좋은 기획은 기능이 아니라
사람을 먼저 본다
AI 시대의 콘텐츠와 자동화 설계가 막히는 이유는 기술이 부족해서가 아니라, 그 끝에 있는 '사람'을 먼저 떠올리지 않기 때문이다.
한 기업 교육에서 이런 질문을 받은 적이 있다. "박사님, 저희도 GPT를 도입했는데 왜 직원들이 안 쓸까요?" 회사는 비싼 라이선스를 구매했고, 사내 가이드라인을 배포했으며, 사용법 강의까지 열었다. 그런데도 3개월 뒤 실제 사용률은 한 자릿수였다. 담당자는 도구의 성능을 의심했다. 나는 다른 질문을 던졌다.
"이 도구를 매일 켜야 하는 사람은 어떤 하루를 보내나요?"
답이 막혔다. 회사는 'AI 도입'은 설계했지만, 'AI를 쓰는 사람'은 설계하지 않았다.
이것은 특정 회사만의 문제가 아니다. 지금 거의 모든 조직이 같은 자리에 서 있다. 도구는 넘치는데 정착은 더디다. 자동화는 가능한데 실제로 돌아가는 워크플로는 드물다. 사람들은 기술의 한계를 탓하지만, 대부분의 실패는 기술 이전에 일어난다. 설계의 출발점이 잘못 놓였기 때문이다.
01측정 가능한 것에 매달리는 함정
기술은 측정하기 쉽다. 모델의 성능, 응답 속도, 토큰 비용, 정확도. 숫자로 떨어지는 것들은 의사결정을 편하게 만든다. 반대로 사람은 측정하기 어렵다. 그 사람이 하루 중 언제 가장 바쁜지, 어떤 작업을 귀찮아하는지, 새 도구 앞에서 무엇을 두려워하는지는 표에 들어가지 않는다.
그래서 조직은 측정 가능한 것에 매달린다. 어떤 모델을 쓸지, 어떤 솔루션을 도입할지를 몇 달간 논의한다. 정작 그 도구를 매일 마주할 사람의 동선은 한 시간도 들여다보지 않는다.
에디터를 꿈꾸는 사람들에게 글쓰기를 가르칠 때, 기능이 아니라 그 글을 읽을 사람을 먼저 떠올리라고 한다. '이 글을 읽는 사람은 어떤 하루를 보내고, 무엇에 지쳐 있고, 어떤 한 문장을 기다릴까.' 추상적인 주제 앞에서 막막하던 사람도, 독자 한 명을 구체적으로 그리는 순간 첫 문장이 나온다. AI 설계도 다르지 않다. 거창한 기술 개념의 진입 장벽을 걷어내면, 그 안에는 결국 일하는 사람이 있다.
02도구를 도입하지 말고, 사람의 하루를 재설계하라
대부분의 AI 도입은 '도구 중심'으로 시작한다. 좋은 도구를 고르면 좋은 결과가 나올 거라는 가정이다. 그러나 도구는 하루의 흐름 속에 자리를 잡지 못하면 쓰이지 않는다.
한 공공기관 PoC에서 민원 답변 초안을 AI가 작성하도록 설계한 적이 있다. 처음엔 별도 웹페이지에 접속해 질문을 입력하는 방식이었다. 사용률은 거의 0이었다. 담당자들이 이미 쓰던 업무 시스템을 벗어나 새 창을 여는 그 한 번의 행동이 장벽이었다. 설계를 바꿔, 기존 민원 시스템 안에서 버튼 하나로 초안이 뜨도록 했다. 사용률은 단숨에 60퍼센트를 넘었다.
바뀐 것은 모델이 아니었다. 사람의 동선이었다.
03사람은 정답보다 통제감을 원한다
AI가 완벽한 답을 주면 사람들이 좋아할 거라 생각하기 쉽다. 현실은 다르다. 완성된 결과물을 통째로 던지면, 사람들은 오히려 불안해한다. 자기가 검토할 수 없는 것을 신뢰하지 못하기 때문이다.
