AI 활용 5단계 ADAPT 프레임워크 — 인정·탐색·집중·문제해결·오케스트레이션과 4대 용어

핵심 메시지

• 향후 10년의 연봉을 가르는 단어는 'agents'도 'coding'도 아닌 'adapt(적응)'다. ADAPT는 AI 저항자를 AI 프로로 끌어올리는 5단계 프레임워크다.
• 1단계 '인정(Acknowledge)'은 도구가 아니라 정체성의 문제다. 앞선 사람이 더 똑똑한 게 아니라 24개월 먼저 시작했을 뿐이다.
• 100명 중 94명이 2단계 '탐색(Dabble)'과 3단계 '집중(Amplify)' 사이에서 멈춘다. 40개 도구를 만지지만 3~5개를 골라 깊이 파고들지 않기 때문이다.
• 진짜 돈은 4단계 '문제 해결'에서 나온다. 실제 문제는 단일 도구가 아니라 5~6개 도구를 사람의 판단으로 엮은 '워크플로'로 풀린다.
• 도구가 아니라 시스템을 설계하는 5단계 '통합(오케스트레이션)'에서는 한 사람의 산출이 2단계에 머문 10명 팀을 능가한다.

쉽게 이해하기

영상은 한 일화로 문을 연다. 200명 규모 회사를 운영하는 저자의 친구가 자기 회의에 들어갔다가 직원들이 쓰는 RAG·MCP·agents·바이브 코딩 같은 말을 절반도 알아듣지 못하고 '엉뚱한 사무실에 들어온 것 같았다'고 토로했다는 것이다. 저자 바이바브 시신티는 이 감각, 즉 세상이 하룻밤 사이 언어를 바꿔 버린 느낌을 짚으며 2022년에 누군가 줬으면 했던 플레이북, 다섯 단계로 된 ADAPT 프레임워크를 건넨다.

첫 단계 A는 '인정(Acknowledge)'이다. 'AI는 나를 대체 못 한다, 내 일은 너무 창의적이다' 같은 자기기만을 멈추는 단계다. 그는 MIT 연구를 인용해 오늘날 일자리의 11.7%가 이미 자동화 가능하다고 말하며, AI는 ChatGPT 같은 챗봇만이 아니라 텍스트·데이터·이미지·영상·음성·코드·자동화라는 일곱 개의 세계라고 설명한다. 앞서가는 사람은 더 똑똑한 게 아니라 24개월 먼저 시작했을 뿐이며, 이 단계는 도구가 아니라 정체성의 수용이다.

두 번째 D는 '탐색(Dabble)'이다. 30개가 넘는 도구를 30개가 넘는 용도로 만지며 'AI로 무엇이 가능한지'에 대한 머릿속 지도를 그리는 단계다. 그는 사고·작문에 ChatGPT·Claude·Gemini, 리서치에 Perplexity·NotebookLM·Gemini Deep Research, 이미지에 ChatGPT Images 2, 발표에 Gamma, 데이터에 Julius AI, 음악에 Suno, 음성에 ElevenLabs·Sarvam, 음성 에이전트에 Vapi·Retell, 영상에 HeyGen·Pika, 자동화에 Zapier, 앱 제작에 Lovable·Replit·Cursor를 든다. 외우는 게 목적이 아니라 감각을 쌓는 것이며, 바로 여기서 100명 중 94명이 멈춘다.

세 번째 A는 '집중(Amplify)'이다. 관광객에서 거주자로 바뀌어 3~5개 도구를 실패 지점까지 밀어붙이며 실제 유료 작업에 쓰는 단계다. 직군마다 스택이 다른데, 글을 쓰면 Claude+Perplexity, 소프트웨어를 만들면 Cursor+Lovable, 콘텐츠를 만들면 ElevenLabs+ChatGPT Image+HeyGen 식이다. 그는 여기서 모든 AI 대화에 등장할 네 단어를 가르친다. 시스템 프롬프트(신입에게 주는 역할·규칙 브리핑), RAG(내 문서를 연결해 지어내지 않게 함), MCP(AI를 앱에 꽂는 USB 포트), 파인튜닝(범용 모델을 특정 업무 전문가로 특화)이다.

네 번째 P '문제 해결'과 다섯 번째 T '통합'은 사고를 도구가 아니라 문제로 옮긴다. 그는 광고 100개를 하룻밤에 만드는 워크플로와, 첸나이의 12개 클리닉에서 하루 1,000통 전화를 받는 음성 에이전트 사례(70%를 0.8초 만에 응대·자동 처리, 첫 달에 접수원 3명분 인건비 절감)를 단계별로 보여준다. MCP 통합·음성 에이전트 배치 같은 직무는 18개월 전엔 없었고, 모두가 따라잡기 전까지의 '차익 거래 창'은 약 24개월이라고 본다. 마지막 5단계는 여러 AI가 배경에서 알아서 협업하는 시스템을 설계하는 '디지털 비서실장'이며, 그는 변하지 않을 세 원칙(AI는 코딩하고 인간은 프로그래밍한다, 명료한 사고가 가장 희소한 기술이다, AI는 기준선이지 결승선이 아니다)으로 끝맺는다.

주요 인사이트

• AI 도구를 많이 아는 것은 '활동'이지 '진전'이 아니다. AI에 대한 콘텐츠를 소비하는 일과 AI로 실제 문제를 푸는 일은 전혀 다르며, 94%가 이 둘을 혼동하다 멈춘다.
• 도구는 '작업'을 하고 워크플로는 '문제'를 푼다. 사람이 돈을 내는 것은 워크플로이며, 그 가치는 단일 도구의 수천 배라고 저자는 강조한다.
• 시스템 프롬프트·RAG·MCP·파인튜닝 네 단어만 알아도 어떤 AI 회의에서도 길을 잃지 않는다. 각각 신입 브리핑, 내 데이터 연결, 앱 연결 USB, 일반의에서 전문의로의 특화로 이해하면 된다.
• MCP 통합·음성 에이전트 배치 같은 신생 직무는 대학 학위가 없고 '만들면서' 배운다. 이런 일이 엔지니어링 직군보다 높은 보수를 주는 '차익 거래 창'은 지금 열려 있고 곧 닫힌다.
• 유일한 강점이 'AI를 쓴다'는 것이라면 사실 강점이 없다. 18개월 뒤엔 모두가 쓰기 때문이다. AI는 출발 기준선일 뿐이며 차별화는 명료한 사고와 문제 정의에서 나온다.

자주 묻는 질문

관련 AI 소식