저도 무슨 말인지 몰랐습니다

얼마 전 스레드에서 한 분이 자신의 AI 환경을 소개한 글을 봤습니다. 낯선 도구 이름과 용어가 한 문장에 여러 개 이어졌습니다. 저도 AI를 매일 쓰고 있지만, 솔직히 무슨 말인지 잘 몰랐습니다.

그래서 AI에게 제 환경을 저런 말투로 설명해 달라고 했더니, 이런 답이 돌아왔습니다.

"클로드 프로젝트 위에 멀티 에이전트 오케스트레이션을 올려, 코디네이터가 팀별 에이전트에 태스크를 라우팅한다. 노션을 단일 진실 공급원(SSOT)으로 두고, 팀별 지침과 스킬로 컨텍스트를 주입하는 하네스를 짰다. 크론으로 도는 예약 에이전트가 매시간 표류 작업을 감지하고, 원격 제어로 로컬 머신에 붙어 렌더까지 돌린다. 작업 후 회고와 지침 갱신, 주간 감사로 이어지는 자기개선 루프도 돌고 있다."

읽고 나서 저도 '그렇구나' 했습니다. 제가 만든 환경인데, 이 단어들을 알고 만든 게 아니었기 때문입니다.

쉬운 말로 바꾸면

쉬운 말로 바꾸면 이렇습니다. 노션에 팀 아홉 개의 업무 지침을 적어 두고, 팀마다 AI 대화를 따로 둡니다. 저는 대표실 한 곳에만 말하고, 대표실이 맞는 팀에 일을 나눕니다.

![팀 아홉 개가 가운데 한 곳을 둘러싼 미스터달러 AI 업무 환경 구성도](/insights/ai-system-map.jpg "미스터달러 AI 업무 환경 구성도. 2026년 10월 커뮤니티 글에 함께 올린 그림입니다")

정해진 시간마다 멈춘 일이 없는지 살피는 예약 작업이 돌고, 일이 끝날 때마다 막혔던 부분을 지침에 고쳐 적습니다.

이걸 만든 방법은 하나였습니다. AI와 대화하면서 필요한 걸 묻고, 막히면 왜 막혔는지 다시 묻고, 제 업무에 맞게 하나씩 고쳐 온 것입니다.

써 본 사람이 더 빨리 늡니다

해외 연구도 같은 쪽을 가리킵니다. 스탠퍼드대 에릭 브리뇰프슨 교수와 MIT 연구진은 2023년 미국 전미경제연구소(NBER)에 낸 논문에서, 한 회사 고객상담원 5,179명이 AI 도우미를 쓰기 전과 후를 비교했습니다. AI를 쓰자 시간당 해결한 상담이 평균 14% 늘었고, 일을 시작한 지 얼마 안 됐거나 숙련도가 낮은 상담원은 34% 늘었습니다. 처음부터 AI와 함께 일한 신입은 두 달 만에, AI 없이 여섯 달 넘게 일한 선배만큼 해냈습니다.

![AI와 함께 일한 신입과 AI 없이 일한 신입의 시간당 해결 건수 곡선](/insights/ai-onboarding-nber.jpg "AI와 함께 일한 신입은 두 달 만에, AI 없이 일한 신입은 여덟 달이 넘어서야 시간당 2.5건에 닿았습니다(자료: NBER)")

더 눈여겨볼 대목은 그다음입니다. AI 프로그램이 잠시 멈춘 시간에도 AI를 써 본 상담원들은 예전보다 일을 잘했고, 오래 써 본 사람일수록 그 차이가 컸습니다. 숙련도가 낮던 상담원의 말투도 숙련된 상담원을 닮아 갔습니다. 용어를 외워서가 아니라 일하면서 AI와 주고받은 대화가 실력으로 남은 것입니다. 물론 한 회사의 상담 업무에서 나온 결과이고, 이미 숙련된 상담원은 AI를 써도 거의 달라지지 않았습니다. 이 연구가 보여 준 것은 막 시작한 사람이 가장 빨리 는다는 점입니다.

회사에서 배우기 전에 먼저 쓰기 시작한 사람이 더 많다는 조사도 있습니다. 마이크로소프트와 링크드인이 2024년 31개국 지식 노동자 3만 1천 명을 조사했더니 75%가 이미 일터에서 생성형 AI를 쓰고 있었습니다. 그런데 일터에서 AI를 쓰는 사람 가운데 회사에서 AI 교육을 받은 사람은 39%뿐이었고, 78%는 자기가 고른 AI를 직접 가져와 쓰고 있었습니다.

![일터 AI 사용 75%, 직접 가져와 씀 78%, 회사 AI 교육 39%를 비교한 가로 막대](/insights/ai-at-work-gap.jpg "AI를 쓰는 사람 열 명 중 여섯은 회사에서 배운 적 없이 쓰고 있습니다(자료: 마이크로소프트·링크드인)")

물에 들어가야 수영을 배웁니다

그래서 저는 AI를 학문으로 접근하면 안 된다고 생각합니다. 용어부터 익히고 원리를 공부한 뒤에 쓰려고 하면, 빠르게 자라는 AI 생태계를 따라갈 수 없습니다. 공부를 마칠 즈음엔 이미 다른 도구와 방식이 나와 있으니까요.

수영을 책으로 다 배우고 나서 물에 들어가는 사람은 없습니다. AI도 직접 대화하고 시행착오를 겪으면서 배우는 것이 중요합니다. 어려운 단어는 몰라도 괜찮습니다. 내 일에 무엇이 필요한지 AI에게 물어보는 것부터 시작해 보시길 바랍니다.

출처

  • Brynjolfsson, Li, Raymond, Generative AI at Work, NBER Working Paper 31161(2023-04, 2023-11 고침) · https://www.nber.org/papers/w31161
  • Microsoft·LinkedIn, AI at Work Is Here. Now Comes the Hard Part — 2024 Work Trend Index Annual Report(2024-05-08) · https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part
  • 유튜브 커뮤니티 게시물(2026-10-29, 미스터달러 원글) · https://www.youtube.com/post/Ugkx3Uhq-rYn8GgjVdpkZAFiyXYO5hJM_CXz
  • 표지: 마이크로소프트·링크드인 2024 Work Trend Index 보고서의 'BYOAI Is Not Just for Gen Z' 그림, 원자료 화면을 그대로 옮김(번역·글자 더하기 없음) · 위 마이크로소프트 주소
  • 본문 그림 1: 미스터달러 AI 업무 환경 구성도(자체 제작, 2026-10-29 커뮤니티 게시물 첨부).
  • 본문 그림 2: NBER 워킹페이퍼 31161의 경력 곡선 설명으로 미스터달러가 그림.
  • 본문 그림 3: 마이크로소프트·링크드인 2024 Work Trend Index 수치로 미스터달러가 그림.