요즘IT, AI에 맡길 일 고르는 기준 네 가지 정리

요즘IT는 2026년 5월부터 10월까지 실린 사례 아홉 편을 분석해, AI에 맡길 일과 사람이 맡을 일을 나누는 기준 네 가지를 정리했습니다. 반복 업무 자동화를 시도한 사업관리 담당자, 웹페이지 진단 서비스를 만드는 팀, 법률 AI 서비스를 만든 디자이너, 라이브 게임 조직의 기획자, 개발자 등이 각자 경험을 공유했습니다. 공통 기준은 맡길 가치가 있는 일을 고르고, 답이 정해진 일은 규칙으로 처리하며, 되돌리기 어려운 결정은 사람에게 남기고, 결과를 확인할 지점을 설계하는 것입니다.

사업관리 담당자 아이엠 조차장 작가는 넉 달 동안 업무 도구 12개를 만들고 나서 자동화할 일을 고르는 일이 코딩보다 어렵다고 판단했습니다. 그는 반복 빈도, 한 번에 걸리는 시간, 실수의 위험, 도구를 다시 쓸 수 있는지를 기준으로 삼았습니다. 매달 400페이지가 넘는 점검철에서 빠진 서명을 찾는 일은 매번 30분~1시간이 걸리고 한 곳만 놓쳐도 마감에 문제가 생겨 먼저 자동화했지만, 1년에 한두 번 하는 작업은 도구를 만들지 않았습니다. 김현민 씨는 앱스크립트나 n8n으로 충분한 자동화가 많다며 기존에 잘 작동하는 것을 꼭 클로드 코드로 다시 만들 필요가 있는지 물어야 한다고 말했습니다. 라이브 게임 조직의 수께끼수 작가는 서비스에 직접 영향을 주지 않는 엑셀 입력 실수와 유지보수 문서 정리부터 맡겼습니다. 최소 2주 걸릴 문서 작업을 이틀 만에 끝내자 회의적인 조직의 반응도 바뀌었다고 전했습니다.

웹페이지 진단 서비스를 만드는 zurang23 작가의 팀은 처음에는 진단을 거의 전부 AI에 맡겼지만, 같은 페이지의 점수가 세 번 실행에서 72점, 85점, 61점으로 달라졌습니다. 팀은 robots.txt 파일과 특정 태그처럼 확인 가능한 사실은 코드가 검사하고, 콘텐츠 신뢰도처럼 판단이 필요한 부분만 AI에 맡기도록 역할을 나눴습니다. 프론트엔드 개발자 김의중 작가는 결정론적인 일(입력이 같으면 결과도 같은 일)은 자동화하고 추론이 필요한 일은 AI에 맡기자고 제안했습니다. OpenAPI 스펙(서버와 화면 간 데이터 규격 문서)으로 API 코드를 만든 비교에서 Orval 코드 생성기는 약 1초 만에 무료로 같은 코드를 만들었습니다. 같은 작업을 한 AI는 2~4분이 걸리고 실행마다 약 1.4달러가 들었으며, 결과 코드도 서로 달랐고 한 번은 타입 에러 4개가 남았습니다. 아이엠 조차장 작가는 400페이지가 넘는 점검철에서 서명란의 잉크 양을 정해진 규칙으로 판정하는 도구를 만들었습니다. 규칙 설계에는 클로드 코드와 대화하며 도움을 받았습니다.

법률 AI 서비스 로윈을 만든 디자이너 Sarah 작가는 AI가 틀려도 사람이 되돌릴 수 있는 지점까지만 맡긴다고 설명했습니다. 서비스는 입력된 사연과 비슷한 판례를 찾아 쟁점과 대응 전략을 정리하지만, 소송 여부는 변호사 상담으로 연결합니다. 승소를 약속하지 않고, 사용자가 가장 많은 비용을 내는 마지막 단계에도 AI 대신 변호사 연결을 둡니다. 결과가 틀려도 부담이 작은 직장 생존 유형 진단 서비스에서는 AI에 더 넓은 역할을 준다고 했습니다. 클래스메소드의 HR 담당자 박동현 씨는 평가 내용 정리와 급여 데이터 처리 같은 반복 업무는 AI 에이전트로 자동화하지만, 직원 갈등이나 갑작스러운 퇴사 상담에서는 의견을 구하는 데까지만 AI를 사용한다고 밝혔습니다. 최종 판단과 직원과의 소통은 사람의 몫이라는 설명입니다.

