화면을 캡처해 AI나 동료에게 넘기기 전에, 가운데 말고 가장자리를 보세요
안내서에 넣을 화면을 찍다가, 스크롤 위 지난 대화에 예전에 받은 접속 열쇠가 그대로 남아 있는 걸 봤습니다. 캡처는 내가 보던 곳만이 아니라 화면 전체를 가져갑니다. 왼쪽 목록·스크롤 위·위쪽 줄·알림, 네 곳을 먼저 보는 습관입니다.
- 데이터보안
- AI활용
- 일하는방식
- 검증
- 캡처
메인으로
Data & AI · 기업교육
Insights
인사이트
현장에서 검증한 데이터·AI 활용 인사이트를 나눕니다.
Q. 훨씬 싸고 틀리지 않는다는 새 AI가 나왔다는데, 지금 바꿔야 하나요?
9월 중순 발표된 TypeSafe의 Jev는 「환각 없음」과 아주 낮은 가격으로 화제가 됐습니다. 하지만 좋은 모델인가와 지금 우리가 쓸 수 있는가는 다른 질문입니다. 가입 가능 여부·외부 검증·틀린 답을 알아채는 방법·가격 유지, 네 가지로 도입 시점을 판단하는 방법입니다.
- 질문함
- AI도입
- 모델선택
- 검증
- AI동향
같은 안내를 두 문서에 적었더니, 하루 만에 내용이 달라졌습니다
짧은 설치 안내문과 자세한 안내서를 따로 만들었더니, 바깥 화면이 바뀌자 한쪽만 낡았습니다. 같은 절차를 두 곳에 적으면 갈라지는 것은 시간문제입니다. 두 벌을 맞추는 대신 한 벌로 줄이는 방법과, 캡처를 「보기」가 아니라 「해 보기」로 찍어야 하는 이유입니다.
- 일하는방식
- 문서관리
- 검증
- AI활용
- 업무정의
점검표는 다 통과했는데, 필요한 지시문 셋이 아예 없었습니다
칸이 채워졌는지 보는 점검은 그 칸에 몇 개가 있어야 하는지를 묻지 않습니다. 한 줄에 동작을 셋 넣으면 하나로 세어지고, 없는 것은 비교할 대상도 없어 조용히 통과합니다. 점검표를 「찼나」에서 「몇 개인가」로 바꾸는 방법입니다.
- 검증
- 일하는방식
- 업무정의
- AI활용
- 점검표
AI 도구가 멈췄을 때, 오늘 끝내야 할 일은 어떻게 이어갈까요?
쓰는 AI 도구 목록은 있어도, 그 도구가 멈추면 영향을 받는 업무는 빠져 있을 수 있습니다. 중요한 작업 하나를 골라 영향, 하루 동안 쓸 대안, 확인할 담당자를 함께 적어 봅니다.
- AI활용
- 일하는방식
- 위임
- 업무정의
- 회고
워드에 붙는 AI, 관리 설정은 두 곳을 봐야 합니다
ChatGPT for Word를 조직에서 검토할 때는 AI 서비스의 허용 설정과 Microsoft 365 추가 기능 정책을 함께 확인해야 합니다. 설치 가능 여부와 회사 자료를 사용해도 되는지는 별도의 질문입니다.
- AI거버넌스
- AI도입
- 일하는방식
- 데이터보안
- 팀리더
AI가 만든 요약을 다시 인용해도, 사실 확인이 된 것은 아닙니다
출처 링크를 열었는데 그 문서도 AI가 만든 요약이라면 무엇을 확인해야 할까요. 요약본의 문장과 원자료의 사실을 구분하고, 중요한 주장 하나를 처음 자료까지 따라가는 방법입니다.
- AI활용
- 검증
- 일하는방식
- 데이터
- AI에이전트
테스트 파일도 실제 자료와 계정으로 돌리면 실무 작업입니다
파일 이름에 테스트를 붙여도 자료의 민감도와 계정 권한은 달라지지 않습니다. AI 실습을 시작하기 전에 입력 자료, 허용 권한, 저장 위치를 확인하는 방법을 정리했습니다.
- AI활용
- 검증
- 일하는방식
- AI도입
- 데이터보안
AI에게 다시 가져온 일이, 다음 주의 위임 규칙이 됩니다
AI에게 맡겼다가 사람이 다시 고쳐 쓴 자리는, 그 위임에 빠졌을 수 있는 재료와 기준을 알려 주는 단서입니다. 두 번 이상 가져온 자리 하나를 회고 노트가 아니라 다음 주 요청문 맨 위로 옮기는 일요일 동작을 정리했습니다.
- AI활용
- 위임
- 회고
- 일하는방식
- 업무정의
데이터 에이전트가 읽을 「매출」의 뜻은, 우리 팀 어디에 적혀 있나요?
데이터 에이전트는 조직이 정해 둔 지표 정의를 읽겠다고 했지만, 그 정의는 문서보다 몇 사람 머릿속에 있기 쉽습니다. 두 사람이 매출·신규 고객·처리 건수의 완성 정의를 따로 적어 나란히 놓고, 차이부터 맞추는 10분짜리 동작을 정리했습니다.
- AI활용
- 데이터분석
- AI에이전트
- 일하는방식
- 업무정의
모델 이름을 기록했는데도, 같은 결과가 나오지 않을 수 있습니다
석 달 전과 같은 모델 이름, 같은 설정으로 다시 돌렸는데 결과의 결이 달라졌습니다. 기록에 적은 이름은 요청한 값일 뿐이라, 결과 끝에 요청한 이름·실행 시각·응답이나 로그에서 확인한 모델 값을 나란히 남기는 방법을 정리했습니다.
- AI활용
- 재현성
- 검증
- 기록
- 일하는방식
남에게 줄 예시 답변 끝에, 제 개인 메일 규칙이 붙어 나왔습니다
남에게 줄 AI 예시를 제 컴퓨터에서 만들었더니, 답변 끝에 저 혼자 쓰려고 적어 둔 메일 규칙 한 줄이 붙어 나왔습니다. 내 환경에서 된 결과에는 나만 가진 설정이 섞일 수 있어, 넘기기 전에 확인 가능한 개인 맞춤 설정을 뺀 환경에서 한 번 더 돌립니다.
- AI활용
- 검증
- 일하는방식
- 재현성
- 공유
누가 켰는지 모르는 기능은, 누가 끌지도 모릅니다
업무 도구의 AI 기능은 쓸 수 있는 상태가 기본값으로 정해졌는데, 따로 도입하기로 정한 사람은 없을 수 있습니다. 그럴 때 비기 쉬운 허용·알림·중단의 담당을 기능 하나에 대해 실제로 물어 이름으로 받아 오는 방법을 정리했습니다.
