• AI와 대화하는 기술
• 01. AI는 '이해'하지 않는다 — 그래서 요령이 필요하다

---

• 사전학습 / 인트로
• 제1강. AI는 '이해'하지 않는다 — 그래서 요령이 필요하다
• "AI가 똑똑한 게 아니라, 잘 부려 쓰는 사람이 똑똑한 겁니다."

안녕하세요, 반갑습니다. 'AI와 대화하는 기술', 그 첫 번째 시간을 시작하겠습니다.
여러분 혹시 이런 적 있으세요? AI한테 분명히 뭘 시켰는데, 결과를 보고는 "어… 내가 원한 건 이게 아닌데?" 하고 갸웃했던 적이요. 어제는 기가 막히게 잘하더니, 오늘 똑같이 시켰는데 영 엉뚱한 소리를 하기도 하죠.
오늘 이 시간이 끝나면, 그게 왜 그런지 절반은 납득이 되실 거예요. 그리고 더 중요한 건, 그걸 알고 나면 여러분이 AI를 대하는 태도가 완전히 달라진다는 겁니다. 자, 시작해 볼까요?

---

• 우리는 AI를 '척척박사'로 기대합니다.
• 그런데 현실은 — 어떤 건 천재처럼, 어떤 건 초등학생도 안 틀릴 걸 틀립니다.
• 혹시… AI가 '똑똑한 척'을 하고 있는 건 아닐까요?

본격적으로 들어가기 전에 다 같이 한번 생각해 봅시다. 인류 역사상 가장 똑똑하다는 AI를 우리가 쓰고 있는데요. 그런데 어떨 땐 박사처럼 굴다가, 어떨 땐 아주 단순한 걸 자신 있게 틀려요.
많은 분들이 여기서 "아, AI가 아직 덜 발전했네" 하고 넘어갑니다. 그런데요, 그게 아니에요. 오늘 제가 좀 충격적인 이야기를 하나 드릴 텐데, 사실 AI는 우리 말을 '이해'하고 있는 게 아닙니다. 그 비밀을 지금부터 풀어볼게요.

---

• 학습내용
  • AI(LLM)는 어떻게 문장을 만드는가 — '다음 단어 맞히기'의 원리
  • 그 원리에서 나오는 4가지 구조적 한계
  • 그래서 우리가 배워야 할 '5가지 요령'의 전체 지도
• 학습목표
  • AI가 '확률로 다음 단어를 맞히는 기계'임을 설명할 수 있다.
  • AI의 한계가 '고장'이 아니라 '구조' 때문임을 이해한다.
  • 왜 우리가 '대화하는 기술'을 배워야 하는지 스스로 납득한다.

오늘 우리가 갈 길을 먼저 보여드릴게요. 크게 세 단계예요. 먼저 AI가 머릿속에서 무슨 일을 하는지, 아주 쉽게 들여다봅니다. 그다음 거기서 어쩔 수 없이 생기는 네 가지 약점을 짚고요. 마지막으로 그 약점들을 다루기 위해 우리가 앞으로 10주간 배울 다섯 가지 요령의 지도를 펼쳐 보일 거예요.
오늘의 진짜 목표는 지식 암기가 아니에요. "아, AI가 이런 애구나" 하고 관점이 바뀌는 것. 그게 오늘의 목표입니다.

---

• 흔한 풍경
  • "보고서 요약해줘" → 엉뚱한 부분만 요약
  • "어제 얘기한 거 기억하지?" → "무슨 말씀이신지…"
  • 어제 잘되던 게 → 오늘은 안 됨
• 우리는 AI를 탓했습니다. 그런데 범인은 따로 있습니다.

자, 다들 한 번씩은 겪어보셨을 장면들이에요. 분명 어제는 척척 해주던 AI가 오늘은 딴소리를 하고, 방금 한 얘기를 까먹고요.
그때마다 우리는 "AI가 멍청하네" 하고 탓했죠. 그런데 오늘 이 시간이 끝나면, 그게 AI가 멍청해서가 아니라 'AI가 원래 그렇게 만들어져서'라는 걸 아시게 될 거예요. 범인을 제대로 알아야, 잡을 수 있겠죠?

---

• 우리의 착각: AI가 뜻을 '이해'하고 답한다
• 진실: AI는 다음에 올 가장 그럴듯한 단어를 '확률'로 찍는다
• "오늘 날씨가 참 ___" → '좋네요'가 나올 확률이 높다
• 뜻을 곱씹는 게 아니라, 확률 높은 단어를 빠르게 이어 붙이는 것

자, 핵심입니다. 우리는 AI가 사람처럼 뜻을 헤아려서 답한다고 생각하죠. 그런데 실제로는요, AI는 '다음에 올 가장 그럴듯한 단어'를 확률로 맞히는 기계예요.
예를 들어 "오늘 날씨가 참" 다음에 뭐가 올까요? '좋네요'가 확률이 높겠죠. AI는 이걸 천문학적인 양의 글로 학습해서, 단어 하나하나를 이런 식으로 이어 붙입니다. 문장의 '뜻'을 이해해서가 아니라, '통계적으로 그럴듯한' 단어를 고르는 거예요. 이 한 문장이 오늘 강의의 전부라고 해도 과언이 아닙니다.

---

• 문자 칠 때 뜨는 '추천 단어', 그거랑 원리가 같습니다.
• 자동완성: 단어 하나 추천 → AI: 그걸 어마어마한 규모로, 문장·문단 단위로
• 똑똑해 보이는 이유 = 학습한 글의 양이 압도적이기 때문
• 그래도 본질은 '맞히기'지, '이해'가 아닙니다.

너무 어렵게 느껴지신다면, 이렇게 생각해 보세요. 우리 스마트폰에서 문자 칠 때 다음 단어 추천해 주는 기능 있죠? AI는 그거의 어마어마한 끝판왕이에요. 단어 하나가 아니라 문장, 문단을 통째로 추천해 주는 거죠.
학습한 글의 양이 워낙 압도적이다 보니 똑똑해 보이는 거지, 원리 자체는 '다음 단어 맞히기'에서 한 발짝도 안 벗어났습니다. 이걸 기억하시면, 앞으로 AI가 왜 그러는지가 다 설명이 돼요.

---

• 똑같은 질문을 두 번 → 답이 미묘하게(때론 완전히) 다름
• 사람이라면? 같은 걸 물으면 같은 답을 함
• AI는 매번 '확률 주사위'를 다시 굴리기 때문
• → '정답을 아는 것'이 아니라 '그럴듯한 걸 고르는 것'

증거를 하나씩 보여드릴게요. 첫 번째. 똑같은 질문을 두 번 던져보세요. 답이 미묘하게, 어떨 땐 아예 다르게 나와요.
사람한테 "2 더하기 2는?" 하고 두 번 물으면 두 번 다 4라고 하죠. 그런데 AI는 매번 그 '확률 주사위'를 새로 굴립니다. 그래서 답이 흔들려요. 이게 바로 AI가 정답을 '아는' 게 아니라, 그때그때 그럴듯한 걸 '고르고' 있다는 결정적 증거예요.

---

• "'딸기'에 받침이 몇 개?" 같은 단순 질문을 종종 틀림
• 박사 논문은 요약하면서, 글자 수는 못 셈 — 왜?
• AI는 글자를 '글자'가 아니라 '덩어리(토큰)'로 보기 때문
• 즉, 우리가 보는 방식으로 세상을 보지 않는다

두 번째 증거. AI한테 아주 복잡한 보고서는 척척 요약하면서, "'딸기'라는 단어에 받침이 몇 개야?" 같은 단순한 걸 의외로 틀릴 때가 있어요. 좀 황당하죠?
이유가 재미있어요. AI는 글자를 우리처럼 한 글자 한 글자로 보는 게 아니라, '덩어리'로 뭉쳐서 봐요. 그러니까 글자를 세는 건 오히려 약한 거예요. 이게 무슨 뜻이냐면, AI는 우리가 세상을 보는 방식이랑 다르게 본다는 거예요. 그래서 가끔 우리 상식으론 이해 안 되는 실수를 하는 겁니다.

---

• 일은 똑똑하게 잘함 (방대한 지식)
• 그런데 — 매일 아침 어제 일을 다 까먹고 출근
• 배경 설명 안 해주면 엉뚱한 데서 헤맴
• 두루뭉술하게 시키면, 두루뭉술하게 일해 옴
• → 우리가 '잘 부려 쓰는 법'을 배워야 하는 이유

자, 지금까지를 한마디로 정리하면 이래요. AI는 '기억력은 없는데 머리는 좋은 신입사원'이에요. 일머리는 좋은데, 매일 아침 어제 일을 싹 잊고 출근하는 신입이요.
이런 직원한테 일을 잘 시키려면 어떻게 해야 할까요? 배경을 잘 설명해주고, 명확하게 지시하고, 결과를 한 번 확인해야겠죠? 맞아요. 그게 바로 우리가 이 강의에서 배울 'AI와 대화하는 기술'이에요. AI를 바꾸는 게 아니라, 이 친구를 다루는 우리의 요령을 기르는 거죠.

---

• 원인: 매번 '확률 주사위'를 다시 굴림
• 증상: 어제 되던 게 오늘 안 됨 / 같은 요청에 다른 품질
• 그래서 우리의 대응 → 명확하고 재현 가능하게 시키기 (2·3강 '프롬프트')

이제 이 '다음 단어 맞히기' 구조에서 어쩔 수 없이 나오는 약점 네 가지를 짚어볼게요. 이게 오늘의 핵심 뼈대예요.
첫 번째 약점, 답이 매번 달라진다는 거예요. 주사위를 매번 새로 굴리니까요. 그래서 우리는 운에 맡기지 않으려고, 최대한 명확하게 시키는 법을 배웁니다. 그게 2강, 3강에서 다룰 '프롬프트'예요.

---

• 원인: AI는 대화가 끝나면 맥락이 휘발됨 (작업 기억이 좁다)
• 증상: "아까 말한 거" 를 모름 / 배경 없으면 헤맴
• 비유: 책상이 좁아서, 지금 일에 필요한 자료만 올려놔야 함
• 그래서 우리의 대응 → 필요한 맥락을 챙겨주기 (4·5강 '컨텍스트')

두 번째 약점. AI는 매번 백지에서 시작해요. 우리 머릿속처럼 어제 일을 차곡차곡 쌓아두지 못하고, 대화가 끝나면 휘발돼 버립니다.
책상이 아주 좁은 사람이라고 생각해 보세요. 지금 하는 일에 필요한 서류만 딱 올려놔야 일이 되죠. AI가 딱 그래요. 그래서 우리는 일에 필요한 배경을 그때그때 손에 쥐여주는 법을 배웁니다. 그게 4강, 5강의 '컨텍스트'예요.

---

• 원인: 길어질수록 가운데에 주의가 옅어짐
• 증상: 긴 자료를 주면 앞·뒤는 챙기고 '중간 핵심'을 빠뜨림
• 사람도 두꺼운 책은 첫 장·끝 장만 기억나죠
• 그래서 우리의 대응 → 중요한 건 앞이나 끝에 배치 (4강)

세 번째 약점. AI는 긴 내용을 주면 묘하게 '중간'을 까먹어요. 앞부분이랑 끝부분은 잘 챙기는데, 가운데 끼인 핵심을 슬쩍 빠뜨립니다.
사실 우리도 비슷해요. 두꺼운 책 읽으면 첫 단원이랑 마지막 단원만 기억나잖아요. AI도 똑같습니다. 그래서 정말 중요한 정보는 자료 한가운데 묻어두면 안 되고, 눈에 띄는 앞이나 끝에 둬야 해요. 이 요령도 4강에서 같이 연습합니다.

---

• 원인: '맞히는' 기계라, 모를 때도 일단 그럴듯한 걸 만들어냄
• 증상: 없는 사실·가짜 출처·틀린 숫자를 '자신 있게' 말함
• 가장 위험한 약점 — 거짓말에 표정이 없다
• 그래서 우리의 대응 → 의심하고 검증하기 (6·7강 '하네스')

마지막, 네 번째 약점. 이게 제일 위험해요. AI는 '맞히는' 기계라서, 모를 때도 "모르겠어요"라고 안 하고 일단 그럴듯한 걸 지어내요. 없는 사실, 가짜 출처, 틀린 숫자를 아주 자신 있는 표정으로 들이밉니다. 이걸 '환각'이라고 불러요.
사람은 거짓말할 때 표정이라도 흔들리는데, AI는 그게 없어요. 그래서 우리는 무조건 의심하고 검증하는 습관을 길러야 합니다. 그게 6강, 7강의 '하네스', 즉 검증 기술이에요.

---

자, 네 가지 약점을 한 표에 모았어요. 잘 보세요. 왼쪽이 AI의 약점, 가운데가 그 원인, 오른쪽이 우리가 할 일이에요.
여기서 제일 중요한 건, 오른쪽 '우리의 대응'이 전부 왼쪽 '약점'에서 나왔다는 거예요. 우리가 배울 모든 기술은 누가 만든 꿀팁이 아니라, "AI가 이런 약점이 있으니까, 어쩔 수 없이 우리가 이렇게 해주는 것"이에요. 이 인과관계가 오늘 강의의 핵심 메시지입니다.

---

• AI가 똑똑해지길 기다리지 마세요.
• 대신, 이 '답답한 천재'를 잘 부려 쓰는 요령을 배우면 됩니다.
• 그게 바로 — AI와 '대화'하는 기술
• 외우는 게 아니라, "AI가 이런 애니까 이렇게 대하자"는 판단력

그래서 결론은 이거예요. AI가 더 똑똑해지길 손 놓고 기다릴 게 아니라, 지금 이 '답답한 천재'를 잘 부려 쓰는 요령을 우리가 익히면 됩니다.
그리고 이 강의의 진짜 가치가 여기 있어요. 단순히 "이럴 땐 이렇게 쳐라"를 외우는 게 아니에요. "아, AI가 이런 애니까 내가 이렇게 대해줘야겠구나" 하고 스스로 판단하는 힘을 기르는 거예요. 그게 진짜 실력이고, 어떤 AI가 새로 나와도 안 흔들리는 힘입니다.

---

• ① 프롬프트 — 제대로, 명확하게 시키는 법 (2·3강)
• ② 컨텍스트 — 필요한 자료·맥락을 쥐여주는 법 (4·5강)
• ③ 하네스 — 거짓말을 거르고, 좋은 답을 가려내는 법 (6·7강)
• ④ 가드레일 — 안전하게, 사고 없이 쓰는 법 (8강)
• ⑤ 워크플로우 — 흐름으로 일하고, 나만의 비서를 만드는 법 (9강)
• (10강) 전부 합쳐, 실제 업무 하나 끝내기

자, 앞으로 우리가 함께 갈 길을 지도로 펼쳐 볼게요. 딱 다섯 가지예요. 명확하게 시키는 '프롬프트', 맥락을 챙겨주는 '컨텍스트', 거짓말을 거르는 '하네스', 안전하게 다루는 '가드레일', 그리고 흐름으로 일하는 '워크플로우'.
어렵게 들리시죠? 걱정 마세요. 여러분이 직접 코딩하지 않아도, AI에게 시켜서 처리하는 방식으로, 전부 당장 내일 업무에서 쓸 수 있는 것들로만 채웠어요. 그리고 보세요. 이 다섯 가지가 전부 아까 그 '네 가지 약점'에서 나왔어요. 우리는 그냥 약점 하나하나에 대응법을 배우는 것뿐이에요.

---

• 상황 — 지금 쓰는 챗봇(ChatGPT 등)을 직접 열어, 오늘 배운 원리가 정말 작동하는지 손으로 확인해 봅니다.
• 이렇게 해보세요 — 두 가지만 해보면 됩니다.
  • ① 똑같은 질문을 두 번 던져 보기 → 답이 미묘하게, 때론 완전히 달라지는지 확인
  • ② "'딸기'에 받침 몇 개야?"처럼 단순한 글자 수를 물어보기 → 의외로 틀리는지 확인
• 이런 결과 — "아, 정말 매번 답이 다르네 / 이렇게 단순한 걸 틀리네"를 직접 두 눈으로 목격하게 됩니다.
• 체크포인트 — 방금 본 게 바로 1차시에서 배운 '확률 주사위'(매번 다시 굴림)와 '토큰(덩어리)으로 본다'는 원리가 작동한 증거입니다.

자, 백 번 듣는 것보다 한 번 해보는 게 낫죠. 지금 각자 핸드폰이나 노트북으로 평소 쓰시는 챗봇 하나 열어보세요. 딱 두 가지만 해볼게요.
먼저, 아무 질문이나 하나 던지고, 똑같은 질문을 한 번 더 던져보세요. 어때요? 답이 미묘하게 다르죠? 어떤 분은 아예 다르게 나올 거예요. 네, 방금 그게 '확률 주사위'를 다시 굴린 겁니다. 그다음, "'딸기'에 받침 몇 개야?" 하고 물어보세요. 박사 논문도 요약하는 녀석이 이 단순한 걸 의외로 틀리죠? 그게 바로 AI가 글자를 우리처럼 안 보고 '덩어리'로 본다는 증거예요. 자, 지금 직접 보신 이 두 장면이 오늘 강의 전부입니다. 신기하죠?

---

• 처음 AI를 쓸 때, 저는 단어 몇 개만 던졌습니다 (검색하듯)
• 답이 늘 부실 — "역시 별거 아니네" 하고 덮었죠
• 어느 날 깨달음 — 이건 검색이 아니라 '대화'다
• 배경을 말해주고, 대화하듯 시키니 결과가 완전히 달라졌습니다

제 경험 하나 나눌게요. 저도 처음엔 AI를 그냥 검색창인 줄 알았어요. 네이버 검색하듯 단어 몇 개 툭 던지고 답을 기다렸죠. 그러니 답이 늘 부실했고, "에이, 역시 별거 아니네" 하고 덮어버렸어요.
그러다 어느 날 딱 깨달았어요. "아, 이건 검색이 아니라 대화구나." 그래서 마치 옆자리 동료한테 일 부탁하듯, 배경을 설명해 주고 차근차근 대화를 했더니, 결과물이 거짓말처럼 달라지더라고요. 그 순간이 제 터닝포인트였어요. 오늘 여러분도 그 출발선에 같이 서신 겁니다.

---

• 1. AI는 '이해'하지 않는다 — 다음 단어를 확률로 '맞히는' 기계다.
• 2. 그 구조에서 4가지 한계가 나온다 — 불안정·기억없음·중간망각·환각.
• 3. 그래서 우리는 '요령'을 배운다 — 한계에 우리를 맞추는 것이 '대화하는 기술'.
• 핵심 한 줄: "AI를 탓하지 말고, 다루는 법을 바꾸자."

오늘 배운 걸 딱 세 가지로 정리할게요. 첫째, AI는 이해하는 게 아니라 다음 단어를 확률로 맞히는 기계다. 둘째, 그래서 어쩔 수 없이 네 가지 약점이 있다. 셋째, 그러니 우리는 그 약점에 맞춰 다루는 '요령'을 배운다.
오늘 딱 한 줄만 가져가신다면 이거예요. "AI를 탓하지 말고, 다루는 법을 바꾸자." 다음 시간에는 그 첫 번째 요령, 'AI한테 제대로 말 거는 법'을 같이 해볼게요. 오늘 정말 수고 많으셨습니다!

---

다음 차시 예고 — 2차시 「같은 질문인데, 답이 다른 이유」: AI한테 '제대로 말 거는' 첫 번째 요령(프롬프트)을 배웁니다.

---

• AI와 대화하는 기술
• 02. 같은 질문인데, 답이 다른 이유 — AI한테 '제대로 말 거는' 법 [프롬프트]

---

• 사전학습 / 인트로
• 제2강. 같은 질문인데, 답이 다른 이유 [프롬프트]
• "AI가 답을 못 한 게 아니라, 내가 질문을 못 한 겁니다."

자, 여러분 안녕하세요. 다시 만났습니다. 2강 시작할게요.
시작하기 전에 질문 하나 던져볼게요. 옆자리 동료가 챗GPT로 기가 막힌 답을 뽑아내길래, "어? 나도 해봐야지" 하고 거의 똑같이 물어봤는데 나한테는 영 시원찮은 답이 나온 적, 있으세요? 아니면 어제는 멀쩡하던 게 오늘은 딴소리를 하거나요.
오늘 우리가 풀 수수께끼가 바로 이겁니다. 같은 질문 같은데 왜 답이 다를까. 그리고 더 중요한 거, 어떻게 하면 내가 원하는 답이 나올 확률을 높일 수 있을까. 같이 배워봅시다.

---

• 똑같은 AI에, 비슷하게 물었는데 — 답의 품질이 천지 차이.
• 어제 잘되던 게 오늘은 안 되기도 합니다.
• 혹시… 문제는 AI가 아니라 '내 질문'에 있는 건 아닐까요?

본격적으로 들어가기 전에 같이 생각해 봅시다. 같은 AI한테, 비슷하게 물어본 것 같은데 누구는 잘 나오고 누구는 안 나와요. 어제는 됐는데 오늘은 안 되기도 하고요.
많은 분들이 여기서 "역시 AI가 아직 별로네" 하고 덮습니다. 그런데 오늘 끝나고 나면 생각이 바뀌실 거예요. 사실 문제는 AI가 아니라, 우리가 말을 거는 방식에 있었거든요. 그 비밀을 지금부터 풀어볼게요.

---

• 학습내용
  • AI가 '말귀'를 못 알아듣는 이유 — 1강 한계와 연결하기
  • 좋은 요청의 네 가지 요소 + 출력 형식
  • Before/After로 직접 고쳐 보는 프롬프트 실습
• 학습목표
  • 모호한 입력이 왜 흔들리는 답을 만드는지 LLM 구조로 설명할 수 있다.
  • 역할·목표·제약·예시·출력형식을 넣어 명확한 프롬프트를 쓸 수 있다.
  • "AI가 아니라 내 질문을 고친다"는 관점을 갖는다.

오늘 갈 길을 먼저 보여드릴게요. 크게 세 단계예요. 먼저 AI가 왜 우리 말귀를 잘 못 알아듣는지, 1강에서 배운 한계랑 연결해서 짚습니다. 그다음 좋은 요청에 꼭 들어가야 할 네 가지 요소를 배우고요. 마지막으로 못 쓴 질문 하나를 같이 고쳐보면서, 답이 어떻게 달라지는지 눈으로 확인할 거예요.
오늘 목표는 멋진 주문을 외우는 게 아니에요. "아, 내가 운전대를 쥐어야 하는구나" 하는 관점, 그걸 가져가시는 게 목표입니다.

---

• 1강 핵심: AI는 뜻을 이해하는 게 아니라, 다음 단어를 확률로 맞힌다.
• 한계 중 하나 — 두루뭉술하게 시키면, 두루뭉술하게 일해 온다.
• 또 하나 — 같은 걸 물어도 답이 흔들린다(불안정성).
• 오늘은 바로 이 약점에 대응하는 '명확하게 시키는 법'을 배웁니다.

본격적으로 들어가기 전에 지난 시간 잠깐 복습할게요. 제가 1강에서 그렇게 강조했죠. AI는 우리 말을 이해하는 게 아니라, 다음에 올 단어를 확률로 맞히는 기계라고요.
거기서 약점 두 개 기억하세요. 두루뭉술하게 시키면 두루뭉술하게 해온다는 거, 그리고 같은 걸 물어도 답이 흔들린다는 거. 오늘 배울 '프롬프트'가 바로 이 약점에 딱 대응하는 첫 번째 요령이에요. 약점에서 요령이 나온다, 이 흐름 그대로 갑니다.

---

• 사람끼리는 말 안에 없는 정보도 '눈치'로 채웁니다.
• "어제 그거 어떻게 됐어요?" → 동료는 알아들음 (맥락 공유)
• AI는 '어제'도 '그거'도 모름 — 가진 건 지금 입력한 글자뿐.
• 그 글자만 보고 다음 단어를 확률로 줄줄이 뽑아낼 뿐입니다.

자, 핵심으로 들어갈게요. 우리가 사람한테 말할 때는 말 안에 안 들어 있는 정보가 엄청 많아요. 제가 옆자리 김 대리한테 "어제 그거 어떻게 됐어요?" 하면, 김 대리는 '아, 어제 회의에서 얘기한 그 거래처 건이구나' 하고 딱 알아들어요. 같은 공간에서 맥락을 공유하니까요. 사람은 눈치라는 게 있잖아요.
그런데 AI는 이게 안 됩니다. "어제 그거 어떻게 됐어요?" 하면 얘는 '어제'가 언제인지도, '그거'가 뭔지도 몰라요. 얘가 가진 건 딱 하나, 여러분이 지금 입력한 그 글자들뿐이에요. 그 글자만 보고 다음 단어를 확률로 뽑는 거죠.

---

• "보고서 써줘" → 세상에 보고서가 몇 종류일까요?
• 한 줄짜리도, 열 장짜리도, 딱딱한 것도, 부드러운 것도 다 보고서.
• AI는 그중 '확률적으로 제일 무난한 것' 하나를 골라 내놓음.
• 그게 내가 원하던 것과 같을 확률은? → 낮습니다.

그러니까 우리가 모호하게 말하면 어떻게 되겠어요? AI 입장에선 '그럴듯한 답'의 경우의 수가 어마어마하게 많아져요. "보고서 써줘" 이렇게만 던지면, 세상에 보고서가 몇 종류입니까. 한 줄짜리도 보고서고 열 장짜리도 보고서예요. 딱딱한 것도 있고 부드러운 것도 있고요.
AI는 그 수많은 가능성 중에서 그냥 확률적으로 제일 무난한 거 하나를 골라서 내놔요. 그게 여러분이 진짜 원하던 거랑 같을 확률은? 낮죠. 당연히 낮습니다. 그래서 오늘의 첫 번째 핵심이 이거예요. AI는 말귀를 정확히 못 알아듣는다, 그러니까 우리가 정확히 시켜줘야 한다.

---

• ① 누구 입장에서 — 역할
• ② 무엇을 — 목표
• ③ 어디까지, 어떤 조건으로 — 제약
• ④ 이런 느낌으로 — 예시
• 외우기: "누구 입장에서 / 무엇을 / 어디까지 / 이런 예시로"

자, 그럼 어떻게 정확히 시킬까요? 외우기 쉽게 네 가지로 정리해 드릴게요. 저는 이걸 '신입 사원한테 일 시키는 법'이라고 불러요. 이유는 뒤에서 말씀드릴게요.
누구 입장에서, 무엇을, 어디까지, 이런 예시로. 이 네 개예요. 이거 네 개만 챙겨도 답변 품질이 확 달라집니다. 하나씩 뜯어볼게요.

---

• "살 빼는 법" → 영양사에게 물으면 식단, 트레이너에게 물으면 운동.
• 앞에 "당신은 20년 경력 영양사입니다"를 깔아 주기.
• 원리: 그 직업이 자주 쓰는 단어 쪽으로 확률이 쏠림.
• 다음 단어를 뽑을 '동네'를 정해 주는 것.

첫 번째, 역할이에요. 똑같이 "건강하게 살 빼는 법 알려줘"라고 물어도, 앞에 "당신은 20년 경력의 영양사입니다"를 붙이는 거랑 "당신은 헬스 트레이너입니다"를 붙이는 거랑 답이 달라져요. 영양사는 식단 얘기를, 트레이너는 운동 얘기를 주로 하겠죠.
왜 효과가 있을까요? 1강으로 돌아가 봅시다. "당신은 영양사입니다"를 앞에 깔면, AI는 영양사들이 쓸 법한 단어 쪽으로 확률이 확 쏠려요. 다음 단어를 뽑을 때 참고할 '동네'를 정해주는 거예요. 그러니까 질문할 때 "너는 누구야"를 먼저 정해주세요.

---

• "마케팅 좀 도와줘" (X) — 뭘 도와달라는지 모름.
• "신제품 텀블러를 20대 직장인에게 알릴 인스타 게시글 문구 만들어줘" (O)
• 구체적인 '결과물'을 박아 주면, 거기에 딱 조준됨.
• 뭉뚱그리면, 또 무난한 일반론이 돌아옵니다.

두 번째, 목표예요. 무엇을 원하는가. 너무 당연한 거 아니냐고요? 그런데 의외로 여기서 많이들 뭉뚱그려요.
"마케팅 좀 도와줘"가 아니라, "우리 회사 신제품 텀블러를 20대 직장인한테 알릴 인스타그램 게시글 문구를 만들어줘." 이렇게 구체적인 결과물이 뭔지를 딱 박아주는 거예요. 도와달라고 하면 AI는 '뭘 도와달라는 거지' 하면서 또 무난한 일반론을 늘어놔요. 결과물을 명확히 말해주면 거기에 딱 조준이 됩니다.

---

• 예: "전문 용어 빼고 쉽게", "300자 이내", "예산 10만 원 안에서", "정중하게"
• 제약이 없으면 AI는 '무한대의 자유' → 우리에겐 독.
• AI는 가능성의 바다에서 헤엄치는 애 — 안 막으면 엉뚱한 데로 감.
• 제약 = 바다를 좁혀 '작은 연못' 안에서만 답을 찾게 하는 장치.

세 번째, 제약 조건이에요. 어디까지 할 거냐, 무슨 조건을 지킬 거냐. 이게 정말 중요해요. "전문 용어 빼고 쉽게", "300자 이내로", "초등학생 눈높이로", "예산 10만 원 안에서", "반말 말고 정중하게." 이런 울타리를 쳐주는 거예요.
생각해 보세요. 제약이 없으면 AI는 무한대의 자유를 가져요. 근데 그 자유가 우리한테는 독이 됩니다. 1강에서 배웠듯이 AI는 가능성의 바다에서 헤엄치는 애예요. 울타리를 안 쳐주면 엉뚱한 데까지 헤엄쳐 가버려요. 제약은 그 바다를 좁혀서, 우리가 원하는 작은 연못 안에서만 답을 찾게 만드는 장치예요.

---

• 말로 백 번 설명보다 "이런 느낌으로" 샘플 하나가 강력.
• "감성적인 문구로" (X) → "'하루의 시작을 바꾸는 한 잔' 이런 느낌으로 3개" (O)
• 원리: AI가 그 패턴·길이·말투를 그대로 이어 그림.
• '감성적'은 사람마다 다름 → 예시는 오해의 여지를 확 줄임.

네 번째, 예시예요. 이게 사실 제일 강력한데 사람들이 제일 안 써요. 말로 백 번 설명하는 것보다 "이런 느낌으로 해줘" 하고 샘플 하나 보여주는 게 훨씬 잘 통해요.
"제품 설명 문구 써줘"라고만 하지 말고, "예를 들면 '하루의 시작을 바꾸는 한 잔' 이런 느낌의 감성적인 문구로 세 개 만들어줘." 이렇게요. 왜 강력하냐면, AI는 글자를 보고 다음 글자를 뽑는다고 했잖아요. 예시를 보여주면 '아, 이런 패턴, 이런 길이, 이런 말투구나' 하고 그대로 따라 그려요. 말로 "감성적으로"라고 하면 그게 사람마다 다르잖아요. 예시는 오해의 여지를 확 줄여줍니다.

---

• 같은 내용도 줄글 / 표 / 번호 목록이면 느낌이 완전히 다릅니다.
• 표로: "장단점을 표로" — 비교는 표가 최고.
• 목록으로: "다섯 가지를 번호 매겨서"
• 말투: "사장님께 보고하는 정중한 말투로"
• 분량: "딱 세 문장", "A4 한 장"

자, 네 가지를 챙겼어요. 여기에 하나를 더 얹으면 결과물이 진짜 깔끔해집니다. 바로 출력 형식이에요. 결과물을 어떤 '모양'으로 받을지를 정해주는 거죠.
똑같은 내용이라도 줄글로 주는 거랑 표로 주는 거랑 번호 목록으로 주는 거랑 완전히 다르잖아요. "장점과 단점을 표로 정리해줘", "다섯 가지를 번호 매겨서", "사장님께 보고하는 정중한 말투로", "딱 세 문장으로." 이렇게 모양을 지정해 주는 거예요. 사람들이 내용은 신경 쓰는데 형식은 AI한테 그냥 맡겨버려요. 그러면 AI는 또 제일 무난한 형식, 보통 줄글로 길게 늘어놓는 걸 택해요. 형식까지 우리가 운전대를 쥐어야 합니다.

