[한영자막] 준비되기 전에 AI로 만들기 시작하세요

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

준비가 완벽해질 때까지 기다리지 말고 AI로 작은 결과물을 만들기 시작해, 직접 확인하고 반복하면서 더 큰 문제로 확장하라는 것이 그렉 브록만의 제안이다.

📌 핵심 요점

1. AI 활용은 구체적인 용도를 발견하는 데서 시작한다. 작은 게임, 이메일 답장, 웹사이트처럼 결과를 확인할 수 있는 작업을 맡기고, 피드백을 통해 요청의 범위를 넓힌다.
2. 작업 방식은 직접 구현에서 목표 제시와 결과 검토로 이동한다. 팟캐스트 준비 앱의 조사·질문·제목 제작 사례처럼, 확보한 맥락을 다음 제작 단계에도 연결할 여지가 있다.
3. 소프트웨어 제작의 진입 장벽이 낮아질수록 고객과 산업을 이해하는 능력이 중요해진다. 교육·의료 제품은 여러 이해관계자의 요구, 구매 주체, 신뢰와 안전장치를 함께 다뤄야 한다.
4. 모델 발전이 제품의 가치를 키우도록 설계해야 한다. 현재 모델의 한계를 우회하는 기능에만 의존하기보다, 산업별 업무와 고객 관계를 바탕으로 더 나은 모델의 효과를 흡수하는 제품이 유리할 수 있다.
5. 자동화와 생산성은 실제 성과로 판단한다. 브록만은 작은 작업을 직접 세 번이나 다섯 번 반복한 뒤 자동화할 것을 제안하며, 토큰 사용량보다 결과가 중요하고 목표·통제권·책임은 사람에게 남아야 한다고 강조한다.

🧩 배경과 문제 정의

• AI 모델의 능력에 비해 실제 문제를 해결하는 응용이 부족하고, 사용자는 자신의 생활과 업무에서 무엇을 맡길 수 있는지 발견하는 데 어려움을 겪는다.
• 소프트웨어 제작과 전문 업무의 진입 장벽이 낮아지면서, 사업의 경쟁력은 구현 능력뿐 아니라 고객 이해, 산업 지식, 관계와 신뢰에 달려 있다.
• AI 활용의 핵심 과제는 작은 실험을 반복해 더 큰 업무로 확장하면서도, 사람이 목표를 정하고 결과에 대한 책임을 유지하는 것이다.

🕒 시간순 섹션별 상세정리

1. 사용 규모보다 중요한 활용 발견과 선제적 도움

• 브록만이 제시한 ChatGPT 주간 활성 사용자는 12억 명이며, 매주 건강 관련 질문에 사용하는 사람은 약 3억 명이다. 그러나 많은 활용은 모델 능력의 일부에 머문다 [01:09]
• 서로 다른 세 가지 용도를 발견한 사용자는 이용을 지속하고 더 많이 활용하는 경향이 있다. 문제는 무엇이든 할 수 있다는 설명만으로 자신에게 필요한 구체적인 용도를 찾기 어렵다는 점이다 [01:22]

2. 직접 구현에서 AI 지휘로 바뀌는 작업 방식

• 브록만은 이제 직접 코드를 작성하기보다 AI에 방향을 제시하고 피드백을 준다. 작은 게임을 만들어 수행 능력을 확인한 다음 더 복잡한 요청으로 확장하는 방식이 활용 가능성을 발견하는 출발점이다 [03:18]
• Astra를 활용한 Blender 작업과 사진 기반 3D 모델링뿐 아니라 실제 건축을 위한 CAD 도면 제작도 가능해졌다는 사례가 나온다. 지인은 게스트하우스 도면을 AI로 만든 뒤 시공업자에게 전달했고, 건축이 진행 중이다 [03:40]