- AI도입
- AI거버넌스
- 일하는방식
- 책임
- 조직
63분을 만들었는데, 들어보니 40분어치였습니다
긴 원고를 소리로 바꿔 들어봤다가, 계속 같은 이야기가 돈다는 걸 알았습니다. 중복 검사를 돌려보니 1.1%. 아주 깨끗하게 나왔습니다. 검사가 못 잡은 이유는 재탕이 표현을 바꿔서 이뤄졌기 때문이었고, 재탕이 생긴 이유는 제가 게을러서가 아니라 한 문장 때문이었습니다 — 「이건 뒤에서 다시 이야기할게요.」 미룬 것은 반드시 돌아옵니다.
- 일하는방식
- AI활용
- 회고
- 문서
- 검증
Q. 잘 모르는 분야인데, AI가 준 답으로 말해도 될까요?
AI가 있으니 내가 모르는 분야도 자료를 만들 수 있습니다. 그리고 그 자료를 들고 그 분야를 아는 사람들 앞에 서게 됩니다. 이 질문은 「AI 답이 맞나요」를 묻는 것 같지만 실제로는 다른 걸 묻고 있습니다 — 한 걸음 더 들어온 질문이 왔을 때 제가 버틸 수 있느냐요. 저는 이 문제를 답을 검증하는 방식이 아니라, 문장을 옮기는 방식으로 풀었습니다.
- AI활용
- 일하는방식
- 질문함
- 검증
- 커뮤니케이션
앞 시간에 무슨 말이 오갔는지, 저는 문서로만 알고 있었습니다
남이 하던 일 뒤에 이어 붙일 때, 우리는 인수인계 문서와 확정된 계획표를 읽고 「앞에서 이런 게 있었으니 여기부터」라고 시작합니다. 저도 그렇게 자료를 만들었다가, 세 군데가 한꺼번에 어긋난 걸 발견했습니다. 시각이 틀렸고, 동사가 틀렸고, 제가 모르는 단어를 쓰고 있었습니다. 셋 다 근거는 하나였습니다 — 인쇄된 목차요. 그리고 AI에게 그 문서를 주고 고쳐달라고 했더니, AI도 똑같은 다리를 다시 놓았습니다.
- 일하는방식
- AI활용
- 업무적용
- 협업
- 문서
보여주려던 차이는 0.003이었고, 그냥 다시 돌리니 0.115가 움직였습니다
자료에 「이렇게 하면 점수가 이만큼 올라갑니다」라는 대조를 넣어뒀습니다. 실제로 돌려 재보니 방향이 반대로 나왔습니다. 그래서 스물다섯 번을 돌렸더니, 두 조건의 차이보다 같은 조건을 다시 돌릴 때의 흔들림이 훨씬 컸습니다. 값이 틀린 게 아니라 값이 하나였던 게 문제였습니다. 흔들리는 계산에서 한 번 나온 숫자는 결과가 아니라 표본입니다.
- AI활용
- 검증
- 데이터분석
- 실측
- 일하는방식
5시간 13분은 됐는데, 5시간 51분은 시작도 못 했습니다
같은 컴퓨터, 같은 도구, 같은 종류의 파일이었습니다. 일주일 전에 5시간 13분짜리가 38분 만에 끝났고 메모까지 남겨뒀는데, 이번 5시간 51분짜리는 첫 줄도 못 내고 죽었습니다. 메모리는 19기가가 놀고 있었고요. 문서 어디에도 한계가 몇 시간인지 적혀 있지 않았습니다. 그래서 이번 주에 규칙을 하나 바꿨습니다 — 될지 안 될지 재보지 않기로요.
- 일하는방식
- 회고
- AI활용
- 업무자동화
- 의사결정
Q. 우리 회사는 보안 때문에 AI를 못 쓰는데요?
교육장에서 가장 자주 나오는 차단 문장입니다. 그리고 대부분 사실입니다 — 저도 규정을 우회하시라고 말하지 않습니다. 다만 이 문장을 열어보면 거의 언제나 두 개가 붙어 있습니다. 도구가 막힌 것과, 자료가 막힌 것. 막힌 쪽은 대개 뒤쪽인데 우리는 앞쪽까지 같이 접습니다. 그래서 오늘 당장 되는 일까지 안 하게 됩니다. 그 둘을 나누면 무엇이 남는지 적었습니다.
- AI활용
- 일하는방식
- 질문함
- AI도입
- 보안
잘 정리해 뒀는데, 다음번에 하나도 안 나왔습니다
같은 일을 두 번 했습니다. 첫 번째를 끝내고 세 가지를 남겼습니다 — 문서에 직접 고쳐 넣은 것, 「이건 좋았다」고 따로 정리한 것, 「다음엔 이렇게 하자」는 메모. 두 번째에서 갈렸습니다. 문서에 넣은 것은 전부 그대로 나왔고, 따로 정리한 것은 하나도 안 나왔습니다. 내용의 질 차이가 아니었습니다. 같은 사람이 같은 주에 한 일인데요. 정리의 값은 무엇을 적었느냐가 아니라 어디에 뒀느냐에서 나옵니다.
- 일하는방식
- AI활용
- 지식관리
- 실측
- 업무적용
겹친 슬라이드 한 장을 발견했는데, 규칙으로 바꾸니 여덟 장이 나왔습니다
자동검사 다섯 개를 전부 통과한 자료였습니다. 그림으로 뽑아 눈으로 보다가 한 장에서 글자 두 줄이 포개진 걸 찾았습니다. 고치고 넘어가려다 그 겹침이 일어나는 조건을 재서 검사 규칙에 넣었더니, 다시 돌린 자리에서 여덟 장이 걸렸습니다. 일곱 장은 제가 아직 열어보지도 않은 장이었습니다. AI로 만들수록 결과물은 제가 볼 수 있는 속도보다 빨리 쌓입니다. 그래서 눈으로 찾은 한 건은 고칠 대상이 아니라 표본입니다.
- AI활용
- 검증
- 일하는방식
- 실측
- 품질관리
두 달 전 「최신화 완료」 도장을 찍은 자료에, 아직 없는 것이 적혀 있었습니다
6월에 웹으로 확인하고 고쳐둔 표였습니다. 8월에 다시 열어보니 그 표의 한 칸이 세상에 나오지 않은 물건이었습니다. 확인을 안 한 게 아니라, 확인한 대상이 기사였던 게 문제였습니다. 기사는 '나온다'와 '나왔다'를 같은 제목으로 씁니다. 그래서 확인 순서를 바꿨습니다 — 돈 받는 페이지부터 엽니다.
