다른 사람에게는 결정사항과 담당자, 마감일이 적힌 표가 필요하고요.
이미 회의에 참석한 팀원이 다음 행동을 확인하려는 상황이라면, 길고 잘 쓰인 요약문보다 “누가 무엇을 언제까지 해야 하는가”가 더 중요할 수 있습니다.

그런데 이 목적을 전달하지 않으면, 결과물을 받은 뒤 필요한 내용을 다시 골라내야 합니다.

AI에 일을 맡길 때는 목적과 지시사항, 필요한 자료, 원하는 출력 형태를 구분해서 전달해보세요. OpenAI의 공식 가이드도 명확한 지시와 예시, 관련 맥락을 제공하는 방식을 안내합니다.

요청을 다음처럼 바꿔볼 수 있습니다.

이 차이는 단순히 질문을 길게 쓰느냐의 문제가 아닙니다.

AI가 끝내야 할 작업의 범위를 정하느냐의 문제입니다. 업무를 맡기기 전에 이 문장부터 채워보세요

이 결과물을 읽는 사람은 ______이고,
그 사람이 ______할 수 있도록,
______형태의 결과물이 필요하다.

예를 들어 다음과 같습니다.

이 결과물을 읽는 사람은 팀장이고,
일정이 지연된 프로젝트에 지원이 필요한지 판단할 수 있도록,
현황·문제·요청사항을 정리한 한 페이지 보고서가 필요하다.

이 정도만 정해도 무엇을 넣고 무엇을 빼야 하는지 기준이 생깁니다.

반대로 목적이 정해지지 않은 상태에서 초안을 많이 받아보면, 무엇이 좋은 결과인지 판단하는 일부터 다시 해야 합니다.

모든 일에 AI부터 사용할 필요는 없습니다.

업무를 정했다면, 그다음에는 도구를 고르면 됩니다.

예를 들어 매주 같은 열의 합계를 구하는 일이라면 이미 만들어둔 스프레드시트 수식으로 끝낼 수 있습니다. 정해진 문구를 반복 발송하는 일이라면 기존 템플릿으로 충분할 수도 있고요.

이런 작업까지 매번 대화형 AI에 설명하는 방식이 꼭 효율적인 것은 아닙니다. 도구를 쓸 일을 찾기보다, 줄일 일을 먼저 찾으세요.

2. 필요한 맥락은 생략하고, 한 번에 완성본을 요구합니다

“우리 브랜드답게 써줘.”
“상사가 좋아할 만한 보고서로 만들어줘.”
“평소 하던 방식대로 정리해줘.”

우리는 이 말을 하면서 머릿속에 많은 정보를 떠올립니다. 브랜드가 사용하는 말투, 상사가 중요하게 보는 숫자, 지난 회의에서 결정한 방향까지요.

하지만 그 정보가 AI에게 전달되거나 실제로 조회되지 않았다면, AI가 똑같이 알고 있다고 기대하기는 어렵습니다. 모델이 참고할 수 있도록 필요한 자료와 맥락을 제공하는 과정이 중요합니다.

자료를 많이 넣는 것과 필요한 정보를 주는 것은 다릅니다.

그렇다고 관련 문서 수십 개를 한꺼번에 넣는 것이 항상 답은 아닙니다.

예전 정책과 최신 정책이 섞여 있고, 다른 프로젝트의 대화까지 들어 있다면 무엇을 기준으로 작성해야 할지 불분명해질 수 있어요. Anthropic도 맥락을 무조건 늘리기보다, 원하는 작업에 필요한 정보를 선별하고 정리하는 접근을 강조합니다.

실무에서는 다음처럼 준비해보세요.

고정 정보에는 문서의 독자, 기본 말투, 작성 형식, 반드시 지켜야 할 규칙을 넣습니다.

이번 작업의 자료에는 최신 실적, 이번 회의 기록, 지금 답변할 고객의 문의처럼 매번 달라지는 내용을 넣고요.