---

• 상황: 팀 워크숍 장소를 정해 팀장님께 추천해야 함.
• 우리가 흔히 쓰는 질문 ▼

> "워크숍 장소 추천해줘."

• AI는 막막함 — 인원·지역·예산·목적, 아무것도 모름.
• 결과: "강원도 펜션, 제주 리조트, 가평 풀빌라…" 무난한 나열뿐.

말로만 들으면 안 와닿으니까, 못 쓴 요청 하나를 같이 고쳐보겠습니다. 이게 오늘 강의의 하이라이트예요. 상황은 이래요. 회사 워크숍 장소를 정해서 팀장님께 추천해야 합니다.
우리가 흔히 이렇게 쓰죠. "워크숍 장소 추천해줘." 이렇게 물으면 AI는 막막해요. 인원이 몇 명인지, 어디 지역인지, 예산이 얼마인지, 뭘 하는 워크숍인지 아무것도 몰라요. 그러니까 강원도 펜션, 제주도 리조트, 가평 풀빌라, 세상 모든 무난한 답을 그냥 나열해요. 받아보면 '음, 그래서 뭘 어쩌라고' 싶은 영양가 없는 답이 나옵니다. 가능성의 바다에 그냥 던져버린 결과예요.

---

> "당신은 기업 워크숍을 많이 기획해 본 전문 플래너입니다. (역할)

> 우리 팀 15명이 1박 2일 팀워크 워크숍을 갈 장소를 추천해 주세요. (목표)

> 서울에서 차로 2시간 안쪽, 1인당 예산 10만 원 이내, 세미나실과 저녁 바비큐 공간 필수. (제약)

> 예: '가평 OO펜션 – 세미나실 완비, 바비큐장 있음' 이런 식으로. (예시)

> 후보 세 곳을 장점·예상 비용과 함께 표로 정리해 주세요. (출력 형식)"

• 글자 수는 늘었지만, AI가 헤맬 구석이 거의 없음.

이제 우리가 배운 걸 다 넣어서 고쳐볼게요. 보세요. 역할 깔고, 목표 박고, 제약으로 울타리 치고, 예시 하나 던지고, 출력 형식까지 지정했어요.
어떠세요? 느낌이 확 다르죠? 글자 수는 좀 늘었지만, 이 안에 AI가 헤맬 구석이 거의 없어요. 인원도 알고, 지역도 알고, 예산도 알고, 필요한 시설도 알고, 어떤 모양으로 답할지까지 다 알려줬어요. 같은 AI인데, 받는 답은 완전히 달라집니다.

---

• Before: 참고할 글자가 적음 → 확률이 사방으로 퍼짐.
• After: 단서를 잔뜩 줌 → 확률이 원하는 좁은 길로 쫙 모임.
• 그래서 '원하는 답이 나올 확률'이 확 올라감.
• 핵심 깨달음: AI가 답을 못 한 게 아니라, 내가 질문을 못 한 것.

AI 입장에서 다시 생각해 봅시다. 1강에서 배운 대로, AI는 우리가 준 글자를 보고 확률을 계산하는 애예요. Before에서는 참고할 글자가 너무 적어서 확률이 사방으로 퍼졌어요. After에서는 단서를 잔뜩 줬으니까 확률이 우리가 원하는 좁은 길로 쫙 모입니다. 그러니까 원하는 답이 나올 확률이 확 올라가는 거예요.
여기서 오늘의 가장 중요한 깨달음. AI가 답을 잘 못 한 게 아니라, 내가 질문을 잘 못 한 거다. 첫 질문에 운전대를 얼마나 단단히 쥐느냐에 따라 결과물이 천지 차이로 달라집니다.

---

자, 오늘 배운 다섯 가지를 한 표에 모았어요. 누구 입장에서(역할), 무엇을(목표), 어디까지(제약), 이런 예시로(예시), 그리고 어떤 모양으로(출력 형식). 이 다섯 개예요.
다 외우려고 부담 갖지 마세요. 질문 쓰기 전에 이 표 한 번 쓱 훑고, "내가 빠뜨린 거 없나?" 점검만 해도 충분해요. 이게 습관이 되면 여러분 프롬프트가 확 달라집니다.

---

• 상황 — 우리 쪽 사정으로 납기가 3일 늦어졌습니다. 거래처 담당자에게 사과하고 양해를 구하는 이메일을 보내야 합니다.
• 이렇게 해보세요 — 같은 일을 두 번 시켜서 결과를 나란히 비교해 보세요.
  • ㉠ 두루뭉술하게 — "거래처에 보낼 사과 메일 써줘."
  • ㉡ 명확하게 — "당신은 우리 회사 영업 담당자입니다(역할). 자재 수급 차질로 납기가 3일 지연된 상황을 거래처 담당자에게 사과하는 이메일을 써 주세요(맥락·요청). 정중하되 변명은 최소로, 10줄 내외로(출력 형식), 새 납기일과 재발 방지 약속을 꼭 넣어서(구체 요청). '○○님께, 먼저 사과의 말씀부터 드립니다…' 이런 톤으로(예시)."
• 이런 결과물 — 날짜·받는 사람만 채우면 바로 보낼 수 있는 수준의 사과 이메일 초안.
• 체크포인트 — 2차시 '명확한 지시 5요소(역할·맥락·구체요청·출력형식·예시)'가 ㉡에서 어떻게 결과를 끌어올렸나요? 특히 '새 납기일·재발방지' 같은 구체 요청과 '10줄·정중한 톤' 같은 출력 형식이 ㉠과 무엇을 바꿨는지 짚어 보세요.

자, 배운 걸 손으로 직접 해볼 시간이에요. 상황을 하나 드릴게요. 우리 쪽 사정으로 거래처 납기가 3일 늦어졌어요. 거래처 담당자한테 사과하고 양해를 구하는 이메일을 보내야 하는, 누구나 한 번쯤 겪는 곤란한 상황이죠.
두 번 시켜볼 거예요. 먼저 평소처럼 툭, "거래처에 보낼 사과 메일 써줘." 이렇게만 해보세요. 받아보면 누구한테 보내는지, 뭘 사과하는지도 모르니까 두루뭉술하고 어디서 본 듯한 맹맹한 메일이 나올 거예요.
이번엔 오늘 배운 다섯 요소를 다 넣어서 다시 시켜보세요. 역할은 우리 회사 영업 담당자, 맥락은 자재 차질로 납기 3일 지연, 톤은 정중하되 변명은 최소로, 분량은 10줄 내외, 그리고 꼭 넣을 것 두 가지 — 새 납기일이랑 재발 방지 약속. 예시 톤까지 한 줄 깔아주면 더 좋고요. 자, 두 결과를 나란히 놓고 보세요. 5요소를 넣은 두 번째 게 얼마나 '바로 보낼 수 있는' 수준으로 올라왔는지, 특히 새 납기일이랑 재발 방지 같은 구체적인 요청이 메일의 무게를 어떻게 바꿨는지 느껴보세요. 자, 5분 드릴게요. 직접 해보시죠!

---

• 신입에게 바쁜 와중에 툭 — "지난달 매출 보고서 좀 써와요."
• 제가 원한 건 임원용 한 장 요약, 그런데 열다섯 장이 왔습니다.
• 그 친구가 못한 게 아니라, 제가 안 알려준 것 — 누가 볼지·몇 장·뭘 강조할지.
• 몇 년 뒤 AI를 쓰다 무릎을 탁 — "이거 그때 그 신입이랑 똑같잖아!"

여기서 제 옛날 얘기 하나 할게요. 예전에 똑똑한 신입이 들어왔는데, 그날 제가 바빠서 지나가며 툭 던졌어요. "김 사원, 지난달 매출 보고서 좀 써와요." 딱 이 한마디였어요. '알아서 잘 해오겠지' 했죠.
오후에 받아보고 당황했어요. 제가 원한 건 임원 회의에 올릴 한 장짜리 요약본이었거든요. 숫자 몇 개랑 그래프 하나면 됐어요. 그런데 이 친구는 무려 열다섯 장을, 거래처별로 빼곡하게 써왔어요. 이 친구가 못한 걸까요? 아니에요. 주어진 정보 안에서 최선을 다한 거예요. 문제는 저였어요. 누가 볼지, 몇 장으로, 뭘 강조할지를 하나도 안 알려줬거든요. 제 머릿속 그림은 저만 볼 수 있는 거잖아요.
그다음부터 풀어서 시켰더니 딱 원하는 걸 가져오더라고요. 똑같이 똑똑한 친구가요. 그리고 몇 년 뒤 AI를 쓰다가 무릎을 탁 쳤어요. "어? 이거 그때 그 신입이랑 완전히 똑같잖아!" AI도 모호하게 시키면 자기 나름 최선을 다해서 엉뚱한 열다섯 장을 가져와요. AI가 멍청해서가 아니라, 제가 머릿속 그림을 안 알려줬기 때문이에요. 그러니까 답이 이상하면 "AI 별거 없네" 하고 덮지 말고, "내가 너무 두루뭉술하게 시킨 거 아닐까?" 한 번 돌아보세요.

---

• 1. AI는 말귀를 못 알아듣는다 — 모호하면 확률이 흩어져 답이 흔들린다.
• 2. 좋은 요청엔 다섯이 들어간다 — 역할·목표·제약·예시·출력형식.
• 3. Before/After로 봤듯, AI가 아니라 '내 질문'을 고치면 결과가 달라진다.
• 핵심 한 줄: "운전대는 내가 쥔다 — AI가 아니라 질문을 고치자."

오늘 배운 걸 딱 세 가지로 정리할게요. 첫째, AI는 우리 말귀를 사람처럼 못 알아들어요. 눈치가 없어서, 모호하게 시키면 확률이 흩어져 답이 흔들려요. 둘째, 좋은 요청엔 다섯 가지가 들어가요. 역할, 목표, 제약, 예시, 그리고 출력 형식. 셋째, "워크숍 장소 추천해줘" 한 줄을 다섯 가지로 고쳤더니 결과가 완전히 달라졌죠. AI가 답을 못 한 게 아니라 우리가 질문을 못 했던 거예요.
오늘 집에 가셔서 딱 하나만 해보세요. 평소 두루뭉술하게 물었던 거 하나 떠올려서, 오늘 배운 다섯 가지를 넣어 다시 물어보고 두 답을 나란히 비교해 보세요. 아마 깜짝 놀라실 거예요. 오늘 한 줄만 가져가신다면, "AI가 아니라 질문을 고치자." 수고 많으셨습니다!

---

다음 차시 예고 — 3차시 「한 번에 시키지 말고, 단계로 시켜라」: 아무리 잘 시켜도 첫 답이 100% 마음에 들진 않습니다. 복잡한 일을 단계로 쪼개 차근차근 시키는 '똑똑하게 시키기'를 배웁니다.

---

• AI와 대화하는 기술
• 03. 한 번에 시키지 말고, 단계로 시켜라
• 엔지니어링 분류: [프롬프트] — 작업 분해 / 단계적 지시 / 생각의 사슬

---

• 사전학습 / 인트로
• 제3강. 한 번에 시키지 말고, 단계로 시켜라
• "큰일은 통째로 던지면 그럴듯하게 망하고, 단계로 쪼개면 거짓말처럼 풀린다."

자, 다들 오셨나요? 반갑습니다. 'AI와 대화하는 기술' 세 번째 시간입니다.
지난 2강에서 우리가 뭘 배웠죠? "정확하게 요청하기"였습니다. 역할 주고, 목표 주고, 제약 걸고, 형식 정해주고요. 그런데 말이죠, 그렇게 또박또박 시켜도 일이 좀 복잡해지면 결과가 여전히 엉성하게 나올 때가 있어요. 단순한 일은 잘하는데, 머리를 여러 번 굴려야 하는 일을 던지면 AI가 갑자기 바보가 됩니다.
오늘은 바로 그 지점을 다룹니다. 같은 일을 시키는데, '어떻게' 시키느냐에 따라 결과가 거짓말처럼 달라지는 요령이에요. 핵심은 딱 하나, "한 번에 던지지 말고 단계로 쪼개라." 자, 시작해 볼까요?

---

• 우리는 보통 "복잡한 일일수록 한 방에" 끝내고 싶어 합니다.
• 그런데 큰일을 통째로 던지면, 겉은 번지르르한데 알맹이가 비어 있죠.
• 혹시… AI한테 '생각할 시간'을 안 준 건 아닐까요?

본격적으로 들어가기 전에 다 같이 생각해 봅시다. 똑같은 자료를 주고 똑같은 AI한테 보고서를 시켰는데, 어떤 날은 멀쩡하고 어떤 날은 엉망이에요. 왜 그럴까요?
많은 분들이 "AI가 변덕스럽네" 하고 넘어갑니다. 그런데 사실은요, 우리가 일을 '한꺼번에' 던졌느냐, '단계로' 나눠 줬느냐. 그 차이일 때가 정말 많아요. 오늘 이 한 가지만 손에 쥐고 가셔도, 결과물 품질이 한 단계가 아니라 두세 단계는 올라갈 겁니다. 그 비밀을 지금부터 풀어볼게요.

---

• 학습내용
  • AI가 복잡한 일을 '한 방에' 못 푸는 이유 — 1차시 원리(다음 단어 맞히기)와의 연결
  • 한 방에 시킨 결과 vs 단계로 시킨 결과 — 직접 비교
  • 큰일을 단계로 쪼개는 법 / "먼저 ~하고, 그다음 ~해줘" 식 지시 / 중간 점검
• 학습목표
  • AI가 왜 단계로 시킬 때 더 정확해지는지를 구조로 설명할 수 있다.
  • 복잡한 업무를 2~3단계로 쪼개 지시문으로 만들 수 있다.
  • 단계마다 중간 결과를 점검하는 습관의 가치를 이해한다.

오늘 갈 길을 먼저 보여드릴게요. 먼저 AI가 왜 복잡한 걸 한 방에 못 푸는지, 1차시에서 배운 원리랑 연결해서 봅니다. 그다음 한 번에 시킨 결과랑 단계로 시킨 결과를 직접 비교해 볼 거예요. 차이를 눈으로 보면 안 까먹습니다. 마지막으로 일을 단계로 쪼개는 법, "먼저 이거 하고 그다음 저거 해줘" 하고 길을 까는 법, 그리고 중간 점검하는 법까지 손에 쥐여 드릴게요.
오늘 목표는 용어 암기가 아니에요. "아, 큰일은 쪼개서 시키는 거구나" 하는 감각, 그걸 가져가시는 게 목표입니다.

---

• 2강대로 역할 주고, 형식 주고, 또박또박 시켰는데도…
• 결과물이 어딘가 엉성하다 — 특히 일이 '복잡할 때'
• 단순한 일은 척척, 머리 여러 번 굴려야 하는 일은 헤맨다
• 범인은 AI의 변덕이 아니라 — '한 번에 너무 많이' 던진 우리

자, 2강에서 배운 대로 아무리 또박또박 요청해도 결과가 엉성하게 나올 때가 있어요. 분명 역할도 줬고 형식도 줬는데, 받아보면 "이게 뭐지?" 싶죠. 특히 일이 좀 복잡할 때요.
단순한 일은 AI가 잘합니다. 그런데 여러 단계를 거쳐야 하는 일, 머리를 굴려야 하는 일을 던지면 갑자기 바보가 돼요. 오늘 이 시간이 끝나면, 그게 AI 탓이 아니라 우리가 '한꺼번에 너무 많이' 던졌기 때문이라는 걸 아시게 될 거예요. 범인을 알아야 잡겠죠?

---

• 1차시 복습: AI는 다음 단어를 확률로 맞히는 기계
• 의미를 곰곰이 곱씹는 게 아니라, 앞말에 이어 한 단어씩 빠르게 붙인다
• 그래서 — 충분히 펼쳐볼 자리 없이 "바로 답!" 하면 찍어버린다
• 1차시의 '한 번에 너무 많으면 흔들림'이 여기서 그대로 터진다

1차시에서 우리가 뭐라고 했죠? AI는 "다음에 올 단어를 확률로 맞히는 기계"라고 했습니다. 의미를 깊이 이해해서 곰곰이 생각하는 게 아니라, 지금까지 나온 말을 보고 "그 다음엔 이 단어가 올 확률이 높겠네" 하면서 한 단어씩 이어 붙이는 거예요.
그러면 이런 기계한테 여러 단계를 거쳐야 답이 나오는 복잡한 문제를 통째로 던지면 어떻게 될까요? 사람으로 치면, 생각할 시간을 안 주고 "자, 바로 답!" 하고 다그치는 거랑 똑같아요. 그러면 중간 과정을 펼칠 자리도 없이 첫 단어부터 찍어버립니다. 1차시에서 말한 '한 번에 너무 많으면 흔들린다'가 바로 여기서 터지는 거예요.

---

• 문제: 사과 23개 → 오전 7개 판매 → 15개 입고 → 4개 폐기. 지금 몇 개?
• 사람도 단계로 푼다: 23−7=16 → 16+15=31 → 31−4=27
• 절대 "27!"이 한 방에 튀어나오지 않는다 — 머릿속이든 종이든 단계를 밟는다
• AI한테 "답만 숫자로" 시키면 → 펼칠 자리 없이 25, 26을 찍는다 (그럴듯한데 틀림)

너무 어렵게 느껴지시면 이렇게 생각해 보세요. 제가 문제를 하나 낼게요. "사과가 23개 있었는데, 오전에 7개 팔고, 15개를 새로 들여왔다가, 그중 4개가 상해서 버렸어요. 지금 몇 개죠?"
여러분 머릿속에서 어떻게 푸세요? 23 빼기 7 해서 16, 더하기 15 해서 31, 빼기 4 해서 27. 이렇게 단계를 밟죠? 절대 "27!" 하고 한 방에 안 튀어나와요.
그런데 AI한테 이걸 던지고 "답만 숫자로 말해" 하면, 중간 계산을 펼칠 기회도 없이 바로 첫 단어부터 뱉어야 해요. 그러니 25, 26 이런 게 툭 나옵니다. 그럴듯한데 틀린 거죠. 자, 그럼 어떻게 하면 될까요?

---

• 차이는 딱 하나 — '생각하는 과정을 글자로 펼치게 했느냐'
• 풀어 쓰는 과정 자체가 AI한테 생각할 자리를 깔아준다

자, 비교해서 보여드릴게요. 왼쪽은 "답만 숫자로 말해"라고 다그친 경우예요. AI가 펼칠 자리 없이 찍으니까 26 같은 그럴듯한 오답이 나와요. 오른쪽은 "차근차근 단계를 나눠서 풀어줘" 한 마디를 붙인 경우예요. AI가 "16개입니다, 31개입니다, 27개입니다" 이렇게 풀어 쓰면서 정답을 맞힙니다.
똑같은 문제, 똑같은 AI인데 답이 달라졌죠. 차이는 딱 하나예요. 생각하는 과정을 글자로 펼치게 했느냐, 아니냐. 풀어 쓰게 하는 것 자체가 정확도를 끌어올리는 겁니다.

---

• AI는 한 단어를 앞에 나온 말에 이어서 만든다
• "16개입니다"를 먼저 적어두면 → 다음 단어 만들 때 그 16을 발판으로 삼는다
• 중간 과정을 글자로 펼쳐 놓을수록 → 다음 단계를 안정적으로 딛고 간다
• 이걸 어려운 말로 '생각의 사슬' — 용어는 안 외워도 됨

이게 왜 먹히는지 원리를 짚어 볼게요. AI는 한 단어 한 단어를 앞의 말에 이어서 만들어내잖아요? 그러니까 "16개입니다"라는 말을 먼저 적어두면, 그 다음 단어를 만들 때 그 16이라는 숫자를 발판으로 삼아요. 중간 과정을 글자로 펼쳐 놓으면, AI가 그걸 딛고 다음 단계로 넘어갑니다.
이걸 어려운 말로 '생각의 사슬', 영어로는 체인 오브 쏘트라고 부르는데요. 용어는 안 외우셔도 돼요. "한 번에 답 내라고 다그치지 말고, 단계로 풀어가게 해라." 이거 하나만 기억하시면 됩니다.

---

• "사칙연산은 AI한테 안 시켜요" — 맞아요. 그런데 원리는 똑같다
• 머리를 여러 번 굴려야 하는 일은 전부 해당
• 예: 고객 불만 메일 답장 = 화난 포인트 파악 + 입장 정리 + 사과 + 해결책 제시
• 통째로 "답장 써줘" → 핵심 놓치고 두루뭉술한 답

"강사님, 저는 사칙연산 같은 거 AI한테 안 시켜요." 이러실 수 있어요. 맞습니다. 그런데 이게 계산 문제만의 이야기가 아니에요. 머리를 여러 번 굴려야 하는 일은 다 똑같습니다.
예를 들어 "이 고객 불만 메일 읽고 답장 써줘." 이거 복잡한 일이에요. 고객이 화난 포인트가 뭔지 파악하고, 우리 입장 정리하고, 사과할 건 사과하고, 해결책을 내야 하잖아요. 이걸 통째로 "답장 써줘" 하면, AI가 핵심을 놓치고 두루뭉술한 답을 합니다.

---

• 단계로 길을 깔면 — AI가 앞 단계를 딛고 다음을 만든다
• 기획안·보고서·자료 분석도 전부 동일

자, 또 비교해 볼게요. 위쪽은 그냥 "답장 써줘"예요. 화난 이유를 흐릿하게 짚고, 사과랑 해결책이 다 뭉뚱그려져 나와요. 아래쪽은 단계로 나눈 거예요. "먼저 화난 핵심 이유를 세 가지로 정리해 줘. 그다음 각각 어떻게 대응할지 방향을 잡아줘. 마지막으로 그걸 바탕으로 정중한 답장을 써줘."
그러면 AI가 화난 이유를 먼저 짚고, 대응 방향을 세우고, 그걸 발판으로 메일을 씁니다. 결과물이 완전히 달라져요. 기획안 쓸 때도, 보고서 쓸 때도, 자료 분석할 때도 다 똑같습니다.

---

• 1단계: 큰일을 '결과물이 나오는 작은 덩어리'로 나눈다
• 2단계: 순서를 정한다 — 앞 단계 결과가 뒤 단계 재료가 되게
• 3단계: 한 번에 한 가지만 시킨다 (집중 = 정확)
• 나누는 질문: "이 일을 사람이 하면, 무슨 순서로 손댈까?"

그럼 큰일을 어떻게 쪼개느냐. 어렵지 않아요. 먼저 큰일을 '결과물이 딱 나오는 작은 덩어리'로 나눠요. 그다음 순서를 정합니다. 앞 단계에서 나온 결과가 뒤 단계의 재료가 되도록요. 그리고 한 번에 한 가지만 시켜요. AI한테 한 가지에만 집중하게 하면 정확해집니다.
쪼개는 게 막막하면 이 질문을 던져 보세요. "이 일을 내가 사람한테 시키면, 무슨 순서로 손대게 할까?" 그 순서가 바로 단계예요. 우리가 일머리로 아는 걸 그대로 AI한테 깔아주는 거예요.

---

• 지시문 한 줄에 순서를 박아 넣는다
• "먼저 A를 해줘. 그다음 B를 해줘. 마지막으로 C로 정리해줘."
• 예: "먼저 핵심 추이 3개만 뽑고, 그다음 원인을 붙이고, 마지막으로 한 장으로 요약해줘."
• 번호를 매겨도 좋다 — "1단계: …, 2단계: …, 3단계: …"

실제로 시킬 때는 이 한 문장 공식을 쓰시면 돼요. "먼저 A를 해줘. 그다음 B를 해줘. 마지막으로 C로 정리해줘." 순서를 지시문 안에 그냥 박아 넣는 거예요.
예를 들어 "먼저 핵심 추이 세 개만 뽑고, 그다음 각각의 원인을 붙이고, 마지막으로 한 장으로 요약해줘." 이렇게요. 번호를 매겨도 좋아요. "1단계, 2단계, 3단계." AI는 이렇게 길을 깔아주면 그 길을 따라 차근차근 갑니다. 거창한 거 아니에요. "먼저, 그다음, 마지막으로." 이 세 마디면 됩니다.

---

• 단계로 나누면 생기는 진짜 이득 = 중간 결과를 눈으로 볼 수 있다
• 1단계 결과가 틀렸으면 → 그 자리에서 바로잡고 다음으로
• 한 방에 던지면 → 어디서 틀어졌는지조차 모른 채 통째로 망함
• 특히 숫자·사실은 단계마다 "자료에 없는 건 만들지 마" 못 박기

단계로 쪼개면 따라오는 진짜 큰 이득이 하나 있어요. 바로 중간 결과를 내 눈으로 확인할 수 있다는 거예요. 1단계 결과가 이상하면 거기서 바로잡고 2단계로 넘어가면 되죠. 그런데 한 방에 통째로 던지면, 어디서 틀어졌는지조차 모른 채 결과 전체가 망가져 버려요.
특히 숫자나 사실이 들어가는 일은요, 단계마다 "자료에 없는 숫자는 절대 만들지 마"라고 한 번씩 못을 박아주세요. 1차시에서 배운 '환각', 그 그럴듯한 거짓말을 단계 점검으로 잡아내는 거예요. 중간 점검, 이게 단계로 시키기의 숨은 핵심입니다.

---

• 핵심 한 줄: 단계로 쪼개기 = AI를 한 가지에 집중하게 만드는 일
• 집중 = 생각할 자리 확보 = 펼쳐 쓰며 답하기 = 정확도 상승
• 1차시 '중간 망각'과 연결: 한꺼번에 많으면 가운데를 빠뜨린다
• 단계로 나누면 → 매 단계가 짧아져 빠뜨릴 '중간'이 사라진다

오늘 내용을 한 줄로 꿰면 이거예요. 단계로 쪼갠다는 건, AI를 '한 번에 한 가지'에만 집중하게 만드는 일이에요. 집중하면 생각할 자리가 생기고, 펼쳐 쓰면서 답하니까 정확해져요.
1차시에서 배운 '중간 망각' 기억나시죠? 한꺼번에 많이 주면 가운데 핵심을 슬쩍 빠뜨린다고요. 그런데 단계로 나누면 매 단계가 짧아지잖아요. 빠뜨릴 '중간'이 아예 사라지는 거예요. 그래서 단계로 시키면 품질이 확 올라가는 겁니다.

---

• 여러 자료를 종합해야 할 때 (매출·설문·보고서 한꺼번에)
• 분석 → 판단 → 작성처럼 성격이 다른 일이 섞일 때
• 숫자·사실 정확도가 중요할 때 (점검이 생명)
• 결과물이 길고 구조가 있는 문서일 때 (기획안·보고서)

그럼 이 단계로 시키기가 특히 빛을 발하는 경우를 짚어 볼게요. 첫째, 여러 자료를 종합해야 할 때예요. 매출 데이터, 설문, 보고서를 한꺼번에 녹여야 하는 일이요. 둘째, 분석하고, 판단하고, 글로 쓰는, 성격이 다른 일이 섞여 있을 때. 셋째, 숫자나 사실의 정확도가 중요할 때. 단계마다 점검이 생명이죠. 넷째, 기획안이나 보고서처럼 길고 구조가 있는 문서를 만들 때.
반대로 "한 문장으로 인사말 써줘" 같은 단순한 일까지 굳이 쪼갤 필요는 없어요. 복잡할수록 쪼개라. 이게 감각입니다.

---

자, 오늘 핵심을 한 표에 모았어요. 큰일을 작은 덩어리로 쪼개고, "먼저, 그다음, 마지막으로" 하고 순서를 깔고, 한 단계에 한 작업만 시키고, 단계마다 눈으로 점검한다.
여기서 제일 중요한 건, 이 네 가지가 전부 1차시에서 배운 'AI는 생각이 아니라 맞히기를 한다'는 그 한 줄에서 나왔다는 거예요. 누가 만든 꿀팁이 아니라, AI가 그렇게 생겼으니까 우리가 이렇게 해주는 겁니다. 이 인과관계가 오늘 강의의 뼈대예요.

---

• 상황 — 두서없이 받아 적은 회의 메모(녹취)가 손에 있습니다. 이걸 윗선에 올릴 깔끔한 회의록으로 정리해야 해요.
• 이렇게 해보세요 — 메모를 통째로 붙여넣고 "회의록으로 정리해줘" 한 방으로 끝내지 말고, 단계로 끊어서 시켜보세요.
  • ① 먼저 — "이 메모에서 핵심 안건만 추려줘"
  • ② 그다음 — "방금 그 안건들에 대해 결정된 사항만 뽑아줘"
  • ③ 마지막으로 — "그 결정을 담당자별 액션아이템으로, 기한 포함해서 표로 정리해줘"
• 이런 결과물 — 안건 / 결정사항 / 액션아이템(담당·기한)이 칸칸이 구조화된, 그대로 공유 가능한 회의록.
• 체크포인트 — 한 방에 "정리해줘"로 받은 결과와 비교해 보세요. 단계로 시켰을 때, 왜 결정사항이나 담당자·기한을 덜 빠뜨리고 더 또렷하게 나왔나요? 오늘의 '한 번에 말고 단계로'가 여기서 어떻게 작동했는지 한 줄로 말해보세요.

자, 머리로만 듣지 말고 지금 직접 한번 해봅시다. 다들 회의 끝나고 메모 두서없이 받아 적어본 적 있으시죠? 그 너저분한 메모를 깔끔한 회의록으로 만드는 일, 오늘 배운 걸로 해볼 거예요.
먼저 일부러 한 방으로 해보세요. 메모 와르르 붙여넣고 "이거 회의록으로 정리해줘." 받아보면 안건이랑 결정이랑 할 일이 뒤죽박죽 섞여서, 누가 언제까지 뭘 하는지가 흐릿하게 나올 거예요. 자, 그럼 이제 단계로 끊어 봅시다. 첫째, "핵심 안건만 추려줘." 둘째, "그 안건들 중에 결정된 것만 뽑아줘." 셋째, "그걸 담당자별로, 기한까지 붙여서 표로 만들어줘." 한 단계씩 받아서 눈으로 확인하고 다음으로 넘어가세요.
다 해보셨으면 두 결과를 나란히 놓고 비교해 보세요. 분명히 단계로 시킨 쪽이 담당자랑 기한을 덜 빠뜨리고 훨씬 또렷할 거예요. 왜 그럴까요? 맞아요, 매 단계가 짧아지니까 AI가 빠뜨릴 '중간'이 없어지는 거예요. 오늘 배운 게 바로 손끝에서 느껴지시죠?

