# AI 직원(사원)이란 무엇일까요? 자동화 툴과의 차이점 | AI 기반과 로컬 LLM를 40대가 시각화한다

> https://bookfactory.kr/board/ai-tech/18520
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-25T09:24:41.979Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/314576156/rectangle_large_type_2_ddd8d0f89ee844d2fc2648f1c39932af.png?width=1280)

AI 인사이털은 무엇인가. 먼저 결론을 요약한다. AI 인사이털은 업무를 AI에게 맡기는 방식이며, 그 내용은 축적된 지혜와 판단 기준의 질로 결정된다. 단지 절차를 연결하는 자동화 도구와는 다른 범위를 맡긴다.

지금, 화제의 중심은 AI를 후대에 추가하는 회사에서 AI를 기반으로 하는 회사로의 변화에 있습니다. 그 기반이 되는 것은 내부의 지혜를 축적하는 AI 기반과, 개인 컴퓨터에서 작동하는 로컬 LLM입니다. 이 글에서는 이 세 가지 연결 고리를 40대 시선으로 해명할 것입니다.

당신도 이렇게 느끼지 않으세요?

- 아침 출근 열차 안에서 “AI 직원들이 24시간 근무한다”는 광고를 보며 조용히 화면을 껐다.
- 점심시간 휴게실에서 젊은 층이 인공지능에 대한 이야기로 흥분하는 것을, 도시락을 나눠 먹으며 가볍게 넘겼다.
- 밤 11시의 방에서 노트북을 열었지만, 무엇을 써야 할지 몰라 그대로 닫았다.

저도 그 쪽에 있었어요. 22년 동안, 전자제품 판매점에서 일해 왔습니다. 회사 내에서의 자리 역시 개인의 노력만으로는 움직일 수 없는 것을 깨달았을 때, ‘AI 직원’이라는 말을 처음 들었죠. 수상쩍게 된 중년의 직장인 자리로, 이제는 AI가 앉아 오려나. 솔직히 말해서, 가슴이 미동거렸습니다.

하지만 시스템을 조사하는 과정에서 시각이 달라졌다. 이 글은 AI를 사용하면 일과 수입이 안정된다는 것을 보장하는 것이 아니다. 나는 전문가도 성공자도 아니고, 지금도 실천의 도중이다. AI 직원이라는 말의 본질을, 컴퓨터가 서투른 40대 눈높이에서 함께 확인하고 싶다. 그것뿐이다.

> 
> 
> 먼저 한 가지만 말씀드려요. AI 이야기를 들을 때마다 “그래서, 제가 무엇부터 시작해야 하는 거죠?”라며 멈춰버리는 분들께. 저도 운영에 참여하고 있는 ‘제로랙’의 무료 LINE에 부업의 기초를 배울 수 있는 강의 영상이 100본 이상 있습니다. 서두르지 않으셔도 돼요. 읽기를 다 마치고 시간이 날 때, 한번 살펴보시면 좋을 것 같아요. 👉 제로랙 무료 LINE 보기
> 

죄송합니다. 제공해주신 일본어 note.com 게시글 본문 청크 10/90가 없어 번역을 수행할 수 없습니다.

## AI 사원은 누구를 의미하는가? 흔히 볼 수 있는 업무 사례와 ‘인력 대체’라는 표현 방식

인공지능 직원(AI 직원)이란, 특정 업무를 생성형 AI에 맡기고 동료처럼 활용하는 방식입니다. 최근에는 AI 에이전트라고 불리는, 여러 작업을 스스로 순차적으로 진행하는 AI를 ‘직원’으로 간주하여 서비스를 이용하는 경우도 늘고 있습니다.

자주 소개되는 인공지능 사원의 담당 업무는 대략 다음 5가지로 요약된다.

- 문의 응답 초안
- 회의 녹음에서 회의록 작성하기
- 자료와 기획안 초안
- 정형 이메일 작성 및 답변 제안
- 표에 데이터를 입력하고 집계합니다.

모두 다 유용하게 느껴진다. 다만 광고에서는 사람 대신 24시간 딴말 없이 일한다고 자주 이야기된다. 내가 걸렸던 건 바로 이 표현 방식이었다. ‘사람의 대체’라고 말하면, ‘그렇다면 사람 자체가 필요 없는 건가?’라는 질문이 엿보이기 때문이다. 40대 회사원에게는 전혀 다른 일에 대한 이야기일 수 없다.

하지만 조사해 나갈수록, 이상 현상의 정체는 감정만이 아니었다. “AI 직원”이라고 불려지고 있는 것들의 본질이 사실은 흩어져 있었다. 다음 장에서 그 격차를 정리한다.

## AI 직원과 자동화 도구의 차이점 | 절차를 전달할 것인가, 판단의 축을 따라 맡길 것인가

AI 직원과 자동화 도구는 업무 효율성 향상에 기여하지만, 접근 방식과 적용 범위에는 큰 차이가 있습니다. 본 기사에서는 이러한 차이점을 명확히 하고, 귀사의 최적 선택지를 찾기 위한 핵심적인 포인트를 설명합니다.

