마케팅 콘텐츠를 만드는 1인 사업자가 있습니다. AI 도구로 블로그 글 초안을 뽑아 고객에게 납품했더니 피드백이 하나로 모였습니다. "다시 써 주세요." 문장은 매끄럽고 분량도 맞지만 어딘가 맞지 않는다는 것이었습니다. 이 일을 몇 번 반복한 뒤 포지션이 달라졌습니다. 이제는 AI 초안을 직접 만드는 대신, 다른 사람이 AI로 뽑은 결과물을 교정해 달라는 의뢰를 받습니다.
업워크가 8월 20일 공개한 마켓플레이스 분석에 따르면, AI 결과물을 고쳐달라는 구인 게시물이 최근 12개월 사이 70% 증가했습니다. 소프트웨어·웹개발 분야만 보면 2023년 대비 8.3배입니다. 프리랜서닷컴도 같은 성격의 의뢰가 87% 늘었다고 발표했습니다.
숫자는 뚜렷합니다. 그런데 이 수요가 누구에게 열려 있는가는 숫자가 알려주지 않습니다. 진입 조건이 있고, 그 조건은 "AI 도구를 능숙하게 쓰는 것"과 방향이 다릅니다.
의뢰를 받기 전에 어떤 종류의 수정인지 먼저 구분해야 합니다
AI 결과물 수정 의뢰는 하나의 일감처럼 보이지만 실제로는 두 갈래입니다.
첫 번째는 사실과 맥락의 교정입니다. AI가 생성한 결과물에 틀린 정보가 섞였거나, 업계 관행과 어긋나는 서술이 들어 있을 때 바로잡는 작업입니다. 소프트웨어 분야에서 8.3배라는 수치가 나온 이유가 여기 있습니다. AI가 만든 코드는 단위 테스트를 통과하더라도, 팀이 이미 합의한 아키텍처 원칙과 충돌하거나 특정 입력값에서 잘못 작동하는 경우가 많습니다. 이 문제를 발견하려면 그 코드베이스가 어떻게 설계됐는지 이미 알고 있어야 합니다.
두 번째는 톤과 구조를 다듬는 작업입니다. 내용은 대체로 맞지만 어조가 브랜드와 맞지 않거나, 논리 흐름이 독자 기대와 어긋날 때 손보는 작업입니다. 글쓰기·콘텐츠·마케팅 분야의 의뢰는 주로 이쪽에 몰립니다.
두 갈래가 요구하는 역량은 다릅니다. 첫 번째는 해당 분야 실무 경험 없이 수행 자체가 어렵습니다. 두 번째는 편집과 구성에 대한 감각이 더 직접적으로 요구됩니다. 어느 쪽이든 공통 전제가 하나 있습니다. AI 없이도 그 결과물의 완성 기준을 알고 있어야 합니다.
두 유형 모두, 완성 기준을 먼저 알고 있어야 수정이 가능합니다.
분야마다 AI가 반복하는 실패 패턴이 있습니다
AI가 생성한 결과물에는 분야별로 반복되는 실패 유형이 있습니다. 이 패턴을 미리 알고 있으면 수정 작업의 절반이 줄어들고, 나머지 절반은 훨씬 빠르게 처리할 수 있습니다.
글쓰기에서는 사실처럼 들리지만 검증할 수 없는 주장이 자주 섞입니다. 의료 커뮤니케이션이 전형적입니다. AI는 특정 임상시험 결과를 일반적인 치료 효능인 것처럼 서술하거나, 권고 수준의 표현과 확정 진단을 구분 없이 씁니다. 이 오류는 의료 지식이 없는 사람에게는 틀렸는지조차 보이지 않습니다.
법률 문서에서는 조문과 판례를 혼용하거나, 해석의 여지가 있는 부분을 확정된 것처럼 서술하는 오류가 반복됩니다. AI는 법적 불확실성을 확정으로 표현하는 경향이 있는데, 실무에서는 이것이 위험한 오류가 됩니다.
코드에서는 개별 함수는 작동하지만 전체 설계 원칙과 어긋나는 구현이 섞입니다. "이 함수는 맞는데 이 코드베이스에는 들어오면 안 됩니다"라고 말할 수 있는 사람은 그 시스템을 실제로 다뤄온 사람입니다. AI는 전체 맥락을 참조하더라도 암묵적인 설계 결정까지 파악하지 못하는 경우가 많습니다.
디자인에서는 시각적으로 완성된 것처럼 보이지만 접근성 기준을 위반하거나, 그 브랜드가 배제하기로 한 시각 요소가 들어가는 결과물이 나옵니다. 이것을 잡으려면 해당 브랜드의 내부 기준을 알고 있어야 합니다.
이 패턴들을 알아보는 것 자체가 역량입니다. 수정은 진단에서 시작합니다. 무엇이 잘못됐는지 판단하는 기준이 없으면, AI 결과물을 받아 놓고도 어디를 어떻게 고쳐야 하는지 알 수 없습니다.
기술 전환기마다 '새 도구를 먼저 익혀라'는 조언이 앞으로 나옵니다. 그런데 4차 산업혁명이 본격화된 이후 실무 현장을 보면, 도구를 익히는 속도보다 도구의 결과를 판단하는 기준이 더 결정적인 경우가 많았습니다. AI 수정 의뢰의 급증도 같은 방향을 가리킵니다. 플랫폼이 찾는 사람은 AI 도구를 능숙하게 쓰는 사람이 아니라, AI가 만든 결과물을 평가하는 기준을 이미 갖고 있는 사람입니다.
역량을 의뢰로 연결하는 방법
"AI 결과물 수정 가능합니다"는 프로필 문구로 너무 넓습니다. 의뢰인이 실제로 확인하고 싶은 것은 두 가지입니다.
첫째, 내 분야에서 AI가 어디서 틀리는지 이 사람이 알고 있는가입니다. 이것은 추상적인 선언으로는 증명되지 않습니다. 구체적인 오류 유형을 이름 붙일 수 있어야 합니다. 의료 콘텐츠를 다루는 에디터라면 "AI가 임상 권고와 확정 진단을 혼용하는 오류를 교정합니다"라고 명시하는 것이, "AI 결과물 수정 가능"보다 훨씬 좁고 실질적입니다. 의뢰인은 이 좁은 서술에서 해당 분야 실무 경험을 읽습니다.
둘째, 수정 전후가 실제로 보이는 결과물입니다. "수정했다"는 말 대신, 이 부분이 이런 이유로 바뀌었다는 설명이 붙은 사례 하나가 훨씬 많은 것을 전달합니다. 어디를 왜 바꿨는지 설명할 수 있는 사람을 의뢰인이 찾습니다.
이 두 가지를 갖추면 "AI 수정 가능"이라는 넓은 표현 대신, 의뢰인이 찾는 사람이 되는 좁은 신호가 만들어집니다. 의뢰인은 범용 교정 서비스를 찾는 것이 아닙니다. 자기 분야의 AI 결과물을 믿고 맡길 수 있는 사람을 찾는 것입니다.
만약 특정 분야의 실무 경력이 짧다면, AI 수정 의뢰를 직접 잡기보다 먼저 실무 경험을 쌓는 편이 현실적입니다. 이 수요가 검증된 경험을 요구한다는 것은, 역으로 이 분야에서 이미 일해온 사람에게 이 변화가 기회로 읽힌다는 뜻이기도 합니다.
70%와 8.3배는 시장이 어디를 향하고 있는지 보여줍니다. 자신이 이미 알고 있는 것을 AI가 어디서 어떻게 실패하는지 읽는 데 쓰는 사람이, 이 수요를 실제로 가져갑니다.
