
AI 리서치가 끝없이 불어난다면, 그것이 뒷받침할 결정 하나부터 적는다
AI는 인접한 질문을 찾아내는 데 능해서, "최대한 빠짐없이"라고 하면 리서치가 계속 불어나 쓸 만한 결과가 나오지 않는다. 리서치의 완료 조건은 출처의 수가 아니라 구체적인 결정 하나를 뒷받침할 수 있느냐다. 그 결정, 후보 상한, 필요한 증거, 중단 조건을 먼저 적고 나머지 질문은 보류 목록으로 보낸다.
category
같은 주제의 미니 클래스를 모아 보고 최신 글부터 맥락을 채울 수 있습니다.
lessons
추천 시작점
자동화에서 어려운 것은 연결 자체가 아니라 AI가 무엇을 읽고, 바꾸고, 언제 멈추며, 실패 뒤 어떻게 보상할지 정하는 일입니다.

AI는 인접한 질문을 찾아내는 데 능해서, "최대한 빠짐없이"라고 하면 리서치가 계속 불어나 쓸 만한 결과가 나오지 않는다. 리서치의 완료 조건은 출처의 수가 아니라 구체적인 결정 하나를 뒷받침할 수 있느냐다. 그 결정, 후보 상한, 필요한 증거, 중단 조건을 먼저 적고 나머지 질문은 보류 목록으로 보낸다.

AI에게 공유 클라우드 드라이브 정리를 맡길 때, 같은 "삭제"라도 플랫폼에 따라 휴지통으로 옮기기도 하고 영구히 지우기도 한다. 정리의 합격 여부는 지우는 속도가 아니라 잘못했을 때 되찾을 수 있느냐로 정해진다. AI는 후보와 증거만 찾고, 사람이 승인하면 먼저 격리 공간으로 옮겨 표본 복원으로 되찾을 수 있음을 확인한다. 영구 삭제는 별개의 결정이다.

AWS FinOps Agent는 클라우드 비용 이상을 조사해 어떤 설정 변경이 원인인지 찾고, Slack이나 Jira로 보낼 수 있다. 하지만 보고서 속 "담당자"가 맞는지는 계정과 팀의 대응표를 먼저 줬는지에 달려 있다. 도입 전에 이 대응표를 쓰고, 그다음 어떤 결과를 채널로 보내고 어떤 것을 티켓으로 만들지 정한다.

Apple은 AI 데이터센터가 메모리 공급을 가져가면서 Mac과 iPad 가격을 올렸다. 가격 인상으로 당신에게 필요한 것이 바뀐 것은 아니다. "앞으로의 AI 기능을 위해 미리 바꾸는 일"이 비싸졌을 뿐이다. 업그레이드 이유는 새 가격이나 AI 홍보가 아니라, 지금 매주 막혀 있는 일에서 출발한다.

이벤트 하나에 여러 AI 모듈이 깨어나 서로의 결과를 덮어쓸 때, 많은 팀은 먼저 중재 규칙을 더하려 한다. 더 효과적인 방법은 설계로 돌아가는 것이다. 한 가지 일에 입구는 하나, 바뀌는 항목마다 쓸 수 있는 모듈은 하나, 나머지는 제안만 하게 한다.

기록을 만들고 알림을 보낸 뒤에 흐름이 실패하면, 그대로 다시 돌릴 때 같은 일을 두 번 할 수 있다. 외부 상태를 바꾸는 단계마다 추적할 수 있는 번호를 남기고, 실패했을 때의 보완 방법을 정하고, 메일 발송이나 결제처럼 되돌릴 수 없는 동작은 맨 뒤로 보낸다. 무슨 일이 이미 있었는지 모르겠다면 멈추고 사람에게 넘기는 것이 맞다.

Anthropic이 공개한 내부 사례에서 같은 Claude라도 데이터 출처와 지표 정의가 정리되지 않았을 때는 정답률 21% 이하, 정리한 뒤에는 95% 이상, 한 달 관리하지 않자 약 65%로 떨어졌다. AI에게 숫자를 묻기 전에 출처를 정하고, 정의를 쓰고, 관리할 사람을 정해야 한다.

Meta의 AI 고객지원은 설득당해 낯선 사람의 이메일을 바꿔 줬고, Instagram 계정 2만 개 이상이 탈취됐다. AI에게 계정을 맡기려면 본인 확인과 권한은 대화가 아니라 시스템에서 가져와야 한다.

AI 서비스 장애는 짧을 수 있지만, 업무 흐름이 멈추는 시간은 장애보다 길어지기 쉽다. AI를 일상 업무에 연결하기 전에 AI 없이도 내는 최소 결과물을 정해 둔다. 원본 자료는 AI 바깥에 두고, 누가 전환을 결정할지 정하고, 외부 작업 전에 멈출 수 있게 한다.

Asana가 노코드 AI 비서 도구 StackAI를 인수했고, 자사 AI Teammates는 연결된 10여 개 앱에서 읽고 쓸 수 있다. 연결됐다고 그 도구 안의 모든 일을 맡겨도 되는 것은 아니다. 동작마다 자동, 초안만, 이름 있는 사람의 승인으로 나누고, 출시 전에 일부러 한 번 실패하게 해 본다.