1년 동안 아침 일정부터 저녁 약속까지, 주말 여가 계획까지 AI에게 맡긴 사람이 있습니다. NBC 뉴스의 수석 기술 분석가 조애나 스턴은 그 1년을 책으로 정리했습니다. 그녀가 실험을 마친 후 남긴 표현은 간결합니다. 

"놀랍고 불편했다." 

이 두 마디 사이 어딘가에, 지금 한국의 1인 사업자들이 서 있습니다.

AI 도구가 업무에 스며드는 속도는 빠릅니다. 그런데 스며드는 만큼 '어디까지 맡겨야 하는가'라는 질문은 오히려 흐릿해졌습니다. 도구가 좋아질수록, 쓸 것인지 말 것인지보다 어디에 어떻게 쓸 것인지가 더 중요한 질문이 됩니다. 스턴의 실험은 그 흐릿함을 다시 선명하게 만들어줍니다.

365일, 그녀가 위임한 것들

스턴이 AI에게 넘긴 범위는 업무에 그치지 않았습니다. 이메일 작성, 일정 조율, 여행 계획, 외식 예약은 물론이고 자녀 숙제 도움, 취미 활동 큐레이션까지 포함됐습니다. 생산성 도구로서 AI를 쓰는 것과, 삶의 운영자로서 AI를 쓰는 것은 다릅니다. 그 차이가 1년의 기록 안에 고스란히 담겼습니다.

성과는 실제로 있었습니다. 반복 업무에 쓰는 시간이 줄었고, 의사결정 속도가 빨라졌습니다. 이메일 초안 작성에 들이던 시간이 대폭 단축됐고, 여행 일정 조율도 마찬가지였습니다. 도구를 새로 도입한 사람이라면 누구나 경험하는 초기 효율의 상승이었습니다. 시간이 남으면 더 깊이 생각하거나, 더 많은 프로젝트를 시도할 수 있었습니다.

그런데 불편함도 함께 쌓였습니다. AI가 짜준 일정은 효율적이었지만, 자신의 리듬이 빠진 느낌이었다고 스턴은 회고합니다. 가족 여행에서 식당을 AI가 고른 순간, 여행을 계획하는 과정에서 얻던 작은 기대감이 사라졌습니다. 조율하고 비교하고 선택하면서 쌓이는 과정의 무게가, 결과 이상으로 여행의 일부였다는 것을 도구가 그 자리를 차지하고 나서야 알게 됐습니다. 그녀가 '절충'이라 이름 붙인 것들의 실체가 거기 있었습니다.

실험이 흥미로운 것은, 스턴이 기술에 낯선 사람이 아니기 때문입니다. 그녀는 미국에서 가장 많이 읽히는 기술 칼럼 중 하나를 20여 년간 써온 사람입니다. 새 기기와 새 서비스를 가장 먼저 써보는 것이 직업인 사람이, 1년을 써보고 내린 결론이 "놀랍고 불편했다"라는 것입니다. 도구의 성능을 모르는 것이 아니라, 도구를 깊이 알게 된 사람이 느끼는 복잡함입니다.

위임이 늘수록 검토도 늘어난다

AI에게 더 많이 맡길수록 오히려 더 많은 결정을 해야 하는 상황이 생깁니다. 직관에 반합니다. 위임하면 결정이 줄어야 합니다. 그런데 왜 늘어납니까.

구조 때문입니다. AI는 선택지를 줍니다. 그 선택지에 맥락을 적용하고 가중치를 다르게 설정하는 것은 사람의 몫입니다. 처음에는 '알아서 해줘'가 통하는 것 같습니다. 그런데 AI가 내놓는 결과물이 쌓일수록, 그 안에서 '이게 맞나'를 판단하는 횟수가 늘어납니다. 결정의 총량이 줄기보다, 결정이 이루어지는 위치가 옮겨갑니다. 실행에서 검토로.

예를 들어보겠습니다. 클라이언트에게 보낼 이메일을 AI에게 맡기면, 초안이 나옵니다. 그 초안을 그대로 보낼 수 있습니까. 대부분은 그러지 않습니다. 고칩니다. 고치면서 '이 표현이 내 어조인가', '이 내용이 이 고객에게 맞는가', '이 제안이 지금 시점에 적절한가'를 판단합니다. 결정이 없어진 것이 아니라, 결정의 성격이 바뀐 것입니다. 빈 화면에서 시작하는 결정과, 초안 위에서 시작하는 결정은 다릅니다. 둘 다 결정입니다.

이 변화 자체가 나쁜 방향은 아닙니다. 빈 화면보다 초안 위에서 고치는 것이 효율적인 경우가 많습니다. 그러나 "AI가 알아서 하겠지"라는 기대 위에 운영을 올려놓으면, 검토 없이 통과된 결정이 어느 시점에 뭉쳐서 문제가 됩니다. 스턴의 기록에서도 이 패턴이 반복적으로 등장합니다. 효율적으로 처리된 작업들이 쌓이고, 그 안에서 자신이 원하지 않는 방향이 조용히 자리를 잡습니다.