꼼비 작가는 기획 문서와 디자인 시안에서 요구사항을 뽑아 구현과 테스트까지 이어서 처리하는 개발 도구를 만들었습니다. 그러나 요구사항 명세 40개 가운데 실제 코드에 반영된 항목은 25개였는데도, 작성된 테스트가 모두 통과하자 도구는 개발 완료를 보고했습니다. 이후 작가는 요구사항별 수용 조건, 테스트, 코드의 연결을 적은 추적표를 만들게 하고 빠진 연결을 직접 확인합니다. 같은 시나리오가 아홉 번 실패하면 AI가 로그와 판단 근거를 들고 사람에게 묻게 했습니다. 아이엠 조차장 작가는 407페이지에서 표지 68건을 찾아 66건을 자동 확인하고, 애매한 2건을 보고서 맨 위에 올려 사람이 검토하도록 했습니다. 출근부와 휴가 신청서 대조 도구도 불일치하거나 확인이 필요한 항목만 표시합니다. 김의중 작가의 개발 흐름에서는 스펙 변경 뒤 코드 생성기가 타입을 갱신하고 AI 에이전트가 컴파일 오류를 고치지만, 오류 위치는 규칙 기반 도구가 먼저 알려 줍니다. 기사에 소개된 아홉 사례의 공통점은 AI가 얼마나 똑똑한지보다 업무의 반복성, 답의 유무, 오류를 되돌릴 수 있는지, 결과를 어디서 확인할지를 먼저 정한다는 것입니다.

요즘IT는 2026년 5월부터 10월까지 실린 사례 아홉 편을 분석해, AI에 맡길 일과 사람이 맡을 일을 나누는 기준 네 가지를 정리했습니다. 반복 업무 자동화를 시도한 사업관리 담당자, 웹페이지 진단 서비스를 만드는 팀, 법률 AI 서비스를 만든 디자이너, 라이브 게임 조직의 기획자, 개발자 등이 각자 경험을 공유했습니다. 공통 기준은 맡길 가치가 있는 일을 고르고, 답이 정해진 일은 규칙으로 처리하며, 되돌리기 어려운 결정은 사람에게 남기고, 결과를 확인할 지점을 설계하는 것입니다.

사업관리 담당자 아이엠 조차장 작가는 넉 달 동안 업무 도구 12개를 만들고 나서 자동화할 일을 고르는 일이 코딩보다 어렵다고 판단했습니다. 그는 반복 빈도, 한 번에 걸리는 시간, 실수의 위험, 도구를 다시 쓸 수 있는지를 기준으로 삼았습니다. 매달 400페이지가 넘는 점검철에서 빠진 서명을 찾는 일은 매번 30분~1시간이 걸리고 한 곳만 놓쳐도 마감에 문제가 생겨 먼저 자동화했지만, 1년에 한두 번 하는 작업은 도구를 만들지 않았습니다. 김현민 씨는 앱스크립트나 n8n으로 충분한 자동화가 많다며 기존에 잘 작동하는 것을 꼭 클로드 코드로 다시 만들 필요가 있는지 물어야 한다고 말했습니다. 라이브 게임 조직의 수께끼수 작가는 서비스에 직접 영향을 주지 않는 엑셀 입력 실수와 유지보수 문서 정리부터 맡겼습니다. 최소 2주 걸릴 문서 작업을 이틀 만에 끝내자 회의적인 조직의 반응도 바뀌었다고 전했습니다.

