← 2026-03-16 목록으로

핵심 요약

본 영상은 AI 활용의 본질은 도구의 기능적인 측면보다 ‘무엇을 하고 싶은지’에 대한 명확한 목적 설정과 지속적인 반복(Iteration)을 통한 개선에 있다고 강조합니다. AI를 자판기처럼 단순히 질문하고 답을 얻는 것이 아닌, 생각의 증폭기이자 파트너로 인식하여 능동적으로 협업하는 자세가 중요합니다. 이를 통해 반복적인 업무를 자동화하고 인간은 더 가치 있는 일과 창의적인 문제 해결에 집중해야 함을 역설하며, 리더는 구성원들이 AI를 활용해 시도하고 배우며 성장할 수 있는 환경을 조성해야 한다고 제언합니다.

주요 내용

AI 활용에 대한 오해: “딸깍”하면 답이 나오는 자판기가 아니다 대부분의 사람들은 AI를 한 번의 질문으로 완벽한 답을 얻는 자판기처럼 인식하는 경향이 있습니다. 그러나 실제 AI는 사용자가 원하는 형태로 결과물을 제공하지 않는 경우가 대부분이며, 내가 원하는 결과를 얻기 위해서는 질문, 답변, 평가, 반복의 지속적인 과정을 거쳐야 합니다.

AI는 생각의 증폭기이자 논의 파트너 AI는 단순히 업무를 대신하는 도구가 아니라, 인간의 생각을 증폭시키고 아이디어를 함께 논의하며 발전시켜 나가는 파트너로 봐야 합니다. AI를 활용하는 핵심은 ‘내가 AI로 무엇을 하고 싶은가’를 명확히 정의하는 데 있습니다. 도구의 기능적 측면(How)에만 집중하다 보면, 나의 목적에 맞지 않아 결국 그 기능을 사용하지 않게 될 수 있습니다.

Google의 TCCREI 프레임워크 가장 성능 좋은 프롬프트를 만들고 AI와 효율적으로 협업하기 위한 방법론으로 Google의 TCCREI 프레임워크가 소개되었습니다.

자동화의 동기: 비효율 감소와 예측 가능성 개발자이자 HR 담당자로서, 반복적이고 명확하게 정의되지 않은 업무 처리 방식은 불필요한 리소스 낭비를 초래함을 깨달았습니다. 자동화를 통해 인간 에러를 줄이고 예측 가능성을 높여 업무의 신뢰성을 확보하며, 절약된 시간을 더 가치 있는 일에 투자하는 것이 중요합니다.

AI 시대의 성과 평가 (KPI): 양에서 목표 달성 및 영향으로 AI 시대에는 단순히 업무량을 기준으로 개인의 성과를 평가하는 방식에서 벗어나야 합니다. 대신, 개인이 회사 목표 달성에 얼마나 기여했는지, 어떤 긍정적인 영향을 미쳤는지를 중요한 지표로 삼아야 합니다. AI 활용량(토큰 사용량)에 따라 가산점을 부여하는 방식은 단기적으로 사용을 독려할 수 있으나, 이는 목적 없는 AI 사용으로 이어질 수 있어 장기적으로는 최적화된 활용 방안을 모색해야 합니다.

언러닝과 변화에 대한 대응 (삽질의 중요성 변화) 급변하는 기술 환경에서는 ‘Learn, Unlearn, Relearn(배우고 잊어버리고 다시 배우는)’의 반복적인 학습 사이클이 필수적입니다. 과거에는 코딩 자체의 ‘삽질’이 중요했다면, 이제는 명확한 목적과 흐름을 설계하고 AI를 활용하여 이를 구현하는 ‘방식의 삽질’로 변화하고 있습니다. 기술을 맹목적으로 습득하기보다, 기술이 활용될 컨텍스트와 목적을 이해하는 것이 중요합니다.

리더의 역할: ‘시도할 수 있는 환경’과 ‘피드백 역량’ 제공 리더는 구성원들이 AI를 활용해 새로운 방식을 시도하고, 그 결과에 대해 효과적으로 피드백하며 개선할 수 있는 환경을 만들어주어야 합니다. 이러한 시도와 성공 경험이 쌓이면, 구성원들은 AI 활용에 대한 동기를 얻고 스스로 업무 방식을 발전시켜 나갈 것입니다. 이는 리더가 ‘일을 되게끔 만드는 Enabler’로서의 역할을 하는 것을 의미합니다.

