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

한 줄 핵심

AI를 잘 쓰는 핵심은 좋은 답을 더 많이 뽑는 것이 아니라, 내 업무 맥락·목적·도구·피드백을 시스템으로 동기화해 AI가 내 판단 기준대로 움직이게 만드는 것이다.

시간별 요약

1. 0:00
   하이라이트 숏드라마 기획부터 AI 영상 제작, 사내 플랫폼 구축, 피드백 학습까지의 흐름이 한 번에 압축된다. AI는 단순한 생성 도구가 아니라, 동기화된 워크플로우 안에서 사람의 기준을 복제하는 시스템으로 다뤄져야 한다.
2. 0:47
   진행자 인사와 김다솔 작가 소개 새 진행자가 인사를 전하고, AI에게 질문하는 수준을 넘어 일하는 방식을 바꾸는 방법을 다룬 책의 저자를 소개한다. 기획자 출신으로 출발해 PPT 기획·디자인 회사를 운영하다 AI 교육과 콘텐츠를 거쳐 AI 영상 전문 회사까지 세운 배경이 제시된다.
3. 2:16
   기획자가 AI로 넘어온 계기 개발자 출신이 아니라도 AI를 쓰게 된 이유는 에이전시와 소규모 사업이 사람의 노동력에 강하게 의존하는 구조였기 때문이다. 처음에는 회의 녹음 전사와 리포트 작성 같은 작은 반복 업무부터 자동화했고, AI의 빠른 발전 속도를 보고 본격적으로 실무에 도입하게 됐다.
4. 5:43
   프롬프트에서 에이전트로, 신간을 쓴 이유 이전에는 프롬프트를 잘 쓰는 것이 핵심이었지만, 올해 들어 에이전트와 Claude Code 중심으로 판이 바뀌면서 단순 프롬프트론 부족해졌다. AI를 직원처럼 다루는 방식이 중요해졌고, 그 과정을 쉽게 설명하기 위해 스토리텔링 형태의 책을 쓰게 됐다.
5. 8:44
   AI를 쓸수록 일이 늘어나는 이유 기존 업무 흐름에 AI만 얹으면 결과물은 빨리 나오지만, 그만큼 검수·선택·피드백 일이 폭증한다. AI가 100개를 뽑아도 무엇이 좋은지 판단하는 일은 사람 몫이므로, AI와 함께 일하는 새 워크플로우를 따로 설계해야 진짜로 일이 줄어든다.
6. 10:36
   챗봇 100~200개에서 사내 플랫폼으로 초기에는 업무를 잘게 쪼개 수많은 챗봇을 만들었지만, 업무가 늘어나면서 추적이 어려워졌다. 결국 사내 플랫폼에 에이전트들을 붙여 각 단계의 상태와 보고를 한곳에서 보게 만들며 운영 구조를 재정비했다.
7. 12:00
   병목을 찾는 법과 안목 좋은 AI를 고르는 것보다 먼저, 조직의 병목과 업무 흐름을 정확히 아는 것이 중요하다. AI가 낸 결과를 좋고 나쁨으로 판단할 안목이 없으면 디렉션도 피드백도 제대로 줄 수 없기 때문에, 실무를 직접 해보며 기준을 체득해야 한다.
8. 13:12
   시간 쓰는 기록을 AI에게 넘기기 효율화의 출발점은 내가 하루에 어디에 시간을 쓰는지 구글 캘린더에 기록하는 것이다. 그 데이터를 Claude나 GPT에 넘겨 어떤 업무가 중요한지, 무엇을 자동화할 수 있는지 분석하게 하면 실제 우선순위가 드러난다.
9. 15:03
   동기화란 무엇인가 동기화는 말투를 흉내 내는 수준이 아니라, 나를 거의 100% 복제하는 수준의 맥락 공유를 뜻한다. 미팅 녹취, 회사 데이터, 업무 방식까지 쌓아야 AI가 평균적인 답이 아니라 내 기준에 맞는 결과를 낸다.
10. 17:22
    SYNC 네 가지: STORY, WHY, NATIVE, CYCLE SYNC는 맥락을 담는 STORY, 목적과 금지선을 주는 WHY, 업무에 맞는 모델과 도구를 고르는 NATIVE, 피드백을 계속 쌓아 개선하는 CYCLE로 정리된다. 이 네 가지가 갖춰져야 AI가 단발성 도구가 아니라 지속적으로 발전하는 팀원처럼 작동한다.
11. 19:01
