지브리 프사 1년 후, 당신의 AI 활용은 어디까지 왔나요?

“딸깍”의 시대가 아니라, “운영”의 시대로

1년 전쯤이었습니다.
모두의 피드가 갑자기 한 장르로 통일되던 시기가 있었죠.

누군가는 반짝이는 눈으로,
누군가는 과하게 순해진 표정으로,
누군가는… 결과물이 이상하게 성숙해 보이기도 했습니다.

맞습니다. 지브리 프사요.

그때는 단순한 놀이처럼 보였지만, 지금 돌아보면 꽤 중요한 장면이었습니다.
AI가 “시연 영상 속 기술”에서 “누구나 바로 만져보는 기능”으로 내려온 순간이었으니까요.

그리고 그로부터 1년.
이 질문을 던지게 됩니다.

지브리 프사 이후, AI는 어디까지 왔을까요?
그리고 당신의 AI 활용은 어디까지 왔을까요?

1) 지브리 프사가 보여준 것: 기술비용 0의 감각

지브리 프사는 “이미지 생성”이 신기해서만 터진 유행이 아니었습니다.
정확히는 “이 정도 결과물이, 이 정도 노력으로 나오는데?”라는 충격에 가까웠습니다.

그림을 배운 적이 없어도
디자인 툴을 다루지 못해도
비싼 외주를 쓰지 않아도

한 번의 입력으로 “그럴듯한 결과물”이 나오는 경험.
이게 대중의 손에 들어간 거죠.

여기서 진짜 중요한 건 “그림이 잘 나오네”가 아닙니다.
비용 구조가 바뀌었다는 겁니다.

예전에는 ‘할 수 있는 사람’이 희소했고, 그 희소성이 경쟁력이었습니다.
그런데 어떤 순간부터는 ‘가능’이 아니라 ‘기본값’이 됩니다.

지브리 프사는 그 기본값이 내려오는 장면이었습니다.
그리고 이때부터 승부의 축이 이렇게 이동합니다.

정답을 가진 사람 → 더 빨리 배우는 사람
기술을 가진 사람 → 운영을 가진 사람

2) 1년 사이, AI는 “장난감”에서 “도구”로 넘어왔습니다

그때를 기억하실 겁니다.

“재밌는 챗봇이긴 한데… 할루시네이션 있어서 업무엔 애매하네”
“사람 손가락이 왜 6개지?”
“말은 그럴듯한데 근거가 없네?”

맞습니다. 초기에는 어설펐습니다.
그런데 AI에게 1년은 너무 긴 시간입니다.

지금은 많은 작업이 이렇게 바뀌었습니다.

‘자료를 읽고 요약’이 아니라 자료를 넣으면 구조가 먼저 잡히고
‘디자인을 새로’가 아니라 초안이 먼저 깔리고
‘문서를 쓰는 시간’이 아니라 문서를 판단하는 시간이 중요해졌습니다

체감의 핵심은 하나입니다.

AI가 일을 “대신” 해주는 게 아니라,
일이 “진행된 상태로” 눈앞에 도착하기 시작했습니다.

그래서 기획의 감각도 바뀝니다.
AI 시대의 기획이나 방향은 최소 6개월 앞을 보고 달려야 합니다.
지금 당장은 안 될 것 같아도, 정말 무섭게 따라오거든요.

3) 날씨예보처럼, AI도 ‘확률’로 움직입니다

“AI로 미래 예측하지 마세요”라는 말에 대한 반박

이 지점에서 꼭 나오는 말이 있습니다.

“AI로 미래를 예측하지 마세요.
어차피 얘는 사람들 생각을 짜깁기한 문장일 뿐이에요.”

맞습니다. 반은 맞습니다.
AI는 기본적으로 “확률적으로 그럴듯한 다음 문장”을 만듭니다.
그래서 그대로 믿으면 사고가 나고, 근거 없이 단정하면 위험합니다.

그런데요.
그 말이 왜 반만 맞을까요?

사람은 원래 미래를 “맞힌 적이” 없습니다

사람들은 늘 미래를 예측해왔다고 말하지만, 더 정확한 표현은 이겁니다.

시장조사 보고서를 보고
전문가 코멘트를 보고
과거 지표를 보고
회의실의 감을 섞어서

“가장 가능성 높은 선택”을 해왔습니다.

즉, 의사결정은 원래 확률 위에서 이루어집니다.

날씨예보도 똑같습니다.
비가 올지 “확정”해주지 않죠.
다만, 우산을 챙길지 말지 판단할 만큼의 가능성 지도를 줍니다.

AI도 마찬가지입니다.

AI는 미래를 예언하지 않습니다.
대신, 가능한 시나리오의 지도를 빠르게 펼쳐줍니다.

여기서 얻는 이득은 “정답”이 아닙니다.

생각의 속도
시나리오의 폭
가설의 양
그리고 틀렸을 때 수정하는 속도

이 네 가지가 압도적으로 빨라집니다.

그래서 질문도 바뀌어야 합니다.