웹페이지 진단 서비스를 만드는 zurang23 작가의 팀은 처음에는 진단을 거의 전부 AI에 맡겼지만, 같은 페이지의 점수가 세 번 실행에서 72점, 85점, 61점으로 달라졌습니다. 팀은 robots.txt 파일과 특정 태그처럼 확인 가능한 사실은 코드가 검사하고, 콘텐츠 신뢰도처럼 판단이 필요한 부분만 AI에 맡기도록 역할을 나눴습니다. 프론트엔드 개발자 김의중 작가는 결정론적인 일(입력이 같으면 결과도 같은 일)은 자동화하고 추론이 필요한 일은 AI에 맡기자고 제안했습니다. OpenAPI 스펙(서버와 화면 간 데이터 규격 문서)으로 API 코드를 만든 비교에서 Orval 코드 생성기는 약 1초 만에 무료로 같은 코드를 만들었습니다. 같은 작업을 한 AI는 2~4분이 걸리고 실행마다 약 1.4달러가 들었으며, 결과 코드도 서로 달랐고 한 번은 타입 에러 4개가 남았습니다. 아이엠 조차장 작가는 400페이지가 넘는 점검철에서 서명란의 잉크 양을 정해진 규칙으로 판정하는 도구를 만들었습니다. 규칙 설계에는 클로드 코드와 대화하며 도움을 받았습니다.

법률 AI 서비스 로윈을 만든 디자이너 Sarah 작가는 AI가 틀려도 사람이 되돌릴 수 있는 지점까지만 맡긴다고 설명했습니다. 서비스는 입력된 사연과 비슷한 판례를 찾아 쟁점과 대응 전략을 정리하지만, 소송 여부는 변호사 상담으로 연결합니다. 승소를 약속하지 않고, 사용자가 가장 많은 비용을 내는 마지막 단계에도 AI 대신 변호사 연결을 둡니다. 결과가 틀려도 부담이 작은 직장 생존 유형 진단 서비스에서는 AI에 더 넓은 역할을 준다고 했습니다. 클래스메소드의 HR 담당자 박동현 씨는 평가 내용 정리와 급여 데이터 처리 같은 반복 업무는 AI 에이전트로 자동화하지만, 직원 갈등이나 갑작스러운 퇴사 상담에서는 의견을 구하는 데까지만 AI를 사용한다고 밝혔습니다. 최종 판단과 직원과의 소통은 사람의 몫이라는 설명입니다.

꼼비 작가는 기획 문서와 디자인 시안에서 요구사항을 뽑아 구현과 테스트까지 이어서 처리하는 개발 도구를 만들었습니다. 그러나 요구사항 명세 40개 가운데 실제 코드에 반영된 항목은 25개였는데도, 작성된 테스트가 모두 통과하자 도구는 개발 완료를 보고했습니다. 이후 작가는 요구사항별 수용 조건, 테스트, 코드의 연결을 적은 추적표를 만들게 하고 빠진 연결을 직접 확인합니다. 같은 시나리오가 아홉 번 실패하면 AI가 로그와 판단 근거를 들고 사람에게 묻게 했습니다. 아이엠 조차장 작가는 407페이지에서 표지 68건을 찾아 66건을 자동 확인하고, 애매한 2건을 보고서 맨 위에 올려 사람이 검토하도록 했습니다. 출근부와 휴가 신청서 대조 도구도 불일치하거나 확인이 필요한 항목만 표시합니다. 김의중 작가의 개발 흐름에서는 스펙 변경 뒤 코드 생성기가 타입을 갱신하고 AI 에이전트가 컴파일 오류를 고치지만, 오류 위치는 규칙 기반 도구가 먼저 알려 줍니다. 기사에 소개된 아홉 사례의 공통점은 AI가 얼마나 똑똑한지보다 업무의 반복성, 답의 유무, 오류를 되돌릴 수 있는지, 결과를 어디서 확인할지를 먼저 정한다는 것입니다.