AI 활용의 격차는
어디서 갈리나 —
상상력·구조화·최적화

저희는 지난 1년 동안 개발자 없이 수많은 AI 에이전트를 만들었고, 여러 브랜드의 업무 자동화를 구축해 왔습니다. 그 과정에서 가장 많이 받은 질문은 이겁니다. "어떤 AI 쓰세요?" 그래서 쓰는 도구를 그대로 알려드린 적이 여러 번 있는데, 결과가 같아진 경우는 한 번도 없었습니다.

같은 모델, 같은 요금제를 쓰는데 누구는 매일 아침 자동으로 굴러가는 시스템을 갖게 되고, 누구는 "써봤는데 별거 없더라"로 끝납니다. 이 격차는 도구에서 나오지 않습니다. 도구를 쥔 사람의 세 가지 능력에서 나옵니다.

상상력, 구조화 능력, 최적화 능력. 셋은 순서대로 작동합니다 — 상상력이 가능성의 크기를 정하고, 구조화가 그 상상을 현실로 만들고, 최적화가 만든 것을 성과로 바꿉니다. 하나씩 뜯어보겠습니다.

상상력 — 가능성의 크기를 결정합니다

무엇이든 만들 수 있는 도구를 주면, 누군가는 종이비행기를 접고 누군가는 로켓을 설계합니다. 같은 AI를 쓰더라도 무엇을 상상하고 어떤 문제를 풀려고 하느냐에 따라 결과물의 체급 자체가 달라집니다.

그런데 여기서 오해가 하나 있습니다. 상상력이 부족한 건 재능 문제가 아니라 정보 문제입니다. AI에게 맞춤법 교정과 요약만 시키는 분은 겸손해서 그러는 게 아니라, 가능한 범위를 문서 작업 정도로 알고 있기 때문입니다. 무엇이 가능한지 모르면 요청은 자동으로 작아집니다. 종이비행기를 접는 사람은 로켓을 참은 게 아니라, 로켓이 선택지에 있다는 걸 모르는 겁니다.

저희 블로그가 그랬습니다. 처음에는 "이 글 좀 다듬어줘"였습니다. 지금은 소재 선정부터 초고, 검수 페이지, 발행, 채널별 파생 콘텐츠 생성까지 이어지는 파이프라인이 돌고, 사람은 아침에 검수하고 승인 버튼을 누르는 일만 합니다. 이 사이에 도구가 바뀐 게 아닙니다. "글을 다듬는 작업"이 아니라 "발행이라는 업무 전체"를 상상의 단위로 올렸을 뿐입니다.

그래서 상상력은 기를 수 있습니다. 방법은 두 가지입니다. 첫째, 남의 활용 사례를 수집하십시오. "이게 되네" 목록을 만들어두면 그 목록이 곧 상상의 상한선이 됩니다. 둘째, 요청의 단위를 '작업'에서 '업무'로 올려서 물어보십시오. "이 문서 고쳐줘"가 아니라 "이 업무 자체를 없앨 수 있어?"라고요. 이 질문은 AI에게 직접 던져도 됩니다 — 무엇이 가능한지는 AI가 사람보다 잘 압니다.

구조화 — 상상을 현실로 만듭니다

상상만으로는 아무것도 만들어지지 않습니다. 그리고 이 단계의 병목은 AI의 실력이 아니라 사람이 자기 일을 얼마나 명확하게 설명할 수 있느냐입니다. AI는 시킨 것을 만드는 데는 빠르지만, 시키는 사람의 머릿속이 흐릿하면 그 흐릿함을 그대로 결과물로 옮깁니다.

저희가 세무회계사무소 자동화를 맡았을 때, 처음 받은 요청은 "월마감 야근 좀 없애주세요"였습니다. 이 문장으로는 아무것도 만들 수 없습니다. 담당자와 함께 업무를 쪼개보니 이렇게 나왔습니다 — 거래처가 공유폴더에 증빙을 올린다 → 사람이 하나씩 열어 항목을 읽는다 → 기장 프로그램 양식으로 옮겨 친다. 세 단계로 나눈 순간, 각 단계가 자동화 대상이 됐습니다. 폴더 감지, 항목 추출, 양식 변환. 결과는 신고 시즌 단기 인력 2명 감소였습니다.