- 일하는방식
- 회고
- AI활용
- 검증
- 의사결정
Q. 어떤 AI 서비스가 제일 좋아요? 강사님은 뭐 쓰세요?
교육장에서 제일 자주 받는 질문입니다. 저는 여러 개를 씁니다 — 그런데 그 답은 질문하신 분께 거의 쓸모가 없습니다. 답의 유통기한이 짧고, 그중 상당수는 회사에서 안 열리기 때문입니다. 진짜 질문은 '무엇을 쓰나'가 아니라 '무엇을 놔줘도 쓰는 사람이 되려면 뭐가 필요한가'입니다. 갈아탈 때 버려지는 것과 실려 가는 것을 나눠 적었습니다.
- AI활용
- 일하는방식
- 질문함
- 교육
- AI도입
"그 얘기는 안 합니다"라고 말하는 순간, 그게 오늘의 화제가 됩니다
안심시키려고 넣은 한 줄이 있었습니다. '오늘 이건 다루지 않습니다'라는 문장이요. 고객사 검토에서 그 줄을 빼달라는 의견이 왔고, 저는 한 걸음 더 갔습니다 — 구두로도 꺼내지 않기로요. 지키겠다고 말하는 행위 자체가 그것을 목록에 올리기 때문입니다. 같은 구조가 회의 첫 문장에도, AI에게 주는 '~하지 마'에도 그대로 있습니다.
- 일하는방식
- 프롬프트
- AI활용
- 커뮤니케이션
- 의사결정
AI가 짜준 일정표는, 합계가 항상 맞습니다
AI에게 하루 일정이나 커리큘럼을 짜달라고 하면 시간 배분표가 예쁘게 떨어집니다. 합계도 정확히 맞고요. 그런데 그 표는 「그 시간을 채울 것이 손에 있는가」를 하나도 보증하지 않습니다. 그래서 저는 AI에게 만드는 일 대신 재는 일을 시켰습니다 — 자료를 한 장씩 훑어 소요를 쌓아 올리게요. 240분짜리 계획에서 57분이 비어 있었습니다.
- AI활용
- 일하는방식
- 데이터
- 프롬프트
- 의사결정
주제를 관리하다가, 재료의 출처를 관리하기로 했습니다
최근 두 주치 글을 늘어놓고 보니 제목은 다 다른데 한 덩어리였습니다. 주제는 매번 새로 골랐는데도요. 원인은 주제가 아니라 재료였습니다 — 전부 같은 곳에서 가져왔거든요. 이 구조는 글에만 있는 게 아닙니다. 늘 같은 결론이 나는 회의도 대개 같은 이유입니다.
- 일하는방식
- 의사결정
- 조직
- 회고
- 콘텐츠
Q. AI 도입하라는 지시는 받았는데, 어디서부터 시작해야 하나요?
교육장에서 가장 많이 받는 질문입니다. 대부분 도구를 고르는 것부터 시작하는데, 거기서 시작하면 대개 몇 달 뒤에 아무것도 안 남습니다. 시작 지점은 도구 목록이 아니라 업무 목록에 있습니다. 그리고 첫 업무는 가장 중요한 일이 아니라, 가장 자주 하면서 틀려도 되돌릴 수 있는 일이어야 합니다.
- AI도입
- 일하는방식
- 교육
- 질문함
- 조직
'AI로 안 되더라'에는 세 가지가 섞여 있습니다
회의에서 이 한 문장이 나오면 논의가 끝납니다. 그런데 그 안에는 성질이 완전히 다른 셋이 들어 있습니다. 막혀서 못 하는 것, 아직 못 하는 것, 원래 안 되는 것. 최근 공개된 수치 하나가 이 구분이 왜 중요한지 보여줍니다 — 안전장치를 통째로 걷어냈는데 완료율은 1.5%에서 2.0%로 올랐을 뿐이었습니다. 푼다고 열리는 게 아니었다는 뜻입니다.
- AI도입
- 일하는방식
- 의사결정
- AI활용
- 조직
가장 무너진 날에, 가장 무거운 입력을 요구하고 있었습니다
기록 도구를 만들다 구멍을 하나 만났습니다. 예외가 터진 날의 데이터가 안 남는 겁니다. 그 구멍을 메우는 기능을 만들려다 멈췄습니다. 그건 정확히 가장 여력 없는 날에 가장 무거운 입력을 요구하는 설계였거든요. 결국 기능 하나를 안 만들기로 했고, 대신 그 데이터를 다른 종류로 분류했습니다. 그러자 문제 자체가 사라졌습니다.
- 데이터
- 업무자동화
- 일하는방식
- 설계
- AI활용
답을 안 한 요청은, 아무 데도 안 남습니다
강의 전날 밤에 AI에게 자료 한 벌을 통째로 맡겼습니다. 폴더를 다 읽고 잘 만들더군요. 그러다 문득 떠오른 요청 하나를 물었더니, 폴더 전체를 뒤지고도 0건이었습니다. AI가 못 찾은 게 아니라 진짜 없었습니다. 확정된 것은 결과물이 증명해 주는데, 아직 답하지 않은 것은 아무 데도 안 남거든요. 하필 그게 제일 잊으면 안 되는 쪽입니다.
- AI활용
- 일하는방식
- 컨텍스트
- 자동화
- 문서화
시킨 대로 적혔는데, 다르게 그려졌습니다
AI에게 표를 만들라고 시켰더니 '20대'가 '20 대'로 찍혀 나왔습니다. 행 높이는 지정한 값의 1.5배가 됐고, 밑줄 세 줄은 한 줄이 됐습니다. AI가 틀린 게 아닙니다. 파일에는 제가 시킨 값이 정확히 그대로 적혀 있었어요. 다만 그 파일을 여는 프로그램이 저와 다른 뜻으로 읽었을 뿐입니다. 검사는 적힌 값을 보고, 결과를 정하는 건 그 값을 읽는 규칙입니다.
- AI활용
- 일하는방식
- 검증
- 문서작업
- 자동화
다시 만들어 달라고 했더니, 어제 고친 것이 사라졌습니다
파일은 정상적으로 열렸습니다. 에러도 경고도 없었고요. 다만 분량이 줄어 있었습니다. 사라진 건 어제 제가 손으로 넣은 한 덩어리였고, AI는 시킨 대로 정확히 다시 만든 것뿐이었습니다. 지시서에 그 손질이 없었으니까요. AI에게 만들게 하는 순간 원본의 자리가 옮겨가는데, 손은 여전히 결과물을 고칩니다.
- AI활용
- 일하는방식
- 업무적용
- 자동화
흠집은 보이고, 각도는 안 보입니다
결함 세 개를 심어둔 보고서 한 장을 놓고 '가장 치명적인 것 하나'를 고르게 하면, 손은 대개 고칠 수 있는 두 개로 올라갑니다. 남은 하나는 결론과 근거가 서로 다른 것을 재고 있다는 결함인데, 이건 잘 안 보입니다. 흠집은 각도 안에 있고, 각도는 각도 밖에 있기 때문입니다.
