
AI를 몰라서 자동화를 못한다는 착각
여러 팀에서 AI 컨설팅을 해왔던 지난 2년을 돌아보면 처음엔 기술을 쫓아가느라 정신없었지만, 어느 순간에 이르니 결국 본질이 중요하다는 생각이 들었다. 매일 변화하는 기술을 쫓아가는 이야기가 아니라 어떤 기술적 도약이 와도 대수롭게 여기지 않고 이를 활용할 수 있는, 변하지 않는 본질에 대해 이야기하고 싶다. 기술에 대한 이야기가 아니라 기술을 이용하는 우리에 대한 이야기.
우리는 정말 AI를 잘 몰라서 어려움을 겪고 있는 걸까. 첫 번째 이야기는 AI 컨설턴트로 일해 온 지난 2년 동안 내가 가장 많이 들었던 질문에서 시작해보려 한다.
AX는 자동화?
AX. 인공지능 전환(AI Transformation)을 해라!
인간 노동의 역사는 자동화의 역사라고 해도 과언이 아니다. 인간은 늘 반복되는 노동을 줄이고 같은 시간에 더 많은 일을 해내기 위해 새로운 도구를 만들어왔다. 이전에는 이를 위해 꽤나 많은 자본과 노력이 필요했지만 이제는 AI라는 강력한 도구가 등장했다. 우리가 AX의 목표로 가장 먼저 자동화를 떠올리는 것도 어쩌면 당연한 일이다.
그래서인지 지난 2년 동안 진행한 거의 대부분의 컨설팅은 “이걸 AI로 어떻게 자동화할 수 있을까요?”라는 질문으로 시작됐다.
“아, 도대체 뭘 어떻게 자동화하라는 거야?”
자동화는 새로운 개념이 아닌데 왜 이렇게 어려울까. AI는 매주 강해지는데 막상 활용하려니 어디에 어떻게 활용할지 모르겠다. 어쩌면 우리는 막연히 AI가 내 일을 대신할 수 있다고만 생각하고, 그 일을 AI가 수행할 수 있는 구조로 바꿔 놓았는지 생각해보지 않은 게 아닐까.
AI를 어떻게 사용할지 고민하기 전에 자동화의 본질부터 살펴보자. 포드 자동차가 어떻게 컨베이어 벨트 시스템을 도입했는지, 맥도날드가 어떻게 패스트푸드 시스템을 만들었는지, 이케아가 어떻게 가구를 디자인하고 판매하는 방식을 바꿨는지. AI가 등장하기 전 사람들은 어떻게 반복 가능한 시스템을 만들었을까.
이들의 공통점은 무엇일까. 기계가 사람을 대신했다는 것일까. 나는 그보다 이들이 사람이 하던 일을 반복 가능하고, 나아가 기계가 대신할 수 있는 구조로 바꿨다는 점이 중요하다고 생각한다. AI가 내 일을 대신하려면 내 일의 구조를 어떻게 바꿔야 할까?
포드. 자동차를 만드는 일을 나누다.
1913년 포드는 자동차 생산에 이동식 조립라인(Assembly Line)을 도입했다. 이전에는 노동자가 자동차가 놓인 자리로 이동해 부품을 가져오고 여러 작업을 수행해야 했다. 포드는 이 과정을 작은 단위로 나누고 각 작업의 순서와 위치를 정했다. 노동자가 자동차를 따라다니는 것이 아닌 자동차가 노동자 앞으로 이동하도록 만든 것이다. 한 사람은 정해진 부품을 장착하고 다음 사람은 그다음 부품을 장착한다. 물론 당시에는 지금처럼 기계가 모든 일을 대신한 것은 아니었다. 사람은 여전히 컨베이어 벨트 위에서 정해진 동작을 반복했다.

