같은 AI, 왜 결과는 다른가 — 네 권의 책, 다섯 저자의 가상 토론 (최종 대본)
이 영상은 네 권의 책 내용을 바탕으로 구성한 가상 토론입니다. 저자들의 실제 발언이 아니며, 등장인물의 모습과 목소리는 AI로 만들었습니다.

[0:03] AI 사회자: 같은 AI에게 같은 질문을 던져도, 결과는 사람마다 다릅니다. 누군가는 일이 줄고, 어떤 회사는 데모에서 멈추죠. 그 차이는 어디서 생길까요?
[0:15] AI 사회자: 네 권의 책을 쓴 다섯 저자에게 물었습니다.
[0:18] 안유석: AI 쓰는 사람은 이미 많습니다. 갈리는 건 쓴 다음이에요.
[0:23] 이지성: 차이는 모델에 있지 않습니다. 모델이 회사 안에서 함께 일하게 만드는 운영체계에 있죠.
[0:29] 이현종: 승부는 데이터의 양이 아니라, 연결의 깊이에서 갈립니다.
[0:34] 정민주: 결국 AI의 성능은, 쓰는 사람의 사고 구조에 비례해요.
[0:38] 김가원: 누구나 비슷한 답을 얻는 세상이에요. 그래서 무엇을 고르고 어떻게 잇느냐에서 차이가 생기죠.

■ 1. 지금, 무엇이 바뀌었나

[0:54] AI 사회자: 안녕하세요, 사회를 맡은 AI입니다. 평소엔 제가 답을 드리지만, 오늘은 묻기만 하겠습니다. 첫 질문입니다. 지금 AI가 바꾸고 있는 건 무엇일까요?
[1:07] 이지성: AI가 일하는 동료가 됐습니다. 챗봇은 답하고 멈추지만, 에이전트는 실행하고 마치죠. 그런데 회사의 결재와 권한 체계는, 이런 동료를 전제로 만들어지지 않았습니다.
[1:20] 안유석: 저는 지능의 값이 떨어지는 걸 봅니다. 그러니 질문이 바뀌어야죠. ‘AI가 이 일을 할 수 있나’가 아니라, ‘무엇이 결과를 가로막나’로요.
[1:32] 김가원: 저는 더 조용한 변화가 마음에 걸려요. 묻자마자 답이 오니까, 모르는 채로 곱씹던 시간이 사라졌죠. 지금 가장 많이 변하는 건, ‘생각한다’라는 동사예요.
[1:45] 이현종: 많은 의사결정자들이 이렇게 말합니다. ‘AI는 똑똑한데, 결정은 못 하더라.’ 말로 묻고 답하는 시대는 왔지만, 판단까지 바뀐 건 아닙니다.

■ 2. 결과는 어디서 갈리나

[1:59] AI 사회자: 두 번째 질문, 오늘의 핵심입니다. 같은 AI인데, 결과는 왜 다를까요?
[2:06] 안유석: 직원들에게 AI로 일을 맡겼더니, 보고가 두 가지로 왔어요. ‘해 봤는데 안 됩니다.’ 그리고, ‘여기까지는 되고 여기서 막힙니다. 막히는 부분은 이렇게 메웠습니다.’ 같은 도구를 쓰고도 다음 행동이 달랐죠.
[2:22] 안유석: 초안이 하루에 열 개씩 나와도, 결정하는 사람의 시간이 그대로면 결정되는 건 늘지 않습니다. 병목이 아닌 데서 아낀 시간은, 신기루예요.
[2:34] AI 사회자: 그럼 개인이 병목만 잘 찾으면 될까요?
[2:37] 이지성: 개인 의지로는 못 넘는 벽이 있습니다. 제 책의 김 과장은, 주말에 노트북에선 자동화가 잘 돌았는데, 월요일 회사에선 보안팀 답부터 받았어요. 승인 목록에 없는 도구라 3~6개월이 걸린다고요.
[2:52] 이지성: 차이를 만드는 건, 권한과 승인, 용어와 책임을 AI가 따르게 하는 운영체계, 하네스입니다. 원래 말의 마구를 뜻하죠. 말이 아무리 빨라도, 마구가 없으면 마차를 못 끕니다.
[3:05] 안유석: 하네스가 중요하다는 데는 동의합니다. 다만 개인 규모로도 만들 수 있어요. 확인된 자료를 먼저 모으고, 자료에 없는 건 지어내지 말고 질문으로 남기게 하는 거죠.
[3:17] 이현종: 남는 건, 그 하네스가 무엇을 기준으로 움직이느냐입니다. ‘고객’이란 말도 영업팀엔 계약 단위, 재무팀엔 채권 단위, CS팀엔 불만 접수 주체예요. 같은 단어, 다른 의미죠.
[3:33] 이지성: 맞아요. 제 책에서도 첫 번째 벽이 용어였습니다. AI가 헷갈린 게 아니라, 사람들이 서로 다른 언어로 일하고 있었던 거죠.
[3:42] 이현종: 저희 회사에서 가상의 레스토랑 ‘벨라로마’로 실험해 봤습니다. 매출이 왜 떨어졌냐고 챗봇에 물으니, 근처에 경쟁 식당이 늘었을 가능성이 있다더군요. 그럴듯하지만, 실행할 수 없는 답이죠.
[3:57] 이현종: 관계를 이어 보니 손님 수는 크게 줄지 않았어요. 체류 시간이 늘어 회전율이 떨어지고, 대기 불만이 쌓여 재방문이 줄었던 거죠. 수요가 아니라, 운영 구조의 문제였습니다.
[4:09] AI 사회자: 운영체계와 구조. 그렇다면 사람은요?
[4:14] 정민주: 같은 시스템 안에서도 결과는 갈려요. 책에 소개한 한 실험에선, AI와 잘 협업한 사람들이 평균 18번 질문을 이어 가며, 왜 그런 답이 나왔는지 확인했어요.
[4:26] 김가원: 그리고 모두가 같은 AI를 쓰면, 결과가 서로 닮아 가요. 각자의 요리 실력은 좋아지는데, 식탁 위 음식은 점점 비슷해지는 거죠. 같은 양념으로 요리하니까요.
[4:39] 이현종: 회사 차원에서도 같습니다. 데이터도, 모델도 경쟁사가 사 올 수 있어요. 하지만 그 회사가 왜 그렇게 판단하는지는, 베낄 수 없습니다.