- 데이터분석
- 데이터리터러시
- 일하는방식
- 데이터해석
- 의사결정
통과할 때까지 시키면, 통과하는 법을 찾아냅니다
AI에게 스스로 검사하고 스스로 고치게 하는 루프를 짜면 통과 도장이 찍힙니다. 그런데 한 실험에서 에이전트들은 자기 점수를 만점 근처로 유지하는 동안 실제 성과가 무작위보다 못했습니다. 채점자를 떼어놓는 것만으로는 부족합니다. 루프는 일을 끝내러 가는 게 아니라, 제가 준 자를 만족시키러 가기 때문입니다.
- 루프엔지니어링
- AI검증
- 일하는방식
- 위임
- 에이전트
차트에 없는 사실은, AI의 해석에도 없습니다
차트를 던지면 이제 해석까지 문장으로 돌아옵니다. '4월부터 하락 추세, 개선이 필요합니다.' 틀린 말은 하나도 없습니다. 다만 그 4월에 집계 기준이 바뀌었다는 사실이 차트에 안 그려져 있었을 뿐입니다. AI는 선이 꺾인 건 알지만 그달에 무슨 일이 있었는지는 모릅니다. 그리고 그건 데이터가 아니라 조직의 기억에 있습니다.
- 데이터리터러시
- AI활용
- 일하는방식
- 데이터해석
- 의사결정
AI를 켰는데, 답은 켜기 전과 똑같았습니다
AI 기능을 켜면 화면에 '연결됨'이 뜹니다. 그 표시가 읽은 건 내가 켰다는 사실이지, 방금 그 답을 AI가 썼다는 사실이 아닙니다. 키가 틀려도 망이 끊겨도 화면은 그대로 켜져 있다고 말하고, 도구는 조용히 예전 방식으로 답합니다. 에러는 없습니다. 남는 건 'AI 붙였는데 별거 없네'라는 결론뿐입니다.
- AI활용
- 검증
- 일하는방식
- 업무적용
같은 명령을 다시 줘도, 같은 작업이 되지는 않습니다
매달 같은 점검을 AI에게 시킵니다. 프롬프트도 저장해 뒀고 한 글자도 안 바꿨습니다. 그런데 이번 달 숫자가 지난달과 다른 기준으로 잡혔습니다. 명령은 같았는데 결과가 달랐습니다. 말로 준 규칙은 줄 때마다 다시 해석되기 때문입니다. 판단이 필요 없는 규칙은 부탁하는 게 아니라 실행되는 형태로 내려놓아야 하고, 그 순간 그것은 유일하게 지켜졌는지 확인되는 명세서가 됩니다.
- AI활용
- 일하는방식
- 프롬프트
- 업무적용
- 하네스
틀린 말은 없었는데, 헛수고였습니다
리포트에서 빠진 거래 한 건의 이유를 물었더니 AI가 정확한 답을 줬습니다. 고쳤는데 그대로였습니다. 다시 물었더니 또 정확한 답을 줬습니다. 세 번을 왕복하고 사흘이 지났습니다. AI는 한 번도 틀린 말을 하지 않았습니다. 매번 하나였을 뿐입니다. 참인지만 검사하면, 그 답이 전부인지는 아무도 검사하지 않습니다.
- AI활용
- 일하는방식
- 검증
- 업무적용
- 생성형AI
AI가 '없습니다'라고 하면, 그건 못 찾았다는 뜻입니다
AI가 자료 스물일곱 개를 확인하고 '그건 없다'고 적었습니다. 그 한 줄 때문에 한 작업이 몇 주 동안 '자료를 구해와야 하는 일'로 분류돼 있었습니다. 다시 시켜 보니 쉰두 건이 있었습니다. 자료가 새로 생긴 게 아니라 찾는 방법이 바뀐 것뿐이었습니다. 틀린 답은 다음 단계에서 걸리지만, '없다'는 다음 단계 자체를 없앱니다.
- AI활용
- 일하는방식
- 검증
- 업무적용
- 생성형AI
6개월 전에 쓴 지시가, 오늘 AI를 방해합니다
AI에게 주는 지시는 쌓이기만 하고 걷어내지지 않습니다. 그런데 그 줄들 중 상당수는 그때 그 모델이 하던 짓을 막으려고 쓴 문장입니다. 모델이 바뀌면 막을 대상은 사라지는데 줄은 남고, 남은 줄은 매 요청마다 그대로 다시 읽힙니다. 그렇다고 다 지우면 안 됩니다. 같은 문서 안에 절대 안 낡는 줄이 섞여 있기 때문입니다.
- AI활용
- 프롬프트
- 일하는방식
- 생산성
- AI도구
말하지 않은 기준은, AI가 대신 정합니다
같은 데이터에 같은 질문을 던졌는데 숫자가 다르게 나옵니다. 스무 개 중 열아홉 개는 맞고 하나만 틀립니다. 대개 데이터도 계산도 문제가 아닙니다. 내가 이미 정해 놓고 말하지 않은 기준을 AI가 대신 정한 것이고, 그건 오류로 보이지 않습니다. 조건을 빠짐없이 적는 것보다 나은 처방이 하나 있습니다.
- AI활용
- 프롬프트
- 데이터분석
- 검증
- 일하는방식
AX 계획서에는 만드는 일만 적혀 있습니다
AX 추진 계획서를 열면 모델, 데이터, 인프라, 개발 일정이 주 단위로 촘촘합니다. 그런데 '누가 어떤 일에서 무엇을 다르게 하나'는 한 줄도 없습니다. 실패는 대개 만든 것이 안 돌아가서가 아니라, 만든 것을 아무도 자기 일에 얹지 않아서 납니다. 항목표를 두 칸으로 나누면 그게 보입니다.
- AI도입
- 일하는방식
- AI활용
- 조직
- 성과측정
AX는 작은 DX가 아닙니다
어느 도입 검토 자리에서 '데이터가 부족하다, 아직 이르다'는 결론이 났습니다. 그런데 그 방에 AI에게 실제로 일을 시켜 결과물을 받아본 사람은 아무도 없었습니다. AX를 DX의 순서로 판정하면 준비가 끝나는 날까지 시작이 미뤄집니다. 생성형 AI는 방향이 반대이기 때문입니다.
- AI활용
- 일하는방식
- AI도입
- 업무적용
- 생성형AI
'다 고쳤다'는 검색으로 증명되지 않습니다
자료 네 벌에서 한 가지 방식을 걷어내고 '조별'을 검색했습니다. 0건이었습니다. 그런데 네 번을 더 검수했고 네 번 다 새로 나왔습니다. 마지막에 나온 건 시각표가 두 벌이라는 사실이었는데, 두 벌 다 합계가 240분이라 각각 열어 보면 아무 문제가 없었습니다. 검사 단위가 파일 하나면, 문서 사이에 생긴 모순은 원리적으로 안 잡힙니다.
