10월 17일 토요일
AI 도입의 성패는 더 큰 장비보다 어떤 반복을 맡기고, 어떤 판단을 사람에게 남길지 정하는 데서 갈린다.
자동화의 출발점은 가장 귀찮은 일의 이름을 붙이는 것
한 치과의 전환기는 AI가 사람을 통째로 대신한 성공담이 아니라, 반복을 좁히고 데이터와 승인 경계를 먼저 정한 운영 사례다.
거창한 계획보다 진료 밖의 마찰부터
이 치과의 변화는 ‘AI 병원’을 만들겠다는 선언에서 시작하지 않았다. 인건비는 오르고 몸은 고된데 예약 변경 전화, 보험사 응대, 팩스와 서류, 직원이 찾는 매뉴얼 같은 진료 밖의 일이 계속 쌓인다는 푸념이 출발점이었다. 원장은 지난 통화를 다시 듣는 일, 동의서를 스캔해 파일 이름을 바꾸는 일, 진료비를 물으러 복도를 오가는 일처럼 이름을 붙일 수 있는 반복부터 손댔다. 통화는 실시간으로 글이 되고 끝난 뒤 요약과 할 일이 남았으며, 태블릿 동의서는 PDF로 환자 차트에 저장됐다. 직원 호출은 사내 메신저와 음성으로 전달됐다. 이 사례가 주는 첫 기준은 ‘우리도 AI를 도입할까’가 아니라 ‘사람의 흐름을 가장 자주 끊는 일이 정확히 무엇인가’다. 단, 태블릿이 익숙하지 않은 환자에게는 종이 동의서가 남았다. 자동화는 화면이 완성됐을 때가 아니라 실제 이용자가 편하게 일을 마칠 때 끝난다.
사람을 없애는 대신 사람이 볼 대상을 줄였다
가장 큰 효과로 소개된 보험 서류 대조는 역할 분담을 선명하게 보여준다. 쌓인 서류 94개, 3,389쪽을 읽는 데 69분이 걸렸고, 6,928줄 가운데 5,319줄을 자동 확정으로 분류했다. 사람은 남은 1,609줄을 확인하는 쪽으로 이동했다. 약 77%라는 값은 이 병원의 해당 서류에서 나온 결과일 뿐 다른 병원이나 모든 보험 업무에 적용되는 정확도가 아니다. 중요한 변화는 전부를 처음부터 읽던 사람의 주의를, 확인이 필요한 항목에 집중시킨 점이다. 통화 처리도 같은 원리다. AI가 통화 목적, 긴급 여부, 할 일을 정리하면 원장이 판정한다. 서로 다른 AI의 답이 엇갈린 통화를 먼저 보고, 어느 모델의 답인지 가린 채 결과를 비교하기도 한다. 두 AI가 같은 답을 냈다는 이유만으로 정답으로 삼지 않고 마지막 결정은 사람이 맡는다. 그 판정은 병원 업무에 맞는 정답 자료로 다시 쌓인다.
도구를 고르기 전에 데이터·승인·비용의 경계를 정한다
환자 정보가 따라가는 업무를 맡기려면 먼저 정보가 어디에 머물지 결정해야 한다. 이 원장은 환자 정보를 병원 밖으로 보내지 않는다는 원칙을 세우고 병원 안 컴퓨터에서 AI를 돌렸다. 경영 리포트에서도 숫자는 분석 프로그램이 계산하고 AI는 그 값을 설명하게 했으며, 추정은 따로 표시했다. 포털·전화·음성·인프라를 담당하는 AI 코딩 에이전트를 나눠 썼지만 실제 운영 설정을 바꾸는 순간에는 본인이 승인했다. 요일 발음을 틀린 음성 챗봇, 다시 만든 전화 시스템, 다른 에이전트가 찾아낸 누락 설정은 자동화가 한 번에 완성되지 않았음을 보여준다. 또한 병원 뒷방의 DGX Spark 12대는 원장 스스로 취미에 가까운 과투자라고 표현한 선택이다. 구독과 광고비를 줄인 기록은 있지만 전체 장비값을 언제 회수했는지는 이 자료만으로 계산할 수 없다. 따라서 다른 조직이 가져갈 것은 장비 목록이 아니라 데이터 위치, 최종 승인자, 실패 시 되돌아갈 절차, 투자 회수 근거를 먼저 묻는 순서다.
자동화가 늘수록 사람이 맡아야 할 일은 더 선명해진다
개인은 판단의 출발점을 지키고, 팀은 반복을 조율하며, 함께 다음 업무 방식을 결정해야 한다.
