솔직히 AI 좀 과대평가 아닌가 했는데

처음엔 나도 그랬다. AI 얘기만 나오면 다들 세상이 뒤집힐 것처럼 말하니까, 솔직히 좀 과장 아닌가 싶었거든요. 근데 몇 달 동안 문서 정리, 회의 요약, 초안 작성, 검색 보조에 계속 붙여 써봤더니 생각이 조금 바뀌었다. AI가 만능은 아닌데, 일을 잘 쪼개서 붙이면 꽤 쓸 만하다. 문제는 많은 사람이 AI 자체를 평가한다는 점이다. 사실 더 중요한 건 “어떤 일을 어떤 방식으로 맡기느냐”다.

요즘 딥시크나 화웨이 같은 키워드가 자주 보이는 것도 결국 같은 흐름이다. 누가 더 센 모델을 내놓느냐보다, 실제 업무에서 더 싸고 빠르게 돌릴 수 있느냐가 중요해졌다는 뜻이다. 독자 입장에서는 여기서 뉴스 해설을 읽는 것보다, 당장 AI를 어떻게 붙여야 시간을 아낄 수 있는지가 더 중요하지 않을까. 그래서 오늘은 “AI 과대평가냐 아니냐” 같은 추상적인 얘기 말고, 실무에서 덜 실패하는 AI 활용법만 정리해보려 한다.

AI가 별로처럼 느껴지는 이유는 보통 세 가지다

첫째, 한 번에 너무 큰 일을 시킨다. “기획안 써줘”라고 던지면 그럴듯하지만 애매한 결과가 나오기 쉽다. 둘째, 기준 없이 맡긴다. 길이, 톤, 대상 독자, 금지 표현이 없으면 결과물 품질이 흔들린다. 셋째, 검수 없이 복붙한다. 여기서 환각이나 엉뚱한 문장이 터진다. AI가 별로라기보다, 업무 설계가 대충이면 결과도 대충 나오는 셈이다.

해봤더니 가장 잘 맞는 방식은 “초안 담당자”로 쓰는 거였다. 처음부터 완성본을 기대하지 말고, 60점짜리 초안을 3분 안에 받는 도구로 보면 편하다. 이 관점으로 바꾸면 실망이 꽤 줄어든다. 이게 좀 웃긴데, AI를 잘 쓰는 사람들은 보통 질문을 잘하는 사람이 아니라 수정 지시를 잘하는 사람이더라고요.

실무에서 바로 먹히는 AI 활용 루틴

나는 보통 아래 순서로 쓴다.

• 1단계: 작업 목적 1문장으로 고정
• 2단계: 출력 형식 지정
• 3단계: 제외할 것 명시
• 4단계: 초안 받은 뒤 2차 수정 요청

예를 들면 이런 식이다.

너는 실무 보조자다. 아래 회의 메모를 바탕으로 팀 공유용 요약을 작성해줘. 1) 5줄 이내 2) 결정사항/할 일/리스크로 구분 3) 모호한 표현 금지 4) 확인 안 된 사실은 추정하지 말 것.

이 프롬프트의 핵심은 멋있게 쓰는 게 아니다. 결과물의 틀을 먼저 잡는 거다. 문서 요약, 메일 초안, 제안서 구조화, 고객 문의 분류 같은 일은 이런 방식으로 붙이면 체감 효율이 꽤 올라간다. 반대로 숫자 검증, 법률 해석, 계약 문구 확정처럼 틀리면 큰일 나는 작업은 AI 단독 처리로 넘기면 안 된다.

AI 도입할 때 꼭 챙겨야 할 체크포인트

첫 번째는 데이터 범위다. 사내 문서나 고객 정보가 들어가면 어떤 모델을 쓰는지, 로그가 남는지부터 확인해야 한다. 두 번째는 성공 기준이다. “좋은 답변” 같은 애매한 말 대신, 작성 시간 30% 단축처럼 숫자로 잡아야 한다. 세 번째는 사람 역할이다. AI가 만든 초안을 누가 검수하고, 어디까지 수정 권한을 가지는지 정해두는 게 좋다.

솔직히 아쉬운 점도 있다. 아무리 잘 써도 맥락을 길게 이어받는 일, 조직의 미묘한 정치적 뉘앙스를 읽는 일, 책임 있는 최종 판단은 아직 사람 몫이 크다. 그래서 나는 AI를 “대체자”보다 “압축기”에 가깝게 본다. 생각을 대신하는 게 아니라, 초안 만들기와 정리에 드는 시간을 눌러주는 도구 말이다.

결국 AI가 과대평가됐는지 아닌지는 모델 스펙보다 사용 방식에서 갈린다. 처음부터 거창하게 붙이지 말고, 반복적이고 형식이 있는 작업부터 붙여보면 된다. 써봤는데 가장 효과가 컸던 건 회의 요약, 블로그 아웃라인, 고객 응답 초안, 리서치 정리였다. 이 정도만 제대로 써도 “생각보다 별거 없네”에서 “이건 계속 쓰겠는데”로 금방 넘어간다.

---

📎 참고 자료

• DeepSeek V4와 화웨이 칩 관련 Reuters 보도
• Anthropic Prompt Engineering Overview
• OpenAI Prompt Engineering Guide