AI 과의존을 우려하는 시각

스턴의 실험에 대한 비판적 시각도 있습니다. AI 도구를 일상에 깊이 통합할수록 판단력이 약화된다는 주장입니다. 선택을 직접 하는 과정에서 쌓이는 감각이, AI 위임을 반복할수록 둔해진다는 논리입니다. 경영 연구자들 사이에서는 AI 지원이 단기 성과를 높이는 동시에 장기적인 문제 해결 역량을 낮출 수 있다는 우려가 꾸준히 제기되고 있습니다.

더 구체적인 우려도 있습니다. AI가 제안하는 선택지는 학습 데이터에서 나옵니다. 그 데이터는 평균에 가깝습니다. 평균적인 여행지, 평균적인 식당, 평균적인 문장. 효율은 높지만 고유성은 줄어듭니다. 1인 사업자나 창업자가 AI에 깊이 기댈수록, 경쟁자들과 비슷한 결과물을 내놓게 될 수 있습니다. SNS 콘텐츠가 AI 문체로 통일되고, 제안서가 비슷한 구조로 정형화되고, 브랜드 언어가 희미해지는 현상은 이미 여러 현장에서 관찰되고 있습니다.

스턴도 자신의 기록 안에서 "내 선택인지 AI의 선택인지 모르겠다"는 순간들을 적어두었습니다. 이것이 1인 사업자에게 특히 예민한 문제가 되는 이유는, 1인 사업자의 상품이 대부분 그 사람의 고유한 판단과 시각이기 때문입니다. 효율과 고유성 사이의 긴장은 개인 취향을 넘어, 사업의 차별성과 직결됩니다.

위임 기준을 먼저 세워야 하는 이유

스턴의 이야기는 미국 미디어 업계의 사례이지만, 그 구조는 한국 1인 사업자에게도 겹칩니다. 클라이언트 이메일을 AI가 쓰고, 콘텐츠 일정을 AI가 짜고, SNS 문구를 AI가 뽑아줍니다. 각각의 위임은 합리적입니다. 그런데 그것들이 쌓였을 때 어떤 사람으로 보이는지는, 위임하기 전에 물어야 할 질문입니다.

새로운 도구나 시스템을 처음 도입하는 초반에 어떤 기준을 세우는지가 이후 운영 방식 전체를 결정합니다. 처음 90일을 어떻게 보내는지가 이후 수년의 패턴을 만든다는 이야기는 직장 생활에만 해당하지 않습니다. AI 도구도 마찬가지입니다. 처음에 어떤 범위에서 어떤 기준으로 쓸지를 의도적으로 정하지 않으면, 도구가 습관이 되고 습관이 운영 방식이 됩니다. 한번 자리 잡은 위임 범위를 다시 당겨오기는 쉽지 않습니다.

실무에서 기준을 세울 때 가장 먼저 물어볼 것은 반복성입니다. 같은 형식이 반복되는 업무인가요. 이메일 답변 템플릿, 견적서 초안, 회의 요약처럼 구조가 정해진 작업은 AI가 잘 처리합니다. 매번 맥락이 달라지고 판단이 필요한 작업은 성격이 다릅니다. 이 구분을 먼저 그어야 위임 범위가 불필요하게 확장되는 것을 막을 수 있습니다.

그 다음 기준은 가역성입니다. AI의 결과물을 검토 없이 그대로 내보냈을 때, 되돌릴 수 있습니까. 계약서, 클라이언트에게 보내는 첫 제안, 공개 발행 콘텐츠처럼 되돌리기 어려운 작업은 검토 단계를 반드시 거쳐야 합니다. 이것을 생략하고 싶어지는 순간이 옵니다. 일정이 촉박하거나, 결과물이 충분히 좋아 보이거나. 그 순간을 위해 가역성 기준을 미리 정해두는 것이 유효합니다.

마지막으로 브랜드 접촉면입니다. 고객이 그 결과물을 통해 나를 판단합니까. 판단 기준이 되는 작업일수록, AI가 초안을 잡더라도 최종 판단은 사람이 해야 합니다. 특히 처음 만나는 고객이 보는 콘텐츠, 제안서의 첫 문단, 브랜드 언어가 담긴 모든 접점은 평균적인 선택지로 채울 수 없습니다.

조애나 스턴은 1년 실험을 마치고 AI 사용을 멈추지 않았습니다. 범위를 다시 설계했습니다. 어디에 맡기고 어디에 남아 있을지를 매번 선택하는 것 — 그것이 효율과 고유성 사이에서 균형을 유지하는 방법이라고 그녀는 말합니다.

1인 사업자에게 AI는 유용합니다. 그런데 유용함은 도구의 성능에서만 오지 않습니다. 어디에 맡기고 어디에서 직접 결정하는지를 스스로 정할 수 있을 때 유용해집니다. 1년 후에도 내 판단이라고 부를 수 있는 결정이 충분히 남아 있는지, 지금 그 기준을 먼저 세울 수 있습니다.