AI로 바뀐 건 업무가 아니라 사람이었습니다

시작은 옆자리 동료의 한숨이었습니다

"이번 주말도 반납해야 할 것 같아요." PM으로 일하는 동료는 일요일 밤이면 미리 출근을 했습니다. 평일에 일이 너무 많아서 불안했거든요. 특히 회의록 정리에 시간을 많이 뺏겼습니다. 회의가 끝나면 녹음 파일을 돌려보고, 내용을 정리하고, 요약해서 공유해야 하는데, 그 과정에만 30분씩 걸렸습니다. 하루에 회의가 서너 개면 정리만 하다 하루가 갑니다. 정작 중요한 기획 업무는 손도 못 대고 있었습니다. 이렇게까지 시간을 쓰고 있었구나. 안타까웠습니다. 돕고 싶었습니다.

저는 평소에 쓰던 AI 회의록 봇을 보여주며 같이 만들어보자고 했습니다. 제가 대신 만들어줄 수도 있었습니다. 하지만 그러면 다음에 또 비슷한 문제가 생겼을 때 저를 찾아야 합니다. 동료가 직접 할 수 있어야 했습니다.

요약 기준을 프롬프트로 작성해 AI에게 입력하고, 결과를 보고 다시 고치고. 포맷이 마음에 안 들면 또 조율하고. 그렇게 30분쯤 지났을까요. 동료가 결과물을 보더니 말했습니다.

"어, 이게 되네?"

별거 아니라는 반응이 오히려 좋았습니다. 거창한 기술을 배운 게 아니라 그냥 자기 문제를 자기가 건드려본 것뿐이니까요. 그날 생각했습니다. 이런 경험이 필요한 사람이 더 있지 않을까? 바로 그 저녁, 교육 공지를 만들어 슬랙에 올렸습니다.

슬랙에 올린 AI Dive Deep 모집 공지. 정원 15명이었지만 하루 만에 40명이 넘는 신청이 들어왔다.

40명이 손을 들었습니다

교육 공지를 올리면서 정원은 15명으로 잡았습니다. 개발자 양성 프로그램에서 코치로 활동하는 두 명이 사이드로 시작한 프로젝트라 한 사람 한 사람의 문제를 제대로 들여다보려면 15명이 한계였습니다. 그런데 하루도 안 돼서 40명이 넘는 신청이 들어왔습니다. 조기 마감해야 했습니다.

신청서를 읽어보니 왜 그런지 알 것 같았습니다. 나만 뒤처지는 거 아닌가, AI에 대체되는 거 아닌가 불안한 사람. 어디서부터 시작해야 할지 모르겠다는 사람. 매주 10개 사이트를 돌면서 복붙하는 사람, 2,000개 파일 이름을 하나하나 바꾸고 있는 사람, AI 책을 읽어봤지만 첫 발을 떼지 못하고 있는 사람. 바쁜 개발자에게 최신 서비스 정책을 물어보기 민망해서 직접 찾고 싶다는 사람도 있었습니다. 직군도 다르고 업무도 달랐습니다. 하지만 공통점이 있었습니다. 반복되는 일에 치이고 있다는 점, 그리고 AI가 도움이 될 것 같긴 한데 입구를 찾지 못하고 있다는 점.

신청서를 읽으면서 생각했습니다. 역시 그렇구나. 단순 작업에 시간을 빼앗기면서도 AI를 어디서부터 시작해야 할지 모르는 분들이 이렇게 많았구나. 그렇게 AI Dive Deep이 시작됐습니다. 개발 지식 없는 비개발 직군 동료들이 매주 수요일 저녁 오프라인으로 모여 5주 동안 자신의 현업 문제를 AI로 직접 해결해 보는 프로그램입니다. 목표는 단순했습니다. AI 전문가를 만드는 게 아니라 AI를 활용해 자기 문제를 자기 손으로 해결하는 경험을 주는 것.

그리고 5주 뒤. 매주 150분 걸리던 업무가 25분이 됐습니다. 열흘 넘게 걸리던 1,300개 파일 이름 붙이기는 3분이 됐고, 바쁜 개발자에게 매번 물어봐야 했던 정책 확인은 AI에게 직접 물어보는 것으로 바뀌었습니다.

