AI는 일하는 시간을 줄이지 않고 옮긴다, 낯선 일일수록 더 멀리

2달이 1달로 줄지는 않았습니다. 한 마케팅 디자이너가 국민대학교 특강을 AI와 함께 준비해본 뒤 내린 결론이에요. 기획부터 최종 완료까지 걸린 시간은 혼자 할 때와 크게 다르지 않았고, 달라진 건 그 안에서 과정별로 쓰는 시간의 비율이었다고 합니다. 위의 두 타임라인이 그걸 보여줘요. 혼자 할 때 가장 길었던 장표 초안 제작이 AI와 함께할 때는 짧아졌고, 그 자리를 스크립트 수정과 장표 수정이 채웠습니다.

AI 도입을 고민하는 팀이 이 사례에서 먼저 봐야 할 건 '그래서 시간이 줄었나'가 아니라 '왜 이 경우엔 안 줄었나'입니다. 저는 그 답이 AI의 성능보다 일의 조건에 있다고 봐요.

무엇을 맡겼고 무엇이 남았나

출발선은 초보였습니다. 단순한 LLM AI를 쓰는 데는 익숙했지만 그 이상은 써본 적이 없어서, 클로드 디자인을 19분 만에 끝낸다는 영상과 99%가 '시스템' 없이 접근한다는 영상 두 개로 사용법을 익히고 클로드와 피그마 유료 플랜을 결제한 채 시작했어요.

준비 과정은 꽤 체계적이었습니다. 학교 담당자와 논의한 세션 구성으로 순서를 잡고, 마케터와 나눈 커피챗 내용과 자료를 클로드 프로젝트에 넣어 스크립트를 쓰게 한 뒤 직접 다시 읽으며 고쳤어요. 그 수정본으로 클로드 디자인에 장표 초안을 요청하면서, 피그마에 오픈소스로 공개된 원티드 디자인 시스템(Wanted design system)을 등록해 그 기준으로 만들게 했습니다. 새 장표는 opus, 다량의 단순 수정은 sonnet, 아주 단순한 텍스트 수정은 직접. 이 모델 배분은 비용을 아는 사람의 선택이라 그대로 따라 할 만합니다. 비싼 모델은 새로 만들 때만, 고칠 때는 싼 모델이나 손으로.

초안은 정말 빨리 나왔습니다. 스크립트도, 장표 시안도, 사례 정리와 이미지도 혁명적으로 시간이 줄었다고 해요. 강연을 기획하면서 동시에 장표를 짜느라 머리에 과부하가 걸리던 일이 줄었고, 처음부터 예시 이미지를 만들 필요가 없어진 것도 컸습니다. 강연 도중 새로 나온 피그마 AI 에이전트로는 강연에 쓸 예시 학생 포트폴리오를 금세 만들었고요.

남은 건 확인이었습니다. 이 친구가 맥락에 맞게 스크립트를 썼을까, 장표를 제대로 만들었을까 하는 의심 때문에 스크립트는 한 번 더 읽으며 고쳐 썼고, 장표 디자인은 디자인 시스템을 적용했는데도 "현직 디자이너로서 용서할 수 없는(!!!) 디자인"이라 직접 손보는 데 시간을 많이 썼어요. 장표가 100장 가까이 되자 클로드가 맥락을 놓치는 구간이 생겼고, 그때마다 다시 붙잡느라 크레딧이 빠르게 녹아 하루에 AI와 작업할 수 있는 시간은 6시간 남짓이었습니다. 디자이너는 이걸 '크레딧 빈부격차'라고 불렀는데, 저는 이 표현이 꽤 정확하다고 봐요. AI와 함께 일하는 속도는 이제 실력만큼이나 어떤 요금제를 쓰느냐에 묶이고, 마감이 몰린 주에 크레딧이 바닥나면 일정 자체가 흔들립니다. 큰 작업을 AI와 하기로 했다면 시간 계획 옆에 크레딧 계획도 같이 세워야 하는 셈이죠.

확인 시간은 내가 아는 만큼 줄어든다

여기서 이 사례의 조건이 중요해집니다. 이 디자이너는 원래 이 특강을 거절했어요. 디자이너 대상이 아니라 마케터, 홍보, 에디터, 기획 같은 비디자이너 직군의 포트폴리오를 사회과학대 학생들에게 이야기하는 자리였고, 본인이 잘 모르는 분야였기 때문입니다. 그래서 오히려 AI를 적극적으로 써보기로 했고요.

