이 영상은 단순히 업무 속도를 높이는 것을 넘어, AI 시대에 지식 노동자가 어떻게 운동선수처럼 '의도적인 연습'을 통해 실력을 키울 수 있는지에 대해 다룹니다. 저자는 모호한 업무 기술을 측정 가능한 점수로 바꾸는 방법과, AI를 나만의 코치로 활용하여 피드백 루프를 만드는 구체적인 가이드를 제시합니다. 이를 통해 단순히 일을 쳐내는 것이 아니라, 대체 불가능한 판단력과 감각을 기르는 방법을 배울 수 있습니다.
1. 지식 노동자는 왜 '훈련'을 하지 않을까? 🤔
우리는 이제 직무(Job) 중심이 아닌 기술(Skill) 중심으로 커리어를 생각해야 하는 시점에 와 있습니다. 하지만 아무도 이에 대해 제대로 이야기하지 않죠. 2019년, 경제학자 타일러 코웬(Tyler Cowen)은 흥미로운 화두를 던졌습니다. 운동선수나 음악가는 끊임없이 훈련하지만, 지식 노동자는 그렇지 않다는 것이었죠.
"운동선수는 훈련하고, 음악가는 훈련하고, 공연자도 훈련합니다. 하지만 지식 노동자는 훈련하지 않습니다. 우리는 훈련하지 않아요. 저는 자유투를 던지는 연습 같은 걸 하지 않습니다. 지식 노동에 그와 동등한 것은 없으니까요."
피아니스트는 스케일을 연습하며 손가락의 움직임, 압력, 속도 같은 하위 기술들을 반복해서 다듬습니다. 하지만 지식 노동자인 우리는 평생을 '실전(Live performance)' 속에서만 보냅니다. 연습 없이 바로 무대에 오르는 것과 같아서 학습 효율이 매우 떨어질 수밖에 없죠.
그렇다면 왜 우리는 연습하기가 힘들까요? 환경적으로 다음 세 가지 이유 때문에 구조적으로 어렵습니다.
- 모호한 결과 (Fuzzy Outcomes): 농구공은 골대에 들어가거나 안 들어가거나 둘 중 하나지만, 전략이나 리더십 같은 업무는 속도, 품질, 정치적 상황 등 너무 많은 요소가 섞여 있어 성공 여부가 불분명합니다.
- 지연되고 시끄러운 피드백: 1분기에 내린 결정의 결과는 빨라야 3분기에나 알 수 있습니다. 그사이 시장이 변하거나 담당자가 바뀌어버려, 내 결정이 옳았는지 정확히 알기 어렵습니다.
- 적은 반복 횟수: 중요한 의사결정 문서나 전략 기획서를 일주일에 수백 번씩 쓰지는 않습니다. 횟수가 적은 데다 모든 업무가 실전이라 '실패해도 되는 연습장'이 없습니다.
하지만 좋은 소식은, 이제 2025년 AI 시대가 되면서 우리가 역사상 처음으로 맞춤형 피드백을 받으며 제대로 훈련할 기회를 얻었다는 점입니다.
2. AI 시대에 정말 중요한 5가지 기술 🖐️
AI가 실행의 많은 부분을 담당하게 되면서, 우리가 집중해서 훈련해야 할 기술은 다음 5가지로 압축될 수 있습니다.
- 판단력 (Judgment): 불확실한 상황에서 결정을 내리고 옵션을 정의하는 능력.
- 오케스트레이션 (Orchestration): 모호한 목표를 인간과 AI가 실행할 수 있는 구체적인 워크플로우로 바꾸는 능력.
- 조정 능력 (Coordination): 혼란을 일으키지 않고 사람(그리고 AI 에이전트)들을 이끌어 나가는 능력.
- 취향/안목 (Taste): 제품, 글, 디자인, 전략에 대해 '무엇이 좋은 것인지' 아는 높은 기준.
