AI로 할 수 있는 일은 늘었는데, 나는 정말 더 일을 많이 하고 있는 걸까?크게 보기저장

얼마 전 해외 AI 뉴스레터 Ben's Bites 운영자가 X 에 "10개월째 뭘 해야 할지 모르겠고 계속 제자리만 돌고 있는 느낌이다" 라는 글을 올렸습니다. 이어서 쓴 AI가 버겁고, 나는 잘못 쓰고 있었습니다에서는 AI 가 일을 덜어 줄 줄 알았는데 막상 맡겨 보니 할 수 있는 일이 끝없이 생겨서 오히려 더 바빠졌다고 털어놓았습니다.

저도 요즘 딱 그 상태였습니다. AI 로 서비스를 여러 개 만들었고, 제가 쓰려고 만든 것들은 지금도 아주 유용하게 잘 쓰고 있습니다. 그런데 정작 남들이 쓸 수 있게 배포한 서비스는 몇 개 안 되고, 그 서비스를 모두 합쳐도 방문자가 하루 100~200명에 머무르고 있었습니다.

아마 저만 겪는 일은 아닐 겁니다. AI 로 자기가 쓸 것을 만드는 사람은 많아졌지만, 남들이 쓰는 서비스로 만들어 성공한 사례는 아직 많지 않은 것 같습니다.

저도 남들이 쓸 만한 서비스를 만들기보다, 주간 한도가 리셋되기 전에 AI 사용량을 어떻게든 다 쓰는 데만 집착해서 자기 전이면 일을 만들어 맡겼습니다. AI 를 이용해 더 많은 일을 하게 된 것 같았지만 실상은 AI 에게 제가 끌려다니는 꼴이었습니다.

상상: AI 를 마음대로 부리며 일하는 줄 알았습니다크게 보기저장
실상: 주간 한도를 채우느라 AI 에게 멱살 잡혀 끌려다니고 있었습니다크게 보기저장

최근 48시간 안에 일한 AI 세션만 67개였고, 제가 지금 무엇을 만들고 있는지도 잘 모를 때가 있었습니다. 만든 서비스 개수, 다 쓴 사용량, 시킨 작업 수처럼 보기엔 그럴듯하지만 매출이나 고객과는 상관없는 숫자, 이른바 허수 지표(vanity metric)를 보며 만족하고 있었던 겁니다.

이렇게는 안 되겠다는 생각이 들어 예전에 정리했던 YC 강의 중 KPI, 목표 설정 및 시간분배 하는 법을 다시 읽어 보니 만드는 게 쉬워진 요즘일수록 오히려 선택과 집중이 중요하다는 걸 깨달았습니다. 그래서 앞으로 아래 세 가지 원칙을 지키려고 합니다.

  1. 바빠 보이기만 한 일보다 성과가 나는 일을 합니다.
  2. 방문자 수, 가입자 수, 매출처럼 실제 지표를 올리는 데 집중합니다.
  3. 만드는 것보다 파는 데 시간을 씁니다.

이 원칙을 지키려고 업무 환경 설정도 바꿨는데, 저와 같은 고민이 있는 분들께 조금이나마 도움이 되면 좋겠습니다.

실행이 쉬워지면 바빠 보이기만 하는 일도 늘어납니다

일은 성격에 따라 둘로 나뉩니다. 실제 성과(outcome)로 이어지는 일은 매출이나 활성 사용자처럼 가장 중요한 지표(KPI)를 올리는 일입니다. 바빠 보이기만 한 일(busywork)은 수상, 컨퍼런스 참석, 언론 기사, 네트워킹, 잘못된 지표를 키우는 일처럼 뿌듯하지만 실제 성과와는 상관없는 일입니다. YC 강의에서는 우리에게 자꾸 그런 일에 시간을 쓰려는 본성이 있다고 말합니다.

사람은 본능적으로 중요도가 낮은 일을 하고 싶어 한다. 중요도가 낮은 일은 쉽고 빠르게 달성할 수 있고, 성취감을 자주 느낄 수 있어 기분이 좋기 때문이다.

예전에는 중요도가 낮은 일도 시간이 들었기 때문에 어느 정도 저절로 걸러졌습니다. 하지만 지금은 말 한마디면 AI 가 바로 작업을 해 주니, 쉽고 빨리 끝나서 기분 좋은 일들을 거의 끝없이 할 수 있게 됐습니다.

바빠 보이기만 한 일과 성과가 나는 일크게 보기저장

Ben's Bites 운영자도 같은 이야기를 합니다. 70% 정도 만든 강의와 80% 정도 만든 개인 에이전트 도구, 결성 중인 펀드 두 개가 아직 마무리되지 않았다며 이걸 "슬롯머신 레버를 한 번만 더 당기는 것" 에 비유합니다. 제가 보기엔 다른 결과물을 한 번만 더 보고 싶어 숏츠를 끝없이 넘기는 것과 같은 중독입니다.