참고 예시에는 실제로 잘 사용했던 결과물 한두 개를 넣습니다. 단, 이전 예시의 숫자나 이름을 이번 결과에 섞지 말라는 조건도 함께 적어두세요.
예를 들어 주간보고서를 작성한다면 이렇게 요청할 수 있습니다.

아래 업무 메모를 바탕으로 팀장에게 공유할 주간보고 초안을 작성해주세요.
목적은 진행 상황을 전달하고, 일정 지연이나 지원이 필요한 부분을 확인받는 것입니다.
‘이번 주 완료한 일 / 진행 중인 일 / 문제와 요청사항 / 다음 주 계획’ 순서로 작성해주세요.
제공한 자료에 없는 성과나 숫자는 추가하지 마세요. 담당자나 일정이 불명확한 내용은 ‘확인 필요’로 표시해주세요.
참고 예시는 문서의 형식과 말투만 참고하고, 예시 속 사실을 이번 보고서에 사용하지 마세요.
[이번 주 업무 메모]
[참고할 보고서 예시]

핵심은 특별한 명령어가 아닙니다.

내가 당연하게 알고 있는 업무 기준을, 상대도 확인할 수 있게 만드는 것입니다.

복잡한 일은 ‘확인할 지점’을 나누세요.

자료 조사와 사실 확인, 방향 결정, 글쓰기까지 모두 필요한 업무라면 완성본을 한 번에 받는 것보다 중간 결과를 확인하는 편이 나을 수 있습니다. Anthropic은 분리 가능한 복잡한 작업을 단계별로 처리하고, 중간에 기준 충족 여부를 점검하는 방식을 소개합니다.

예를 들어 고객 인터뷰를 콘텐츠로 만든다면 다음 흐름을 제안합니다.

원문에서 사실과 인용문 추출 → 콘텐츠의 핵심 메시지 선택 → 초안 작성 → 원문과 대조

처음부터 멋진 글을 만들어달라고 하기보다, 실제로 어떤 이야기가 있었는지 먼저 확인하는 거예요.

이 단계에서 중요한 경험을 빠뜨렸다면 바로 보완할 수 있습니다. 반대로 초안을 다 만든 뒤 발견하면 제목과 구성, 본문을 함께 고쳐야 할 수 있죠.
다만 이메일 한 문장을 다듬는 일까지 여러 단계로 나눌 필요는 없습니다. 단계를 나누는 이유는 절차를 늘리기 위해서가 아니라, 잘못된 방향으로 오래 작업하지 않기 위해서입니다.

수정할 때는 ‘바꿀 것’과 ‘유지할 것’을 함께 알려주세요.

“좀 더 자연스럽게 해줘”라는 요청만 반복하기보다, 다음처럼 수정 범위를 정해보세요.

첫 문단이 너무 홍보 문구처럼 느껴집니다. 설명하는 말투로 바꿔주세요.
나머지 문단의 순서와 숫자, 인용문은 그대로 유지해주세요.

이렇게 하면 무엇이 문제인지, 어디까지 수정해도 되는지 검토 기준도 분명해집니다.

3. 그럴듯한 답변을 받으면, 업무가 끝났다고 생각합니다

AI가 쓴 문장은 자연스럽습니다. 숫자와 전문용어, 출처까지 붙어 있으면 신뢰하기도 쉬워요.

하지만 문장이 매끄럽다는 것과 내용이 정확하다는 것은 별개의 문제입니다.

생성형 AI는 사실과 다른 정보나 존재하지 않는 인용문·출처를 제시할 수 있습니다. OpenAI도 중요한 정보는 신뢰할 수 있는 원문과 대조할 것을 권고합니다.

문제는 검토를 생략했다가 나중에 오류를 발견하면, 작성 시간을 아낀 것보다 더 많은 수정과 설명이 필요할 수 있다는 점입니다.

