AI가 평균적인 대답만 하는 건 나를 모르기 때문입니다, 나를 복제하는 수준의 동기화 방법 (HAXAI 김다솔 작가님)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AI의 평균적인 답변을 나에게 맞는 결과물로 바꾸려면, 나와 조직의 맥락·목적·업무 방식·판단 기준을 전달하고 피드백을 축적하는 동기화가 필요하다.

📌 핵심 요점

1. 동기화는 AI를 온보딩하는 과정이다. 말투를 모방시키는 데서 그치지 않고 회사 소개, 과거 작업, 회의 기록, 매뉴얼을 제공해 일하는 배경과 기준을 익히게 한다. 사용자를 모르는 AI는 일반적인 정보와 평균적인 답변에 머물기 쉽다는 설명이다.
2. SYNC는 맥락·목적·도구·개선 주기를 연결한다. S는 개인과 회사의 이야기, Y는 일을 하는 이유와 방향, N은 업무에 맞는 AI와 모델 선택, C는 새 데이터와 피드백을 반영하는 개선 순환이다.
3. 생성 속도보다 전체 업무 시간이 중요하다. AI가 결과물을 많이 만들어도 지시 추적, 선택, 검수, 수정에 시간이 더 들 수 있다. 시간 사용을 기록해 자동화 후보를 찾고, AI와 함께 일하는 업무 흐름 자체를 다시 설계해야 한다.
4. 반복 절차와 자료 구조를 재사용할 수 있게 만든다. 영상 기획 절차는 스킬로, 제안서 기준은 기존 PPT와 템플릿으로 축적한다. Codex로 업무를 넘길 때는 원본 데이터, 핵심 인사이트, 탐색 지침을 나눠 필요한 자료부터 확인하게 한다.
5. 사람은 방향 선택과 검수를 맡고, 수정 이유를 남긴다. 제작 단계별 최종 결정은 사람이 담당한다. 피드백을 다음 작업에 반영하고, 기획·검수에 모델 자원을 배분하며, 유료 실행에는 예상 비용 확인과 사람의 승인 절차를 둔다.

🧩 배경과 문제 정의

• 소규모 에이전시는 사람의 노동 투입에 매출이 좌우되기 쉬워, 반복 업무를 줄이고 중요한 일에 시간을 집중할 방법이 필요했다.
• AI가 결과물을 빠르게 많이 만들어도 사람이 선택·검수·피드백을 모두 맡으면 전체 업무량은 오히려 늘어날 수 있다.
• AI와 함께 일하는 업무 흐름을 새로 설계하고, 개인과 조직의 맥락·목적·판단 기준을 공유하는 ‘동기화’가 해법으로 제시된다.
• 숏 드라마 제작 사례를 통해 레퍼런스 분석, 목적 설정, 반복 작업의 스킬화, 영상 생성 도구 연결을 구체화한다.

🕒 시간순 섹션별 상세정리

1. 노동 투입 중심의 사업 구조가 AI 도입의 출발점이 됐다

• 김다솔은 광고회사 기획자를 거쳐 PPT 기획·디자인 회사를 운영하면서, 사람의 노동력을 투입한 만큼 매출이 발생하는 에이전시 구조의 효율화를 고민했다 [03:04]
• 초기 GPT는 오류가 많았지만 발전 속도가 빠르다고 판단했다. 스마트폰처럼 누구나 AI를 쓰는 시대가 올 것으로 보고, 먼저 사용하고 실무에 적용하기 시작했다 [04:04]

2. 디자인 제작보다 회의 기록과 운영 업무부터 자동화했다

• 잦은 B2B 미팅에서 메모한 내용을 돌아와 리포트로 작성하고 발송하는 과정이 반복적으로 시간을 잡아먹었다 [04:51]
• 클로바노트로 회의를 녹음해 전사문을 얻고, GPT가 이를 정해진 형태로 출력하도록 했다. 디자인 자체보다 앞단의 운영 업무에 AI를 도입하면서 사람이 더 중요한 일에 집중할 가능성을 체감했다 [05:34]

