AI 워크슬롭(Workslop), 어중간한 결과물의 홍수
요즘 AI로 만들었다는 결과물을 보면 가끔 이런 생각이 듭니다. 보고서는 길고 그럴듯한데 정작 핵심이 없고, AI로 만든 영상은 화려하지만 어딘가 어색합니다. AI로 개발했다는 앱이나 업무용 도구도 막상 써보면 오류가 나거나 별로 쓸모가 없는 경우가 있습니다.
공공부문 AI 도입을 기술이 아니라 조직·데이터·책임의 문제로 봅니다. 리멤버·링크드인에 먼저 쓴 글을 모아 둔 국문 게시판입니다.
요즘 AI로 만들었다는 결과물을 보면 가끔 이런 생각이 듭니다. 보고서는 길고 그럴듯한데 정작 핵심이 없고, AI로 만든 영상은 화려하지만 어딘가 어색합니다. AI로 개발했다는 앱이나 업무용 도구도 막상 써보면 오류가 나거나 별로 쓸모가 없는 경우가 있습니다.
최근 '피클(Pickle)'이라는 AI 서비스를 써봤습니다. 한국인들이 실리콘밸리에서 만든 AI 에이전트 서비스인데, 아직 초기 단계임에도 생각보다 꽤 잘 만들어졌다는 인상을 받았습니다. 기존 챗봇처럼 질문에 답하는 데 그치지 않고, 쇼핑이나 예약, 전화 같은 일상적인 일을 대신 처리하는 서비스입니다.
OpenAI에서 ChatGPT와 Codex를 이끄는 티보 소티오가 X에 흥미로운 글을 올렸다. “The difference between having a tool and being a tool is subtle these days and it’s easy to accidentally build yourself into being a tool.
학창 시절, 수학 문제를 풀다가 막히면 슬그머니 책 뒤의 해답지를 펼쳐보곤 했다. 한참을 고민하다 보는 것은 괜찮았지만, 문제를 제대로 읽어보지도 않고 해답부터 확인하다 선생님께 들키면 혼이 났다. “생각은 해봤니?” 당시에는 이해하기 어려웠다. 답을 보고 풀이 과정을 익히는 것도 공부 아닌가.
1989년 영화 《백 투 더 퓨처 2》에는 하늘을 나는 자동차가 등장한다. 당시에는 그저 영화 속 상상이었다. 37년이 지난 2026년, 일론 머스크는 그 상상에 도전하고 있다. 사실 머스크는 이미 자동차를 우주로 보낸 사람이다. 2018년, 테슬라 로드스터를 로켓에 실어 우주로 발사했다.
요즘 AI 발전 속도를 보면 정신이 없다. 몇 달 전만 해도 신기했던 기능이 어느새 기본 기능이 된다. AI가 보고서를 작성하고, 코드를 만들고, 여러 프로그램을 오가며 업무까지 처리한다. 그런데 정작 조직으로 돌아오면 다른 세상이 펼쳐진다. 보고서 제목은 16포인트, 본문은 15포인트.
요즘은 궁금한 것이 생기면 주변 사람보다 AI를 먼저 찾는다. 여행지를 추천받거나, 점심 메뉴를 고르거나, 사소한 고민을 털어놓을 때도 마찬가지다. AI는 바쁘지 않다. 귀찮아하지도 않는다. 같은 질문을 여러 번 해도 친절하게 답한다. 그런데 우리가 사람에게 질문했던 이유가 정말 답을 얻기 위해서만이었을까.
지난 10월 10일 밤, 독일 쾰른에서 충격적인 사건이 발생했다. 이 사건은 피지컬 AI 시대의 치안과 법제도에 네 가지 과제를 던진다.
작은 업무 도구 하나를 만든다고 해보자. 매주 여러 엑셀 파일을 합치는 일을 줄이고 싶다. 개발 담당자에게 설명하고 일정을 기다린다. 결과를 받아보니 원하는 방식과 달라 다시 설명한다. 항목 하나를 바꾸려 해도 수정 요청부터 해야 한다. 이때 “차라리 AI로 내가 끝까지 만들어보자”는 생각이 든다면 협업을 싫어해서만은 아닐 것이다.
