왜 AI를 써도 항상 일이 많을까?

URL: https://www.youtube.com/watch?v=_VAkgGmKvAg 날짜: 2026-07-29 채널: 조승연의 탐구생활

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

AI 도구가 계속 발전해도 일은 줄어들지 않는다. ==인간이 문자·계산기 발명 이후 또 한 번 "인간이 원래 잘 못하는 일"을 새로 떠맡아야 하는데, 그것이 바로 시스템 디자인(system design)이다==.

• 옛날엔 글자가 없어서 암기를 억지로 했고, 컴퓨터가 없어서 데이터 분석·계산을 억지로 했던 것처럼, AI 시대엔 "일을 잘게 쪼개고, 어떤 AI에게 맡길지 정하고, 프롬프트를 만들고, 결과를 조립하는" 시스템 디자인을 인간이 떠맡아야 한다
• 인간은 본능적으로 즉흥적이고 시스템 안에서 일하는 것을 싫어하는 존재이기 때문에, 이 작업 자체가 AI 사용의 진입 장벽이 된다
• AI 품질이 90%까지 가는 건 점점 쉬워지지만, 그 90%는 이제 아무 의미가 없어졌고 90%에서 99%로 가는 사람이 결국 AI 시대의 승자가 된다

조승연 작가는 '젠스파크(Genspark) AI'라는 여러 AI 엔진(GPT, 클로드, 제미나이, 딥시크, 그록)을 동시에 돌려 결과를 비교·합성해 주는 "믹스처 오브 에이전트(mixture of agents)" 툴을 실제로 시연하면서, AI가 많아질수록 오히려 그것들을 관리하는 "에그리게이터(aggregator)"와 나를 미리 파악해두는 "세컨드 브레인(second brain)"이 필수가 되는 흐름을 설명한다.

---

1. 작가가 실제로 AI를 쓰는 방식 — 일보다 취미·공부에 더 많이 쓴다

조승연 작가는 유튜브 작업 자체보다 개인적인 독서·공부 보조 도구로 AI를 더 많이 쓴다고 밝힌다.

1.1. 유튜브 제작에는 AI를 거의 안 쓴다

1. 애드리브 기반 콘텐츠

   1. 사전 대본 없음: 유튜브를 8~9년 해오면서 영상 대부분을 애드리브로 진행해, 사전 작업(대본 작성 등)에 AI를 쓸 여지가 적다고 설명한다
   2. 가장 중요한 사전 작업은 독서: 평소에 책을 읽는 것이 가장 중요한 준비 작업이기 때문에, 책을 AI에게 대신 읽히고 좋은 인용문만 본인이 직접 골라낸다고 밝힌다

2. 취미 생활의 확장 도구로 AI 활용

   1. 역사적 장면의 영상화: 책을 읽다가 흥미로운 역사적 장면을 발견하면 그걸 영상이나 만화로 만들어 보는 식으로 AI를 쓴다
   2. 인물 서사의 소설화: 인물의 어린 시절이 흥미로우면 이를 소설처럼 각색해 이해하기 쉽게 만들어 달라고 요청하는 등, 공부 도구로 활용한다고 설명한다

1.2. 여러 AI 툴에 대한 개인적 평가

1. "글쓰기는 아직 인간의 영역"이라는 판단

   1. 클로드(Claude) 실험 결과: 여러 추천 영상에서 "글쓰기는 클로드가 잘한다"고 하지만, 실제로 실험해 본 결과 자료 조사·플롯·캐릭터 구성까지는 가능해도 문장의 길이나 숨쉬기 같은 디테일로 감정을 만들어내는 일은 아직 부족하다고 평가한다
   2. 툴 테스트 니즈가 낮았던 이유: 이 때문에 여러 AI를 일일이 테스트할 필요성을 크게 느끼지 못하고 있었다고 밝힌다