- 업데이트 (Updating): 증거와 상황이 변할 때 소음(Noise)에 휘둘리지 않고 내 생각을 수정하는 능력.
중요한 점은 이 기술들이 이력서에 적는 추상적인 형용사가 아니라, 우리가 남기는 결과물(Artifacts) 속에 살아 있다는 것입니다.
"이 기술들은 형용사가 아닙니다... 이것들은 여러분이 만들어내는 것들 속의 '패턴'입니다. 이걸 받아들이면 누가 추상적으로 '전략적'인지를 논쟁하는 것을 멈추고, 사람들이 실제로 어떻게 쓰고, 행동하고, 결정하는지를 보게 됩니다."
예를 들어 '판단력'은 의사결정 문서나 실험 설계에 드러나고, '조정 능력'은 이메일이나 회의록에 나타나며, '취향'은 UX 디자인이나 선택한 비유 표현에서 드러납니다.
3. 나만의 'AI 코치' 만들기: 루브릭과 붉은 펜 🖊️
이제 이 기술들을 어떻게 훈련할까요? AI는 마법의 뇌가 아니라, 텍스트를 읽고 지시를 따르는 도구입니다. 이 점을 활용해 '연습할 벽'을 세워봅시다.
1단계: '좋은 것'이 무엇인지 정의하기
먼저 AI를 끄고, 팀에서 가장 신뢰하는 사람을 찾아가 물어보세요. "이 문서가 좋다고 할 때, 구체적으로 어떤 점을 의미하나요?"라고 끈질기게 물어보세요. 그러면 다음과 같은 구체적인 기준(Rubric)이 나옵니다.
- 결론이 한 문장으로 명확한가?
- 적어도 두 가지 이상의 실제적인 옵션이 있는가?
- 리스크와 트레이드오프가 명시되었는가?
2단계: 붉은 펜으로 채점하기
기준을 1~5점 척도로 만들고, 실제 문서 3~5개를 꺼내 직접 채점해보세요. "이건 명확성은 좋은데 리스크 분석이 약해"라며 붉은 펜으로 메모를 남기세요. 인간적인 판단 기준을 세우는 과정입니다.
3단계: AI에게 채점 시스템 맡기기
이제 LLM(거대언어모델)에게 여러분이 만든 루브릭과 직접 채점한 예시들을 입력합니다. 그리고 이렇게 요청하세요.
"내가 새로운 문서를 보내면, 이 기준대로 점수를 매겨줘. 네가 반응한 부분을 인용하고, 왜 그 점수를 줬는지 설명해 줘. 그리고 점수를 1~2점 올리려면 어떻게 고쳐야 할지 제안해 줘."
이렇게 하면 AI가 여러분의 전용 코치가 되어 모든 문서에 대해 구조화된 피드백을 즉시 제공하게 됩니다.
4. 필름 리뷰에서 반복 훈련으로 🏃♂️
이제 우리는 운동선수들이 경기 영상을 돌려보며 분석하는 '필름 리뷰(Film Review)'를 우리 업무에 적용할 수 있습니다. 내가 쓴 글이나 기획서를 AI 코치에게 보내 피드백을 받으세요. "내 판단력 점수가 이번 주에는 어떻게 변했지?"라고 패턴을 추적할 수 있습니다.
더 나아가, 실제 업무가 아닌 가상의 훈련(Drills)도 가능합니다.
- 훈련 예시: 일주일에 한 번, 슬랙의 복잡한 스레드나 상사의 모호한 요청 같은 '지저분한 상황'을 가져와 1페이지짜리 의사결정 문서를 써봅니다.
- 피드백: 이를 AI 루브릭에 넣어 점수를 받고, AI가 생성한 '더 좋은 버전'과 비교해 봅니다.
"여러분의 버전을 모델이 생성한 더 강력한 버전과 비교하세요. 무엇을 놓쳤는지 확인하세요. 그게 바로 연습입니다. 무엇이 좋은지 비교하고, 하위 기술에 집중해서 매주 연습하고 또 연습하는 겁니다."