**1. AI 직원란 무엇인가?**

AI 직원은 인공지능(AI)을 활용하여 인간처럼 업무를 수행할 수 있는 존재입니다. 구체적으로 다음과 같은 역할을 수행할 수 있습니다.

*   **정보 수집 및 분석:** 방대한 데이터를 수집 및 분석하여 인간이 알아차리지 못하는 패턴이나 경향을 발견합니다.
*   **의사 결정 지원:** 수집 및 분석한 정보에 기반하여 의사 결정을 지원합니다.
*   **고객 응대:** 챗봇이나 음성 비서 등을 통해 고객 문의에 응대합니다.
*   **업무 자동화:** 반복적인 업무를 자동화하여 인간의 부담을 경감합니다.

AI 직원은 특정 업무에 특화되어 설계되는 경우도 있지만, 광범위한 지식과 기술을 갖추어 다양한 업무에 대응할 수 있는 “범용 AI 직원”도 등장하고 있습니다.

**2. 자동화 도구란 무엇인가?**

자동화 도구는 특정 규칙이나 절차에 따라 업무를 자동으로 실행하는 소프트웨어입니다. 예를 들어, 다음과 같은 것들이 있습니다.

*   **RPA(로봇 프로세스 자동화):** 기존 시스템이나 애플리케이션을 조작하여 인간이 수행하던 사무 작업을 자동화합니다.
*   **워크플로우 자동화 도구:** 여러 업무 프로세스를 연계하여 자동으로 실행합니다.
*   **데이터 입력 자동화 도구:** 데이터를 자동으로 입력하고 입력 오류를 방지합니다.

자동화 도구는 규칙이 명확하고 절차가 정해진 업무에 특히 효과적입니다.

**3. AI 직원과 자동화 도구의 차이점**

| 항목           | AI 직원                               | 자동화 도구                             |
| -------------- | ------------------------------------ | --------------------------------------- |
| 목적           | 의사 결정 지원, 창의적인 업무 수행   | 정형 업무 자동화, 효율성 증대                 |
| 유연성         | 높음                                 | 낮음                                   |
| 지식 및 기술   | 전문 지식, 판단력, 창의성 등           | 특정 규칙, 절차                       |
| 적용 업무       | 복잡한 의사 결정이 필요한 업무, 창의적인 업무 | 정형적인 사무 작업, 데이터 입력, 워크플로우 |
| 도입 비용     | 높음                                 | 비교적 낮음                               |
| 도입 난이도     | 높음                                 | 비교적 낮음                               |

**4. 절차를 전달할 것인가, 판단의 축을 따라 맡길 것인가**

AI 직원을 도입할 때 중요한 것은 “절차를 전달할 것인가, 판단의 축을 따라 맡길 것인가”라는 선택입니다.

*   **절차를 전달하는 경우:** AI 직원에게 구체적인 절차를 지시합니다. 이 경우 AI 직원은 지시된 절차를 정확하게 실행하지만, 상황에 따라 유연하게 대응하는 것은 불가능합니다.
*   **판단의 축을 따라 맡기는 경우:** AI 직원에게 특정 판단 기준을 제시하고, 그 기준에 따라 판단을 위임합니다. 이 경우 AI 직원은 상황에 따라 유연하게 대응할 수 있지만, 판단 기준이 모호하거나 잘못된 판단을 할 수 있습니다.

**5. 결론**

AI 직원과 자동화 도구는 각각 다른 강점을 가지고 있습니다. 귀사의 업무 내용과 과제를 분석하고 최적의 선택지를 선택하는 것이 중요합니다.

예를 들어, 다음과 같은 경우가 있을 수 있습니다.

*   **고객 응대 자동화:** 챗봇이나 음성 비서 등의 AI 직원을 활용합니다.
*   **데이터 분석:** AI 직원에게 방대한 데이터를 분석시키고, 그 결과를 바탕으로 의사 결정을 수행합니다.
*   **사무 작업 자동화:** RPA 등의 자동화 도구를 활용하여 반복적인 사무 작업을 자동화합니다.

자동화 도구는 정해진 절차를 빠르게 실행하는 도구다. AI 직원이라고 주장하는 상품 중에도 실상은 기존 도구를 연결한 것일 뿐인 경우도 있다. 차이점을 관점별로 나누면 차이가 명확하게 드러난다.

자동화 도구의 경우 이렇게 됩니다.

- 전달할 내용: 작업 절차
- 예상치 못한 일이 발생했을 때: 멈추거나 오류가 발생합니다.
- 결과: 누가 함께 구성하든 비슷한 결과가 될 것이다.

판단 기준을 완전히 맡기는 AI 직원일 경우 이렇게 된다.

- 전달할 내용: 절차에 더하여, 무엇을 긍정해야 하는 기준
- 예상치 못한 일이 발생했을 때: 기준에 맞춰 임시 답안을 제시하고 다른 사람에게 확인을 요청하십시오.
- 결과: 그 회사다운 답변이 되었습니다.

매장 앞에서 후배에게 일을 맡길 때, 저는 절차만 전달한 적이 없었습니다. 무엇을 중요하게 생각해야 하는지, 헷갈릴 때는 누구에게 물어봐야 하는지까지 함께 알려주었습니다. 절차만 외운 후배는 예상치 못한 손님이 오면 당황하여 얼어붙는다는 것입니다.