3. 프롬프트 작성에서 에이전트와의 협업으로 중심이 이동했다

• 전작을 쓸 당시에는 프롬프트를 잘 작성하는 능력이 중요했지만, 이후 클로드 코드 등 에이전트의 등장으로 AI와 함께 일하는 방식에 대한 고민이 커졌다 [06:44]
• 새 회사를 처음부터 AI 네이티브 조직으로 만들기 위해 에이전트와 시스템을 구축했다. 비개발자에게도 에이전트를 직원이나 팀원처럼 대하는 접근이 업무 효율을 높일 수 있다는 경험이 책의 바탕이 됐다 [07:49]

4. 결과물 생산 속도가 빨라져도 사람의 판단 부담은 남는다

• AI 창을 여러 개 열어 두면 무엇을 지시했는지 추적하고 엉뚱한 결과를 바로잡는 데 시간이 들어, 실제로 효율이 높아졌는지 의문이 생길 수 있다 [08:35]
• AI가 짧은 시간에 많은 결과물을 만들어도 무엇이 좋은지 판단하고 피드백하는 일은 사람에게 돌아온다. 생성 속도만으로 업무 전체의 소요 시간을 판단하면 이 부담을 놓친다 [09:42]

5. 흩어진 에이전트를 통합해 진행 상황과 보고를 관리했다

• 초기에는 업무를 좁고 구체적으로 나눌수록 AI가 지시를 잘 따른다고 보고, 회사용 챗봇을 100~200개 만들었다 [11:09]
• AI에 맡기는 일이 많아지자 지시 범위와 검수 대상을 추적하기 어려워졌다. 이를 해결하려고 사내 플랫폼에 에이전트를 연결하고, 업무 단계와 진행 상황을 확인하며 보고를 직접 받는 구조를 구축했다 [11:58]

6. AI 결과물의 품질에는 사람의 판단 기준이 필요하다

• 사람이 어떤 기준으로 방향을 제시할지 모르고 결과물의 좋고 나쁨을 판별하지 못하면, AI를 사용해도 질 낮은 결과물이 나오기 쉽다는 진단이다 [12:42]
• 단순 제작을 AI가 더 많이 담당할수록 사람은 방향 제시와 피드백에 필요한 안목과 인사이트를 기르는 데 시간을 써야 한다 [13:09]

7. 시간 기록으로 자동화할 업무와 우선순위를 찾는다

• 업무 효율화를 시작할 때는 구글 캘린더에 하루 동안 어디에 시간을 쓰는지 기록하고, 이를 AI에 제공해 일주일이나 한 달의 시간 배분과 자동화 후보를 분석하게 한다 [13:50]
• 김다솔은 주간 유튜브 라이브 준비에 6~7시간을 쓰고 있었다. GPT는 대표의 우선순위를 매출 기여에 두고 준비 시간을 최소화하라고 제안했다 [14:44]

8. 동기화는 말투 모방을 넘어 업무 맥락과 판단을 공유하는 일이다

• 동기화는 말투만 흉내 내게 하는 수준보다, 자신을 거의 복제한다는 생각으로 맥락을 전달하는 접근이다. 회사에서는 내부 미팅을 포함한 모든 회의를 녹음하고 녹취록을 AI에 축적했다 [15:59]
• 회의 맥락과 업무 데이터를 충분히 제공하자 에이전트가 회사의 과거 이력을 반영한 맞춤형 결과물을 만들었고, 사람이 거의 손대지 않아도 되겠다고 느낄 정도의 품질을 경험했다 [16:24]

9. SYNC는 맥락·목적·도구·개선 주기를 연결한다

• S인 스토리는 개인과 회사의 맥락을 AI가 읽기 쉬운 형태로 제공하는 것이다. Y인 와이는 일을 하는 이유와 방향, 해야 할 일과 하지 말아야 할 일을 명확하게 정하는 것이다 [18:16]
• N인 네이티브는 특정 도구만 고집하지 않고 자신의 업무에 맞는 AI와 모델을 선택해 시스템을 구성하는 것이다 [18:36]

