저도 처음에는 AI한테 "블로그 글 써줘"라고 던지면 끝인 줄 알았습니다. 그런데 몇 달을 그렇게 쓰고 나서야 깨달았습니다. 결과물이 늘 어딘가 아쉬운 이유가 AI 탓이 아니라, 제가 원하는 것을 제대로 전달하지 못했기 때문이라는 것을. AI를 더 많이 쓴다고 해결되는 게 아니었습니다. 힘을 어디에 모으느냐가 핵심이었습니다.
상위 목표와 답안지, AI에게 방향을 먼저 알려줘야 한다
솔직히 이건 예상 밖이었습니다. AI 활용에서 가장 먼저 막히는 지점이 프롬프트(prompt) 기술이 아니라 목표 설정이라는 점이요. 여기서 프롬프트란 AI에게 내리는 명령문, 즉 AI와 대화하는 입력값을 뜻합니다. 대부분은 프롬프트를 조금 더 잘 다듬으면 결과가 달라질 거라고 생각하는데, 제가 직접 써봤더니 그게 아니었습니다. 눈앞의 작업을 잘 처리해 달라고 요청하기 전에, 그 작업을 왜 하는지를 먼저 정리하는 것이 훨씬 중요했습니다.
예를 들어 블로그 글을 쓸 때 저는 처음에 "구독자를 늘리고 싶으니 SEO에 맞는 글을 써줘"라고 요청했습니다. SEO(Search Engine Optimization)란 검색 엔진 최적화를 의미하는데, 쉽게 말해 구글이나 네이버 검색 결과 상위에 노출되도록 글을 구성하는 기술입니다. AI는 그 요청에 맞춰 나름 그럴듯한 글을 줬습니다. 하지만 정작 제가 원했던 건 "글이 잘 쓰이는 것"이 아니라 "이 글을 읽고 나서 독자가 다음 글도 찾아오는 것"이었습니다. 목표가 달랐던 겁니다.
이런 식으로 AI에게 눈앞의 문제만 던지면, AI는 그 문제를 빠르고 효율적으로 해결하지만 정작 우리가 진짜 원하는 결과와는 멀어지는 방향으로 달려갑니다. 그래서 저는 이제 AI에게 요청하기 전에 한 번 더 스스로에게 묻습니다. "이걸 왜 하려는 거지? 결국 뭐가 좋아지길 바라는 거지?" 이 두 가지 질문의 답이 곧 상위 목표(high-level goal)가 됩니다. 여기서 상위 목표란 지금 당장 해결하려는 과제가 아닌, 그 과제를 통해 궁극적으로 이루고 싶은 상태를 말합니다.
상위 목표를 정했다면 다음은 답안지를 모으는 차례입니다. AI에게 막연하게 "잘 해줘"라고 하면, AI는 자신이 학습한 일반적인 기준으로 가장 그럴듯한 답을 내놓습니다. 하지만 현실에서 실제로 잘 됐던 사례와 실패한 사례를 함께 넣어주면 이야기가 완전히 달라집니다. 잘된 메일과 거절당한 메일, 반응 좋은 글과 조회수 낮은 글, 계약된 제안서와 탈락한 제안서. 이렇게 현실에서 이미 채점이 끝난 데이터가 바로 AI에게 줄 수 있는 가장 강력한 답안지입니다.
실제로 제가 블로그 글 방향을 고민할 때 이 방식을 써봤습니다. 지난 3개월간 쓴 글 중 조회수와 체류 시간이 높은 것과 낮은 것을 구분해서 AI에게 넣고 "이 둘을 가르는 가장 결정적인 요소 한 가지를 찾아줘"라고 했습니다. 결과는 제가 직접 겪은 경험을 구체적으로 쓴 글일수록 독자가 더 오래 머물렀다는 것이었습니다. 그 뒤로 글쓰기 방향이 확 바뀌었습니다. 방법론을 설명하는 글보다 제 실수와 시행착오를 담은 글이 실제로 더 잘 읽혔습니다.
