What AI is actually good for

🖼️ 인포그래픽

What AI is actually good for 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI의 진짜 가치는 단순한 생산성 향상이 아니라, 맥락을 기억하고 가정을 검증하며 의사결정의 판단력을 높이는 데 있다.

📌 핵심 요약

Syndio CEO 마리아 콜라쿠르시오는 AI 에이전트를 직접 만들어보면서, AI가 아직 무엇을 못하는지와 많은 경영진이 그 차이를 제대로 이해하지 못한다는 점을 깨달았다고 말한다.
그는 초기에 AI를 정보 정리와 이메일 초안 작성에만 사용했지만, 맥락과 방향을 주지 않으면 결과물이 그럴듯한 문장에 그치고 실제 판단이나 자신의 사고방식을 반영하지 못한다는 한계를 경험했다.
이후 임원 대상 6주 과정에서 AI를 ‘사용’하는 법이 아니라, 맥락을 기억하고 가정을 비판하며 자신의 업무 방식에 맞춰 함께 사고하는 시스템을 만드는 법을 배웠다.
그가 만든 맞춤형 에이전트들은 이메일 작성, 회의 준비, 이사회 대응, 전략적 의사결정 검토에서 단순 자동화보다 더 중요한 역할을 하며, 약한 논리와 놓친 맥락을 사전에 드러낸다.
저자는 앞으로 기업에 필요한 역량은 AI 결과물만 요구하는 것이 아니라 직접 구축을 경험하며 가능성과 한계를 이해하는 것이며, 이를 모르는 경영진의 단절은 조직의 위험이 된다고 주장한다.

🧩 주요 포인트

Syndio CEO 마리아 콜라쿠르시오는 AI 에이전트를 직접 만들어보면서, AI가 아직 무엇을 못하는지와 많은 경영진이 그 차이를 제대로 이해하지 못한다는 점을 깨달았다고 말한다.
그는 초기에 AI를 정보 정리와 이메일 초안 작성에만 사용했지만, 맥락과 방향을 주지 않으면 결과물이 그럴듯한 문장에 그치고 실제 판단이나 자신의 사고방식을 반영하지 못한다는 한계를 경험했다.
이후 임원 대상 6주 과정에서 AI를 ‘사용’하는 법이 아니라, 맥락을 기억하고 가정을 비판하며 자신의 업무 방식에 맞춰 함께 사고하는 시스템을 만드는 법을 배웠다.
그가 만든 맞춤형 에이전트들은 이메일 작성, 회의 준비, 이사회 대응, 전략적 의사결정 검토에서 단순 자동화보다 더 중요한 역할을 하며, 약한 논리와 놓친 맥락을 사전에 드러낸다.
저자는 앞으로 기업에 필요한 역량은 AI 결과물만 요구하는 것이 아니라 직접 구축을 경험하며 가능성과 한계를 이해하는 것이며, 이를 모르는 경영진의 단절은 조직의 위험이 된다고 주장한다.

🧠 상세 정리

1. AI를 직접 만들어보며 드러난 첫 번째 교훈

저자는 AI 에이전트를 단순히 사용하는 것과 직접 구축하는 것은 전혀 다른 경험이라고 말한다. 직접 만들어보면 가장 먼저 AI가 아직 무엇을 할 수 없는지 알게 되고, 그다음으로 많은 경영진이 그 차이를 모른다는 점을 깨닫게 된다는 것이다. 그는 약 140명 규모의 보상 의사결정 인텔리전스 기업 Syndio를 운영하며, 대기업 고객과 포춘 100대 기업 일부를 상대한다. 처음에는 다른 임원들처럼 AI를 정보 정리나 이메일 초안 작성에 활용했지만, 그 도움은 주변적이었고 핵심을 놓쳤다. 문장은 매끄러웠지만 자신처럼 말하지도, 자신처럼 사고하지도 않았다는 점이 문제였다.

2. 초기 실패: 맥락 없는 AI는 ‘그럴듯한 잡음’이 된다

저자는 AI 활용 초기에 전형적인 실수를 많이 했다고 고백한다. 특히 자신이 팀에 사용 방식을 보여주는 위치에 있었기 때문에, 그 실수는 조직 안에서 더 크게 확산될 수 있었다. 그는 임원 리더십 회의의 안건을 AI로 만들었지만, 충분한 맥락과 방향을 주지 않자 결과물은 의미 있는 구조가 아니라 단어만 늘어놓은 수준에 가까웠다. 이 경험은 AI 자체가 무능하다는 결론이 아니라, 제대로 된 시스템과 입력 없이 AI를 쓰면 중요한 판단을 대신할 수 없다는 교훈으로 이어졌다. 결국 그는 AI가 더 잘할 수 있다는 가능성을 확인하기 위해 별도의 학습 과정에 참여했다.

