질문을 바꿔야 답이 보인다
“AI가 인간을 대체하는가”라는 질문은 흥미롭지만 실제 생활에는 너무 큽니다. 더 유용한 질문은 “이 작업의 어느 부분을 AI에 맡기고, 어느 부분을 사람이 책임져야 하는가”입니다. 아이디어 확장, 초안 비교, 반복 작업은 AI가 빠르게 도울 수 있습니다. 반면 목표 설정, 맥락 판단, 결과 검증, 최종 책임은 여전히 사람에게 남습니다.
창의성을 네 단계로 나눠보기
1. 문제 정의
무엇을 만들지보다 왜 만드는지를 먼저 적습니다. 독자, 제약, 성공 기준을 사람이 정하지 않으면 AI는 그럴듯하지만 방향이 없는 결과를 내놓기 쉽습니다.
2. 선택지 확장
이 단계에서는 AI를 적극적으로 사용합니다. 한 가지 답을 받는 대신 서로 다른 관점, 반례, 실패 가능성을 요청하면 사고의 폭을 넓힐 수 있습니다.
3. 검증과 편집
사실, 인용, 제품명, 날짜를 원문과 대조합니다. 표현이 매끄럽다는 이유만으로 정확하다고 판단하지 않습니다. 특히 건강·금융·법률처럼 결과가 큰 주제는 공신력 있는 자료와 전문가 검토가 우선입니다.
4. 책임 있는 공개
최종 글에는 작성자가 실제로 선택한 기준, 버린 선택지, 한계와 수정 가능성을 남깁니다. 독자는 완벽한 정답보다 판단 과정을 통해 더 많은 가치를 얻습니다.
직장인이 바로 적용할 체크리스트
- AI를 쓰기 전에 목적과 독자를 한 문장으로 적었는가?
- 서로 다른 대안과 반론을 함께 요청했는가?
- 핵심 사실을 원문에서 확인했는가?
- 내 경험이나 관찰이 구체적으로 들어갔는가?
- 결과에 대한 최종 책임자가 누구인지 분명한가?
결론
AI의 가치는 사람을 지우는 데 있지 않고 사람이 더 많은 가능성을 비교하도록 돕는 데 있습니다. 좋은 활용의 기준은 생성 속도가 아니라 문제를 더 명확히 이해하고, 근거 있는 선택을 하며, 결과에 책임질 수 있는가입니다.
근거가 되는 세 가지 기준
사람의 최종 책임: UNESCO의 AI 윤리 권고는 AI 시스템이 인간의 최종 책임과 책무성을 대체해서는 안 된다고 설명합니다. 따라서 AI가 초안을 만들었더라도 공개 여부와 결과에 대한 책임은 작성자에게 있습니다.
지속적인 위험 관리: 미국 NIST의 AI 위험관리 프레임워크는 위험을 한 번만 확인하는 체크리스트가 아니라 거버넌스, 맥락 파악, 측정, 관리의 반복 과정으로 다룹니다. 이 글에서는 이를 목적 설정, 선택지 비교, 사실 검증, 공개 후 수정이라는 실무 단계로 바꿔 적용했습니다.
창작에서의 인간 기여: 미국 저작권청의 2025년 보고서는 AI가 인간의 창작을 보조하는 경우와 인간을 대신해 결과를 만드는 경우를 구분합니다. 이는 미국 저작권에 관한 설명이며 한국 법률 판단을 대신하지 않지만, 사람의 선택·배열·수정 과정을 구체적으로 남겨야 하는 이유를 보여줍니다.
40대 직장인이 AI를 실제로 쓰는 방식
저는 실명과 회사명은 공개하지 않고 활동하는 40대 직장인입니다. 현재 AI를 학습하면서 업무 활용과 부업 가능성을 함께 실험하고 있습니다. 유료로 사용하는 도구는 ChatGPT, Claude, Gemini, Perplexity이며, 그중에서도 ChatGPT와 Claude를 가장 자주 사용합니다.
법령과 문서를 검토할 때
업무에서는 법령 검토, 논리 검증, 문서 검토에 AI를 활용합니다. 긴 문서에서 검토할 쟁점을 찾거나 논리의 빈틈을 확인하고, 생각을 다른 관점에서 점검하는 보조 도구로 사용합니다. 다만 AI의 답변을 최종 근거로 받아들이지는 않습니다.
요즘은 답변의 정확도가 많이 좋아졌지만, 과거에는 이미 개정된 예전 법령을 기준으로 설명하거나 실제 내용과 맞지 않는 정보를 그럴듯하게 제시하는 경우가 있었습니다. 그래서 법령과 관련된 답변에는 반드시 출처를 함께 제시해 달라고 요청합니다. 마지막에는 해당 법령의 실제 조문을 직접 열어 눈으로 확인합니다. AI는 검토 범위를 좁혀주는 도구이고, 최종 판단과 책임은 사람에게 있다는 원칙을 지키고 있습니다.