10. 영상 생성 전에 레퍼런스를 찾고 기획의 맥락을 쌓는다

• 영상 제작은 생성 도구를 바로 실행하기보다 GPT나 클로드와 어떤 영상을 만들지 먼저 정하는 데서 시작한다 [19:41]
• 성공 사례를 벤치마킹하기 위해 SNS에서 조회수가 잘 나오는 AI 숏 드라마를 먼저 찾아 목록으로 정리하게 한다. 곧바로 분석을 요구하기보다 탐색부터 진행한다 [20:38]

11. 기획과 검수에 더 많은 모델 자원을 배분한다

• 레퍼런스 탐색에는 가벼운 모델을, 전체 기획에는 성능이 좋은 모델을, 제작에는 중간 수준의 모델을 쓰는 식으로 단계에 따라 자원을 나눈다 [21:41]
• 마지막 검수에는 비싼 모델을 사용한다. 검수가 정확할수록 자신이 처리해야 할 일이 줄어들기 때문에 기획과 검수에 토큰을 더 배분한다 [21:56]

12. 성공 패턴과 제작 목적을 함께 주면 기획 방향이 구체화된다

• 시연에서 AI가 도출한 한국 AI 숏 드라마의 성공 패턴은 영상 품질 자체보다 익숙한 드라마 문법을 비틀거나 클리셰를 극단적으로 재현하는 방식이었다 [22:30]
• 같은 숏 드라마라도 조회수 극대화가 목적인지, 완성도를 높여 향후 브랜드 협업을 원하는지에 따라 기획 방향이 달라진다. 시연에서는 공감을 얻으면서 조회수도 확보할 만한 20초 분량의 소재·세계관·캐릭터·줄거리를 요청했다 [24:05]

13. 반복 작업과 제작 기준을 스킬로 저장해 재사용한다

• 스킬은 반복적으로 수행하는 작업을 저장해 두고 필요할 때 불러오는 기능으로 드러난다. 평소 영상 기획 작업을 스킬로 만들어 둔 것이 개인별 결과 차이를 만드는 요인이다 [26:09]
• 카메라 앵글을 정하는 방법과 이미지·영상용 프롬프트 작성 방식 등 자신의 업무 절차를 등록해 활용한다. 진행 중인 숏 드라마 기획 과정도 스킬로 저장하도록 요청할 수 있다 [26:43]

14. 영상 도구를 연결하고 텍스트 기획을 마친 뒤 생성한다

• 시연에서는 GPT·클로드가 직접 수행하지 못하는 영상 생성을 위해 외부 AI 영상 플랫폼을 커넥터·플러그인으로 연결했다. 레퍼런스 분석부터 함께한 AI가 맥락을 유지한 채 생성용 프롬프트를 작성하게 하는 방식이다 [27:59]
• 이미지와 영상을 반복 생성하면 크레딧 소모가 커지므로, 생성 전에 텍스트 단계에서 기획과 프롬프트를 최대한 완성한다 [28:35]

15. 경험과 결정의 기록 정리도 AI에 맡긴다

• 조직의 경험과 결정을 AI가 필요할 때 꺼내 쓸 수 있도록 기록하는 방법에 대해, 자료를 정리하는 작업 자체도 AI에 맡기라는 접근이 드러난다 [29:58]

16. 원본·인사이트·지침을 나눠 Codex에 업무를 인계한다

• 채팅에서 진행한 숏드라마 기획 과정을 Codex로 넘기기 위해 중요한 자료는 마크다운 파일로 정리하고, 참고할 원본 데이터는 전용 폴더에 모으도록 요청한다. 연결된 폴더에 AI가 이해하기 쉬운 가이드와 명령을 남기는 것이 인계의 핵심이다. [31:06]
• 회의 녹음과 전사문을 모두 제공했더니 간단한 질문에도 방대한 자료를 읽느라 시간이 오래 걸리고 토큰 소비가 커졌다. 이를 줄이기 위해 원본 데이터, 핵심 인사이트를 추린 자료, 자료 탐색을 안내하는 에이전트 지침을 층별로 나누고 필요한 깊이까지만 확인하게 한다. [32:26]