2. 젠스파크(Genspark) AI를 알게 된 계기

   1. 동시 비교의 번거로움 해소: 원래는 어떤 AI가 나에게 가장 좋은 결과물을 주는지 알려면 제미나이, 챗GPT, 클로드, 그록에 각각 들어가서 따로 물어봐야 하는데, 젠스파크는 프롬프트 하나로 여러 엔진에 동시에 넣어 결과를 비교·종합해준다고 소개한다
   2. 콜라보 계기로 실제 로그인: 젠스파크 측에서 콜라보 제안이 와서 실제로 로그인해 두 가지 실험을 해보기로 했다고 밝힌다

---

2. 젠스파크 AI 실전 시연 — Mixture of Agents로 이미지 생성 비교하기

작가는 실제 프롬프트를 입력해 GPT, 클로드, 제미나이가 동시에 작업하는 과정을 화면으로 보여준다.

2.1. 실험 1 — 피카소 무대막을 1920년대 극장에 재현하기

1. 문제 의식: 역사책 읽기의 지루함

   1. 상상력 요구의 어려움: "데아트르 드 라 시갈"이라는 몽마르트르 극장에 걸렸던, 사람 키의 2~3배 되는 피카소의 거대 무대막 그림을 설명할 때, 1920년대 극장에 실제로 그 그림이 걸려 있는 광경을 상상하려면 영화감독급의 예술적 창의성이 필요해 매번 하기 힘들다고 설명한다
   2. AI로 상상을 대신 시각화: 그래서 "우리가 봤던 그 피카소 무대막이 실제로 데아트르 드 라 시갈의 1920년대 인테리어에 걸려 있는 모습을 만들어 달라"는 프롬프트를 시도한다

2. 프롬프트 설계의 어려움과 젠스파크의 해법

   1. 영어·전문용어 장벽: 예술·카메라 관련 용어는 영어로 넣어야 카메라 워크나 컬러가 정확히 나오기 때문에, 한국 사람이 프롬프트를 직접 쓰는 데 제약이 크다고 지적한다
   2. AI 채팅으로 프롬프트부터 생성: 그래서 먼저 "이런 그림을 만들고 싶은데 프롬프트를 어떻게 넣으면 되는지" AI 채팅 기능에 먼저 물어보는 방식을 택한다
   3. Mixture of Agents 모드: 젠스파크에는 GPT 전 버전, 클로드 전 버전, 제미나이 전 버전, 딥시크, 그록을 모두 동시에 쓰는 "mixture of agents" 옵션이 있어, 이 모드로 프롬프트를 하나 입력하니 GPT 5.1, 클로드 소네트 4.6, 제미나이 3.1이 동시에 작업을 시작한다

3. AI 3개의 답변을 종합하는 "부회장" 역할

   1. 개별 AI 답변 비교 가능: 각 AI(작가는 이를 "G비서", "C비서", "제비서"라고 부른다)가 만들어낸 프롬프트 초안을 각각 열어서 볼 수 있다고 소개한다
   2. 최종 통합 프롬프트 자동 생성: "셋 중에 좋은 아이디어를 골라 최종본으로 보고해 봐"라고 지시하니, 클로드의 색채 디테일과 GPT 5.1의 저작권 회피 전략, 1인칭 몰입감 아이디어를 결합해 앞뒤 불일치를 제거한 통합 프롬프트를 만들어준다고 설명한다

4. 이미지 생성 결과 비교 (플럭스2·나노바나나·GPT 이미지·바이트댄스 씨드림)

