AI에게 일을 맡겼는데, 설명을 고치는 데 시간이 더 든다. 이럴 때는 명령문을 늘리기 전에 내가 후보를 고르는 기준과 판단을 멈추는 조건부터 적어볼 필요가 있다.
나는 브런치에 퍼스널 페이지를 만든 뒤 업무 자동화에 도전했던 이야기를 썼다. 페이지를 만드는 재미와 내 일을 맡기는 어려움은 꽤 달랐다. 인플루언서 섭외에서는 팔로워와 참여율을 정리해도 캠페인에 어울리는 사람을 고르기 어려웠고, 메시지를 만들 때는 맞는 말인데 아무도 쓰지 않을 것 같은 문장이 나왔다. 「10년 경험을 AI에게 인수인계할 수 있나요?」
그때 막혔던 것은 새로운 기능을 몰라서가 아니었다. 평소에는 당연하게 쓰던 기준을 설명하려니 막혔다. 사람과 일할 때는 “지난번 느낌 알지?”로 넘어가던 부분이었다. AI에게는 그 지난번이 없었다.
‘전문가처럼’이라는 말이 설명하지 못하는 것
“너는 10년 차 마케터야. 우리 브랜드에 맞는 크리에이터를 추천해줘.”
익숙한 요청이다. 하지만 10년 차라는 역할에는 서로 다른 10년이 들어갈 수 있다. 어떤 사람은 도달 규모를 먼저 보고, 어떤 사람은 설명의 정확성을 먼저 본다. 무엇을 우선해야 하는지 말하지 않으면 AI의 선택이 마음에 들지 않아도 어디부터 고쳐야 할지 알기 어렵다.
그래서 역할을 쓰기 전에 한 문장을 바꿔보자. “브랜드에 맞는 사람”을 “제품 사용법을 자기 말로 설명하고, 확인되지 않은 효능을 덧붙이지 않는 사람”으로 바꾸는 것이다. 이제 실제 콘텐츠를 보고 확인할 항목이 생긴다.
좋은 프롬프트는 내 감각을 없애는 문서가 아니다. 감각이 어떤 단서를 보고 움직였는지, 다른 사람도 다시 확인할 수 있게 만드는 문서다. 설명되지 않는 판단이 남아 있어도 괜찮다. 그 부분을 AI가 대신 결정하지 못하게 남겨두면 된다.
먼저 다섯 칸을 채우되, 마지막 칸부터 점검한다
목적·맥락·입력·제약·출력은 유용한 출발점이다. 다만 칸을 모두 채웠다는 이유로 작업 설명서가 완성되지는 않는다. 결과물을 받았을 때 내가 승인할 수 있는지까지 연결해야 한다.
| 항목 | 적어야 할 내용 | 빠졌을 때 생기는 일 |
|---|---|---|
| 목적 | 오늘 내릴 결정 한 가지 | 그럴듯한 종합 보고서만 받는다 |
| 맥락 | 이번 작업에서 특히 중요한 조건 | 평소 기준과 다른 선택을 한다 |
| 입력 | 사용 가능한 자료와 근거 위치 | 일반 지식으로 빈칸을 채운다 |
| 제약 | 반드시 지킬 기준·확인 불가 처리 | 모르는 후보를 부적합으로 단정한다 |
| 출력 | 판단·근거·다음 확인을 분리한 표 | 점수는 있지만 이유를 추적할 수 없다 |
특히 출력을 먼저 상상하면 입력의 빈칸이 보인다. 후보별로 “제품 설명 근거”를 받고 싶은데 제공한 자료에는 팔로워 수만 있다면, 프롬프트 문장보다 자료 수집이 먼저다. 더 좋은 모델이 있어도 그 자료가 자동으로 생기는 것은 아니다.
합성 사례: 팔로워 수가 가장 많은 후보를 고르지 않는 이유
여기부터 나오는 후보와 조건은 이 글을 위해 새로 만든 합성 예제다. 실제 섭외 기록이나 고객사 자료가 아니며, 아래 판정은 특정 AI를 실행해 얻은 결과가 아니라 규칙을 설명하기 위한 기대 답안이다.