법령 검토를 실제로 진행하는 순서
제가 사용하는 5단계 검토 흐름
질문과 쟁점 정리 → AI에 출처 요청 → 실제 조문 확인 → 시행일·개정 여부 비교 → 최종 문서의 논리 재검토
예를 들어 특정 제도가 어떤 상황에 적용되는지 검토해야 한다면, 먼저 AI에게 관련 법령과 확인해야 할 쟁점을 정리해 달라고 요청합니다. 이 단계의 목적은 정답을 받는 것이 아니라 검토 범위를 빠르게 좁히는 것입니다.
답변에 조문 번호와 그럴듯한 설명이 포함되어 있어도 문서에 바로 옮기지 않습니다. 국가법령정보센터 등 공식 원문을 열어 조문이 실제로 존재하는지, 현재 시행 중인 내용인지, 예외나 부칙이 빠지지 않았는지 직접 확인합니다.
과거에는 AI가 개정 전 내용을 현재 규정처럼 설명하거나 질문과 맞지 않는 정보를 제시한 적이 있었습니다. 이 경험 이후에는 프롬프트에 “근거가 되는 공식 출처와 링크를 함께 제시해 달라”고 명시합니다. 출처를 찾지 못하거나 원문과 답변이 다르면 AI 답변보다 원문을 우선합니다.
실무 원칙: AI의 답변은 검토를 시작하는 초안이고, 실제 조문은 근거이며, 최종 판단의 책임은 나에게 있습니다.
네 가지 AI 도구를 나누어 쓰는 방식
모든 도구에 같은 역할을 맡기기보다 주력 도구와 보조 도구를 나눕니다. 아래 표는 현재 제가 사용하는 방식과 판단 기준을 정리한 것입니다.
| 도구 | 주요 활용 | 사용할 때 확인할 점 |
|---|---|---|
| ChatGPT | 쟁점 정리, 논리 검증, 문서 초안, 에이전트 작업 | 사실과 출처를 별도로 확인 |
| Claude | 긴 문서 검토, 구조 정리, 다른 논리 찾기 | 누락된 조건과 반례를 다시 질문 |
| Gemini | 같은 쟁점을 다른 관점에서 보조 확인 | 주력 도구의 답과 다를 때 원문 확인 |
| Perplexity | 출처 후보와 추가 자료 탐색 | 요약만 보지 않고 연결된 원문 확인 |
대화형 답변에서 에이전트 방식으로
취미로는 개인 프로젝트인 arbiterOS를 만들며 AI 코딩을 실험하고 있습니다. 이전에는 대화창에서 코드를 질문하고 답변을 받아 제가 다시 옮기고 실행하는 방식이 중심이었습니다. 지금은 에이전트에게 작업 목적을 설명하면 파일을 수정하고 실행 결과까지 확인하는 바이브코딩 방식으로 발전했습니다. 덕분에 코딩 경험이 많지 않아도 아이디어를 실제 결과물로 옮기는 과정이 한층 가까워졌습니다.
arbiterOS 작업 방식은 어떻게 달라졌나
이전: 대화창에서 코드를 질문하고, 답변을 복사해 파일에 옮기고, 오류가 생기면 다시 질문하는 과정을 반복했습니다. 답변과 실제 작업 환경이 분리되어 있어 제가 중간 단계를 계속 연결해야 했습니다.
현재: 만들고 싶은 기능과 완료 조건을 설명하면 에이전트가 관련 파일을 확인하고 코드를 수정하며, 실행 결과까지 점검하는 방식으로 작업합니다. 저는 결과가 목적에 맞는지 판단하고 다음 수정 방향을 정하는 역할에 더 집중합니다.
이 변화는 코딩을 전혀 몰라도 된다는 뜻은 아닙니다. 오류 메시지를 읽고, 변경 범위를 확인하고, 원하지 않는 수정이 없는지 검토해야 합니다. 다만 아이디어를 실제로 작동하는 결과물까지 옮기는 진입 장벽은 이전보다 낮아졌습니다.
부업 가능성을 실험하는 이유
저는 바이브코딩이 작은 도구나 서비스를 직접 만들어 부업 가능성을 시험할 수 있는 진입로가 될 수 있다고 봅니다. 물론 AI를 사용한다고 수익이 자동으로 생기는 것은 아닙니다. 실제 사용자에게 필요한 문제를 찾고, 결과물을 검증하고, 꾸준히 개선하는 과정이 필요합니다. 이 사이트에서도 성공을 과장하기보다 무엇을 시도했고 어디서 막혔는지 기록하려고 합니다.
참고 자료
- UNESCO, Recommendation on the Ethics of Artificial Intelligence
- NIST, Artificial Intelligence Risk Management Framework 1.0
- U.S. Copyright Office, Copyright and Artificial Intelligence Part 2
이 글을 쓴 사람
AI를 학습하며 업무 활용과 부업 가능성을 실험하는 40대 직장인입니다. 실명과 회사명은 공개하지 않으며, 직접 사용한 경험과 확인 가능한 출처를 바탕으로 기록합니다. 소개 및 운영 원칙 보기