17. 크레딧을 쓰기 전에 비용과 실행 여부를 확인한다

• 테스트에는 저화질의 저렴한 모델을 지정하고, 크레딧을 집행하기 전에 비용 효율성을 확인받도록 한다. 과거 단순히 영상을 만들어 달라고 요청했다가 4K 결과물이 생성돼 크레딧을 소진한 경험이 이 원칙의 배경이다. [33:56]
• 유료 작업은 예상 비용과 실행 여부를 먼저 묻게 한다. AI에 실무를 위임하더라도 비용 지출에는 사람의 승인 절차를 둔다. [34:01]

18. AI가 제작을 수행하고 사람은 단계별 선택과 검수를 맡는다

• 영상 제작은 레퍼런스 탐색, 분석, 기획, 제작, 편집으로 나뉘며 각 단계의 최종 결정에는 사람이 들어가야 한다. AI가 제안한 세 가지 안 중 B안을 선택한 것처럼 방향을 고르는 책임은 사람에게 있다. [34:42]
• AI 팀원을 활용하면 신입 직원도 일을 지시하고 피드백과 검수를 맡을 수 있다. 복사나 회의록 작성 같은 업무를 오래 수행한 뒤 관리 권한을 얻던 방식에서, 처음부터 AI의 실무 결과를 관리하는 방식으로 업무 구조가 달라진다. [35:29]

19. 반복 피드백을 줄이기 위해 회사의 제작 기준을 플랫폼에 넣는다

• 회사의 여러 에이전트를 하나의 플랫폼으로 묶고, 일정과 확인이 필요한 업무를 연동한다. 자주 수행하는 작업은 별도의 스튜디오 형태로 구성한다. [37:19]
• 제안서 PPT에 대한 기준을 매번 말로 설명하느라 시간이 오래 걸려, 그 기준을 기본 데이터베이스로 갖춘 플랫폼을 만들었다. 회사의 맥락을 제공하기 위해 기존 PPT를 모은 아카이브부터 구축했다. [37:57]

20. 고객 정보와 기존 템플릿으로 제안서 초안을 만든다

• 고객 맞춤 제안서를 만들기 위해 클라이언트의 기본 정보, 회사·브랜드 개요를 담은 마크다운 파일, 킥오프 미팅 내용을 입력한다. 고객에 대한 데이터가 쌓여야 맞춤화의 근거가 생긴다. [39:16]
• 패션 브랜드 영상 제안처럼 콘셉트, 모델, 스토리보드로 이어지는 반복 구조를 템플릿으로 익히게 한다. 먼저 제안서의 흐름을 만들고, 추천 조합으로 슬라이드를 생성한 뒤 수정 요청과 검토를 거쳐 PPT로 내려받는다. [40:10]

21. 수정 이유를 저장해 다음 작업의 품질에 반영한다

• 자동화가 돌아가더라도 좋은 품질을 얻으려면 사람의 개입이 필요하다. 채팅창에서 피드백을 주고 끝내면 다음 작업에서도 같은 수정을 반복하게 되므로, 플랫폼에 피드백을 축적하는 별도 메뉴를 둔다. [41:33]
• 영상에서 장면을 새로 생성할 때도 재생성 이유를 반드시 기록한다. 수정 이유와 피드백을 데이터로 쌓고 AI가 이를 학습하게 해 더 나은 결과로 이어지는 순환을 만든다. [42:08]

22. AI 동기화는 팀원에게 업무 맥락을 익히게 하는 온보딩이다

• 동기화되지 않은 AI는 똑똑해도 매일 입사 첫날인 신입사원과 같다. 회사가 어떻게 일하는지와 배경을 모르면 가진 능력을 충분히 활용하기 어렵다. [43:02]
• 사람에게 온보딩하듯 AI에도 회사 소개, 앞으로의 업무 방식, 기존 작업 사례, 매뉴얼과 가이드를 제공해야 한다. 이런 맥락을 익히게 하는 과정이 AI와의 동기화다. [43:26]

23. 모델 변화에 앞서 자신의 워크플로우를 설계한다

• 특정 기능의 사용법은 몇 달 뒤 바뀔 수 있으므로, AI와 함께 업무 흐름을 만드는 원리가 중요하다. 새로운 모델이 나와도 이런 워크플로우 구조는 크게 바뀌지 않을 것이라는 전망이다. [44:45]
• 모델 변화에 일희일비하기보다 자신의 업무 흐름을 파악하고, 어느 단계에 자신에게 맞는 AI를 넣을지 먼저 생각해야 한다. [44:55]