신한은행을 비롯한 금융권 해킹 소식에 경각심이 커졌다. 외부 침입을 막는 일은 중요하다. 그런데 회사 정보가 밖으로 나가는 경로가 해킹뿐일까. 가령 직원이 고객 상담 기록을 개인 AI 계정에 올리고 “불만 유형을 정리해줘”라고 입력한다.
신제품 기획회의를 준비한다고 해보자. 팀원들이 각자 AI의 도움을 받아 아이디어를 가져온다. 설명은 매끄럽고 장점도 잘 정리돼 있다. 그런데 나란히 놓으니 어딘가 닮았다.
최근 은행권 연쇄 해킹 기사를 읽었습니다. 눈에 들어온 것은 공격 도구의 이름보다 공격이 집중된 곳이었습니다. 직원들이 영업과 업무 지원에 사용하는 시스템이었습니다.
완성된 보고서에는 지워버린 문장이 보이지 않는다. 비교 대상을 잘못 골랐다가 바꾼 흔적, 숫자가 맞지 않아 원자료를 다시 펼친 시간, 판단의 이유를 설명하다 말문이 막힌 순간도 남지 않는다.
지난 9월 29일~10월 2일, 제주에서 열린 제7회 한국인공지능학술대회에 다녀왔습니다.
회사에서 "그 서류는 어디서 신청해요?"라는 질문에 바로 답할 수 있는 사람이 몇이나 될까요. 인트라넷 게시판, 결재 시스템, 부서별 공유폴더가 제각각이라 결국 아는 사람에게 전화를 겁니다.
모든 숫자가 한 방향을 가리키는 보고서가 있습니다. 그럴 때 "그래도 뭔가 이상한데요"라고 말하기는 쉽지 않습니다. 데이터가 깔끔할수록 반론은 '감'으로 치부되기 쉽습니다.
보고서를 쓰려고 AI에게 근거자료를 찾아달라고 합니다. 답변 아래에 논문과 보고서가 달려 있습니다. 링크를 누르니 실제 문서가 열립니다.
AI가 단순히 회신 메일을 쓰는 것과 내 이름으로 어떤 결정을 하는 것은 다릅니다. AI에게 메일 초안을 부탁하면 문장은 금방 나옵니다. 그런데 내용을 확인하고, 수신자를 고르고, 파일을 붙여…
이런 상황을 떠올려봅니다. 회의에서 내 기획안에 반대 의견이 나왔습니다. 마음이 불편해 AI에게 묻습니다.
이런 상황을 떠올려봅니다. 한 직원이 AI로 매주 하던 보고서 작업을 줄이는 방법을 찾았습니다. 질문을 고치고, 결과를 확인하고, 자기 업무에 맞는 양식도 만들었습니다.
최신 AI를 도입했는데, 정작 직원들이 쓰지 않는다면 무엇부터 살펴봐야 할까요. 기술의 성능뿐 아니라, 처음부터 현업과 개발팀이 같은 문제를 풀고 있었는지도 봐야 합니다.
예전에는 한 사람을 정교하게 속이려면 시간과 공을 들여야 했습니다. AI는 사기 문구와 가짜 목소리, 상대에게 맞춘 대화를 대량으로 만드는 일을 쉽게 바꾸고 있습니다.
유명 전문가의 AI 특강을 들은 관리자를 떠올려봅니다. 보고서가 순식간에 만들어지고, 복잡한 자료도 몇 초 만에 정리됩니다. 강연이 끝나면 이야기합니다.
이런 장면을 떠올려봅니다. 한 직원이 AI로 두 시간 걸리던 보고서를 20분 만에 끝냈습니다. 검토를 마친 뒤 팀장에게 말합니다.
회사에서 "AI 도입해봤는데 별로다"라는 얘기가 나오면 다들 AI 탓을 합니다. "기술이 안 됐다", "우리 업무엔 안 맞는다"고요. 그런데 원인은 거의 항상 다른 데 있습니다.
서울청 대강당, 100명 가까운 현장 경찰관들 앞에서 치안 AI 계획을 발표하던 날이었습니다. 질의응답 시간, 20년 넘게 현장을 뛴 베테랑 형사 한 분이 자리에서 일어섰습니다.
AI 도입에 반대하거나 저항하는 직원들을 보면서, 처음엔 '게으르다', '답답하다'고 생각했습니다. 제 착각이었습니다.
게시된 글은 필자 개인의 견해이며, 소속 기관의 공식 입장이 아닙니다.