---

• 1년 치 사업 성과 보고서를 AI한테 통째로 던졌습니다
• 결과: 제목 멋있고 문장 매끄럽고 표도 있는 — 완벽해 보이는 보고서
• 팀장님 한마디: "이 매출 숫자, 어디서 나온 거야? 우리 자료엔 없는데?"
• AI가 없는 숫자를 지어냈고, 부서 성과는 뒤섞이고, 결론은 좋은 말 잔치
• 다음 날 단계로 쪼개 다시 — 거짓말처럼 풀렸습니다

자, 제 부끄러운 경험담 하나 풀게요. 제가 예전에 말이죠, 어떤 회사 1년 치 사업 성과를 정리하는 일을 맡았어요. 매출 데이터, 고객 설문, 부서별 보고서, 경쟁사 동향… 자료가 산더미였죠. 제가 AI를 막 신나게 쓰던 무렵이라 "통째로 던지면 알아서 해주겠지?" 하고 자신만만했어요. 그래서 자료를 와르르 다 넣고 "이거 다 분석해서 연간 보고서 완성해 줘." 한 줄로 시켰죠.
결과가 어땠을 것 같으세요? 겉보기엔 정말 그럴듯했어요. 제목도 멋있고, 표도 있고. "역시!" 하고 윗선에 올렸는데, 팀장님이 그러시는 거예요. "이 매출 숫자 어디서 나온 거야? 우리 자료엔 이런 숫자 없는데?" 식은땀이 쫙 났죠. AI가 없는 숫자를 지어내고, 부서 성과는 뒤섞이고, 결론은 두루뭉술한 좋은 말 잔치였어요. 그럴듯하게, 아주 완벽하게 망한 거예요.
그래서 다음 날 단계로 쪼개서 다시 했어요. 매출만 주고 "핵심 추이 세 개만 뽑아, 없는 숫자는 만들지 마." 설문만 주고 "불만 세 가지 정리해." 부서 보고서도 하나씩. 중간 결과를 차곡차곡 받아 확인하고, 마지막에 그것만 모아서 "임원 보고용으로 간결하게 엮어줘." 그랬더니 거짓말처럼 풀렸어요. 똑같은 AI, 똑같은 자료였는데요. 차이는 딱 하나, 통째로 던졌느냐 단계로 쪼갰느냐. 그것뿐이었습니다.

---

• 1. AI는 복잡한 걸 한 방에 던지면 — 생각할 자리 없이 찍어버린다 (그럴듯한 오답).
• 2. 큰일을 단계로 쪼개 "먼저~ 그다음~" 시키면 — 앞 결과를 발판 삼아 정확해진다.
• 3. 단계마다 눈으로 점검하면 — 틀린 걸 그 자리에서 바로잡고, 환각도 잡는다.
• 핵심 한 줄: "통째로 던지면 그럴듯하게 망하고, 단계로 쪼개면 거짓말처럼 풀린다."

오늘 배운 걸 딱 세 가지로 정리할게요. 첫째, AI는 복잡한 걸 한 방에 던지면 생각할 자리도 없이 찍어서, 그럴듯한 오답을 냅니다. 둘째, 그러니 큰일은 단계로 쪼개서 "먼저, 그다음, 마지막으로" 시켜라. 그러면 앞 결과를 발판 삼아 정확해져요. 셋째, 단계마다 눈으로 점검해라. 틀린 걸 바로잡고, 지어낸 숫자도 거기서 걸러냅니다.
오늘 딱 한 줄만 가져가신다면 이거예요. "통째로 던지면 그럴듯하게 망하고, 단계로 쪼개면 거짓말처럼 풀린다." 오늘 정말 수고 많으셨습니다!

---

다음 차시 예고 — 4차시 「AI는 내가 알려준 만큼만 안다」: 아무리 잘 시켜도 AI가 '모르는 정보'는 답하지 못합니다. 우리 회사 내부 자료, 어제 회의 내용처럼 AI의 머릿속 책상 위에 무엇을 올려놓을지 — '컨텍스트'의 세계로 넘어갑니다.

---

• AI와 대화하는 기술
• 04. AI는 내가 알려준 만큼만 안다 — [컨텍스트] 맥락 제공

---

• 사전학습 / 인트로
• 제4강. AI는 내가 알려준 만큼만 안다
• "AI가 일을 못 한 게 아니라, 내가 말을 안 해준 겁니다."

자, 다시 만났습니다. 반갑습니다. 지난 시간까지 우리는 'AI한테 어떻게 말을 거느냐'를 배웠어요. 두루뭉술하게 말고 정확하게, 한 방에 던지지 말고 단계로 쪼개서. 여기까지 했죠.
그런데 오늘은 결이 조금 다른 이야기예요. 아무리 말을 예쁘게, 정확하게 걸어도 AI가 영 엉뚱한 소리를 할 때가 있어요. 분명 시키는 대로 했는데도요. 왜 그럴까요? 오늘 이 한 문장이 답이에요. "AI는 내가 알려준 만큼만 안다." 딱 그만큼만요. 이거 하나만 가져가셔도 여러분 결과물이 확 달라집니다.

---

• 우리 머릿속엔 다 들어 있습니다 — 김 부장이 누군지, 그 '건'이 뭔지.
• 그런데 신입 머릿속엔? — 백지입니다.
• AI한테 일을 시킬 때, 혹시 우리도 이렇게 시키고 있는 건 아닐까요?

본격적으로 들어가기 전에 같이 생각해 봅시다. 새로 들어온 신입한테 "어, 그 김 부장님이 어제 말한 그 건, 정리해서 오후까지 줘요" 하면 이 친구가 일을 할 수 있을까요? 못 하죠. 김 부장이 누군지, 어제 무슨 말을 했는지, 그 '건'이 뭔지 하나도 모르거든요.
우리 머릿속엔 다 들어 있어요. 그래서 우리는 너무 당연한 걸 시킨 기분이에요. 그런데 듣는 사람 머릿속은 백지인 거죠. 오늘 이야기가 정확히 이겁니다. 우리가 AI한테 딱 이렇게 시키고 있더라는 거예요.

---

• 학습내용
  • AI는 매번 백지에서 시작한다 — '맥락(컨텍스트)'이 곧 AI의 작업 기억
  • 많이 준다고 좋은 게 아니다 — 신호와 잡음, 빼는 게 능력
  • 긴 자료는 '중간'을 까먹는다 — 중요한 건 앞·뒤에 배치
• 학습목표
  • 'AI에게 주는 맥락'이 곧 AI의 작업 기억임을 설명할 수 있다.
  • 어떤 맥락을 넣고(목적·대상·배경·제약·예시) 무엇을 뺄지 스스로 정할 수 있다.
  • 중요한 정보를 어디에 배치해야 하는지 알고 적용할 수 있다.

오늘 갈 길을 먼저 보여드릴게요. 크게 세 가지예요. 첫째, AI는 왜 매번 백지에서 시작하는지. 그래서 '맥락'을 우리가 챙겨줘야 한다는 것. 둘째, 그렇다고 무작정 다 주면 안 된다는 것. 셋째, 긴 자료를 줄 땐 중요한 걸 어디에 둬야 하는지.
오늘 목표는 단순해요. "무엇을 넣고 무엇을 뺄지, 그 키를 여러분 손에 쥐여드리는 것." 그게 끝나면 똑같은 AI인데 결과물이 완전히 달라질 거예요.

---

• 말을 정확하게 걸었는데도 AI가 헛다리를 짚을 때가 있다
• "제안서 써줘" → 어디 붙여도 되는, 누구의 것도 아닌 평범한 글
• "이번 건 정리해줘" → "무슨 건 말씀이신지…"
• 범인은 '실력'이 아니라 — 우리가 안 알려준 '배경'이다

자, 한 번씩은 겪어보셨을 장면이에요. 분명히 말은 또박또박 정확하게 걸었어요. 그런데도 AI가 영 엉뚱하거나, 너무 뻔한 답을 줘요.
우리는 그때 "에이, 역시 AI는 이런 거 못 하네" 하고 탓했죠. 그런데 오늘 끝나면 아시게 될 거예요. AI가 무능해서가 아니라, 우리가 이 친구 책상 위에 아무것도 안 올려줘서 그런 거라는 걸요. 범인을 제대로 알아야 잡겠죠.

---

• 1강 복습: AI는 '기억력 없는 천재 신입사원'
• 오늘은 그중 '기억력 없음'을 깊게 판다
• 3년 함께한 동료 → "지난번처럼 해줘" 한마디면 끝
• AI는 어제가 없다 — 매일 아침이 '입사 첫날'

1강에서 AI는 '기억력은 없는데 눈치는 빠른 신입'이라고 했죠. 오늘은 그 '기억력 없음'을 제대로 파볼 거예요.
3년 같이 일한 동료한테는 "그거 지난번처럼 해줘" 한마디면 되잖아요. 그 동료가 우리 회사 사정, 히스토리, 내 스타일을 다 기억하니까요. 그런데 AI한테는 그게 없어요. 매번 대화를 시작할 때마다 이 친구는 완전히 백지예요. 어제 나랑 뭘 했는지, 우리 회사가 뭐 하는 곳인지, 내가 누군지 하나도 모르는 채로 출근해요. 매일 아침이 입사 첫날인 신입, 딱 그겁니다.

---

• 흔한 기대: "AI니까, 인터넷 다 학습했으니 내 사정도 알겠지"
• 일반 지식은 안다 — 그러나 '지금 내 책상 위 일'은 모른다
• 우리 팀 분위기, 이번 프로젝트 마감, 지난주 사장님 말씀 → 인터넷에 없다
• 그래서 '맥락'을 그때그때 손에 쥐여줘야 한다

우리가 흔히 하는 착각이 "AI니까 알아서 다 알겠지"예요. 똑똑하다니까, 인터넷 다 학습했다니까 내 사정도 대충 알 거라고 기대하죠. 천만에요.
인터넷에 있는 일반 지식은 알지 몰라도, '지금 내 책상 위에서 벌어지는 일'은 하나도 몰라요. 우리 팀 분위기, 이번 프로젝트 마감, 저번 주 사장님 말씀, 이런 건 인터넷에 없잖아요. 그러니 모를 수밖에요. 그래서 우리가 그때그때 배경을 쥐여줘야 하는 거예요.

---

• 맥락, 영어로 컨텍스트 — 어렵게 생각할 것 없다
• 그냥 "이 일을 하려면 AI가 알아야 하는 배경 설명"
• 김 부장이 누군지, 그 '건'이 뭔지, 마감이 언제인지
• 비유: 책상 위에 자료를 '올려놓는' 행위 — 올린 것만 보고 일한다

자, '맥락'이라는 말 어렵게 생각하지 마세요. 영어로 컨텍스트라고 하는데, 그냥 "이 일을 하려면 이 친구가 알아야 하는 배경 설명" 정도면 충분해요.
비유를 하나 들게요. 책상 위 공간이라고 생각해 보세요. 우리가 일할 때 책상에 자료를 쫙 펼쳐 놓잖아요. 책상에 올라와 있는 동안만 그걸 보면서 일을 하죠. 서랍에 넣으면 안 보이니까 일을 못 해요. AI한테 맥락을 준다는 게 바로 이 책상에 자료를 올려놓는 행위예요. 내가 올려놓은 것만 AI가 보면서 일합니다. 안 올려놓은 건 이 친구한테 아예 존재하지 않는 거예요.

---

• 2025년 6월 25일, 안드레이 카파시(전 OpenAI·테슬라)가 트위터에 한 줄을 올린다
• 원문: "+1 for 'context engineering' over 'prompt engineering'... the delicate art and science of filling the context window with just the right information for the next step."
• 뜻: "프롬프트"는 짧은 한마디, "컨텍스트 엔지니어링"은 다음 단계에 꼭 맞는 정보로 화면을 채우는 정교한 기술
• 같은 시기 쇼피파이 CEO도 같은 말을 했고, 9월엔 앤트로픽이 공식 용어로 채택 — 이후 업계 표준이 됐다

재밌는 사실 하나 알려드릴게요. 지금 우리가 쓰는 '컨텍스트'라는 말, 사실 오래된 말이 아니에요. 2025년 6월 25일, 안드레이 카파시라는 사람이 트위터에 한 줄을 올려요. 이 사람, OpenAI 창립 멤버이자 테슬라 자율주행 AI를 이끌었던 사람인데, "프롬프트 엔지니어링보다 컨텍스트 엔지니어링이라는 말에 한 표 던진다"고 했어요. 그러면서 이유를 이렇게 설명해요. "프롬프트"라고 하면 사람들이 짧은 한두 마디만 떠올리는데, 실제 현장에서 벌어지는 일은 그게 아니라 "다음 단계에 딱 맞는 정보로 화면을 채워 넣는 정교한 기술이자 안목"이라는 거예요.
신기하게도 비슷한 시기에 쇼피파이 CEO도 똑같은 말을 했고요, 석 달 뒤엔 앤트로픽이라는 회사가 공식 블로그에서 이 말을 정식 용어로 채택해요. 그렇게 지금 우리가 배우는 '컨텍스트'라는 말이 업계 표준으로 자리 잡은 거예요. 오늘 여러분이 배우는 게 뜬구름 잡는 얘기가 아니라, 딱 1년 전에 막 이름이 붙은 아주 최신 개념이라는 거죠.

---

• AI가 잠깐 띄워놓고 일하는 임시 메모리 = '작업 기억'
• 전화번호 잠깐 외울 때 머릿속에 띄우는 그것
• 핵심: 이 작업 기억은 대화가 끝나면 싹 비워진다
• 새 대화 = 또 백지 → 그래서 '매번' 챙겨줘야 한다

이걸 좀 멋있는 말로 '작업 기억'이라고 불러요. 우리가 잠깐 머릿속에 띄워놓고 일하는 그 임시 메모리 있잖아요. 전화번호 외울 때 잠깐 띄워놓는 거, 그런 거요.
AI한테 맥락을 준다는 건 이 친구의 작업 기억에 필요한 걸 올려준다는 뜻이에요. 그런데 중요한 게, 이 작업 기억은 대화가 끝나면 싹 비워져요. 새 대화를 열면 또 백지예요. 1강에서 '중간 망각'이랑 '기억 없음'을 얘기했는데, 바로 이 좁은 작업 기억 때문에 생기는 거예요. 책상이 좁으니까, 그리고 일 끝나면 책상을 싹 치워버리니까. 그래서 매번 챙겨줘야 하는 거죠.

---

자, 백문이 불여일견. 왼쪽 보세요. "제안서 초안 써줘" 딱 한 줄. 그러면 AI가 뭘 줄까요? "우리는 최고의 서비스를 제공합니다" 같은, 세상에서 제일 평범한 제안서를 줘요. 어디 붙여도 되는, 그 누구의 것도 아닌 거요.
오른쪽 보세요. "우리 회사는 이런 일을 하고, 고객은 누구고, 예산은 이 정도고, 강조할 건 이거야" 하고 배경을 쫙 깔아준 다음에 "이걸 바탕으로 써줘" 한 거예요. 그러면 완전히 다른 물건이 나와요. 똑같은 AI인데요. 달라진 건 딱 하나, 내가 맥락을 챙겨준 거예요. 이 표 하나가 오늘 강의의 절반입니다.

---

• 목적 — 이걸 왜 하는가, 어디에 쓸 건가
• 대상 — 누가 읽나 / 누구한테 내는가 (고객? 상사? 신입?)
• 배경 — 회사·프로젝트 상황, 그동안의 히스토리
• 제약 — 분량, 마감, 톤, 피해야 할 것
• 예시 — "이런 느낌으로" 참고할 샘플 하나

그럼 대체 뭘 줘야 하느냐. 다섯 가지만 기억하세요. 목적, 대상, 배경, 제약, 예시.
목적은 이걸 왜 하느냐, 어디 쓸 거냐. 대상은 누가 읽느냐, 고객인지 상사인지에 따라 글이 완전히 달라지죠. 배경은 회사 사정이나 그동안의 히스토리. 제약은 분량, 마감, 톤, 피해야 할 것. 마지막 예시는, 잘된 샘플 하나 "이런 느낌으로" 하고 보여주는 거예요. 이게 사실 제일 강력해요. 말로 백 마디 하는 것보다 예시 하나가 낫거든요. 전부 다 줄 필요는 없어요. 이 일에 필요한 것만 골라서.

---

• "그럼 다 주면 되겠네!" → 함정입니다
• 책상에 서류 2장 → 일 잘됨 / 서류 100장 → 핵심이 파묻힘
• 너무 많이 주면 AI도 핵심을 놓친다 (사람과 똑같다)
• 더하는 게 능력이 아니라, 빼는 게 능력

자, 여기서 많은 분들이 이렇게 생각해요. "아, 그럼 다 주면 되겠네! 책상에 자료 몽땅 올려놓으면 되겠네!" 저도 처음엔 그랬어요. 그런데 여기 함정이 있습니다. 많이 준다고 절대 좋은 게 아니에요. 오히려 더 못 해요.
다시 책상 비유로 가볼게요. 책상에 딱 필요한 서류 두 장만 올리면 일이 잘되죠. 그런데 100장을 쌓아놓으면? 정작 중요한 그 두 장이 어디 있는지 안 보여요. 산더미에 파묻혀요. 사람도 자료 너무 많으면 핵심을 놓치잖아요. AI도 똑같아요. 그래서 더하는 게 능력이 아니라, 빼는 게 능력이에요.

---

• 신호 = 지금 이 일에 진짜 필요한 핵심 정보
• 잡음 = 상관없는데 괜히 끼어 있는 정보
• 자료를 잔뜩 주면 → 신호 한 줌에 잡음 한 무더기
• AI: "이걸 다 줬으니 다 중요한가 보다" → 엉뚱한 데 집중

여기서 중요한 개념 하나. '신호'와 '잡음'이에요. 신호는 지금 이 일에 진짜 필요한 핵심 정보, 잡음은 별 상관없는데 괜히 끼어 있는 정보예요.
우리가 자료를 잔뜩 주면, 신호 한 줌에 잡음이 한 무더기로 섞여 들어가요. 그러면 AI 입장에선 뭐가 중요한지 헷갈려요. "어, 이 사람이 이걸 다 줬으니까 다 중요한가 보다" 하고 엉뚱한 데 집중하기도 하고요. 예를 들어 매출 보고서 요약을 시키면서 창립 역사, 복지 규정, 작년 워크숍 사진 설명까지 같이 던지면? 매출 얘기에 갑자기 회사 역사가 섞인 이상한 보고서가 나와요.

---

• 자료를 책상에 올리기 전, 스스로 한 번 물어보기
• "이게 없으면 AI가 이 일을 못 하나?"
• 없어도 일이 된다 → 잡음이다 → 뺀다
• 이게 있어야만 제대로 된다 → 신호다 → 넣는다

그럼 어떻게 골라요? 간단한 기준 하나 드릴게요. 자료를 올리기 전에 스스로 물어보세요. "이게 없으면 AI가 이 일을 못 하나?"
없어도 일이 되면 그건 잡음이에요. 빼세요. 이게 있어야만 일이 제대로 된다, 그러면 신호예요. 넣으세요. 이 질문 하나만 습관처럼 던져도 결과물이 확 깨끗해져요. 신입한테도 그렇잖아요. "이것도 보고 저것도 보고 옛날에 이런 일도…" 막 쏟아내면 머리가 하얘져요. "이거랑 이거만 보면 돼요" 해줘야 잘하죠. 친절하게 다 주는 게 아니라, 핵심만 깔끔하게. 그게 진짜 배려예요.

---

• 열 장짜리 회의록, 긴 계약서를 통째로 주면…
• 맨 앞·맨 뒤는 잘 챙기는데 — 가운데를 슬쩍 빠뜨린다
• 사람도 똑같다: 회의 처음·끝은 기억나도 중간은 가물가물
• 길게 줄수록 가운데가 묻힌다 (1강 '중간 망각'과 연결)

세 번째 이야기는 좀 재미있어요. AI한테 열 장짜리 회의록, 긴 계약서 같은 걸 통째로 주면서 "여기서 중요한 거 뽑아줘" 할 때가 있죠. 그런데 이 친구한테 묘한 습성이 있어요. 긴 자료를 주면 꼭 '중간'을 까먹어요.
맨 앞이랑 맨 뒤는 잘 챙기는데, 가운데 끼인 내용은 슬쩍 빠뜨려요. 사실 사람도 그래요. 한 시간짜리 회의에서 처음 한 말, 끝나기 직전 한 말은 기억나는데 중간은 가물가물하잖아요. 책도 첫 챕터랑 마지막 챕터만 기억나고요. AI도 신기하게 이런 경향이 있어요. 1강에서 말한 '중간 망각'이 바로 이거예요. 길게 줄수록 가운데가 묻힙니다.

---

• 핵심 지시를 자료 한가운데 끼워 넣지 마라 → 까먹는다
• ① 진짜 중요한 건 맨 앞 또는 맨 뒤에 배치
• ② 긴 자료는 먼저 붙이고, 내 지시는 맨 끝에 ("위 내용을 바탕으로…")
• ③ 핵심은 끝에 한 번 더 못 박기 ("다시 강조하는데, 가장 중요한 건…")

그럼 어떻게 대응해야 할까요? 답은 간단해요. 진짜 중요한 건 맨 앞이나 맨 뒤에 두세요. 가운데 파묻지 마세요.
좋은 요령 하나. 긴 자료를 줄 땐 자료를 먼저 쭉 붙여놓고 맨 마지막에 지시를 적으세요. "위 내용을 바탕으로 이러이러하게 정리해줘." 이렇게요. 그러면 AI가 방금 읽은 따끈따끈한 지시를 들고 일을 시작하니까 훨씬 정확해요. 반대로 지시를 앞에 길게 적고 자료를 뒤에 산더미로 붙이면 정작 지시를 잊어버리고 자료에 파묻혀요. 그리고 핵심은 끝에 한 번 더 못을 박아주세요. "다시 강조하는데, 가장 중요한 건 이거야." 이렇게요.

---

• 애초에 자료가 길면 중간이 묻힌다 → 그러니 자료를 짧게 추려라
• 열 장 통째 < 정말 필요한 두 장
• 긴 자료 대응 3종 세트
  • ① 가능하면 짧게 추려 주기
  • ② 진짜 중요한 건 앞·뒤에 배치
  • ③ 핵심 지시는 맨 끝에 한 번 더

그리고 이게 두 번째 이야기랑도 연결돼요. 애초에 자료가 너무 길면 중간이 묻힌다고 했잖아요. 그러니까 가능하면 자료 자체를 짧게, 핵심만 추려서 주는 게 제일 좋아요. 열 장 통째로 주는 것보다 정말 필요한 두 장만 골라 주는 게 결과가 훨씬 좋아요. 길이를 줄이는 것, 그 자체가 '중간 까먹기'를 피하는 가장 확실한 방법이에요.
정리하면 긴 자료 대응은 세 가지. 짧게 추려라, 중요한 건 앞뒤에 둬라, 핵심 지시는 끝에 한 번 더. 이 세 가지만 기억하세요.

---

• 상황 — 사내 행사(또는 신제품) 기획서의 '도입 단락'을 내가 직접 써야 한다. AI에게 맡겨보자.
• 이렇게 해보세요 — 똑같은 일을 두 번, 맥락 없이 vs 맥락 주고 시켜서 결과를 비교한다.
  • ㉠ 맥락 없이: 그냥 "행사 기획서 도입 단락 하나 써줘" 딱 한 줄.
  • ㉡ 맥락 쥐여주고: 목적(무엇을 위한 기획), 대상(누가 읽나—임원? 직원?), 예산·규모, 우리 강점, 제약조건을 깔고 "이걸 바탕으로 도입 단락 써줘".
• 이런 결과물 — ㉡에서 나온, 우리 상황에 딱 맞아 손볼 데 거의 없는 기획서 도입 단락 한 단락.
• 체크포인트 — 4차시 '필요한 맥락 5종(목적·대상·배경·제약·예시)'을 줬더니 결과가 얼마나 구체화됐는지 ㉠과 나란히 놓고 본다. '똑같은 AI인데, 알려준 만큼만 안다'를 몸으로 체감.

자, 눈으로만 보면 안 남아요. 지금 다섯 손가락 펴서 직접 해봅시다. 여러분 회사에서 곧 할 사내 행사 하나, 아니면 신제품 하나 떠올려 보세요. 그 기획서 맨 앞 도입 단락, 그거 AI한테 시켜볼 거예요.
먼저 ㉠. 아무 맥락 없이 "행사 기획서 도입 단락 써줘" 딱 한 줄만 쳐보세요. 나오죠? 보나마나 "본 행사는 임직원의 화합을 도모하고…" 같은, 어느 회사에 갖다 붙여도 되는 맹탕이 나올 거예요. 자, 이제 ㉡. 이번엔 책상 위에 자료를 올려주는 거예요. 이 행사 목적이 뭔지, 누가 읽을 건지—임원한테 보고할 건지 직원한테 공지할 건지, 예산이랑 규모는 어느 정도인지, 우리 회사 강점은 뭔지, 피해야 할 제약은 뭔지. 쫙 깔고 "이걸 바탕으로 다시 써줘" 해보세요.
두 개 나란히 놓고 보세요. ㉡이 얼마나 우리 얘기가 됐는지. 오늘 배운 맥락 5종, 목적·대상·배경·제약·예시. 이걸 줬더니 결과가 확 좁혀지죠? 똑같은 AI예요. 달라진 건 내가 알려준 양 하나. 'AI는 알려준 만큼만 안다', 지금 손으로 느끼셨을 거예요. 옆 분이랑 ㉡ 결과 한번 비교해 보셔도 좋아요.

---

• 어느 날 "제안서 초안 써줘" 딱 한 줄 → 세상 제일 평범한 글
• "역시 AI는 못 하네" 하고 탓했다
• 며칠 뒤 깨달음 — 회사·고객·예산·강점, 단 하나도 안 알려줬더라
• 배경을 깔고 다시 시키니 → 완전히 다른 물건. "맥락이 일의 절반"

제 부끄러운 옛날이야기 하나 할게요. AI를 한참 신나게 쓰던 시절, 제안서 초안을 잡아야 했어요. 그래서 다짜고짜 "제안서 초안 좀 써줘" 딱 한 줄 쳤어요. 제 머릿속엔 우리 회사가 뭐 하는지, 어떤 고객한지, 예산이 얼만지 다 있었거든요. 너무 당연한 걸 시킨 기분이었죠.
그랬더니 어디 붙여도 되는 세상 제일 평범한 제안서가 나왔어요. "역시 AI는 못 하네" 하고 혀를 찼죠. 며칠 뒤에 문득, "가만, 내가 우리 회사가 뭐 하는 곳인지 말해준 적 있었나? 고객이 누군지는? 예산은?" 하나도 없더라고요. 그래서 배경을 쫙 깔고 다시 시켰더니 완전히 다른 물건이 나왔어요. 그때 깨달았죠. AI가 답을 못 한 게 아니라 내가 말을 안 해준 거였구나. 그날 이후 제 머리에 박힌 문장이 "맥락을 챙겨주는 게 일의 절반이다." 진짜예요.

---

• 1. AI는 매번 백지에서 시작한다 — 맥락이 곧 작업 기억, 올려준 것만 보고 일한다.
• 2. 많이 준다고 좋은 게 아니다 — 신호를 잡음에 파묻지 마라, 빼는 게 능력.
• 3. 긴 자료는 가운데를 잊는다 — 중요한 건 앞·뒤, 지시는 맨 끝, 길이는 짧게.
• 핵심 한 줄: "AI는 내가 알려준 만큼만 안다 — 무엇을 넣고 뺄지, 그 키는 내 손에."

오늘 배운 걸 세 가지로 정리할게요. 첫째, AI는 매번 백지에서 시작한다. 그러니 필요한 배경을 그때그때 책상 위에 올려줘야 한다. 그게 맥락이고 작업 기억이에요. 둘째, 많이 준다고 좋은 게 아니다. 신호가 잡음에 파묻혀요. 빼는 게 능력이에요. 셋째, 긴 자료는 가운데를 까먹는다. 중요한 건 앞뒤에, 지시는 끝에, 가능하면 짧게.
오늘 딱 한 줄만 가져가신다면 제목 그대로예요. "AI는 내가 알려준 만큼만 안다." 더도 덜도 말고 딱 그만큼. 무엇을 넣고 뺄지 정하는 키를 오늘 손에 쥐신 거예요. 수고 많으셨습니다!

---

다음 차시 예고 — 5차시 「내 문서를 읽혀서 대화하기」: 매번 말로 배경을 푸는 건 번거롭죠. 회의록이든 보고서든 표든 사진이든, 내 손에 있는 문서를 AI에게 통째로 보여주고 "이걸 근거로 말해줘" 하는 가장 실용적인 방법을 배웁니다.

---

• AI와 대화하는 기술
• 05. 내 문서를 읽혀서 대화하기 — 자료에 근거하게 만들기

---

• 사전학습 / 인트로
• 제5강. 내 문서를 읽혀서 대화하기 — [컨텍스트]
• "AI의 머리는 빌리되, 내용은 내가 준다."

자, 오늘도 반갑습니다. 5강 시작하겠습니다.
지난 4강에서 우리가 뭘 배웠죠? "AI는 내가 알려준 만큼만 안다." 맥락을 줘야 한다는 거였어요. 그리고 이 '컨텍스트'라는 말 자체가 2025년 6월 카파시의 트윗 한 줄에서 업계 표준으로 자리 잡았다는 것도 봤죠. 오늘은 거기서 딱 한 발 더 나아갑니다. 맥락을 말로 설명하는 걸 넘어서, 아예 내 손에 있는 진짜 자료 — 회의록, 보고서, 견적서 — 이걸 AI한테 직접 보여주고, 거기에 근거해서 답하게 만드는 법을 배웁니다.
코딩요? 한 줄도 안 합니다. 그냥 보여주는 거예요. 그런데 이거 하나만 익혀도 여러분 AI 활용이 완전히 다른 차원으로 올라갑니다. 가보겠습니다.

---

• AI는 우리 회사 매출을 알 리가 없습니다.
• 그런데도 — 숫자까지 딱딱 넣어서, 아주 그럴듯하게 답합니다.
• '아는 것'을 말한 게 아니라, '말이 되게' 지어낸 것이죠.

본격적으로 들어가기 전에 같이 생각해 봅시다. 여러분, AI한테 "우리 회사 작년 3분기 매출이 얼마였지?" 물어본 적 있으세요? 그러면 AI가 아주 자신만만하게, 숫자까지 넣어서 답을 해줍니다. 문제는 그 숫자가 우리 회사 숫자가 아니라는 거예요.
왜 그럴까요? 1강부터 계속 얘기했죠. AI는 다음에 올 단어를 확률로 맞히는 기계다. "우리 회사 3분기 매출은…" 다음에 뭐가 오면 그럴듯할까, 이걸 계산해서 그럴듯한 숫자를 채워 넣는 거예요. 사실을 아는 게 아니라요. 오늘은 바로 이 문제를 해결합니다.

---

• 학습내용
  • AI는 '내 자료'를 모른다 — 그래서 직접 보여줘야 하는 이유
  • 자료 보여주는 2가지 방법(붙여넣기·파일 첨부)과 '울타리 치기'
  • 통째로 말고 '핵심만' 추려서 정확하게 주는 법
  • 이미지·표도 읽히기, 그리고 "근거 보여줘" 되묻는 습관
• 학습목표
  • 내 문서·이미지·표를 AI에게 직접 보여주고 근거로 삼게 할 수 있다.
  • "이 자료 안에서만 답해줘"식 지시로 환각을 줄일 수 있다.
  • 받은 답의 출처를 되물어, 지어낸 답을 가려낼 수 있다.

오늘 갈 길을 먼저 보여드릴게요. 크게 네 갈래예요. 먼저 AI가 왜 내 자료를 모르는지, 그래서 어떻게 보여주는지. 그다음 무작정 다 주지 말고 핵심만 추리는 요령. 마지막으로 글뿐 아니라 사진·표까지 읽히고, 받은 답에 "근거 대봐" 하고 되묻는 습관까지요.
오늘의 진짜 목표는요, "막연하게 물어보던 사람"에서 "내 자료를 근거로 답하게 만드는 사람"으로 바뀌는 겁니다. 그럼 시작하죠.

---

• AI는 똑똑합니다 — 단, 인터넷에서 두루뭉술하게 배운 것까지만.
• 내 책상 위 회의록, 내 메일함의 보고서, 방금 찍은 계약서 사진 → AI는 못 봅니다.
• 안 보여줬으니까요. (있는 줄도 모릅니다)
• 그런데 모른다고 안 하고 — '지어내는' 쪽으로 갑니다.