24. 업무 도구를 연결하고 자동화할 일을 AI에 묻는 것부터 시작한다

• 처음에는 평소 사용하는 노션·슬랙·구글 캘린더 등의 도구를 플러그인으로 연결해 업무 맥락을 제공한다. 그 상태에서 연결된 자료를 참고해 효율적으로 자동화할 업무 다섯 가지를 뽑아 달라고 요청하면 우선순위를 제안받을 수 있다. [46:03]
• 에이전트 활용은 작은 질문에서 시작할 수 있다. 무엇을 할 수 있는지, 어디까지 맡길 수 있는지 AI에 먼저 물어보며 활용 범위를 확인한다. [46:36]

🧾 결론

• 사례의 핵심은 프롬프트 한 번으로 완성하는 기술보다, AI가 업무 맥락과 판단 기준을 계속 참고할 수 있는 구조를 만드는 데 있다.
• 자료를 많이 제공하는 것만으로 충분하지 않다. 원본·요약·지침을 구분해야 탐색 시간과 토큰 소비를 줄이는 방향으로 운영할 수 있다.
• 자동화 이후에도 사람의 안목과 책임은 남는다. 결과를 선택하고 수정 이유를 기록하는 과정이 다음 작업의 품질을 높이는 기반이다.

📈 투자·시사 포인트

• 생산성 평가: 생성량이나 생성 속도만 보지 말고, 지시·검수·수정까지 포함한 전체 소요 시간을 살펴야 한다.
• 조직 운영: 기존 작업물, 고객 맥락, 제작 기준, 피드백을 재사용하는 체계가 회사에 맞는 결과물을 만드는 중요한 조건으로 제시된다.
• 비용 관리: 단계별 모델 선택, 저렴한 테스트, 생성 전 텍스트 기획, 유료 실행 승인 등을 함께 설계해야 한다. 사례에서는 무심코 생성한 4K 영상이 크레딧을 소진한 경험도 소개된다.
• 인력 역할: 반복 제작을 AI에 맡길수록 사람에게는 목표 설정, 방향 선택, 검수와 피드백 역량이 더 요구된다. 다만 자료에는 기업별 실적이나 투자 수익을 평가할 근거가 제시되지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 맞춤형 결과물의 품질과 업무 감소는 주로 발표자의 경험으로 설명된다. 도입 전후의 총작업 시간, 수정 횟수, 비용을 비교한 정량 자료는 제시되지 않는다.
• ‘나를 복제한다’는 표현은 맥락 전달의 깊이를 설명하는 비유다. 사람의 판단을 완전히 재현하거나 자율적으로 대체한다는 검증 결과는 아니다.
• 자료에서 말하는 ‘학습’이 모델 자체의 학습인지, 저장된 자료·템플릿·지침을 참고하는 방식인지 구체적으로 구분되지 않는 대목이 있다.
• 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

• 하루의 시간 사용을 기록하고, 일주일 또는 한 달 단위로 AI에 분석을 요청해 반복 업무와 자동화 우선순위를 찾는다.
• 회사·개인 소개, 업무 목적, 해야 할 일과 하지 말아야 할 일, 기존 결과물과 판단 기준을 온보딩 자료로 정리한다.
• 회의록 작성이나 제안서 초안처럼 반복되는 업무 하나를 골라 절차를 스킬·템플릿으로 저장하고, 지시부터 검수까지 걸리는 시간을 확인한다.
• 원본 자료, 핵심 인사이트, 자료 탐색 지침을 나눠 저장하고, AI가 필요한 깊이까지만 읽도록 안내한다.

❓ 열린 질문

• 검수와 수정까지 포함하면 어떤 업무에서 실제 시간 절감이 가장 크게 나타나는가?
• 맞춤형 결과물을 얻는 데 필요한 최소한의 맥락은 무엇이며, 원본과 요약을 어느 수준으로 나눠야 하는가?
• 축적된 피드백이 다음 결과물에 반영됐는지 누가 어떤 기준으로 확인할 것인가?