마케터를 대상으로 한 자동화 워크숍에서 흥미로운 장면을 봤다. AI가 카피 완성본 한 개를 주는 버전보다, 초안 세 개를 주고 고르게 하는 버전의 만족도가 훨씬 높았다. 결과물의 품질은 비슷했다. 차이는 '내가 골랐다'는 감각이었다.
사람은 자동화의 객체가 되는 순간 손을 뗀다. 반대로 마지막 판단권이 자기에게 있다고 느끼면 적극적으로 개입한다.
자동화를 설계할 때 '완전 자동' 대신 '사람이 마지막에 선택하는 구조'를 기본값으로 두라. AI는 선택지를 좁혀주는 역할, 결정은 사람의 몫. 통제감을 남겨두는 설계가 더 빨리 정착한다.
04신뢰는 성능이 아니라 예측 가능성에서 온다
직장인이 AI를 멀리하는 가장 큰 이유는 성능이 나빠서가 아니다. 언제 틀릴지 예측할 수 없어서다. 한 번 엉뚱한 답을 받으면, 그 도구는 '가끔 거짓말하는 동료'가 된다. 사람은 가끔 거짓말하는 동료에게 중요한 일을 맡기지 않는다.
개발자 팀에 코드 리뷰 보조 도구를 도입했을 때, 정확도 95퍼센트짜리 모델이 외면당하는 걸 봤다. 문제는 5퍼센트의 오류가 '아무 표시 없이' 섞여 있다는 점이었다. 설계를 바꿔, AI가 확신이 낮은 부분은 스스로 "이 부분은 확인이 필요합니다"라고 표시하게 했다. 정확도는 그대로였지만 사용률은 올라갔다. 사람은 틀리는 도구가 아니라, 자기가 틀릴 때를 모르는 도구를 싫어한다.
05가장 강한 자동화는 사람의 판단을 키운다
자동화의 목표를 '사람을 빼는 것'으로 잡으면, 단기 효율은 오르지만 조직의 역량은 줄어든다. 반대로 잘 설계된 자동화는 사람이 더 높은 판단에 집중하도록 시간을 돌려준다.
컨설팅을 하며 본 가장 좋은 사례는, 반복 보고서 작성을 자동화한 뒤 그 시간을 '보고서를 읽고 의사결정하는 회의'에 재투자한 팀이었다. 그들은 도구로 사람을 대체하지 않았다. 사람을 더 사람다운 일로 밀어 올렸다.
06현실에서 이것이 어떻게 작동하는가
새 AI 도구를 익히기 전에, 자신이 가장 많은 시간을 쓰는 반복 작업 하나를 종이에 적어보라. 도구를 찾는 일은 그다음이다. 문제를 먼저 정의한 사람만이 도구를 제대로 쓴다.
마케터라면 콘텐츠 자동화를 도입할 때 '완성본 생성'이 아니라 '초안 다양화'를 목표로 잡아라. 당신이 고를 여지가 남아 있을 때, 그 도구는 위협이 아니라 조수가 된다.
창업가라면 AI를 비용 절감 수단으로만 보면, 결국 경쟁사도 같은 도구를 쓰는 순간 차별점이 사라진다. 도구가 아니라, 그 도구를 누구의 어떤 경험을 위해 쓰는지가 해자가 된다.
정리하며기술의 끝에는 늘 사람이 있다
모델을 고르는 회의가 길어질 때, 솔루션 비교표가 복잡해질 때, 우리는 종종 그 사실을 잊는다. 그러나 도구를 켜는 것도, 결과를 믿는 것도, 끝내 책임을 지는 것도 사람이다.
오늘 당장 실행할 한 가지. 지금 도입했거나 도입하려는 AI 도구를 하나 떠올려라. 그리고 그것을 매일 써야 할 사람 한 명을 구체적으로 그려라. 이름, 직무, 가장 바쁜 시간, 가장 귀찮아하는 작업까지. 그 사람의 하루 안에 도구가 자연스럽게 얹히지 않는다면, 문제는 모델이 아니라 설계다.
거창한 개념의 진입 장벽을 걷어내면, 그 안에는 언제나 일하는 사람 한 명이 있다.