검토 기준은 결과물을 받기 전에 정하세요

문서마다 같은 방식으로 확인할 필요는 없습니다. 무엇이 틀리면 문제가 되는지를 먼저 정해두면 됩니다.

회의록이라면 담당자와 기한, 제안과 확정사항의 구분이 중요합니다. “다음 주까지 가능할지 확인해보겠습니다”라는 말을 “다음 주 완료 예정”으로 정리하지 않았는지 살펴보세요.

보고서라면 숫자, 집계 기간, 단위, 계산 기준을 확인해야 합니다. 전월 대비인지 전년 동월 대비인지, 취소 건이 포함됐는지에 따라 같은 숫자도 다른 의미가 될 수 있습니다.

인터뷰나 홍보 콘텐츠라면 실제로 하지 않은 말을 인용문처럼 만들지 않았는지, 제공하지 않는 서비스를 약속하지 않았는지, 근거 없는 효과를 넣지 않았는지 확인해야 합니다.

고객에게 보낼 답변이라면 환불·보상·일정 등에 대해 권한 밖의 약속을 하지 않았는지 검토하세요.

이런 기준을 정해두면 “전체적으로 괜찮아 보인다”는 인상보다 구체적으로 결과물을 확인할 수 있습니다.

“확실해?”라고 다시 묻는 것만으로는 부족합니다

같은 AI에게 “이거 맞아?”라고 묻는 것은 추가 점검에 사용할 수 있습니다. 하지만 모델이 자신 있게 답한다는 이유만으로 정확성을 확인했다고 보기는 어렵습니다. 중요한 숫자와 인용, 기술 정보는 원자료를 직접 확인하는 과정이 필요합니다.

자료 기반 업무라면 다음과 같이 요청해보세요.

결과물에 포함된 중요한 사실과 숫자마다, 제공한 자료의 어느 부분을 근거로 삼았는지 표시해주세요.
자료에서 확인되지 않는 내용은 본문에서 제외하고 ‘추가 확인 필요’로 따로 정리해주세요.

이 요청 역시 오류를 없애주는 보증은 아닙니다. 사람이 확인할 위치를 찾기 쉽게 만드는 장치로 사용하는 것이 좋습니다.

계산이 중요하다면 계산식을 실행할 수 있는 도구나 스프레드시트로 확인하고, 입력한 범위와 단위도 함께 점검하세요. 최신 정보가 필요하다면 날짜가 확인되는 공식 자료를 찾아 대조해야 합니다.

초안 작성과 실제 실행은 구분하세요

고객 답변 초안을 만드는 것과 그 답변을 고객에게 보내는 것은 다릅니다.
게시물을 작성하는 것과 공개 계정에 발행하는 것도 다르고요.

외부 발송, 결제, 삭제, 계약 조건 변경처럼 되돌리기 어렵거나 영향이 큰 행동은 특히 신중하게 다뤄야 합니다. 처음에는 AI가 제안하고 사람이 승인하는 단계를 두는 것을 권합니다. 자율적으로 작업하는 AI 시스템에 대해서도 충분한 테스트와 안전장치가 필요하다는 것이 Anthropic의 안내입니다.

자료를 넣기 전에는 보안부터 확인하세요

맥락을 충분히 주라는 말이 회사 자료를 전부 올리라는 뜻은 아닙니다. 회사에서 허용한 도구인지, 해당 자료를 입력해도 되는지, 입력 내용이 어떻게 보관·처리되는지 먼저 확인하세요. 영국 국가사이버보안센터 역시 민감한 정보를 공개형 AI 서비스에 입력하지 말고, 이용 조건과 개인정보 처리 방식을 확인할 것을 권고합니다.

처음 연습할 때는 고객 실명과 연락처, 미공개 계약 내용 등을 제외한 샘플로 시작하는 편이 좋습니다. 좋은 AI 활용은 작성 속도뿐 아니라, 확인과 책임의 범위까지 정하는 일입니다.