자동화가 늘어날수록 사람과 조직은 판단 근육과 협업을 어떻게 지켜야 하는가?
두 원문은 서로 다른 층위에서 같은 경계를 짚는다. 개인에게는 AI 없이도 결정하고 시작할 수 있는지가 중요하고, 팀에게는 지금 반복 중인 업무 흐름을 어느 수준에서 고칠지 함께 판단하는 능력이 중요하다. 일을 맡기는 것과 판단을 맡기는 것은 다르다. 초안 작성이나 반복 처리처럼 ‘어떻게 할지’를 맡겨도, 무엇을 왜 할지와 최종 선택까지 넘기면 편의는 의존으로 바뀔 수 있다. 반대로 모든 일을 사람 손에 남겨 두는 것도 답은 아니다. 작업 루프, 즉 일이 되풀이되는 흐름이 충분히 안정됐다면 더 큰 단위에서 자동화하고 조율할 수 있다. 결과가 자주 틀리거나 재현되지 않는다면 세부 단계로 내려가 검증해야 한다. 핵심은 AI 사용량을 늘리거나 줄이는 한 방향의 처방이 아니라, 사람의 판단과 팀의 점검이 들어갈 위치를 의도적으로 설계하는 데 있다.
- 01
개인의 시작점: 먼저 생각하고 나중에 묻기
정재민은 AI 사용을 위임, 의존, 위축의 세 단계로 설명한다. 처음에는 초안과 반복 업무를 맡기지만, AI의 확인 없이는 선택하기 어려워지고, 끝내 AI 없이는 시작하지 못하는 상태로 갈 수 있다는 경고다. 이를 막는 실천은 질문 순서를 바꾸는 것이다. AI에게 묻기 전 5분 동안 자신의 생각을 몇 줄 적고, 답을 받은 뒤 비교하고 반론하며 최종 판단을 되찾는다. AI를 쓰지 않는 시간을 벌로 두는 것이 아니라 직접 읽고 쓰고 생각하는 기초 체력을 유지하는 시간으로 두는 접근이다.
- 02
팀의 조정: 더 높이 올라갈 때와 더 낮게 내려갈 때
swyx가 말하는 ‘루프’는 채팅, 도구 사용, 목표 관리, 자동화처럼 반복되는 일의 단위다. 현재 흐름이 안정됐고 처리량을 늘려야 한다면 반복을 묶어 조율하는 상위 단계로 올라간다. 반대로 신뢰성이 낮거나 버그가 생기면 구체적인 단계와 조건으로 내려가 원인을 확인한다. 따라서 팀의 역량은 자동화를 많이 만드는 데만 있지 않다. 지금 막힌 곳이 생산성인지 신뢰성인지 구분하고, 그에 맞춰 점검 수준을 바꾸는 능력이 필요하다.
- 03
가장 높은 협업: 다음 반복을 사람이 함께 정하기
개인이 AI와 대화하는 흐름을 넘어서면 팀은 어떤 반복을 없애고 무엇을 새로 검토할지 정해야 한다. swyx는 사람들이 모여 다음 루프가 무엇인지 알아내는 과정을 가장 높은 루프라고 부른다. 이 관점은 인간의 역할을 단순 승인자로 축소하지 않는다. 각자가 자동화한 결과를 모으고, 그 과정에서 사라진 맥락이나 새로 생긴 위험을 드러내며, 다음 업무 방식을 함께 결정하는 역할이 남는다. 정재민의 주장과 연결하면 AI가 조수인지 운전자인지 확인하는 일은 개인의 자제력만이 아니라 조직의 회의와 검토 절차가 되어야 한다.
좋은 AI 운영은 사람에게 모든 일을 되돌리는 것도, AI에게 모든 결정을 넘기는 것도 아니다. 개인은 자신의 첫 판단을 남기고, 팀은 자동화 결과가 어긋날 때 세부 단계로 돌아갈 수 있어야 한다. 그리고 무엇을 더 자동화할지, 무엇은 느리게 읽고 토론할지, 최종 책임은 누가 질지를 함께 정해야 한다. 속도가 빨라질수록 사람의 고유한 일은 답을 생산하는 데서 질문과 기준을 선택하는 쪽으로 이동한다. 그 선택을 위한 시간까지 자동화의 낭비로 취급하지 않는 것이 판단 근육과 협업을 동시에 지키는 조건이다.
아직 못 읽은 북마크
북마크를 고르는 중…