그런데 만약 자동차마다 부품의 규격이 제각각이었다면 어땠을까. 앞사람이 조립한 부품을 다음 사람이 매번 확인하고 수정해야 했다면 라인은 계속 멈출 수밖에 없었을 것이다. 그래서 부품의 표준화와 호환성도 중요했다. 정해진 부품이 정해진 위치에 정해진 방식으로 결합되어야 다음 단계로 넘어갈 수 있기 때문이다.
포드는 자동차를 만드는 과정을 분해하고, 각 작업의 규칙을 정하고, 그 작업들을 연결했다. 컨베이어 벨트는 그렇게 정의된 일들을 연결하는 도구였다. 자동화를 하려면 먼저 일을 작은 단위로 나누고, 각 단계에서 무엇을 해야 하는지, 서로 어떻게 연결되는지 정의할 수 있어야 한다.
맥도날드. 햄버거가 아니라 햄버거를 만드는 방법을 만들다.
1948년 맥도날드 형제는 기존 드라이브인 식당의 운영 방식을 완전히 바꿨다. 그들이 선택한 건 더 빠르게 요리하는 직원을 고용하는 일이 아니었다. 오히려 메뉴를 과감하게 줄였다. 메뉴가 많을수록 필요한 재료와 조리법이 달라지고 주문에 따라 직원들이 해야 할 일도 달라진다. 아무리 숙련된 직원이라도 경우의 수가 끝없이 늘어나면 매번 다른 판단을 내려야 한다.
맥도날드는 패티를 굽고, 빵에 재료를 넣고, 포장하고, 전달하는 과정을 규격화했다. 처음부터 대단한 기계를 개발한 것도 아니다. 직원들의 동선을 관찰해 불필요한 이동과 동작을 없애고, 누구나 정해진 방식으로 일할 수 있도록 주방을 배치했다. 정해진 순서대로 재료가 전달되고 다음 직원이 이어받을 수 있도록 조리 과정을 설계한 것이다. 이렇게 스피디 서비스 시스템(Speedee Service System)이 만들어졌다.

맥도날드는 모든 경우의 수를 처리할 방법을 찾는 대신, 처리해야 할 경우의 수 자체를 줄였다. 그렇게 만들어진 시스템은 다른 식당에도 반복해서 적용할 수 있었고, 프랜차이즈로 확장되는 기반이 됐다. 자동화를 위해서는 반복되는 일을 규격화하고 불필요한 변수를 줄여야 한다.
이케아. 가구를 만드는 방식을 디자인하다.
가구는 크고 무겁고 비싸고 번거롭다. 특히 공간의 크기와 사용자의 취향에 맞춰 제작하는 가구는 주문마다 새롭게 설계하고 제작해야 한다. 아무리 숙련된 제작자가 있더라도 매번 다른 결과물을 만들어야 한다면 그 과정 역시 매번 달라질 수밖에 없다.
이케아는 가구를 만드는 방식에서 해법을 찾았다. 1950년대 이케아는 가구를 완성된 상태로 운반하는 대신 부품으로 나누어 포장하고 소비자가 직접 조립하는 플랫팩(Flat-pack) 방식을 발전시켰다. 운송비와 보관 비용을 줄이는 데 효과적인 방식이었지만, 이는 가구를 디자인하는 방식에도 변화를 가져왔다. 완성된 가구를 나중에 분해하는 것이 아니라, 처음부터 분해하고 조립할 수 있도록 설계해야 했기 때문이다. 가구를 작은 단위로 나누어 만들 수 있다면, 매번 다른 가구를 처음부터 설계할 필요도 없지 않을까?

이케아의 METOD 주방 시스템은 주방을 규격화된 프레임과 도어, 서랍 등의 모듈로 나누고, 소비자가 자신의 공간에 맞춰 직접 조합할 수 있도록 만들었다. 전문가가 매번 새롭게 설계하고 제작하던 일을 정해진 부품을 선택하고 조합하는 일로 바꾼 것이다. 같은 부품을 반복 생산하면서도 조합에 따라 서로 다른 결과물을 만드는 모듈화(Modularization)다.
이러한 설계 방식은 이케아의 디자인 철학인 데모크래틱 디자인(Democratic Design)과도 맞닿아 있다. 1995년 공식적으로 소개된 이 철학은 형태, 기능, 품질, 지속가능성, 낮은 가격이라는 다섯 가지 요소의 균형을 추구한다. 좋은 디자인을 더 많은 사람이 누릴 수 있도록 하겠다는 것이다. 모듈화는 이러한 목표를 실현하는 효과적인 방법 중 하나다.
이케아가 모듈 가구를 최초로 발명한 것은 아니지만 이케아는 플랫팩과 함께 규격화된 부품을 조합하는 모듈 방식을 대중적인 가구 시스템으로 발전시켰다. 같은 부품을 반복 생산해 비용을 낮추면서도 소비자가 자신의 공간과 필요에 맞는 가구를 쉽게 구성할 수 있도록 한 것이다.
규격화가 반드시 획일화를 뜻하는 건 아니다. 오히려 무엇을 공통으로 만들고 무엇을 다르게 조합할지 설계하면, 다양성을 유지하면서도 효율을 높일 수 있다.
크리에이티브를 역으로 해체해봤다.
포드는 일을 분해하고 연결했고, 맥도날드는 불필요한 변수를 줄여 규격화했고, 이케아는 정해진 요소를 조합해 다양한 결과물을 만들었다. 세 기업이 추구한 사업과 제품은 서로 달랐지만, 일하는 방식 자체를 바꿨다는 점에서는 닮아 있다. 자동화의 출발점은 새로운 기계가 아니라 이렇게 일의 구조를 설계하는 데 있었다.
그렇다면 매번 다른 결과물을 만들어야 하는 크리에이티브에도 이 원리를 적용할 수 있을까. 매번 결과물이 다르다는 이유로 모든 과정을 그때그때 새롭게 판단해야만 하는 걸까. 완성된 결과물과 제작 과정을 역으로 해체해 반복되는 규칙을 찾고, 다시 조합하는 방식으로 세 가지 업무를 자동화해봤다.
1. 얼굴을 해체해서 다시 조립하다. 모델 프롬프트 제조기