4. 잘된 작업 방식도 저장하지 않고, 매번 처음부터 시작합니다

이번에는 AI가 꽤 쓸 만한 결과물을 만들었습니다.
그런데 다음 주에 같은 업무를 하면서 다시 이렇게 시작합니다.

“주간보고서 써줘.”

그러고는 지난번처럼 문체를 바꾸고, 항목을 추가하고, 숫자를 지우고, 양식을 다시 설명합니다.

이 경우 AI의 도움을 받기는 했지만, 잘된 작업 방식이 다음 업무에 남지 않습니다.

저장해야 할 것은 ‘좋은 답변’만이 아닙니다

반복 업무라면 최종 결과물과 함께 다음 세 가지를 남겨보세요.

• 작업 지시문: 무엇을 어떤 기준으로 만들도록 요청했는지
• 입력 양식: 매번 어떤 자료를 준비하면 되는지
• 검토 기준: 무엇을 확인한 뒤 완료로 처리할지

예를 들어 고객 문의 답변 업무라면 이렇게 구성할 수 있습니다.

입력: 고객 문의, 관련 운영정책, 담당자가 확인한 사실
AI 작업: 문의 요약, 정책에 근거한 답변 초안, 추가 확인 사항 정리
사람의 검토: 정책 일치 여부, 약속 가능한 범위, 말투 확인
완료: 승인된 답변 발송

그다음부터는 모든 설명을 다시 만들지 않고, 이번 문의와 관련 자료를 교체해 사용해보는 것입니다.
단, 운영정책이나 서비스 내용이 바뀌었다면 저장해둔 지시문과 예시도 함께 수정해야 합니다.

처음부터 거창한 자동화는 필요하지 않습니다

처음에는 문서 하나에 작업 지시문과 참고 예시를 모아두는 것으로 시작해도 괜찮습니다.

동일한 방식으로 몇 번 실행해보고, 어떤 입력에서 문제가 생기는지 확인하세요. 그다음 복사·붙여넣기나 파일 이동처럼 여전히 번거로운 부분을 자동화할지 검토하면 됩니다.

작업 방식이 자주 바뀌는 상태에서 자동화부터 만들면 유지·수정할 대상도 늘어납니다. Anthropic 역시 가능한 단순한 방식으로 시작하고, 실제로 필요할 때 복잡성을 추가하는 접근을 권합니다.

한 번 잘된 결과를 얻는 것과, 다음에도 같은 기준으로 일을 끝내는 것은 다릅니다. 반복 업무에서는 후자를 목표로 삼아보세요.

---

정말 일이 줄었는지는 ‘전체 작업시간’으로 확인하세요

여기까지 바꿨다면 이제 한 가지를 확인해야 합니다.

“그래서 실제로 시간이 줄었나?”

AI가 초안을 만드는 데 걸린 시간만 보지 마세요. 자료를 준비하고, 요청을 작성하고, 결과를 검토하고, 실제 업무 양식에 옮기는 시간까지 포함해야 합니다.

OpenAI의 평가 가이드도 “잘되는 것 같다”는 느낌에 의존하기보다, 실제 업무에 맞는 성공 기준과 측정 방법을 정하고 사람의 판단을 함께 반영할 것을 권고합니다.

아래는 기록 방법을 설명하기 위한 가상의 예시입니다. 특정 도구의 성능이나 예상 절감 효과를 뜻하지 않습니다.

이 예시에서는 초안 작성만 보면 21분이 줄었습니다. 하지만 준비 시간이 늘었기 때문에 전체 절감 시간은 20분입니다.

처음 지시문과 입력 양식을 만드는 데 60분이 들었다면, 같은 조건으로 세 번 사용해야 초기 준비 시간을 회수하게 됩니다. 네 번째부터 누적 기준으로 시간이 남기 시작하고요.

이처럼 반복 횟수까지 함께 봐야, 준비에 들이는 노력이 적절한지도 판단할 수 있습니다.