3. AI를 잘 쓰려면 회의 사이 틈이 아니라 ‘생각할 시간’이 필요하다

저자는 전직 인텔 임원 누파르 가스파르가 가르치는 6주 과정에 참여했다. 이 과정은 단순히 AI 도구 사용법을 알려주는 것이 아니라, 사용자의 사고방식에 맞춰 맥락을 기억하고, 가정을 검토하며, 함께 추론할 수 있는 시스템을 만드는 데 초점을 맞췄다. 그는 주말과 저녁 시간을 들여 수업을 들었고, 바로 이 지점이 많은 경영진이 놓치는 부분이라고 강조한다. AI 역량은 회의 사이에 잠깐 익힐 수 있는 기술이 아니라, 비구조적 사고와 실험 시간이 필요한 능력이라는 것이다. 그는 과거 한 마이크로소프트 임원에게 들은 “생각할 시간을 보호하라”는 조언을 떠올리며, AI 시대에 가장 부족한 자원은 정보가 아니라 방해받지 않고 생각할 공간이라고 말한다.

4. 생산성이 아니라 판단력: 맞춤형 에이전트의 핵심 가치

저자가 AI 에이전트를 만들며 얻은 핵심 결론은 많은 경영진이 잘못된 문제를 풀고 있다는 것이다. 흔한 전제는 AI의 가치가 더 빨리 일하고, 초안을 위임하고, 반복 업무를 자동화하는 생산성에 있다는 생각이다. 저자는 그것도 실제 가치이긴 하지만 가장 흥미로운 지점은 아니라고 본다. AI의 더 중요한 활용 수준은 속도가 아니라 판단력이다. 그는 현재 매일 세 개의 맞춤형 에이전트를 사용하며, 이것들을 단순한 챗봇이 아니라 자신의 업무 흐름, 의사결정 방식, 커뮤니케이션 스타일, 회사의 축적된 지식에 맞춰 훈련된 시스템으로 설명한다.

5. 개인화된 맥락이 만드는 차이: 이메일과 전략 검토 사례

저자는 한 직원이 AI로 자신 명의의 이메일 초안을 작성했던 사례를 통해 차이를 설명한다. 그 초안은 겉보기에는 무난했지만 목소리가 맞지 않았고, 고객이 실제로 걱정하는 지점을 제대로 짚지 못했다. 반면 저자의 에이전트는 과거 발송 이메일에서 만든 글쓰기 기준을 바탕으로 문장을 재구성했다. 예컨대 특정 문장부호를 쓰지 않기, 상대의 아이디어를 먼저 반영한 뒤 제안하기, 관계에 따라 맺음말을 조정하기 같은 규칙을 적용했다. 그 결과 6주 전 대화에서 나온 고객의 우려를 반영하고, 불필요한 설명을 덜어내며, 고객이 실제로 중요하게 여기는 내용으로 시작하는 이메일을 만들 수 있었다.

6. 전략적 사고 파트너로서의 에이전트

저자가 만든 가장 유용한 에이전트는 단순 도구라기보다 전략적 조언자에 가깝다. 그는 주요 의사결정, 이사회 업데이트, 리더십팀에 가져갈 안건을 준비하기 전에 이 에이전트를 먼저 사용한다. 이 시스템은 회사의 사업, 경쟁사, 로드맵, 과거 전략적 결정에 대한 맥락을 가지고 있으며, 가장 큰 가치는 정보를 찾아주는 데 있지 않고 반론을 제기하는 데 있다. 저자는 개발자 맷 포콕의 ‘grill me’ 프롬프트 방식을 변형해, 에이전트가 결정의 논리를 한 질문씩 추궁하게 만들었다. 어떤 증거가 있는지, 어떤 가정을 하고 있는지, 투자자가 무엇을 문제 삼을지를 묻는 방식으로 약한 논리를 미리 드러낸다.

7. 조직 역량으로 확장해야 할 AI 이해

저자는 맞춤형 에이전트가 시간을 절약해주지만, 더 중요한 효과는 중요한 대화에 충분한 맥락 없이 들어가는 일을 줄이고 공개적 실수가 되기 전에 약한 논리를 잡아내는 데 있다고 말한다. 그는 이 경험을 조직 전체로 확장하기 위해 직원 20명을 같은 과정에 보내기로 했다. 목적은 그들을 엔지니어로 만드는 것이 아니라, 새로운 능력을 알아보고 그것이 무엇을 가능하게 하는지 이해하며 기존 방식에 대한 집착을 내려놓게 하는 것이다. 직원들은 매주 무엇을 만들고, 무엇이 실패했으며, 무엇을 배웠는지 공유한다. 저자는 직접 만들기 시작하면 기술이 덜 추상적으로 느껴지고, 동시에 그 한계도 드러나기 때문에 그것이야말로 실제로 알아야 할 지식이라고 강조한다.

🧾 핵심 주장 / 시사점

AI 도입의 성패는 도구 구매 여부보다, 경영진이 직접 실험하며 맥락 설계와 한계 파악을 해봤는지에 더 크게 좌우될 수 있다.
일반적인 AI 출력물은 평균적인 커뮤니케이션을 모방하지만, 실제 업무 가치를 내려면 개인과 조직의 의사결정 기준, 과거 맥락, 관계 정보를 반영해야 한다.
AI를 생산성 도구로만 보면 초안 작성과 자동화에 머물지만, 반론 제기와 사전 검증 구조로 설계하면 의사결정 품질을 높이는 전략적 자산이 될 수 있다.