다시 한번 짚고 갈게요. AI는 똑똑한데, 우리 회사 사정은 하나도 모릅니다. AI가 아는 건 인터넷에서 두루뭉술하게 배운 일반 지식까지예요. 내 책상 위 회의록, 메일함 보고서, 방금 찍은 계약서 사진 — 이런 건 못 봐요. 우리가 안 보여줬으니까요.
그런데 여기서 AI의 고약한 버릇이 나옵니다. 모르면 "모릅니다" 하면 되는데, 자꾸 지어내는 쪽으로 가요. 그래서 우리가 해줘야 할 일이 생기는 겁니다. 바로 '보여주기'예요.

---

• 명문대 출신, 아는 것 많고 말도 청산유수 — 그런데 오늘 첫 출근.
• 작년 실적도, 지난주 회의도, 거래처 김 부장 성향도 모릅니다.
• "지난주 회의 정리해와" → 회의에 없었으니 눈치껏 지어냅니다.
• 해법은 간단 — 회의록을 손에 쥐여주기. 머리는 좋으니 기막히게 정리해 옵니다.

비유 하나 들어볼게요. 회사에 엄청 똑똑한 신입이 들어왔어요. 명문대 나오고 말도 잘해요. 그런데 오늘 첫 출근이에요. 우리 회사 작년 실적도 모르고, 지난주 회의 내용도 모르고, 거래처 김 부장님 성향도 모릅니다. 당연하죠, 오늘 왔으니까.
이 친구한테 "지난주 회의 정리해와" 하면? 회의에 안 들어왔는데 어떻게 씁니까. 눈치껏 지어내죠. 그런데 회의록을 딱 쥐여주면? 머리는 좋으니까 기막히게 정리해 옵니다. AI도 똑같아요. 머리는 빌리되, 내용은 내가 준다. 이게 오늘의 핵심 문장입니다.

---

• 회의록·메일처럼 짧은 글이면 — 드래그해서 복사 → 대화창에 붙여넣기.
• 그 밑에 한 줄: "위 회의록을 근거로, 다음 주 할 일을 목록으로 정리해줘."
• 끝입니다. 이게 다예요.
• 카톡으로 글 옮겨 붙이는 것과 똑같은 동작.

자, 그럼 실제로 어떻게 보여주느냐. 두 가지 방법이 있어요. 첫 번째, 복사해서 붙여넣기. 회의록이든 메일이든 짧은 글이면 그냥 마우스로 드래그해서 복사하고, AI 대화창에 붙여넣는 거예요.
그리고 그 밑에 이렇게 씁니다. "위 회의록을 근거로, 다음 주에 누가 뭘 해야 하는지 할 일 목록으로 정리해줘." 끝이에요. 어렵지 않죠? 카톡으로 글 복사해서 붙이는 거랑 똑같습니다.

---

• 대화창의 클립 아이콘 / 플러스 버튼을 누르면 내 PC 파일 첨부.
• 워드·PDF 보고서·엑셀 표 → 통째로 올리고 "이 문서 읽고 요약해줘."
• 코딩 전혀 없음 — 카톡으로 사진 보내는 동작과 동일.
• 긴 자료, 표가 많은 자료일수록 첨부가 편합니다.

두 번째 방법, 파일을 통째로 올리기. 요즘 AI 대화창 보시면 클립 모양 아이콘이나 플러스 버튼이 있어요. 거기를 누르면 내 컴퓨터 파일을 그대로 올릴 수 있습니다. 워드 문서, PDF 보고서, 엑셀 표, 이런 걸 통째로 올리고 "이 문서 읽고 요약해줘" 하면 돼요.
코딩요? 전혀 없습니다. 카톡으로 사진 보내는 거랑 똑같은 동작이에요. 길거나 표가 많은 자료는 복사보다 이 첨부 방식이 훨씬 편합니다.

---

• 자료만 던지면 — AI가 자기 일반 지식이랑 슬쩍 섞어버립니다.
• 그래서 꼭 울타리를 칩니다: "이걸 근거로", "여기 있는 내용만 가지고".
• 한 줄 더: "문서에 없는 건, 없다고 말해줘."
• 이 울타리 한 마디가 지어내기(환각)를 확 줄입니다.

여기서 제가 꼭 강조하고 싶은 게 있어요. 자료를 보여줄 때는 반드시 "이걸 근거로", "여기 있는 내용만 가지고", "이 문서 안에서만" 이런 말을 붙여주세요.
왜냐? 안 붙이면 AI가 또 자기가 아는 일반 지식이랑 섞어버리거든요. 그래서 "이 문서에 적힌 내용만 가지고 답해줘. 문서에 없는 건 없다고 말해줘." 이렇게 울타리를 쳐주는 겁니다. 이 한 마디가 진짜 중요해요. 지어내는 걸 확 줄여줍니다. 오늘 슬라이드 중에 이거 하나는 꼭 메모하세요.

---

자, 차이를 한눈에 보여드릴게요. 왼쪽은 자료 없이 그냥 물어본 거예요. AI가 그럴듯한 항목들을 쭉 만들어줍니다. 그런데 출처를 물으면? 못 대요. 지어낸 거니까요. 이걸 그대로 임원 보고에 넣으면 그건 사고죠.
오른쪽은 회의록을 첨부하고 "이 안에서만" 울타리를 친 거예요. 똑같이 정리를 해주는데, 이건 실제 우리 회의록에서 나온 거예요. 출처도 짚어줍니다. 똑같은 AI, 똑같은 질문인데 결과 신뢰도가 하늘과 땅 차이예요. 차이를 만든 건 'AI'가 아니라 '내가 자료를 줬느냐'입니다.

---

• "그럼 다 올리면 되는 거 아니에요?" → 항상 좋은 건 아닙니다.
• AI는 한 번에 들여다보는 분량에 한계가 있습니다.
• 너무 많이 던지면 — 중요한 걸 놓치거나, 엉뚱한 데를 봅니다.
• 100페이지 사업계획서에서 내가 궁금한 건 '예산 3페이지'뿐일 때가 많죠.

자, 한 단계 더 들어갑니다. "그럼 무조건 다 올리면 되는 거 아니에요?" 하실 수 있어요. 그게 또 항상 좋은 건 아닙니다.
AI는 한 번에 들여다볼 수 있는 분량에 한계가 있어요. 그리고 너무 많은 걸 한꺼번에 던지면, 정작 중요한 걸 놓치거나 엉뚱한 데를 봅니다. 100페이지짜리 사업계획서가 있는데 내가 궁금한 건 예산 부분 딱 3페이지예요. 그럼 100페이지를 다 줄 필요가 없는 거죠.

---

• 100페이지 뭉치를 턱 올리며 "검토 좀요" → 팀장님 안 읽습니다.
• 시간 없고, 어디가 핵심인지 모르니까요.
• 잘하는 직원: "팀장님, 3페이지 예산 부분만요. 나머진 참고용입니다."
• 콕 집어 드리니 — 빠르고 정확하게 봐주십니다. AI도 똑같습니다.

비유로 가볼게요. 바쁜 팀장님한테 결재 받으러 갈 때요. 100페이지 서류 뭉치를 통째로 턱 올려놓고 "팀장님 이거 검토 좀요" 하면 그 자리에서 다 읽어주시나요? 안 읽으세요. 시간도 없고 어디가 핵심인지 모르니까요.
잘하는 직원은 어떻게 합니까. "팀장님, 여기 3페이지 예산 부분만 봐주시면 됩니다. 나머지는 참고용이에요." 콕 집어서 드리죠. 그래야 빠르고 정확하게 봐주세요. AI도 똑같습니다. 핵심만 추려서 주면 더 정확하게, 더 빠르게 답해요.

---

• ① 필요한 부분만 잘라 붙이기 — 100페이지 중 예산 2~3페이지만.
• ② 못 자르겠으면 AI한테 먼저 시키기 — "예산 관련 부분만 찾아줘" → 그다음 분석.
• ③ 군더더기 빼고 주기 — 인사말·잡담 빼고 결정사항 위주로.
• 핵심: "많이 보여주기"가 아니라 "정확하게 보여주기" — 양보다 질.

그럼 어떻게 추리느냐. 세 가지만 기억하세요. 하나, 필요한 부분만 잘라서 붙이기. 100페이지 중 예산 부분 두세 페이지만 복사하면 돼요. 둘, 도저히 못 자르겠으면 AI한테 먼저 시키세요. "이 문서에서 예산 관련 부분만 찾아서 보여줘." 1차로 추리게 하고, "좋아, 그 부분으로 이제 분석해줘." 단계를 나누는 거예요.
셋, 군더더기 빼고 주기. 회의록이어도 인사말이나 날씨 얘기는 빼고 결정사항 위주로만 줘도 충분해요. 요리랑 똑같아요. 깔끔한 재료를 줘야 깔끔한 결과가 나옵니다. 많이가 아니라 정확하게. 양보다 질이에요.

---

• 요즘 AI는 '눈'이 생겼습니다 — 그림·표·사진을 읽습니다.
• 견적서 사진 → "항목별 금액을 표로 정리하고, 합계 맞는지 확인해줘."
• 엑셀 표 붙여넣기 → "가장 많이 팔린 상품 3개랑 매출 줄어든 달 짚어줘."
• 그래프·손메모·화이트보드·명함까지 — 다 가능합니다.

자, 세 번째 요령. 글만 보여줄 수 있는 게 아니에요. 요즘 AI는 눈이 생겼습니다. 그림도 보고, 표도 읽고, 사진도 해석해요.
거래처에서 받은 견적서를 사진 찍어서 올리고 "항목별 금액을 표로 정리하고, 합계 맞는지 확인해줘" 하면 사진 속 숫자를 읽어서 정리해줍니다. 엑셀 표를 붙여넣고 "제일 많이 팔린 상품 3개랑 매출 줄어든 달 짚어줘" 하면 분석도 해요. 그래프, 손으로 그린 메모, 화이트보드 사진, 명함, 다 됩니다. 진짜 강력해요.

---

• AI는 사진·표를 읽을 때도 — 숫자를 잘못 읽거나, 없는 걸 만들어 넣습니다.
• 그래서 답을 받으면 꼭 되묻기: "그 합계, 어느 항목들을 더한 거야? 하나하나 짚어줘."
• 효과 ① 진짜 보고 말했는지 vs 지어낸 건지 바로 들통.
• 효과 ② AI가 "감시받고 있다"는 걸 알면 다음부터 더 조심해서 답합니다.

자, 여기서 오늘 강의에서 이거 하나만 가져가셔도 되는 습관을 알려드릴게요. 바로 "어디 보고 한 말이야?" 하고 되묻는 겁니다.
AI는 사진이나 표를 읽을 때도 숫자를 잘못 읽거나, 없는 걸 슬쩍 만들어 넣을 수 있어요. 사람도 흐릿한 사진 보면 잘못 읽잖아요. 그래서 답을 받으면 꼭 물어보세요. "그 합계 금액, 견적서 어느 항목들을 더한 거야? 하나하나 짚어줘." 효과가 두 가지예요. 첫째, 진짜 자료를 보고 말한 건지 지어낸 건지 바로 들통 납니다. 근거를 못 대면 지어낸 거예요. 둘째, AI가 출처를 대야 한다는 걸 알면 다음부터 더 조심합니다.

---

• 부하 직원이 보고서를 가져왔을 때 — "이 숫자 출처가 어디야?" 한 번.
• 그 질문 하나가 보고서 품질을 확 끌어올립니다.
• AI한테도 똑같이 — 무조건 믿지 말고, "근거 보여줘."
• 이 한 마디가 여러분을 'AI한테 안 속는 사람' 으로 만듭니다.

직장 생활로 비유하면 쉬워요. 부하 직원이 보고서 가져왔을 때 "이 숫자 출처가 어디야?" 하고 한 번 물어보는 거랑 똑같아요. 그 질문 하나가 보고서 품질을 확 올리잖아요.
AI한테도 똑같이 해주시면 됩니다. 무조건 믿지 말고, "근거 보여줘." 이 한 마디. 꼭 습관으로 만드세요. 이게 여러분을 AI한테 안 속는 사람으로 만들어줍니다. 그리고 이건 다음 6강 '거짓말에 안 속기'로도 그대로 이어집니다.

---

• AI는 '아는 걸 꺼내는' 게 아니라 '그럴듯한 다음 단어를 맞히는' 기계.
• 자료가 없으면 → 빈칸을 '그럴듯함'으로 채웁니다 (= 환각).
• 자료를 주고 울타리를 치면 → 빈칸 채울 '근거'가 생겨 지어낼 여지가 줄어듭니다.
• 출처를 되물으면 → 근거 없는 답이 드러나, 신뢰를 검증할 수 있습니다.

왜 이 방법이 통하는지 구조로 짚어볼게요. 1강에서 배웠죠. AI는 아는 걸 꺼내는 게 아니라 그럴듯한 다음 단어를 맞히는 기계예요. 그러니 자료가 없으면 빈칸을 '그럴듯함'으로 채워버립니다. 그게 바로 환각이에요.
그런데 내가 진짜 자료를 주고 "이 안에서만" 울타리를 치면, AI가 빈칸을 채울 근거가 생겨요. 지어낼 여지가 확 줄어드는 거죠. 거기다 출처까지 되물으면, 근거 없는 답은 바로 드러납니다. 그래서 '자료 주기 + 울타리 + 출처 되묻기' 이 세트가 환각을 줄이고 신뢰를 높이는 겁니다. 요령이 아니라 구조에 딱 맞는 대응이에요.

---

• 상황 — 내 보고서·사내 규정·제품 설명 같은 진짜 자료를 AI에게 읽히고, 그 자료 안에서만 답하게 만듭니다.
• 이렇게 해보세요 — 자료를 붙여넣거나 첨부한 뒤, 아래 세 가지를 차례로 시켜보세요.
  • ① 울타리 치기: "이 자료 안에서만 답해. 자료에 없으면 '모른다'고 해."
  • ② 정리 시키기: "이 자료 기반으로 3줄 요약 + 예상 질문 5개(FAQ)를 만들어줘."
  • ③ 출처 짚게 하기: "그 답, 자료 어느 문단 보고 한 거야?" 하고 되묻기.
• 이런 결과물 — 내 자료에 근거한 요약·FAQ. 지어낸 내용 없이, 출처까지 짚어주는 정리본.
• 체크포인트 — 자료에 근거하게 만드니 환각이 얼마나 줄었나? 같은 걸 자료 없이 시켰을 때와 비교해보세요.

자, 백 번 듣는 것보다 한 번 해보는 게 낫죠. 지금 각자 손에 있는 자료 아무거나 하나 꺼내세요. 내 보고서든, 사내 규정 한 장이든, 제품 설명서든 다 좋아요. 그걸 AI 대화창에 붙여넣거나 파일로 첨부하세요.
그다음 순서대로 가볼게요. 먼저 울타리부터 칩니다. "이 자료 안에서만 답해. 자료에 없으면 모른다고 해." 이 한 줄 꼭 넣으세요. 그리고 시킵니다. "이 자료 기반으로 3줄 요약하고, 사람들이 물어볼 만한 예상 질문 5개를 FAQ로 만들어줘." 답이 나오면 그냥 믿지 말고 되물으세요. "그 답, 자료 어디 보고 한 거야? 어느 문단인지 짚어줘."
다 됐으면 비교해 보세요. 똑같은 걸 자료 없이 시키면 그럴듯한데 가짜인 게 섞여요. 자료를 주고 울타리를 치니까 지어내는 게 확 줄죠? 오늘 배운 '자료에 근거하게 만들기'가 환각을 어떻게 잡는지, 직접 손끝으로 느껴보시는 겁니다.

---

• AI 없던 시절 — 분기 임원 보고 자료를 폴더·메일함을 뒤져 만들었습니다.
• 자료 하나 찾으려 반나절. 점심도 거르고 폴더만 뒤지다 해 질 녘에야 발견.
• AI에 회의록·보고서를 올리고 "이 문서들 근거로, 결정사항·과제 표로. 없는 건 빼고."
• 5분. 그리고 "어느 회의록에서 가져왔어?" 되물으니 출처를 다 댔습니다.

제 옛날 이야기 하나 할게요. AI 없던 시절에 저는 분기마다 임원 보고 자료를 만들었어요. 지난 분기 회의록이며 보고서가 폴더 여기저기, 메일함 구석구석 흩어져 있어요. 그걸 하나하나 열어보면서 "이 내용이 어디 있더라" 찾아 헤매는 거죠. 자료 하나 찾으려 반나절을 꼬박 뒤진 적이 한두 번이 아니에요. 점심도 거르고요. 정작 중요한 '분석'은 시작도 못 했는데 진이 빠졌죠.
그러다 AI를 처음 제대로 써본 날, 모아둔 회의록이랑 보고서를 주섬주섬 올리고 쳤어요. "이 문서들을 근거로 결정사항이랑 다음 분기 과제를 표로 정리해줘. 문서에 없는 내용은 넣지 마." 5분이에요. 반나절 끙끙대던 게 5분 만에 표로 딱 나왔어요. 의심스러워서 "어느 회의록 몇 번째에서 가져왔어?" 물으니 출처를 다 대더라고요. 진짜 제 자료를 읽고 말한 거였어요. 등골이 서늘했어요. 머리는 AI가, 자료는 내가. 이 조합의 위력입니다.

---

• 1. AI는 내 자료를 모른다 — 붙여넣거나 첨부해 직접 보여주고, "이걸 근거로만" 울타리.
• 2. 무조건 많이 말고 — 핵심만 추려 정확하게. 못 추리면 AI에 1차로 추리게.
• 3. 글뿐 아니라 사진·표·그래프도 읽힌다 — 그리고 "어디 보고 한 말이야?" 되묻기.
• 핵심 한 줄: "머리는 AI가, 자료는 내가."

오늘 길게 얘기했는데 딱 세 가지로 묶을게요. 첫째, AI는 내 자료를 모릅니다. 붙여넣거나 첨부해서 직접 보여주고, "이걸 근거로만 말해줘" 울타리를 치세요. 둘째, 무조건 많이가 아니라 핵심만 추려서 정확하게. 못 추리겠으면 AI한테 먼저 추리게 시키고요. 셋째, 글뿐 아니라 사진·표·그래프도 읽힐 수 있고, 받은 답은 "어디 보고 한 말이야?" 하고 꼭 되물으세요.
한 줄로 가져가실 건 이거예요. "머리는 AI가, 자료는 내가." 오늘 집에 가셔서 메일이든 회의록이든 하나 골라 "이거 근거로 정리해줘" 꼭 한번 해보세요. 그 첫 짜릿함, 직접 느껴보셨으면 합니다.

---

다음 차시 예고 — 6차시 「그럴듯한 거짓말에, 안 속기」: AI가 천연덕스럽게 지어내는 거짓말의 정체를 파헤치고, 그 거짓말에 안 속고 답을 검증하는 법을 배웁니다. 이번 과정에서 가장 중요한 시간이 될 수도 있습니다.

---

• AI와 대화하는 기술
• 06. 그럴듯한 거짓말에, 안 속기 — [하네스] 환각 검증·사실 확인

---

• 사전학습 / 인트로
• 제6강. 그럴듯한 거짓말에, 안 속기
• "AI를 못 믿어서가 아니라, 안심하고 쓰기 위해 의심합니다."

자, 여러분. 다시 만났습니다. 반가워요. 시작하기 전에 질문 하나 던질게요. 회사에 이런 후배 한 명쯤 떠오르시죠? 뭘 물어봐도 절대 "모르겠는데요"라는 말을 안 하는 친구요. 항상 눈 똑바로 보면서, 목소리에 힘 딱 주고 "아, 그건요, 이렇게 하면 됩니다" 하고 막힘없이 대답하는 친구. 처음엔 "야, 이 친구 일 좀 하는데?" 싶어요. 그런데 나중에 보니 그 자신 있게 한 말의 절반이 사실이 아니었던 거예요.
솔직히 이런 사람이 제일 위험하지 않습니까. 차라리 "잘 모르겠습니다" 하는 후배는 한 번 더 확인이라도 하죠. 너무 당당하게 틀린 말을 하는 사람은 그냥 믿어버려요. 그러다 사고가 나죠. 우리가 매일 쓰는 AI가 바로 그런 후배예요. 그것도 아주 심한.

---

• 사람은 모르면 "어… 그건 좀 자신이 없는데" 하고 머뭇거립니다.
• 그런데 AI는 아는 걸 말할 때나, 지어낼 때나 — 똑같이 매끄럽고 당당합니다.
• 글만 봐서는 '진짜'와 '가짜'를 구분할 단서가 없습니다. 왜 그럴까요?

본격적으로 들어가기 전에 같이 생각해 봅시다. 우리는 모르는 게 있으면 머뭇거리잖아요. 그 머뭇거림이 사실 굉장히 중요한 신호예요. "아, 이 사람 이건 확실치 않구나" 하고 알 수 있으니까요.
그런데 AI한테는 그게 없어요. 목소리 떨림도, 자신 없는 표정도 없어요. 아는 걸 말할 때나 모르는 걸 지어낼 때나 똑같이 당당해요. 그래서 우리가 글만 봐서는 구분할 방법이 없는 거예요. 오늘은 이게 왜 그런지, 그리고 어떻게 안 속을지를 같이 풀어볼게요.

---

• 학습내용
  • AI의 '환각'이 왜 구조적으로 불가피한가 (1차시 4번째 한계와 연결)
  • 환각의 전형적인 모습 — 가짜 논문·없는 통계·틀린 인용
  • 검증 3박자 — 미리 못 박기 / 받고 나서 되묻기 / 교차로 확인하기
• 학습목표
  • 환각이 '고장'이 아니라 AI가 만들어진 '구조' 때문임을 설명할 수 있다.
  • 가짜 출처·없는 사실·틀린 숫자를 잡아내는 대화 요령을 적용할 수 있다.
  • '의심하고 검증하는 습관'을 자기 업무 기준에 맞게 세울 수 있다.

오늘 갈 길을 먼저 보여드릴게요. 먼저 AI가 왜 자신 있게 거짓말을 하는지, 그 구조를 들여다봐요. 1강에서 배운 네 번째 약점, '환각' 기억나시죠? 그게 오늘 주인공이에요. 그다음 그 거짓말이 실제로 어떤 모습으로 나타나는지 보고요. 마지막으로 거기에 안 속는 검증 요령 세 가지를 손에 쥐여드릴 거예요.
미리 하나만 새기고 가세요. 오늘 배우는 건 "AI 못 믿겠으니 쓰지 말자"가 아니에요. 정반대예요. "AI를 제대로 믿고 쓰기 위해, 어떻게 의심하고 확인할 거냐"는 이야기입니다.

---

• 1차시 복습: AI는 뜻을 이해하는 게 아니라, 다음 단어를 확률로 맞히는 기계
• "오늘 점심은 김치___" → '찌개'가 그럴듯하니까 붙인다 (뜻을 알아서가 아님)
• 그래서 AI의 목표는 '사실을 말하기'가 아니라 '그럴듯하게 말이 이어지기'
• AI한테는 "맞는 말"과 "그럴듯한 말"이 똑같아 보인다 — 구분이 안 됨

먼저 이걸 짚고 가야 해요. AI가 거짓말을 하는 게 멍청해서일까요, 나쁜 마음을 먹어서일까요? 둘 다 아니에요. 구조 때문에 어쩔 수 없이 생기는 '타고난 부작용'이에요.
1강에서 배웠죠. AI는 다음에 올 가장 그럴듯한 단어를 확률로 맞히는 기계라고요. "오늘 점심은 김치" 하면 '찌개'가 확률이 높으니까 붙이는 거예요. 자, 그럼 이 친구의 목표가 뭐예요? '사실을 말하는 것'이 아니에요. '그럴듯하게 말이 이어지는 것'이에요. 이게 핵심입니다. AI한테는 맞는 말과 그럴듯한 말이 똑같이 보여요. 구분이 안 돼요.

---

• "세종대왕이 쓴 책 세 권 알려줘" → AI: "책 제목 같은 단어가 이어져야겠네"
• 진짜 있는 책이든, 없는 책이든 — '책 제목처럼 생긴 단어'를 만들어 냄
• 빈칸 채우기엔 성공했지만, 그게 사실인지는 애초에 신경도 안 씀
• 더 무서운 건 — AI는 자기가 모른다는 것조차 모른다

그럼 무슨 일이 벌어지냐면요. 여러분이 "세종대왕이 쓴 책 세 권만 알려줘" 하면, AI는 머릿속에서 이래요. "음, 이 질문 뒤에는 책 제목 같은 단어들이 이어져야겠네." 그러고는 진짜 있는 책이든 없는 책이든, 책 제목처럼 생긴 단어를 그럴듯하게 만들어 내놓아요. 빈칸 채우기엔 성공했지만, 그게 사실인지 아닌지는 신경도 안 쓴 거죠.
더 무서운 게 뭔지 아세요? 이 친구는 자기가 모른다는 걸 몰라요. 우리는 모르면 머뭇거리잖아요. AI한테는 그 머뭇거림이 없어요. 그러니 우리가 대신 의심해 줘야 하는 거예요.

---

• 신입한테 "거래처 김 부장님 생신 언제지?" 라고 물으면
• 모범 신입: "제가 확인해서 말씀드리겠습니다"
• AI 신입: "아, 5월 12일입니다" (어디서 봤냐고? 안 봤음)
• '5월 며칠'이 생신 답변으로 제일 그럴듯하니까 — 그냥 만들어낸 것

직장인 비유로 다시 정리할게요. 신입 사원한테 "거래처 김 부장님 생신이 언제지?" 하고 물었어요. 모범적인 신입이라면 "제가 확인해서 말씀드리겠습니다" 하겠죠. 그런데 우리 AI 신입은요, 절대 그렇게 안 해요. "아, 5월 12일입니다" 하고 바로 대답해요.
어디서 봤냐고요? 안 봤어요. 그냥 '5월 며칠'이라는 게 생신 답변으로 제일 그럴듯하니까 만들어낸 거예요. 그러니까 AI의 거짓말은 인격의 문제가 아니라 구조의 문제예요. 얘는 원래 이렇게 생겨먹었어요. 그러니 "고쳐 쓰겠다"가 아니라 "이런 애인 걸 알고 대비하겠다"가 정답인 거예요.

---

• ① 가짜 논문·연구 — 그럴듯한 제목·저자·연도까지 척척, 그런데 실제로는 없음
• ② 없는 통계·숫자 — "이 분야 시장은 매년 23% 성장합니다" (출처 불명)
• ③ 틀린 인용·출처 — 진짜 있는 사람 이름에, 하지도 않은 말을 붙임
• 공통점: 전부 아주 자신 있고, 아주 매끄럽게 나온다

그럼 이 거짓말이 실제로 어떤 모습으로 나타나는지 보여드릴게요. 크게 세 가지예요. 첫째, 가짜 논문이나 연구. 제목, 저자 이름, 심지어 발표 연도까지 딱딱 붙여서 멋지게 정리해 주는데 실제로는 없는 거예요. 둘째, 없는 통계. "이 시장은 매년 23% 성장합니다" 하는데 그 숫자 출처가 어디에도 없어요. 셋째, 틀린 인용. 진짜 유명한 사람 이름을 가져다가, 그 사람이 하지도 않은 말을 붙여요.
세 가지 공통점이 뭐냐면, 전부 아주 자신 있고 매끄럽게 나온다는 거예요. 그래서 더 위험한 거예요.

---

자, 같은 상황에서 두 사람을 비교해 볼게요. AI가 "○○연구 2021년 자료에 따르면 30% 향상됐다" 하고 똑같이 답을 줬어요. 김 대리는 "오, 역시" 하면서 그대로 보고서에 복사했어요. 그리고 윗선에 올렸죠. 그런데 누가 그 출처 하나 확인했더니 그런 연구가 없는 거예요. 김 대리 신뢰는 그 자리에서 끝났어요.
박 대리는요? 똑같은 답을 받고 딱 한마디 던졌어요. "그 연구 어디서 나온 거야? 출처 대 봐." 그랬더니 AI가 슬슬 흔들리다가 "죄송합니다, 제가 잘못 말씀드렸습니다" 하고 답을 바꿔요. 박 대리는 그걸 바로 폐기했죠. 두 사람 차이가 뭐예요? 딱 5분, 그리고 한마디였어요.

---

• 그럴듯한 답을 받으면, 그냥 받지 말고 한마디 더 던지기
• "그거 어디서 나온 얘기야? 근거가 뭐야?"
• 진짜 근거면 → 또박또박 댄다 / 지어낸 거면 → 말이 흔들리거나 답을 바꾼다
• 응용: "네 답에서 확실하지 않은 부분만 골라서 표시해 줘"

이제 해법으로 넘어갈게요. 제일 쉽고 제일 강력한 게 '되묻기'예요. AI가 그럴듯한 답을 내놓으면, 그냥 받지 마시고 한마디 더 던지세요. "그거 어디서 나온 얘기야? 근거가 뭐야?" 이 한마디예요.
왜 효과가 있냐면요. 진짜 근거가 있으면 AI가 또박또박 댑니다. 그런데 지어낸 거면 슬슬 말이 흔들려요. 출처가 두루뭉술해지거나, "죄송합니다, 잘못 말씀드렸습니다" 하고 답을 바꿔요. 방금 자신 있게 말하던 친구가 한 번 되물었더니 말을 바꿔요? 그거 빨간불이에요. 또 하나, "확실하지 않은 부분만 표시해 줘" 하고 시키면 AI가 자기 답을 한 번 더 훑으면서 빨간 깃발을 꽂아줘요.

---

• AI 한 군데 말만 믿지 않기 — 특히 숫자·사실관계
• AI가 "이 통계는 이렇습니다" → 진짜 원본을 한 번 들여다본다
• 통계청, 공식 보도자료, 사람이 만든 원본 등
• 이건 새 기술이 아님 — 후배 보고서 숫자 검수하던 습관 그대로

두 번째는 교차로 확인하기예요. 이건 더 간단해요. 중요한 정보일수록 AI 한 군데 말만 믿지 마세요. AI가 "이 통계는 이렇습니다" 하면, 그 숫자는 진짜 출처 — 통계청 사이트나 공식 보도자료, 사람이 만든 원본을 한 번 들여다보고 확인하는 거예요.
생각해 보면 이거, 우리가 회사에서 원래 하던 일이에요. 후배가 가져온 보고서 숫자, 그냥 결재 안 하잖아요. "이 숫자 출처가 어디야?" 물어보고 원본 대조해 보고 사인하죠. AI한테도 똑같이 하면 돼요. 새로운 기술이 아니에요. 원래 일 잘하는 사람이 하던 검수 습관을 그대로 적용하는 것뿐이에요.

---

• 모든 답을 다 확인하면 너무 피곤하다 — 그럴 필요 없음
• 기준 한 줄: "이게 틀렸을 때 내가 곤란해지는 정도"
• 좀 틀려도 OK → 아이디어 브레인스토밍, 글 초안, 가벼운 정리
• 무조건 확인 → 보고서 숫자, 외부 발송 사실관계, 법·규정, 사람 이름·날짜

여기서 기준을 하나 정해드릴게요. 모든 답을 다 이렇게 확인하면 너무 피곤하잖아요. 그럴 필요 없어요. 딱 하나로 판단하세요. "이 정보가 틀렸을 때 내가 곤란해지는 정도."
가벼운 아이디어 브레인스토밍이나 글 초안 잡기는 좀 틀려도 괜찮아요. 그냥 쓰세요. 그런데 보고서에 들어갈 숫자, 외부에 나갈 사실관계, 법이나 규정, 사람 이름, 날짜 같은 건요? 무조건 의심하고 무조건 확인하세요. 여기서 사고가 나는 거예요. 검증도 선택과 집중이에요.

