시작은 단순한 의문이었습니다. 같은 AI 구독을 쓰는데 어떤 사람은 기획서 초안을 40분 만에 마무리하고, 어떤 사람은 세 시간을 써도 뭔가 맞지 않는다는 느낌을 떨치지 못합니다. 접근 권한이 같고 도구도 같은데 결과물의 품질과 속도에서 차이가 납니다. 이 차이가 어디서 오는지 따라가봤습니다.
프롬프트 기술이 원인이라는 가정에서 시작했습니다
AI 협업에서 생산성이 갈린다는 이야기가 나오면, 가장 흔한 처방이 프롬프트 작성법입니다. 더 구체적으로 써야 한다, 역할을 부여해야 한다, 예시를 함께 줘야 한다는 것들입니다. 이 처방이 완전히 틀린 건 아닙니다. 같은 요청도 표현에 따라 AI 출력의 방향이 달라지는 건 사실입니다.
그래서 첫 번째 가정은 프롬프트 기술의 차이였습니다.
균열은 생각보다 빨리 왔습니다. 프롬프트 작성법을 충분히 익힌 사람들이 잘 모르는 분야의 작업을 맡으면 어떻게 되는지 관찰했습니다. 분야만 바꿨을 뿐인데 결과가 달라졌습니다. 형식은 갖춰져 있는데 뭔가 빠진 느낌, 구조는 있는데 내용이 비어 있는 결과물이 나왔습니다. 프롬프트 기술이 결과물 품질을 보장하지 않았습니다.
또 하나의 관찰이 가정을 더 흔들었습니다. 프롬프트 기술이 검증된 사람들이 자신에게 익숙한 분야에서 AI 출력물을 받았을 때는, 오히려 프롬프트 기술이 평범한 사람들보다 훨씬 빠르고 정확하게 수정했습니다. 프롬프트 기술이 변수가 아니라 다른 무언가가 변수라는 신호였습니다.
방향을 바꿔야 했습니다.
AI 출력물을 고치지 못하는 이유가 무엇인지
같은 실험에 참여한 사람들에게 결과물을 받고 나서 어떻게 했는지를 다시 물었습니다. 공통적인 막힘이 보였습니다.
"뭔가 이상한 것 같은데 어디가 이상한지 모르겠다"는 경우와 "어디가 이상한지는 알겠는데 어떻게 고쳐야 하는지를 AI에게 전달하지 못했다"는 경우, 둘 다 수정 지시가 막연해졌습니다. "조금 더 자연스럽게 해줘", "더 설득력 있게 써줘" 같은 것들이었습니다. AI는 그 요청에 반응했지만, 나오는 결과물은 여전히 같은 지점에서 흔들렸습니다.
그러다 반대 방향에서 예시를 모았습니다. AI 출력물을 받자마자 정확하게 수정하는 사람들은 어떻게 하는가.
200편 이상의 기사를 편집한 에디터는 AI가 쓴 초안의 세 번째 단락을 읽으면서 "논거의 층위가 달라요, 전략 차원에서 얘기하다가 갑자기 실행 수준으로 내려왔어요"라고 짚습니다. 그 분석을 그대로 다음 지시에 씁니다. AI는 그 지시에 정확하게 반응합니다.
마케팅 캠페인을 10년 가까이 기획한 디렉터는 AI가 제안한 방향 중 어느 것이 자신이 이미 실패해본 패턴인지를 즉시 가려냅니다. 그 판단이 빠르기 때문에, 시안을 받고 5분 안에 방향을 정합니다. 카피라이터는 AI가 쓴 문장에서 리듬이 끊어지는 지점을 찾아, 어떤 식으로 바꿔야 하는지를 세 가지 선택지로 말합니다.
이들이 공통으로 하는 것은 결과물을 평가하는 것이었습니다. 평가할 수 있기 때문에 구체적인 수정을 지시할 수 있었고, 그 지시가 구체적이기 때문에 AI가 유용한 수정을 돌려줬습니다.
이 과정을 보면서 다른 사람들이 막히는 이유가 보였습니다. 막히는 지점은 AI 사용법이 아니라 평가 능력이었습니다. 무엇이 좋고 무엇이 아닌지를 구체적으로 말할 수 있는가의 차이였습니다.
이 평가 능력이 어디서 오는가
이 관찰이 가리키는 방향이 있었습니다. 분야에서 쌓은 안목이 있는 사람은 AI 출력물을 평가하고 수정 방향을 정할 수 있습니다. 그 안목이 없는 사람은 AI가 무언가를 만들어줘도 다음 단계로 나아가지 못합니다.