제품 비주얼에 등장할 페르소나를 만들 때 아트디렉터들은 “세련된 30대 여성”, “지적인 인상의 남성”처럼 느낌으로 설명하는 경우가 많다. 그런데 세련되고 지적인 얼굴은 대체 어떤 얼굴일까.
물론 AI가 느낌적인 표현을 알아서 해석해 작업해주기는 한다. 하지만 같은 느낌을 AI는 생성할 때마다 다른 결과로 만들어내기에 아트디렉터가 진짜 머릿속으로 그려본 인물과 거리가 멀어지기 일쑤다. 결국 원하는 느낌이 나올 때까지 이미지를 반복 생성하다가 안 되면 특정 연예인의 얼굴을 참조시키기도 한다. 초상권을 비롯한 여러 권리 문제가 있을 수밖에 없다.
처음에는 좋은 프롬프트를 작성하는 문제일까 싶었는데, 문제는 프롬프트 이전에 있었다. 우리는 원하는 인물의 인상을 설명할 수는 있었지만, 그 인상을 AI가 만들 때의 시각적인 기준을 명확하게 공유하고 있지는 않았던 것이다. 아트디렉터가 생각하는 느낌적인 얼굴과 AI가 그 느낌을 해석한 얼굴 사이에는 설명되지 않은 수많은 판단이 존재했다. AI가 이미지를 잘 생성하는 것과 우리가 의도한 인물을 일관되게 디렉팅할 수 있는 것은 서로 다른 문제였다.

이케아가 완성된 가구 대신 그것을 구성하는 방식을 고민했던 것처럼, 우리도 완성된 얼굴보다 그 얼굴을 설명하고 결정하는 과정에 주목했다. 이러한 접근으로 아트디렉터가 원하는 페르소나를 보다 구체적이고 일관되게 디렉팅할 수 있도록 돕는 모델 프롬프트 제조기를 만들었다.
결국 자동화한 건 얼굴을 만드는 일이 아니라 얼굴을 설명하는 일이었다. 감으로 고민하던 일을 구체적인 선택의 문제로 바꾼 것이다. 중요한 건 AI에게 더 많은 설명을 입력하는 일이 아니었다. 반복해서 이미지를 만드는 것만큼이나, 반복해서 이미지를 설명하는 일에도 자동화의 기회가 있다는 사실이었다.
2. 이미 규격화된 업무는 왜 자동화되지 않았을까. 제품 비교표 퍼블리셔

