AI에게 일을 맡기면 보통 업무가 줄어들 것이라고 생각합니다.
직접 작성해야 했던 내용을 AI가 만들어주고, 자료를 정리하거나 초안을 만드는 시간도 줄어들기 때문입니다.
그런데 실제로 AI를 업무에 넣어보면 업무가 사라지는 방식이 조금 다르다는 것을 알 수 있습니다.
AI에게 업무를 단계별로 맡기기 시작하면, 기존에는 하나의 업무로 묶어 생각하던 일이 여러 개의 작업으로 구체적으로 나뉘어 보일 수 있습니다.
예를 들어 사내 교육을 준비한다고 해보겠습니다.
예전에는 교육 자료를 직접 만들고 안내문까지 작성했다면, AI를 사용한 뒤에는 자료 초안을 만들고, 내용을 수정하고, 교육 순서를 정하고, 퀴즈를 만들고, 안내문을 따로 작성하는 식으로 일이 나뉠 수 있습니다.
AI가 일을 없앤 것처럼 보여도 실제로는 하나의 업무를 여러 작업으로 나누어 처리하게 되고, 사람은 그 사이에서 각각의 결정을 맡게 될 수 있습니다.
이번에는 사내 교육을 준비하는 상황을 가정해, 하나의 업무를 AI에게 단계별로 맡겨보면서 어떻게 여러 작업으로 나뉘는지 살펴보겠습니다.
하나의 업무가 여러 단계로 나뉜다
AI에게 일을 맡길 때는 보통 하나의 요청을 합니다.
다음 주 사내 교육을 준비해야 해.
초보 직원도 이해할 수 있도록 교육 자료 구성을 만들어줘.
AI는 교육 순서와 내용을 빠르게 만들어줍니다.
여기까지만 보면 일이 상당히 줄어든 것처럼 보입니다.
그런데 실제로 업무를 진행하려고 하면 새로운 일이 생깁니다.
교육 대상자에게 맞는 내용인지 확인해야 하고, 어떤 내용을 강조할지도 정해야 합니다.
교육 자료가 만들어졌다면 발표 순서를 정하고, 필요한 예시를 추가하고, 안내문이나 퀴즈도 준비해야 할 수 있습니다.
즉, 원래는 하나의 큰 업무였던 ‘교육 준비’가 여러 개의 작은 업무로 나뉘게 됩니다.
AI가 한 번에 모든 일을 끝내주는 것이 아니라 업무의 각 단계를 빠르게 처리해주는 방식이기 때문입니다.
이렇게 보면 AI를 사용한 뒤 달라지는 것은 단순히 업무량만이 아닙니다.
업무의 구조 자체가 달라집니다.
사람은 작은 결정을 맡는다
AI가 각각의 작업을 빠르게 처리할수록 사람에게 남는 일은 조금 달라집니다.
직접 처음부터 만드는 일보다는 무엇을 선택할지 결정하는 일이 많아집니다.
예를 들어 AI가 교육 자료의 구성을 세 가지로 만들어줬다고 해보겠습니다.
이제 사람은 어떤 구성이 좋은지 선택해야 합니다.
AI가 예시를 여러 개 만들어주면 어떤 예시를 사용할지 정해야 합니다.
퀴즈를 만들어주면 실제 교육에 필요한 것만 골라야 합니다.
안내문까지 작성해주면 교육 대상자에게 맞는 표현인지 판단해야 합니다.
각각의 결정은 오래 걸리지 않을 수도 있습니다.
하지만 이런 작은 결정이 여러 단계에서 반복되면 업무가 달라집니다.
예전에는 자료를 직접 만드는 데 시간을 썼다면, AI를 사용한 뒤에는 어떤 자료를 만들고 어떤 결과물을 사용할지 결정하는 데 시간을 쓰게 되는 것입니다.
그래서 AI를 사용하면서도 일이 계속 이어지는 것처럼 느껴질 수 있습니다.
업무의 일부가 사라진 대신 사람이 담당하는 부분이 다른 위치로 이동하기 때문입니다.
업무의 완료 기준을 다시 생각하게 된다
AI를 사용하기 전에는 하나의 작업을 끝내는 기준이 비교적 분명한 경우가 있습니다.
교육 자료를 작성하고 저장하면 일단 ‘자료 작성’이라는 작업은 끝난 것으로 볼 수 있습니다.
하지만 AI를 사용해 여러 결과물을 빠르게 만들게 되면, 전체 업무를 어디까지 완료해야 하는지 다시 생각하게 될 수 있습니다.
자료 초안이 만들어졌다고 끝난 것인지, 발표 순서까지 정해야 끝난 것인지, 안내문까지 만들어야 하는지 기준이 애매해질 수 있습니다.
AI가 만들어준 결과물이 여러 개라면 각각의 결과물을 연결하는 과정도 필요합니다.