    시연 1: 레퍼런스 분석에서 숏드라마 기획까지 처음부터 바로 기획을 시키지 않고, 먼저 유행하는 숏드라마 레퍼런스를 수집·분석해 성공 패턴을 학습시킨다. 그다음 목적(WHY)을 넣어 20초짜리 후킹한 숏드라마를 기획하게 하고, 캐릭터·세계관·스토리까지 확장한 뒤 여러 안 중에서 사람이 최종 선택한다.
12. 25:26
    스킬이란 무엇인가 스킬은 반복 작업을 저장해 필요할 때 불러 쓰는 치트키 같은 장치다. 영상 기획에서 필요한 카메라 앵글 뽑기, 이미지 프롬프트 생성 같은 업무를 스킬로 등록해 두면 Claude Code나 GPT가 자동으로 재사용한다.
13. 27:04
    NATIVE: 플러그인으로 Higgsfield 연결 GPT나 Claude는 영상 생성 자체는 못 하므로, Higgsfield 같은 전문 영상 플랫폼을 플러그인으로 연결해 둔다. 텍스트 단계에서 기획과 프롬프트를 최대한 완성한 뒤, 실제 영상 생성은 최적화된 도구로 넘겨 크레딧 낭비를 줄인다.
14. 29:23
    AI가 꺼내 쓰는 기록과 층 나누기 자료는 원본, 인사이트 정리본, 에이전트 지침 파일처럼 층을 나눠 저장해야 AI가 빠르게 읽을 수 있다. 모든 녹취를 한꺼번에 넣으면 오히려 느려지고 토큰만 낭비되므로, 폴더와 MD 파일로 읽기 쉬운 구조를 만드는 것이 핵심이다.
15. 33:08
    사람이 꼭 개입할 곳 크레딧을 쓰기 전에 비용과 목적을 사람이 승인해야 하며, 최종 결정도 각 단계마다 사람이 내려야 한다. AI는 실무를 대신 수행하는 팀원이지만, 무엇을 만들지와 어떤 안을 고를지는 사람이 책임져야 한다.
16. 35:30
    완성된 숏드라마 같이 보기 시연 결과로 '우리 헤어지기까지 3초' 같은 숏드라마 초안이 생성되고, 드래프트임에도 비주얼과 대사 구조가 꽤 그럴듯하게 나온다. 이후 코덱스에 넘겨 자막과 편집까지 맡기면, 하나의 AI 흐름 안에서 콘텐츠 제작이 이어진다.
17. 36:29
    시연 2: 제안서를 만드는 사내 플랫폼 개인용 워크플로우를 넘어, 회사 전체의 제안서·PPT 초안을 만드는 사내 플랫폼이 소개된다. 회사 아카이브에 기존 PPT 스타일을 학습시키고, 클라이언트 정보와 미팅 내용을 넣으면 구조와 장표 초안을 생성해 반복 업무를 줄인다.
18. 40:35
    CYCLE: 피드백을 쌓는 법 좋은 결과를 만들려면 피드백을 채팅창에서 끝내지 말고, 별도 메뉴에 축적해 다음 작업에 재학습시켜야 한다. 새 장면을 왜 다시 만들었는지 이유까지 남겨야 AI가 계속 업그레이드되며, 피드백이 휘발되지 않는 구조가 중요하다.
19. 42:10
    리더의 마인드셋: 맨날 입사 첫날인 신입사원 리더는 AI를 팀원처럼 보고 온보딩해야 한다. 아무리 똑똑해도 회사의 맥락을 모르면 입사 첫날의 신입사원과 같으므로, 매뉴얼과 백그라운드를 사람에게 하듯 AI에게도 학습시켜야 성능이 나온다.
20. 43:41
    모델이 바뀌어도 남는 워크플로우 중요한 것은 특정 모델의 기능이 아니라, 어떤 AI가 와도 적용되는 본질적인 워크플로우다. GPTs, 스킬, 플러그인처럼 인터페이스는 바뀌어도 업무 흐름을 잘 설계해 두면 계속 재사용할 수 있다.
21. 44:57
    처음 써 보는 사람의 첫걸음 처음에는 내가 무엇을 할 수 있는지 AI에게 물어보고, 노션·Slack·구글 캘린더 같은 도구를 연동한 뒤 간단히 자동화 후보를 추려보면 된다. 에이전트는 거대한 기술이 아니라, 질문을 던지는 순간부터 작은 업무를 대신해 주는 도구로 시작할 수 있다.

실무 인사이트

• AI 도입의 시작점은 새로운 툴이 아니라, 현재 업무에서 시간과 비용이 가장 많이 새는 병목을 찾는 것이다.
• 결과물 생성보다 더 중요한 것은 맥락, 목적, 금지선, 피드백을 구조화해 AI가 계속 같은 기준으로 일하게 만드는 일이다.
• 실무 적용에서는 모델 선택보다도 원본-요약-지침의 자료 층을 나누고, 사람이 승인해야 할 지점을 명확히 두는 것이 효과적이다.