AI 활용은 개념이 아니라 노하우입니다.
머릿속 판단 기준을 AI에게 이식하는 5단계 — 목적·제약·기준·출력·검증. 제주 숲길 적합/부적합 케이스로 직접 확인합니다.
알고만 있다고 해결이 안 됩니다.
RAG, 임베딩, 파인튜닝. 개념은 이해했습니다.
그런데 AI는 여전히 제가 원하는 결과를 내놓지 못했습니다.
문제는 지식이 아니었습니다.
AI를 쓰는 것도 결국 다른 업무와 다르지 않습니다.
부딪히고, 실패하고, 교정하면서 노하우가 쌓입니다.
개념만 아는 것과 실제로 쓸 수 있는 것 사이엔 간격이 있습니다.
전문가는 오랜 경험을 바탕으로, 거기에 감과 직관을 더해 판단합니다.
그 판단의 기준은 머릿속에 흩어진 비정형 데이터입니다.
AI가 읽을 수 없는 형태입니다.
이걸 AI가 반복적으로 적용할 수 있는 구조로 만드는 과정이 5단계입니다.
구체적으로 보여드리기 위해 예시를 하나 가져왔습니다.
제주 숲길 탐색입니다.
"어디가 좋을까요?" — 이렇게 물으면 AI는 관광 블로그 수준의 답을 내놓습니다.
판단 기준이 없으니 어디에나 붙는 일반론이 나옵니다.
5단계를 거치면 달라집니다.
1단계 — 목적 설정
AI에게 무엇을 판단하게 할 것인가를 먼저 규정합니다.
"좋은 숲길"이 아닙니다. "가족 단위 방문객이 무리 없이 걸을 수 있는 숲길인가" — 이게 목적입니다.
판단의 대상과 맥락을 먼저 정해야 합니다.
2단계 — 제약 설정
AI가 넘어서는 안 되는 선을 명시합니다.
거리 제한, 난이도 기준, 제외 조건. 말하지 않으면 AI는 제약을 모른 채 판단합니다.
3단계 — 기준 설계
판단의 잣대를 항목으로 쪼갭니다.
"좋다 / 나쁘다"가 아니라, 접근성, 경사도, 편의시설, 안전성 — 각각 수치로 만듭니다.
여기서 차이가 생깁니다.
사려니숲길은 접근성·경사도·편의시설 모두 기준을 충족했습니다. → 적합
물영아리오름은 접근성과 편의시설이 기준 이하였습니다. → 부적합
같은 제주 숲길인데 결과가 달라집니다. 기준이 명확하기 때문입니다.
4단계 — 출력 형식 고정
AI가 어떤 형태로 답을 내놓을지를 강제합니다.
줄글이 아니라 표. 의견이 아니라 항목별 판정. 결론을 먼저, 근거는 뒤에.
형식을 고정하면 결과의 변동성이 줄어듭니다.
5단계 — 검증
AI의 판단을 AI로 다시 검증합니다.
이게 품질 검사기(Linter)입니다.
생성한 결과물을 기준과 다시 대조하게 합니다. "이 판단에 빠진 조건이 있는가." "기준과 어긋난 항목이 있는가."
초안을 쓰는 AI가 아니라, 검수하는 AI입니다. 재작업 리스크를 사전에 차단하는 방어막입니다.
이 5단계를 거치면 머릿속에 흩어져 있던 기준이 AI가 읽을 수 있는 구조로 바뀝니다.
숲길 탐색을 위해 만든 이 구조는 도메인이 바뀌어도 작동합니다. 항목 이름만 달라질 뿐입니다.
다음 편에서 이 5단계가 비즈니스 실무로 그대로 옮겨가는 것을 보여드립니다.
[AI와 제대로 일하는 법] 4부작 시리즈 2/4
'AI 빌더' 카테고리의 다른 글
| [AI와 제대로 일하는 법 #3]같은 구조, 다른 도메인 | 숲길 탐색 기준이 파트너사 선정이 되는 순간 (0) | 2026.05.18 |
|---|---|
| [AI와 제대로 일하는 법 #1]AI로 만들었는데 왜 내가 더 바빠질까 | 판단 기준 없이 시작한 대가 (0) | 2026.05.07 |
| [추론 엔진 #6] 프롬프트로 안 되면 구조를 바꿔라 | Agentic Workflow의 실체 (0) | 2026.04.28 |
| [추론 엔진 #5] LLM 앱은 코드베이스가 두 개다 | 프롬프트 엔지니어링은 개발이다 (0) | 2026.04.27 |
| [추론 엔진 #4] 완성된 코드를 버리기로 결정한 날 | AI 빌더의 피벗 (0) | 2026.04.25 |
