AI시대: 생활밀착형 AX — AI는 어떻게 내 일상이 되었나

작성자:

AX(AI Transformation)라는 말을 들으면 보통 큰 그림이 먼저 떠오릅니다. AI 도구를 잘 활용할 수 있는 플랫폼을 깔고, 각 업무에 맞는 에이전트를 도입하고, 전사 데이터를 통합하는 일들 말입니다. 회사 차원에서는 분명 중요한 과제이고, 저 역시 그런 큰 그림을 고민하는 자리에 있었습니다.

그런데 제가 AI를 쓰면서 실제로 변화를 가장 크게 느낀 곳은 그렇게 거창한 자리가 아니었습니다. 오히려 아주 사소한 순간들이었습니다. 카드 명세서를 들여다볼 때, 긴 논문을 펼쳐 들 때, 발표 자료의 빈 슬라이드를 마주할 때, 메일 한 통을 쓸 때 등 돌이켜보면 제 일상은 그런 작은 지점들에서 조금씩 바뀌어 있었습니다. 어느 날 갑자기가 아니라, 사소한 일을 하나씩 맡기다 보니 어느새 손에 익어 있었습니다.

그동안 AI에게 맡긴 일들을 한자리에 늘어놓고 보니, 맡기는 일의 성격이 조금씩 달라져 왔더군요. 처음에는 단순히 정보를 줄여 주는 일이었는데, 형태를 바꿔 주는 일과 없던 것을 만들어 주는 일을 거쳐, 어느새 정답 없는 문제를 함께 푸는 자리까지 와 있었습니다. 거창한 프로젝트가 아니라 일상의 작은 일들이 쌓여 만든 변화, 말 그대로 생활밀착형 AX인 셈입니다.

이번 글에서는 그 이야기를 차례로 풀어 보려고 합니다.

목 차

줄여주는 AI

AI에게 가장 먼저 맡기게 되는 일이 많은 정보에서 핵심만 추려 내는 일이었습니다.

신용카드 사용 내역 화면을 캡처해서 AI에게 보낸 적이 있습니다. “XXX, YYY 제외하고 나머지 더해줘.” 예전 같으면 카드별 금액을 눈으로 하나씩 읽고, 계산기에 입력하고, 빼야 할 항목을 제외한 뒤 다시 합산했을 일입니다. 하지만 지금은 캡처한 이미지 한 장과 프롬프트 한 줄이면 끝납니다.

긴 문서에서는 이 효과가 더 큽니다. AI 자동화를 다룬 연구 논문을 살펴봐야 할 일이 있었는데, 예전 같으면 PDF를 처음부터 끝까지 읽었을 것입니다. 지금은 링크를 건네면 핵심 주장과 모델 구조, 실증 결과를 요약하여 정리해 줍니다. 그렇게 전체 그림을 잡은 다음 필요한 부분만 직접 들여다봅니다. 기술 뉴스도 마찬가지입니다. 삼성이 새 영상 코덱을 발표한 기사를 건네자, 기술의 구조와 표준화 경위, 처음 적용된 제품까지 정리해 주었습니다.

흩어진 정보를 한자리에 모아 줄이는 일도 비슷합니다. 골프채 샤프트를 바꿀 때 제조사 사이트며 커뮤니티며 리뷰를 돌아다니던 것을, 지금은 모델명만 주면 무게와 토크, 팁 직경을 한 표로 정리해 줍니다. 또 모니터를 구매할 때 서로 다른 제품의 링크를 붙여 넣고 비교를 부탁하니 패널과 밝기, HDR 등급, KVM 지원 여부까지 나란히 비교해 줍니다. 블로그 글감을 조사할 때도 그렇습니다. 내비게이션의 역사를 정리하려는데 제가 건넨 위키 링크가 막혀 있자, AI가 알아서 웹 검색으로 우회해 연혁과 사용자 규모, 수익 모델 변천까지 모아 줬습니다.

다만 이런 일에는 늘 의식하는 것이 하나 있습니다. 줄이는 데에는 반드시 버려지는 정보가 따른다는 점입니다. 요약본만 보면 무엇이 빠졌는지 보이지 않습니다. 그래서 숫자와 날짜, 고유명사는 따로 확인하고, 긴 문서일수록 뒷부분이 누락되지 않았는지 살핍니다. 편하다고 다 맡기지는 않습니다. 검증이 필요합니다.

이럴 때 AI는 제게 듬직한 비서 같은 느낌입니다. 많은 것을 받아 핵심만 돌려줍니다. 가장 믿을 만하고, 그래서 가장 먼저 일상에 들어온 쓰임이었습니다.

형태를 바꿔 주는 AI

그 다음으로 자주 맡기게 된 것은 내용은 그대로 두고 형태만 바꾸는 일입니다.