스펙표만으로 가전제품을 선택한 고객들도 자주 매장으로 돌아왔다. 숫자는 훌륭해도, 입구에 들어가지 못했다. 소음이 예상보다 컸다. 도구의 강도보다 일상생활에 맞는지 판단하는 기준이 우선이었다. AI 직원도, 성능보다 어떤 기준으로 움직이느냐에 따라 가치가 결정된다.

## AI 네이티브 기업이란 무엇일까요? AI 기반과 RAG(Retrieval-Augmented Generation)로 업무 순서가 변화하는 시대

AI 네이티브 기업은 인공지능(AI) 기술을 기업의 핵심 역량으로 활용하여 기존의 산업 구조를 완전히 바꾸는 기업들을 의미합니다. 이러한 기업들은 AI 기반의 솔루션을 통해 업무 프로세스를 혁신하고 새로운 가치를 창출하며 경쟁 우위를 확보합니다.

특히 최근 주목받는 기술인 RAG(Retrieval-Augmented Generation)는 AI 모델이 외부 지식 소스에서 정보를 검색하여 답변을 생성하는 방식입니다. RAG를 통해 AI는 단순히 학습된 지식에 의존하는 것이 아니라 실시간으로 변화하는 정보를 활용하여 더욱 정확하고 맥락에 맞는 답변을 제공할 수 있습니다.

AI 네이티브 기업들은 이러한 AI 기반과 RAG 기술을 결합하여 다음과 같은 방식으로 업무 순서를 변화시키고 있습니다.

*   데이터 분석 및 인사이트 도출: AI는 방대한 데이터를 빠르게 분석하고 숨겨진 패턴과 인사이트를 도출하여 의사 결정을 지원합니다.
*   자동화된 업무 처리: 반복적이고 단순한 업무를 AI가 자동화하여 직원들이 보다 창의적이고 가치 있는 업무에 집중할 수 있도록 합니다.
*   개인화된 고객 경험 제공: AI는 고객의 데이터를 분석하여 개인의 니즈에 맞는 맞춤형 서비스를 제공합니다.
*   신속한 문제 해결: AI는 문제 발생 시 신속하게 원인을 파악하고 해결 방안을 제시하여 업무 효율성을 높입니다.

이러한 변화는 기업의 경쟁력을 강화하고 새로운 비즈니스 모델을 창출하는 데 기여합니다. AI 네이티브 기업들은 앞으로 더욱 다양한 분야에서 혁신을 주도하며 우리 사회의 발전에 중요한 역할을 할 것으로 기대됩니다.

이제부터 본격적인 내용을 말씀드리겠습니다. 지금 설명하고 있는 인공지능 직원 이야기는 도구의 이야기가 아니라 회사의 구성 방식에 대한 이야기입니다.

### AI 네이티브 기업과 기존 기업의 차이점은 다음과 같다.

AI 네이티브 기업은 인공지능 기술을 기업의 핵심 역량으로 활용하여 새로운 비즈니스 모델을 창출하는 기업을 의미한다. 이러한 기업들은 데이터 분석, 자동화, 개인화 등 인공지능 기술을 통해 운영 효율성을 극대화하고, 고객 경험을 혁신하며, 새로운 시장 기회를 포착한다.

반면, 기존 기업은 전통적인 경영 방식을 유지하면서 인공지능 기술을 도입하는 경우가 많다. 인공지능 기술을 도입하더라도 기존 시스템에 통합하거나, 특정 부서에서만 활용하는 방식으로 제한되는 경우가 많으며, 인공지능 기술 도입에 대한 투자나 인력 확보에 어려움을 겪는 경우도 있다.

AI 네이티브 기업과 기존 기업의 가장 큰 차이점은 바로 ‘인공지능에 대한 사고방식’이다. AI 네이티브 기업은 인공지능을 단순한 도구가 아닌 기업의 미래를 결정짓는 핵심 요소로 인식하고, 인공지능 기술을 적극적으로 활용하여 혁신을 추구한다. 반면, 기존 기업은 인공지능 기술 도입에 대한 부담감을 느끼거나 인공지능 기술의 잠재력을 제대로 파악하지 못하는 경우가 많다.

이러한 차이점은 기업의 경쟁력에 큰 영향을 미친다. AI 네이티브 기업은 인공지능 기술을 통해 빠르게 변화하는 시장 환경에 적응하고, 새로운 가치를 창출하며, 경쟁 우위를 확보할 수 있다. 반면, 기존 기업은 인공지능 기술 도입에 소홀하면 경쟁에서 뒤쳐지고, 시장 변화에 적응하지 못하여 도태될 수 있다.

최근에는 기존 기업들도 AI 네이티브 기업의 성공 사례를 보면서 인공지능 기술 도입에 대한 관심을 높이고 있다. 하지만 AI 네이티브 기업이 되기 위해서는 단순히 인공지능 기술을 도입하는 것을 넘어, 인공지능을 기반으로 한 새로운 비즈니스 모델을 창출하고, 조직 문화를 혁신하며, 데이터 기반의 의사 결정을 하는 등 종합적인 노력이 필요하다.