3. 팟캐스트 준비 앱을 제작 전 과정으로 확장하기

• 진행자의 앱은 인터뷰 대상, 대화 시간, YouTube 조회수라는 성공 지표를 입력받아 배경 조사와 주제를 준비한다. 이전 대화와 보도자료를 참고하고 질문, 제목, 썸네일까지 마련하지만, 소셜미디어 연결은 아직 되지 않는다 [05:09]
• 앱이 확보한 출연자·회사·과거 에피소드의 맥락은 촬영 후 편집과 영상 제작에도 활용할 여지가 있다. 질문을 검토하고 피드백한 뒤 인터뷰에 참여하면 나머지 작업을 처리하는 앱이 다음 확장 방향이 될 수 있다 [06:41]

4. 소규모 사업과 일상에서 넓어지는 실행 가능성

• ChatGPT는 창업에 필요한 전문 지식과 사업 자문에 접근하는 장벽을 낮춘다. 소규모 사업자는 기존 업무를 맡기는 데 더해, 이전에는 아무도 처리하지 못했던 전략의 빈틈이나 문서 작업에도 AI를 활용한다 [08:02]
• AI가 쓸모없다고 생각했던 골동품 시계점 주인에게도 웹사이트 제작이라는 구체적인 용도가 있었다. 음성으로 사이트를 요청하고 시계마다 담긴 이야기를 전달하면, 상품과 이야기를 시각적으로 보여주는 결과물을 만들 수 있다 [08:52]

5. 유료 앱의 차별화는 고객과 문제를 이해하는 데 있다

• 앱 제작의 일부가 누구나 접근할 수 있는 기능으로 바뀔수록, 고유한 가치를 제공하는 소프트웨어의 차별화가 중요해진다. 핵심은 문제와 사용자를 깊이 이해하는 것이다 [10:51]
• 교육 제품은 교사·부모·학생·관리자의 요구, 필요한 정보와 안전장치, 구매 주체를 함께 고려해야 한다. 사업의 통찰과 고객에 대한 이해가 중심이며, 어떤 프로그래밍 언어로 구현하는지는 본질적인 장벽이 될 이유가 없다 [11:19]

6. 기업과 소비자의 경계가 흐려질 가능성

• 브록만은 개인의 실행 능력이 커지면서 회사의 형태와 기업·소비자 시장의 경계가 흐려질 것으로 전망한다. 창업의 르네상스는 이미 초기 징후가 있으며, 향후 1~2년 안에 본격화할 수 있다는 예상이다 [12:14]
• 기업 영업의 핵심인 관계 형성은 소비자 시장에서는 규모와 비용 때문에 적용하기 어려웠다. AI가 많은 사람과 의미 있는 관계를 유지하도록 돕는다면, 일부 소비자 사업에도 비슷한 영업 방식이 가능해질 수 있다 [12:45]

7. 모델 발전이 제품의 경쟁력을 키우도록 설계하기

• 모델의 한계를 우회하는 데 집중한 제품은 그 한계가 사라질 때 지속성을 확보하기 어렵다. 추가 프롬프트나 수작업 조정은 특정 시점에는 유용할 수 있지만, 모델이 똑똑해질수록 함께 성장하는 가치인지 따져야 한다 [13:44]
• 모델 능력의 변화는 새로운 인터페이스를 요구한다. 브록만은 2025년 말 코딩 에이전트 시대가 시작되며 AI의 소프트웨어 제작 비중이 20%에서 80%로 이동했다고 설명하고, 현재는 dots 같은 개인화된 에이전트의 시대로 진입하고 있다고 본다 [14:07]

8. 산업별 비효율과 전문 분야의 결합에서 생기는 기회

• 범용 AI가 폭넓은 영역을 지원하더라도 개별 산업에 최적화된 상태는 아니다. 의료 같은 분야를 더 세분화하면 다양한 회사와 업무 방식이 나타나며, 시간을 돌려주고 가치를 더 효율적으로 전달할 개선 여지가 많다 [15:42]
• 과거에는 큰 회사의 기능 하나로 남았을 문제가 이제는 작은 회사의 사업이 될 수 있다는 관점이 나온다. AI로 구현 부담이 줄어들면 좁은 문제를 해결하는 사업의 경제성도 달라진다 [16:39]

