AI를 잘 쓰는 핵심은 “생각을 맡기는 것”이 아니라 “작업을 맡기되 이해는 유지하는 것”이다. Ruben Hassid의 글은 Claude Cowork, 커넥터, Deep Research, 후속 질문을 조합해 AI가 더 나은 초안을 만들게 하면서도 최종 판단권을 사람이 놓치지 않는 실무 루프를 제안한다.
문제: AI가 시간을 아껴주지 못하는 순간
많은 사용자는 AI에게 짧게 요청하고 바로 결과물을 복사한다. 이 방식은 빠르게 보이지만 실제로는 다음 문제를 만든다.
| 실패 패턴 | 결과 |
|---|---|
| 맥락 없이 요청 | 산출물이 일반론으로 흐른다 |
| 이해 없이 복사 | 숫자, 톤, 전제가 맞는지 다시 검증해야 한다 |
| 한 번에 끝내려 함 | 이메일·보고서·스프레드시트가 “AI가 쓴 것”처럼 보인다 |
| 최종 검토 생략 | 이해관계자 질문에 답하지 못한다 |
AI는 많은 문서를 동시에 들고 비교할 수 있지만, 무엇이 중요한지 판단하고 어떤 리스크를 감수할지는 사용자가 정해야 한다.
1. 생각보다 많은 맥락을 준다
작업을 요청하기 전에 네 가지 질문을 먼저 채운다.
- 청중은 누구인가: 의사결정자, 실무자, 회의적인 이해관계자를 분리한다.
- 무엇을 남겨야 하는가: 승인, 반박 해소, 다음 행동처럼 원하는 결과를 한 문장으로 정한다.
- 어떤 형식을 따라야 하는가: “간결하게” 대신 실제 예시 문서, 이전 이메일, 템플릿을 넣는다.
- 무엇이 걸려 있는가: 예산, 신뢰, 내부 정치, 실패 비용을 알려준다.
Claude Cowork나 Claude Projects를 쓴다면 회의록, 이메일, Slack, Google Drive 같은 커넥터에서 관련 자료를 모아 프로젝트 단위로 묶는 편이 좋다. 여기서 목표는 AI에게 더 많은 토큰을 먹이는 것이 아니라, “무엇을 기준으로 판단해야 하는지”를 명확히 주는 것이다.
2. 산출물은 한 번에 하나씩 요청한다
컨텍스트를 넣은 뒤에는 다음 구조로 요청한다.
지금까지의 맥락을 바탕으로 [이해관계자]에게 보낼 [산출물]을 작성하라.
성공 기준은 [기준]이고, 형식은 [예시/템플릿]을 따른다.보고서, 가격표, 이메일처럼 산출물이 여러 개라면 한 프롬프트에 모두 넣기보다 각각 별도 요청으로 나눈다. 같은 컨텍스트라도 요청을 분리하면 모델이 각 산출물에 더 많은 추론을 배분하고, 검토도 쉬워진다.
3. 첫 답변은 주니어 초안처럼 다룬다
첫 결과물은 유용한 출발점이지 최종본이 아니다. 바로 복사하지 말고 세 가지 비판 프롬프트로 압박한다.
이 로드맵에서 약한 부분은 무엇인가?
CEO가 거절하려 한다면 어떤 지점을 공격할까?
정직한 비판 5개를 제시하라.이 결과물을 더 강하게 만들려면 내가 무엇을 더 알려줬어야 하나?아래의 좋은 예시와 비교했을 때 네 초안은 왜 약한가?
구조와 자신감을 맞춰 다시 작성하라.이 단계에서 빠진 제약 조건이 발견되면 원자료 폴더로 돌아가 보강한다. 예를 들어 보안·컴플라이언스 문서, 재무 가정, 이전에 통과된 샘플을 추가한 뒤 다시 작성하게 한다.
4. 후속 질문을 많이 한다
좋은 결과물은 보통 1~2턴에서 나오지 않는다. 특히 경영진 문서, 시장 진입 보고서, 재무 모델처럼 이해관계자가 많은 작업은 관점을 바꿔 여러 번 압박해야 한다.
유용한 후속 질문:
- “CFO가 신규 지출을 싫어한다고 가정하고 이 안을 반박하라.”
- “IT 디렉터가 속으로 두려워할 부분은 무엇인가?”
- “3개월 뒤 실패한다면 가장 가능성 높은 이유는 무엇인가? 예방책을 로드맵에 반영하라.”
- “이 이메일을 작성자 본인의 문체처럼 한 줄씩 다시 써라.”
음성 입력 도구를 쓰면 후속 질문 비용이 낮아진다. Claude Cowork의 AskUserQuestion처럼 AI가 먼저 선택지를 묻는 기능도 유용하다. 사용자가 모든 프롬프트를 직접 설계하지 않아도 AI가 필요한 결정을 끌어낼 수 있기 때문이다.
5. 보내기 전에 사람이 끝까지 읽는다
마지막 검토는 위임하면 안 된다. AI가 쓴 문서는 문장 리듬, 과한 수식, 근거 없는 주장, 방어하기 어려운 숫자를 남기기 쉽다.
검토 체크리스트:
- 이메일은 소리 내어 읽었을 때 자연스러운가
- 숫자와 가정은 질문을 받아도 방어 가능한가
- 불필요한 문단을 20~30% 줄일 수 있는가
- 핵심 이해관계자가 반박할 지점을 미리 처리했는가
- 출처가 필요한 주장은 실제 자료로 확인했는가
AI의 장점은 3만 단어의 맥락을 들고 여러 이해관계자 관점으로 초안을 반복할 수 있다는 점이다. 사람의 역할은 더 작아지는 것이 아니라 더 선명해진다. 판단, 책임, 최종 이해는 여전히 사람이 가져야 한다.
언제 쓰면 좋은가
| 작업 | 적용 방식 |
|---|---|
| 임원 보고서 | 연례보고서, 보도자료, 내부 템플릿을 넣고 이해관계자별 반박을 시뮬레이션 |
| LinkedIn·뉴스레터 글 | 이전 글 30개와 실제 인터뷰 자료를 넣어 문체와 근거를 맞춤 |
| 시장 조사 보고서 | 외부 Deep Research 결과를 Claude 프로젝트에 넣고 누락 지점을 비교 |
| 재무 모델 | 가격, 사용량, 인건비, CAPEX 가정을 넣고 CFO 관점으로 검증 |
반복 가능한 업무라면 claude-cowork 프로젝트나 플러그인으로 맥락 폴더를 유지하는 것이 좋다. 한 번 정리한 자료와 프롬프트는 다음 작업의 출발점이 된다.
관련 문서
- claude-cowork — Claude 기반 워크스페이스와 플러그인 자동화
- enterprise-ai-tips-transformation — 조직 단위 AI 전환에서 인간 판단을 유지하는 프레임워크
- context-engineering — 컨텍스트 창에 무엇을 넣을지 설계하는 방법론
참고 자료
- How to outsource everything to AI & get dumb — Ruben Hassid, Substack (2026-05-17)