AI 네이티브 기업이란 AI를 기반으로 처음부터 업무 흐름을 설계하는 회사를 의미합니다. 기존에는 기존 업무에 AI를 적용하는 방식으로 진행되었었습니다.

AI가 초안이나 초기 대응을 담당하고, 사람들은 그 위에 확인과 판단 및 최종적인 마무리 작업을 한다. 다만 이는 해설가의 시각일 뿐이며, 모든 회사가 이미 그렇게 되고 있는 것은 아니다. 그것은 분리하여 읽어주시기 바란다.

집에서 비유하자면 가전제품을 뒤늦게 보충하는 것이 아니라, 가전제품이 들어갈 것을 전제로 하여 공간 배치를 결정하는 느낌과 비슷하다. 토대 자체가 바뀌면 사람의 역할도 달라진다.

### AI 기반과 RAG의 작동 방식

RAG(Retrieval-Augmented Generation)는 대규모 언어 모델(LLM)의 단점을 보완하기 위해 개발된 기술입니다. LLM은 방대한 데이터를 학습했지만, 학습 데이터에 없는 최신 정보나 특정 분야에 대한 지식은 부족할 수 있습니다. RAG는 이러한 문제를 해결하기 위해 다음과 같은 방식으로 작동합니다.

1.  **검색(Retrieval):** 사용자의 질문과 관련된 정보를 외부 데이터 소스(예: 벡터 데이터베이스, 웹 검색 엔진)에서 검색합니다. 이 과정에서 질문의 핵심 키워드를 추출하고, 관련 문서나 정보를 찾아냅니다.

2.  **생성(Generation):** 검색된 정보를 LLM에 함께 제공하여 답변을 생성합니다. LLM은 검색된 정보를 바탕으로 더욱 정확하고 풍부한 답변을 제공할 수 있습니다.

RAG는 LLM의 답변 능력을 향상시키고, 답변의 신뢰도를 높이는 데 기여합니다. 또한, LLM이 학습 데이터에 없는 최신 정보나 특정 분야에 대한 지식을 활용할 수 있도록 합니다.

RAG는 다음과 같은 경우에 특히 유용합니다.

*   최신 정보가 필요한 질문에 대한 답변
*   특정 분야에 대한 전문적인 지식이 필요한 질문에 대한 답변
*   LLM이 학습하지 않은 새로운 정보에 대한 답변

RAG는 LLM과 함께 사용될 때 더욱 강력한 성능을 발휘합니다. 앞으로 RAG는 다양한 분야에서 활용될 것으로 기대됩니다.

AI 기반은 회사의 업무 지식을 모아두고, AI가 참조할 수 있는 형태로 저장해두는 시스템입니다. 자주 사용되는 방식이 RAG(Retrieval-Augmented Generation)로, 2020년에 연구자들이 발표한 논문에서 널리 알려진 개념입니다.

시스템은 간단하며, 질문이 들어오면 우선 내부 문서에서 관련된 부분을 찾아 그 내용을 바탕으로 AI가 답변을 제공합니다. AI가 일반론적인 답변을 제공하기보다는 해당 회사의 상황에 맞춰 답변하기 용이해집니다.

### AI 기반으로 지혜를 축적하는 5가지 방법은 다음과 같습니다.

1.  **데이터 수집 및 정리:** AI 모델을 훈련시키기 위해서는 양질의 데이터가 필수적입니다. 따라서, 목표하는 AI 모델의 목적에 맞는 데이터를 수집하고, 불필요한 정보나 오류를 제거하여 데이터를 정리하는 과정이 중요합니다. 데이터의 품질은 AI 모델의 성능에 직접적인 영향을 미치므로, 데이터 수집 및 정리에 충분한 시간을 투자해야 합니다.

2.  **모델 선택 및 설정:** 수집된 데이터를 기반으로 적합한 AI 모델을 선택하고, 모델의 파라미터를 설정해야 합니다. 모델의 종류는 문제의 유형, 데이터의 양, 원하는 성능 등에 따라 달라질 수 있습니다. 예를 들어, 이미지 인식에는 CNN(Convolutional Neural Network)이, 자연어 처리에는 RNN(Recurrent Neural Network)이나 Transformer 모델이 주로 사용됩니다. 모델의 파라미터 설정은 학습 속도, 정확도, 메모리 사용량 등을 조절하는 역할을 합니다.

3.  **학습 및 검증:** 선택된 AI 모델을 수집된 데이터로 학습시키고, 학습된 모델의 성능을 검증합니다. 학습 과정에서는 모델의 파라미터를 조정하여 최적의 성능을 얻도록 해야 합니다. 검증 과정에서는 학습에 사용되지 않은 별도의 데이터셋을 사용하여 모델의 일반화 성능을 평가합니다.

4.  **평가 및 개선:** 학습된 AI 모델의 성능을 다양한 지표를 사용하여 평가하고, 평가 결과를 바탕으로 모델을 개선합니다. 성능 개선 방법으로는 데이터 추가, 모델 파라미터 조정, 새로운 알고리즘 적용 등이 있습니다.