작가 데이비드 엡스타인(David Epstein)도 혁신에 필요한 제약 인터뷰에서 AI 덕분에 10시간 걸리던 일이 1시간으로 줄었지만, 동시에 시작만 하고 끝내지 못하는 일도 얼마든지 늘릴 수 있게 됐다고 말합니다.

국내 1인 창업자 포럼을 정리한 디노이즈 기사도 AI 가 실행을 빠르게 할수록 대표 앞에는 더 많은 결정이 쌓인다고 썼습니다.

이 포럼에서 사례를 발표한 스토리위버 박준영 대표는 AI 가 병원·호텔·법률사무소의 전화를 받아 주는 서비스 콜바를 운영합니다. 콜바에서 자동으로 돌아가는 업무만 121개인데, 스스로 가입한 145명 중 체험으로 넘어간 사람은 25명, 결제한 사람은 0명이었습니다. 버그를 고치는 데는 며칠이면 충분했지만 어디가 진짜 문제인지 판단하는 데는 6주가 걸렸다고 합니다.

일을 시키는 수고는 거의 들지 않게 됐지만, 제가 확인하고 결정할 수 있는 양에는 여전히 한계가 있습니다. 그래서 제 주의력을 어디에 쓸지가 곧 우선순위 결정입니다.

핵심 지표 하나만 봅니다

앞으로 허수 지표 대신 보려는 것은 스타트업 책 Lean Analytics (린 분석)에서도 언급되는 핵심 지표 하나(OMTM, One Metric That Matters)입니다. 당분간은 AI 를 활용해 트래픽을 만드는 방법에 집중하려고 방문자 수를 보고 그다음에는 여느 스타트업처럼 가입자, 유료 가입자, 매출로 이어지는 주요 퍼널(funnel) 지표로 목표를 옮겨 갈 예정입니다.

당분간은 새 서비스를 만들고 싶은 충동이 들어도, 아래 질문을 스스로에게 한 번 더 해 보기로 했습니다.

지금 하려는 일이 이미 만들어 놓은 서비스들의 방문자 수, 가입자 수, 매출 등 주요 지표를 정말 올리는 일이 맞는가?

만드는 데 10, 파는 데 90으로 옮깁니다

예전에는 만드는 데 절반, 파는 데 절반의 시간을 써야 한다고 했습니다. 앰플리튜드(Amplitude) 창업자도 레니 뉴스레터의 B2B에서 제품과 시장이 맞는 지점을 찾는 법에서 약 1년을 개발에만 쓰고 돌이켜 보니 그 절반은 고객과 이야기했어야 했다고 후회했습니다.

그러면서 창업팀 시간의 50%는 고객과 이야기하는 데 써야 하고, 기업 고객을 상대한다면 영업사원이 되어야 한다고 강조했습니다.

또 다른 YC 강의 6000억 엑싯한 창업가가 알려주는 세일즈 하는 방법에서도 YC 창업자 폴 그레이엄의 말을 빌려 창업자는 매일 매 순간 제품을 만들고 있거나 사용자와 대화하고 있거나, 둘 중 하나는 하고 있어야 한다고 말합니다.

앱 3개를 바이브 코딩하고 한 푼도 못 벌며 배운 것이라는 글에도 같은 고백이 나옵니다.

사용자를 찾고 대화하는 일은 불편하니 보통 컴퓨터 앞에 앉아 기능을 추가하는 일을 더 하게 되는데, 그건 앞으로 나아가는 것처럼 느껴질 뿐이고 실제로 나아가는 건 사용자를 찾고 대화할 때뿐이라고 합니다.

AI 이후로 비개발자였던 제가 직접 만들 수 있게 됐다는 건 도파민이 터지는 일이었습니다. 그래서 만드는 데 90 이상, 파는 데 10 이하를 쓰고 있었는데, 만드는 게 이만큼 쉬워진 지금은 절반씩도 아니고 오히려 만드는 데 10, 파는 데 90의 시간을 써야 하는 것 같습니다.

파는 데 쓰는 90의 시간은 앞으로 세 가지에 집중해 보려고 합니다.

  • 채널과 콘텐츠: 서비스마다 맞는 SNS(X, 스레드, 메타, 인스타그램, 틱톡, 유튜브 등)를 골라 운영하고, 거기에 맞는 콘텐츠를 만들어 올리면서 팬덤을 모읍니다.
  • 찾아오는 고객 늘리기(인바운드): 사이트의 검색 노출 기반을 손보고(테크니컬 SEO), 검색 결과와 ChatGPT 같은 AI 의 답변에도 제 서비스가 나오게 해서(GEO/AEO) 찾아오는 사람을 늘립니다.
  • 먼저 연락하는 영업(아웃바운드): 찾아오기를 기다리지만 않고, 제 서비스가 필요할 만한 사람과 회사를 찾아 먼저 연락합니다.

그렇게 고객을 직접 만나고, 팬덤과 스토리를 키우는 쪽으로 제 시간을 더 많이 쓰려고 합니다.

