안녕하세요, Json입니다.
지난 편에서 AI가 잘하는 일과 사람이 잘하는 일을 나누는 기준을 썼는데요. 사실 그 사이에 하나가 더 있습니다.
AI도 사람도 아닌, 코드가 답인 일
얼마 전 한 부품 생산 회사에서 검증 프로젝트(POC)를 진행했습니다. 요청은 명확했어요. 생산 스케줄을 AI로 자동으로 짜달라는 것.
결과는 성공적이었습니다. 그런데 끝내고 보니, 그 안에서 AI가 한 일은 생각보다 적었습니다. 핵심은 정해진 규칙대로 틀림없이 계산하는 룰베이스 코드였거든요.
이유는 단순합니다. 생산 스케줄은 숫자가 정확히 나와야 하는 일입니다. AI 추론은 그럴듯한 답을 만드는 데 강하지, 매번 똑같이 정확한 답을 내는 도구가 아니에요. 요즘 유행하는 에이전트 같은 것들도 이 프로젝트에는 거의 필요가 없었습니다.
기준은 하나입니다 — 정답이 하나인가, 여럿인가
지난 편의 콘택트렌즈 회사를 기억하시나요. 재입고 문의의 약 95%를 AI가 받게 했던 곳이요. 그 일이 AI에 맞았던 이유는 답의 표현이 유연해도 되기 때문입니다. 같은 질문에 상담사마다 조금씩 다르게 답해도 아무 문제가 없죠.
반대로 생산 스케줄, 재고 수량, 정산처럼 정답이 하나뿐인 일에 AI 추론을 쓰면 언젠가 틀린 숫자가 나옵니다. 이런 일은 코드가 맞는 도구입니다.
정리하면 이렇게 됩니다.
정답이 하나인 일은 코드로.
답이 여럿이어도 되는 일은 AI로.
틀렸을 때 비용이 큰 판단은 사람에게.
대표님이 쓰실 수 있는 질문 하나
AI 도입 제안을 받으셨다면, 이 질문 하나면 됩니다.
"여기서 AI가 실제로 하는 일이 뭔가요?"
명확한 답이 안 나오면 의심하셔도 됩니다. AI를 팔아야 하는 쪽은 어디든 AI를 붙일 곳을 찾아내거든요. 저는 반대로 가려고 합니다. 문제를 먼저 보고, 답에 AI가 없으면 없다고 말씀드립니다. 첫 편에서 제안서를 접었던 것도, 이번에 AI 대신 코드로 답한 것도 같은 이유입니다.
질문이 "AI로 뭘 할까"가 되면 답이 산으로 갑니다. "뭐가 문제인가"에서 시작하면 답에 AI가 없을 수도 있어요. 그게 정상입니다.
다음 편 예고
그런데 문제를 제대로 정의해도 넘어야 할 산이 하나 더 남습니다. 직원들입니다. 자동화를 하려고 업무를 물어보면 "내 암묵지인데 왜 알려줘?"라며 방어적으로 변하는 순간이 오거든요. 직원들이 자동화를 반대하는 진짜 이유 — 제가 외국계 기업에서 10년 일하며 본 것부터, 다음 편에서 씁니다.
읽어주셔서 고맙습니다.
지금 검토 중인 AI 도입 제안서가 있다면 이 메일에 답장으로 보내주세요. AI가 실제로 뭘 하는 제안인지, 같이 봐드립니다.
Json
snapplug.app