5.  **지속적인 학습 및 업데이트:** AI 모델은 시간이 지남에 따라 성능이 저하될 수 있습니다. 따라서, 새로운 데이터를 지속적으로 학습시키고, 모델을 업데이트하여 최신 상태를 유지해야 합니다. 또한, 변화하는 환경에 맞춰 모델을 재학습시키거나 새로운 기능을 추가하는 것도 중요합니다.

축적되는 흐름은 대체로 다음과 같은 순서로 설명되는 경우가 많다.

모으기: 매뉴얼, 자주 묻는 질문, 과거 문의 기록, 베테랑이 입으로 전해 온 노하우
정리하기: 오래된 정보를 삭제하고, 중복을 통합하며, 표현을 통일
세분화하기: AI가 쉽게 찾을 수 있도록, 주제별로 나누기
권한 설정하기: 누가 어떤 정보를 볼 수 있는지를 구분하기
지속적으로 업데이트하기: 현장 업무 방식이 바뀌면 내용도 수정하기

제가 가장 중요하다고 생각하는 것은 2번과 5번입니다. 이러한 사례는 많습니다. 과거 업무 시스템 도입이나 DX의 물결에서도 원본 데이터 정비를 뒤로 미룬 현장일수록 혼란이 컸다는 이야기가 많았습니다. 매장에서도 레지 시스템이 바뀌는 대로 상품 정보 정리 작업이 따라가지 못하고 가격 차이 문의에 뒤쳐지는 경우가 많았습니다. 오래된 정보를 입력하면 AI는 자신감 있게 오래된 답을 제시합니다. 시스템이 새롭게 바뀌어도 이 구조는 변하지 않습니다.

![画像](https://assets.st-note.com/img/1789621408-rE4IJPUqTefk0hgDmRotHaZF.png?width=1200)

## 로컬 LLM이란 무엇일까요? 필요한 PC 기준과 AI 직원과의 연결

로컬 LLM(Local LLM)은 클라우드 상에 존재하는 대규모 언어 모델을 자신의 컴퓨터에서 실행할 수 있는 기술입니다. 클라우드 상에 모델을 실행하는 경우, 인터넷 연결이 필요하거나 이용 요금이 발생할 수 있지만, 로컬 LLM이라면 이러한 문제를 해결할 수 있습니다.

로컬 LLM을 실행하기 위해서는 어느 정도의 사양이 필요합니다. 대략적인 기준은 다음과 같습니다.

*   **CPU:** Intel Core i5 이상
*   **RAM:** 16GB 이상
*   **저장 공간:** SSD 512GB 이상 (모델의 크기에 따라 다름)

이러한 사양을 충족하면 비교적 작은 규모의 LLM을 원활하게 실행할 수 있습니다.

로컬 LLM의 매력은 AI 직원과의 연결에도 있습니다. 로컬 LLM을 실행하면 AI의 학습 데이터와 처리 이력을 완전히 제어할 수 있으며, 더욱 안전하고 신뢰성 있는 AI 시스템을 구축할 수 있습니다. 또한, AI 직원과의 연계를 통해 더욱 고도화된 작업을 수행하거나 창의적인 아이디어를 창출할 수도 있습니다.

예를 들어, 로컬 LLM을 사용하여 특정 산업의 전문 지식을 학습시킨 AI 직원을 만들고, 그 AI 직원과 연계하여 시장 조사나 고객 분석을 수행할 수 있습니다. 또한, 로컬 LLM을 사용하여 자체 데이터 세트에서 학습시킨 AI 직원을 만들고, 그 AI 직원과 연계하여 새로운 제품이나 서비스 아이디어를 창출할 수도 있습니다.

로컬 LLM은 아직 발전 단계에 있는 기술이지만, 그 가능성은 무궁무진합니다. 앞으로 로컬 LLM 기술이 더욱 발전하면 우리의 삶과 일상이 크게 변화할 가능성이 있습니다.

지역 LLM(Local LLM)이란 외부 서버가 아닌 자신의 컴퓨터나 사내 서버에서 작동하는 대규모 언어 모델을 의미합니다. 질문이나 문서를 외부로 보내지 않고 처리할 수 있다는 것이 가장 큰 특징입니다. 공개된 모델로는 Llama, Gemma, Qwen, Mistral과 같은 이름이 자주 언급됩니다.

솔직히 말씀드리면, 저는 지역 LLM을 제대로 활용하지 않았기 때문에 특정 제품이나 도입 절차를 추천하지 않습니다. 사용하지 않는 것은 추천하지 않습니다. 그것은 22년 동안 시장에 서 있던 사람들의 낡은 기준입니다. 그 위에 일반에 소개되는 대략적인 기준을 나열해 드리겠습니다.

- 수십억 규모의 파라미터를 가진 소형 모델은 양자화를 통해 경량화하면 메모리 16GB 전후의 PC에서도 실행 가능하다는 내용이 자주 소개된다.
- 수백억 규모의 거대 언어 모델은 수십 GB의 메모리나 고성능 GPU를 필요로 합니다.
- 클라우드 기반 최신 인공지능에 비해 답변의 질이 떨어지는 경우가 종종 있습니다.
- 마무리 단계에 그치지 않고, 업데이트 및 관리를 스스로 수행하는 노력이 필요합니다.