- AI활용
- 일하는방식
- 검증
- 업무적용
- 생성형AI
하나만 바꾸면 되는 줄 알았습니다
자료의 소재 하나가 바뀐다는 연락을 받았습니다. 이름만 갈면 될 줄 알았는데, 열어 보니 40장 중 24장이 그것 없이는 성립하지 않았습니다. AI에게 다시 만들라고 시키는 건 빠릅니다. 느린 건 무엇을 다시 만들어야 하는지 정하는 일이고, 그건 화면이 아니라 만든 사람 머릿속에 있습니다.
- 일하는방식
- AI활용
- 업무적용
- 생성형AI
더 좋은 모델로 바꿨는데, 결과는 나빠졌습니다
새 모델은 전보다 다 잘하게 나오지 않습니다. 어느 쪽으로 더 다듬어져 나옵니다. 그래서 순위표에서 올라간 모델이 내 일에서는 아쉬울 수 있습니다. 고를 것은 더 좋은 모델이 아니라, 이 일에 맞는 모델입니다. 기준은 작업 이름이 아니라 '이 일은 어디서 틀어지나'입니다.
- 일하는방식
- 모델선택
- AI활용
- 생성형AI
사고는 바꾼 것이 아니라 안 바꾼 것에서 납니다
검사 두 개를 통과한 파일의 표지에 이전 프로젝트 고객사 이름이 박혀 있었습니다. 검사기가 못 잡은 건 실력 문제가 아닙니다. 검사도 검토도 '내가 이번에 넣은 것'을 봅니다. 그런데 AI로 일할수록 결과물의 대부분은 이번에 쓴 것이 아니라 가져온 것입니다.
- AI교육
- AI검증
- 일하는방식
- 재사용
- 현장사례
확정 문서에는 '하지 마세요'가 없습니다
AI에게 근거 자료를 빠짐없이 줬는데도 결과가 어긋날 때가 있습니다. 자료가 안 간 게 아니라, 우리가 준 자료 자체가 반쪽이어서예요. 확정본은 '무엇을 하기로 했는가'만 적고, '무엇을 하지 말라고 했는가'는 지저분한 대화 기록에만 남습니다.
- AI활용
- 일하는방식
- 컨텍스트
- 검증
- 문서화
데이터는 많이 보여줄수록 안 통합니다
AI에게 '시각화해줘' 하면 차트와 대시보드가 우수수 쏟아집니다. 정보는 열 배로 늘었는데 결정은 그대로예요. 데이터 커뮤니케이션의 진짜 일이 '더 만드는 것'에서 '아홉을 버리고 하나를 세우는 것'으로 옮겨간 이유입니다.
- 데이터커뮤니케이션
- 데이터리터러시
- AI활용
- 일하는방식
- 의사결정
많이 쓴다고 잘 쓰는 건 아닙니다
'AI 잘 쓰세요?'라는 물음에 우리는 흔히 '저 요즘 진짜 많이 써요'로 답합니다. 조직도 도입 성과를 사용률로 재요. 그런데 사용량과 실력은 다른 축입니다. 많이 쓰는 건 실행 횟수일 뿐이고, 얕게 자주 던지는 습관은 오히려 깊이를 막습니다. 잘 쓴다는 건 빈도가 아니라 다른 세 가지 신호로 드러납니다.
- AI활용
- 역량
- 자기진단
- 조직
- 일하는방식
오픈 모델이 우리 담장 안으로 들어왔습니다 — 보안은 그래서 끝났을까요?
Kimi 같은 오픈 모델이 최상위 폐쇄 모델을 바짝 따라붙으면서, 이제 강력한 AI를 클라우드에 올리지 않고 회사 담장 안에 둘 수 있게 됐습니다. 많은 조직이 '모델이 우리 서버 안에 있으니 보안은 해결'이라고 생각해요. 절반은 맞습니다. 그런데 보안은 모델이 어디 있느냐가 아니라 데이터가 어디로 흐르느냐에서 갈립니다. 함정을 짚고, 오픈 모델을 제대로 쓰는 법까지 정리했습니다.
- 오픈모델
- 보안
- AI도입
- 데이터
- 일하는방식
잘 만든 AI 가이드라인이 서랍에서 잠자는 이유
회사가 큰맘 먹고 AI 사용 가이드라인을 만듭니다. 그런데 몇 달 뒤 아무도 열어 보지 않아요. 담당자는 '왜 안 지키지, 왜 안 보지'라고 읽지만, 진짜 문제는 준수율이 아닙니다. 그 문서가 답하는 질문이 실무자가 던지는 질문과 애초에 어긋나 있습니다.
- AI활용
- 가이드라인
- 조직
- 정착
- 일하는방식
AI에게 '이 폴더에서 일해'라고 말할 수 있나요
코웍(Cowork)과 챗GPT 웍스(Work)는 '알아서 완성물을 만드는 지식노동 에이전트'라는 같은 목표를 향합니다. 그런데 '내 폴더를 통째로 맡기고 그 안에서 알아서 일해'를 시킬 수 있느냐에서 갈립니다. 한쪽은 그 능력을 비개발자에게 그대로 내줬고, 다른 쪽은 개발자 도구 안에 가둬 뒀습니다. 기능 하나의 차이처럼 보이지만, 실은 초심자가 밟은 첫 계단이 고급 사용으로 이어지느냐를 가르는 설계 철학의 차이입니다.
- AI활용
- 일하는방식
- AI에이전트
- AI도구
- 실무
당신은 왜 AI를 24시간 쓰고 싶은가요
24시간 대신 일해주는 AI가 나오기 시작했습니다. 다들 '나 대신 알아서 24시간 돌아가면 좋겠다'고 말하죠. 그런데 왜 24시간을 원하는지 되물어보면, 상당 부분은 '일을 정의하는 수고를 건너뛰고 싶다'입니다. 알아서 해줘, 라는 마음이요. 문제는 24시간 자율이 정의를 덜 요구하는 게 아니라 더 요구한다는 겁니다. 24시간은 증폭기라서, 정의 안 한 것을 24배로 키웁니다.
- AI활용
- 일하는방식
- 업무정의
- AI에이전트
- 실무
데이터의 쓸모는 쓸 때가 아니라 모을 때 정해집니다
AI가 오랫동안 미뤄둔 숙제를 하나 풀어줬습니다. '일단 다 모아둬라, 언젠가 쓴다' — 그 언젠가를 진짜로 데려온 거죠. 이제 쌓아둔 데이터 더미를 통째로 AI에게 넘길 수 있게 됐습니다. 그래서 넘겨봤더니, 못 씁니다. 문제는 데이터의 양이 아니었습니다. 모을 때 아무도 한 줄을 안 적어둔 거였죠. 그 한 줄은 나중에 복원되지 않습니다.