   1. 저작권 회피를 위한 원본 이미지 첨부: "here is the original painting as it is displayed in galleries today"라는 문구를 추가해 아티스트 저작권이 걸린 원작을 변형해서 쓰도록 유도한다
   2. 반복 수정(빠꾸)이 품질을 높인다는 통찰: 이미지 생성 AI를 다루는 게 마치 옛날 잡지사 편집장(예: "악마는 프라다를 입는다"의 미란다 프리슬리)이 되는 과정과 같다며, 되돌리기(피드백 반복)를 많이 시킬수록 결과물이 좋아진다고 짚는다
   3. 씨드림(SeeDream): 인간을 입체적이고 사실적으로 그려서, 큐비즘 그림(원래 납작한)이 입체적인 극장 공간 안에 놓였을 때의 대비를 가장 잘 표현했다고 평가한다
   4. 나노바나나(Nano Banana): 실제로 관객석에 앉아 있는 느낌을 가장 잘 살렸고, 앞좌석 등받이까지 그려 넣었으며 주변 인물의 의상까지 1920년대 파리 스타일(영화 '미드나잇 인 파리' 속 의상과 유사)로 정확히 표현했다고 평가한다
   5. 플럭스 2(Flux 2): 무대의 웅장함과 관객들이 그림에 감동해 지켜보는 듯한 분위기를 가장 잘 살려, 작가가 최종적으로 이 결과물을 선택한다고 밝힌다
   6. GPT 이미지: 전체적인 분위기를 하나의 그림처럼 통일감 있게 잡아낸 점이 인상적이었다고 평가한다

2.2. 실험 2 — 시대별 선박 크기 변화를 3D로 시각화하기

1. 기존 인포그래픽의 한계

   1. 과거 콘텐츠의 아쉬움: 부산 콜라보 영상에서 1950년대부터 배 사이즈가 점점 커졌다는 이야기를 다뤘을 때, 단순히 길이만 막대그래프처럼 비교했지만 실제로는 배가 옆으로도 넓어지고 위로도 높아졌다는 점을 담지 못했다고 아쉬워한다
   2. 3D로 담고 싶었던 장면: 여러 시대의 배(퀸메리, HMM 헬싱키 등 실제 선박명 언급)를 3D로 바다 위에 함께 띄워놓은 그림이 있었다면 훨씬 멋진 인서트가 됐을 것이라고 밝힌다

2. 실제 검색 기반 3D 생성 결과

   1. AI가 직접 실제 선박 자료를 조사: 프롬프트에 실제 선박명들을 입력하자 AI가 위키피디아 등에서 각 선박의 실제 모양을 직접 검색해 이를 반영한 3D 이미지를 만들어준다고 설명한다
   2. 체감되는 스케일 변화: 결과물을 보고 "겁나 커졌다"며, 부산 콘텐츠를 만들 때 설명으로만 전달했던 컨테이너선의 압도적 크기가 이미지 하나로 실감난다고 반응한다

3. 추가 사례 — 시카고 대화재와 건축 다양성

   1. 온천수 콘텐츠의 배경: 시카고 대화재로 수많은 사람이 화상을 입어 프랑스 아벤느 온천수를 화상 치료에 썼다는 콘텐츠를 만들 때, 화재의 규모를 말로만 설명하고 넘어갔던 것을 언급한다
   2. 건축사적 통찰 추가: AI가 만들어준 이미지를 보며, 오늘날 시카고가 건축적으로 재미없는 도시가 된 이유가 옛 건물이 다 불타버려 뉴욕이나 샌프란시스코 같은 "건축 레이어"가 없기 때문이라는 설명까지 곁들인다

---

3. 왜 "에그리게이터(aggregator)"가 필연적으로 등장하는가

새로운 기술이 처음 나올 때는 선택지가 적어 비교가 필요 없다가, 경쟁자가 늘어나면 비교 자체가 새로운 일이 되어 결국 이를 대신해주는 서비스가 생긴다는 역사적 패턴을 짚는다.

3.1. 철도와 여행 사이트의 역사적 선례

1. 철도 산업의 예

   1. 초기 독점 시절: 옛날 뉴욕-디트로이트 노선이 철도 하나뿐이었을 때는 비교할 필요 없이 그냥 표를 사면 됐다고 설명한다
   2. 경쟁 심화 후 비교의 번거로움: 철도 부흥으로 여러 회사가 생기자, 몇 푼 아끼려고 비교하는 것 자체가 번거로운 "일"이 됐다고 짚는다

