AI를 잘 쓰는 사람을 흔히 “질문을 잘하는 사람”이라고 말한다. 하지만 AI 에이전트 시대에 중요한 것은 질문 문장이 아니라 입력 설계다. AI가 어떤 결과를 내도록 만들 것인지, 그 결과에 영향을 주는 목표와 맥락, 변수와 판단 기준을 어떻게 정리할 것인지가 핵심이 되고 있다.
문제는 이 과정에서 우리가 AI를 도구로 쓰는 동시에, AI가 처리하기 좋은 방식으로 생각하는 법까지 배우고 있다는 점이다.
AI가 좋은 결과를 내려면 사람은 현실을 AI가 이해할 수 있는 방식으로 설명해야 한다. 업무의 흐름을 쪼개고, 예외 상황을 정리하고, 판단 기준을 문장으로 바꾸고, 암묵적으로 알던 감각을 조건값으로 번역해야 한다.
그 과정에서 우리는 질문자가 아니라 결과를 바꾸는 입력을 설계하는 사람이 되고 있다.
좋은 입력은 좋은 이해에서 나온다
AI 에이전트를 잘 설계하려면 결국 자신이 다루는 일과 문제를 정확히 이해해야 한다.
그런데 많은 사람은 자신이 하는 일을 정확히 설명하지 못한다. 매일 하는 일일수록 더 그렇다. 너무 익숙해서 왜 그렇게 하는지 모르고, 어떤 기준으로 판단하는지도 말로 설명하지 못한다. 몸으로는 알고 있지만, 구조화하지 못하는 것이다.
그래서 AI를 잘 쓰려면 이상하게도 초심으로 돌아가야 한다.
왜 하는 일인지, 무엇이 결과를 바꾸는지, 무엇을 남기고 없앨 것인지 다시 묻는 것이다.
AI를 잘 쓰기 위해 필요한 것은 최신 기술에 대한 감탄이 아닌, 가장 기본적인 질문으로 돌아가, 내가 하려는 일을 처음부터 다시 이해하려는 태도가 필요하다.
대충 아는 사람이 만든 AI 에이전트는 대충 그럴듯한 프로세스를 반복할 뿐이며, 그렇게 만들어진 AI의 오답은 완성도 높은 답처럼 포장되기 때문이다.
질문보다 중요한 것은 결과를 바꾸는 요소를 아는 것
“질문을 잘하라”는 말은 너무 쉽게 들린다.
실제로 중요한 것은 질문 문장의 세련됨이 아니라, 무엇이 결과를 바꾸는지 아는 것이다.
마케팅이라면 타깃, 상황, 욕망, 매체, 시점, 가격, 브랜드 신뢰가 결과를 바꾼다.
업무 자동화라면 권한, 데이터 위치, 승인 단계, 예외 처리, 책임 소재, 보안 수준이 결과를 바꾼다.
콘텐츠라면 주제, 화자, 톤, 시대감, 감정의 온도, 독자의 피로도가 결과를 바꾼다.
AI에게 그냥 “좋은 기획을 해줘”라고 말하면 평균적인 답이 나오지만, 결과를 바꾸는 요소를 알고 묻는다면, AI가 내놓는 답은 완전히 달라진다.
다만 이 과정에도 위험은 있다. 모든 것을 너무 빨리 구조화하면, 아직 말로 정리되지 않은 감각이 사라질 수 있다. 감정을 조건값으로 바꾸고, 직관을 판단 기준으로 바꾸고, 망설임을 예외 처리로 정리하는 순간, 생각은 깔끔해지지만 좁아질 수도 있다.
그래서 AI가 만든 결과가 매끄러울수록 더 조심해야 하며, 그 답이 통과되기 전에는 반드시 사용자의 의심과 개입이 필요하다.
좋은 입력은 좋은 이해에서 나오고, 좋은 이해는 익숙한 일을 낯설게 다시 묻는 데서 시작된다.
AI 에이전트 시대의 격차는 말을 잘 거는 능력이 아니라, 자신이 다루는 세계를 깊이 이해하고 AI가 그럴듯하게 포장한 것을 의심하는 능력에서 생긴다.