기술보다 목적이 중요한 이유 파이썬이나 R과 같은 특정 도구의 사용법(How)에만 집중하는 것은 실제 문제 해결에 큰 의미가 없을 수 있습니다. 중요한 것은 ‘어떤 데이터를 어떻게 분석하고 싶은지’와 같이 AI를 통해 달성하고자 하는 명확한 목적(What)을 먼저 정의하는 것입니다. 목적이 명확해야 그에 맞는 최적의 도구와 방법을 선택하고 AI와 효과적으로 협업할 수 있습니다.

핵심 데이터 / 비교표

[남동득 실장 주요 경력]

[AI 활용을 위한 Google의 TCCREI 프레임워크] | 단계 | 설명 | |:—|:—| | Task (업무) | 나에 대한 어떠한 업무를 해야 되는지 목적을 명확하게 함 | | Context (맥락) | 그 맥락을 어떻게 설명하는지에 대한 부분 | | Reference (참조) | 어떤 결과물을 만들어야 하는지, 아웃풋 이미지에 대해 명확하게 함 | | Evaluate (평가) | 결과물을 평가 | | Iterate (반복) | 원하는 결과가 나올 때까지 반복하여 개선 |

타임스탬프별 핵심 포인트

| 시간 | 핵심 내용 | |—|—| | 00:14 | AI를 자판기처럼 ‘딸깍’ 한 번에 답이 나오는 것으로 생각하는 오해에 대해 설명 | | 00:23 | 실제 AI는 원하는 형태의 결과물이 나오지 않는 경우가 대부분이며, 반복적인 평가와 수정이 필요함 | | 00:30 | AI 활용의 가장 중요한 것은 ‘내가 AI로 무엇을 하고 싶은가’라는 목적(What)을 정의하는 것 | | 00:35 | 기능적 측면(How)에만 집중하면 목적에 맞지 않을 때 기능을 사용하지 않게 됨 | | 00:52 | 기술이 아무리 발전해도 ‘왜 이 일을 하는가’, ‘무엇을 할 것인가’라는 목적이 가장 중요함 | | 01:25 | 개발 경력 3년 + HR 경력 12년의 독특한 경력을 가진 남동득 실장 소개 | | 01:48 | AI를 ‘생각의 증폭기’이자 ‘논의 파트너’로 정의 | | 02:51 | Google의 AI 활용 방식인 TCCREI (Task, Context, Reference, Evaluate, Iterate) 프레임워크 설명 | | 03:33 | AI 초기 성능은 80% 정도이며, 나머지 20%는 사용자의 피드백을 통한 반복 개선이 필요함 | | 04:09 | 명확한 아웃풋 이미지와 목표 설정 후 AI와의 대화를 통해 결과물을 만드는 과정의 중요성 강조 | | 04:55 | 스타트업에서 명확하지 않은 업무 방식을 효율화하기 위해 직접 코딩을 통한 자동화를 시작한 경험 공유 | | 05:32 | 자동화를 통해 얻고자 하는 중요한 가치는 ‘예측 가능성’과 ‘인간 오류 감소’ | | 06:17 | 패턴이 있고 반복적인 업무는 AI/기계가 더 잘하며, 인간은 기계가 못하는 성과 나는 업무에 집중해야 함 | | 07:38 | 구글 워크스페이스 기반의 구글 시트, 슬랙, 위키를 활용한 업무 자동화 사례 설명 | | 08:59 | 구글 시트 정보 정리 -> 트리거 생성 -> 절차 정의를 통한 아웃풋 이미지 달성 자동화 프로세스 | | 10:00 | 리더로서의 역할은 팀원이 원하는 일을 할 수 있도록 돕고, 조직의 문제를 기능적으로 해결하는 것 | | 10:20 | 리더는 구성원이 일을 잘할 수 있도록 만드는 ‘인에이블러(Enabler)’ 역할이 중요함 | | 10:44 | AI 시대의 인사평가는 업무량보다 목표 달성률이나 영향력 등 ‘성과’에 집중해야 함 | | 11:46 | AI 시대에 인간에게 가장 중요한 능력은 ‘소통력’ (AI와 명확하게 소통하고 피드백하는 능력) | | 12:24 | AI를 잘 활용한다는 것은 단순히 많이 쓴다는 것이 아니라, 비용 대비 100배 이상의 생산성을 증명하는 것 | | 13:29 | AI 활용에 있어서 최적화 관점은 중요하며, 구글 생태계 내에서 비용 효율적으로 연동하는 것이 좋은 방법 | | 14:37 | 회사 내에서 구글 계정 기반으로 별도 로그인 없이 필요한 정보를 제공하는 자동화 시스템 구축 사례 | | 15:00 | AI를 활용한 시스템 구축 시, 데이터 통제 및 보안에 대한 리스크 관리가 중요함 | | 15:48 | 기술을 접목한 HR 담당자로서, 항상 새로운 도구를 시도하고 나에게 최적화된 방식을 찾는 과정을 반복함 | | 16:11 | ‘바이브 코딩’처럼 눈앞에서 2~3분 내에 코드를 생성하는 경험을 통해 AI에 대한 시도를 독려함 | | 16:35 | AI 활용의 두 가지 핵심: 1. 시도할 수 있게 해준다, 2. 실력이 있어야 한다(피드백 및 대화 역량) | | 16:48 | ‘내가 AI로 무엇을 하고 싶은가’가 가장 중요하며, 기능적 측면(How)보다 목적(What)에 집중해야 함 | | 17:41 | 기술이 아무리 빠르게 발전해도 ‘왜 이 일을 하는가’와 ‘어떤 일을 할 것인가’라는 목적이 가장 중요함 | | 18:36 | 개발자에서 HR로 커리어를 전환하며, 코딩보다는 시스템 사고와 자동화의 본질에 집중하게 됨 | | 19:43 | AI 시대에는 ‘배우고, 잊어버리고, 다시 배우는 (Learn, Unlearn, Relearn)’ 사이클이 중요 | | 20:10 | 변화하는 기술에 대한 의문을 계속 가지고, 내가 했던 방식을 계속 고수하는 것이 맞는지 고민해야 함 | | 21:15 | ‘삽질의 실종’이라는 오해와 달리, ‘삽질’의 방식이 변화했을 뿐 그 중요성은 여전함 | | 22:24 | 코딩이라는 ‘How’보다는 목적에 기반하여 기대 사항을 명확하게 하는 것이 AI 시대의 중요한 ‘삽질’임 | | 23:20 | 리더의 준비도에 따라 AI와 일하는 효과가 달라지므로, 리더는 시도 환경 조성과 언러닝을 지원해야 함 |