가상의 정리용품 브랜드가 사용법 소개 콘텐츠를 준비한다고 해보자. 오늘 할 일은 계약이 아니라 샘플 제안을 보낼 후보를 추리는 것이다. 사용 모습을 설명할 수 있는지, 공개된 제품 사실을 넘는 약속을 하는지가 우선이고 도달 규모는 그다음이다.
| 후보 | 제공된 관찰 기록 | 아직 모르는 것 |
|---|---|---|
| A | 팔로워 1만. 자료 A1·A2에서 사용 순서와 불편한 점을 함께 설명 | 이번 일정 수락 여부 |
| B | 팔로워 8만. 자료 B1에서 제품 자료에 없는 성능을 단정 | 수정 요청을 수용할지 |
| C | 팔로워 3만. 분위기 중심 영상 C1만 제공 | 사용 설명형 콘텐츠 제작 가능 여부 |
숫자만 보면 B에게 먼저 연락하고 싶다. 그러나 이 작업의 필수 조건을 적용하면 결론은 달라진다. A는 샘플 검토 후보로 남기되 일정을 확인한다. B는 이번 자료 기준으로 보류하고, 표현 수정이 가능한지 묻는다. C는 적합하지 않다고 단정할 근거가 없다. 설명형 샘플이 더 필요하다.
보류와 제외는 다르다. 보류는 판단에 필요한 정보나 수정이 남았다는 뜻이다. 제외는 합의한 필수 조건을 충족하지 못하고 이번 작업 안에서 해결하기 어렵다는 뜻이다. 이 차이를 주지 않으면 AI는 표를 완성하기 위해 모르는 것을 낮은 점수로 바꿀 수 있다.
점수표보다 먼저 만들어야 할 세 가지 경계
나는 이 예제를 다음과 같은 순서로 검토하도록 설계한다. 아래 규칙은 공인된 선정 기준이 아니라 이번 합성 과제의 작업 규칙이다.
- 필수 조건: 공개 자료에 없는 제품 성능을 단정한 표현은 수정 확인 전까지 통과시키지 않는다.
- 비교 조건: 필수 조건을 통과한 후보 사이에서 사용 설명의 구체성과 제작 가능 일정을 비교한다.
- 중단 조건: 핵심 자료가 없거나 근거가 서로 충돌하면 순위를 만들지 않고 추가 확인을 요청한다.
이렇게 해야 팔로워 점수가 높다는 이유로 필수 조건 위반이 상쇄되지 않는다. 모든 것을 합산하면 회의는 쉬워질지 몰라도 판단은 흐려질 수 있다. 바꿀 수 없는 조건과 선호하는 조건을 같은 숫자로 더하지 않는 편이 낫다.
그대로 바꿔 써볼 수 있는 인수인계 프롬프트
아래 템플릿에서 후보 자료는 실제 인물 정보 대신 승인된 요약이나 합성 자료로 먼저 시험한다. 결과를 확인한 뒤 회사가 허용한 환경에서 필요한 범위만 적용한다.
목적: 계약 대상이 아니라 샘플 검토 후보를 정리한다.
맥락: 도달 규모보다 제품 사용 설명과 사실 범위 준수가 중요하다.
입력:
A: 팔로워 1만. A1·A2에 사용 순서와 불편한 점 설명. 일정 미확인.
B: 팔로워 8만. B1에 제품 자료에 없는 성능 단정. 수정 가능 여부 미확인.
C: 팔로워 3만. C1은 분위기 영상. 설명형 샘플 없음.
규칙:
1. 제공된 관찰만 사용한다. 후보의 성격·평판·구매 전환을 추정하지 않는다.
2. 근거 없는 성능 단정은 수정 확인 전까지 보류한다.
3. 자료가 없다는 이유로 능력이 없다고 판단하지 않는다.
4. 필수 조건을 통과한 후보끼리만 비교한다.
5. 팔로워 수로 필수 조건 위반을 상쇄하지 않는다.
6. 계약·연락·게시 등 외부 행동은 하지 않는다.
출력:
후보 / 현재 판정 / 근거 번호 / 부족한 정보 / 다음 확인 질문
마지막에는 지금 자료로 결정할 수 없는 사항만 따로 적는다.기대 답안은 A의 무조건 통과가 아니다. A도 일정과 실제 협업 조건을 확인해야 한다. B는 수정 가능성이 남아 있고, C는 설명형 자료가 없다. “A 추천, B 제외, C 비추천”이라는 짧은 순위보다 각각 무엇을 더 알아봐야 하는지 나오는 편이 이 단계에서는 쓸모 있다.