2. 여행 예약 사이트의 예

   1. 초기 트래블로시티 시절: 항공권 예약 사이트가 한두 개뿐이던 시절엔 직접 두 사이트를 비교하면 됐다고 설명한다
   2. 현재의 가격비교 앱: 지금은 예약 사이트가 너무 많아져서 이를 비교해주는 별도의 앱(가격비교 서비스)이 필요해졌다고 짚는다

3.2. AI도 같은 패턴을 따른다

1. 초기: 챗봇 하나만 쓰던 시절

   1. 선택지가 적었던 초창기: 챗GPT 하나만 있거나, 구글 검색에 번들링된 제미나이를 그냥 쓰던 시절엔 비교가 필요 없었다고 설명한다

2. 현재: 모델이 너무 많아진 시대

   1. 에그리게이터의 필요성: 지금처럼 AI 모델이 너무 많아지면 이를 종합해주는 "에그리게이터"가 필요해진다고 짚는다
   2. 이미지·영상에서 특히 중요: 영상이나 이미지는 아주 작은 차이가 보는 사람에게 큰 차이로 느껴지기 때문에, 한 엔진에만 시키면 비슷한 결과만 나와 여러 엔진에 동시에 시켜 비교하는 작업이 필수인데, 이를 직접 하면 매우 번거로운 일이라 이런 서비스가 시간을 크게 아껴준다고 평가한다

---

4. AI 시대 인간이 새로 떠맡아야 할 일 — 시스템 디자인

AI를 잘 쓰는 것 자체가 "인간이 원래 못하는 일"을 억지로 해내야 하는 새로운 국면에 들어섰다고 진단한다.

4.1. 시스템 디자인이란 무엇인가

1. 역사적 유비 — 인간이 못하는 일을 억지로 해온 역사

   1. 문자 이전의 암기: 글자가 없던 시대엔 인간이 본래 잘 못하는 암기를 억지로 해야 했다고 설명한다
   2. 컴퓨터 이전의 계산: 컴퓨터가 없던 시대엔 데이터 분석과 계산을 억지로 해야 했다고 짚는다
   3. AI 시대의 새 과제 — 시스템 디자인: 이제는 일을 잘게 쪼개고, 그 조각을 가장 잘하는 AI에게 배정하고, 그 AI가 가장 잘 알아듣는 방식으로 프롬프트를 만들어 일을 분산시킨 다음, 1차·2차·3차로 결과물을 조립해 최종 결과를 만들어내는 "시스템 디자인"을 인간이 해야 한다고 설명한다

2. 왜 이것이 진입 장벽이 되는가

   1. 인간은 본래 즉흥적인 존재: 인간은 기본적으로 시스템 디자인하기 싫어하고, 기분 내키는 대로 아이디어가 떠오를 때 일을 하고 싶어 하는 존재이기 때문에 직장 생활 자체가 힘든 것이라고 비유한다
   2. 모든 사람이 CEO 역할을 해야 한다: 큰 일을 쪼개고, 각 조각을 잘하는 AI에게 분담시키고, 결과물을 합성해 자기가 원하는 비전을 만들어내는 것은 회사에서 대표가 하는 일인데, 이를 개인이 직접 해야 하는 것이 AI 사용의 큰 장벽이 될 수 있다고 지적한다

4.2. 컨시어지 서비스 비유 — AI의 다음 진화 방향

1. 호텔 컨시어지의 역할

   1. 1%의 차이를 만드는 서비스: 럭셔리 호텔들은 방도 수영장도 다 좋기 때문에, 마지막 1%의 차이를 만드는 것이 컨시어지 서비스라고 설명한다
   2. 양면 지식이 핵심: 하이엔드 컨시어지는 파리의 레스토랑·쇼핑 정보뿐 아니라, 자신이 모셔야 할 클라이언트가 어떤 사람인지도 완벽히 파악해야 한다고 짚는다