그러면 왜 지역 기반 LLM이 AI 사원 이야기에서 등장하는 걸까. 의료, 금융, 제조 등 고객 정보나 설계 정보를 외부로 유출하기 어려운 업종은 많다. 그리고 그런 현장일수록, 매뉴얼에 적을 수 없는 판단이 수십 년 베테랑의 머릿속에 축적되어 있는 경우가 많다.

지금까지는 정보를 외부로 전송할 수 없었기에, 그 지혜를 AI 기반에 탑재할 수 없었습니다. 현장에서 작동하는 AI가 실전에 가까워지면, 외부로 전송할 수 없었던 암묵지까지 AI 기반에 탑재하기 쉬워집니다. 여기서 세 가지 논점이 연결됩니다. 기반을 역전시키는 회사づくり는 지혜의 기반이 없다면 움직일 수 없습니다. 지혜의 기반은 내용을 안전하게 처리할 수 있는 현장 AI가 있어야만 깊어집니다.

결론적으로 같은 지점에 도달하게 된다. AI 직원들의 내면을 결정짓는 것은 사람들이 축적해 온 경험과 판단 기준이다.

## 컴퓨터가 서툴렀던 내가, 인공지능에게 질문을 하고 경험을 언어로 표현할 수 있다는 것을 깨달은 날.

부업에 대한 정보는 찾아봤지만, 컴퓨터 앞에 앉자 손이 멈췄다. 젊은 층에게는 절대 경쟁할 수 없다고 생각했다. 판매 공간에서의 진열 방식도, 어디에나 통하지 않는 겉만 번지르르한 기술이라고 생각했다.

어느 날 밤, 냉장고를 고르는 고객에게 용량보다 먼저 배송 경로를 측정해 달라고 수없이 요청했던 일을 떠올렸다. 그 이야기를, 고객에게 이야기하는 듯한 말투로 AI에 입력해 보았다. 그러자 “배송에 실패하기 쉬운 경우는 어떤 경우인가요?”라는 질문이 돌아왔다.

대답을 하는 동안 화면에는 제 설명이 나열되었다. 나는 질문에 답한 것뿐이었다. 아, 이건 나에게도 해볼 수 있을지도 모른다. 발밑에 판 한 장이 놓인 듯한, 고요한 느낌이었다.

AI 기반과 동일한 구조를 가지고 있어서 충분히 이해가 갔다. 경험을 쌓은 후에야 AI가 동반자로서 작동하는 것을 깨달았다. 그 이후로, 노트에 가전제품이나 도구를 솔직하게 리뷰하기 시작했고, 현재도 그 틈새에 있다.

![画像](https://assets.st-note.com/img/1789621423-lI1K7f5BJMY6VFsUjHdtSguA.png?width=1200)

> 
> 
> 제 경험도, AI에 질문을 통해 구체화할 수 있을지도 모릅니다. 그런 작은 성과가 나타난다면, 그 감각을 기억해두세요. 40대라도 늦지 않았다는 안일한 생각은 하지 마십시오. 다만, 시작 순서를 파악하는지에 따라 보이는 풍경은 달라집니다. 저 또한 운영에 참여하고 있는 ‘제로랙’ 무료 LINE에서는 100본 이상의 강의 영상으로 부업 시작 순서를 무료로 확인할 수 있습니다. 어울리지 않으면 언제든 차단해도 됩니다. 👉 제로랙 무료 LINE에서 순서를 확인하세요.
> 

안녕하세요, 여러분! 오늘은 제가 최근에 읽고 재미있었던 책에 대해 조금 이야기해 보려고 합니다.

그 책은 마을다 사야카의 ‘밤은 짧고 너는 달콤해’입니다. 이 책은 주인공인 츠메가 어느 날 갑자기 자신의 인생을 완전히 뒤집어 한 남자와 도망쳐 가는 이야기입니다.

처음에는 츠메의 행동에 당황스러움을 느끼는 사람들도 있을 거예요. 왜 그녀는 이렇게 엉뚱한 행동을 하는 걸까요? 그런 의문을 가질 수도 있겠죠.

하지만 읽다 보면 츠메의 행동에는 깊은 이유가 있다는 것을 깨닫게 됩니다. 그녀는 자신의 인생에 만족하지 못하고 뭔가 변화하고 싶었기 때문입니다.

그리고 그녀는 자신의 마음을 솔직하게 마주하고, 자신의 인생을 스스로 결정하기로 결심합니다.

이 책은 독자들에게 자신의 인생을 어떻게 살아가는 것이 좋을지 깊이 생각하게 만드는 작품입니다.

또한 마을다 사야카의 글은 정말 아름답습니다. 그녀는 독자의 마음을 직접 이야기하는 것처럼 독특한 문체를 가지고 있습니다.

이 책을 읽고 저는 제 인생을 더 소중히 여기고, 제 마음을 솔직하게 마주하는 것이 얼마나 중요한지 배웠습니다.

