100°C와 회의록 자동화의 같은 함정

100°C라는 숫자가 먼저 걸렸다

100°C.

물은 대체로 그쯤에서 끓지만, 오늘 고른 Museum of Science의 스레드 글은 정답보다 조건을 먼저 떠올리게 했다. 제목은 잘린 채 들어왔다. “Could you boil water wit…”까지만 보인다. 그래서 저는 이 자료를 단정형 과학 퀴즈로 쓰지 않기로 했다.

이런 짧은 과학 콘텐츠는 보통 “가능하다 / 불가능하다”로 소비된다. 종이컵이든, 이상한 재료든, 예상 밖의 방법으로 물을 끓일 수 있느냐가 사람들의 관심을 끈다. 그런데 비개발자 직장인의 언어로 옮기면, 여기서 남길 것은 정답이 아니라 질문 방식이다.

제 입장은 이렇다. 짧은 과학 영상이나 게시물에서 우리가 가져갈 것은 “와, 신기하다”가 아니라 “어떤 조건에서만 되는가”여야 한다. 이걸 놓치면 과학도, AI도, 자동화도 전부 요술처럼 보인다.

정답을 말하기 전에 조건을 묻는 순간

지난주에 저는 팀 문서 자동화 흐름을 다시 만졌다. 버튼 하나로 회의록을 요약하고, 할 일 목록을 뽑고, 다음 메일 초안까지 만드는 간단한 흐름이었다. 겉으로 보면 “AI가 알아서 해준다”에 가깝다.

그런데 실제로는 그렇지 않았다. 회의록 원문이 너무 짧으면 요약이 빈약했고, 발언자가 뒤섞이면 할 일 담당자가 틀어졌고, 결정 사항이 말끝에 흐리게 묻히면 메일 초안도 애매해졌다. 자동화가 실패한 게 아니라, 조건을 안 적어둔 사람이 실패한 셈이었다.

Museum of Science의 짧은 과학 질문도 비슷하게 봐야 한다. “물을 끓일 수 있나?”라는 질문은 재미있다. 하지만 일하는 사람에게 더 쓸모 있는 질문은 따로 있다.

어떤 재료인가. 열은 어디서 오는가. 얼마나 오래 버티는가. 위험은 어디서 생기는가. 재현하려면 무엇을 통제해야 하는가.

이 순간 과학 퀴즈는 작은 업무 원칙으로 바뀐다.

신기한 결과보다 작동 조건이 더 오래 남는다

저는 기술을 직접 만드는 사람은 아니다. 대신 기술이 내 일과 하루에 들어왔을 때 무엇이 실제로 달라지는지를 번역하는 쪽에 가깝다. 그래서 이런 과학 콘텐츠를 볼 때도 “정답”보다 “작동 조건”을 먼저 본다.

예를 들어 물을 끓이는 장면을 생각해보자. 물은 100°C 근처에서 끓는다. 하지만 우리가 묻는 것은 물만이 아니다. 그 물을 담은 용기, 열을 받는 표면, 주변 공기, 시간, 안전 거리까지 같이 묻고 있다. 어떤 실험은 한 가지 조건이 맞아서 성공한다. 그 조건을 빼면 바로 실패한다.

이건 AI 자동화에도 거의 그대로 온다.

“AI로 보고서를 만들 수 있나요?”라는 질문은 너무 크다. “원본 자료가 3개 이상 있고, 형식이 정해져 있으며, 마지막 판단은 사람이 확인하는 조건에서 초안 보고서를 만들 수 있나요?”라고 물으면 갑자기 현실적인 질문이 된다.

“회의록 자동화가 되나요?”도 마찬가지다. “참석자 이름이 구분되고, 결정 사항이 표시되어 있고, 회의 후 10분 안에 사람이 검토할 수 있다면 가능한가요?”라고 물어야 쓸 수 있는 답이 나온다.

제가 보기엔, 미래 대비는 거창한 기술 공부보다 이런 질문을 몸에 붙이는 일에 가깝다. 자동화는 시간을 되찾는 도구다. 다만 시간을 되찾으려면, 먼저 내가 어떤 조건에서 일을 반복하고 있는지 알아야 한다.

아래 표는 오늘 글에서 가져갈 수 있는 작은 번역표다.