---

• 받은 다음 검증도 좋지만, 더 좋은 건 처음부터 거짓말을 못 하게 하는 것
• 질문할 때 이 한 문장을 같이 넣기:

> "확실한 근거가 있는 것만 답하고, 모르거나 근거가 없으면 솔직하게 '모른다'고 해 줘. 추측이면 추측이라고 표시해 줘."

• 여기에 한 줄 더: "어디서 가져온 정보인지 출처도 같이 적어 줘"

지금까지는 답을 받은 다음에 검증하는 거였어요. 그런데 더 좋은 게 있어요. 처음부터 거짓말을 못 하게 미리 못을 박아두는 거예요. 방법은 간단해요. 질문할 때 이 한 문장을 같이 넣으세요. "확실한 근거가 있는 것만 답하고, 모르거나 근거 없으면 솔직하게 모른다고 해 줘. 추측이면 추측이라고 표시해 줘."
여기에 하나 더 얹으면 완벽해요. "답할 때 어디서 가져온 정보인지 출처도 같이 적어 줘." 출처를 같이 쓰라고 하면 AI가 아무 말이나 막 하기가 더 어려워져요. 그리고 우리도 그 출처만 따라가서 확인하면 되니까 검증이 훨씬 빨라지죠.

---

• AI의 목표 = '빈칸을 그럴듯하게 채우기' (슬라이드 5 복습)
• "모른다고 하는 것도 정답이야" 규칙을 주면
• → AI 입장에서 '모른다'도 그럴듯한 선택지가 된다
• → 빈칸을 억지로 채우려는 압박이 줄어든다

이게 왜 통하는지 원리를 알면 더 잘 쓰실 수 있어요. 아까 말씀드렸죠. AI의 목표는 '빈칸을 그럴듯하게 채우는 것'이라고요. 그런데 우리가 미리 "모르면 모른다고 하는 것도 정답이야" 하고 규칙을 정해주면요, AI 입장에서는 '모른다'고 말하는 것도 그럴듯한 선택지가 돼요. 빈칸을 억지로 채우는 압박이 줄어드는 거예요.
신입한테 일 시키기 전에 "야, 모르는 거 있으면 아는 척하지 말고 꼭 물어봐. 모른다고 하는 게 혼나는 거 아니야" 하고 멍석을 깔아주는 거랑 똑같아요. 그래야 그 친구가 마음 놓고 "이건 잘 모르겠습니다" 할 수 있잖아요.

---

자, 오늘 배운 세 박자를 한 표에 모았어요. 하나, 질문할 때 미리 못을 박는다. 둘, 답을 받으면 되묻는다. 셋, 중요한 건 교차로 확인한다.
이 세 박자면 여러분은 이제 AI의 그럴듯한 거짓말에 어지간해서는 안 속아요. 그리고 보세요. 이 세 가지 전부, 1강에서 배운 네 번째 약점 '환각'에서 나왔어요. 약점이 있으니까 대응이 있는 거예요. 오늘도 그 인과관계는 똑같습니다.

---

• AI를 의심하는 건 → AI를 '못 믿어서'가 아님
• 안심하고 쓰기 위한, 작은 확인 절차일 뿐
• 일 잘하는 사람일수록 — 결재 전에 한 번 더 본다
• 검증 습관이 있어야, 비로소 AI를 '마음 놓고' 쓸 수 있다

여기서 오해 하나를 풀고 갈게요. "그렇게 매번 의심하면 AI를 어떻게 믿고 쓰냐" 하실 수 있어요. 그런데 이건 불신이 아니에요. 오히려 신뢰의 조건이에요.
생각해 보세요. 일 잘하는 사람일수록 결재 전에 한 번 더 보잖아요. 그게 부하 직원을 못 믿어서가 아니라, 사고 없이 일을 굴리기 위해서죠. AI도 똑같아요. 이 작은 확인 절차가 있어야, 비로소 우리가 AI를 마음 놓고 쓸 수 있어요. 검증할 줄 아는 사람만이 AI를 제대로 부려 쓸 수 있는 거예요.

---

• ☐ 중요한 질문엔 "근거 없으면 모른다고 해, 출처도 적어 줘" 붙였는가
• ☐ 그럴듯한 답에 "어디서 나온 거야?" 한 번 되물었는가
• ☐ 숫자·사실관계·이름·날짜는 원본을 직접 대조했는가
• ☐ "이게 틀리면 내가 곤란한가?"로 검증 강도를 정했는가
• 이 네 칸이 몸에 배면 — 환각은 더 이상 위협이 아니다

자, 오늘 배운 걸 당장 내일 쓸 수 있게 체크리스트로 만들었어요. 네 칸이에요. 중요한 질문엔 못을 박았는가. 그럴듯한 답엔 되물었는가. 숫자랑 이름, 날짜는 원본으로 확인했는가. 그리고 "이게 틀리면 내가 곤란한가?"로 강도를 정했는가.
이 네 칸이 몸에 배면요, 환각은 더 이상 무서운 게 아니에요. 그냥 "아, 얘 또 그러네" 하고 거를 수 있는, 다룰 줄 아는 약점이 되는 거예요.

---

• 상황 — AI가 써준 그럴듯한 글에 가짜 정보가 숨어 있는지, 오늘 배운 검증법으로 직접 잡아냅니다.
• 이렇게 해보세요
  • ① AI에게 아무 주제나 하나 정해 "통계와 인용을 넣어서" 한 문단 쓰게 하기
  • ② 그 안의 숫자·출처·인용을 하나씩 골라 "그 숫자 근거 대 봐 / 원문 그대로 인용해 봐 / 그 논문 진짜 있어?"로 추궁하기
  • ③ 못 대거나 슬슬 말 바꾸면 → 환각으로 판정. 그다음 "모르면 모른다고 해"를 미리 박아두고 똑같이 다시 시켜, 두 답을 비교하기
• 이런 결과물 — 가짜 출처·없는 통계를 내 손으로 직접 색출해 본 경험.
• 체크포인트 — 6차시 '검증 3박자(미리 못 박기·되묻기·교차 확인)'가 어떻게 거짓말을 걸러냈는지 확인합니다.

자, 눈으로만 보면 안 남아요. 직접 한 번 잡아봐야 "아, 진짜 이러는구나" 하고 몸에 박힙니다. 지금 5분만 같이 해볼게요. 먼저 AI한테 아무 주제나 하나 던지고 "통계랑 인용을 넣어서 한 문단 써 줘" 하세요. 그러면 숫자도 척, 출처도 척, 아주 그럴듯한 문단이 나옵니다. 자, 이제 사냥을 시작하는 거예요. 그 안의 숫자 하나 딱 집어서 "이 숫자 근거 대 봐", 인용 하나 집어서 "원문 그대로 인용해 봐", 논문 제목 보이면 "그 논문 진짜 있어?" 하고 하나씩 추궁하세요. 못 대거나 "죄송합니다" 하고 말 바꾸면? 그게 환각이에요. 방금 잡으신 겁니다. 마지막으로 한 번 더. 이번엔 처음부터 "모르면 모른다고 해" 하고 못을 박고 똑같이 시켜 보세요. 답이 어떻게 달라지는지 두 개를 나란히 놓고 비교해 보시면, 오늘 배운 3박자가 왜 통하는지 손에 잡힐 거예요.

---

• AI에게 "이 주제 관련 연구·통계 알려줘" → 제목·저자·연도까지 완벽하게 정리
• "오, 역시" 하고 그대로 보고서에 옮겨 적음
• 마무리 단계, 찜찜해서 원본을 찾아봤더니 — 그런 연구가 아예 없었다
• 그날 이후, AI가 사실·숫자·출처를 말하면 머릿속에 자동으로 빨간불

이쯤에서 제 부끄러운 이야기 하나 들려드릴게요. 제가 AI를 한창 재미있게 쓰던 무렵, 보고서에 제 주장 뒷받침할 근거가 필요했어요. AI한테 "이 주제 관련 연구나 통계 알려줘" 했더니, 아주 그럴듯한 연구 제목이랑 저자 이름, 심지어 연도까지 딱딱 붙여서 멋지게 정리해 주는 거예요. "오, 역시" 하면서 그대로 옮겨 적었죠.
그런데 거의 다 완성하고 마지막에 마음이 찜찜하더라고요. 원본을 한 번 찾아보자, 했는데… 아무리 찾아도 그런 연구가 없는 거예요. 저자도 없고, 그런 논문도 없고. AI가 통째로 지어낸 거였어요. 등에 식은땀이 쫙 흘렀어요. 그걸 그대로 윗선에 올렸으면 신뢰를 다 잃었을 거예요. 그날 이후 제 습관이 완전히 바뀌었어요. 지금은 자동으로 빨간불이 켜져요. 여러분은 저처럼 식은땀 흘리지 마시고, 처음부터 의심하는 습관을 들이세요. 5분이면 돼요.

---

• 1. AI의 거짓말('환각')은 멍청해서가 아니라 — '사실'이 아니라 '그럴듯함'을 좇는 구조 때문이다.
• 2. AI는 자기가 모른다는 것조차 모른다 — 그래서 우리가 대신 의심해야 한다.
• 3. 검증 3박자 — 미리 못 박기 · 받고 되묻기 · 교차로 확인하기.
• 핵심 한 줄: "AI를 의심하는 건, 안심하고 쓰기 위해서다."

오늘 배운 걸 세 가지로 정리할게요. 첫째, AI가 자신 있게 거짓말하는 건 멍청해서가 아니라 '사실'이 아니라 '그럴듯함'을 목표로 단어를 잇는 구조 때문이다. 얘는 자기가 모른다는 것조차 몰라요. 둘째, 그러니 우리가 무조건 의심하고 검증해야 한다. 받고 나서 "근거가 뭐야?" 되묻고, 중요한 건 원본을 교차 확인하고. 셋째, 아예 처음부터 "근거 없으면 모른다고 해, 출처도 적어 줘" 하고 미리 못을 박는다.
오늘 딱 한 줄만 가져가신다면 이거예요. "AI를 의심하는 건, 안심하고 쓰기 위해서다." 오늘 정말 수고 많으셨어요.

---

다음 차시 예고 — 7차시 「'좋은 답'인지, 내 기준으로 가려내기」: 오늘은 거짓말을 '걸러내는' 법이었다면, 다음엔 한 단계 올라가 '좋은 답'의 기준(정확성·근거·질문 적합성·누락)을 내 손으로 정하는 체크리스트를 만들고, AI에게 AI의 답을 채점시키는 영리한 방법까지 배웁니다.

---

• AI와 대화하는 기술
• 07. '좋은 답'인지, 내 기준으로 가려내기

---

• 사전학습 / 인트로
• 제7강. '좋은 답'인지, 내 기준으로 가려내기
• "'안 틀린 답'하고 '좋은 답'은 완전히 다른 이야기입니다."

자, 안녕하세요. 일곱 번째 시간입니다. 여기까지 따라오시느라 정말 고생 많으셨어요.
지난 시간 우리, AI의 '그럴듯한 거짓말'에 안 속는 법을 배웠죠. 되묻고, 근거를 대게 하고, "모르면 모른다고 해"라고 미리 못 박는 거요. 한마디로 6강은 '틀린 답을 걸러내는' 시간이었어요.
그런데 오늘은 짓궂은 질문 하나로 시작할게요. "틀리지만 않으면 다 좋은 답일까요?" 오늘은 그 한 걸음 더, 틀린 걸 거르는 걸 넘어서 "이게 내가 쓸 만큼 좋은 답인가?"를 가려내는 시간입니다.

---

• 사실관계는 다 맞아요. 거짓말도 안 했어요.
• 그런데 — 내가 물어본 것과 살짝 비껴가 있어요.
• 혹은 다 맞는데, 정작 필요했던 한 가지가 쏙 빠졌어요.
• 틀리진 않았는데… 쓸 수가 없는 답. 이건 좋은 답일까요?

본격적으로 들어가기 전에 같이 생각해 봅시다. AI가 사실관계는 하나도 안 틀렸어요. 거짓말도 안 했어요. 그런데 내가 물어본 거랑 살짝 비껴간 답을 줬어요. 혹은 다 맞는 말인데 정작 내가 꼭 필요했던 한 가지가 쏙 빠져 있어요. 아니면 맞긴 맞는데 출처를 도무지 알 수가 없어요.
이거, 좋은 답인가요? 아니죠. 틀리진 않았는데 쓸 수가 없는 답이에요. 여기서 오늘의 핵심이 나옵니다. '안 틀린 답'하고 '좋은 답'은 완전히 다른 얘기예요.

---

• 학습내용
  • '좋은 답'이란 무엇인가 — 좋은 답의 '네 기둥'
  • 머릿속 '감'을 밖으로 꺼낸 '나만의 체크리스트' 만들기
  • AI에게 AI의 답을 채점·비교시키는 법
• 학습목표
  • '그럴듯함'이 '정확함·유용함'과 다름을 설명할 수 있다.
  • 일의 성격에 맞는 평가 기준(체크리스트)을 스스로 세울 수 있다.
  • 여러 답을 비교·선택하고, 최종 판단은 사람이 한다는 원칙을 지킨다.

오늘 갈 길을 먼저 보여드릴게요. 세 가지를 가져갑니다. 첫째, 도대체 '좋은 답'이란 뭔가 — 그 기준을 직접 정하는 법. 둘째, 나만의 체크리스트를 만들어서 매번 같은 기준으로 보는 법. 셋째, 좀 영리한 방법인데요, AI한테 AI의 답을 채점시키는 법.
오늘의 목표는 외우기가 아니에요. AI 결과물 앞에서 "이거 괜찮은 건가" 하고 헤매던 그 시간을 없애는 거예요. 그게 진짜 목표입니다.

---

• 6강: 틀린 답을 걸러냈다 (사실 검증)
• 7강: 한 걸음 더 — '쓸 만큼 좋은 답'을 가려낸다
• 틀리지 않은 답에도 문제가 있다
  • 질문과 살짝 비껴감 / 핵심 하나 누락 / 출처 불명
• 오늘의 키워드: '내 기준'

6강이 '거짓말 거르기'였다면, 오늘은 거기서 한 걸음 더 나아갑니다. 틀린 걸 걸러내는 걸 넘어서, "이게 내가 쓸 만큼 좋은 답인가?"를 내 기준으로 가려내는 시간이에요.
그리고 오늘 가장 중요한 단어가 하나 있어요. 바로 '내 기준'입니다. 이 단어를 오늘 내내 붙잡고 갈 거예요.

---

• 우리는 대부분 AI 답을 '감'으로 본다 — "음, 괜찮네" / "에이, 별로네"
• 그런데 '감'은 못 믿을 물건이다
  • 기분 좋은 날엔 후하게, 피곤한 날엔 짜게
  • 어제 통과시킨 수준을 오늘은 퇴짜
• 기준이 매번 흔들리면, 품질도 흔들린다

제가 자꾸 '감으로 보지 마라' 그러는데, 왜 그럴까요. 우리 대부분이 AI 결과물을 볼 때 그냥 감으로 보거든요. 쓱 읽어보고 "음, 괜찮네" 아니면 "에이, 별로네."
그런데 이 감이라는 게 참 못 믿을 물건이에요. 내 기분이 좋은 날엔 후하게 보고, 피곤한 날엔 짜게 보고. 어제 통과시킨 수준을 오늘은 퇴짜 놓고. 기준이 매번 흔들리는 거죠. 오늘 우리가 할 일은 이 '감'을 '기준표'로 바꾸는 겁니다.

---

• 후배 보고서를 볼 때, 사실 머릿속에 체크 항목이 돈다
  • "숫자 맞나?" "시킨 내용 맞나?" "결론 빠졌네?"
• 경험 많을수록 이 항목이 촘촘 → 그게 '감 좋다'는 말
• 문제: 머릿속에만 있으면 두 가지가 샌다
  • ① 내 컨디션 따라 들쭉날쭉 ② 남에게 못 넘겨준다
• AI는 한 술 더 — 하루에도 수십 번 결과물을 쏟아낸다

회사에서 후배가 보고서를 가져왔다고 쳐봐요. 사실 대부분 머릿속에 자기도 모르게 체크 항목이 돌아가고 있어요. "숫자 맞나?", "내가 시킨 내용 맞나?", "결론이 빠졌네?" 경험 많은 분일수록 이 항목이 촘촘해요. 그래서 '감이 좋다'는 소리를 듣는 거예요.
문제는 이게 머릿속에만 있다는 거예요. 그러면 내 컨디션 따라 들쭉날쭉하고, 남한테 넘겨줄 수도 없어요. AI는 후배보다 더해요. 하루에도 열 번씩 결과물을 쏟아내잖아요. 그러니 감으로 매번 보면 금방 지쳐요. 그래서 머릿속 기준을 밖으로 끄집어내서, 글자로 적어둬야 합니다.

---

• 막연한 '좋은 답'을 네 개의 질문으로 쪼갠다
• ① 정확한가 — 날짜·숫자·이름·인용이 맞나 (6강의 그것)
• ② 근거가 있나 — "어디서 봤는데?"에 출처를 댈 수 있나
• ③ 질문에 맞나 — 내가 물어본 그것에 답했나 (관련성)
• ④ 빠진 건 없나 — 반쪽짜리는 아닌가 (완결성)

'좋은 답'이라는 게 막연하잖아요. 이걸 네 개의 질문으로 딱 쪼개 드릴게요. 저는 이걸 '좋은 답의 네 기둥'이라고 불러요.
첫째, 정확한가. 사실관계가 맞느냐, 6강에서 다룬 거죠. 둘째, 근거가 있나. 맞는 말이라도 "어디서 봤는데?" 물었을 때 출처를 댈 수 있어야 해요. 셋째, 질문에 맞나. 정확하고 근거도 있는데 내가 물어본 게 아닌 경우요. 넷째, 빠진 건 없나. 답은 맞는데 반쪽짜리인 경우요. 이 네 개로 보면, 막연하던 '좋은 답'이 갑자기 손에 잡힙니다.

---

• ③ 질문에 맞나 (관련성)
  • "단점만 알려줘" → 장단점을 둘 다 줄줄이
  • "한 줄로 요약해" → 다섯 줄로 답함 → 다 맞지만 좋은 답 아님
• ④ 빠진 건 없나 (완결성)
  • "처리 절차 알려줘" → 1~4번만, 마지막 5번 '제출' 누락
  • 틀린 건 없지만, 그대로 하면 일이 안 끝남

셋째, 넷째 기둥은 의외로 자주 놓쳐요. 관련성부터 볼까요. 제가 "이 제품의 단점을 알려줘" 했는데 장단점을 둘 다 줄줄 늘어놓는다든가, "한 줄로 요약해" 했는데 다섯 줄로 답한다든가. 다 맞는 말이에요. 그런데 내 질문에 안 맞아요. 그럼 좋은 답이 아니에요.
완결성도 그래요. "이 일을 처리하는 절차를 알려줘" 했는데 1번부터 4번까지만 알려주고 마지막 5번 '제출'을 빼먹는 거죠. 틀린 건 하나도 없어요. 그런데 그대로 따라 하면 일이 안 끝나요. 빠진 게 있으면 좋은 답이 아닙니다.

---

• 네 기둥은 정답표가 아니다 — 일마다 무게가 다르다
• 회식 장소 추천 → '근거'는 별로 안 중요 (분위기·거리면 충분)
• 고객 제안서 초안 → '근거'·'완결성'이 생명 (숫자 하나면 사고)
• 그래서 — 좋은 답의 기준은 일을 시키는 '내'가 정한다
• 오늘 첫 번째 핵심: AI가 아니라 내가 '좋다'를 정의한다

여기서 제일 중요한 말씀. 네 기둥을 알려드렸지만 이게 정답표는 아니에요. 일마다 무게가 다르거든요.
사내 회식 장소 추천받는 거랑, 고객사에 나갈 제안서 초안 받는 거랑 같은 잣대로 보면 안 되잖아요. 회식 장소는 근거가 뭐 그렇게 중요하겠어요. 그런데 고객 제안서는 근거하고 완결성이 생명이에요. 출처 없는 숫자 하나 잘못 들어가면 큰일 나니까요.
그래서 기준은 제가 정해드리는 게 아니라 여러분이 일마다 정하는 거예요. 좋은 답의 기준은 AI가 아니라 일을 시키는 내가 정한다. 이게 오늘 첫 번째 핵심입니다.

---

• 거창할 것 없다 — 메모장·포스트잇이면 충분
• 자주 시키는 일 하나의 '합격 조건'을 글자로 적는다
• [ ] 핵심 성과가 세 줄 이내인가? (관련성·완결성)
• [ ] 숫자에 출처·근거가 같이 있나? (근거성)
• [ ] 다음 주 할 일이 빠짐없이 들어갔나? (완결성)
• [ ] 윗분이 바로 읽게 존댓말·간결체인가? (관련성)
• [ ] 안 준 정보를 지어낸 건 없나? (정확성)

네 기둥을 알았으니 이제 체크리스트로 만들어 봅시다. 거창한 거 아니에요. 자주 시키는 일 한 가지를 정해서, 그 일의 합격 조건을 글자로 적어두는 거예요.
제가 매주 '주간 업무 보고 요약'을 AI한테 시킨다고 쳐볼게요. 그러면 이렇게 다섯 줄을 적어둬요. 세 줄 이내인가, 숫자에 출처 있나, 다음 주 할 일 빠짐없나, 존댓말·간결체인가, 지어낸 거 없나. 별거 없죠? 그런데 이게 있고 없고는 하늘과 땅 차이예요. 이제 답을 받으면 이 다섯 줄을 쭉 훑으면서 5초 만에 끝나요. 오늘이나 다음 주나 똑같은 기준으로요.

---

• ① 받은 다음에 검수할 때 — 답을 다섯 줄에 비춰본다 (5초컷)
• ② 시킬 때 아예 같이 준다 — 채점 기준을 미리 보여준다
  • "이 조건을 다 만족하게 써줘. 다 쓰면 스스로 점검해 줘."
• 원리는 6강과 같다 — 기준을 미리 못 박으면 거기 맞춰 답한다
• 시험 전에 채점표를 본 학생 → 검수할 거리가 확 준다

이 체크리스트가 두 군데서 힘을 발휘해요. 첫째, 답을 받은 다음에 검수할 때. 방금 말한 거죠.
그런데 더 영리한 두 번째 쓰임새가 있어요. 질문할 때 아예 같이 주는 거예요. "이런 조건을 다 만족하게 써줘. 다 쓴 다음에 이 조건들을 스스로 점검해 줘." 이렇게요. 6강에서 "모르면 모른다고 해"라고 미리 못 박은 거랑 똑같은 원리예요. 채점 기준을 미리 알려주면 AI가 그 기준에 맞춰서 답을 만들어요. 시험 보기 전에 채점 기준표를 본 학생이랑 똑같죠. 검수할 거리가 확 줄어요.

---

• 체크리스트에 하나만 더 얹으면 완벽 → 잘된 예시
• "아, 이거다!" 싶은 답은 버리지 말고 따로 모아둔다
• 다음에 시킬 때 "이런 식으로 써줘" 하며 함께 보여준다
• 말 백 마디보다, 잘된 결과물 하나가 강력 (3강 '톤 맞추기'의 응용)
• 나만의 품질 도구 = 체크리스트(합격 조건) + 본보기(잘된 예시)

체크리스트에 하나만 더 얹으면 완벽해져요. 바로 '잘된 예시'입니다. 저는 이걸 '본보기'라고 불러요.
예전에 받은 답 중에 "아, 이거다!" 싶은 게 있잖아요. 그걸 버리지 마시고 따로 모아두세요. 다음에 같은 일을 시킬 때 "이런 식으로 써줘" 하면서 같이 보여주는 거예요. 말로 백 마디 설명하는 것보다 잘된 결과물 하나 보여주는 게 훨씬 강력해요. 3강에서 '잘된 예시 하나로 톤을 맞춘다' 했던 거, 그걸 평가에도 그대로 쓰는 거예요. 체크리스트 더하기 본보기, 이 둘을 서랍에 넣어두면 그게 나만의 품질 관리 도구입니다.

---

• 채점 자체를 AI한테 시킬 수 있다
• "지가 쓴 걸 지가 채점?" → 의외로 잘 먹힌다
  • 만드는 머리와 평가하는 머리는 쓰는 방식이 다르다
  • "이제 너는 까다로운 검토자야"로 역할을 바꿔준다
• 지시 예: "방금 네 답을, 깐깐한 검토자가 되어 네 기준으로 채점해.

각 항목 점수 + 부족한 부분 개선안까지 줘."

이제 영리한 기술 하나. 지금까지는 '내가' 체크리스트로 채점했죠. 그런데 그 채점 자체를 AI한테 시킬 수가 있어요. AI가 준 답을, 같은 AI한테 다시 보여주면서 "이 답을 내 기준으로 채점해 봐"라고 하는 거예요.
"지가 쓴 걸 지가 채점한다고?" 이상하게 들리죠. 그런데 꽤 잘 먹혀요. 무언가를 만드는 일하고 평가하는 일은 머리 쓰는 방식이 달라요. 사람도 내가 쓴 글을 '독자의 눈으로' 다시 읽으면 어색한 게 보이잖아요. AI도 "이제 너는 까다로운 평가자야"라고 역할을 바꿔 시키면, 만들 때는 안 보이던 허점을 의외로 잘 짚어냅니다.

---

• 한 답만 보면 좋은지 나쁜지 가늠이 안 될 때가 있다
• 절대평가는 어렵지만 상대평가는 쉽다
  • "이 옷 어때요?" → 어렵다 / "이 옷 vs 저 옷?" → 바로 고름
• 같은 질문을 두 번 시켜 A·B 두 답을 받는다
• "이 둘을 내 네 기준으로 비교해, 어느 쪽이 왜 나은지 말해줘"
• → 비교표가 나온다 → 고르거나, 장점만 합친다

한 발 더 나가볼게요. 오늘의 마지막 기술, 두 답을 비교하는 방법입니다. 가끔 AI 답이 그 자체로는 좋은지 나쁜지 가늠이 안 될 때가 있어요. 점수 매기기가 애매하죠.
그럴 땐 답을 두 개 받아서 나란히 놓고 비교하면 판단이 훨씬 쉬워져요. "이 옷 어때요?" 하면 대답하기 어려운데, "이 옷이랑 저 옷 중에 뭐가 나아요?" 하면 바로 고르잖아요. 절대평가는 어려워도 상대평가는 쉬워요. 같은 질문을 두 번 시켜 A, B 두 답을 받고, "이 둘을 내 네 기준으로 비교해서 어느 쪽이 왜 나은지 말해줘" 하면 비교표가 나옵니다.

---

자, 한 표로 비교해 볼게요. 왼쪽이 기준 없이 감으로 볼 때, 오른쪽이 체크리스트를 갖고 볼 때예요.
보세요. 기준이 없으면 컨디션 따라 출렁이고, 멍하니 들여다보고, 찜찜하고, 나만 아는 노하우로 끝나요. 그런데 기준 다섯 줄만 있으면, 매번 같은 잣대로, 5초 만에, 확신을 갖고, 심지어 후배한테 넘겨줄 수도 있어요. 이 차이가 오늘 강의의 전부라고 해도 됩니다.

---

• AI의 채점을 그대로 믿으면 안 된다
  • AI는 채점할 때도 그럴듯하게 지어낼 수 있다 (6강)
  • 자기 답에 후한 점수를 줄 수도 있다
• AI의 채점은 '1차 검토 의견'일 뿐 — 부지런한 보조 검토자
• 최종 도장은 항상 사람이 찍는다
• AI 채점은 내 '일'을 줄이는 것이지, 내 '판단'을 넘기는 게 아니다

여기서 꼭, 정말 꼭 당부드릴 게 있어요. AI한테 채점을 시켰다고 해서 그 채점을 그대로 믿으면 안 됩니다. 왜요? 6강에서 배웠잖아요. AI는 채점할 때도 그럴듯하게 지어낼 수 있어요. 자기 답한테 후한 점수를 줄 수도 있고요.
그러니까 AI의 채점은 '1차 검토 의견'일 뿐이에요. 부지런한 보조 검토자가 먼저 훑어준 거죠. 최종 도장은 항상 사람이 찍습니다. AI가 "95점입니다" 해도 내 체크리스트로 마지막 한 번은 내가 봐야 해요. 채점을 시키는 건 내 일을 줄이려는 거지, 내 판단을 통째로 넘기려는 게 아니에요.

---

• 상황 — 같은 일을 시켰는데 AI가 답을 여러 개 내놨어요. 다 그럴듯해 보이죠? 이제 내 기준으로 '진짜 좋은 답'을 골라낼 차례입니다.
• 이렇게 해보세요 —
  • ① 먼저 나만의 평가 체크리스트를 만드세요. 네 기둥(정확성·근거·관련성·완결성)을 가져와서, 항목마다 합격 기준을 딱 한 줄씩 적어두는 거예요.
  • ② 그다음 같은 과제를 AI에게 주고 답을 두 개 생성시키세요. "조건을 살짝 다르게 해서 버전 두 개로 써줘" 하면 됩니다.
  • ③ 만든 체크리스트로 두 답을 항목별로 채점하세요. 더 나은 답을 고르고, 부족한 항목은 "여기 근거가 약해, 출처 보강해줘" 식으로 보완 지시. 최종 판단은 사람이 찍습니다.
• 이런 결과물 — 나만의 품질 체크리스트 한 장 + 두 답을 직접 채점하고 골라본 경험.
• 체크포인트 — 7차시에서 배운 '그럴듯함 ≠ 좋음', 그리고 기준 없이 감으로 고를 때와 기준을 갖고 고를 때 판단이 얼마나 달라지는지.

자, 이제 머리로만 들었던 걸 직접 손으로 해볼 시간이에요. 오늘 핵심이 '내 기준으로 좋은 답 가려내기'였죠. 그걸 그대로 연습해 봅시다.
먼저 체크리스트부터 만드세요. 거창할 거 없어요. 네 기둥 가져와서 항목마다 한 줄씩만 적으면 돼요. "숫자에 출처 있나", "내가 물어본 거에 답했나" 이런 식으로요. 그다음이 재밌어요. 똑같은 과제를 AI한테 주고 답을 두 개 받으세요. 그리고 방금 만든 체크리스트로 두 답을 항목별로 쭉 채점해 보는 거예요. 어느 쪽이 왜 나은지 점수로 나오죠? 더 나은 걸 고르고, 모자란 항목은 보완하라고 다시 시키면 돼요.
해보시면 느낄 거예요. 기준 없이 감으로 고를 때랑, 다섯 줄 체크리스트 갖고 고를 때랑 판단의 무게가 완전히 다릅니다. 그리고 마지막 도장은요? 네, 항상 사람이 찍습니다. AI가 점수 매겨줬어도 최종 선택은 내가 하는 거예요.

---

• 예전엔 검수를 순전히 '감'으로 — "괜찮네" 통과, "아니다" 다시
• 미치는 건 일관성이 없다는 것 — 같은 수준인데 컨디션 따라 판정
• 어느 날 합격 조건을 다섯 줄로 적어봄 (출처·세 줄·빠진 단계…)
• 달라진 것 ① 빨라짐 (5초컷) ② 마음이 편해짐 (확신·찜찜함 사라짐)
• 깨달음: 품질은 결국 '내 기준이 분명한가'의 문제

제 부끄러운 옛날이야기 하나. 저도 예전엔 검수를 순전히 감으로 했어요. 쓱 읽고 "괜찮네" 통과, "아니다" 싶으면 다시. 그게 전부였어요.
그런데 진짜 미치는 게, 일관성이 없어요. 똑같은 수준의 답인데 컨디션 좋은 날엔 넘기고, 야근하고 피곤한 날엔 세 번을 다시 시켰어요. 그러니 일이 끝이 안 나요. 결정을 못 내려요.
그러다 하도 답답해서 자주 하는 일 하나를 잡고 합격 조건을 다섯 줄로 적어봤어요. 신세계였어요. 일단 빨라졌어요. 5초 만에 합격, 불합격이 나와요. 그리고 마음이 편해졌어요. "내 기준대로 판단했다"는 확신이 있으니 찜찜함이 사라진 거예요. 그때 깨달았어요. 품질이라는 게 결국 '내 기준이 분명한가'의 문제더라고요. 여러분도 자주 하는 일 하나만 잡고 다섯 줄 적어보세요. 진짜로요.

