AI VIDEO BRIEFING

AI가 비즈니스를 못 키우는 진짜 이유: 프롬프트보다 '생각'이 먼저다

모델은 똑똑해지는데 성과는 그대로인 이유는 프롬프트나 다음 모델이 아니다. AI는 예측 기계일 뿐, 사고는 당신 몫이다. 프롬프트 전 던져야 할 세 가지 질문을 정리했다.

더 똑똑한 AI가 아니라 더 나은 사고가 비즈니스를 키운다 영상 대표 이미지

핵심 메시지

  • 모델은 점점 똑똑해지는데 6개월간 비즈니스로 할 수 있는 일은 거의 그대로다. 진짜 제약은 모델의 지능이 아니다.
  • 문제는 프롬프트도, '루프 엔지니어링'도, 다음 모델도 아니다. AI를 던지기 전에 자기 비즈니스를 깊이 생각하기를 멈춘 것이 문제다.
  • AI(ChatGPT·Claude)는 다음 단어를 예측하는 '예측 기계'일 뿐, 당신의 고객·숫자·상황을 이해하지 못한다. 모델이 커져도 더 그럴듯하게 예측할 뿐이다.
  • 어떤 작업이든 AI를 열기 전에 세 가지 질문(진짜 문제, 완벽한 답의 모습, AI가 알 수 없는 내 정보)에 먼저 답하고 그 '생각'을 AI에 넘겨라.
  • 자동화(없애고 싶은 일)와 증폭(더 키우고 싶은 일)을 구분하라. '이건 사라지길 바라나, 더 커지길 바라나'를 물어라.

쉽게 이해하기

지난 6개월간 AI 모델은 계속 똑똑해졌지만, 일반적인 사업자가 실제로 할 수 있는 일은 거의 달라지지 않았다. 발표자 릭 멀레디는 새 모델이 나올 때마다 '이번엔 모든 게 달라진다'는 말을 듣지만 막상 자기 비즈니스에 써보면 일상은 그대로라고 지적한다. 그리고 흔히 '네 프롬프트가 잘못됐다'는 식으로 사용자 탓을 하지만, 그것이 진짜 원인이 아니라고 말한다.

그가 보는 진짜 문제는, 새 모델을 좇는 사이 사람들이 '자기 비즈니스를 깊이 생각하는 일'을 그만뒀다는 것이다. 제대로 생각하기도 전에 AI에 문제를 던지고는 돌아온 답이 뻔하고 일반적이라는 데 놀란다. 아무리 똑똑한 모델도 그 생각을 대신해 줄 수 없지만, 기본으로 돌아가 비즈니스를 다시 들여다보는 순간 도구가 진짜 힘을 발휘한다고 그는 말한다.

그는 흔히 지목되는 원인들을 하나씩 배제한다. 프롬프트는 중요하지만 대다수의 발목을 잡는 요인은 아니고, 요즘 회자되는 '루프 엔지니어링'은 소프트웨어를 만들 때 강력하지만 더 많은 연산을 쓰는 개발자용 접근이지 일반 사업자의 병목이 아니다. 원인은 다음 모델도 아니다.

AI의 작동 원리를 보면 이유가 분명해진다. ChatGPT나 Claude는 방대한 학습 자료를 바탕으로 '다음에 올 가장 그럴듯한 단어'를 반복해 예측하는 예측 기계다. 당신의 고객이나 숫자, 구체적 상황을 이해하는 것이 아니라 패턴을 맞출 뿐이어서, 모호한 질문에는 가장 평균적이고 예측 가능한 답을 돌려준다. 모델을 더 키워도 더 세련되게 '확신에 찬 듯' 말할 뿐 당신의 비즈니스를 이해하게 되는 것은 아니다.