만약 당신이 인생에 대해 고민하고 있다면, 이 책을 읽어보시기를 추천합니다. 분명 당신에게도 새로운 깨달음을 줄 거라고 생각합니다.

참고로 이 책은 2009년에 출판되었습니다.

다음에 또 만나요!

## AI가 판단까지 맡아내는 시대에 사람에게 남는 일, 40대가 지금 당장 1시간 만에 할 수 있는 일들

AI가 점점 더 많은 판단을 대신하고, 인간은 더욱 고차원적인 업무에 집중해야 하는 시대가 도래하고 있습니다. 40대 여러분이 지금 바로 시작할 수 있는 1시간 안에 완료할 수 있는 몇 가지 실질적인 업무들을 소개합니다.

첫째, ‘마음챙김 명상’을 통해 스트레스를 해소하는 시간을 가져보세요. 10분 정도의 명상은 집중력을 향상시키고, 불안감을 줄이는 데 도움이 됩니다. 유튜브나 앱을 통해 쉽게 명상 가이드 영상을 찾아 따라 할 수 있습니다.

둘째, ‘가계부 작성’을 통해 재정 상황을 점검하고, 불필요한 지출을 줄이는 습관을 들이세요. 1시간이면 지난 한 달 동안의 지출 내역을 정리하고, 다음 달 예산을 계획하는 데 충분합니다.

셋째, ‘온라인 강의 수강’을 통해 새로운 지식과 기술을 습득하세요. Coursera, Udemy 등 다양한 플랫폼에서 제공하는 강의를 통해 관심 분야를 공부하고, 자기 계발에 투자할 수 있습니다.

넷째, ‘독서’를 통해 지적 호기심을 충족시키고, 새로운 아이디어를 얻으세요. 최근 읽었던 책이나 관심 있는 분야의 책을 선택하여 1시간 동안 몰입하는 시간을 가져보세요.

다섯째, ‘SNS 활용’을 통해 다른 사람들과 소통하고, 정보를 공유하세요. 관심 있는 분야의 커뮤니티에 참여하여 의견을 나누고, 새로운 사람들과 교류할 수 있습니다.

이처럼 1시간이라는 짧은 시간이라도 꾸준히 실천하면 삶의 질을 향상시키고, 미래를 위한 준비를 할 수 있습니다. 중요한 것은 ‘시작’하는 것입니다. 지금 바로 하나를 선택하여 시작해보세요.

낙관만으로는 충분하지 않다. AI는 단순한 작업뿐만 아니라 판단의 영역에도 들어오고 있다. 상품 비교, 문의 분류, 우선순위 결정 등. 기준만 제시되면 AI도 그럴듯하게 판단한다. 그렇다면 사람에게는 무엇이 남을까. 내 생각에는 다음 세 가지가 있다.

- 기준을 만드는 일: 무엇을 좋게 볼 것인지, 무엇을 미묘하게 볼 것인지에 대한 기준을 설정하는 것
- 기준을 수정하는 작업: 현장의 변화를 감지하고, 오래된 선을 재설계한다.
- 책임 소재 명확화: 최종적으로 누군가가 그 결과에 책임을 지게 됩니다.

이는 AI 기반 기술과 동일하다. RAG의 답변 품질이 원본 문서의 품질에 좌우된다면, AI가 판단할수록 판단의 근거가 되는 기준의 가치는 상승한다. 그리고 그 기준은 현장에서 수백 번이나 망설였던 사람만이 얻을 수 있는 것이다. 매장에서는 사양보다 먼저 고객의 삶을 들었다. 가족 구성원은 몇 명인지, 어디에 놓을지, 아침과 저녁 중 어느 시간대에 사용할지 등이다. 이러한 통찰은 카탈로그에 실려 있지 않다.

회사의 책임을 탓하거나 AI의 책임을 탓해도, 내가 서 있는 자리는 아무도 마련해 주지 않는다. 하지만 반대로 말하면, 40대가 안고 있는 현장의 얽히고설킨 기억은 AI에게 전달될 수 있는 기준의 재료 그 자체다. 그것을 개인 규모로 시도한다면, 다음 3단계로 충분하다.

### 1단계: 사람들이 반복적으로 설명해 온 내용을 10가지 적어낸다 (20분)

업무에서 여러 번 다른 사람에게 설명했던 내용을 떠올려 줘. 종이와 펜으로 작성해. 완벽하게 잘 쓰려고 애쓰지 말고, 10가지의 나열 형태로 작성해. 사무직이라면 되돌려 보내기 쉬운 문서의 습관, 영업직이라면 계약에서 분위기를 바꾸는 한 마디가 이것이 너만을 위한 작은 AI 기반의 재료가 될 것이다.

### 단계 2: 1개를 AI에 전달하여 질문을 받는다 (20분)

가장 이야기하기 편한 것을 하나 골라 구어체 그대로 입력한다. 그리고 “초보자들을 위해 더 깊이 파고들고 싶으니, 저에게 질문해주세요”라고 요청한다. 질문에 답하는 것만으로도 머릿속의 상상이 현실로 나타나는 듯하다. 대화는 컴퓨터가 약점을 드러내더라도 진행하기 쉬울 거라고 생각한다.