---

• 1. 좋은 답엔 네 기둥 — 정확한가·근거 있나·질문에 맞나·빠진 건 없나. 무게는 일마다 내가 정한다.
• 2. 기준을 머릿속에 두지 말고 체크리스트로 꺼내라 — 검수에도, 시킬 때 미리 줄 때도. 본보기 하나면 금상첨화.
• 3. 채점을 AI에게도 시켜라 — 자기 답 평가, 두 답 비교. 단, 최종 도장은 사람.
• 핵심 한 줄: "'좋다'를 먼저 정의하는 사람이, 좋은 답을 얻는다."

오늘 배운 걸 세 가지로 정리할게요. 첫째, 좋은 답엔 네 기둥이 있다. 정확한가, 근거 있나, 질문에 맞나, 빠진 건 없나. 그리고 뭐가 중요한지는 일마다 내가 정한다. 둘째, 그 기준을 머릿속에 두지 말고 체크리스트로 끄집어내라. 받은 답을 비춰보고, 시킬 때 미리 주고, 본보기 하나 곁들이고. 셋째, 채점을 AI한테도 시킬 수 있다. 자기 답을 평가하게 하고 두 답을 비교하게 하라. 단, 최종 도장은 항상 내가 찍는다.
오늘 딱 한 줄만 가져가신다면, "'좋다'를 먼저 정의하는 사람이 좋은 답을 얻는다." 이 세 가지가 손에 익으면 AI 결과물 앞에서 더는 망설이지 않게 돼요. 오늘 정말 수고 많으셨습니다!

---

다음 차시 예고 — 8차시 「검증한 실수는 두 번 하지 않는다」: 지금까진 매번 사람이 직접 되묻고 채점했다면, 다음엔 그 검증 결과가 지시서 자체에 쌓여 스스로 고쳐지는 구조(SpecLoop)를 봅니다. 매번 같은 지적을 반복하고 계셨다면, 왜 그런지 답이 나옵니다.

---

• AI와 대화하는 기술
• 08. 검증한 실수는 두 번 하지 않는다 — 스스로 고쳐 쓰는 지시서(SpecLoop)

---

• 사전학습 / 인트로
• 제8강. 검증한 실수는 두 번 하지 않는다
• "매번 똑같은 실수를 검수하는 것도 지겹지 않으세요? 이제 그 검수 결과가 지시서를 스스로 고치게 만들어 봅니다."

자, 여덟 번째 시간입니다. 지난 6·7강에서 우리, 그럴듯한 거짓말에 안 속는 법이랑 좋은 답을 가려내는 나만의 기준, 이 두 개를 손에 쥐었죠.
그런데 혹시 이런 생각 안 드셨어요? "이거, 매번 내가 확인해야 되네." 되묻고, 체크리스트 대조하고, 이걸 계속 사람이 반복해야 한다는 거예요. 오늘은 여기서 한 걸음 더 나갑니다. 그 검증 결과를, 사람이 매번 개입 안 해도 지시서 자체가 기억하고 고쳐 쓰게 만드는 방법이에요.
미리 말씀드릴게요. 오늘부터는 조금 더 엔지니어링 쪽으로 들어갑니다. 어려운 용어가 몇 개 나오는데, 나올 때마다 바로 풀어드릴 테니 겁먹지 않으셔도 됩니다.

---

• 사람 조직에서는 "매뉴얼이 틀렸나?"를 당연히 의심합니다.
• 그런데 AI한테는요? 매번 똑같이 되묻고, 똑같이 고쳐주고, 다음 대화에선 또 처음부터.
• AI를 검증하는 것도 중요하지만, 왜 우리는 그 검증 결과를 한 번도 지시서에 되먹이지 않았을까요?

생각해 봅시다. 회사에서 신입이 같은 실수를 세 번 반복하면요, 우리는 그 사람만 나무라지 않아요. "혹시 매뉴얼이 애매하게 쓰여 있나?" 하고 매뉴얼 자체를 의심하죠. 매뉴얼을 고치면, 그다음부터 오는 모든 신입이 똑같은 실수를 안 해요.
그런데 우리가 AI 쓸 때는요? 6·7강에서 배운 대로 매번 되묻고, 매번 체크리스트로 확인하고, 그런데 다음 대화창을 열면 또 처음부터예요. 그 검증 결과가 어디에도 안 쌓여요. 오늘은 이 질문에서 출발합니다. "그 검증 결과를 지시서에 되먹일 수는 없을까?"

---

• 학습내용
  • 검증 결과가 사람의 반복 개입 없이 지시서로 되먹임되는 "닫힌 루프(closed-loop)" 개념
  • 실수의 두 종류 — 결과물이 틀린 것과 지시서 자체가 부족한 것
  • 지시서가 스스로 자라나는 실제 사례 — 카파시의 최근 행보로 본 흐름
• 학습목표
  • 닫힌 루프가 6·7강의 "매번 검증"과 어떻게 다른지 설명할 수 있다.
  • 결과물 문제와 지시서 문제를 구분해야 하는 이유를 설명할 수 있다.
  • 이 흐름이 왜 사람의 승인 없이는 완성되지 않는지 설명할 수 있다.

오늘 갈 길, 세 덩어리예요. 첫째, "닫힌 루프"라는 개념. 검증 결과가 어떻게 지시서로 되먹임되는지. 둘째, 모든 실수가 같은 실수가 아니라는 것 — 결과물이 틀렸을 때랑, 지시서 자체가 애매했을 때는 다르게 대응해야 해요. 셋째, 이게 뜬구름 잡는 얘기가 아니라 실제로 지금 업계에서 벌어지고 있는 흐름이라는 걸, 몇 가지 실화로 보여드릴게요.
오늘 목표도 단순해요. "검증을 한 번만 하고 끝내는 게 아니라, 그 결과가 다음번 지시서를 더 좋게 만드는 구조"를 이해하시는 거예요.

---

• 6강: 답을 받은 뒤 되묻고 교차확인 → 7강: 나만의 체크리스트로 채점
• 공통점: 검증의 결과가 사람 머릿속에만 남는다. 다음 대화창을 열면 또 처음부터.
• 매번 같은 지적을 반복한다면 — 문제는 AI가 아니라 지시서(프롬프트·매뉴얼)일 가능성이 크다
• 그래서 필요한 것: 검증 결과가 지시서 자체에 자동으로 쌓이는 구조

6강에서 되묻고 교차확인하는 법, 7강에서 나만의 체크리스트로 채점하는 법을 배웠죠. 그런데 잘 보면 공통점이 있어요. 그 검증의 결과가 어디에 남습니까? 딱 우리 머릿속에만 남아요. 대화창 닫으면 날아가요.
그런데 만약에요, 매번 똑같은 지점에서 AI가 틀린다면, 그건 AI 탓이 아니라 우리가 준 지시서, 그러니까 프롬프트나 업무 매뉴얼 자체가 애매했다는 신호일 수 있어요. 그렇다면 우리가 할 일은 그때그때 고쳐주는 게 아니라, 그 지시서 자체를 업그레이드하는 것이어야 해요. 오늘 배우는 게 바로 이 구조입니다.

---

• 2025년 2월 2일, 안드레이 카파시(전 OpenAI·테슬라)가 트위터에 새 단어를 하나 던졌다 — "바이브 코딩(vibe coding)"
• 원문: "There's a new kind of coding I call 'vibe coding', where you fully give in to the vibes... and forget that the code even exists."
• 뜻: 코드를 하나하나 검토하지 않고, "느낌"으로 AI에게 맡겨 버리는 방식
• 처음엔 편리했지만 — 규모가 커지자 의도 이탈·API 환각·품질 부패가 뒤따랐다 (2025~2026년 업계 공통 경험)

여기서 실존 인물 한 명을 소개할게요. 안드레이 카파시라고, OpenAI 창립 멤버이자 테슬라 자율주행 AI를 이끌었던 사람이에요. 이 사람이 어떤 말을 하면 업계가 그대로 따라가는, 그런 영향력이 있는 사람입니다.
2025년 2월, 이 사람이 트위터에 이런 말을 올려요. "바이브 코딩"이라는 새로운 코딩 방식이 있다고. 코드가 어떻게 생겼는지 신경도 안 쓰고, 그냥 느낌대로 AI한테 맡겨버리는 거예요. 처음엔 다들 신기해했어요. 그런데 이게 작은 프로젝트에선 편했는데, 회사 단위 큰 시스템으로 가니까 문제가 터지기 시작해요. 의도한 것과 다른 방향으로 새고, 있지도 않은 기능을 있다고 지어내고, 시간이 갈수록 품질이 썩어갔어요. 6강에서 배운 환각이 코드에서도 똑같이 벌어진 거예요.

---

• 바이브 코딩의 실패 → 스펙 주도 개발(SDD, Spec-Driven Development)이 업계 주류로 부상
• 2026년 현재 GitHub Spec Kit·Amazon Kiro·Tessl 등 주요 AI 코딩 도구가 전부 자체 SDD를 출시
• 핵심 발상 전환: 명세(지시서)를 살아있는 산출물로 취급 — 코드가 아니라 지시서가 진짜 관리 대상
• 우리가 6·7강에서 배운 "검증"이, 이제 산업 규모에서는 "지시서를 계속 고쳐 쓰는 구조"로 확장된 것

이 실패에 대한 반작용으로 뭐가 떴냐면요, "지시서부터 제대로 쓰자"는 흐름이에요. 어려운 말로 스펙 주도 개발이라고 하는데, 별거 아니에요. "코드보다 지시서를 먼저 꼼꼼히 쓰고, 그 지시서를 계속 살아있는 문서로 관리하자"는 거예요.
2026년 지금, 이름 들어보셨을 만한 AI 코딩 도구들 — 깃허브의 Spec Kit, 아마존의 Kiro, Tessl 같은 곳들 — 이 전부 이 방식을 도입했어요. 핵심은 이거예요. 예전엔 코드가 진짜고 문서는 곁다리였는데, 이젠 거꾸로 지시서가 진짜고 코드는 거기서 나온 결과물이라고 보는 거예요.

---

• ① 결과물이 틀린 경우 — 지시서는 맞는데, AI가 이번에 실수함 → 다시 시키면 해결됨
• ② 지시서 자체가 부족한 경우 — 애초에 지시서가 애매하거나 빠진 게 있어서, 다시 시켜도 또 틀림
• 이 둘을 구분하지 않으면 — 매번 "다시 해줘"만 반복하며 같은 실수를 영원히 되풀이
• SpecLoop 용어로 각각 ARTIFACT_DEFECT(산출물 결함) / SPEC_DEFECT·SPEC_GAP(지시서 결함·공백)이라 부른다

요리에 비유해 볼게요. 레시피대로 요리했는데 오늘따라 요리사가 실수로 소금을 두 번 넣었어요. 이건 요리사 잘못이죠. 다시 만들면 돼요. 그런데 만약 레시피 자체에 "소금 적당량"이라고만 쓰여 있어서, 요리사가 매번 다른 양을 넣는다면요? 이건 요리사를 몇 번을 바꿔도 똑같이 반복돼요. 레시피를 고쳐야 해요.
이 두 가지를 꼭 구분해야 해요. 첫 번째, 산출물만 잘못된 경우 — 다시 시키면 끝나요. 두 번째, 지시서 자체가 부족한 경우 — 이건 아무리 다시 시켜도 똑같이 틀려요. 지시서를 고쳐야만 해결돼요. SpecLoop이라는 설계에서는 이 둘을 각각 산출물 결함, 지시서 결함이라고 부르고 완전히 다르게 처리합니다.

---

• 소루프(자동) — 산출물 결함(①)이면, 사람 개입 없이 AI가 자동으로 다시 시도
• 대루프(사람 승인 필수) — 지시서 결함(②)이면, AI가 "이렇게 고치면 어떨까요?"라는 개정안을 제안하고, 사람이 승인해야만 지시서가 바뀜
• 왜 대루프는 자동화하지 않는가 — 지시서를 잘못 고치면 다음 모든 작업에 영향을 주기 때문 (요리 비유: 레시피북 자체를 함부로 못 고치게 하는 것과 같은 이치)

그래서 대응도 두 갈래로 나뉩니다. 요리사 실수(산출물 결함)면, 그냥 자동으로 다시 시켜요. 사람이 신경 쓸 필요 없어요. 이걸 소루프라고 불러요.
그런데 레시피 자체가 문제(지시서 결함)면요? 이건 AI가 마음대로 레시피북을 고치게 두면 안 돼요. 대신 AI가 "이 레시피를 이렇게 고치면 어떨까요?" 하고 개정안만 제안하고, 사람이 "그래, 그렇게 고치자" 하고 승인해야만 실제로 바뀝니다. 이걸 대루프라고 불러요. 왜 이렇게 하냐면, 레시피북 한 번 잘못 고치면 그다음 만드는 모든 요리에 영향을 주잖아요. 그래서 여기만큼은 반드시 사람이 마지막 도장을 찍게 만드는 거예요.

---

• 2026년 4월 3일, 카파시가 또 하나의 실험을 공개 — 원자료 폴더를 던져주면 AI가 알아서 위키를 만들고, 계속 갱신하는 시스템
• 그의 한 주제 리서치 위키가 어느새 100개 글, 40만 단어로 자라 있었다
• 다음날 그는 이 구조를 "아이디어 파일"이라는 형태로 공개해 누구나 자기 에이전트에 붙여 넣어 쓸 수 있게 했다
• 핵심: 결과물이 사람 손을 거의 안 타고도 스스로 정교해진다 — 오늘 배우는 대루프와 같은 정신

카파시 이야기를 하나 더 할게요. 이번엔 2026년 4월 3일이에요. 이 사람이 원자료를 폴더에 던져놓고 AI한테 맡기면, AI가 알아서 위키 사이트를 만들고, 새 자료가 들어올 때마다 계속 갱신하는 시스템을 공개했어요. 글을 쓰고, 관련 글끼리 서로 링크를 걸고, 분류까지 스스로 해요. 그렇게 몇 달 지나니까 한 주제 위키가 글 100개, 단어 40만 개짜리로 자라 있었대요.
다음 날엔 이 구조를 통째로 공개했어요. "아이디어 파일"이라고 부르는데, 이걸 복사해서 아무나 자기 에이전트한테 붙여넣으면 똑같이 따라 만들 수 있게요. 이게 왜 중요하냐면, 결과물이 사람이 매번 다 챙기지 않아도 스스로 정교해진다는 거예요. 오늘 배우는 대루프랑 정확히 같은 정신이에요.

---

• 2026년 4월 30일, 세쿼이아 캐피털 행사에서 카파시가 정리한 새 개념 — "Agentic Engineering"
• 본인 블로그 원문: "You work with your agent to design a detailed spec... You are in charge of oversight... taste, engineering, design."
• 정리하면 — AI에게 시킬 건 시키되, 명세 설계·감독·최종 판단(안목)은 반드시 사람 몫
• 이건 오늘 배운 소루프(자동)·대루프(사람 승인)의 원칙과 정확히 같은 그림이다

마지막으로 하나만 더요. 2026년 4월 30일, 세쿼이아라는 유명 벤처캐피털 행사에서 카파시가 자기 생각을 한 단계 더 정리해요. "Agentic Engineering"이라는 개념이에요.
이 사람이 자기 블로그에 쓴 말을 그대로 옮기면요. "에이전트와 함께 자세한 명세를 설계하고, 그 문서를 에이전트가 쓰게 한다. 당신은 감독을 책임진다." 그리고 "안목, 엔지니어링, 설계, 그리고 이 시스템이 말이 되는지를 당신이 책임진다"고 해요.
정리하면, AI한테 일은 시키되, 지시서를 설계하고, 감독하고, 마지막 안목으로 판단하는 건 사람 몫이라는 거예요. 어디서 많이 들어본 얘기 같지 않으세요? 방금 우리가 배운 소루프, 대루프랑 완전히 같은 그림이에요.

---

[현장 노트 — 강사 경험담]
여러분, 저도 이 문제를 오래 겪었어요. 팀원한테든 AI한테든, 보고서를 받으면 매번 똑같은 걸 지적했어요. "출처 좀 명확히 써줘", "숫자 단위 통일해줘." 처음엔 그냥 제가 꼼꼼한 사람이라 그런가 보다 했어요.
그런데 어느 순간 깨달았어요. 제가 매번 같은 말을 반복하고 있다는 건, 문제가 받는 사람이 아니라 제가 준 업무 요청서 자체에 있다는 신호였던 거예요. "출처 명시"라는 규칙을 요청서에 아예 못 박아버렸더니, 그다음부터는 그 지적을 할 일이 없어졌어요. 사람한테도 통하는 원리가, AI한테는 더 잘 통합니다.
(강사님 본인의 실제 반복 지적 경험으로 자유롭게 각색해 말씀해 주세요. 핵심은 "같은 지적의 반복 → 지시서 문제라는 깨달음"의 흐름입니다.)

---

• 2026년 4월, 사내 프로젝트 하나가 정확히 이 구조("Blueprint Loop")를 실제로 구현해 돌렸다
• 요청을 구조화된 실행 명세로 바꾸고, 검증 결과를 명세에 되먹이는 파이프라인이었다
• 366회 실행 기록을 남기고, 2026년 4월 23일 개발이 중단됐다 — "선언한 기능 중 일부는 미구현"이라고 스스로 인정한 상태로
• 완벽한 성공담이 아니라 정직한 시도담 — 그래서 더 배울 게 많다

마지막 현장 이야기는 실제로 이 회사 서버 안에서 있었던 일이에요. 2026년 4월, 어떤 프로젝트가 오늘 우리가 배운 거랑 거의 똑같은 구조를 실제로 만들어서 돌렸어요. 요청을 구조화된 명세로 바꾸고, 검증 결과가 그 명세에 다시 반영되는 파이프라인을요.
366번이나 실제로 돌렸어요. 그런데 4월 23일에 멈췄습니다. 왜 멈췄냐면요, 스스로 "선언한 기능 중 일부는 아직 구현이 안 됐다"고 정직하게 밝혀둔 상태였어요. 완벽하게 성공한 이야기가 아니에요. 그런데 저는 이게 더 값지다고 봐요. 아이디어가 그냥 이론이 아니라 실제로 누군가 손에 쥐고 부딪혀봤다는 증거니까요. 오늘 배운 개념이 먼 나라 얘기가 아니라, 바로 이 안에서도 이미 한 번 시도됐던 거예요.

---

표로 정리했어요. 6·7강에서는 검증의 결과가 우리 머릿속에만 남았죠. 8강에서는 그 결과가 지시서 자체의 버전으로 쌓여요. 그래서 같은 실수가 반복되면, 다음번엔 지시서가 먼저 "이거 고쳐야 할 것 같은데요" 하고 제안을 해와요. 사람이 하는 일은 줄어드는 게 아니라 바뀌어요. 매번 똑같은 걸 검증하는 대신, 지시서를 고칠지 말지 최종 판단만 하면 되는 거예요.

---

• 실습 사이트에서 "SpecLoop 미니 시뮬레이터"를 열어봅니다
• ① 간단한 지시서(명세) 한 장을 보고 AI 실행 버튼을 누른다
• ② 결과가 PASS인지 FAIL인지, FAIL이면 산출물 문제인지 지시서 문제인지 판정을 확인한다
• ③ 지시서 문제로 판정되면, 제안된 개정안을 보고 직접 승인/거부를 선택해 본다

이제 직접 만져볼 시간이에요. 실습 사이트에 SpecLoop 미니 시뮬레이터를 준비해 뒀어요. 짧은 지시서 하나로 AI를 실행시켜 보고, 결과가 통과인지 실패인지, 실패라면 산출물 문제인지 지시서 문제인지 화면에서 직접 확인해 보세요. 지시서 문제로 나오면, 제안된 개정안을 보고 여러분이 직접 승인 버튼을 눌러보시면 됩니다. 이게 바로 오늘 배운 대루프를 손으로 느껴보는 거예요.

---

• 매번 검증만 반복하는 대신, 검증 결과가 지시서로 되먹임되는 구조를 만들 수 있다
• 실수는 두 종류다 — 산출물 문제(자동 재시도)와 지시서 문제(사람 승인 후 개정)
• 지시서를 함부로 자동으로 고치게 두지 않는다 — 명세 설계·감독·최종 판단은 언제나 사람의 몫이다 (카파시의 Agentic Engineering과 같은 결론)

오늘 세 가지만 기억하시면 돼요. 첫째, 검증은 한 번 하고 끝나는 게 아니라 지시서에 쌓일 수 있다. 둘째, 실수는 다 같은 실수가 아니다 — 산출물 문제인지 지시서 문제인지 구분하자. 셋째, 그렇다고 지시서를 AI가 마음대로 고치게 두지는 않는다. 명세를 설계하고, 감독하고, 최종 판단하는 건 언제나 우리 몫이에요. 카파시가 최근에 정리한 것도 결국 같은 얘기였죠.

---

[다음 차시 예고] — 9차시 「넣어도 되는 것 vs 넣으면 큰일 나는 것」: 지시서가 스스로 자라나는 건 좋지만, 그 안에 무엇을 넣어도 되고 무엇을 절대 넣으면 안 되는지 — 안전하게 AI를 쓰는 가드레일을 배웁니다.

---

• AI와 대화하는 기술
• 09. 넣어도 되는 것 vs 넣으면 큰일 나는 것
• 엔지니어링 분류: [가드레일] — 안전 / 보안 / 정보보호

---

• 사전학습 / 인트로
• 제9강. 넣어도 되는 것 vs 넣으면 큰일 나는 것
• "잘 쓰는 사람보다, 안전하게 쓰는 사람이 진짜 고수입니다."

자, 여러분. 오늘은 제가 좀 표정 관리를 하면서 시작해야 할 것 같아요. 이번 9강은 지금까지 배운 것 중에 제일 무거운 이야기거든요. 그런데 동시에, 제가 개인적으로 제일 꼭 들려드리고 싶었던 시간이기도 해요.
지난 시간까지 우리는 "AI를 어떻게 하면 더 잘 부려 먹을까"를 배웠죠. 그런데 오늘은 방향이 달라요. "AI한테 뭘 주면 안 되는가", "어디까지가 선인가" 하는 이야기예요. 말하자면 액셀이 아니라 브레이크를 배우는 시간이에요. 오늘 끝나면 여러분은 입력하기 직전에 "어, 이거 넣어도 되나?" 하고 한 번 멈칫하실 수 있게 될 거예요. 저는 그 멈칫이 오늘 강의 전체보다 값지다고 생각해요.

---

• 우리는 AI를 '더 잘 쓰는 법'에만 관심을 둡니다.
• 그런데 — 못 가서 나는 사고보다, 못 멈춰서 나는 사고가 더 큽니다.
• AI도 똑같아요. 잘 못 써서 손해 보는 것보다, 잘못 써서 사고 치는 게 훨씬 무섭습니다.

본격적으로 들어가기 전에 같이 생각해 봅시다. 운전 학원 가면 처음에 액셀부터 안 가르치잖아요. 브레이크부터 가르치죠. 왜냐? 못 가서 사고 나는 사람보다, 못 멈춰서 사고 나는 사람이 훨씬 많거든요.
AI도 마찬가지예요. 우리는 지금까지 "어떻게 더 잘 시킬까"만 배웠는데, 사실 더 무서운 건 따로 있어요. 한 번의 잘못된 입력이 회사를, 고객을, 나 자신을 곤란하게 만드는 거예요. 오늘은 그 브레이크를 배웁니다.

---

• 학습내용
  • AI는 왜 위험한 것도 '덥석' 받는가 — 양심 없는 신입사원
  • 절대 넣으면 안 되는 정보 3덩어리 (개인정보·회사기밀·남의 자료)
  • 안전하게 쓰는 법 (가려서 넣기·내부용 도구·판단 기준 한 문장)
  • 회색지대 — 편향·저작권·책임은 누구 몫인가
• 학습목표
  • "AI한테 넣은 건 내 손을 떠난다"는 원리를 설명할 수 있다.
  • 넣어도 되는 정보와 넣으면 안 되는 정보의 선을 스스로 그을 수 있다.
  • 위험한 입력을 안전한 입력으로 바꾸는 요령(가명처리)을 쓸 수 있다.

오늘 갈 길을 먼저 보여드릴게요. 먼저 AI가 왜 위험한 것도 아무렇지 않게 받는지 그 정체를 봅니다. 그다음 절대 넣으면 안 되는 정보를 딱 세 덩어리로 묶어드리고요. 그러고 나서 "그럼 회사 일은 아예 못 시키냐", 아니에요, 안전하게 쓰는 요령을 알려드려요. 마지막으로 편향·저작권·책임 같은 좀 애매한 회색지대까지 짚을게요.
오늘의 진짜 목표는 겁주기가 아니에요. 입력 직전에 한 번 멈칫하는 습관, 그 안전벨트 하나 챙겨 가시는 게 목표입니다.

---

• AI는 '다음 단어를 확률로 맞히는' 기계 — 뜻을 헤아리지 않습니다.
• 그래서 AI한테는 '이거 위험한데' 하는 양심의 가책이 없다.
• 죄책감도, 부담감도, "받아도 되나?" 하는 머뭇거림도 없음
• 위험한 정보·민감한 자료·이상한 부탁 → 일단 다 '덥석' 받음

오늘도 우리가 늘 해온 질문부터 던질게요. "AI는 왜 이런 애일까?"
AI는 다음 단어를 확률로 맞히는 기계라고 했죠. 뜻을 헤아리는 게 아니라요. 그래서 아주 중요한 사실이 따라 나와요. AI한테는 '이건 위험한데' 하는 양심이 없어요. 회사에 일은 엄청 빠른데 분별력이 없는 신입이 들어왔다고 생각해 보세요. "이 고객 주민번호 좀 정리해 줘" 해도 표정 하나 안 변하고 "네!" 하고, "경쟁사 깎아내리는 글 써줘" 해도 술술 써와요. 위험한 일인지 스스로 판단을 안 해요. 못 하는 거예요.

---

• 요즘 AI가 명백히 나쁜 요청은 거절하기도 합니다.
• 하지만 그건 회사가 '일부러 막아둔 울타리'지, AI의 양심이 아님
• 그 울타리는 허술하고, '회사 자료'는 위험한 줄도 모르고 받음
• 결론: AI에 양심이 없으니 그 선을 우리가 그어줘야 한다.

물론 요즘 AI들이 좀 똑똑해져서 명백하게 나쁜 요청은 거절하기도 해요. 그런데 그건 만든 회사가 일부러 막아놓은 거지, AI가 스스로 양심이 생긴 게 아니에요. 그 울타리도 생각보다 허술하고요. 무엇보다 우리가 무심코 넣는 '회사 자료' 같은 건 AI가 위험한 줄도 모르고 그냥 받아요.
그러면 결론이 나오죠. 받는 쪽이 안 멈추면, 주는 쪽인 우리가 멈춰야 합니다. 이게 오늘의 핵심 한 문장이에요.

---

• 일을 시키기 전에, AI한테 '울타리 문장'을 미리 깔아두기
• "내가 준 자료 안에 있는 내용으로만 답해줘. 없으면 '없다'고 해줘."
• "확실하지 않으면 단정하지 말고, 확인이 필요하다고 알려줘."
• "법·의료·돈 관련은 일반 설명만 하고, 전문가 상담을 덧붙여줘."
• → AI가 위험한 영역으로 달려가다 그 선 앞에서 한 번 멈춤

그래서 우리가 쓸 수 있는 첫 번째 안전장치가 '미리 선을 그어주는 문장'이에요. 일을 시키기 전에 울타리를 쳐주는 거죠.
"내가 준 자료 안에 있는 내용으로만 답해라." 이거 지난 시간에 배운 거죠? 근거만 쓰게 하는 거. 이게 거짓말 막는 장치이기도 하지만 안전 측면에서도 중요해요. AI가 인터넷에서 제멋대로 긁어온 부정확한 정보를 안 섞게 막아주니까요. 거기에 "확실치 않으면 단정 마라", "법·의료·돈은 전문가 상담을 덧붙여라" 같은 문장을 깔아두면, AI가 위험한 데로 달려가다가도 그 선 앞에서 멈칫합니다.

---

• 채팅창은 나랑 둘만의 비밀 대화처럼 느껴집니다 (착각!)
• 진실: 내가 친 글자는 인터넷 건너편 회사의 컴퓨터로 전송됨
• 내 책상이 아니라 '남의 회사 서버'로 가는 것
• 한번 넘어간 자료는 "돌려주세요" 한다고 깨끗이 회수되지 않음

자, 오늘 딱 하나만 가져가신다면 이거예요. "AI한테 넣은 건, 내 손을 떠난다."
많은 분들이 착각하세요. AI 채팅창이 꼭 나랑 둘이서만 비밀 이야기 나누는 것 같거든요. 화면도 조용하고 나 혼자 키보드 치고 있으니까 일기장에 적는 기분이 들어요. 그런데 절대 그렇지 않아요. 여러분이 친 그 글자들은 인터넷 건너편 어떤 회사의 컴퓨터로 전송이 됩니다. 내 책상이 아니라 남의 서버로 가는 거예요. 그리고 한번 건네준 건 "돌려주세요" 한다고 깨끗하게 회수가 안 돼요.

---

• AI에 회사 자료를 넣는다 = 외부 업체 직원에게 우리 서류를 복사해 건네는 것
• 그 사람이 어떻게 보관하는지, 누구에게 보여주는지 우리는 모름
• "알아서 잘 하겠지" 하고 넘기는 것 — 통제권이 사라짐
• 이미 복사·저장됐을 수도 있어, 되돌리기 어려움

직장인 비유로 풀어볼게요. AI한테 회사 자료를 넣는다는 건, 처음 보는 외부 업체 직원한테 우리 회사 서류를 통째로 복사해서 건네주는 거랑 비슷해요. 그 사람이 그걸 어떻게 보관하는지, 누구한테 보여주는지, 나중에 뭘 배우는 데 쓰는지 우리는 몰라요. 그냥 "알아서 잘 처리하겠지" 하고 넘기는 거죠.
그런데 한번 건네준 서류는 "아, 돌려주세요" 한다고 회수가 안 돼요. 이미 복사가 됐을 수도, 어딘가 저장됐을 수도 있죠. 이 그림을 머리에 딱 넣어두세요.

---

• 사람을 특정할 수 있는 정보
• 이름·주민등록번호·전화번호·주소·계좌·카드번호·건강정보
• 특히 고객 명단, 직원 명부 — "표 좀 정리해줘" 하고 통째로 넣기 쉬움
• 이건 손해 차원이 아니라 법(개인정보보호법) 위반이 될 수 있음

그럼 구체적으로 뭘 조심해야 하느냐. 딱 세 덩어리로 묶어드릴게요. 첫째, 개인정보예요. 사람을 특정할 수 있는 정보. 이름, 주민번호, 전화번호, 주소, 계좌, 카드번호, 건강 정보 이런 거요.
특히 고객 명단이나 직원 명부, 무심코 "이 표 좀 정리해 줘" 하고 통째로 넣기 쉬운데 이거 정말 위험해요. 이건 단순히 회사가 손해 보는 차원이 아니라, 법을 어기는 일이 될 수 있어요. 개인정보보호법이라는 게 있어서, 남의 개인정보를 함부로 외부에 넘기면 회사도 나도 책임을 지게 됩니다.