행동의 사슬은 이렇게 이어집니다: 기술(Skill) → 결과물(Artifact) → 등급(Grade) → 연습(Practice). 이것이 바로 막연히 생각만 하는 것과 AI를 코치로 두고 실제로 실력을 키우는 것의 차이입니다.
5. 팀 단위 훈련과 채용에 적용하기 🤝
이 방법은 팀 전체로 확장할 때 훨씬 강력해집니다.
팀 차원의 연습 루프
팀원들이 함께 "우리에게 좋은 문서란 무엇인가?"를 정의하고 루브릭을 만듭니다. 그리고 코드 리뷰를 자동화하듯, 문서가 작성되면 AI가 먼저 1차 피드백(Critique)을 주도록 설정할 수 있습니다.
- 팀 훈련: 일주일에 한두 번, 10분 타이머를 맞추고 AI가 지적한 공통적인 약점을 개선하는 짧은 연습을 해보세요.
- 효과: "이번 분기에 우리 팀의 문서 점수가 올랐나?", "의사결정이 더 빨라졌나?" 등을 실제로 측정할 수 있게 됩니다.
채용(Hiring)에 적용하기
대부분의 채용 인터뷰는 "이해관계자를 설득했던 경험을 말해보세요" 같은 간접적인 질문에 의존합니다. 하지만 우리가 만든 루브릭을 활용하면 훨씬 구체적인 검증이 가능합니다.
- 실전 과제: 지원자에게 실제와 유사한 상황(Prompt)을 주고 짧은 의사결정 문서를 쓰거나 수정하게 합니다.
- 라이브 세션: 면접 중 "갑자기 법무팀이 반대한다면?", "일정이 절반으로 줄어든다면?" 같은 제약을 던져보며 어떻게 대응하고 사고하는지 관찰합니다.
- 비평 훈련: AI가 쓴 평범한 문서를 보여주고 "어디가 잘못되었나요?"라고 물어보며 지원자의 '안목(Taste)'을 테스트합니다.
이 과정에서 지원자가 AI를 사용하는지는 중요하지 않습니다. 중요한 건 그 사람의 사고 패턴입니다. AI 도구가 없는 상황(대화 중)에서도 그 패턴이 유지되는지, AI를 쓰더라도 트레이드오프를 명확히 설명할 수 있는지 확인하면 됩니다.
"우리는 누군가 AI를 써서 부정행위를 하는지 잡으려는 게 아닙니다... 우리는 그들이 '탭, 탭, 탭(자동완성)'을 할 수 없는 상황에서도 여전히 보이는 안정적인 사고 패턴을 가지고 있는지 확인하려는 겁니다."
6. 마치며: 지식 노동의 '운동선수'가 되자 🏁
물론 이 방법에도 한계는 있습니다. AI의 점수가 완벽하지 않을 수 있고, 이것을 승진이나 고과 평가의 절대적 기준으로 삼아서는 안 됩니다(감시당한다는 느낌을 주면 안 되니까요).
하지만 핵심은 작게 시작하는 것입니다. 하나의 습관, 하나의 문서를 정해서 연습을 시작해 보세요.
"정말로 목표는 우리 지식 노동에 대해 운동선수 같은 태도를 가지는 습관을 들이는 것입니다. 어떻게 의도적으로 기술의 이름을 붙이고, 측정하고, 좋은 것이 무엇인지 확인하고, AI의 힘을 빌려 훈련하고 더 나아질 것인가?"
2019년에는 불가능했던 일이 2025년인 지금은 가능합니다. 이제 우리에게는 개인 코치(AI)가 있습니다. 단순히 일을 빨리 처리하는 것을 넘어, 나만의 기술을 정교하게 다듬어 대체 불가능한 전문가로 성장할 기회가 열려 있습니다. 이 기회를 놓치지 말고 오늘부터 바로 '나만의 훈련'을 시작해 보세요