어떻게 이런 변화가 가능했을까요? 교육을 어떻게 설계했고, 참가자들에게 실제로 어떤 변화가 일어났는지, 그리고 이 경험을 조직으로 어떻게 확장하고 있는지 이야기해 보려 합니다.

매주 수요일 저녁에는 오프라인으로, 그 밖의 시간에는 온라인으로 모여 서로의 문제를 함께 풀었다.

AI 사용법부터 가르치지 않은 이유

이 교육에서는 AI 사용법부터 가르치지 않았습니다. 우아한형제들은 7년간 우아한테크코스라는 개발자 양성 프로그램을 운영해왔습니다. 저는 그곳에서 코치로 활동하며 취업을 준비하는 교육생이 개발자로 성장하는 과정을 봐왔습니다. 그 경험에서 배운 게 있습니다. 사람이 변하려면 직접 부딪혀봐야 합니다. 누군가 대신 해주거나 방법만 알려주는 건 그 순간은 편해도 오래가지 않습니다.

이번에도 같은 원칙을 적용했습니다. 직접 해봐야 변한다는 것. 다만 대상이 달랐습니다. 취업 준비생이 아니라 이미 현업에서 일하고 있는 동료들이었습니다. 그래서 연습 문제 대신 지금 진짜 힘들어하는 업무를 가져오게 했습니다.

진짜 문제를 가져오게 했습니다

참가자들에게는 자기가 진짜 힘들어하는 업무를 가져오라는 숙제를 던졌습니다. 프로그램이 시작되기도 전에요. 우리는 이걸 ‘업무 지시서’라고 불렀습니다. 뭐든 알아듣고 묵묵히 일해주는 AI 신입사원이 생겼다고 상상하고, 그 신입에게 가장 반복적이고 번거로운 업무 하나를 맡기는 매뉴얼을 써오라는 것이었습니다. 업무 지시서에는 네 가지를 적어야 했습니다.

• 업무의 이름과 목표는 무엇인가
• 현재는 이 일을 어떻게 하고 있는가
• AI 동료가 어떻게 처리해주면 좋겠는가
• 이 시간을 아끼면 대신 하고 싶은 더 중요한 일은 무엇인가

이 미션을 제출하지 않으면 프로그램에 참여할 수 없었습니다.

연습 문제로는 연습밖에 안 됩니다. 교육장에서는 고개를 끄덕이다가 현업에 돌아가면 아무 일도 일어나지 않는 이유입니다. 진짜 내 문제여야 진지하게 고민하고 몰입하게 됩니다. 우리는 비타민 같은 영양제가 아니라 진통제를 주려고 했습니다. 지금 아픈 곳에 바로 효과가 있는 약이요.

참가자들은 빈 화면 앞에서 자기 일과를 낱낱이 파헤쳐야 했습니다. 디자이너는 그래픽 자산 하나를 등록하기 위해 이미지를 확인하고 카테고리를 정하고 태그를 입력하는 여섯 단계를 적었고, 마케터는 대시보드 북마크 클릭부터 취합 시트에 붙여넣기까지 열 단계를 나열했습니다. PM은 기획안 작성부터 개발팀과 교차 검증까지의 과정을 풀어냈고요. 막연하게 비효율적이라고 느꼈던 것들이 단계와 시간으로 구체적으로 보이기 시작했습니다.

업무 지시서가 들어오면 코치들이 하나하나 피드백을 달았습니다. 당장 전 과정을 자동화하려는 분에게는 가장 작은 단위부터 시작해보자고 제안했고, 난이도가 너무 높은 방향을 잡은 분에게는 좀 더 현실적인 대안을 함께 찾았습니다.

목표는 작게 쪼갰습니다

1회차 워크숍에서는 자기 문제를 바로 다루지 않았습니다. 먼저 공통 스크립트로 회의록 봇을 함께 만들었습니다. 같은 재료로, 같은 문제를 풀어보는 겁니다. 프롬프트 엔지니어링 가이드를 소개하고, 코치가 라이브로 회의록을 만드는 것을 보여준 뒤, 팀별로 직접 시도했습니다. 목표는 딱 하나. "나도 할 수 있겠구나"라는 감각을 심어주는 것이었습니다.