한 번 맞았다는 이유로 팀의 표준으로 만들지 않는다
같은 예제를 반복해서 잘 푸는 것은 출발점이다. 경계가 바뀌었을 때도 올바르게 멈추는지 시험해야 한다.
| 바꿔 넣을 입력 | 기대하는 변화 |
|---|---|
| A의 일정이 캠페인 이후로 확정됨 | 설명이 좋아도 이번 일정 후보에서는 제외 또는 일정 재협의 |
| B의 단정 표현이 삭제된 수정본 B2가 추가됨 | B1만 보고 영구 제외하지 않고 B2를 다시 검토 |
| C의 설명형 샘플 C2가 추가됨 | 자료 부족 보류를 해제하고 내용 기준으로 평가 |
| 모든 후보의 핵심 자료가 없음 | 억지로 1등을 만들지 않고 판단 보류 |
이 표는 AI의 답을 검사하는 기준인 동시에 우리 팀의 기준을 검사하는 장치다. 담당자마다 기대 답안이 다르면 프롬프트를 고치기 전에 합의가 필요하다. AI가 팀 안에 없던 합의를 대신 만들어서는 안 된다.
어디까지 맡기고, 어디서 멈출까
자료 정리, 기준별 비교, 누락 표시까지는 맡길 수 있다. 반면 사람의 평판을 단정하거나, 비공개 갈등을 해석하거나, 계약 조건을 확정하는 일은 이 템플릿의 범위를 벗어난다. 보안상 고객사 이름·연락처·미공개 단가·섭외 이력 원본은 외부 AI에 넣지 않는다.
실패 기록도 “AI가 이상했다”로 남기지 말자. 어떤 입력에서, 어느 규칙을 어겼고, 무엇을 바꾸자 바로잡혔는지 남긴다. 예를 들어 “C를 자료 부족이 아닌 능력 부족으로 판정함 → 두 상태를 구분하는 규칙 추가”라고 쓰면 다음 담당자가 같은 실수를 줄일 수 있다.
모든 일을 이렇게 길게 설명해야 하나?
아니다. 처음에는 반복되는 판단 하나만 고르면 된다. 단순한 맞춤법 교정에 후보 선정 규칙까지 붙일 필요는 없다. 반대로 다른 사람에게 영향을 주는 판단이라면 긴 프롬프트보다 작은 검증 세트를 먼저 준비하는 편이 안전하다.
좋은 예시만 주면 충분하지 않을까?
좋은 결과의 모양만 알려주면 멈춰야 할 상황을 배우기 어렵다. 정상 예시와 함께 자료 부족, 조건 충돌, 수정 후 재검토 예시를 둔다. 예시 수가 아니라 경계의 차이가 중요하다.
모델을 바꾸면 다시 시험해야 하나?
그렇다. 같은 설명이라도 결과는 달라질 수 있다. Google의 프롬프트 가이드도 목표와 기대 결과를 정하고 반복적으로 시험하는 과정을 강조한다. 이 글의 후보 선정 규칙 자체를 Google이 보증하는 것은 아니다.
결국 인수인계가 끝났다는 것은 AI가 내 말투를 따라 한다는 뜻이 아니다. 내가 모르는 것을 모른다고 남기고, 내가 멈춰야 할 자리에서 함께 멈출 수 있다는 뜻에 가깝다.
근거와 공식 출처
- 브런치 원문: 10년 경험을 AI에게 인수인계할 수 있나요? — 도입의 경험과 판단 기준을 언어화해야 한다는 관점의 출처.
- Google Cloud: 프롬프트 설계 전략 — 목표·맥락·제약·예시·출력 구조와 반복 평가의 기술적 참고. 2026-08-31 확인.
편집 안내: 허보람의 공개 원문을 AI의 도움으로 실무 가이드로 확장했다. 원문에 없는 후보·규칙표·기대 답안은 새로 만든 교육용 사례이며 실제 협업 성과를 의미하지 않는다.