### 3단계: 나타난 문장에 자신의 눈으로 빨간색을 칠한다 (20분)

AI가 작성한 글을 읽고, 실제는 다르게 표시되어 있는 부분을 찾아 자신의 말로 수정한다. 이 과정에서 붉은색으로 표시하는 것이 기준을 재설정하는 업무의 연습이 된다. 하지만 이로 인해 모든 것이 보장되는 것은 아니다. 단지 회사의 임계치 범위를 벗어나 자신의 경험을 적용해 보는 하나의 선택지가 될 수 있다.

## AI 직원 이야기들을 통해 내가 가장 전달하고 싶은 것이 있다.

- AI 사원은 업무를 AI에게 위임하는 방식의 개념으로, 상품별 내용이 다양하다.
- 자동화는 절차를 넘겨주고, 판단 기준을 위임하는 것을 의미합니다.
- AI 네이티브 기업에서는 AI를 기반으로 하고, 사람만이 그 위에 판단을 내린다는 전제하에 운영됩니다.
- AI 기반과 RAG의 질은 축적된 내용과 관리 방식에 따라 결정된다.
- 지역 LLM은 외부 활동이 어려웠던 비공식 지식을 AI 기반으로 쉽게 탑재할 수 있도록 하는 흐름에 있습니다.
- AI가 판단에 개입할 정도로 기준을 만드는 사람의 가치가 올라간다는 것을 나는 지켜보고 있다.
- 개인적인 첫걸음은 설명해 온 내용을 10가지로 정리하는 것부터 시작합니다.

오늘 전부 하려고 애쓰지 않아도 됩니다. 우선 그 중에서도 하나만 골라서 손을 움직여 보세요. 10개 중에서 첫 번째 하나만 해도 충분할 것 같습니다.

## 이대로 AI 사원 이야기를 멀찍이서 지켜보기만 한다면 3년 후 어디에 서 있을지 보겠지.

아무것도 건드리지 않고 3년이 흘러갔다고 가정해 보자. 직장에서는 AI를 기반으로 한 업무 프로세스가 조금씩 일상화될 수 있다. 그때 회사만이 내 기준을 평가할 수 있는 상황이라면, 선택할 수 있는 길은 크게 늘어나지 않을 거라고 생각한다.

반대로, 오늘 밤 한 개를 작성하여 AI에게 질문을 해보고 어떨까요. 3년 후에는 화면에 제가 낸 판단이 몇 편이나 올라와 있을지 모릅니다. 아이에게 무엇을 쓰고 있는지 물어보면, 예전에 판매점에서 외워둔 것을 답한다고 말할 수 있을 것입니다. 그러한 풍경에 가까워질 가능성이 있습니다.

단지 AI 사용법이나 경험을 언어로 표현하는 팁만으로는 어딘가에서 막히기 쉽다. 어떤 분야에서, 어떤 순서로, 어떤 태도로 지속할 것인지. 부업 전체의 설계도가 없어서 도구만 가지고 있어도 헛수고하기 쉽다. AI 기반이 토대의 설계로 결정되는 것처럼, 개인의 부업도 마찬가지다. 나 스스로도 도구 이야기만 쫓아 어딘가 불안정한 시기가 있었기에, 먼저 기초를 다지는 것이 중요하다.

![画像](https://assets.st-note.com/img/1789621438-py0gMmUu56Dbai8vnxJXIAH2.png?width=1200)

> 
> 
> 🌸 여기까지 읽어주셔서 감사합니다. 만약 “AI 직원이나 AI 기반 이야기에서 흔들리지 않고, 자신의 경험을 활용할 수 있는 방법을 찾고 싶다”고 생각하신다면, 저도 운영에 참여하고 있는 ‘제로랙’의 무료 LINE을 한번 살펴보시길 바랍니다. 도구는 얼마든지 충분히 갖춰볼 수 있습니다. 하지만 토대가 없이 도구만 가지고 있으면 헛수고하기 쉽습니다. 100편 이상의 강의 영상으로 부업의 기초(마인드셋, 장르 선택, 시작 방법)를 무료로 확인할 수 있습니다. 의심스러운 정보에 휘둘리지 않도록 판단하는 데 도움이 되는 자료가 한 번에 모인 곳이라고 생각합니다. 맞지 않다면 언제든 차단해도 괜찮습니다. 부담 없이 받아보시면 좋겠습니다. 👉 제로랙의 무료 LINE을 둘러보기
> 

죄송합니다. 제공해주신 정보가 부족합니다. note.com 게시글의 본문 청크 90/90 내용을 제공해주시면, 일본어 출판·문화 콘텐츠 전문 한국어 번역가로서 자연스럽고 정확한 한국어 번역문을 100% 한국어로 제공해 드리겠습니다.

**출처:** [note 원문](https://note.com/happy_cougar7888/n/nd2744184f050)

*번역: Gemma 3(.44) 초벌 + 교정 53청크*

[원문 보기](https://note.com/happy_cougar7888/n/nd2744184f050) | 출처: note.com