그 감각이 생긴 뒤에야 자기 문제를 꺼냈습니다. 그런데 참가자들의 계획은 여전히 야심 찼습니다. 디자이너는 슬랙 알림부터 피그마 업로드까지 전 과정을 자동화하고 싶어 했고, 마케터는 10개 사이트의 데이터 수집, 통합, 리포팅을 한 번에 해결하고 싶어 했습니다. PM은 서버 코드에 직접 접근해서 기획안과 비교하고 싶어 했고요. 마음은 이해하지만 거창한 목표는 시작도 못 하고 좌절하게 만듭니다. 한 번도 성공 경험을 못 해보고 포기하게 됩니다.

난이도를 조절하는 방법은 단순했습니다. 참가자들에게 두 가지를 물었습니다. "이 문제가 나에게 정말 중요한가?" 그리고 "이번 주 안에 해낼 수 있는가?" 둘 다 5점 만점에 가까워야 합니다. 중요하지만 할 수 없으면 문제를 더 쪼갰습니다. 할 수 있지만 중요하지 않으면 주제를 바꿨습니다. 디자이너에게는 "일단 이미지를 AI에게 보여주고 파일 이름과 태그를 제안받는 것부터 해보자"고 했고, 마케터에게는 "사이트 하나의 데이터를 자동으로 가져오는 스크립트부터 만들어보자"고 했습니다. PM에게는 서버 접근 대신 "기획안 텍스트와 코드 조각을 AI에게 비교시키는 것부터 시작하자"고 제안했습니다.

그리고 명확한 성공 기준을 정의하게 했습니다. "이번 주에 이걸 해내면 성공이다"라는 한 문장을 먼저 쓰고, 그걸 향해 전략을 세우는 겁니다. 작은 성공이 쌓이면 큰 변화는 자연스럽게 따라옵니다. 작은 성공 없이 큰 변화를 먼저 시도하면 대부분 무너집니다.

함께 풀게 했습니다

문제는 혼자가 아니라 함께 풀게 했습니다. 3~4명씩 팀을 만들되 직군도 섞고, 업무도 섞었습니다. 그리고 매주 주인공을 바꿨습니다. 이번 주는 A의 문제를 다 같이 풀고, 다음 주는 B의 문제를 다 같이 푸는 식입니다. 혼자 하면 막막합니다. 에러가 나면 멈추고 막히면 포기하게 됩니다. 하지만 같이 하면 다릅니다. 도움을 받은 사람은 문제를 해결하고 도움을 준 사람은 알려주면서 실력이 늡니다. 그리고 다음 주에 주인공이 바뀌면 도움받았던 고마움 때문에 더 열심히 돕게 됩니다.

워크숍에서만 만나는 게 아니었습니다. 팀에게는 매주 1회 오프라인이든 온라인이든 반드시 모이라고 했습니다. 모일 때는 상호 코칭 질문을 활용하도록 안내했습니다.

• 의식적으로 연습하기로 했던 것은 무엇이었는지
• 기대했던 결과와 어떤 차이가 있었는지
• 다음에 만나기 전까지 딱 하나만 한다면 뭘 할 건지
• 그게 잘됐다는 걸 어떻게 알 수 있는지
• 걱정되는 점은 없는지

이 질문들을 갖고 서로를 점검하게 한 겁니다.

2회차부터는 팀을 섞어 미니 성과 공유회도 열었습니다. 5분씩, 주인공의 이야기를 중심으로 공유하되 성과가 없으면 시행착오 과정을 나누는 것도 괜찮았습니다. 다른 팀의 접근법을 보면서 자기 문제를 새로운 시각으로 바라보게 되는 효과도 있었습니다.

정해진 교육 날이 아닌데도 삼삼오오 모여서 서로의 문제를 들여다봤습니다. 퇴근 후 저녁에 온라인으로 다시 만나서 서로의 오류를 잡아주기도 했습니다. 한 참가자는 이렇게 말했습니다. "혼자 학습할 때는 지속하기 어려웠는데 동료들의 열정 덕분에 끝까지 갈 수 있었어요."

외부 전문가가 주는 정답보다 옆자리 동료와 머리 맞대고 찾아낸 해답이 훨씬 오래갑니다.

