AI를 쓰는데도 업무량이 그대로라면?

챗GPT에게 시장 동향을 묻고, 이메일 문장을 다듬고, 보고서 제목을 뽑고... 막막하던 일이 점차 빠르게 개선되는 것처럼 느껴졌다. 하지만 AI가 제공하는 서비스가 이상한 피로감을 남기기 시작한다. 출처가 불분명해 다시 링크를 찾아야 하고, 답변을 다시 워드에 넣어 문서를 만들고, 파일명을 정하고, 엑셀로 옮기고, 팀에 보낼 메일까지 쓰다 보면 깨닫게 된다. 결국 내가 다시 후속 작업을 처리하고 있다는 사실을.

AI를 제대로 활용하는 사람은 AI의 답변을 복사해 옮기는 일부터 시작하지 않는다. 만들어진 결과물을 검토하고 판단하는 단계에서 일을 시작한다. 이전에는 사실 확인을 하는 데 회의 시간 절반 이상을 썼다면, 이제 회의는 검색 시간이 아니라 선택의 시간이 된다.

챗봇과 에이전트의 차이

챗봇은 챗GPT처럼 채팅창을 통해 질문을 주고받는 형태의 AI를 일컫는다. 하지만 내 컴퓨터에 직접 파일을 만들거나 수정이나 코딩 등의 구체적인 액션을 하지는 못한다.

반면, AI 에이전트는 다양한 파일을 만들거나 수정하고, 나의 디테일한 행동 양식 및 업무나 생활패턴을 인지해 비서처럼 도울 수 있다. 대표적으로 '클로드 코드'와 '코덱스' 등 대규모 언어 모델(LLM) 제작회사에 종속되는 모델이 있고, '오픈클로'나 '헤르메스'처럼 LLM의 형태에 구애받지 않고 내 컴퓨터에서 운영 가능한 모델이 있다.

오픈클로와 헤르메스의 차이

만약 개발 지식이 없는 초보라면, 헤르메스가 세팅 과정에서 더 편할 수 있다. 커스터마이징에서 조금 부족할지는 몰라도 초보자가 세팅하기 유리하고, 오류가 상대적으로 적기 때문이다.

반면 오픈클로는 초보자에게 조금 불친절하지만 커스터마이징이 가능하다. 오픈클로의 경우 “이 방식을 인지하고 스킬로 저장해둬”라는 자연어 지시를 통해 스킬을 제작하고, 향후 작업의 일관성을 요구할 수 있다. 헤르메스의 경우에는 기본적으로 스킬 자동화 기능이 탑재되어 있어서 따로 지시할 필요 없이 업무 절차를 스스로 학습 루트에 넣어 자동 반복한다. 오픈클로를 텔레그램과 연동되게 세팅하고, 이를 챗GPT와 연동해두면 간단한 자연어 조합만 있어도 훌륭한 어시스턴트가 될 수 있다.

궁금한 걸 묻지 말고 실무를 넘겨라

많은 사람이 질문만 잘하면 일이 확연히 줄어들 거라고 생각한다. 그래서 더 좋은 질문과 프롬프트를 찾고, 더 긴 조건을 추가하고, 더 똑똑해 보이는 역할을 AI에게 부여한다. 좋은 질문과 프롬프트도 물론 중요하지만, 일을 맡기는 것은 다른 문제다. AI를 똑똑한 검색창처럼 쓰면, 사람은 검색 이후의 일을 계속 떠 안게 된다.

이건 질문에 가깝다. 이 경우 AI는 대체로 요약문을 건네준다. 그 내용을 회의 자료나 공유 문서로 바꾸는 일은 다시 사람이 해야 한다. 반면 일을 맡길 때는 어떤 출처를 볼지, 어떤 형식으로 정리할지, 어디에 쓸 자료인지, 마지막에 사람이 무엇을 판단해야 하는지 함께 적어 넘겨야 한다. 그러면 자연스럽게 결과물이 달라진다.

