작성일: 2026년 7월 25일
사례 유형: AI와 콘텐츠 기획·리서치·집필 협업
결과물: 정본 노트, 블로그 초안 3개 버전, 사진·영상 자료와 출처 목록
Hermes Agent로 컨텐츠 비서 '콜리'를 생성하여 함께 블로그 글 한 편을 작성해본 사례를 공유합니다. (이후 자동화 루프를 좀 더 발전시킬 예정)
클립보드를 들고 있는 만화 브로콜리
내 생각을 말로 풀어놓는 인터뷰에서 시작했다. AI가 내용을 정리하고 관련 사례를 조사했다. 초안을 썼고, 내 가 읽어본 뒤 방향이 다르다고 피드백했다. 다시 쓰고, 또 읽고, 다시 수정했다. 세 번째 초안에 와서야 내가 처음 하고 싶었던 말이 비교적 또렷하게 보였다.
처음에는 AI가 글을 빨리 써주는 경험이 될 거라고 생각했다. 막상 해보니 가장 중요한 것은 속도가 아니었다. 내가 무엇을 말하고 싶은지 알아가는 과정, 그리고 AI가 만든 결과물을 보며 “이건 아니다”라고 구체적으로 말하는 과정이 더 중요했다.
※ 컨텐츠마케팅 비서를 어떻게 생성했는지는 아래 사례 참고 https://www.gpters.org/wealth/post/who-only-spending-money-8AHS2Z6oHIX0IVf
내가 쓰고 싶었던 글
주제는 리더십이었다.
내가 생각하는 리더십의 핵심은 세 가지다.
조직의 정체성과 비전을 명료하게 정한다.
구성원이 일할 수 있는 환경을 만들고 사람을 제대로 키운다.
신속한 의사결정과 문제 해결로 지속적인 성과를 만든다.
짧게 줄이면 방향, 사람, 성과다.
현실의 리더들은 방향과 성과에 대해서는 많은 고민을 한다. 목표를 세우고 실적을 관리하며 당장 발생한 문제를 해결해야 하기 때문이다. 반면 사람을 키우는 일은 자꾸 뒤로 밀린다. 방법을 잘 모르고, 효과도 바로 보이지 않는다. 결국 자신이 과거에 배운 방식이나 본인의 성공 경험을 반복하기 쉽다.
나는 스포츠팀이 선수를 육성하는 방식에서 기업 리더들이 배울 점이 있다고 생각했다. 선수별 데이터를 보고 강점과 약점을 진단 하고, 역할과 훈련을 다르게 설계하며, 실전 결과를 다시 확인하는 방식이다. 이 생각을 Moneyball과 염경엽 감독 사례로 풀어보고 싶었다.
첫 단계는 글쓰기가 아니라 인터뷰였다
나는 처음부터 완성된 원고를 AI에게 주지 않았다. 평소 생각해온 리더십의 정의와 현실 리더들의 문제를 의식의 흐름에 따라 말해줬다.
AI는 내 말을 다음과 같이 구조화했다.
리더십은 조직의 방향을 명료하게 정하고, 구성원이 일하고 성장할 수 있는 환경을 만들며, 신속한 의사결정과 문제 해결을 통해 지속적인 성과를 만들어 가는 일이다.
내 머릿속에 흩어져 있던 생각이 ‘방향–사람–성과’라는 세 단어로 정리됐다. 이 부분은 꽤 만족스러웠다.
인터뷰 방식의 장점은 글을 쓰기 전에 내 관점을 충분히 꺼낼 수 있다는 점이었다. 문장을 완성해서 말할 필요가 없었다. AI가 반복되는 생각을 묶고, 서로 떨어져 있던 내용을 연결해줬다.
하지만 인터뷰가 길어지면서 문제가 생겼다. 질문과 리서치가 계속 이어졌고, 정작 언제 글을 쓰기 시작하는지 불분명해졌다. 결국 내가 이렇게 물었다.
“근데 언제까지 이렇게 계속 얘기만 하면 되는 거야?”
이 질문이 작업의 전환점이 됐다.
대화가 길어지지 않도록 작업 절차를 정했다
AI와 함께 일한다고 해서 대화를 오래 하는 것이 좋은 것은 아니었다. 필요한 재료가 모였으면 결과물로 넘어가야 했다.
우리는 작업 순서를 다음처럼 정리했다.
내 생각과 경험을 인터뷰로 수집한다.
필요한 사례와 사실을 조사한다.
인터뷰와 리서치를 정본 노트로 정리한다.
내가 정본의 방향을 확인한다.
블로그 초안을 작성한다.
피드백을 반영해 수정한다.
사진·영상·출처를 확인한다.
최종 검토 후 발행을 준비한다.
여기서 정본 노트가 중요했다. 대화가 길어질수록 무엇이 내 생각이고 무엇이 AI가 추가한 해석인지 섞일 수 있다. 정본 노트는 내 핵심 주장, 조사한 사례, 확인할 내용과 사용하지 말아야 할 표현을 한곳에 모아두는 기준 문서가 됐다.
이후부터는 인터뷰를 계속하지 않고 실제 초안 제작으로 넘어갔다.