업무를 지시하는 세션은 최소화하고, 기록하고 관리할 것은 직접 만든 서비스에 남깁니다

  • Orca 는 그날 업무를 지시하고 확인하는 곳입니다. 일을 맡기면 AI 들이 제가 해 둔 설정과 Orca 의 오케스트레이션 기능을 활용해 협업/단독으로 일하고, 일이 끝나면 결과를 한곳에 모은 뒤 끝난 작업 공간(워크트리)/세션은 스스로 지워 컴퓨터 성능을 유지합니다.
  • LCC(Life Command Center)는 제가 직접 만든 저만의 슈퍼앱입니다. 작업일지와 업무/개인 기록, 업무 현황이 쌓이고 필요한 정보를 그때그때 꺼내 씁니다.
Orca 에서 맡기고, LCC 에 남긴다크게 보기저장

1. Orca: 창 하나에 직원 한 명

Orca 는 Claude Code, Codex 같은 AI 에이전트 여러 개를 작업 공간마다 따로 띄워 한 화면에서 관리하는 무료 오픈소스 앱입니다. 코드 편집기와 브라우저가 들어 있어 개발 도구(IDE)처럼 쓸 수 있고, 한 에이전트가 다른 에이전트를 띄워 일을 시키거나, 창(세션)끼리 메시지를 주고받을 수도 있습니다.

맥에서는 Orca 를, 밖에서는 주로 휴대폰의 Orca/Claude 앱을 쓰고 채팅뿐 아니라 음성으로도 업무를 많이 지시합니다. Orca 에는 워크스페이스/워크트리가 여러 개 있지만 한 워크트리(작업 종류)에는 직원 한 명이 일하는 것처럼 맥락이 쌓이게 했습니다. 그리고 어느 워크트리에 지시해도 그 일을 맡은 워크트리로 알아서 넘어가도록 회사의 CEO/관리자처럼 작업을 항상 먼저 확인하는 역할을 두었습니다.

한 AI 가 만든 결과는 다른 AI 가 검토합니다. Claude 가 짠 코드는 Codex 가 따로 리뷰하고, 밖에 나가는 글은 구글 Gemini(Argon)가 한 번 더 읽습니다. 게임 제작처럼 큰 일은 팀장 역할의 창 아래 공개 QA 담당, 후속 테스트 담당 창을 따로 두고, 팀장 창이 결과를 모아 저에게 보고합니다.

작업 창 1개 = 일 1개 = 직원 1명 (재구성)크게 보기저장

2. 하루는 /triage 로 열고 /wrapup 으로 닫습니다

아침에 제가 만들어 둔 /triage 명령(스킬) 하나를 치면 할일/세션/인박스/서포트/읽을거리/결정필요 창구가 각자 일을 시작하고, 분석/작업이 끝나면 제가 직접 결정해야 할 것과 추천안을 추천 이유와 함께 올립니다. 저는 그중 그대로 받아들일 것과 고칠 것만 고르고 피드백을 주면 됩니다.

아침 정리 결과로 올라오는 결정 목록 예시 (재구성, 개인/회사 정보는 비슷한 예시로 바꿈)크게 보기저장

하루를 마칠 때 /wrapup 을 치면 그날 일한 창을 모두 훑어 프로젝트별로 "오늘 한 일" 과 "내일 볼 것" 을 정리해 LCC 의 작업일지에 남깁니다. 깜빡하고 치지 않은 날은 다음 날 새벽에 퇴근한 것으로 보고 자동으로 정리합니다.

더 이상 AI 사용량을 꽉 채우려고 억지로 일을 만들지 않습니다

이제는 AI 사용량이 남아도 꼭 필요하지 않은 정리나 개선 작업을 새로 만들어 맡기지 않으려고 합니다. 사용량은 남아도 제가 확인하고 결정할 수 있는 양은 정해져 있으니 무리해서 욕심내지 않으려고 합니다.

AI 사용량은 남아도, 내가 확인하고 결정할 수 있는 양은 정해져 있다크게 보기저장

AI 시대의 생산성

AI 시대의 생산성을 이야기할 때 우리는 보통 얼마나 많이, 얼마나 빨리 만드는지, 즉 산출물(output)을 떠올립니다. 그런데 실행은 거의 무한히 할 수 있게 됐어도 제게 주어진 하루 업무 시간과 주의력은 그대로입니다. 그래서 오히려 생산성을 가르는 것은 성과가 나는 일을 고르고, 무엇을 하지 않을지 정하는 일이라고 생각합니다.

AI 에게 무작정 더 많은 일을 맡기기보다, 맡길 일을 고르고 결과물을 확인하는 데 시간을 더 씁니다.

여러분은 요즘 만드는 데와 파는 데 시간을 몇 대 몇으로 쓰고 계신가요? AI 로 일을 덜어 내는 데 효과를 본 방법이 있다면 댓글이나 메일 회신으로 들려주세요. 글이 마음에 드셨다면 주변에 공유해 주시거나 구독을 권해 주세요 :)

참고 자료