시간과 함께 품질도 기록하세요

30분 만에 끝냈지만 중요한 내용이 빠져 다음 날 다시 작성해야 했다면, 그 시간을 절감했다고 보기 어렵습니다.

따라서 작업시간 옆에 수정 요청 횟수, 중요한 오류, 실제 사용 가능 여부도 간단히 기록해두세요.

처음에는 비슷한 난도의 업무 몇 건을 비교해보면 됩니다. 다만 몇 번의 기록으로 보편적인 효과를 단정하지 말고, 내 업무에서 계속 사용할지 판단하는 출발점으로 보세요.

결과에 따라 대응도 달라집니다.

검토 시간이 너무 길다면 자료나 업무 범위를 다시 정해야 할 수 있습니다. 문서에 옮기는 데 시간이 많이 든다면 출력 형식을 바꾸는 것이

작성 시간은 줄었지만 승인 대기 때문에 완료 시점이 같다면, 이는 AI 답변보다 업무 절차를 살펴봐야 하는 문제입니다.

또 같은 시간에 더 많은 결과물을 만들게 됐다면 생산량이 늘어난 것이지, 반드시 업무량이나 근무시간이 줄어든 것은 아닙니다.

처음 목표가 시간 절감이었는지, 품질 향상이었는지, 처리량 증가였는지를 구분해 평가하세요.

---

오늘은 반복 업무 하나만 골라보세요

모든 업무를 한꺼번에 바꿀 필요는 없습니다. 이번 주에 다시 해야 하는 일 중, 결과가 맞는지 스스로 판단할 수 있고 입력 자료도 준비하기 쉬운 업무 하나를 골라보세요.

그리고 네 가지를 적어보는 겁니다.

무엇을 줄이고 싶은가.
긴 문서에서 필요한 항목을 찾는 시간인지, 초안을 쓰는 시간인지, 형식을 맞추는 시간인지 정합니다.

무엇을 제공해야 하는가.
최신 자료와 참고 예시, 반드시 지켜야 할 조건을 준비합니다.

어디에서 사람이 확인할 것인가.
숫자와 인용문, 확정사항, 외부에 약속하는 내용을 점검합니다.

다음에도 무엇을 다시 사용할 것인가.
잘 작동한 지시문과 입력 양식, 검토 기준을 남깁니다.
처음부터 완벽한 시스템을 만드는 것이 목적은 아닙니다.

반복하는 일 하나를, 같은 품질로 조금 더 수월하게 끝내는 것.
그 변화부터 확인해보면 됩니다.

---

AI를 더 많이 쓰는 것보다, 내 일이 덜 남게 만드는 것

AI를 활용할 때의 기준을 이렇게 바꿔보세요.

“오늘 AI를 얼마나 많이 썼나?”가 아니라,
“AI를 쓰고 나서 내가 다시 해야 할 일이 얼마나 줄었나?”

막연한 질문을 구체적인 작업으로 바꾸고, 필요한 자료와 기준을 전달하고, 검토할 부분을 정하고, 잘된 방식을 다음에도 사용할 수 있게 남겨두는 것.

그 과정에서 정말 시간이 줄었는지 확인하는 것까지가 AI 업무 활용입니다.

어떤 도구가 좋은지는 알겠는데 내 업무의 어디부터 적용해야 할지 막막하다면, 반복하는 업무 하나를 들고 실제로 AI를 업무에 적용해본 사람과 이야기해보세요.

“AI로 뭘 할 수 있나요?”보다,
“저는 매주 이 일을 하는데, 어느 부분을 맡기고 어디를 직접 확인해야 할까요?”

라는 질문이 더 구체적인 대화의 시작이 될 수 있습니다.
내 상황에 맞는 AI 활용 방법이 궁금하다면, 커넥터블에서 경험을 나눠보세요.

커넥터블에서 전문가 둘러보기