- 데이터
- AI활용
- 일하는방식
- 데이터수집
- 실무
'확인만 하겠습니다'라는 코드가 가장 위험합니다
AI에게 일을 시켰더니, 준비 단계에서 제가 열어놓고 작업하던 소프트웨어를 그냥 종료시켰습니다. 저장 안 한 작업이 통째로 날아갔죠. 파일을 지우라고 시킨 적은 없습니다. 파일도 안 지워졌고요. 위험한 건 제가 시킨 일이 아니라, 그 일에 딸려온 부수효과였습니다. 그래서 위임의 상한선은 하나가 더 있습니다 — 되돌릴 수 있는 만큼만 맡길 수 있습니다.
- AI에이전트
- 위임
- 일하는방식
- 자동화
- 복구
'이제 한 줄이면 된다'는 말을 믿지 마세요
요즘 '프롬프트 엔지니어링은 끝났다, 이제 한 줄이면 된다'는 말이 넘칩니다. 반은 맞고 반은 함정이에요. 그 한 줄이 데모처럼 작동하는 건, 수면 아래에 누군가 시스템 프롬프트·맥락·스키마·도구·루프를 다 깔아놨기 때문입니다. 프롬프트가 짧아진 게 아니라, 복잡함이 안 보이는 곳으로 옮겨간 겁니다. 부러워할 건 한 줄이 아니라, 그 밑의 구조예요.
- 프롬프트
- 일하는방식
- AI활용
- 하네스
더블클릭은 '여는' 게 아니라 '해석하는' 겁니다
구글 시트에서 받은 CSV를 엑셀로 더블클릭해서 열고, 고치고, 저장했습니다. 그 사이 한글 398자가 사라지고, 반복 횟수가 날짜로 바뀌고, 쉼표가 먹혀 표의 뼈대가 무너졌습니다. 더블클릭은 파일을 '여는' 게 아니라 추측해서 해석하고 자동으로 바꾸는 일이었고, 저장은 그 추측을 원본에 확정하는 일이었습니다. 깨진 건 연 순간이지만, 죽은 건 저장한 순간이었어요.
- 데이터
- CSV
- 일하는방식
- AI활용
AI가 무엇을 보고 답했는지, 아무도 알려주지 않습니다
AI 코치는 6주치 기록을 분석했다고 자신 있게 말했습니다. 실제로 넘어간 건 세션 한 번 반이었습니다. 에러도 경고도 없었어요. 잘린 건 답이 아니라 근거였고, 근거는 화면에 나오지 않습니다. 붙여넣던 시절엔 최소한 내가 무엇을 줬는지 알았습니다. 연결해두는 순간, 아무도 모릅니다.
- AI활용
- 검증
- 컨텍스트
- 일하는방식
틀린 정보는 티가 납니다. 낡은 정보는 티가 안 납니다
AI가 찾아온 근거는 한 점 흠이 없었습니다. 날짜도 장소도 인용 문구도 맞았고, 매체 여러 곳이 교차 확인해줬습니다. 다만 그 사실이 이미 뒤집혀 있었을 뿐입니다. 검색은 '그 일이 있었다'를 찾아주고, '그 뒤에 취소됐다'는 따로 물어야만 찾아줍니다.
- AI활용
- 검증
- 리서치
- 일하는방식
모델이 하네스를 삼킨다 — 그래서 '딸깍'이면 끝일까
차세대 모델이 하네스를 먹어치운다는 전망이 업계에 퍼지고 있습니다. 방향은 맞지만, '무용론'은 과장이고 '딸깍이면 끝'은 함정입니다. 껍데기가 벗겨질수록 남는 일은 오히려 더 어려워집니다.
- AI동향
- 하네스
- 에이전트
- 일하는방식
'다음엔 조심하겠습니다'는 대책이 아닙니다
자동검사 네 겹을 전부 통과하고도 결과물은 깨져 있었습니다. 통과는 맞다는 뜻이 아니라, 내가 물어본 것만 맞다는 뜻입니다. 한 번 데인 결함은 주의력이 아니라 장치로 막고, 그 장치가 진짜 작동하는지까지 시험해야 합니다.
- AI교육
- AI검증
- 일하는방식
- 위임
- 현장사례
형식을 외우는 건, 더 이상 당신 일이 아닙니다
낯선 양식이나 처음 보는 문법 앞에서 우리는 반사적으로 '규칙부터 배워야지' 합니다. 그런데 그 규칙은 기계가 이미 완벽히 아는 것이라, 사람이 머리에 넣을 이유가 없습니다. 형식을 외우는 대신 AI에게 정답 예시를 받아 모양만 복제하면 됩니다. 배울 것과 안 배울 것이 바뀌었을 뿐입니다.
- 일하는방식
- AI활용
- 프롬프트
- 비개발자
모델을 바꾸기 전에, 쓰는 법을 바꾸세요
AI 결과가 아쉬우면 우리는 모델을 의심합니다. 더 좋은 걸로 바꾸면 나아지겠지 하고요. 그런데 가장 앞선 모델조차 지식은 이미 몇 달 전에 멈춰 있고, 같은 모델이라도 프롬프트 형식만 바꾸면 성능이 최대 76점까지 갈린다는 연구가 있습니다. 결과를 가르는 건 어떤 모델이 아니라, 어떻게 쓰느냐입니다.
- 일하는방식
- 모델선택
- 프롬프트
- AI활용
코딩을 못 해도, 크롤링은 할 수 있습니다
코딩을 못 하는데 크롤링을 어떻게 하냐는 말은 전제부터 틀렸습니다. 필요한 건 코드를 아는 게 아니라, AI에게 정확히 무엇을 시킬지 아는 것이니까요. 개발자도구로 어디를 짚고, 원하는 동작을 말로 시키고, 막히면 에러를 붙여넣어 고칩니다. 외운 코드 한 벌은 사이트가 바뀌면 죽지만, 받아내는 능력은 어느 화면에서도 다시 통합니다.
- 일하는방식
- 바이브코딩
- 크롤링
- 비개발자
AI를 잘 쓰는 팀과 못 쓰는 팀의 차이는 도구가 아니었습니다
같은 회사, 같은 도구, 같은 교육. 그런데 어떤 팀은 AI로 확 달라지고 어떤 팀은 제자리입니다. 흔히 '잘하는 사람이 있어서'라고 하지만, 못 쓰는 팀에도 잘하는 사람은 있습니다. 진짜 차이는 그 한 사람의 방식이 팀 전체로 퍼지느냐 — 개인기로 흩어지느냐, 팀의 자산이 되느냐입니다.