저는 바로 이 선택이 시간이 줄지 않은 가장 큰 이유라고 봐요. AI가 만든 결과물을 확인하는 시간은 내가 그 영역을 얼마나 아느냐에 반비례합니다. 마케터 포트폴리오에 대해 잘 모르는 사람이 AI가 쓴 스크립트를 검증하려면, 문장 하나하나가 맞는지 스스로 다시 공부해야 하니 오래 걸릴 수밖에 없어요. 반대로 장표 디자인은 본인의 전문 영역이라 어디가 AI 티가 나는지 즉시 알아봤습니다. 고치는 데는 시간이 들었지만, 문제를 찾는 데는 시간이 거의 들지 않았죠.

이렇게 보면 AI가 시간을 가장 크게 줄여주는 조건은 이 사례와 반대입니다. 내가 잘 아는 영역에서 반복되는 작업, 결과를 보자마자 맞는지 틀린지 판단할 수 있는 작업이요. 낯선 영역에서 AI는 초안을 주지만, 그 초안을 믿을 수 있게 만드는 비용은 고스란히 사람에게 남습니다. 디자이너가 스스로 말한 'AI 의심병'은 성격의 문제가 아니라, 검증 수단이 없는 영역에서 생기는 정상적인 반응이에요.

확인을 건너뛰었다면 시간은 절반으로 줄었을지도 모릅니다. 디자이너도 스크립트나 장표 수정을 대충 했다면 그랬겠지만, 그러면 자기조차 강연의 맥락을 파악하지 못하고 AI 티가 팍팍 나는 강연이 됐을 거라고 적었어요. 스크립트를 그저 읽기만 하는 강연을 보고 실망했던 기억까지 꺼내면서요. 저는 이 대목이 시간 계산보다 중요하다고 봅니다. 강연은 결과물이 아니라 사람이 그 자리에서 말하는 일이라, 확인하는 시간이 곧 연사가 자기 강연을 익히는 시간이기도 하거든요. 이 경우 확인은 비용이 아니라 준비 그 자체였던 셈입니다.

도구는 마지막 손질을 하는 곳에서 고른다

이 사례가 남긴 실무 팁이 하나 더 있습니다. 두 도구를 비교한 대목이에요. 클로드 디자인은 기반만 잘 갖추면 일정 수준 이상의 디자인을 만들어주지만 코드 기반이라 직접 고치려면 코드 지식이 필요하고, 피그마 AI 에이전트는 초안을 피그마 파일 그대로 만들어줘서 그 안에서 자유롭게 수정할 수 있다고 정리했어요. 그리고 다음부터는 피그마 AI로 장표를 만들 것 같다고 덧붙였습니다.

저는 이 판단이 맞다고 봅니다. 시간이 확인과 수정으로 옮겨간다면, 생성 도구를 고르는 기준도 '누가 더 잘 만드나'가 아니라 '마지막 손질을 어디서 하나'가 돼야 하거든요. 디자이너에게 마지막 손질의 자리는 피그마고, 그 안에서 초안이 만들어지면 옮기는 비용이 사라집니다. 개발자라면 그 자리가 에디터일 거고요.

디자이너가 덧붙인 관찰도 같은 방향입니다. AI가 평균치의 디자인을 만들어주면서 누구나 만들 수 있는 수준이 올라갔고, 그만큼 디자이너에게는 그보다 높은 결과물이 기대된다는 것. 평균을 넘는 마지막 몇 걸음은 결국 사람의 손으로 걷는데, 그 걸음을 가장 빨리 걸을 수 있는 곳이 자기 도구 안이라면 도구 선택이 곧 시간 계획이 됩니다.

그래서 저는 AI에 무엇을 맡길지 고를 때 이렇게 물어보길 권합니다. 이 결과물이 맞는지 내가 몇 분 안에 판단할 수 있는가. 그렇다면 과감히 맡겨도 시간은 실제로 줄어듭니다. 그렇지 않다면 AI는 시간을 줄이는 도구가 아니라, 낯선 분야를 빠르게 훑게 해주는 조수 정도로 기대하는 게 맞아요. 디자이너가 마지막에 남긴 말, AI에게 전적으로 맡기지 말고 처음과 끝에 시간을 충분히 쓰라는 조언은 바로 그 두 번째 경우에 가장 정확하게 들어맞습니다.