■ 3. 끝까지 사람이 쥘 것

[4:52] AI 사회자: 세 번째 질문입니다. AI가 실행까지 하는 시대, 끝까지 사람이 쥐어야 할 건 무엇일까요?
[5:00] 이현종: AI는 답을 내리지 않습니다. 답이 될 수 있는 범위를 그려 줄 뿐이죠. 그 안에서 고르고 책임지는 건 사람입니다. ‘AI가 그렇게 말했다’는 말이, 가장 위험한 조직 언어예요.
[5:13] 안유석: 법원도 그렇게 봤습니다. AI가 지어낸 판례를 낸 변호사들이 제재를 받았는데, 문제 삼은 건 AI를 쓴 게 아니라 확인하지 않은 거였어요. 기계는 결과를 만들어도, 그 결과를 떠안지는 못합니다.
[5:29] 이지성: 그래서 기업은 사람의 승인을 흐름 안에 설계합니다. 책임을 설명할 수 없는 자율성은, 기업에겐 혁신이 아니라 위험이니까요.
[5:37] 이지성: 다만 현장에선, 자동화가 눈에 띄지 않을 때 더 잘 쓰입니다. 자동화는 AI의 존재를 드러내지 않고 일해야 하거든요.
[5:46] 정민주: 저는 바로 그게 걱정돼요. 눈에 안 띄면 의심도 안 하게 되니까요. 바쁠수록 AI 조언에 기대서, 잘못된 권고까지 받아들인다는 연구도 있어요.
[5:56] 이지성: 맞습니다. 그래서 익숙해진 뒤에도 안전장치를 둡니다. 책 속 사례에선, 자동화가 통과시킨 결과의 5퍼센트를 사람이 무작위로 다시 봤어요.
[6:07] 정민주: 개인에게도 그런 장치가 필요해요. 이 판단을 내가 책임질 수 있나, 남에게 설명할 수 있나. 선뜻 그렇다고 못 하면, 그 결과물은 아직 내 것이 아니에요.

■ 4. 내일 아침, 하나만

[6:21] AI 사회자: 마지막 질문입니다. 내일 아침 해 볼 일, 딱 하나씩만 주세요.
[6:26] 안유석: 막힌 일 하나를 다섯 줄로 적어 보세요. 무엇이 안 되는지, 어느 정도인지, 되돌릴 수 있는지, 무엇이 바뀌면 되는지, 무엇을 요청하는지. 그리고 AI와 다투지 마세요. 고칠 건 답이 아니라, 답이 나온 조건입니다.
[6:41] 이지성: 도구를 고르기 전에, 동료에게 먼저 물어보세요. 가장 줄어들었으면 하는 업무가 무엇이냐고요. 첫 번째 성공은 거기서 시작됩니다.
[6:50] 이현종: 크게 시작할 필요 없습니다. 우리가 가장 자주 잘못 판단하는 장면, 딱 하나만 고르세요. 거기서부터 관계를 그려 나가면 됩니다.
[6:59] 정민주: 하루 5분이면 됩니다. 주제 하나를 정해서, 질문 세 개를 종이에 직접 적어 보세요.
[7:06] 김가원: 그리고 AI의 답을 생각의 끝이 아니라, 시작으로 받아 주세요. 완성된 출력값이 아니라, 새로운 생각을 위한 입력으로요.
[7:16] AI 사회자: 정리하겠습니다. 네 권의 답은 부딪히는 듯했지만, 사실은 겹겹이 이어져 있었습니다. 질문하는 나, 막힌 일을 푸는 사람, AI가 일하는 조직, 그리고 판단의 기준을 세운 구조까지요.

■ 정리

[7:32] AI 사회자: 저는 앞으로 더 빠르고, 더 그럴듯한 답을 드릴 겁니다. 하지만 무엇을 물을지, 그리고 그 답을 누가 책임질지는, 여전히 여러분의 몫입니다.