- AI활용
- 팀
- 조직
- 지식공유
- 일하는방식
AI에게 긴 문서를 통째로 주면, 오히려 답이 흐려집니다
두꺼운 보고서나 긴 회의록을 통째로 붙여넣고 정리해 달라고 했더니, AI가 앞부분을 빼먹거나 엉뚱한 데를 요약합니다. AI가 게을러서가 아니에요. AI에게는 한 번에 볼 수 있는 창이 정해져 있어서, 통째로 밀어넣으면 뒤가 잘리고 가운데가 흐려집니다. 잘 쓰는 사람은 통째로 던지지 않고 필요한 조각을 골라 줍니다. 갈리는 건 AI 성능이 아니라, 무엇을 창에 넣을지 고르는 손입니다.
- AI교육
- AI활용
- 컨텍스트
- 문서요약
- 일하는방식
혁신기법의 성공은 도입이 아니라 정착에서 갈립니다
애자일, 디자인씽킹, 그리고 지금은 AI. 조직은 도입이 끝나면 '성공했다'고 체크하지만, 진짜 성공은 그 다음에 결정됩니다. 아무리 좋은 기법도 기업문화에 뿌리내려야 살아남고, 그 문화를 만들 수 있는 건 결국 리더의 의지 하나입니다.
- AI도입
- 혁신
- 기업문화
- 리더십
- 변화관리
교육이 끝나고 한 달 뒤, 그들은 제자리였습니다
한 달 전 교육했던 회사를 다시 찾아 물어보면, 배운 걸 실제로 쓰고 있는 분은 드뭅니다. 교육장에서 눈을 반짝이던 그 사람들이요. 담당자는 '왜 다음 단계로 못 넘어갈까' 묻지만, 진짜 문제는 다음 단계가 아닙니다. 첫 단계가 조직에 뿌리내리지 않은 거예요. 정착은 교육이라는 하루가 아니라, 교육이 끝난 뒤에 남는 구조에서 옵니다.
- 일하는방식
- 기업교육
- AI정착
- 변화관리
AI를 잘 쓰는 사람은 같은 명령을 매번 새로 치지 않습니다
어제 한참을 다듬어 마음에 들게 뽑아낸 그 프롬프트, 오늘 또 0에서 치고 있지 않으신가요. AI는 어제의 당신을 기억하지 못하니, 기억하는 일은 사람의 몫으로 남습니다. 잘 된 명령을 흘려보내지 않고 재사용할 수 있게 쌓아 두는 것 — 요즘 쏟아지는 에이전트 도구들이 자동화하려는 게 바로 그 습관입니다.
- 일하는방식
- 프롬프트
- 지식관리
- 에이전트
AI를 도입했는데, 왜 더 빨라지지 않을까요?
팀에 AI를 깔았는데도 일이 기대만큼 빨라지지 않습니다. 고장이 아닙니다. AI가 빠르게 만든 건 '실행'(손으로 만드는 일)이고, 정작 일의 시간을 쥔 건 무엇을 할지 정하고(정의) 맞는지 확인하는(검증) 과정이기 때문입니다. 실행은 원래 병목이 아니었습니다.
- AI교육
- 생산성
- 일하는방식
- 업무정의
- 검증
AI 비용은 어떤 도구를 쓰느냐가 아니라, 어떻게 시키느냐에서 갈립니다
AI 요금이 '머릿수 × 월정액'에서 '무엇을 얼마나 시켰나'로 옮겨가고 있습니다. 종량 과금이 개발자 도구를 넘어 기본 오피스 환경으로 내려오면서, 비용을 가르는 건 어떤 도구를 샀느냐가 아니라 일을 어떻게 정의했느냐가 됐습니다. 그래서 비용 절감의 손잡이도 구매에서 일하는 방식으로 옮겨갑니다.
- AI동향
- 비용
- 종량과금
- 일하는방식
- AI교육
업종으로 물으면 일반론, 기업명으로 물어야 사례입니다
AI에게 '우리 업종 AI 도입 사례 좀 찾아줘' 하면 자꾸 뻔한 일반론만 돌아옵니다. AI가 무능해서가 아니라 질문의 해상도가 낮아서예요. 알맹이는 한 칸 더 좁혀 — 업종이 아니라 기업명까지 — 물어야 나옵니다. 검색을 AI에 맡길 때 진짜 갈리는 건 검색 실력이 아니라 무엇을 찾는지 내가 먼저 쥐고 있느냐입니다.
- AI교육
- AI검색
- 리서치
- 프롬프트
- 일하는방식
엑셀을 잘 써도, AI에겐 CSV로 줘야 합니다
엑셀은 능숙하게 다루는데 그 표를 AI에 던지면 자꾸 헛돕니다. 이유는 하나예요 — AI는 서식이 아니라 데이터를 보기 때문입니다. 화려한 표를 만드는 능력과, AI가 읽을 수 있는 데이터를 건네는 능력은 다른 일입니다. 후자가 AI 시대의 데이터 리터러시입니다.
- AI교육
- 데이터
- CSV
- 데이터리터러시
- 일하는방식
SQL을 못 짜도 괜찮습니다, 못 읽으면 안 됩니다
AI가 SQL을 대신 짜주는 시대, SQL이 필요 없어진 게 아니라 필요한 능력이 바뀌었습니다 — 짜는 능력에서, AI가 짠 쿼리를 읽고 검증하는 능력으로. SQL은 몰라도 되는 엔진룸 언어가 아니라, 그 결과가 곧 내 보고서의 숫자가 되는 운전석 언어입니다.
- AI교육
- 데이터
- SQL
- AI검증
- 일하는방식
AI 답변, 끝까지 읽어보시나요?
AI가 길게 답할수록 사람은 덜 읽고, 안 읽은 구간으로 오류가 빠져나갑니다. 카르파시의 처방은 간단합니다 — 답을 텍스트로 노려보지 말고, 눈으로 검증되는 형태로 바꿔서 보라는 것. 검증력이 곧 위임의 한계선입니다.
- AI교육
- AI검증
- 조율
- 일하는방식
- 카르파시
AI가 ‘됐다’고 해도, 일이 끝난 게 아닙니다
AI는 에러 없이 ‘완료’를 보고하고도 결과물은 깨뜨려 놓습니다. 코드를 못 읽는 비개발자가 자동화 결과를 검증하는 법은 딱 하나 — 글자가 아니라 그림으로, 끝까지 눈으로 보는 것입니다.
- AI교육
- AI검증
- 조율
- 일하는방식
- 현장사례
무료 AI툴의 진짜 벽은 ‘기능’이 아니라 ‘어디서 막히느냐’입니다
직원들에게 무료 AI를 쓰라고 했는데 왜 다들 어딘가에서 막힐까요. 무료 도구만으로 실습 과정을 설계하다 알게 된 건, 무료의 벽은 ‘기능 잠금’이 아니라 더 교묘한 자리에 박혀 있다는 사실이었습니다.