회사 일에서 특히 그렇습니다. 건강보험 연말정산 안내문 이미지를 그대로 건네면서 메일에 붙일 수 있게 정리해 달라고 한 적이 있습니다. AI는 이미지에 포함된 표를 읽어서 그 안의 숫자를 항목별로 옮겨 줬습니다. 정보가 늘거나 줄지 않고, 이미지에서 텍스트로 형태만 바뀐 셈입니다. 해외 송금 금액을 가늠하려고 USD를 원화로 환산해 달라고 했던 것도 비슷합니다. 단위만 바뀔 뿐 값은 그대로입니다.

종이 문서를 다룰 때도 그렇습니다. 책이나 영수증을 찍은 사진을 건네면 깔끔한 PDF로 묶어 주고, 글자가 인식되지 않는 스캔 PDF에는 텍스트를 입혀 줍니다. 보기에는 똑같은 문서지만, 이제 그 안에서 단어를 검색하고 복사할 수 있습니다. 담긴 내용은 그대로인데 다룰 수 있는 형태로만 바뀐 셈입니다.

글의 형태를 바꾸는 일도 마찬가지입니다. 블로그 글 한 편을 마무리할 때 작성한 본문을 SNS용으로 줄여 달라고 하거나, 영문 댓글의 톤을 상황에 맞게 다듬어 달라고 합니다. 같은 내용을 격식과 길이만 달리해 옮기는 작업입니다.

머릿속 개념을 그림으로 옮길 때도 AI의 손을 빌립니다. 글에 넣을 도식을 말로 설명하면, 박스와 화살표로 된 다이어그램을 그 자리에서 그려 줍니다. 내비게이션 사업자별 수익 모델을 비교하는 표를 만들 때도 “이 항목을 행으로, 저 항목을 열로” 정도만 말하면 정돈된 그림이 나옵니다.

이런 일에서 AI는 유능한 번역가 또는 편집자에 가깝습니다. 입력과 출력의 정보량이 비슷해서 크게 틀릴 여지가 적은 편입니다. 그래도 도메인 지식이 필요한 번역이나 미묘한 뉘앙스는 여전히 사람이 한 번 봐야 합니다.

새로운 것을 만들어 주는 AI

조금 더 들어가면, 적은 입력에서 없던 산출물을 만들어 내는 일이 있습니다.

발표 자료를 준비할 때였습니다. 키워드만 늘어놓은 슬라이드 초안을 들고, 스크립트를 건네면서 메시지가 더 잘 전달되도록 구성해 달라고 했습니다. AI는 제목을 다듬고, 흐름도와 체크리스트를 더하고, 디자인까지 정리해서 한 벌의 완성된 자료로 만들어 줬습니다. 슬라이드마다 발표자 노트도 달아 줬고요. 짧은 메모가 한 편의 발표로 자라난 셈입니다.

글을 쓸 때도 비슷합니다. 전에는 빈 화면을 앞에 두고 주제를 정하고, 구조를 잡고, 사례를 찾는 일을 혼자 했습니다. 지금은 먼저 AI와 이야기를 나누며 초안의 뼈대를 세웁니다. 더는 빈 화면에서 시작하지 않습니다.

개발 쪽으로 들어가면 만드는 일의 폭이 더 넓어집니다. 블로그를 운영하다 인용구 글자 크기가 본문과 어긋났을 때, 증상을 설명하자 충돌하는 CSS 규칙을 찾아내고 해결할 코드까지 만들어 줬습니다. 거래 기록을 정리하는 작은 앱을 만들 때는 시스템 구조를 함께 설계하고, 사람과 AI가 같은 통로로 데이터에 닿도록 아키텍처를 잡는 일까지 거들어 줬습니다.

이런 일에서 AI는 창의적인 작가이자 디자이너, 개발자에 가깝습니다. 다만 없던 것을 채워 넣는 일인 만큼, 가장 그럴듯하게 틀리기도 쉽습니다. 출처와 사실관계를 그럴듯하게 지어낼 수 있어서, 밖으로 나가는 결과물일수록 반드시 사람이 검증해야 합니다.

그래서 저는 글을 안 쓰게 된 것이 아닙니다. 오히려 전보다 더 많이 쓰고, 더 자주 들여다봅니다. 다만 막막한 시작이 줄었을 뿐입니다.

함께 판단하는 AI

요즘 제가 가장 많은 시간을 들이는 곳은 정답이 없는 문제를 같이 푸는 자리입니다.