물론 A사의 사업 방향이 달라졌는지, B사의 가격 변화에 어떻게 대응할지는 사람의 선택이다. 다만 그 판단 전의 반복 작업을 사람이 계속 맡아야 할 필요는 없다. 반복 확인과 정리, 초안 작성, 파일 생성처럼 앞단에서 해결되어야 할 일을 에이전트에게 맡기는 것이다.

처음 맡기기 좋은 일에는 조건이 있다

반응형 AI에게 맡길 첫 업무가 고민된다면, 다음의 세 가지 조건을 만족하는 것이 좋다.

처음 맡기기 좋은 일에는 몇 가지 공통점이 있다. 같은 방식으로 다시 발생할 반복 작업이면 기준을 세우고, 그 포맷을 반복해 활용할 수 있다. 홈페이지, PDF, 엑셀, 메일, 회의록처럼 AI 에이전트가 참고할 자료도 필요하다. 무엇을 중요하게 볼지, 무엇을 버릴지 확인이 쉬워 야 하고, 출처 링크나 원문 파일로 결과를 확인할 수 있어야 한다.

“경쟁사 변화 확인”은 이 조건에 맞다. 매일 반복되고, 확인할 사이트가 있으며, 영업팀이 봐야 할 내용을 충분히 설득력 있게 전달할 수 있다. 반대로 “우리 회사의 내년 전략을 세워줘” 같은 일은 첫 업무로 맞지 않는다. 자료도 넓고, 기준도 흐릿하고, 결과를 확인하는 방식도 애매하다. 그런 일은 통째로 맡기기보다 자료 수집, 경쟁사 비교, 고객 질문 정리처럼 실행 단위로 쪼개 맡기는 편이 낫다. 

AI가 헤매지 않도록 만드는 4가지 필수 지시 공식

1. 이 자료는 어디에 쓸 건가? (목적)

결과물을 어디에 쓸지 말해주는 것이다. 영업팀 회의에서 볼 자료인지, 고객에게 보낼 초안인지, 팀 내부에서만 볼 메모인지에 따라 말투와 깊이가 달라진다. 같은 경쟁사 조사라도 회의용이면 짧고 뚜렷해야 하고, 제안서용이면 고객 상황과 연결되어야 한다.

2. 에이전트가 봐야 할 자료는 무엇인가? (재료)

URL, 기존 제안서, 고객 미팅 메모, 가격표, 제품 소개서 같은 것들이다. 처음 맡기는 업무라면 자료를 구체적으로 줘야 한다. 에이전트가 이미 기억하고 있는 자료와 기준이 있다면 짧게 말해도 되지만, 처음부터 질문을 대강 던지면 결과에 문제가 생긴다. 

3. 어떤 형태로 받아야 바로 쓸 수 있는가? (형식)

돌려받을 결과물의 형태이다. 표인지, 메일 초안인지, PDF인지, 엑셀인지, 체크리스트인지 정해야 한다. 형식을 정하지 않으면 긴 글이 오기 쉽다. 시간을 들여 긴 글을 읽을 수는 있지만, 바로 회의에 활용하기는 어렵다.

4. 무엇을 넣고 무엇을 빼야 하는가? (기준)

최근 7일만 볼지, 가격 변경만 볼지, 추측은 제외할지, 출처 없는 내용은 따로 표시할지 등을 정하는 일이다. 첫 기준이 없으면 에이전트는 정보를 많이 모으는 쪽으로 기운다. 실무에서는 많이 모은 자료보다 잘 걸러진 자료가 더 쓸모 있다.

| 이 글은 책 《AI 에이전트, 우리는 이렇게 씁니다》에서 발췌했습니다.

《AI 에이전트, 우리는 이렇게 씁니다》는 이런 책이에요.

✅ 영업, 마케팅, 인사, 기획, 1인 기업 등 직무별 실무자들의 구체적인 업무 노하우

✅ 오픈클로, 헤르메스 등 AI 에이전트로 업무 자동화 시스템 구축

✅ 막연하게 기능을 외우는 대신, 업무 구조를 분석해 당장 출근해서 써먹을 수 있는 실전 노하우

책 자세히 보기 →