“AI가 미래를 맞히나요?”가 아니라,
“AI로 얼마나 많은 시나리오를 그려볼 수 있나요?”
“AI로 얼마나 빨리 의사결정 루프를 돌릴 수 있나요?

4) 1년이 지나자, 사람들도 갈라졌습니다

지브리 프사 유행은 모두가 같은 출발선에 서는 순간이었습니다.
그런데 1년이 지나자, 결과는 꽤 다르게 나왔습니다.

어떤 분들은 여전히 AI를 이렇게 씁니다.

“가끔 써보는 재미”
“썸네일 한 번 뽑아보기”
“그럴듯한 글 하나 만들어보기”

반대로 어떤 분들은 AI로 이렇게 합니다.

브랜드에 맞는 정교한 삽화/일러스트를 생산하고
문서·제안서·리서치 결과물을 템플릿화하고
업무 프로세스에 AI를 끼워 넣어서 반복 작업을 시스템으로 만듭니다

여기서 중요한 건 “어떤 모델을 쓰느냐”가 아닙니다.
차이는 딱 하나입니다.

AI를 “한 번 쓰는 사람”과
AI를 “운영하는 사람”의 차이

5) 그동안 블로그 글에서 반복해온 결론

사실 이 결론은 한 번에 생기지 않습니다.
AI를 쓰고, 실패하고, 다시 구조를 만들면서 점점 또렷해집니다.

제가 그동안 USLab AI 블로그글에서 반복해온 결론을 요약하면 이런 흐름입니다.

변화의 시대엔 결국 더 빨리 배우는 속도가 승부가 됩니다
의도만 던지면 안 되고, 컨텍스트(문맥)를 설계해야 결과가 살아남습니다
그래서 “AI로 뭘 하지?”가 아니라, “무엇이 필요한가?”를 먼저 물어야 합니다
그 과정에서 제일 위험한 건 “무지” 자체가 아니라, 아는 줄 아는 상태입니다
마지막으로, AI를 잘 쓰는 건 개인의 재능이 아니라 SOP(표준 운영)로 굳히는 문제입니다

그리고 이 모든 걸 한 문장으로 묶으면, 이번 글의 메시지가 됩니다.

AI는 ‘딸깍’이 아닙니다.
AI는 ‘루프’입니다.

6) AI는 딸깍만으로 다 해주지 않습니다

그래서 “쓰는 사람도 AI에 맞춰가야” 합니다

여기서 많은 분들이 한 번 좌절합니다.

“결국 사람이 다 해야 하네?”
네, 어느 정도는 맞습니다.

그런데 관점을 바꾸면 이렇게 됩니다.

AI는 일을 “대신” 해주지 않습니다.
대신 일을 “다른 형태로” 바꿔놓습니다.

AI가 생기면서 역할은 ‘작성자’에서 ‘감독자’로 이동합니다.

무엇을 만들지 결정하고
어떤 기준으로 검증할지 정하고
어디까지 맡길지 권한을 나누고
실수했을 때 어떻게 멈출지 안전장치를 두는 일

즉, AI를 쓰는 사람은 점점 “프롬프트 작성자”가 아니라
업무 설계자가 됩니다.

그래서 “AI에 맞춰간다”는 말은 결국 이런 뜻입니다.

① 의도를 먼저 적습니다

AI에게 바로 “해줘”를 던지기 전에,

목표가 무엇인지
왜 이걸 하는지
성공 기준이 무엇인지

이 세 가지를 한 문장으로 먼저 잡아야 합니다.

② 컨텍스트를 제공합니다

AI가 헤매는 순간은 대부분 “정보 부족”입니다.

범위(어디까지/어디부터)
금지사항(하지 말 것)
참고자료(믿는 근거)
예시(원하는 톤/형식)

이걸 주면 AI가 갑자기 천재가 되는 게 아니라, 덜 엉뚱해집니다.

③ 검증 루프를 넣습니다

AI의 문제는 “가끔 틀린다”가 아니라 그럴듯하게 틀린다는 겁니다.
그래서 검증은 선택이 아니라 기본입니다.

근거 확인
반례 질문
숫자/고유명사 체크
결과물 기준 체크리스트

④ SOP로 고정합니다

한 번 잘 된 건 운이고,
다음에도 잘 되게 만드는 게 실력입니다.

잘 된 입력을 저장하고
실패 패턴을 기록하고
팀이 공유할 수 있게 정리하고
다시 실행 가능한 형태로 굳히는 것

여기까지 와야 “AI 활용”이 아니라 AI 운영이 됩니다.

마무리: 당신의 AI는 어디까지 왔나요?

지브리 프사는 1년 전의 “입구”였습니다.
그 입구에서 사람들은 두 갈래로 갈라졌습니다.

어떤 분들은 아직도 입구에서 사진만 찍고 있고
어떤 분들은 안으로 들어가 길을 만들고 있습니다

그래서 가장 중요한 질문은 이것입니다.

AI가 무엇을 할 수 있느냐가 아니라,
당신은 AI와 함께 어디까지 갈 수 있느냐

지브리 프사로부터의 1년, 당신의 AI는 어디까지 왔나요?