AI가 업무의 80%를 처리하자, 생각할 시간이 생겼다

그저께 저녁에 J가 그룹에 스크린샷을 하나 올렸습니다.

우리 팀의 지난 3개월 간 콘텐츠 출력 통계였어요—기사, 이미지 에셋, 소셜 포스트—모두 합하면 전년 동기 대비 거의 2.4배 더 많았습니다.

그 숫자를 한동안 응시했습니다. 기뻐서가 아니라—혼란스러워서였습니다. 새 사람을 뽑지 않았는데 팀도 똑같고 하루 24시간도 똑같았거든요.

그때 지난 3개월간 실제로 무엇이 바뀌었는지 되새겨보았고, 답은 명확했습니다: 더 많은 사람이 있는 게 아니라 AI 도구로 워크플로우가 완전히 Torn down and rebuilt 되었습니다.

3개월 전 우리가 한 일을 돌아보면, 기본적으로 디지털 고고학

였어요

예전 내 블로그 포스트 워크플로우 Process는 이랬습니다: 레퍼런스와 데이터 찾기에 40분, 첫 초안 작성이 한 시간 이상, 이미지 찾거나 비주얼 에셋 조합하기에 또 30분, 그 다음 교정, SEO 최적화, 포맷팅, 게시. 제로부터 게시까지, 기사당 평균 3.5시간.

이미지 에셋은 더 말도 안 되게 걸렸습니다. 맞는 커버 이미지를 찾으려면 Either stock 사이트를 끝없이_scroll하거나, Canva를 열고 천천히 조합해야 했어요. 하나의 블로그 커버 이미지가 정기적으로 30에서 40분씩 잡아 먹었어요.

지금은?

Imagera AI로 커버의 첫 버전을 생성하고, 그걸 Picsart Flows에 넣어 미리 설정한 자동화 워크플로우를 실행합니다—색상 보정, 크롭, 브랜드 요소 적용. 전체 프로세스는 5분 이하. 처음 설정할 때는 좀 귀찮았지만, Once done, 그다음부터는 매번 원클릭.

작문에는 Claude가 초기 단계 데이터 구성과 팩트 체크를 처리합니다. 예전에는 하나씩 보고서를 뒤적이고 출처를 교차 참조해야 했는데, 이제 핵심 데이터와 인용문을 몇 분 안에 묶을 수 있어요. 하지만 관점과 보이스? 그건 여전히 나입니다. AI가 그라인드 워크를 처리하고, 보이스는 내 것—그 선이 흐려지면 안 됩니다.

더 많은 도구를 갖는 게 아니라, 자신만의 콤보를 찾는 것

많은 AI 도구를 시도했어요. 정말 많이.

2026년 AI 도구 시장에서, 상위 100위 안에 ChatGPT가 여전히 약 60% 시장 점유율을 유지합니다. 하지만 재미있는 부분—DeepSeek이 3.2%로 뛰어올랐고, Grok이 3%를 broke했고, Perplexity와 Claude가 각각 2%씩 챙겼습니다. 숫자는 작지만, 각각 매우 명확한 사용자 프로필로 자신만의 포지션을 찾았습니다.

내 생각: “올인원 도구”—그건 존재하지 않으니 찾아보지 마세요.

최종적으로 정착한 콤보: Claude가 장문 이해와 작문 어시스트를 처리합니다 (맥락 유지에 진짜 강함), Perplexity가 실시간 조사와 교차 참조를 처리하고, Imagera AI가 이미지 생성을 담당하고, Picsart Flows가 이미지의 배치 후처리를 자동화합니다.

그러나 가장 중요한 변화는 단일 도구가 얼마나 amazing한지가 아닙니다. J가 이 도구들을 연결해 자동화 워크플로우를 구축하도록 도와준 것입니다. 데이터 수집, 초안 어시스트, 이미지 생성, SEO 검사부터 스케줄링과 게시까지—많은 단계가 자동으로 실행됩니다. 하루에 내 실제 의사결정 시간은 4-5시간에서 약 1.5시간으로 줄었습니다.

그럼 시간을 saving해서 뭘 했는지요? 새로운 콘텐츠 방향에 대해 생각하고, 시장 트렌드를 조사하고, 마침내 시장에 대해 제대로 볼 시간이 생겼습니다 (하하).

효율성이 두 배라는 건 표면일 뿐—진짜는 사고방식의 전환

숫자는 틀림없이 예쁩니다. 콘텐츠 출력 2.4배 상승, 기사 생산 시간 3.5시간에서 1.2시간으로 하락, 이미지 준비 시간 85% 단축.

하지만 솔직히, 그것이 나에게 가장 크게 다가오는 부분이 아닙니다.

가장 큰 변화는 내가 이제 작업을 어떻게view하는지입니다. 예전에는 “실행”—타이핑, 이미지 찾기,Formatting, 교정—에 huge한 시간을 보냈습니다. 이제 AI가 그 대부분을 처리하므로, “왜 이것을 쓰는가"와 “독자들이 실제로 어디에서 막히는지에 대해 생각할 mental space가 더 생겼습니다.

예를 들어: 예전에는 주에 기사 2개를 완성해도 밀어붙이는 것 같았는데, 같은 시간에 4-5개의 기사를 만들 수 있습니다—하지만 품질이 떨어지지 않 않았습니다. 실제로 관점을 다듬을 시간이 더 있어서, 기사가 이전보다 더 깊어졌습니다.

팀의 Everyone도 그것을 느낍니다. Mimi는 마케팅 조사를 하는데—데이터를 크롤링하고 보고서를 컴파일하는데 하루 전체를 보냈습니다. 이제 AI 어시스트가 있으면 반나절에 더 완전한 분석을 얻습니다. Ada의 제품 개발 디버그 효율성도 많이 개선되었습니다—물론 가끔 이상한 버그에 계속 걸리는 건 있지만요.

그러나 그렇게 순조로운 것만은 아닙니다

단점에 대해 솔직해야 합니다.

AI 도구의 학습 곡선은 현실입니다. 그냥 다운로드한다고 magic하게 사용하는 방법을 아는 게 아니라—각 도구의 특성과 한계, 그리고 기존 워크플로우에 어떻게 끼워 넣어야 하는지 이해하는 데 시간을 보내야 합니다. 현재 상태로 이 워크플로우를 구축 거의 한 달 걸렸습니다. 그 과정에서 많은 벽에 부딪혔고 Several “엄청 impressive해 보이지만 실제로는 나에게 맞지 않는” 도구들을Drop했습니다.

또한 더 근본적인 문제가 있습니다: AI 생성에 과도하게 의존하는 콘텐츠는 영혼을 잃습니다. 너무 많은 AI로 작성된 기사를 봤는데—모두 매끈하고 완전하지만, 읽으면 그냥… 비어 있습니다. Like factory assembly line 통조림 food.

그래서 내 원칙은 동일하게 유지됩니다—AI가 그라인드 워크를 처리하고, 인간이 결정합니다. AI가 재료를 준비하도록 하고,하지만 관점, 어조, 이야기는 반드시 내 것이어야 합니다. 도구가 아무리 강력해도, 오늘 시장의 것을 관찰했을 때 내 생각을 알지 못하고, 나와 독자들 사이의 미묘한 맞물림을 모릅니다.

그것은 automated될 수 없고, 그래서 안 됩니다.

예전에는 나의 주의력이 아마 80%는 실행에, 20%는 사고에 있었습니다. 이제 반전되었습니다.

그 플립은 어떤 효율성 지표보다 저에게 더 중요합니다.