결론 및 시사점

본 영상은 AI 시대에 직장인과 리더가 가져야 할 중요한 관점을 제시합니다. 개인은 AI를 단순한 도구로 여기기보다 자신의 업무 목표와 맥락을 명확히 정의하고, AI와의 반복적인 상호작용을 통해 최적의 결과물을 도출하는 ‘소통 역량’을 길러야 합니다. 리더는 구성원들이 새로운 AI 기술을 두려워하지 않고 적극적으로 시도하며, ‘배우고, 잊어버리고, 다시 배우는’ 학습 사이클을 통해 성장할 수 있는 환경을 제공하는 ‘Enabler’가 되어야 합니다. 결국 기술 변화의 속도에 맞춰 ‘무엇을 할 것인가’라는 본질적인 목적을 끊임없이 고민하고, 이를 효율적으로 달성하기 위해 AI를 파트너로 활용하는 역량이 미래 시대의 핵심 경쟁력이 될 것입니다.

추가 학습 키워드

  1. 프롬프트 엔지니어링 (Prompt Engineering)
  2. TCCREI 프레임워크 (Task, Context, Reference, Evaluate, Iterate)
  3. 업무 자동화 (Business Process Automation, BPA)
  4. Learn, Unlearn, Relearn
  5. 리더십 전환 (Transformational Leadership in AI era)

기본 정보

| 항목 | 내용 | |—|—| | 채널 | 티타임즈TV | | 카테고리 | 과학기술 | | 게시일 | 2026-03-16 | | 영상 길이 | 25:09 | | 처리 엔진 | gemini-2.5-flash | | 원본 영상 | YouTube에서 보기 |