제품 상세페이지에는 여러 제품의 스펙을 비교하는 표가 들어간다. 기존에는 기획자가 엑셀로 정보를 정리하고 디자이너가 이미지로 제작했지만, 제품 정보를 검색 엔진이나 AI 엔진이 읽기 어렵다는 문제가 있었다. 그래서 비교표를 HTML로 변경하는 과정에서 자동화 솔루션 제작 요청을 받았다.
얼핏 보면 단순한 변환 작업처럼 보인다. 이미 작성된 제품 정보를 정해진 웹 콘텐츠 형태로 옮기는 일이니, AI에게 문서를 읽고 코드를 작성하도록 하면 해결되지 않을까.
그런데 실제 업무는 그렇게 간단하지 않았다. 같은 목적의 비교표라도 기획자가 작성한 문서의 형식은 제각각이었다. 사람은 문서를 읽으며 어떤 정보가 제품명이고, 어떤 항목을 비교해야 하며, 어디에 해당 정보를 배치해야 하는지 자연스럽게 판단한다. 하지만 자동화하려면 매번 달라지는 이러한 해석의 과정을 처리해야 했다.
흥미로운 건 퍼블리싱 단계에서는 이미 상당 부분이 규격화되어 있었다는 점이다. 결과물을 만드는 규칙은 존재했지만, 그 결과물에 도달하기까지의 업무가 모두 같은 규칙으로 움직이고 있지는 않았다. 포드의 컨베이어 벨트로 생각해보면 자동차를 조립하는 순서는 정해져 있는데 앞 공정에서 넘어오는 부품이 매번 다른 형태인 셈이다. 아무리 훌륭한 자동화 도구를 도입하더라도 공정 사이에서 계속 사람의 해석과 판단이 필요하다면 자동화는 쉽게 완성되지 않는다.
처음에는 문서를 HTML로 바꾸는 기술에 집중했지만, 우리는 이미 규격화된 업무들 사이에서 무엇이 반복적으로 어긋나는지 살펴보는 데서 실마리를 찾았다. 이를 바탕으로 기존 제작 환경에 맞는 제품 비교표 퍼블리싱 솔루션을 개발해 반복적인 변환 작업을 줄일 수 있었다.
새로운 AI 기술을 도입하는 것보다 중요했던 건 기존 업무의 어느 부분에서 자동화가 막히고 있는지 찾아내는 일이었다. 때로는 전체 업무를 새롭게 설계하는 것보다, 이미 잘 만들어진 시스템이 왜 연결되지 않는지 알아내는 것이 더 중요하다.
3. 키비주얼도 자동화할 수 있을까. 제품 키비주얼 생성기

마지막 사례는 제품 키비주얼을 자동화하고 싶다는 아트디렉터들의 컨설팅 요청이었다. 요청은 굉장히 막연했다.
“AI로 제품이 놓인 공간 이미지를 자동으로 만들고 싶어요.”
이미지 생성 모델로 제품이 놓인 공간을 만들 수는 있다. 하지만 제품마다 보여주고 싶은 부분과 놓이는 공간이 다르고, 인테리어 스타일과 가구 배치도 매번 달라진다. 그렇다면 도대체 무엇을 자동화할 수 있다는 걸까.
무엇을 규격화할 것인가. 무엇을 통제하고 무엇에 자유도를 줄 것인가. 처음에는 이에 대한 기준이 없었다. 아트디렉터들은 AI가 이미지를 생성해주는 프로세스 자체를 자동화라고 생각하고 있었다. 물론 기존에 사람이 공간을 만들고 제품을 촬영하고 보정하던 과정을 AI 이미지 생성 모델이 대신한다는 관점에서는 자동화가 맞다.
하지만 아트디렉터가 매번 어떤 공간을 만들고, 제품을 어디에 배치하고, 어떤 구도로 보여줄지 새롭게 판단해야 한다면 어떨까. 매번 다른 프롬프트를 작성하고 원하는 결과가 나올 때까지 반복 생성해야 한다면, AI를 사용하고 있더라도 제작 과정은 여전히 사람의 개별적인 판단에 의존할 수밖에 없다. AI 이미지 생성 모델을 비스포크(Bespoke) 방식으로 사용하고 있는 것이다.
AI가 이미지를 생성할 수 있다는 것과 이미지 제작 업무를 반복해서 수행할 수 있다는 것은 다른 문제다. 그래서 먼저 우리는 키비주얼이라는 결과물 자체를 다시 생각해봤다.
키비주얼은 아트일까, 디자인일까. 아트디렉터는 때로는 예술가처럼 사고해야 하지만, 이번 자동화에서는 명확하게 디자이너의 사고가 필요하다고 판단했다. 하나의 브랜드에서 일관된 시각 언어를 구축하는 것은 브랜드 비주얼 커뮤니케이션의 기본이다. 브랜드에 어울리는 공간의 스타일은 무엇이고, 제품을 어떤 방식으로 보여줘야 하는가. 무엇을 통일하고 무엇을 다르게 표현해야 하는가. 그 기준을 만드는 일 역시 디자인이다.