이는 발표자만의 견해가 아니다. 튜링상을 받은 AI '3대 대부' 중 한 명인 얀 르쿤은 지난해 말 메타를 떠나 10억 달러 넘게 모아 다른 방식의 AI를 만들고 있는데, 지금의 대형언어모델은 매우 유용하지만 주로 '정보 검색 시스템'에 가깝고 인간처럼 추론·계획·세계 이해를 하지 못한다고 본다. 도구가 진짜 사고를 하지 않는다면 그 사고는 당신에게서 나와야 하며, 그것이 당신이 온전히 통제할 수 있는 부분이다.

주요 인사이트

  • AI에 지나치게 의존해 사고를 건너뛰는 사람은 시간이 지나며 실력이 정체되거나 오히려 조금 나빠진다는 연구가 있다고 발표자는 소개한다. 자신을 뛰어나게 만든 바로 그 능력을 스스로 무디게 하기 때문이다.
  • 실천법: 중요한 작업이라면 AI를 열기 전에 세 질문에 먼저 답하라. (1) 지금 풀려는 '진짜 문제'는 무엇인가(작업이 아니라 그 밑의 문제), (2) 완벽한 답이 온다면 거기엔 무엇이 담겨야 하는가, (3) 내 비즈니스·고객·상황에 대해 AI가 알 길 없는 것은 무엇인가. 그런 다음 그 답들을 AI에 넘겨라.
  • 발표자는 자기 사례를 든다. 매주 4~6시간 걸리던 뉴스레터 'AI 플레이북'은 '시간 절약'이라는 문제로 정의하고, 회원 Q&A 콜·ICP 같은 맥락과 매주 오픈율·클릭률 피드백을 AI에 넘겨 개선한다. 또 2014년부터의 코칭 자료·통화·커뮤니티 기록을 모두 넘겨 24시간 코칭용 AI를 만들었는데, 이는 '전문성을 더 많은 사람에게 확장한다'는 문제 정의에서 출발했다.
  • 자동화와 증폭을 구분하라. 일정 관리·서식·데이터 입력·후속 이메일처럼 '없애고 싶은 일'은 자동화해 넘겨버리고, 아이디어·콘텐츠·문제 해결 방식·관점처럼 '더 키우고 싶은 것'은 증폭하라. 후자가 당신을 남과 구별짓는 지점이며, 발표자는 이를 '사람이 먼저인 AI 기반 비즈니스'라 부른다.

자주 묻는 질문

결과가 안 나오는 게 프롬프트나 '루프 엔지니어링' 때문 아닌가요?

발표자는 둘 다 진짜 병목이 아니라고 본다. 프롬프트는 중요하지만 대다수의 발목을 잡는 요인이 아니고, 루프 엔지니어링은 소프트웨어를 만들 때 강력하지만 연산을 더 쓰는 개발자용 접근이라는 것이다. 진짜 제약은 모델의 지능이 아니라 사용자가 먼저 해야 할 '생각'이다.

AI를 쓰기 전에 던져야 할 세 가지 질문은 무엇인가요?

(1) 지금 풀려는 진짜 문제는 무엇인가(겉의 작업이 아니라 그 아래 문제), (2) 완벽하게 돌아온 답이라면 무엇이 담겨 있어야 하는가, (3) 내 비즈니스·고객·상황·제안에 대해 AI가 알 수 없는 것은 무엇인가. 이 답들을 정리해 AI에 건네면 돌아오는 결과의 질이 완전히 달라진다고 말한다.

얀 르쿤은 지금의 AI를 어떻게 평가하나요?

발표자에 따르면 얀 르쿤은 오늘날의 대형언어모델이 매우 유용하지만 주로 이미 본 것을 예측하고 재조합하는 '정보 검색 시스템'에 가깝고, 인간처럼 추론하거나 계획하거나 세계를 이해하지는 못한다고 본다. 그래서 그는 메타를 떠나 다른 방식의 AI를 만들고 있다.

원문과 출처

이 글은 원본 영상의 자막을 바탕으로 한국어 독자를 위해 요약했습니다. 전체 맥락과 최신 정보는 원문에서 확인하세요.

YouTube 원본 영상 보기 ↗

관련 AI 소식

#AI 비즈니스 활용#프롬프트#얀 르쿤#AI 자동화#생성형 AI 사고법