자기 일이 구조화되어 있는지 확인하는 테스트는 하나면 됩니다. "이 일을 신입에게 글로 적어서 넘길 수 있는가?" 적을 수 있다면 그 글이 곧 AI에게 줄 설계서입니다. 적다가 막히는 지점이 있다면, 거기가 바로 내가 감으로 하던 지점이고 — AI에게도 설명할 수 없는 지점입니다.

결국 구조화 능력은 프롬프트 기술이 아니라 자기 업무 이해의 깊이입니다. 업무를 단계로 나눌 수 있으면 어디서 병목이 생기는지, 무엇부터 자동화해야 하는지, 어떤 결과물이 필요한지가 저절로 명확해집니다. AI는 그 구조 위에서만 제대로 일합니다. 사장님 머릿속에 없는 것을 AI가 대신 채워줄 수는 없습니다.

최적화 — 구현을 성과로 바꿉니다

AI로 무언가를 만들었다면, 그날은 끝나는 날이 아니라 시작하는 날입니다. 만들어진 것과 성과를 내는 것 사이에는 생각보다 긴 거리가 있습니다.

저희가 구축한 치과 리콜 자동화가 그랬습니다. 처음 만든 버전을 그대로 뒀다면 그냥 "알림톡 뿌리는 기계"였을 겁니다. 발송 문구를 치료 항목별로 나누고, 발송 시간대를 조정하고, 수신거부 이력·미수납 같은 예외를 사람 확인으로 돌리는 룰을 몇 주에 걸쳐 다듬었습니다. 리콜 → 내원 전환율 38%는 만든 날이 아니라 다듬는 기간에 만들어진 숫자입니다.

반대 사례도 있습니다. 만들어놓고 아무도 열지 않는 대시보드는 조용히 죽습니다. 도구의 생사는 완성도가 아니라 사용 빈도와 개선 빈도가 결정합니다. 그래서 무언가를 만들 때는 처음부터 측정할 숫자를 하나 정해두는 것이 좋습니다. 응답률이든, 처리 시간이든, 오류 건수든 — 숫자가 있어야 "잘 되고 있나?"가 감이 아니라 판단이 됩니다.

루프는 단순합니다. 적용한다 → 정해둔 숫자를 본다 → 병목을 찾는다 → 고친다. 이걸 반복할 수 있느냐가 최적화 능력의 전부입니다. 한 번의 화려한 구현보다 열 번의 심심한 개선이 성과를 만듭니다.

세 능력은 직선이 아니라 루프입니다

이 세 능력의 진짜 재미는 순환에 있습니다. 최적화를 하다 보면 반드시 이런 순간이 옵니다 — "어, 이게 되면 저것도 되겠는데?" 개선의 끝에서 상상력이 다시 커지는 겁니다. 저희가 만든 에이전트들도 처음부터 계획된 게 아니라, 하나를 다듬다가 다음 것이 보이는 이 루프가 번진 결과입니다.

세 질문에 모두 "아니오"라면 도구를 바꿀 때가 아니라 질문을 바꿀 때입니다. 상상력은 가능성을 넓히고, 구조화는 구현을 가능하게 하고, 최적화는 결과를 성과로 바꿉니다.

결국 AI 활용의 격차는 어떤 도구를 쓰느냐에서 만들어지지 않습니다. 자기 일을 얼마나 깊이 이해하고, 어디까지 상상하며, 얼마나 집요하게 개선하느냐에서 만들어집니다. 도구는 이미 모두의 손에 똑같이 쥐어져 있습니다. 남은 것은 그걸로 종이비행기를 접을지, 로켓을 쏠지입니다.