그렇다면 이 안목은 어디서 오는가. 이 질문이 추적을 이끌었습니다.
에디터의 평가 능력은 수백 편의 기사를 편집하면서 형성됐습니다. 어떤 단락이 다음으로 자연스럽게 이어지고 어떤 경우에 독자가 잃어버리는지를 반복적으로 경험한 결과였습니다. 카피라이터의 감각도 수백 개의 카피를 쓰고 실제 반응을 보면서 누적됐습니다. 캠페인 디렉터의 판단도 마찬가지였습니다. 어떤 캠페인이 왜 실패했고 어떤 것이 왜 먹혔는지의 사례를 몸으로 겪은 결과였습니다.
이것은 이론 학습으로 만들어지지 않았습니다. 만들고, 내놓고, 반응을 보고, 수정하는 과정이 쌓이면서 형성됐습니다. 오래 브랜드를 운영해온 사람이 자신의 브랜드 목소리를 즉각적으로 설명할 수 있는 것도 같은 이유입니다. 처음부터 완성된 기준이 있었던 게 아니라, 일관성을 유지하고 조각들을 쌓아가는 과정에서 그 목소리가 만들어집니다. 그 감각이 생기면 새로운 결과물을 받았을 때 즉각 판단할 수 있습니다.
이 관찰에서 파생되는 결론은 불편합니다. AI 협업이 잘 안 되는 이유 중 하나가, 자신의 분야에서 쌓아온 감각이 충분히 언어화되지 않았기 때문일 수 있습니다. 많은 사람이 자신이 좋은 결과물을 알아볼 수 있다고 생각합니다. 하지만 AI에게 그 기준을 전달해야 하는 순간, 막연한 느낌이 구체적인 지시로 옮겨지지 않는 경우가 많습니다. 그 막힘을 AI 탓으로 돌리거나 프롬프트 기술 부족으로 보기 쉬운 편입니다.
AI 협업에서 분야 안목이 없으면, 프롬프트 기술이 아무리 올라가도 한계가 있습니다. 생성된 것을 평가할 수 없으면, 그것을 출발점으로 써서 다듬는 과정이 불가능하기 때문입니다. 이 추적이 가리킨 변수는 AI 숙련도가 아니었습니다.
막히는 지점이 어디인지 먼저 확인해야 합니다
AI 협업에서 어려움을 겪는 사람들이 많이 하는 말이 있습니다. "AI를 더 잘 써야 할 것 같은데."
이 방향이 맞는 경우도 있습니다. 도구 활용법이 실제로 부족해서 결과물이 약한 경우가 있습니다. 하지만 자신이 경험을 쌓아온 분야에서 AI 협업이 잘 안 된다면, 다른 가능성을 먼저 점검할 필요가 있습니다. 그 분야에서 자신이 좋다고 부르는 결과물이 어떤 상태인지를 말로 설명할 수 있는가.
이 점검이 불편한 이유가 있습니다. AI를 어떻게 쓸지보다 자신의 분야 감각이 얼마나 언어화되어 있는지를 돌아보는 일이기 때문입니다. AI 도구를 배우는 것보다 이 작업이 훨씬 느립니다. 그리고 이 감각 없이 프롬프트 기술을 아무리 올려도, AI가 만들어준 것을 고치지 못하는 상황은 반복됩니다.
새로운 역할을 시작할 때, 그 역할에서 무엇이 성공인지를 먼저 파악하는 것이 처음 수십 일을 결정합니다. 자리에 앉기 전에 그 기준을 알아야 자신의 행동을 맞출 수 있기 때문입니다. AI 협업에서도 그 순서가 다르지 않습니다. 이 작업에서 "완성"이 어떤 상태인지를 먼저 말로 만들어보는 것이 출발점입니다.
이 추적이 내준 결론이 완전하지는 않습니다. AI 도구의 특성을 이해하는 것도 필요하고, 프롬프트 작성 요령도 쓸모가 있습니다. 다만 "AI가 잘 안된다"는 느낌이 오래간다면, 막히는 자리가 프롬프트 앞에 있는 것인지를 먼저 확인해볼 만합니다. AI가 만든 것을 받았을 때 "이게 왜 이상한지"를 말할 수 있는가. 그 대답이 막힌다면, 학습이 시작되어야 할 자리가 다른 곳에 있을 수 있습니다.