2. AI도 "나를 파악하는" 방향으로 진화 중

   1. 업무 툴과의 연동: 젠스파크 AI 6.0 업데이트는 노션, 슬랙, 구글 워크스페이스 같은 업무 앱과 연동해 사용자가 어떤 일을 하는 사람이고 어떤 결과물을 내는 스타일인지 파악하는 방향으로 가고 있다고 소개한다
   2. 말을 안 해도 아는 것이 최고의 럭셔리: 사용자가 말을 안 하거나 애매하게 말해도 무슨 뜻인지 아는 것이 인간에게 최고의 럭셔리이기 때문에, AI도 이 방향으로 가고 있다고 설명한다

---

5. "세컨드 브레인" 기능 데모와 향후 전망

5.1. 세컨드 브레인 기능 실제 시연

1. 세컨드 브레인의 정의

   1. 복잡한 일 중 일부를 떼어가는 존재: 캘린더와 문서를 연동해 사용자가 하려는 일이 무엇인지 파악하고 있는 상태에서, 백엔드로 제미나이·클로드 등 여러 AI 엔진과 연결돼 사용자에게 가장 잘 어울리는 결과물을 골라주는 기능이라고 소개한다
   2. 실사용 평가: 원래는 제미나이·클로드에 각각 넣고 비교해서 합치는 일을 직접 해야 했는데, 이걸 대신해주니 확실히 "세컨드 브레인"이라 할 만하다고 평가한다

2. 실시간 데모 — 쇼츠 제작 워크플로우 자동화

   1. 디테일을 기억한 채로 작업 지시: "이 장면을 가지고 이 작품에 대한 쇼츠를 만들려는데 내 디테일을 기억해. 유튜버고 역사·문화, 한국말로 만드는 사람이고 프랑스 문화에 대해 한국인들이 많이 봤다"는 식으로 지시한다
   2. 업로드 일정과 원고까지 자동 처리: 업로드에 가장 유리한 시간대를 확인해 캘린더에 입력하고, 1분 이하 쇼츠 원고를 작성해 구글 드라이브에 올려두라고 지시하자, 실제로 캘린더에 날짜·시간이 채워지고 원고까지 생성되는 과정을 보여준다
   3. 번거로운 일을 대신 처리: 이 지점까지 도달하는 것 자체가 시간이 많이 들고 귀찮은 일인데, 앞으로는 누구나 여기까지는 할 수 있게 되면서 차별화는 그 다음 단계(디테일한 취향과 감각)에서 갈릴 것이라고 전망한다

5.2. 글자의 발명부터 이어지는 인류사적 맥락

1. 글자의 원래 역할 — 기억의 보존

   1. 최초 문자 유물은 영수증·계약서: 글자가 발명된 가장 큰 이유는 말이 자꾸 바뀌는 인간의 기억을 그대로 보존하기 위해서였고, 그래서 최초의 문자 유물 대부분이 영수증이나 계약서라고 설명한다
   2. 토론 문화의 탄생: 이 덕분에 "토론"이라는 독특한 문화가 태어나 인류가 비약적으로 발전했다고 짚는다

2. AI가 인간 두뇌 용량을 비워주면 생기는 일

   1. 비워진 공간의 용도는 미지수: AI가 대신 처리해주는 만큼 인간 머릿속에서 비워지는 공간을 가지고 인간이 무엇을 할지는 아직 아무도 모른다고 말한다
   2. 꿈의 민주화: 예전엔 인프라와 인력을 가진 사람만 큰 꿈을 꿀 수 있었지만, 이제는 시스템을 외주화할 수 있기 때문에 누가 더 재밌는 비전과 아이디어를 가졌는지가 진짜 차별화 전략이 될 것이라고 전망한다

3. 90%에서 99%로 — 새로운 승부처

   1. 90% 품질은 이제 의미 없다: AI 툴 덕분에 90% 퀄리티까지 가는 것은 점점 쉬워지지만, 그만큼 90%짜리 결과물은 더 이상 차별화 요소가 아니라고 짚는다
   2. 99%를 만드는 사람이 승자: 툴을 다양하고 정교하게 사용하면서 자기 눈높이에 맞을 때까지 계속 되돌리기(피드백)를 시켜 99%를 만들어내는 사람이 AI 시대의 승자가 될 것이라며, "더 쉬워지지 않고 더 어려워졌다"고 결론짓는다

---

주요 발언 모음

"나는 일할 때보다는 놀 때 AI를 많이 쓰는 거 같아."