9. 아침 브리핑의 가치는 정보 요약을 넘어선다

• 아침 브리핑은 알림을 모아 보여주는 수준에서, 답하지 않은 메시지를 찾고 대응 우선순위를 정하는 수준으로 깊어질 수 있다. 더 나아가 시장 전략과 관련된 자료를 조사해 의사결정에 필요한 핵심을 압축할 수 있다 [17:56]
• 동료와 외부 파트너에게 직접 연락해 일을 정리하고 구매 승인만 요청하는 단계는 아직 충분히 도달하지 못한 다음 목표다. 브록만은 dots에 이를 위한 기술이 있다고 보지만, 개선이 필요하며 앞으로 활용이 늘어날 것으로 예상한다 [18:44]

10. 생산성 측정의 한계와 내부 업무의 실제 변화

• OpenAI는 토큰 사용량과 코드 줄 수, 커밋, PR의 상관관계를 살펴보지만, 모두 불완전한 대리 지표다. 모델에 두 시간 접근하지 못했을 때 직원들이 업무를 하기 어렵다고 느끼는 반응도 AI 의존도와 업무 변화의 단서가 된다 [19:51]
• 브록만은 OpenAI 관련 질문이나 문서 검색을 에이전트에 먼저 맡긴다. 이메일·Slack·컴퓨터 사용을 통한 조직 맥락 연결은 AI가 답할 수 있는 질문을 늘리고, 사람 비서실장이 다른 업무에 더 집중하도록 돕는다 [20:30]

11. 토큰을 늘리는 목적은 더 큰 성과를 내는 데 있다

• 토큰 사용량 자체를 늘리는 것은 최종 목표가 아니다. 다만 사용량을 억지로 부풀리지 않는 상황에서는 더 많은 토큰 사용과 생산성 향상이 연관될 수 있으며, 효과는 업무 영역과 활용의 숙련도에 따라 달라진다 [21:49]
• 재무팀에서는 결산 업무가 빨라졌고, 커뮤니케이션팀에서는 기자 행사 좌석과 식사 선호를 한 사람이 관리하는 데 Codex가 뒷단 작업을 지원한다. AI 활용은 개발뿐 아니라 여러 지식 업무로 확장되고 있다 [22:19]

12. 작은 수작업을 반복한 뒤 자동화하기

• 시작점을 찾기 어려울 때는 생활 속 작은 불편 하나를 골라 시도하면 된다. 입력하고 결과를 확인하는 피드백 과정이 생기면, 요청과 처리 방식을 반복해서 개선할 수 있다 [23:54]
• 답하기 부담스러운 이메일은 복사해 붙여넣거나 Gmail 커넥터로 전달할 수 있다. 처음에는 직접 처리하면서 과정을 익히고, 세 번이나 다섯 번 반복한 뒤 자동화하는 방식이 유용하다. 브록만은 다섯 번 정도를 자동화 시작의 실용적인 기준으로 제안한다 [24:25]

13. 목표와 통제권은 사람에게 남아야 한다

• 사람은 통제권과 결정권을 유지하고 목표를 정해야 한다. AI의 목적은 사람을 돕고 각자가 원하는 일을 더 많이 이루도록 역량을 확장하는 데 있다 [25:34]

14. 신뢰할 수 있는 에이전트를 작은 작업부터 활용하기

• 무엇을 만들지 결정할 때 적절한 가드레일, 신뢰 구축, 감독과 모니터링 가능성을 함께 고려한다. 이러한 요소는 기술 개발 초기부터 핵심적인 우선순위였다. [26:10]
• 시작점은 chat.openai.com에 가입해 대화로 기능을 익히고, 필요한 맥락을 연결하는 것이다. 자체 클라우드 컴퓨터를 갖추고 선택적으로 로컬 컴퓨터에도 연결할 수 있어, 노트북에 묶여 사용자가 세세하게 관리하던 작업 방식에서 벗어날 수 있다. 구매 같은 작은 작업부터 시도하고, 커넥터로 메시지를 주고받는 통로를 만든 뒤 반복 작업이나 조사를 맡기는 방법을 권한다. [27:09]

