"AI에게 일을 잘 시키는 법" Part 1/3

1

"AI에게 일을 잘 시키는 법" Part 1/3
16년에 처음 머신러닝 논문을 쓰고, 22년 GPT가 대중에 오픈되는 그날부터 쓴 내가
그동안 피같은 몇 천을 써가며 나름대로 터득한 AI 활용 노트를,
앞으로 몇 글에 걸쳐서 공유하고자 한다.
댓글로 여러분의 노하우도 공유한다면,
우리나라는 AI강국이 될 거라 믿어 의심치 않는다.
시작해보자
Part 1. 가장 먼저 바뀌어야 할 생각

대부분 AI를 이렇게 쓸거다.
내가 해야할일이 생겼다 -> AI한테 시킨다 -> 결과를 받는다.
실제로, 이 방식으로도 작업시간이 평균 40%가 줄고, 품질은 18%가 높아졌다는 연구가 있다.
물론 이렇게 써도 된다.
하지만, AI를 100% 다뤄서 더 뛰어난 내가 되려면 어떻게 해야할까?
가장 중요한 원칙은 AI에게 답을 달라고 하지 않는 것이다.
이게 가장 먼저 바꿔야 할 생각이다.

2

1/ 가장 먼저 바꿔야 할 생각
남들도 아는 정해진 답을 빨리 받는것. 이것도 중요한 AI를 활용한 생산성이다.
즉, '같은 일을 빨리하는 생산성'
근데, 더 큰 생산성은 다른데서 나온다.

사람이 하나 생각한다.
AI가 50개를 조사한다.
조사결과를 바탕으로 20개 가설을 만든다.
20개를 깨본다.
3개만 남긴다.
사람이 그중 하나를 고른다.
AI가 검증하고 결과물 5개로 만든다.
이건 같은 일을 빨리 한 게 아니다.
한 사람이 다룰 수 있는 생각의 수 자체가 달라진다.
앞으로 목표는 이쪽이어야 한다.

3

2/ 모든 일을 연역/귀납/귀추로 먼저 분류해야한다.
무슨말인지 벌써 어려운가?
하나씩 파고들면 어렵지 않다.
AI에게 일을 주기 전에 딱 하나를 판단한다.
지금 내가 모르는 것이 무엇인가?
다시 말하면 AI에게 내가 뭘 묻고싶은지 명확히 해야한다.

내가 모르는것이 결과인가? 연역이다. 이건 AI가 매우잘한다
예> 이러한 판매량이 100%오르면 매출은 얼마인가?
내가 모르는것이 규칙인가? 귀납이다. 이것도 AI가 잘한다.
예> 지난 20년간 이런 상황은 어떻게 됐나?
내가 모르는것이 원인인가 프레임인가? 귀추이다. 이건 AI가 약하다.
예> 왜 잘 팔리는데 주가는 빠졌지?
1,2번은 고민하지말고 무조건 AI를 써야한다. 이건 AI가 훨씬 잘한다.
3번이 중요하다. 이건 현 시점 AI가 가장 약하다. 그래서 내가 개입해야한다.
이 구분이 대단히 중요하다. 다음 장 넘어가기전에 반복해서 읽어보자

4

3/ AI에게 문제의 공간을 쥐어주자
주식 분석으로 예를 들어보자
'엔비디아 분석해줘"
라고하면 평균적으로 그럴듯한 분석이 나온다.
근데, 프롬프트에
"공장이 미친듯이 돌고, 못 만들어서 못 파는데 주가는 왜 -13%지?”
라고 문제를 잡아주면 AI가 풀어야 할 탐색공간 자체가 달라진다.
사람은 문제를 짚어준다.
AI는 그 문제공간을 뒤진다.
이게 기본적인 분업 방식이다.

5

4/ AI가 해야하는 일은 '이상한 후보 만들기'
앞으로 AI에게 처음부터 무작정
"인사이트 찾아줘"
라고 하지 않아야 한다.
대신 AI에게 이상한 사실 후보를 대량 생산하게 해야한다.
예를들어,
과거 5년치 재무자료를 쥐어주고 이렇게 한번 써보자
"결론을 내리지 마라. 이 자료들 안에서 서로 동시에 사실이기 어려워 보이거나,
일반적인 기대와 다른 방향인 사실만 20개 찾아라.
그리고 각 항목을,

예상했던 것,
실제 관측된 것
둘 사이의 차이
로 적어라.
원인은 아직 설명하지 마라."
이 단계가 중요하다.
AI가 바로 설명까지 하게 두면 가장 흔한 설명으로 수렴한다.

6

5/ 내가 해야하는 첫번째 일은 '이상한지점 찾기'
예를 들어보자,
이상한 후보 1)
알파벳은 현금을 많이 번다. 그런데 설비투자는 그보다 크다.
이상한 후보 2)
AI 효율은 계속 좋아진다. 그런데 데이터센터 투자는 줄지 않는다.
이상한 후보3)
매출은 20% 늘었다. 그런데 영업현금은 줄었다.
이 후보 중 무엇이 정말 이상한지는 사람이 고른다.
뭐가 이상하냐고?
다시, 문장을 보자
두 문장을 이어주는 연결은 사라져있다.
이걸 이어주게 하는건 AI가 잘 못한다.
이건 아직 나만 할 수 있다.
여기가 내가 할 첫번째 일이다.

7

6/ “AI한테 가설을 만들어달라”도 그냥 시키면 안 된다.
LLM은 가장 확률 높은 설명으로 모이려는 경향이 있다.
그래서
"왜 이런일이 벌어졌을까?"
라고 물으면, 비슷한 설명 5개가 나온다.
대신 AI가 탐색할 공간을 강제로 늘려야 한다.
예를 들어보자
"아래 이상현상을 설명할 가설을 15개 만들어라.
단, 앞의 가설과 같은 방식이나 메카니즘의 변형은 새로운 가설로 세지 마라.
최소한 다음 영역을 하나씩 포함하라.
회계 / 재무 / 고객행동 / 경쟁 / 물리적 제약 / 시간차 / 규제 / 조직 인센티브 / 공급망 / 시장심리
서로 동시에 참일 필요도 없다.
지금은 설명할수 있는 가능성을 넓히는 작업이다."

8

7/ 그래서 AI를 나의 생각 후보 생성기로 써야한다.
여기서 중요한 구분이 있다.
AI에게 귀추. 즉 원인이나 프레임 작업을 못 시키는 것은 아니다.
뇌피셜로 대충 점수를 매기면 귀납/연역은 90점대, 귀추는 30점대로 생각된다
현재 모델도 충분히 기발한 가설을 만들 수 있다.
문제는
그것이 정말 새로운 설명인지,
훈련 데이터에서 본 설명의 재조합인지,
현실에 기반한 좋은 가설인지
판별하기 어렵다는 것이다.
그래서 AI의 역할은,
“정답일수 있는 가설을 말해줘.”
가 아니라,
“내가 선택할 수 있도록 내 생각 공간을 넓혀줘.”
가 되어야 한다.
그래서 AI에게 20개를 만들게 하고,
사람이 다음 세 기준으로 3개를 고른다.

놀랍나?
새로운 생각인가?
틀렸는지 확인할 방법이 있나?
1만 되도 스레드 어그로 글 소재로 충분하다.
2만 되도 대단한 인사이트가 되며
3만 되도 논문 주제가 된다.

9

(Part 2에 이어서 계속)

10

AI를 깊게 파고 각 기업의 전략을 고민하고 있습니다.
팔로우하시면 지속적으로 재밌는 이야기를 받아 보실수 있습니다.
@arena_park