매번 다른 이미지를 만들어야 한다고 해서, 그 이미지를 만들기 위한 모든 판단까지 매번 새롭게 내려야 할까.
처음에는 AI가 어떤 이미지를 만들 수 있는지에 집중했지만, 실제로 실마리를 찾은 곳은 아트디렉터들이 이미 가지고 있던 제작의 기준과 판단이었다. 어떤 부분에서는 브랜드의 일관성이 중요했고, 어떤 부분에서는 제품과 상황에 따른 유연성이 필요했다. 문제는 이 두 가지를 하나의 제작 과정 안에서 어떻게 함께 유지하느냐였다.
우리는 이러한 관점에서 크리에이티브 제작 과정을 다시 살펴봤다. 포드가 반복되는 작업을 분해하고, 맥도날드가 불필요한 변수를 줄이고, 이케아가 규격화된 요소로 다양성을 만들어냈던 것처럼, 키비주얼 제작 과정에서도 반복되는 판단과 달라져야 하는 부분을 구분할 필요가 있었다.
이러한 접근을 바탕으로 브랜드의 시각적 일관성을 유지하면서도 다양한 제품과 공간 표현에 대응할 수 있는 제품 키비주얼 생성기를 만들었다.

이 프로젝트에서 자동화한 건 단순히 이미지를 생성하는 일이 아니었다. 아트디렉터가 매번 새롭게 고민해야 했던 제작 과정의 일부를 반복 가능한 업무로 바꾸는 일이었다.
결국 AI가 만들어낼 수 있는 이미지의 다양성만큼이나 그 다양성을 관리하는 방식이 중요했다. 자동화란 모든 것을 똑같이 만드는 일이 아니다. 무엇을 반복 가능한 업무로 만들고, 무엇을 사람의 판단과 창의성으로 남겨둘 것인지 결정하는 일이기도 하다.
결국 자동화는 내 일을 얼마나 잘 알고 있느냐의 문제
이렇게 세 가지 솔루션을 만들면서 내가 가장 많이 고민한 건 AI를 어떻게 사용해야 할지가 아니었다. 이미 만들어진 결과물과 업무의 과정을 역으로 해체하고, 반복되는 규칙을 찾아 규격화하고, 다시 조립할 수 있는 구조를 만드는 일이었다. 포드와 맥도날드, 이케아가 했던 일들과 크게 다르지 않았다.
우리는 AI가 사람의 어떤 일을 대신할 수 있는지부터 묻는다. 하지만 그보다 먼저 물어야 할 질문이 있다.
나는 내가 하는 일을 AI가 수행할 수 있는 형태로 설명하고 구조화해 놓았는가.
그러니 자동화를 한다고 해서 반드시 AI부터 공부할 필요는 없는 것 같다. 오히려 지금까지 감각으로, 습관으로, 혹은 임기응변으로 처리하던 일들을 다시 돌아볼 필요가 있다. 과연 나는 내 일의 프로세스를 누군가에게 설명할 수 있는가. 무엇을 반복하고, 무엇을 규격화하고, 무엇을 조합할 수 있는가. 마지막으로 무엇을 사람의 판단과 선택으로 남겨두어야 하는가.
지난 2년 동안 내가 가장 많이 들었던 질문을 다시 생각해본다.
“아, 도대체 뭘 어떻게 자동화하라는 거야?”
AI를 잘 몰라서 자동화가 어려웠던 게 아니라 어쩌면 너무나 익숙하게 해왔던 일을 정작 설명할 수 없었기 때문은 아니었을까.
내 일을 설명할 수 있게 된다면 AI에게 무엇을 맡겨야 할지 질문할 수 있게 된다. 물론 그 질문을 실제로 작동하는 자동화 시스템으로 만드는 것은 또 다른 문제다. 같은 업무라도 조직마다 일하는 방식과 판단의 기준이 다르기에, 어디에서 자동화의 가능성을 찾고 무엇을 바꿔야 할지는 저마다 다를 수밖에 없다.
어쩌면 자동화에 필요한 첫 번째 능력은 AI를 잘 다루는 기술보다, 우리가 하는 일을 새로운 관점에서 바라보는 능력일지도 모르겠다.
To be continued.
오민근의 AI 인사이트 2026.11