---

• ② 회사 기밀
  • 미발표 신제품·계약서·매출/원가 등 내부 숫자·영업비밀·핵심 소스
  • 외부 AI에 넣는 건 '금고 비밀번호를 모르는 사람한테 알려주는 것'
• ③ 남의 정보와 자료
  • 거래처가 비밀로 준 자료, 다른 사람이 만든 보고서
  • 내 것이 아니므로 내 마음대로 넘길 권한이 없음

둘째, 회사 기밀이에요. 아직 발표 안 한 신제품, 계약서, 매출이나 원가 같은 내부 숫자, 영업 비밀, 핵심 소스 자료. 이건 회사 경쟁력 그 자체잖아요. 외부 AI에 넣는다는 건 회사 금고 비밀번호를 모르는 사람한테 알려주는 거랑 비슷해요. 실제로 해외 어느 큰 회사에서는 직원들이 AI한테 내부 소스랑 회의 내용을 넣었다가 그게 새는 바람에, 회사가 사내 AI 사용을 한동안 금지시킨 일도 있었어요. 한 사람의 무심함이 회사 전체를 멈춰 세운 거죠.
셋째, 남의 정보와 자료예요. 거래처가 비밀로 해달라고 준 자료, 다른 사람이 만든 보고서. 이건 내 것이 아니라 남의 것이니까 내 마음대로 넘기면 안 돼요.

---

• "고객 표 정리해줘" → 고객 수천 명 개인정보가 외부 서버로 (법 위반)
• "이 소스·회의록 요약해줘" → 영업비밀 유출 → 사내 AI 사용 금지령
• "거래처가 준 가격표로 비교해줘" → 신뢰 배신, 계약 위반
• 공통점: 나쁜 의도가 아니라 '5분 아끼려는 무심함'에서 시작됨

이런 사고들, 무서운 게 뭐냐면요, 다 나쁜 마음에서 시작된 게 아니에요. "이거 AI한테 넣으면 5분이면 끝나겠는데?" 하는 그 무심함에서 시작돼요.
고객 표 하나 정리하려다 수천 명 개인정보를 외부로 흘리고, 소스 요약 좀 시키려다 회사 영업비밀이 새고, 거래처가 믿고 준 자료를 넣었다가 신뢰를 깨버리고요. 본인은 그냥 일 빨리 끝내려던 것뿐인데 결과는 어마어마하죠. 그래서 우리한테 필요한 건 의도가 아니라 '습관'이에요. 멈칫하는 습관.

---

• 자료를 넣기 전에 민감한 부분만 바꿔치기
• 사람 이름 → 'A씨', 'B부장' / 회사명 → '우리 회사', '거래처'
• 진짜 숫자 → 비슷한 가짜 숫자
• 핵심: AI는 일을 돕되, 누구 일인지는 모르게 만든다

자, 그럼 "회사 일은 아예 시키지 말라는 거예요?" 하실 텐데, 아니에요. 방법이 있어요. 제가 평소에 쓰는 요령을 알려드릴게요.
가장 쉬운 건 '가려서 넣기'예요. 넣기 전에 사람 이름은 A씨, B부장으로 바꾸고, 회사 이름은 우리 회사, 거래처로 바꾸고, 진짜 숫자는 비슷한 가짜 숫자로 바꿔요. AI가 일은 도와줄 수 있되 누구 일인지는 모르게 만드는 거죠. 내가 원하는 도움은 똑같이 받으면서 위험한 정보는 하나도 안 넘어가요.

---

• 받는 결과물은 똑같다 — 다만 위험한 정보만 쏙 빠진다.

이 표가 오늘의 핵심 실습이에요. 왼쪽이 위험한 입력, 오른쪽이 안전한 입력인데 잘 보세요. 받는 결과물은 똑같아요. 안내문도 받고, 분류도 받고, 보도자료도 받아요. 그런데 오른쪽은 위험한 정보만 쏙 빠져 있죠.
첫 줄 보세요. "김철수님이 3월 5일 500만 원 미납" 대신 "고객 A가 특정일에 일정 금액 미납"이라고 해도 정중한 안내문은 똑같이 나와요. 이름과 날짜와 금액이 AI한테 갈 이유가 없는 거예요. 이 감각을 몸에 익히시는 게 오늘 제일 중요합니다.

---

• 회사에 공식 허락된 AI 도구가 있는지 꼭 확인
• 보안 강화된 전용 AI는 내부 자료를 넣어도 외부로 안 새게 계약돼 있음
• 회사 규정이 있으면 그걸 따르는 게 제일 안전 — 규정이 곧 방패
• 판단 기준 한 문장: "이거, 신문에 실려도 괜찮은 내용인가?"

또 하나, 회사에 공식적으로 허락된 AI 도구가 있는지 꼭 확인하세요. 요즘 회사들이 보안 강화된 전용 AI를 따로 마련하는 경우가 많아요. 그런 건 내부 자료를 넣어도 외부로 안 새게 계약이 돼 있어요. 회사 규정이 있으면 그걸 따르는 게 제일 안전합니다. 규정이 곧 여러분을 지켜주는 방패예요.
그리고 한 문장으로 정리할게요. 넣기 전에 "이게 신문에 실려도 괜찮은 내용인가?" 하고 자문해 보세요. 괜찮으면 넣고, 조금이라도 찜찜하면 가리거나 멈추세요. 이 질문 하나가 여러분을 정말 많이 지켜줍니다.

---

• ① 편향
  • AI는 인터넷의 '다수 목소리'로 기울어요 — 세상을 공평히 담지 않음
  • 채용·평가·사람 판단에 쓸 땐 특히 조심 → 중요한 판단은 사람이 한다
• ② 저작권
  • 들어가는 쪽: 남의 책·기사 전문을 막 넣어 쓰면 문제 소지
  • 나오는 쪽: AI 결과물이 어디서 본 걸 흉내 냈을 수 있음
  • 외부 공개 전엔 "베낀 티 안 나나" 점검 (특히 그림·로고)

이제 좀 더 미묘한 회색지대 이야기예요. 첫째, 편향. AI는 인터넷의 어마어마한 글을 보고 배웠는데, 그 인터넷이 세상을 공평하게 담고 있질 않아요. 어떤 입장은 글이 많고 어떤 입장은 거의 없죠. 그래서 AI는 자기도 모르게 다수의 목소리로 기울어요. 그러니 채용을 정하거나 사람을 판단하는 일에 쓸 땐 정말 조심하셔야 해요. 중요한 판단은 결국 사람이 하는 거고, AI는 참고만 하는 거예요.
둘째, 저작권. 들어가는 쪽은 남의 책이나 기사 전문을 막 넣는 거, 나오는 쪽은 AI가 만든 게 어디서 본 걸 흉내 냈을 수도 있다는 거예요. 그래서 외부에 내보낼 땐 한 번 점검하세요. 특히 그림이나 로고요.

---

• AI가 틀린 답 → 그대로 보고서에 넣어 올림 → 사고
• 누가 책임? 내 이름 달고 나간 순간, 책임은 100% 나.
• AI는 도구다 — 계산기가 틀렸다고 계산기 탓 안 하듯
• "어차피 내 책임"으로 일하면 한 번 더 보고 한 번 더 챙기게 됨 → 그게 나를 지킴

셋째, 이게 제일 중요한데 책임이에요. AI가 틀린 답을 줬어요. 그걸 그대로 보고서에 넣어 윗선에 올렸어요. 사고가 났어요. 누가 책임질까요? AI가? 아니에요. 그 결과물에 내 이름을 단 순간, 책임은 100% 나한테 있어요.
AI는 도구예요. 계산기랑 똑같아요. 계산기가 틀렸다고 계산기 탓 안 하잖아요. 검산 안 한 내 탓이지. 그런데 저는 이게 오히려 마음 편한 길이라고 생각해요. 책임을 떠넘길 수 있다고 착각하면 방심하게 되는데, 처음부터 "어차피 내 책임"으로 일하면 자연스럽게 한 번 더 보고 한 번 더 챙기게 되거든요. 그게 결국 나를 지켜줘요.

---

• 상황 — 고객 정보가 든 자료를 AI로 처리하고 싶다. 그런데 그대로 넣으면 '내 손을 떠나는' 위험한 입력이 된다. 넣기 전에 '안전한 형태'로 바꾸는 연습을 해봅니다.
• 이렇게 해보세요
  • ① 위험 정보가 든 예시 문장을 하나 만든다 — 고객명·연락처·계약금액·주민번호(또는 사번)를 일부러 다 넣어본다.
  • ② 그걸 AI에 넣기 전 '안전하게' 바꾼다 — 실명은 가명(A고객)으로, 숫자는 범위·마스킹으로(500만원→'수백만원대'), 식별정보는 삭제, 또는 핵심만 요약본으로.
  • ③ 변환본으로만 작업을 지시한다. 위험본과 안전본을 위아래로 나란히 두고 비교해본다.
• 이런 결과물 — '넣어도 되는 형태'로 바꾸는 가명처리 요령을 손에 익힙니다. 원하는 도움은 똑같이 받되 위험 정보는 한 줄도 안 넘어갑니다.
• 체크포인트 — 9차시 핵심 '넣은 건 내 손을 떠난다'와 안전선을 떠올린다. 무엇을 지웠고 무엇만 남겼나? 안전본만 봐도 일이 되나?

자, 눈으로만 보던 걸 직접 손으로 해볼 시간이에요. 어렵지 않아요. 먼저 일부러 '위험한 문장'을 하나 만들어 보세요. 고객 이름, 연락처, 계약 금액, 주민번호나 사번까지 다 때려 넣은 문장이요. "김OO 고객, 010-XXXX, 500만원 미납" 이런 식으로요. 일부러 더럽게(?) 만들어 보는 거예요.
그다음이 진짜예요. 이걸 AI에 넣기 전에 '세탁'을 합니다. 실명은 A고객으로 바꾸고, 500만원은 '수백만원대'로 뭉개고, 연락처랑 주민번호는 아예 지워버려요. 아니면 "고객 A가 일정 금액을 미납한 상황"처럼 핵심만 요약본으로 줄여도 돼요. 그리고 이 '안전본'으로만 일을 시켜보세요. "정중한 안내문 써줘" 해보면, 결과물은 위험본 넣었을 때랑 똑같이 나와요.
마지막으로 위험본이랑 안전본을 위아래로 나란히 놓고 보세요. 내가 뭘 지웠고 뭘 남겼는지. 그러고 스스로 물어보세요. "안전본만 봐도 AI가 일을 해주네?" 네, 해줘요. 이름과 숫자는 AI한테 갈 이유가 없었던 거예요. 이 감각, 오늘 꼭 손에 익혀 가세요.

---

• 고객사 제안서 작성 중 — 담당자 이름·연락처·내부사정·가격이 든 엑셀
• "통째로 넣으면 5분이면 끝나겠는데?" → 복사 → 붙여넣기 → 전송 직전
• 그 순간 손가락이 안 눌러졌습니다. "이거 남의 회사 정보잖아."
• 다 지우고 멍하니 앉았어요. "나 방금 큰일 날 뻔했다."

제 부끄러운 이야기 하나 할게요. AI에 한창 재미 들렸을 때, 고객사에 보낼 제안서를 쓰고 있었어요. 담당자 이름, 연락처, 그 회사 내부 사정, 우리가 제시할 가격이 엑셀에 쫙 정리돼 있었죠. "이거 통째로 넣고 초안 써달라 하면 5분이면 끝나겠는데?" 하고 복사해서 채팅창에 붙여넣고, 커서가 보내기 버튼 위에 올라갔어요.
그런데 갑자기 손가락이 안 눌러지더라고요. 등골이 서늘했어요. 머릿속에서 "야, 그거 고객 연락처잖아. 남의 회사 가격이잖아. 너 마음대로 외부에 넘겨도 돼?" 하고 묻는 것 같았어요. 그래서 손을 떼고 싹 다 지웠어요. 그러고 한참 멍하니 앉아 있었죠. "아... 나 방금 큰일 날 뻔했다." 그날 이후로 저는 뭘 넣기 전에 무조건 한 번 멈춰요. "이거, 신문 1면에 실려도 괜찮아?" 그 멈칫하는 1초가 제 직장 생활을 지켜주는 안전벨트예요. 여러분은 그런 아찔한 순간 안 겪으셨으면 좋겠어요.

---

• 1. AI는 양심이 없다 — 받는 쪽이 안 멈추니 주는 우리가 선을 긋는다.
• 2. 넣은 건 내 손을 떠난다 — 개인정보·회사기밀·남의 자료는 넣지 않는다.
• 3. 꼭 써야 하면 이름·숫자를 가려서, 회사 허락된 도구를 쓴다.
• 4. 편향은 의심하고, 저작권은 점검하고, 책임은 내 몫이다.
• 핵심 한 줄: "넣기 전에 한 번 멈칫하자."

오늘 배운 걸 정리할게요. 첫째, AI는 위험한 것도 양심 없이 덥석 받아요. 받는 쪽에 브레이크가 없으니 주는 우리가 선을 그어줘야 합니다. 둘째, AI한테 넣은 건 내 손을 떠나요. 개인정보, 회사 기밀, 남의 자료는 함부로 넣지 마세요. 꼭 써야 하면 이름과 숫자를 가려서, 회사에 허락된 도구로요. 판단 기준은 "이거, 신문에 실려도 괜찮은가?" 한 문장이에요.
그리고 편향은 그대로 믿지 말고, 저작권은 내보내기 전에 점검하고, 책임은 결국 내 몫이라는 것. 오늘 핵심을 딱 한마디로 줄이면 "넣기 전에 한 번 멈칫하자"예요. 잘 쓰는 사람보다 안전하게 쓰는 사람이 진짜 고수입니다. 무거운 이야기 끝까지 들어주셔서 고맙습니다.

---

다음 차시 예고 — 9차시 「흐름으로 일하고, 나만의 AI 비서 만들기」: 이제 기본기가 완성됐습니다. 큰일을 '초안 만들고 → 비평하고 → 고치는' 하나의 흐름(워크플로우)으로 굴리고, 매번 똑같이 설명하기 귀찮은 일은 아예 '나만의 AI 비서'로 저장해 두는 법까지 배웁니다.

---

• AI와 대화하는 기술
• 10. 흐름으로 일하고, 나만의 AI 비서 만들기 — [워크플로우]

---

• 사전학습 / 인트로
• 제10강. 흐름으로 일하고, 나만의 AI 비서 만들기
• "한 방에 끝내려 하지 말고, 돌려가면서·쪼개가면서 일하자."

여러분 안녕하세요. 벌써 10강까지 오셨네요. 여기까지 따라오셨다는 건, 이제 AI한테 말 거는 게 제법 손에 익으셨다는 뜻이에요. 단어 골라서, 역할 정해주고, 예시 보여주고, 단계 나눠서 시키고. 이제 여러분은 AI랑 '대화'를 할 줄 아는 사람이 된 거예요.
그런데 오늘은 한 단계 더 올라가 봅니다. 지금까지가 '말 한 번 잘 거는 법'이었다면, 오늘은 '일을 통째로 맡기는 법'이에요. 신입한테 "이 문장 다듬어줘" 시키는 거랑, "이 보고서 처음부터 끝까지 만들어봐" 시키는 건 완전히 다른 일이잖아요. 후자는 한 마디로 안 끝나죠. 오늘은 바로 그걸 배웁니다.

---

• 간단한 일은 척척, 그런데 큰일을 한 방에 시키면 뒤로 갈수록 헤맵니다.
• 매번 똑같은 설명을 처음부터 다시 붙이는 일, 지긋지긋하지 않으셨나요?
• 혹시… AI를 '매번 새로 시키는' 게 아니라 '한 번 가르쳐 두고 부려먹는' 방법이 있지 않을까요?

본격적으로 들어가기 전에 같이 생각해 봅시다. AI한테 짧은 일은 잘 시키시잖아요. 그런데 "기획서 통째로 써줘" 같은 큰일을 한 방에 던지면, 처음엔 좋다가 뒤로 갈수록 슬슬 엉뚱해져요. 왜 그럴까요?
또 하나. 일 시킬 때마다 "너는 우리 회사 마케팅 담당이고, 말투는 이렇고…" 똑같은 설명을 매번 다시 쓰고 계시진 않나요? 오늘 이 두 가지 답답함을 한꺼번에 풀어드릴게요.

---

• 학습내용
  • AI가 복잡한 일을 한 번에 못 끝내는 이유 (앞으로만 달리는 기계)
  • 흐름으로 일하기 ① — 초안·비평·수정, 세 바퀴 돌리기
  • 흐름으로 일하기 ② — 큰일을 작은 단계로 쪼개 이어 붙이기
  • 나만의 AI 비서 만들기 — 기본 설정 vs. 전용 비서
• 학습목표
  • 반복·대형 업무를 '한 번에'가 아니라 '흐름'으로 처리할 수 있다.
  • 재사용 프롬프트 템플릿과 맞춤 비서를 만들어 일관성과 속도를 얻는다.
  • 즉흥으로 시킬 때와 흐름화했을 때의 차이를 설명할 수 있다.

오늘 갈 길을 먼저 보여드릴게요. 크게 두 덩어리예요. 앞부분은 '흐름으로 일하기'. 큰일을 어떻게 돌리고 쪼개서 맡기느냐. 뒷부분은 '나만의 비서 만들기'. 매번 설명하던 걸 어떻게 한 번 저장해서 두고두고 부려먹느냐.
오늘의 목표는 '코딩'이 아니에요. 여러분이 지금 쓰는 그 AI 도구에서, 당장 내일 업무에 써먹을 수 있는 일하는 방식을 바꾸는 거예요.

---

• 1강 복습 — AI는 다음 단어를 확률로 맞히며 '앞으로만' 달리는 기계
• 미리 전체 설계도를 그려놓고 쓰는 게 아님 → 긴 일은 중간에 길을 잃음
• 증상: 처음은 좋다가 뒤로 갈수록 엉뚱, 앞의 약속을 까먹고, 디테일이 뭉개짐
• 사람도 똑같음 — "지금 당장 완벽한 사업계획서 한 번에 써!"는 무리

1강 기억나세요? AI는 다음 단어를 확률로 맞히는 기계예요. 앞 단어 보고 다음 단어, 또 그거 보고 그 다음 단어. 이렇게 앞으로만 달려나가요. 미리 전체 설계도를 그려놓고 쓰는 게 아니에요.
그래서 복잡하고 긴 일을 한 방에 시키면, 중간에 길을 잃어요. 처음엔 좋은데 뒤로 갈수록 새고, 앞에서 한 약속 까먹고, 디테일이 뭉개져요. 우리도 "시장분석, 경쟁사, 전략, 예산, 일정 지금 당장 한 장에 다 써!" 하면 머리가 안 따라가잖아요. AI는 어떤 면에선 더 심해요.

---

• AI에 큰일을 한 방에 시키는 것 = 신입을 회의실에 앉혀놓고…
• "30분 줄 테니 완벽한 사업계획서 써와. 질문 금지, 수정 기회 없음, 딱 한 번."
• 결과는? — 당연히 망함
• 진짜 일은 이렇게 안 시킴 → 초안 받고, 코멘트 달고, 다시 고쳐오게 함

제가 자주 드는 비유예요. AI한테 복잡한 일을 한 번에 시키는 건, 신입을 회의실에 딱 앉혀놓고 "지금부터 30분 줄 테니 완벽한 사업계획서 한 번에 써와. 물어보지도 말고, 고칠 기회도 없어. 딱 한 번이 끝이야" 하는 거랑 똑같아요. 어떻게 될까요? 망하죠.
그런데 실제로 신입한테 이렇게 안 시키잖아요. "일단 초안 가져와 봐" 하고, 받아보고 빨간펜으로 코멘트 달아주고, 다시 고쳐오게 하죠. 이 당연한 걸 AI한테도 그대로 해주면 됩니다.

---

• 한 번에 끝내지 말고 같은 대화창에서 빙글빙글 '돌려가며' 일하기
• ① 초안 — "신제품 보도자료 초안 써줘"
• ② 비평 — "방금 그 글을 까칠한 기자 입장에서 냉정하게 비평해줘"
• ③ 수정 — "지적한 문제점 전부 반영해서 다시 써줘"
• 두세 바퀴 돌리면 더 안 좋아지는 지점이 옴 → 거기서 멈춤

자, 첫 번째 흐름이에요. 신제품 보도자료를 쓴다고 쳐요. 첫 번째 바퀴, 초안. 그냥 시켜요. AI가 그럴듯한 초안을 뱉어내죠. 보통 여기서 "음 별론데?" 하고 새 질문을 다시 던지는데, 그게 함정이에요.
두 번째 바퀴가 핵심이에요. 비평. 같은 대화창에서 "방금 네가 쓴 글을 까칠한 기자 입장에서 냉정하게 비평해줘" 하는 거예요. 자기가 쓴 글을 자기더러 까라고 시키는 거죠. 그런데 이게 진짜 잘 먹혀요. AI는 글 쓰는 것도 잘하지만 평가도 의외로 잘하거든요.
세 번째, 수정. "지적한 거 다 반영해서 다시 써줘." 그럼 초안하고 비교가 안 되게 좋아진 버전이 나와요. 두세 바퀴 돌리면 충분합니다.

---

• AI는 '생성'만큼 '평가'도 잘함 (자기 글의 약점 찾기 포함)
• 비평 역할을 명확히 주면 날카로운 코멘트가 쏟아짐
  • "도입부가 광고 같습니다 / 구체적 수치가 없습니다 / 고객 혜택이 안 보입니다"
• 사람이 빨간펜 드는 수고를 AI가 대신 → 나는 '확인'만
• 핵심: 첫 끗발에 완벽을 기대하지 말 것. 그게 이 기계의 한계

왜 비평 단계가 마법 같냐면요. AI한테 "까칠한 기자가 돼서 비평해" 하고 역할을 딱 줘버리면, "도입부가 너무 광고 같습니다, 구체적 수치가 없습니다, 고객 혜택이 안 보입니다" 이런 날카로운 코멘트가 쭉 나와요.
원래 이건 우리가 빨간펜 들고 해야 할 일이잖아요. 그걸 AI가 대신 해주는 거예요. 나는 그걸 보고 확인만 하면 되고요. 첫 끗발에 완벽한 걸 못 주는 건 AI의 당연한 한계예요. 그 한계를 인정하고, 돌려가면서 일하는 겁니다.

---

• 같은 결과물을 다듬는 게 아니라, 일 자체를 여러 토막으로 분해
• 길을 안 잃을 만큼 짧게 끊어서 한 토막씩 끝냄
• 예: '팀 워크숍 기획'을 한 방에 던지면 → 두루뭉술한 결과물 하나
• 그러지 말고, 컨베이어 벨트처럼 단계로 쪼개 이어 붙이기

두 번째 흐름이에요. 방금 건 같은 결과물을 빙글빙글 돌려 다듬는 거였죠. 이번엔 아예 일 자체를 여러 토막으로 쪼개는 거예요.
왜 필요하냐. AI는 한 번에 긴 일을 시키면 뒤로 갈수록 길을 잃으니까요. 그럼 답은 간단해요. 길 안 잃을 만큼 짧게 끊어서 시키면 되죠. '팀 워크숍 기획'을 통째로 던지면 두루뭉술한 거 하나 나오고 끝이에요. 그러지 말고 토막을 냅니다.

---

• 1단계 — "워크숍 목표·핵심 주제 후보 5개 뽑아줘" → 하나 고름
• 2단계 — "'팀 소통 강화'로 가자. 하루짜리 시간대별 일정표 짜줘"
• 3단계 — "오후 팀 활동, 게임 3개를 진행 방법까지 짜줘"
• 4단계 — "이 전체 내용으로 팀원 안내 메일 써줘"
• 앞 토막 결과 = 다음 토막 재료. 마음에 안 드는 단계만 다시 시키면 됨

실제로 해볼게요. 1단계, 주제 후보 다섯 개 뽑아서 하나 골라요. 2단계, 그 주제로 일정표를 짜요. 1단계 결과를 2단계 재료로 넣는 거죠. 3단계, 일정표 안의 오후 활동을 구체화하고. 4단계, 전체로 안내 메일을 써요.
보이세요? 큰 덩어리를 네 토막으로 쪼개고, 앞 결과를 다음 재료로 넣어 컨베이어 벨트처럼 이어 붙였어요. 단계마다 AI가 집중하니까 품질이 확 올라가요. 그리고 중간에 한 단계가 별로면 거기만 다시 시키면 돼요. 전체를 엎을 필요가 없어요.

---

• 7강: 한 번의 질문 안에서 "차근차근 단계 밟아 생각해" 부탁 → AI가 알아서
• 오늘: 내가 사회자가 돼 단계마다 결과를 받고·확인하고·골라 넘김
• 차이는 '운전대' — 내가 더 꽉 쥐고 직접 운전
• 큰일·중요한 일일수록 토막 내서 직접 운전하는 게 안전

"이거 7강에서 배운 단계 나누기랑 뭐가 달라요?" 좋은 질문이에요. 7강은 한 번의 질문 안에서 "차근차근 생각해" 하고 AI한테 맡기는 거였어요. 오늘 이건, 아예 여러분이 사회자가 돼서 단계마다 결과를 받아보고, 확인하고, 골라가면서 다음으로 넘기는 거예요.
한마디로 운전대를 여러분이 더 꽉 쥐는 거예요. 큰일일수록, 중요한 일일수록 이렇게 토막 내서 직접 운전하시는 게 좋아요.

---

• 흔한 풍경: 새 대화창마다 "너는 우리 회사 마케팅 담당이고, 말투는…" 반복
• 안 그러면 AI가 또 제멋대로 — 매번 처음 본 사람처럼 굶
• 원인: AI는 '기억상실증' — 대화창 끝나면 싹 잊음, 새 창은 백지상태
• 비유: 매일 아침 옆자리 동료에게 자기소개를 처음부터 다시 하는 셈

이제 오늘의 두 번째 큰 주제예요. 혹시 AI한테 일 시킬 때마다 "너는 우리 회사 마케팅 담당이야, 30대 직장인 대상이고, 말투는 친근하되 가볍지 않게, 이모지 쓰지 마…" 이런 걸 새 대화 열 때마다 또 쓰고, 또 쓰고 하시진 않나요?
왜 이러냐. AI는 기억상실증이 있어요. 대화창 하나 끝나면 거기 나눈 얘기를 싹 잊어요. 새 창 열면 여러분이 누군지 하나도 몰라요. 회사로 치면 매일 아침 옆자리 동료한테 자기소개를 처음부터 다시 하는 거예요. 미치죠.

---

• 도구마다 이름만 다름 — '맞춤 설정' '커스텀 지침' 'GPTs'… 이름은 잊어도 됨
• 핵심은 하나: 매번 설명하던 내용을 한 번 적어 저장
• 그러면 다음부터 AI가 그걸 기억하는 것처럼 행동 → 자기소개 불필요
• 재사용 = 일관성(매번 같은 품질) + 속도(설명 생략)

그래서 나온 게 오늘의 주인공, '나만의 AI 비서'를 만들어 저장해두는 기능이에요. 도구마다 이름이 달라요. '맞춤 설정', '커스텀 지침', 'GPTs'… 이름은 다 잊어버리셔도 돼요.
핵심은 딱 하나예요. 매번 설명하던 내용을 한 번 적어서 저장해두는 거예요. 그럼 그다음부터는 AI가 그걸 기억하고 있는 것처럼 행동해요. 자기소개를 안 시켜도 되는 거죠. 한 번 적어두면 매번 같은 품질로, 설명 없이 빠르게 나와요.

---

• ① 기본 설정 — 나에 대한 프로필을 한 번 등록
  • "나는 마케팅팀, 답변은 한국어로 핵심만, 존댓말" → 모든 대화에 기본 적용
• ② 전용 비서 — 특정 업무만 전문으로 하는 AI 직원을 채용해 책상에 앉힘
  • 예: '주간보고서 작성 비서' — 형식·말투·항목을 한 번 자세히 셋업
  • 월요일에 "이번 주 한 일 A·B·C" 한 줄 → 완성 보고서 뚝딱

방법이 크게 두 가지예요. 첫 번째는 기본 설정. 설정 메뉴에 "당신에 대해 알려주세요" 같은 칸이 있어요. 거기다 "나는 마케팅팀이고, 답변은 한국어로 핵심만, 존댓말로" 적어두면 모든 대화에서 기본으로 깔고 가요. '나라는 사람의 기본 프로필' 등록이에요.
두 번째가 진짜 강력해요. 특정 업무 전용 비서를 통째로 하나 만드는 거예요. 매주 주간보고서를 쓴다면 '주간보고서 비서'를 만들어서, 형식이랑 말투랑 항목을 한 번 자세히 가르쳐 놔요. 그럼 월요일 아침에 "이번 주 한 일은 A, B, C야" 한 줄만 던지면 형식 맞춰 완성본이 나와요. 특정 일만 하는 AI 직원을 한 명 채용해 앉혀두는 거죠.

---

• 판단 기준 한 줄: "이거, 나 다음에도 또 똑같이 시키겠는데?"
• Yes → 비서로 저장 (반복 업무, 고정 형식, 정해진 말투)
• No → 그냥 대화로 (한 번 하고 말 일)
• 셋업 팁: 좋은 '예시' 하나를 붙여라 (4강 — 백 마디 설명보다 낫다)

그럼 어떤 일을 비서로 만드냐. 기준은 간단해요. "이거, 나 다음에도 또 똑같이 시키겠는데?" 싶은 일. 그게 바로 비서 후보예요. 반복되고, 형식 정해져 있고, 말투 정해진 일이요. 한 번 하고 말 일은 그냥 대화로 하시면 돼요.
셋업할 때 팁 하나. 4강에서 배웠죠, 좋은 예시 하나가 백 마디 설명보다 낫다고. 비서 만들 때 원하는 결과물 예시를 하나 붙여주면, 설명 길게 쓰는 것보다 훨씬 정확하게 따라 해요.

---

자, 오늘의 핵심을 한 표로 비교해 볼게요. 왼쪽이 즉흥, 오른쪽이 흐름화예요. 큰 보고서를 즉흥으로 한 방에 던지면 두루뭉술한 게 나오죠. 흐름화하면 초안·비평·수정으로 돌리거나 단계로 쪼개요.
매주 반복 업무를 즉흥으로 하면 매번 긴 설명을 다시 타이핑해요. 비서를 만들어두면 한 줄만 넣으면 끝이에요. 결과를 보세요. 즉흥은 품질이 들쭉날쭉, 속도도 매번 처음부터. 흐름화는 품질이 일정하고, 셋업 한 번 해두면 그다음부턴 즉시예요. 이 차이가 오늘 강의의 전부예요.

---

오늘 배운 세 가지를 한 표에 모았어요. 결과물이 한 방에 별로면 초안·비평·수정으로 돌려라. 일이 너무 크면 단계로 쪼개 이어 붙여라. 매번 같은 설명이 지겨우면 비서로 만들어 한 번 가르쳐 두고두고 부려라.
보세요. 세 가지가 전부 같은 뿌리에서 나왔어요. "AI는 한 방에 못 하고, 금방 까먹는다"는 한계요. 우리는 그 한계를 탓하는 게 아니라, 한계에 맞춰 일하는 방식을 바꾸는 거예요. 그게 워크플로우예요.