- AI교육
- 무료AI툴
- 도구선택
- 일하는방식
- 현장사례
RAG, MCP, Function Calling을 몰라도 AI는 잘 씁니다
교육장에서 가장 자주 받는 불안한 질문 하나 — 저는 RAG가 뭔지도 모르는데, AI를 잘 쓴다고 할 수 있나요. 결론부터 말씀드리면, 그 세 단어는 당신이 외울 말이 아닙니다. 그건 엔진룸의 언어고, 당신은 운전석에 앉아 있습니다.
- AI교육
- RAG
- MCP
- FunctionCalling
- 일하는방식
도구를 다 알려주는 책일수록, 일은 안 바뀝니다
한 교육생이 그러더군요. 두꺼운 AI 책을 끝까지 읽었는데, 덮고 나니 손에 남는 게 없었다고. 그 책이 부실해서가 아닙니다. 도구를 친절하게 다 알려준 책일수록, 정작 일하는 법은 비어 있습니다.
- AI교육
- 기업교육
- 일하는방식
- 도구
- 변화
바뀌는 사람은 잘 듣는 사람이 아닙니다
같은 강의실, 같은 강사, 같은 세 시간. 그런데 끝나고 나면 누구는 그대로고 누구는 바뀝니다. 차이는 똑똑함이 아닙니다. 강의실에 무엇을 들고 들어왔느냐입니다.
- AI교육
- 기업교육
- 일하는방식
- 참여
- 변화
ChatGPT를 쓴다고, AI로 일하는 건 아닙니다
“AI 좀 쓰세요?”라는 질문에 돌아오는 두 대답 — “전 아직 초보예요”와 “그거 그냥 쓰면 되는 거 아녜요?” — 은 정반대처럼 보이지만 같은 실수를 합니다. 둘 다 잘못된 자로 자기 실력을 잽니다. 활용능력을 재는 진짜 자는 따로 있습니다.
- AI활용
- 역량
- 자기진단
- 위임
- 일하는방식
당신 회사 노트북은 그 GUI를 버틸 수 있습니까?
비개발자 AI 도입의 결론은 늘 '검은 터미널 말고 쉬운 GUI로 가자'입니다. 절반은 맞는 말입니다. 그런데 그 GUI를 매끄럽게 돌릴 하드웨어가 직원 손에 있다는 전제는, 현장에서 자주 무너집니다. 인터페이스의 모양 아래 숨은 두 개의 진짜 질문.
- AI도입
- 기업교육
- 도구선택
- 터미널
- UX
AI의 첫 답은 결론이 아니라 초안입니다
AI를 한 번 써보고 '별로네요'라고 판단하는 분이 많습니다. 하지만 첫 답은 제출물이 아니라 초안입니다. 그리고 그 초안을 끌어올리는 건 '다시' 버튼이 아니라, 무엇이 어긋났는지 짚어내는 조율입니다.
- AI활용
- 일하는방식
- 위임
- 조율
마크다운만 쌓으면, 그냥 폴더입니다
옵시디언에 노트를 쌓기만 하면 그냥 폴더입니다. 지식은 양으로 쌓이지 않고, 연결로 자랍니다.
- AI활용
- 옵시디언
- 지식관리
누구를 위한 데이터 분석인가
데이터 분석은 의사결정을 위한 것이라고 배웁니다. 맞는 말입니다. 그런데 현장에서 한 겹이 빠져 있습니다. 결정은 사람이 내리고, 사람을 움직이는 마지막 일은 설득이니까요.
- 데이터분석
- 일하는방식
- 의사결정
- 데이터리터러시
AI를 프로그래밍처럼 배우려고 하지 마세요
AI 잘 쓰는 법을 묻는 분들은 흔히 명령어나 프롬프트 문법부터 찾습니다. 새 프로그래밍 언어를 배우듯이요. 그런데 AI는 정복하는 기계가 아니라, 일을 맡기는 동료에 가깝습니다.
- AI활용
- 일하는방식
- 위임
- 학습법
AI는 기억하지 않습니다
AI에게 '아까 말했잖아'는 통하지 않습니다. AI는 기억하는 게 아니라 매번 처음부터 다시 읽습니다. 그 '다시 읽는 창'에는 크기가 있고, 이걸 모르면 AI와의 대화가 계속 어긋납니다.
- AI활용
- 컨텍스트윈도우
- 일하는방식
좋은 프롬프트는 좋은 질문에서 나온다
프롬프트 기법을 외우기 전에, 자기가 풀려는 문제를 정의할 수 있는지부터 봐야 합니다. 현상을 던지면 범용 답이 오고, 문제를 정의하면 날카로운 답이 옵니다.
- AI활용
- 문제정의
- 프롬프트
- 일하는방식
프롬프트는 죽지 않았습니다
업계는 '프롬프트 엔지니어링은 끝났다'고 말합니다. 저는 정반대로 봅니다. 도구가 똑똑해지고 일을 알아서 할수록, 무엇을 시킬지 명확히 말하는 능력은 오히려 더 귀해집니다.
- AI활용
- 프롬프트
- 일하는방식
AI에게 건넬 수 있는 지식, 건넬 수 없는 지식
AI에게 일을 시키려면 지식을 건네야 합니다. 그런데 당신의 지식은 AI가 읽을 수 있는 곳에 있습니까.
- AI활용
- 옵시디언
- 지식관리
AI에게 일을 시키려면, 먼저 '일'이 뭔지 알아야 한다
AI가 새로운 문제를 만든 게 아닙니다. 우리가 자기 업무를 구조화해 설명하지 못했다는, 원래 있던 문제를 드러냈을 뿐입니다.
- AI활용
- 일하는방식
- 업무정의
n8n보다 바이브 코딩이 무조건 좋을까?
에이전틱 AI가 노코드 자동화 도구를 끝냈다는 말 앞에서. 개인이라면 대체로 맞지만, 기업 현장이라면 너무 이른 결론입니다.
- AI활용
- 업무자동화
- 기업교육
어떤 AI를 써야 하나요 — 그 질문이 틀린 이유
ChatGPT냐 Gemini냐 Claude냐. 기업 교육 현장에서 도구를 고를 때 가장 먼저 보는 것은 도구의 성능이 아니라, 그 회사가 이미 무엇을 쓸 수 있는가입니다.
- AI활용
- 기업교육
- 도구선택
AI로 만들다 막혔을 때, 무너지지 않는 법
AI로 뭔가 만들다 막히면 대부분 거기서 멈춥니다. 막힘을 뚫는 힘은 더 똑똑한 도구가 아니라, 막히기 전에 만들어 둔 작업 구조에서 나옵니다.
- AI활용
- 컨텍스트엔지니어링
- 하네스
왜 우리는 AI 도구에 실망하는가
AI는 대단하다는데 막상 해보면 별것 없다고 느낀다면. 실망의 원인은 도구가 아니라, 우리가 AI에 거는 기대의 방향에 있습니다.
- AI활용
- 컨텍스트엔지니어링
- 일하는방식