맥킨지 글로벌 인스티튜트(MGI) 보고서에 따르면 생성형 AI를 업무에 활용할 때 단순 자동화보다 문제 정의와 데이터 구성 단계에서의 인간 개입이 결과 품질을 크게 좌우한다고 분석합니다(출처: McKinsey Global Institute). 제 경험과 정확히 맞아떨어지는 내용이었습니다.
- 상위 목표: "이 작업을 왜 하는가"를 AI 요청 전에 먼저 확인
- 답안지: 현실에서 채점된 성공/실패 데이터를 AI에게 함께 제공
- 방향 수정: 목표가 바뀌면 AI가 제안하는 방법도 완전히 달라짐
핵심 변수, 수십 가지 방법 중 딱 하나만 골라야 하는 이유
상위 목표를 정하고 답안지까지 모았는데도 막히는 순간이 있었습니다. AI가 방법을 열 개, 스무 개씩 늘어놓을 때입니다. 다 맞는 말인데 뭘 먼저 해야 할지 모르겠고, 결국 아무것도 제대로 못 하는 상태가 됐습니다. 이 경험을 겪고 나서야 핵심 변수(key variable)의 의미를 제대로 이해했습니다. 핵심 변수란 수많은 요인 중에서 다른 것들을 압도할 만큼 결과에 결정적인 영향을 미치는 딱 하나의 요소를 말합니다.
제가 직접 써봤는데, AI에게 "방법 알려줘"라고 하면 리스트가 나오고, "이 데이터에서 가장 강력한 요인 딱 하나를 찾아줘"라고 하면 전혀 다른 대화가 시작됩니다. 전자는 뭘 해야 할지 더 막막해지고, 후자는 오히려 당장 실행할 수 있는 한 가지가 손에 잡힙니다. 이게 저한테는 꽤 큰 차이였습니다.
예를 들어 블로그 유입을 늘리고 싶다고 할 때 광고, 소셜 미디어, 글 발행 빈도, 키워드 전략, 내부 링크 구조 등 여러 요소가 있습니다. 그런데 제 글 데이터를 놓고 분석했더니, 제목에 숫자와 구체적인 상황을 동시에 넣은 경우 클릭률(CTR, Click-Through Rate)이 눈에 띄게 높았습니다. CTR이란 검색 결과나 피드에 글이 노출됐을 때 실제로 클릭된 비율을 뜻합니다. 나머지 요소들을 아무리 최적화해도 제목 하나가 CTR을 결정짓고 있었습니다. 이게 제 경우의 핵심 변수였습니다.
핵심 변수를 찾는 방법 중 제가 효과적이라고 느낀 방식이 두 가지입니다. 첫 번째는 목표를 열 배로 키우는 것입니다. 월 방문자 1만 명을 목표로 하면 꾸준히 글을 쓰면 되지만, 10만 명이라고 목표를 바꾸는 순간 전략 자체가 달라집니다. 꾸준함이 아니라 바이럴(viral), 즉 자연스럽게 퍼져나갈 수 있는 콘텐츠 구조가 필요해지는 걸 느끼게 됩니다. 두 번째는 주어진 시간을 10분의 1로 줄이는 것입니다. "이 작업을 한 시간 안에 끝내야 한다면 뭐부터 할 것인가"라는 질문이 생각보다 핵심을 빠르게 드러냅니다.
한국지능정보사회진흥원(NIA) 보고서에서도 AI 활용 효과가 높은 조직일수록 전체 자동화보다 특정 병목(bottleneck) 지점을 집중적으로 개선하는 방식을 택하는 경향이 있다고 밝히고 있습니다(출처: 한국지능정보사회진흥원). 병목이란 전체 흐름 중에서 속도나 성과를 가장 크게 가로막는 한 지점을 의미합니다. AI를 광범위하게 쓰는 것보다, 가장 결정적인 지점에 집중해서 쓰는 것이 실제로 더 효과적이라는 뜻입니다.