---

• 상황 — 매주 똑같이 반복하는 업무, 매번 처음부터 설명하며 새로 시키고 계시진 않나요? 오늘은 그걸 '한 번 만들어 재사용'하고, 한 걸음 더 나가 AI에게 간단한 자동화까지 시켜봅니다.
• 이렇게 해보세요 — 두 가지를 차례로 해봅니다.
  • ㉠ 나만의 프롬프트 템플릿 — 자주 하는 업무(주간보고·고객응대 메일 등) 하나를 골라, 빈칸만 채우면 되는 재사용 프롬프트로 정리하세요. 예: "아래 [이번 주 한 일]을 우리 팀 주간보고 형식으로 써줘 — [ ]". 가능하면 맞춤 비서·커스텀 지침에 고정해 두면 다음부턴 한 줄이면 끝.
  • ㉡ 🔧 자동화 맛보기 (코딩 아님, '시켜먹기') — AI에게 ▷ 엑셀 수식을 시켜보세요("매출이 100만 원 넘으면 '우수', 아니면 '보통'으로 표시하는 수식 만들어줘"). ▷ 또는 매번 손으로 하던 반복 작업의 정리를 맡기고 결과만 받으세요. 핵심: 내가 코드를 짜는 게 아니라, AI가 대신 만들어 주고 우리는 붙여넣어 쓰는 것!
• 이런 결과물 — 빈칸만 채우면 되는 재사용 템플릿 1개 + AI가 만들어 준 엑셀 수식(또는 자동화) 한 토막.
• 체크포인트 — 10차시의 '흐름화·재사용'이 어떻게 일관성과 속도를 동시에 주는지 느껴보세요. 그리고 '나는 코딩을 배우는 게 아니라, AI에게 시켜서 부려먹는다'는 관점이 잡혔는지 확인!

자, 이제 직접 해볼 시간이에요. 두 가지를 해볼 건데요, 첫 번째는 어렵지 않아요. 여러분이 매주, 매번 똑같이 하는 일 하나 떠올려 보세요. 주간보고든 고객 응대 메일이든요. 그걸 '빈칸만 채우면 되는' 템플릿으로 한 번 정리해 두는 거예요. 그럼 다음 주엔 빈칸만 채워서 던지면 끝이에요. 앞에서 배운 비서에 그대로 고정해 두면 더 좋고요.
그런데 진짜 재밌는 건 두 번째예요. 이거 보시면 "어? 이게 돼?" 하실 거예요. 엑셀 수식, 다들 머리 아파하시잖아요. 함수 외우고 괄호 맞추고. 그거 이제 AI한테 시키세요. "매출이 100만 원 넘으면 우수, 아니면 보통이라고 표시하는 수식 만들어줘" 하면, AI가 IF 수식을 딱 만들어 줘요. 우리는 그걸 복사해서 엑셀에 붙여넣기만 하면 끝! 여기서 중요한 거, 우리가 코딩을 배우는 게 절대 아니에요. 코드는 AI가 짜고, 우리는 그걸 받아서 부려먹는 거예요. 이게 바로 '자동화 맛보기'예요. 오늘 딱 이 맛만 보셔도, 앞으로 일하는 게 완전히 달라집니다.

---

• 매주 금요일 '주간 동향 리포트' — 형식 빡빡, 두세 시간씩 끙끙
• AI를 써도 안 줄었음 — 매번 긴 설명을 새 창에 다시 타이핑했으니까
• 어느 날 30분 들여 '주간 리포트 전용 비서'를 셋업 (예시까지 첨부)
• 그 후: 메모 붙여넣고 "이걸로 써줘" 한 줄 → 30초. 두세 시간이 십 분으로

제 옛날 얘기 하나 할게요. 예전 회사에서 매주 금요일이 공포의 날이었어요. 주간 동향 리포트를 써야 했는데, 형식 빡빡하고 말투 딱딱하고 분량은 한 장. 매주 두세 시간씩 붙잡고 끙끙댔어요.
AI를 써도 안 줄었어요. 왜냐, 매주 새 창 열고 "너는 정중한 보고서 작성자야, 형식은…" 이 긴 설명을 처음부터 다시 타이핑하고 있었거든요. 어느 날 마음먹고 30분 들여서 '주간 리포트 전용 비서'를 만들었어요. 예시 보고서도 하나 붙여줬고요.
그다음 주에, 비서 열고 메모 붙여넣고 "이걸로 써줘" 한 줄 보냈더니 30초 만에 완벽한 보고서가 나왔어요. 두세 시간이 십 분으로 줄었어요. 그날 정시 퇴근하면서 느낀 해방감, 지금도 기억나요. 30분 투자가 몇 달 동안 매주 몇 시간씩 돌려준 거예요. 여러분도 '나 이거 매주 하는데' 싶은 일 하나, 오늘 끝나고 딱 비서로 만들어 보세요.

---

• 1. AI는 한 방에 못 끝낸다 — '한 번에' 말고 초안·비평·수정으로 돌려라.
• 2. 큰일은 토막을 내라 — 앞 단계 결과를 다음 재료로, 컨베이어 벨트처럼.
• 3. AI는 대화 끝나면 다 까먹는다 — 반복 업무는 나만의 비서로 저장하라.
• 핵심 한 줄: "한 번에 끝내지 말고, 돌리고·쪼개고·저장하라."

오늘 배운 걸 셋으로 정리할게요. 첫째, AI는 복잡한 일을 한 방에 못 끝낸다. 그러니 초안·비평·수정 세 바퀴를 돌려라. 둘째, 큰일은 토막을 내서 앞 결과를 다음 재료로 이어 붙여라. 셋째, AI는 대화 끝나면 다 까먹으니, 반복 업무는 나만의 비서로 저장해 한 번 가르쳐 두고두고 써라.
딱 한 줄만 가져가신다면 "한 번에 끝내지 말고, 돌리고 쪼개고 저장하라." 결국 핵심은 같아요. AI의 한계를 탓하지 말고, 그 한계에 맞춰 일하는 방식을 바꾸는 것. 그게 요령이에요.

---

다음 차시 예고 — 10차시 「배운 걸 다 합쳐, 실제 업무 하나 끝내기」: 프롬프트·컨텍스트·하네스·가드레일·워크플로우를 하나로 꿰어, 실제 업무 하나를 시작부터 끝까지 함께 완성하는 종합 실전편입니다.

---

• AI와 대화하는 기술
• 11. 배운 걸 다 합쳐, 실제 업무 하나 끝내기 — [마무리/종합 실전]

---

• 마지막 시간 / 인트로
• 제11강. 배운 걸 다 합쳐, 실제 업무 하나 끝내기
• "오늘은 새 기술을 배우는 날이 아닙니다. 배운 걸 한 줄로 꿰어, 진짜 일 하나를 끝내는 날입니다."

자, 드디어 왔습니다. 마지막 시간이에요. 아홉 강을 다 들으신 것만으로도 정말 대단한 겁니다.
그런데 제가 솔직히 걱정이 하나 있어요. 지금까지 배운 게 머릿속에서 따로따로 흩어져 있을까 봐서요. 프롬프트 따로, 컨텍스트 따로, 검증 따로… 이렇게 나열하면 좀 많죠? 부담스럽기도 하실 거예요.
오늘 보여드리고 싶은 건 이거예요. 이 아홉 개가 사실은 따로 노는 게 아니라, 실제로 일할 땐 하나의 자연스러운 흐름으로 줄줄이 꿰어진다는 거요. 운전 배울 때 처음엔 미러 보고, 깜빡이 켜고 하나하나 외우지만 몇 달 지나면 그냥 '운전'이 되잖아요. 오늘이 딱 그렇게 합치는 시간입니다.

---

• 칼질, 불 조절, 간 맞추기를 따로 배웠다고 요리를 할 줄 아는 건 아닙니다.
• 진짜 실력은 '기법을 아는 것'이 아니라 '언제 꺼내 쓸지 아는 것'에서 나옵니다.
• 그건 — 한 접시를 처음부터 끝까지 만들어봐야 생깁니다.

본격적으로 들어가기 전에 같이 생각해 봅시다. 요리 학원에서 칼질 배우고, 불 조절 배우고, 간 맞추기 배웠어요. 그런데 그걸 따로 배웠다고 요리를 할 줄 아는 건 아니죠? 실제로 손님상에 낼 한 접시를 처음부터 끝까지 만들어봐야 "아, 내가 요리를 할 줄 아는구나" 하게 돼요.
오늘이 그 '한 접시'를 만드는 날이에요. 그래서 오늘은 복습이 아니라 '통합'입니다. 배운 걸 다시 떠올리는 게 아니라, 한 줄에 꿰어서 실제로 굴려보는 거예요.

---

• 학습내용
  • 실제 업무 하나(분기 보고서)를 1~10강 요령으로 처음부터 끝까지 완성하기
  • 5요령(프롬프트·컨텍스트·하네스·가드레일·워크플로우)을 한 흐름에 꿰는 풀 워크스루
  • 도구·모델을 고르는 '변하지 않는 기준', 그리고 흔들리지 않는 태도
• 학습목표
  • 하나의 실무 과제에 5요령을 순서대로 적용해 산출물을 완성할 수 있다.
  • 각 단계에서 어떤 차시의 요령이 쓰이는지 짚어낼 수 있다.
  • 'AI를 탓하지 말고 다루는 법을 바꾼다'는 태도를 자기 일에 적용한다.

오늘 갈 길을 먼저 보여드릴게요. 크게 세 덩어리예요. 첫째, 실제 업무 하나를 골라서 1강부터 10강까지를 전부 써서 끝까지 완성합니다. 이게 오늘의 메인이에요. 둘째, "그래서 나는 언제 어떤 도구를 골라야 하나" 하는 감을 잡습니다. 셋째, 가장 중요해요. AI가 또 바뀌어도 흔들리지 않는 태도를 챙깁니다.
오늘 목표는 새 지식이 아니에요. "아, 이렇게 다 이어지는구나"를 손으로 직접 꿰어보는 것. 그게 목표입니다.

---

• 오늘의 과제 — "이번 분기 팀 실적을 정리해, 다음 주 팀 회의용 보고서 초안 만들기"
• 특별할 것 없는, 누구나 매주·매달 하는 일
• 그래서 통합 연습에 딱 — 이 안에 배운 게 전부 들어 있습니다.
• 여러분도 본인 일 하나 떠올려 보세요 (주간보고·고객메일·기획안 무엇이든)

통합 연습을 하려면 일감이 하나 필요하죠. 제가 고른 건 아주 평범한 거예요. "이번 분기 팀 실적 정리해서, 다음 주 팀 회의에 쓸 보고서 초안 만들기." 특별할 거 없죠?
그런데 바로 이런 평범한 일이 통합 연습엔 딱이에요. 정확히 시켜야 하고, 내 자료를 보여줘야 하고, 헛소리 안 하게 검증해야 하고, 민감한 숫자를 다뤄야 하고, 한 번에 안 끝나니까 흐름으로 굴려야 해요. 우리가 배운 게 전부 들어가요. 여러분도 본인 일 하나 떠올리면서 따라오세요.

---

• ❌ before — "이번 분기 팀 실적 보고서 좀 써줘."
  • AI는 백지 상태 + 내 마음을 못 읽음(1강)
  • → 아무 회사에나 붙여도 되는 알맹이 없는 보고서
  • → 숫자는 죄다 지어냄(환각)
• ✅ after — 5요령을 흐름에 얹어 단계로 진행
• 차이는 'AI의 성능'이 아니라 '내가 일을 건넨 방식'에서 옵니다.

먼저 안 좋은 예부터 볼게요. 제가 AI한테 그냥 "이번 분기 팀 실적 보고서 좀 써줘" 하면 어떻게 될까요? 1강에서 배웠죠. AI는 백지 상태고 제 마음을 못 읽어요. 그러니 어디서 본 듯한, 아무 회사에나 갖다 붙여도 되는 알맹이 없는 보고서를 그럴듯하게 뱉어내요. 숫자는 다 지어내고요.
자, 지금부터 같은 일을 '제대로' 해볼 거예요. 미리 말씀드리면, 결과가 달라지는 건 AI가 좋아져서가 아니라 제가 일을 건네는 방식을 바꿔서예요. 그 차이를 지금부터 단계별로 보여드릴게요.

---

• 가장 먼저 할 일 — 한 덩어리로 던지지 말고 단계로 쪼개기
• 메모장에 흐름 먼저 그리기
  • ① 실적 자료 보여주고 핵심 숫자 정리 → ② '잘된 점/아쉬운 점/다음 계획' 구조 잡기
  • ③ 살 붙여 초안 쓰기 → ④ 검증·내 기준으로 다듬기 → ⑤ 발표용 말투·분량 조정
• 쪼개 놓으면 AI도 길을 안 잃고, 나도 중간중간 점검 가능

재밌는 게 뭐냐면, 10강에서 마지막으로 배운 게 오늘은 제일 먼저 나와요. 일을 시작할 때 가장 먼저 할 일이 "한 덩어리로 던지지 말고 단계로 쪼개는" 거니까요.
그래서 저는 일하기 전에 메모장에 흐름을 먼저 그려요. 자료 보여주고 숫자 정리, 구조 잡기, 초안 쓰기, 검증, 발표용 다듬기. 큰일 하나가 다섯 개의 작은 일로 쪼개졌죠. 이렇게 하면 AI도 길을 안 잃고, 저도 중간중간 결과를 확인하면서 갑니다. 10강의 흐름 설계가 통합의 뼈대예요.

---

• 핵심 표만 골라 붙여넣고, 첫 지시를 건넴
• 예시 지시 한 문장 안에 4개 요령이 녹아 있음
  • "당신은 우리 팀 실적을 돕는 보조예요" → 역할 부여(2강)
  • "아래는 우리 팀 2분기 데이터예요" → 내 자료로 근거(5강)
  • "이 안의 숫자만 쓰고, 없는 건 지어내지 마세요" → 환각 방지(6강)+가드레일(9강)
  • "변화 다섯 가지를 목록으로" → 출력 형식 지정(2강)
• 엑셀 통째로 X, 핵심 표만 O — 신호는 넣고 소음은 뺀다(4강)

흐름을 그렸으니 첫 단계로 가요. 실적 자료를 보여주는 일이에요. 4강에서 "AI는 백지에서 시작하니 배경을 쥐여줘라", 5강에서 "내 자료를 직접 보여주고 그걸 근거로 말하게 하라" 했죠.
그래서 저는 핵심 표를 복사해 붙여넣고 이렇게 말해요. "당신은 우리 팀 실적을 돕는 보조예요. 아래는 2분기 데이터예요. 이 안의 숫자만 근거로 쓰고, 없는 숫자는 지어내지 마세요. 가장 눈에 띄는 변화 다섯 가지를 목록으로 정리해 주세요."
이 한 문단 안에 역할 부여, 자료 근거, 환각 방지, 가드레일, 출력 형식까지 네다섯 개가 녹아 있어요. 따로 외워서 끼우는 게 아니라, 익숙해지면 한 호흡에 줄줄 나오는 거예요. 이게 통합이에요. 그리고 엑셀 통째로 안 넣어요. 핵심만. 신호는 넣고 소음은 빼는 게 4강이죠.

---

• 곧바로 글 쓰게 두지 말고, '분류부터' 시키기
• 예시 — "글을 쓰지 말고, 다섯 가지를 '잘된 점/아쉬운 점/다음 계획' 세 칸으로 분류만. 각 항목이 왜 그 칸인지 한 줄 이유도."
• "곧바로 쓰지 말고" 한마디가 핵심 — AI는 성격이 급해 바로 완성본을 뱉으려 함
• 단계를 끊어주면 생각을 정리하고 감 = 3강 '생각의 사슬'
• 이 단계에서 바로 점검 → 통째로 시키고 끝에 고치는 것보다 빠름

AI가 숫자 다섯 개를 뽑아줬어요. 이제 보고서 구조를 잡을 차례예요. 3강이 나와요. "한 번에 시키지 말고 단계로, 차근차근 생각하게 하라" 했죠.
그래서 "곧바로 글을 쓰지 말고, 먼저 세 칸으로 분류만 해주세요. 왜 그 칸인지 이유도 한 줄씩" 하고 시켜요. "곧바로 쓰지 말고"가 중요해요. AI는 가만 놔두면 성격이 급해서 바로 완성된 글을 뱉으려 하거든요. 단계를 끊어주면 생각을 정리하고 가요. 그게 3강의 생각의 사슬이에요.
그리고 이 단계에서 결과를 봐요. "어, 이건 아쉬운 점이 아니라 잘된 점 아닌가?" 싶으면 바로 고쳐 말해요. 끝에 한꺼번에 고치는 것보다 단계마다 점검하는 게 훨씬 빠릅니다.

---

• 초안 지시 — "이 구조에 살 붙여 발표용 초안. A4 한 장, 담백한 말투"(2강 분량·톤)
• 잘 썼다고 바로 쓰지 마세요 — 그럴듯할수록 의심(6강)
• 되묻기(6강) — "초안의 숫자·사실이 제가 드린 데이터와 일치하는지 한 줄씩 확인. 없던 내용 끼어들었으면 표시해 주세요."
• 실제로 시키면 "이 수치는 추정해 넣었어요" 하고 자백할 때가 있음

구조가 잡혔으면 초안을 써요. "이 구조에 살 붙여서 발표용 보고서 초안, A4 한 장, 담백하게." 2강의 분량·톤 지정이 또 나오죠.
그런데 초안 나왔다고 끝이 아니에요. 여기서 6강, 7강이 들어와요. 제일 많이 놓치는 부분이에요. AI가 그럴듯하게 써주면 마음이 약해져요. "오, 잘 썼네" 하고 그냥 쓰고 싶어지죠. 그런데 6강에서 배웠잖아요. 그럴듯할수록 의심하라고.
그래서 되물어요. "이 초안 숫자가 제가 드린 데이터랑 정확히 맞는지 한 줄 한 줄 확인해 주세요. 없는 내용 슬쩍 들어갔으면 표시해 주세요." 이렇게 시키면 AI가 "아, 여기 이 수치는 추정해서 넣었어요" 하고 자백할 때가 있어요. 그 자백을 받아내는 게 우리 일이에요.

---

• 내 보고서 체크리스트(머릿속/메모)로 초안 훑기
  • 숫자가 자료와 정확히 맞는가
  • 팀장이 궁금해할 '왜'가 들어 있는가
  • 다음 분기 계획이 막연한 구호가 아니라 구체적인가
  • 우리 팀만의 이야기인가, 아무 데나 붙일 일반론인가
• 막히면 AI에게 채점 위임 — "이 4기준으로 점수 매기고, 부족한 항목은 고칠 방법 제안"(7강)

그리고 7강이 나와요. "좋은 답인지 내 기준으로 가려내라" 했죠. 저는 머릿속에 보고서 체크리스트가 있어요. 숫자가 맞는가, 팀장님이 궁금해할 '왜'가 있는가, 다음 계획이 구체적인가, 우리 팀만의 이야기인가.
이걸로 초안을 훑어요. 막히면 AI한테 채점을 시켜요. "이 네 가지 기준으로 스스로 점수 매기고, 부족한 항목은 어떻게 고치면 좋을지 알려줘." 7강에서 배운 'AI한테 AI 답을 채점시키기'죠. 내 기준이 있어야 AI를 부릴 수 있어요.

---

• 밖에 나가면 안 되는 게 섞이지 않았나 멈춰서 확인
  • 고객사 실명이 그대로 노출됐나 → 'A사', 'B사'로
  • 아직 발표 안 된 내부 숫자는 없나
  • 개인 실적이라 누군가에게 민감한 내용은 없나
• 9강은 '마지막 관문'이자 동시에 '맨 처음 습관' — 자료 넣을 때부터 가렸어야

거의 다 왔어요. 그런데 마지막에 꼭 멈춰서 점검할 게 있어요. 9강이에요. 이 보고서에 혹시 밖에 나가면 안 되는 게 들어 있진 않나? 고객사 실명이 그대로 있진 않나? 아직 발표 안 된 내부 숫자는? 개인한테 민감한 내용은?
9강에서 "AI는 위험한 것도 덥석 받으니 우리가 선을 그어줘야 한다" 했죠. 사실 이건 더 앞단, 자료 넣을 때부터 신경 썼어야 해요. 그래서 저는 처음 데이터 붙일 때부터 고객사를 'A사', 'B사'로 바꿔 넣어요. 9강은 마지막 관문이자 동시에 맨 처음 습관인 거예요.

---

자, 다시 돌아봅시다. 우리가 방금 뭘 했죠? 평범한 분기 보고서 하나를 만들었어요. 그런데 그 안에서 1강부터 10강까지가 전부 한 번씩 일을 했어요.
보세요. AI가 백지라는 걸 알았으니 맥락을 줬고, 말귀를 정확히 못 알아드니 역할·형식을 정했고, 한 번에 길을 잃으니 단계로 쪼갰고, 그럴듯하게 지어내니 검증했고, 내 기준이 있어야 하니 채점했고, 위험한 걸 덥석 받으니 선을 그었어요. 전부 "AI가 이렇게 생긴 기계라서 우리가 어쩔 수 없이 이렇게 해준" 거예요. 한계가 있으니까 요령이 있다. 그걸 오늘 한 줄로 직접 꿰어보신 거예요.

---

before와 after를 나란히 놓고 볼게요. 왼쪽은 "보고서 써줘" 한 줄 던진 거, 오른쪽은 우리가 방금 한 거예요.
차이가 보이시죠? 똑같은 AI예요. 똑같은 모델, 똑같은 화면. 그런데 왼쪽은 알맹이 없는 일반론에 숫자도 가짜고, 오른쪽은 우리 팀 이야기에 검증까지 끝난 초안이에요. 이 차이를 만든 건 AI가 아니라 제가 일을 건넨 방식이에요. 이게 오늘 여러분이 가져가실 핵심 증거입니다.

---

• 제품 이름은 외우지 마세요 — 다음 달이면 바뀝니다. 고르는 기준을 챙기세요.
• 이동수단 고르듯 — 거리와 목적에 맞게
  • 가볍고 빠른 일(메일 다듬기·요약) → 가볍고 빠른 모델 (동네 마실엔 슬리퍼)
  • 깊이 생각할 일(복잡한 분석·논리) → 무겁고 똑똑한 추론 모델 (장거리엔 비행기)
  • 내 자료 다룰 일 → 긴 문서 잘 받는 도구 + 보안 확인(9강)
  • 반복하는 일 → 나만의 비서 저장(10강)

통합을 해보면 꼭 드는 궁금증이 있어요. "그래서 나는 어떤 AI를 써야 하지? 종류가 너무 많은데?" 솔직히 많죠. 한 달만 지나도 새 게 나와요. 그래서 제품 이름을 콕 집어드리는 건 의미가 없어요. 대신 변하지 않는 기준을 드릴게요.
도구 고르는 건 이동수단 고르는 거랑 같아요. 편의점 갈 때 비행기 안 타죠. 가볍고 빠른 일은 빠른 모델, 깊이 생각할 일은 똑똑한 추론 모델, 내 자료 다룰 일은 긴 문서 잘 받고 보안되는 도구, 반복할 일은 10강의 나만의 비서. 도구 이름 말고 "이 일이 가벼운가 깊은가, 내 자료가 필요한가, 반복되나" 이 세 가지만 물어보세요. 그러면 새 도구가 나와도 척 보면 감이 와요.

---

• 불안한 거 압니다 — "또 바뀌면 이거 다 쓸모없어지나?"
• 걱정 마세요 — 우리가 배운 건 '버튼 누르는 법'이 아니라 AI를 대하는 태도
• 본질은 안 바뀜 — '다음 단어를 확률로 잇는 기계'인 한, 모호하면 모호하게·가끔 지어냄은 계속 남음
• 그래서 태도는 AI가 바뀌어도 그대로 통합니다. 오히려 더 빛을 발합니다.

이제 오늘 가장 중요한 이야기예요. 솔직히 좀 불안하지 않으세요? "이렇게 열심히 배웠는데 AI가 또 확 바뀌면 다 쓸모없어지는 거 아냐?" 충분히 그럴 수 있어요.
그런데 제가 드리고 싶은 가장 큰 선물이 이거예요. 걱정 안 하셔도 됩니다. 우리가 배운 건 특정 버튼 누르는 법이 아니었어요. "AI가 이렇게 생긴 기계라서 우리가 이렇게 대해줘야 한다", 그 태도와 사고방식이었어요. AI가 아무리 똑똑해져도 '다음 단어를 확률로 잇는 기계'라는 본질은 안 바뀌어요. 그러니 우리 태도도 계속 통해요. 오히려 더 빛을 발합니다.

---

• ① 새 기능 나오면 일단 직접 만져보기 — 뉴스로만 보지 말고 5분이라도 내 일에 대보기
• ② 의심하는 습관은 절대 버리지 않기 — 똑똑해질수록 더 그럴듯해지고, 더 속기 쉬움
• ③ 마지막 판단은 항상 사람이 한다 — AI는 비서, 책임지는 건 내 이름
• 도구는 바뀌어도, 판단의 주인은 끝까지 여러분입니다.

앞으로 계속 배우는 자세, 세 가지만 당부드릴게요. 첫째, 새 기능 나오면 일단 직접 만져보세요. 뉴스로 "오 대단하대" 하고 끝내지 말고 5분이라도 내 일에 대보세요. 손으로 만져봐야 내 것이 돼요.
둘째, 그래도 의심하는 습관은 절대 버리지 마세요. AI가 똑똑해질수록 더 그럴듯해지고, 그럴수록 우리가 더 속기 쉬워요. 6강의 검증 습관은 시간이 갈수록 더 소중해집니다.
셋째, 마지막 판단은 항상 사람이 합니다. AI는 비서지 책임지는 사람이 아니에요. 보고서에 들어간 그 숫자, 그 결정은 결국 여러분 이름으로 나가요. 그래서 7강에서 '내 기준'을 그렇게 강조한 거예요.

---

• 상황 — 방금 강의에서 본 5요령 풀 워크스루를, 이제 여러분 '본인의 진짜 업무 1건'에 그대로 적용해 끝까지 완성합니다. 시연이 아니라 내 일로.
• 이렇게 해보세요 — 5요령을 순서대로 밟으며, 각 단계에서 어떤 요령을 썼는지 스스로 표시해 보세요.
  • ① 업무 1건 고르고 흐름 쪼개기 — 주간보고든 고객메일이든 하나 골라 단계로 나눕니다(10강)
  • ② 맥락·자료 챙겨 주기 — 역할 정해주고 핵심 자료만 골라 근거로 건넵니다(2·4·5강)
  • ③ 단계로 시켜 초안 — 한 번에 시키지 말고 분류→구조→초안으로 끊어 갑니다(3강)
  • ④ 거짓말·품질 검증 — 숫자·사실을 되묻고 내 기준으로 채점시킵니다(6·7강)
  • ⑤ 안전 점검 후 마무리 — 밖에 나가면 안 될 게 없는지 가려내고 마칩니다(9강)
• 이런 결과물 — 5요령을 다 적용해 끝까지 완성한 '진짜 내 업무 산출물 1건'.
• 체크포인트 — 그냥 시켰을 때(before)와 5요령 적용(after)의 차이를 본인 결과물로 직접 체감해 보세요. 이게 수료 후 바로 쓰는 실무 습관입니다.

자, 마지막 실습입니다. 방금 제가 분기 보고서로 처음부터 끝까지 쭉 보여드렸죠? 이제 그걸 제 일이 아니라 여러분 일로 한번 해볼 차례예요. 머리로 "아 그렇구나" 하고 끝내면 내일이면 잊어버려요. 손으로 한 번 해봐야 진짜 내 것이 됩니다.
거창한 거 고르지 마세요. 당장 이번 주에 해야 할 일 하나면 돼요. 주간보고, 고객 메일, 기획안 한 줄짜리도 좋아요. 그걸 가지고 다섯 단계를 그대로 밟아보세요. 쪼개고, 맥락 주고, 단계로 시키고, 검증하고, 안전 점검하고. 각 단계에서 "어, 이게 10강이었지, 이건 6강이었지" 하고 스스로 짚어보면 더 좋아요.
그리고 꼭 비교해 보세요. 그냥 "이거 써줘" 한 줄 던졌을 때랑, 다섯 요령 얹었을 때랑. 그 차이를 여러분 본인 결과물로 느끼는 순간, 오늘 열 번의 수업이 진짜로 여러분 것이 됩니다. 완벽하게 안 해도 돼요. 어설퍼도 끝까지 한 번 굴려보는 것, 그게 시작이에요. 자, 여기까지 오신 여러분이라면 충분히 하실 수 있습니다.

---

• 예전의 저 — 야근이 잦았던 건 일을 못해서가 아니라 '시작'이 늘 무거워서
• 빈 화면 앞 한 시간 → AI와 함께하니 5분 만에 '고칠 게 있는 초안'으로
• 가장 크게 바뀐 건 시간이 아니라 마음 — 시작이 두렵지 않게 됨
• 단, 오해 금지 — AI가 '대신'한 게 아니라 '거들어' 준 것. 책임은 더 많이 졌습니다.

마지막이니까 제 이야기를 솔직하게 들려드릴게요. 저는 야근을 참 많이 했어요. 일을 못해서가 아니라 '시작'이 늘 무거웠거든요. 보고서 하나 쓰려면 빈 화면 앞에서 첫 문장이 안 써져서 한참을 앉아 있었어요.
그러다 마음먹고 AI를 오늘처럼 제대로 대해봤어요. 쪼개고, 맥락 주고, 검증하면서요. 빈 화면 앞 한 시간이 5분 만에 초안이 됐어요. 완벽하진 않았죠. 그런데 '고칠 게 있는 초안'이 '백지'보다 백배 낫잖아요. 가장 크게 바뀐 건 시간이 아니라 마음이었어요. 시작이 안 두려워졌어요.
그런데 오해는 마세요. AI가 제 일을 대신해준 게 아니에요. 거들어 준 거예요. 최종 판단과 책임은 여전히 제가, 오히려 더 많이 졌어요. AI한테 '맡긴다'고 생각하지 말고 '같이 일한다'고 생각하세요. 여러분이 팀장이고, 결과에 책임지는 사람도 끝까지 여러분이에요.

---

• 1. 흩어진 아홉 가지는 실제 일 앞에서 하나의 흐름으로 꿰어진다 — 오늘 직접 해봤다.
• 2. 도구·모델 이름이 아니라 '고르는 기준'을 챙기면, 무엇이 나와도 감이 온다.
• 3. 우리가 배운 건 사용법이 아니라 'AI를 대하는 태도' — 그래서 안 흔들린다.
• 핵심 한 줄: "AI를 탓하지 말고, 다루는 법을 바꾸자."

우리 열 번을 함께 했어요. 시작은 좀 충격적이었죠. "AI는 사실 여러분 말을 이해하지 못한다, 다음 단어를 확률로 맞히는 기계일 뿐이다." 그 한 문장에서 출발했어요. 그런데 그게 실망스러운 이야기가 아니었어요. 오히려 반대였죠. AI가 어떻게 생긴 기계인지 알았기 때문에, 우리는 잘 부리는 요령을 하나하나 익혔고, 오늘 그 모두를 하나로 꿰어 진짜 일 하나를 끝까지 해냈어요.
여러분이 가져가실 단 하나는 프롬프트 문장도, 도구 이름도 아니에요. 이 태도예요. "아, 이 친구가 이렇게 생긴 애니까 내가 이렇게 대해줘야겠구나." 이거 하나면 어떤 AI가 나와도 안 흔들려요. 기술은 바뀌어도 태도는 여러분 안에 남아요. 그게 제가 정말 드리고 싶었던 거예요.

---

> 과정을 마치며 — 완벽한 프롬프트 같은 건 없습니다. 오늘부터 내일 당장, 여러분 업무 하나에 어설프게라도 한번 써보세요. 그 한 번이 여러분을 'AI를 부리는 사람'으로 만들어 줍니다. 여기까지 함께 와주셔서 고맙습니다. 여러분의 일이 오늘보다 조금 더 가볍고, 조금 더 즐거워지길 바랍니다.

---