5주 만에 달라진 것들

매주 150분이 25분이 됐습니다

마케터 소영 님은 매주 150분 걸리던 업무를 25분으로 줄였습니다. 매달 40건의 교육 마케팅 성과를 리포팅하는 게 소영 님의 업무였습니다. 카카오, LMS(학습 관리 시스템), 대행사 시트 등 10개가 넘는 사이트에서 데이터를 뽑아 하나의 시트로 취합해야 했습니다. 대시보드 북마크 클릭, 로그인, 파라미터 조정, 대기, 데이터 추출, 다운로드, 취합 시트에 붙여넣기. 이 과정을 10개 사이트마다 반복했습니다. 출근하자마자 100번도 넘는 클릭과 복붙이었습니다. 정작 중요한 성과 분석은 시작도 하기 전에 아침 1시간이 사라지곤 했습니다.

처음에는 제미나이(Gemini)에게 파이썬(Python)으로 자동 로그인과 데이터 추출 코드를 짜달라고 했습니다. 자동으로 데이터를 긁어올 줄 알았는데, 에러 메시지만 떴습니다. 노트북을 덮으려던 순간, 옆자리 팀원과 머리를 맞대고 안 되는 부분을 하나씩 고치기 시작했습니다. 그러자 코드가 돌아가기 시작했습니다. 혼자였다면 그대로 포기했을지도 모릅니다.

이제는 스프레드시트 하나만 열면 데이터가 알아서 들어옵니다. 10개 사이트를 일일이 돌아다니던 시간은 성과 분석과 액션 아이템을 고민하는 데 쓰고 있습니다.

10개 사이트를 일일이 돌며 복붙하던 작업이 스프레드시트 하나로 자동 취합되는 모습.

이제는 개발자에게 물어보지 않아도 됩니다

PM 진수 님 이야기입니다. 회의록 작성 시간이 30분에서 10분으로 줄어든 것도 의미 있었지만, 업무 방식 자체를 바꾼 건 MCP(Model Context Protocol)였습니다. PM으로서 다른 도메인의 최신 서비스 정책을 파악하는 게 늘 어려웠습니다. 기능은 자주 개선되는데 PM들은 다음 과제로 바로 넘어가다 보니 정책 문서에는 업데이트가 누락되거나 아예 안 되어 있는 경우가 많았습니다. 최신 정책은 사실 현재 코드에 전부 반영되어 있습니다. 하지만 그걸 확인하려면 매번 바쁜 개발자들에게 물어봐야 했습니다. 물어보기가 민망했습니다. 사소한 것 같기도 하고 바쁜 분들 시간을 뺏는 것 같기도 해서요.

MCP를 통해 AI를 문서나 코드 같은 사내 데이터와 연결하니 "이 기능 최신 정책이 뭐야?"라고 평소 쓰던 말로 물어봐도 AI가 코드를 분석해 정확한 답을 줬습니다. 코드를 모르는 비전공자라 쉽게 설명해달라고 하면 PM이 이해하기 편한 언어로 바꿔주기도 했습니다. 동료에게 물어보기 민망한 하찮은 질문도 AI에게는 부담 없이 할 수 있었습니다. 개발자 도움 없이 스스로 정확한 정보를 찾을 수 있다는 것, 진수 님은 상상도 못 했던 일이라고 했습니다. 이제는 번역기로만 AI를 쓰던 동료 PM들에게도 "제발 이렇게 써보라"고 전파하고 다닙니다.

MCP로 사내 코드에 연결한 AI에게 평소 쓰던 말로 정책을 물어보는 모습. 코드를 몰라도 PM이 이해하기 쉬운 언어로 답변해 준다.

1,300개 파일 이름을 3분 만에 바꿨습니다

디자이너 민 님 이야기입니다. 그래픽 자산 하나를 등록하려면 이미지를 일일이 확인하며 규칙에 맞는 카테고리와 태그를 직접 입력해야 했습니다. 건당 3~5분. 고작 100건만 처리하려 해도 꼬박 하루를 단순 반복 작업에 쏟아야 했습니다. 디자이너인데 하루 종일 이름 짓다가 끝나는 겁니다. 처음엔 이 문제를 개발 없이는 절대 해결할 수 없다고 생각했습니다.

코치가 개발 대신 제미나이를 활용하는 방향을 제안했습니다. 이미지와 기존 데이터를 제미나이에 넣어보니 몇 초 만에 자산명과 연관 태그를 추천해줬습니다. 건당 5분 걸리던 작업이 10초로 줄었습니다. 하지만 제미나이는 데이터만 뽑아줄 뿐, 피그마에 자산명을 적용하는 과정은 여전히 수작업이었습니다.