예를 들어 교육 자료는 초급자를 대상으로 만들어졌는데 안내문은 너무 전문적으로 작성되어 있을 수 있습니다.
퀴즈는 교육 내용과 연결되지 않을 수도 있습니다.
각각의 결과물만 보면 완성된 것처럼 보이지만 전체 업무의 목적을 기준으로 보면 아직 끝나지 않은 상태인 것입니다.
이 지점에서 AI를 사용한 업무의 중요한 변화가 나타납니다.
AI가 결과물을 만드는 속도가 빨라질수록 오히려 ‘언제 이 업무가 끝난 것인가’를 사람이 정해야 하는 상황이 많아질 수 있습니다.
단계가 늘어날수록 연결이 중요해진다
AI가 각각의 작업을 잘 처리하더라도 업무 전체가 자동으로 완성되는 것은 아닙니다.
각 단계에서 만들어진 결과를 다음 단계와 연결해야 하기 때문입니다.
예를 들어 교육 준비라면
교육 목적 정하기
↓
자료 구성 만들기
↓
내용과 예시 준비하기
↓
교육 자료 만들기
↓
퀴즈와 안내문 만들기
↓
전체 일정에 맞게 연결하기
와 같은 과정이 생길 수 있습니다.
이 중 일부는 AI에게 맡길 수 있습니다.
하지만 모든 단계를 하나의 흐름으로 연결하는 일까지 자동으로 해결되는 것은 아닙니다.
오히려 AI를 여러 번 사용할수록 중간 결과물이 많아지기 때문에 각 결과가 다음 단계에서 어떻게 사용되는지 연결하는 역할이 중요해집니다.
이것은 단순히 AI가 만든 결과물을 잘 검토하는 것과는 조금 다른 문제입니다.
결과물이 맞는지를 확인하는 것이 아니라 각 결과물이 최종 목적에 맞게 이어지고 있는지를 보는 것이기 때문입니다.
그래서 AI를 업무에 많이 활용할수록 일을 잘하는 방식도 조금 달라질 수 있습니다.
직접 모든 일을 빠르게 처리하는 능력뿐만 아니라 업무의 처음과 끝이 어떻게 연결되는지 보는 능력도 중요해질 수 있습니다.
최종 결과를 먼저 정한다
AI를 사용하면서 업무가 잘게 나뉘는 것을 막을 필요는 없습니다.
오히려 잘게 나누면 각각의 작업을 AI에게 맡기기 쉬워지는 장점도 있습니다.
중요한 것은 AI에게 작업을 하나씩 맡기기 전에 최종적으로 무엇을 완성해야 하는지 먼저 정하는 것입니다.
예를 들어
“사내 교육을 준비해줘.”
라고 시작하는 것보다
“다음 주 초보 직원 10명을 대상으로 1시간짜리 교육을 진행한다.
교육이 끝났을 때 참석자가 실제 업무에서 바로 사용할 수 있는 수준이 되는 것이 목표다.
교육 자료, 실습 문제, 안내문까지 준비해야 한다.”
처럼 최종 결과와 목적을 먼저 정해두는 것입니다.
그러면 AI가 만들어주는 각각의 결과물을 따로 보는 것이 아니라 최종 업무를 완성하기 위한 과정의 일부로 볼 수 있습니다.
AI에게 일을 하나씩 맡기면서도
이 결과가 최종 업무의 어느 부분에 필요한가?
를 함께 생각해보는 것입니다.
이렇게 하면 AI가 만들어주는 결과물이 많아져도 업무가 어디로 가고 있는지 놓치지 않을 수 있습니다.
마무리
AI에게 일을 맡기면 직접 해야 할 작업이 줄어드는 것은 분명한 장점입니다.
하지만 실제 업무에서는 AI가 하나의 일을 통째로 없애기보다 하나의 업무를 여러 개의 작은 작업으로 나누는 경우가 생길 수 있습니다.
자료를 만들고, 예시를 고르고, 순서를 정하고, 안내문을 작성하는 식으로 사람이 담당해야 할 작은 판단이 여러 단계에 흩어지는 것입니다.
그래서 AI를 사용하면 하나의 업무가 끝난 뒤에도 다음 단계의 판단과 연결 작업이 남아 있을 수 있습니다.
이때 중요한 것은 AI가 일을 얼마나 많이 대신했는지만 보는 것이 아니라, 업무가 어떤 단계로 나뉘었고 각각의 결과가 최종 목적에 맞게 연결되고 있는지를 보는 것입니다.
AI를 업무에 활용할수록 작게 나뉜 일들을 하나의 목적에 맞게 연결하는 역할이 중요해질 수 있습니다.
함께 읽으면 좋은 글
- AI에게 일을 많이 맡기고 있다면 | 업무 기록을 남겨야 하는 이유
- AI가 대신해주는 일이 많아지면 우리는 무엇을 하게 될까?