다양한 시각에서 보면, AI를 더 많이 쓸수록 더 좋은 결과가 나온다고 생각하는 분들도 있는데, 저는 조금 다르게 경험했습니다. 사용 빈도보다는 어디에 쓰는지가 훨씬 중요했습니다. 여러 도구를 구독하고 다양한 기능을 익히는 데 시간을 쓰는 것보다, 핵심 변수 하나를 찾아서 그 지점에만 AI를 집중적으로 투입하는 방식이 실제 결과를 더 크게 바꿨습니다.
자주 묻는 질문
Q. AI 프롬프트를 잘 쓰는 것과 상위 목표를 정하는 것, 뭐가 더 중요한가요?
A. 제 경험상 상위 목표가 먼저입니다. 프롬프트를 아무리 정교하게 다듬어도 방향이 틀리면 AI는 빠르게 잘못된 결과를 만들어냅니다. 목표가 명확하면 프롬프트는 자연스럽게 따라옵니다. 다만 목표가 정해진 뒤에는 프롬프트 품질이 결과의 디테일을 좌우하기 때문에 둘 다 신경 써야 한다는 시각도 있습니다.
Q. 답안지로 쓸 데이터가 없으면 어떻게 하나요?
A. 처음에는 내 데이터가 없을 수 있습니다. 그럴 때는 비슷한 상황의 외부 사례를 모으는 것부터 시작하면 됩니다. 다만 규모나 상황이 다른 성공 사례는 그대로 적용하기 어려울 수 있으니, 내 상황과 조건이 유사한 사례를 우선으로 찾는 것이 효과적입니다. 내 데이터가 조금씩 쌓이면 그걸로 대체해 나가면 됩니다.
Q. 핵심 변수는 한 번 찾으면 계속 쓸 수 있나요?
A. 일정 기간은 유효하지만 상황이 바뀌면 핵심 변수도 달라질 수 있습니다. 제가 직접 써봤더니, 처음에 유효했던 제목 전략이 6개월 후에는 효과가 줄었습니다. 독자층이나 플랫폼 알고리즘이 변화하기 때문입니다. 주기적으로 새 데이터를 모아 다시 분석하는 습관이 필요하다고 봅니다.
Q. AI 에이전트에게 중요한 작업을 맡길 때 어디까지 권한을 줘야 하나요?
A. 이건 조심스러운 부분입니다. AI 에이전트(AI agent)란 사람의 지시 없이 스스로 여러 작업을 연속으로 수행하는 AI 시스템을 말합니다. 개인정보가 담긴 이메일이나 중요한 파일 접근 권한은 범위를 먼저 확인하고 최소한으로 부여하는 것이 안전합니다. 자동화가 편리하다고 해서 검토 단계를 생략하면 나중에 수습하기 어려운 상황이 생길 수 있습니다.
결론
AI 도구를 많이 쓰면 뒤처지지 않을 것 같다는 생각, 저도 한동안 그렇게 살았습니다. 새로운 툴이 나올 때마다 써보고, 강의를 듣고, 프롬프트 기법을 외웠습니다. 그런데 정작 결과가 크게 달라지지 않아서 답답했던 기억이 있습니다. 지금 돌아보면, 제가 도구에 집중하느라 정작 중요한 것, 즉 이 작업으로 무엇을 이루고 싶은지를 놓쳤던 것 같습니다.
AI를 잘 활용하는 사람과 그렇지 않은 사람의 차이는 도구의 종류나 사용 빈도가 아니라, 진짜 목표를 정하고 실제 데이터로 방향을 잡고 가장 결정적인 요소 하나에 힘을 몰아넣는 능력에 있다고 생각합니다. 작업 하나를 시작하기 전에 "나는 왜 이걸 하는가"라는 질문 하나를 습관처럼 던지는 것, 제가 경험으로 얻은 가장 작지만 가장 실질적인 변화였습니다.