AI Native란 무엇인가. 중간관리자의 역할은 어떻게 달라지는가. AI가 정보를 다루는 방식을 정보이론의 눈으로 보면 어디까지 믿어도 되는가. 이런 질문은 검색한다고 답이 나오지 않습니다. 정보를 줄이거나 옮기거나 만들어 내는 것으로는 닿을 수 없는 영역입니다.

그래서 이런 주제에서는 AI를 도구라기보다 이야기를 나누는 상대로 씁니다. 생각을 던져 보고, 반론을 들어 보고, 논리를 점검하고, 다시 고칩니다. 언젠가 AI Native 엔지니어를 다룬 글을 읽고 제 나름의 해석이 맞는지 물어본 적이 있는데, AI는 제 생각에 동의하는 부분과 원문이 더 강조하는 부분을 나눠서 짚어 줬습니다. 그 과정에서 제 생각이 한결 선명해졌습니다.

조직 이야기를 풀 때도 비슷합니다. 장인의 시대와 산업화 시대를 견주어 “컨텍스트가 한 사람 안에 있느냐, 관리자에게로 올라가느냐”를 설명하고 싶었을 때, AI와 구도를 함께 다듬으며 논지를 정리했습니다. 코스피 흐름이 궁금할 때도 마찬가지입니다. 금리 결정과 미국 시장, 유가 같은 변수를 따로 찾는 대신, 오늘 지표를 확인하고 흐름을 짚어 달라고 하면 변수들을 한데 모아 몇 가지 시나리오로 풀어 줍니다.

여기까지 오면 AI는 더 이상 도구라고 부르기 어렵습니다. 함께 고민하는 동료에 가깝습니다. 예전에는 혼자 생각했고, 지금은 같이 생각합니다.

맺음말 — AX의 본질에 대하여

줄이고, 옮기고, 만들고, 함께 판단하는 일, 이렇게 늘어놓고 보면 한 가지 흐름이 보입니다. 앞쪽일수록 AI에게 맡기기 안전하고, 뒤로 갈수록 사람의 역할이 중요해진다는 것입니다. 제가 AI를 더 신뢰하게 된 순서이기도 합니다.

그 바탕에는 더 큰 변화가 있었습니다. 예전에는 사람이 컴퓨터에게 작업 방법을 알려줬습니다. 어떤 메뉴를 누르고, 어떤 수식을 넣고, 어떤 버튼을 클릭할지를요. 지금은 원하는 결과를 이야기합니다. 이 카드들은 빼고 계산해 달라고, 이 논문의 핵심만 정리해 달라고, 이 글의 허점을 찾아 달라고 말합니다. 방법은 AI가 고민하고, 사람은 의도를 전합니다.

이런 변화를 비슷하게 읽는 시선이 밖에도 있습니다. Jabra의 분석은 AI가 단순한 도구를 넘어 사용자의 사고 습관을 익히고, 놓친 부분을 짚어 주는 ‘사고 파트너’로 옮겨 가고 있다고 봅니다. HumanX 2026에서 Stefan Weitz가 던진 질문도 결이 같았습니다. “처음부터 다시 설계한다면 무엇을 만들겠는가.” 기존 방식에 AI를 얹는 것이 아니라, AI를 전제로 일하는 방식을 다시 짜는 것이 진짜 전환이라는 이야기입니다. 실제로 2026년의 조사들은 OECD 인구의 3분의 1 이상이 생성형 AI를 써 봤고, McKinsey 조사에서는 기업의 88%가 한 가지 이상의 업무에 AI를 정기적으로 쓴다고 답했습니다. AI는 이미 특별한 도구가 아니라 일상의 배경이 되어 가고 있습니다.

저는 그 거대한 전환의 끝까지 아직 가보지 못했습니다. 시작은 카드 명세서 계산처럼 사소한 일이었고, 거기서 요약으로, 형태 변환으로, 산출물 생성으로, 그리고 생각을 나누는 일로 조금씩 넓어졌을 뿐입니다. 돌아보면 AI는 제게 처음엔 비서였고, 그 다음엔 번역가, 작가, 그리고 함께 고민하는 동료가 되었습니다.

어쩌면 AX가 꼭 거대한 프로젝트일 필요는 없다고 생각합니다. 아주 사소한 불편을 AI로 해소하는 그런 작은 순간들이 쌓이는 자리에서 AX는 이미 시작되고 있는지도 모릅니다.

지금은 누구도 스마트폰 활용을 강조하지 않습니다. 머지않아 AI도 더 이상 활용의 대상이 아니게 될 것이라고 생각합니다.

어쩌면 거창한 목표보다 이런 사소한 시작이 더 오래갑니다.

ChulJoo Kim (김철주)

※ 참고문헌

ckarch.kr © 2026 is licensed under CC BY-NC-SA 4.0 CC BY NC SA

댓글 남기기