결국 민 님은 커서 AI(Cursor AI)로 피그마(Figma) 플러그인을 직접 만들기로 했습니다. 코딩의 ‘코’자도 몰랐고, 디자인 툴과 개발 환경이 달라 설정 단계부터 막막했습니다. 코치에게 기본 설정부터 실무용 프롬프트 작성법을 배우며 하나씩 실행해 나갔습니다. 그 결과, 1,300개 파일의 이름을 3분 만에 바꾸는 플러그인을 완성했습니다. 코딩을 몰랐던 디자이너가 자기에게 필요한 도구를 직접 만든 겁니다. 지금은 코치 없이도 실무에 필요한 도구들을 스스로 만들어 쓰고 있습니다.

커서 AI로 만든 피그마 플러그인이 1,300개 파일의 이름을 3분 만에 바꾸는 모습.

받던 사람이 돕는 사람이 됐습니다

민 님은 교육 전에는 이미지 생성형 AI만 조금씩 써 보는 수준이었습니다. 그런데 교육이 끝난 뒤 시야가 많이 넓어졌다고 하더군요. 해결하기 어려운 문제를 만나도 어떻게든 할 수 있겠다는 자신감이 생겼다고요. ‘뾰로롱’이라는 전사 디자이너 행사에서 100명이 넘는 디자이너들 앞에서 AI 활용 발표까지 했습니다. 동료들 사이에서 AI 좀 하는 사람이라는 인식이 생겼고 올해는 AI 파트너팀에 들어가게 됐습니다. 전사 디자이너들이 AI를 잘 쓸 수 있도록 도와주는 팀입니다. 민 님은 디자이너였는데 이제는 동료를 돕는 AI 파트너가 된 겁니다.

피그마 플러그인을 만든 디자이너만 그랬던 게 아닙니다. 데이터 수집을 자동화한 마케터는 배운 내용을 팀원에게 전파하고 있었습니다. 팀원이 설문조사 주관식 답변 500개를 일일이 분류하고 있길래 스프레드시트 AI 함수로 키워드 뽑고 긍부정 분류하는 방법을 알려줬다고 합니다.

5주 전 이분들은 AI는 어렵다, 나는 못 한다고 했습니다. 지금은 자기 손으로 만든 도구로 자기 문제를 해결하고 그 방법을 동료에게 알려주고 있습니다.

끝이 아니라 시작입니다

그 변화를 가능하게 한 건 거창한 전략이 아니었습니다. 그저 동료가 단순 반복 업무에 지치지 않고 본인에게 정말로 중요한 일에 집중하길 바라는 마음뿐이었습니다.

배운 사람이 가르치는 사람이 되고, 도움받은 사람이 돕는 사람이 되는 흐름이 생겼습니다. 데이터 수집을 자동화한 마케터는 이제 팀원에게 AI 활용법을 알려주고 있습니다. 피그마 플러그인을 만든 디자이너는 전사 디자이너들이 AI를 잘 쓸 수 있도록 돕는 팀에서 일하고 있습니다.

단순 작업에 시간을 빼앗기는 사람이 더 있지 않을까. 개인이 아닌 조직의 변화를 만들기 위한 지원을 해보자고 조직장에게 제안했습니다. 조직장은 교육 성과를 CTO에게 직접 공유했고, CEO에게까지 이야기가 올라갔습니다. 동료의 한숨에서 시작한 작은 시도가 15명의 교육이 되고, 이제는 전담 TF가 꾸려졌습니다.

방향은 두 가지입니다. 첫째, 디자인이나 PM처럼 특정 직군에서 의지가 있는 분들을 중심으로 집중 코칭을 진행하고, 자기 조직에 자연스럽게 전파할 수 있도록 지원합니다. 둘째, 특정 조직에 직접 들어가서 그 조직의 문제를 함께 해결합니다. 한 조직의 성공이 다른 조직으로 퍼져나가는 구조, 저희는 그걸 기대하고 있습니다.

아직 시작입니다. 어떻게 퍼져나갈지는 해봐야 알겠죠. 그래도 옆자리 동료가 덜 힘들어졌으면 좋겠다는 마음은 계속될 것 같습니다.