첫 번째 초안은 그럴듯했지만 중심이 어긋났다
첫 초안의 제목은 ‘AI 시대, 리더는 구성원을 키울 자격이 있는가’였다.
글에는 리더십의 정의, 구성원 육성, AI 시대의 변화, 여러 스포츠 감독, Moneyball과 염경엽 감독 사례가 모두 들어갔다. 자료도 많았고 문장도 정리돼 있었다. 겉으로 보면 꽤 완성된 글처럼 보였다.
그런데 읽고 나니 세 가지 이야기가 서로 경쟁하고 있었다.
리더십이란 무엇인가
리더들은 왜 사람을 제대로 키우지 못하는가
AI 시대에는 리더가 어떻게 달라져야 하는가
내가 정말 쓰고 싶었던 것은 리더십의 정의였다. 인재육성은 그 세 가지 역할 중 현실의 리더들이 특히 놓치는 부분이었다. AI는 인재육성이 왜 더 어려워지는지를 보여주는 한 가지 예시에 불과했다.
하지만 AI는 대화에서 눈에 띄었던 ‘AI 시대’라는 소재를 글 전체의 중심으로 키웠다. 유명 축구 감독 사례도 너무 많이 들어갔다. 자료가 많아질수록 글이 좋아질 거라고 생각하기 쉽지만, 오히려 내가 하고 싶은 말은 흐려졌다.
그래서 첫 번째 피드백은 문장 수정이 아니라 구조 수정이었다.
“리더십의 정의에 집중해줘. 인재육성은 그중 부족한 점으로 부각하고, AI 시대의 리더십은 존재감을 확 줄여줘.”
두 번째 초안에서는 무엇을 뺄지 정했다
두 번째 초안의 제목은 ‘리더십이란 무엇인가: 방향, 사람, 성과’로 바뀌었다.
AI는 글의 중심을 리더십 정의로 이동시켰다. AI에 관한 내용은 한 문단으로 줄였고, 축구 감독 사례는 모두 뺐다. Moneyball과 염경엽 감독만 남겼다.
이 수정에서 배운 것은 AI에게 무엇을 더 써달라고 요청하는 것만큼 무엇을 빼달라고 말하는 것이 중요하다는 점이었다.
“더 자연스럽게 써줘”처럼 추상적으로 요청했다면 큰 변화가 없었을 것이다. 대신 다음과 같이 콘텐츠의 위계를 지정했다.
중심 주장: 리더십은 방향·사람·성과다.
강조할 문제: 리더들이 사람을 키우는 일을 놓치고 있다.
보조 사례: Moneyball과 염경엽 감독이다.
축소할 내용: AI는 한 가지 예시다.
제외할 내용: 축구 감독 사례다.
AI와 협업할 때는 좋은 프롬프트 한 번보다 이런 편집 판단이 더 중요했다.
세 번째 초안에서 사례와 주장이 연결됐다
두 번째 글은 방향이 훨씬 좋아졌지만, 스포츠팀에서 무엇을 배워야 하는지가 아직 충분히 선명하지 않았다.
내가 강조하고 싶었던 것은 단순히 “스포츠 감독처럼 사람을 잘 키워야 한다”는 말이 아니었다. 스포츠팀은 선수별 데이터를 보 고 개인에게 맞는 역할과 훈련을 설계한다. 기업 리더들이 배워야 할 것도 바로 그 치열한 개인맞춤형 육성 방식이었다.
그래서 세 번째 수정에서는 다음 순환 구조를 글의 중심에 넣었다.
개인별 데이터 관찰 → 문제와 강점 진단 → 역할·훈련 처방 → 실전 기회 → 결과 재측정
Moneyball과 염경엽 감독 사례도 각각 세 가지로 구체화했다.
Moneyball에서 정리한 세 가지
출루 능력에 주목하며 실제 승리에 기여하는 성과 기준을 다시 정의했다.
팔 부상으로 포수 역할이 어려워진 스콧 해티버그를 1루수로 전환해 타격과 출루 능력을 살렸다.
전형적인 투수와 달랐던 채드 브래드퍼드의 잠수함 투구를 특정 상황에서 효과를 낼 수 있는 강점으로 활용했다.
Moneyball은 전통적인 선수 육성 프로그램이라기보다 인재 발견·선발·배치 혁신에 가까웠다. 그래서 그 한계도 글에 명시했다. 다만 개인맞춤형 육성은 사람을 정확히 보고, 기존 평가가 가린 강점을 찾고, 그 강점에 맞는 역할을 제공하는 데서 시작한다는 점을 보여줬다.
염경엽 감독에게서 정리한 세 가지
대주자였던 신민재에게 2루수 실전 기회를 주며 새로운 역할의 가능성을 검증했다.
베테랑 선수들의 시즌 데이터를 놓고 하루 한 명씩 일대일 면담하며 개인별 비시즌 훈련 방법을 논의했다.
투수 제구 문제를 데이터로 분석하고 연습 투구량을 조정한 뒤 볼넷과 경기당 투구수 변화를 다시 측정했다.
이제 사례가 단순한 장식이 아니라 중심 주장을 뒷받침하기 시작했다.