15. 개인의 문제 해결 능력 확대와 협업 인프라의 필요성

• 앞으로 AI는 더 똑똑하고 접근하기 쉬워지며 사용자의 역량을 높일 것으로 예상된다. 다만 실제 활용 방식은 오늘의 예상과 다를 수 있고, 제품의 형태도 계속 바뀔 것이라는 전망이다. [28:05]
• 미해결 수학 문제를 풀 수 있는 AI가 모든 사람의 손에 들어간다면 의학·신약 개발·재료과학에서 새로운 돌파구가 가능할 것으로 기대한다. 소수의 전문 인력을 동원해야 했던 문제를 개인이 해결하고, 다른 사람이 생각하지 못했거나 아직 누구도 겪지 못한 과제의 첫 해결자가 될 수 있다는 전망이다. [28:43]

🧾 결론

• 시작의 기준은 완벽한 준비보다 결과를 확인할 수 있는 작은 문제다. 직접 사용하며 얻은 피드백이 다음 시도의 방향을 정한다.
• AI가 구현 부담을 줄여도 고객의 문제를 이해하고, 가입·결제 같은 사업 성과를 확인하는 책임은 사업자에게 남는다.
• 에이전트 활용을 넓히려면 필요한 맥락을 연결하고, 신뢰·감독·모니터링과 사람의 결정권을 함께 설계해야 한다.

📈 투자·시사 포인트

• 소프트웨어 사업을 평가할 때 구현 능력과 함께 고객 이해, 산업 지식, 관계와 신뢰가 어떻게 가치를 만드는지 살펴볼 필요가 있다.
• 모델 성능이 개선될 때 제품 가치도 커지는지 확인해야 한다. 모델의 일시적인 한계에 의존하는 기능은 지속성이 약해질 수 있다.
• 구현 부담이 줄면 과거에는 대기업의 기능 하나였던 좁은 문제가 작은 회사의 사업이 될 수 있다. 다만 실제 구매 주체와 지불 의사 확인이 필요하다.
• AI 도입 효과는 토큰·코드·PR 수만으로 판단하기 어렵다. 반복 업무의 처리 시간과 결과 품질, 고객에게 전달하는 가치가 개선되는지 함께 봐야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• ChatGPT 주간 활성 사용자 12억 명, 건강 관련 이용자 약 3억 명, AI의 소프트웨어 제작 비중 20%→80%는 브록만이 제시한 수치다. 집계 시점·범위·산정 방법은 제공된 자료에서 확인되지 않는다.
• 나비에–스토크스 문제에 에이전트 1만 개를 투입해 새로운 지식을 만들었다는 설명은 성과의 구체적인 내용과 검증 자료가 제시되지 않았다. 문제를 완전히 해결했다는 의미로 확대 해석해서는 안 된다.
• 외부 파트너에게 연락하고 구매 승인만 요청하는 에이전트는 아직 충분히 도달하지 못한 다음 목표로 설명된다. 개별 사례를 일반적인 완성도나 안정성으로 받아들이기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 이메일 답장이나 작은 웹사이트처럼 결과를 직접 확인할 수 있는 문제 하나를 골라 AI로 만들어 본다.
• 같은 작업을 세 번에서 다섯 번 직접 처리하며 필요한 맥락, 요청 방식, 결과의 수정 사항을 기록한 뒤 자동화를 검토한다.
• 자동화할 작업의 목표, 사람이 검토할 결과, 승인할 행동을 정하고 감독·모니터링 방법을 마련한다.
• 처리 시간과 결과 품질, 고객의 가입·결제 같은 성과를 확인해 AI 활용의 효과를 평가한다.

❓ 열린 질문

• 지금 내 업무에서 작게 시작해 결과를 확인할 수 있고, 반복할수록 더 큰 가치로 이어지는 문제는 무엇인가?
• 모델의 한계가 사라져도 고객이 계속 비용을 지불할 우리 제품의 가치는 무엇인가?
• 에이전트에 맡기는 범위를 넓힐 때 사람의 승인과 감독은 어느 단계에 남겨야 하는가?