이 표가 필요한 이유는 단순하다. 사람은 결과를 기억하지만, 일은 조건으로 반복된다. “지난번엔 됐는데 이번엔 왜 안 되지?”라는 말은 대부분 조건을 적어두지 않았을 때 나온다.

저도 자주 그랬다. 좋은 지시문 하나를 만들어놓고 저장하지 않아서 다음 날 다시 헤맨 적이 있다. 자동화 도구 설정값을 바꿔놓고 이유를 남기지 않아, 며칠 뒤 원래 의도를 잊은 적도 있다. 그때마다 문제는 도구보다 기록 방식에 있었다.

그래서 저는 짧은 과학 콘텐츠를 볼 때도 이렇게 메모한다.

① 결과: 무엇이 일어났나 ② 조건: 무엇이 있어야 가능한가 ③ 한계: 무엇이 바뀌면 실패하나 ④ 내 일에 옮길 곳: 반복 업무 중 어디에 붙일 수 있나

이 네 줄이면 충분하다. 길게 정리하지 않아도 된다. 다만 “재미있었다”에서 멈추지 않게 해준다.

모든 실험이 업무 비유가 되는 것은 아니다

조심할 점도 있다. 오늘 자료는 스레드의 짧은 과학 게시물 하나다. 제목도 일부만 확인된다. 그래서 특정 실험의 세부 원리를 단정해서 풀어 쓰기엔 근거가 얇다. 이럴 때 억지로 출처를 늘리거나, 과학 원리를 아는 척 붙이면 글은 매끈해 보여도 신뢰는 줄어든다.

또 하나. 과학 실험과 회사 업무는 다르다. 실험은 변수를 줄일수록 선명해지지만, 일은 사람이 끼어들수록 복잡해진다. 고객의 말투, 상사의 취향, 팀의 습관, 마감 압박 같은 요소는 온도계처럼 깔끔하게 재기 어렵다.

그래서 “조건을 쓰자”는 원리는 만능 처방이 아니다. 특히 사람의 감정, 협상, 창의적 판단이 큰 일에서는 체크리스트가 오히려 시야를 좁힐 수 있다. 저는 이 점을 꽤 중요하게 본다. 자동화가 시간을 되찾아준다고 해서, 모든 일을 자동화 가능한 형태로 구겨 넣으면 안 된다.

다만 반복되는 업무라면 이야기가 달라진다. 매주 쓰는 보고서, 매번 비슷한 고객 답장, 회의 후 정리, 자료 수집, 게시물 초안처럼 패턴이 있는 일은 조건을 적을수록 가벼워진다. 여기서 조건 기록은 개발자의 습관이 아니라 직장인의 생존 기술에 가깝다.

오늘은 정답 대신 조건 4줄만 남기기

오늘 할 일은 하나만 잡자. 최근에 “이건 AI로 될 것 같은데”라고 생각한 업무 하나를 고른다. 그리고 아래 문장을 그대로 복사해 채워본다.

> 복붙용: 이 일은 ___가 준비되어 있고, ___가 정해져 있으며, ___는 사람이 확인할 때 자동화해도 된다. 다만 ___가 바뀌면 결과를 믿지 않는다.

예를 들면 이렇게 된다.

> 이 일은 회의록 원문이 준비되어 있고, 결정 사항 표시 방식이 정해져 있으며, 최종 메일 발송은 사람이 확인할 때 자동화해도 된다. 다만 참석자 이름이 구분되지 않으면 결과를 믿지 않는다.

이 한 줄을 쓰면 도구 선택이 쉬워진다. ChatGPT를 쓸지, 노션 자동화를 쓸지, 스프레드시트를 쓸지는 그다음이다. 먼저 내가 맡길 일의 조건을 알아야 한다.

오늘의 다음 단계는 이 한 줄을 본인 업무 하나에 붙여보는 것이다. 다음 편에서는 “AI에게 일을 잘 시키는 사람은 왜 질문보다 기준을 먼저 적는가”를 이어서 보겠다.

핵심 정리

• 물은 대체로 그쯤에서 끓지만, 오늘 고른 Museum of Science의 스레드 글은 정답보다 조건을 먼저 떠올리게 했다.
• 이런 짧은 과학 콘텐츠는 보통 “가능하다 / 불가능하다”로 소비된다.
• 제 입장은 이렇다.

→ 영어판 보기