"프롬트는 낄수록 좋더라."

"인간은 기본적으로 시스템 디자인하기 싫어하는게 인간이거든요."

"다시 말하면은 모든 사람이 CEO 같은 역할을 해야 된다는 거예요."

"그럼 85%까지 갈 수 있는 방법은 이런 젠스파크 같은 나와 AI 사이에 또 하나의 AI를 끼워 놓는게 답이 될 수도 있는 것 같아요."

"얘가 나를 미리 알고 있어 가지고 내가 말을 안 하거나 말을 애매하게 해도 내가 무슨 뜻인지 안다. 이게 인간한테 최고의 럭셔이기 때문에 AI도 그런 방향으로 가고 있지 않나?"

"점점 90%의 퀄리티까지 가기는 점점 쉬워진다. 거꾸로 말하면은 90%의 퀄리티는 이제 아무 의미도 없다. ... 한마디로 더 쉬워지지 않고 더 어려워졌다라고 저는 생각합니다."

핵심 데이터 & 수치

• 유튜브 경력: 조승연 작가는 유튜브를 8~9년간 운영해왔으며, 영상 대부분을 애드리브로 진행한다.
• 비교 대상 이미지 생성 AI 4종: 플럭스 2(Flux 2), 나노바나나(Nano Banana), GPT 이미지, 바이트댄스 씨드림(SeeDream) — 동일 프롬프트로 각각 다른 강점(웅장함, 몰입감, 통일감, 입체 대비)을 보였다.
• 비교 대상 언어 모델 3종(Mixture of Agents): GPT 5.1, 클로드 소네트 4.6, 제미나이 3.1이 하나의 프롬프트에 동시에 응답한다.
• 피카소 무대막 원작 정보: 1924년 제작, 파리 몽마르트르 극장 "데아트르 드 라 시갈"에 걸렸던 사람 키의 2~3배 크기 무대막.
• 선박 크기 비교 사례: 부산 콜라보 콘텐츠에서 다룬 1950년대~현재 선박(퀸메리, HMM 헬싱키 등)의 크기 변화를 3D로 재구성.
• 젠스파크 AI 업데이트 버전: 6.0 업데이트에서 노션·슬랙·구글 워크스페이스 연동 및 "세컨드 브레인" 기능이 추가됐다.

결론 및 시사점

1. AI 도구가 아무리 발전해도 인간의 일이 줄지 않는 이유는, 이제 인간이 "일을 쪼개고 배정하고 조립하는" 시스템 디자인이라는 새로운 역할을 떠맡아야 하기 때문이다.
2. 여러 AI 엔진이 난립하는 시대에는 이를 동시에 비교·종합해주는 "에그리게이터"형 서비스(젠스파크 같은)가 필연적으로 등장하며, 이는 철도·항공권 예약 시장에서 이미 벌어진 패턴의 반복이다.
3. AI의 다음 진화 방향은 호텔 컨시어지처럼 "사용자를 미리 파악해 말하지 않아도 알아서 처리하는" 방향(세컨드 브레인, 업무 툴 연동)으로 가고 있다.
4. 이미지·영상 생성에서는 결과물을 여러 번 되돌려(피드백) 다듬는 반복 작업 자체가 품질을 좌우하므로, 앞으로의 경쟁력은 "AI를 쓸 줄 아느냐"가 아니라 "얼마나 세밀한 취향과 눈높이로 계속 다듬어낼 수 있느냐"에 달려 있다.
5. 90% 품질까지는 누구나 쉽게 도달할 수 있게 되므로 더 이상 차별화 요소가 아니며, 90%에서 99%로 끌어올리는 사람이 AI 시대의 진짜 승자가 된다.