AI가 맡은 일과 내가 해야 했던 일
이번 작업에서 AI가 잘한 일은 분명했다.
내가 편하게 말한 생각을 구조화했다.
여러 갈래의 아이디어에서 반복되는 주장을 찾았다.
감독과 선수 사례를 병렬로 조사했다.
기사, 연구기관, 스포츠 공식 자료를 교차 확인했다.
글의 버전을 나눠 저장했다.
재사용 가능한 사진의 라이선스를 확인했다.
영상 링크와 추천 구간을 정리했다.
출처와 파일 연결이 실제로 작동하는지 검증했다.
반대로 내가 해야만 했던 일도 분명했다.
이 글에서 정말 말하고 싶은 것이 무엇인지 결정한다.
중심 주장과 보조 사례의 위계를 정한다.
내 관점과 다른 방향으로 흘렀을 때 멈춘다.
무엇을 더할지보다 무엇을 뺄지 판단한다.
문장이 내 생각과 목소리를 제대로 담고 있는지 확인한다.
최종 결과를 승인한다.
AI는 많은 자료를 빠르게 연결했지만, 무엇이 중요한지 대신 결정해주지는 못했다. 오히려 내가 우선순위를 명확히 말하지 않으면 AI는 흥미로운 소재를 계속 확장했다.
함께 공부하는 동료들에게 권하고 싶은 방법
이번 경험을 다시 한다면 처음부터 다음과 같이 진행할 것 같다.
1. 생각을 완성하려 하지 말고 먼저 말한다
처음부터 좋은 문장을 만들려고 애쓰지 않는다. 경험, 문제의식과 사례를 편하게 말하고 AI에게 반복되는 핵심을 찾아달라고 한다.
2. 인터뷰의 종료 기준을 정한다
중심 주장, 문제의식, 사례와 독자에게 제안할 행동이 나왔다면 초안으로 넘어간다. 질문을 계속하는 것 자체가 일이 되지 않게 한다.
3. 초안보다 먼저 정본 노트를 만든다
내 생각, AI의 해석, 조사한 사실, 아직 확인하지 못한 주장을 구분해 저장한다. 이후 모든 초안이 같은 기준에서 출발하게 한다.
4. 피드백은 문장보다 구조에 먼저 준다
“이 문장을 다듬어줘”보다 다음 질문을 먼저 본다.
이 글이 답하려는 질문은 하나인가.
중심 주장과 사례의 위계가 분명한가.
흥미롭지만 필요 없는 내용이 들어가 있지 않은가.
독자가 글을 읽고 무엇을 기억해야 하는가.
5. 수정할 때 추가와 삭제를 함께 요청한다
AI는 내용을 보강하는 데 익숙하다. 그대로 두면 글이 계속 길어질 수 있다. 무엇을 강조하고, 무엇을 축소하며, 무엇을 완전히 뺄지 함께 지시하는 편이 효과적이다.
6. 출처와 미디어는 마지막에 실제로 확인한다
AI가 제시한 링크가 존재하는지, 사진을 재사용할 수 있는지, 영상의 추천 구간에 실제로 해당 내용이 나오는지 확인한다. 그럴듯한 링크 목록과 검증된 자료 묶음은 다르다.
이번 작업에서 얻은 배움
이번 작업은 AI에게 글 한 편을 대신 써달라고 맡긴 일이 아니었다.
내가 생각을 꺼내고, AI가 구조화하고, 결과물을 보면서 내가 다시 생각하고, 방향을 수정하는 공동 편집 과정에 가까웠다. 첫 초안은 정답이 아니라 대화를 구체적으로 만드는 재료였다.
완성된 글보다 더 의미 있었던 것은 내가 어떤 글을 쓰고 싶은지 조금 더 명확히 알게 된 점이다. 첫 초안을 읽고 “아니다”라고 말할 수 있었고, 왜 아닌지를 설명하면서 내 관점도 선명해졌다.
AI와 잘 협업하려면 처음부터 완벽한 지시를 내려야 하는 것은 아니다. 대신 결과를 보고 중심을 다시 잡을 수 있어야 한다. AI가 빠르게 만드는 능력과 사람이 방향을 판단하는 능력이 만날 때 결과물이 점점 나아진다.
오늘은 첫 작업이었다. 아직 글도 협업 방식도 더 다듬을 부분이 많다. 그래도 인터뷰에서 시작해 정본 노트를 만들고, 세 번의 초안을 거쳐 출처와 미디어까지 확인하는 한 사이클을 직접 경험했다.
다음 작업에서는 정본노트를 바탕으로 중심 주장과 보조 사례의 위계를 더 명료하게 정할 수 있을 것 같다. AI와 함께 일하는 방법도 결국 한 번에 완성되는 기술이 아니라, 같이 일하며 조금씩 만들어가는 습관에 가까웠다.
이 사례글도 오늘의 대화와 실제로 생성된 정본 노트·초안·미디어 파일을 바탕으로 같은 AI 비서가 초안을 작성했다. 동료들에게 공유하기 전에는 작성자인 내가 관점과 문장을 다시 확인한다.
