직장생활 노트 365

금요일이 되면 한 주 동안 분명 많은 일을 했는데 주간업무보고 첫 문장에서 막히곤 했다. 회의 내용은 메모에 있고, 요청은 메일에 있고, 처리 결과는 메신저와 업무 시스템에 흩어져 있었다. 보고서를 쓰는 시간보다 내가 무엇을 했는지 다시 찾는 시간이 더 길었다.나는 매달 사이버안전진단의 날 점검보고, 접속기록 점검보고, 서버점검보고 같은 문서를 작성한다. 연간 내부관리계획서와 개인정보처리방침을 점검하는 일도 있다. 혼자 관리하는 문서가 쌓일수록 기억에 의존하는 방식은 오래 유지할 수 없었다. 그래서 AI에게 보고서를 대신 쓰게 하기 전에 내 기록 방식을 먼저 바꿨다.보고서를 잘 쓰려 하지 않고 하루 한 줄을 남겼다처음부터 완성된 업무일지를 쓰려 하면 며칠 지나지 않아 중단될 것 같았다. 나는 업무명, 진..

처음에는 AI에게 질문만 했다. 시간이 지나면서 프로젝트를 분석하게 하고, 필요한 파일을 찾게 하고, 코드를 수정하고 명령을 실행하게 됐다. 할 수 있는 일이 늘어날수록 편해졌지만 동시에 한 가지 질문이 생겼다. AI에게 내 컴퓨터와 업무 환경을 어디까지 맡겨도 되는가였다.나는 AI가 똑똑한지보다 어떤 권한을 가지고 있는지가 더 중요하다고 느꼈다. 같은 답을 하더라도 글만 보여주는 AI와 실제 파일을 고치고 명령을 실행할 수 있는 AI는 위험의 크기가 다르다. 그래서 실제로 ChatGPT와 Claude Code를 사용하면서 권한을 다섯 단계로 나눠 생각하기 시작했다.1단계는 읽기, 2단계는 허용된 작업공간 수정이다첫 번째 단계는 프로젝트와 문서를 읽는 권한이다. AI가 구조를 파악하고 문제를 설명할 수는..

AI 화면에는 ‘완료했습니다’라는 문장이 자주 나온다. 파일을 만들었고, 스크립트를 수정했고, 분석 결과도 정리했다고 말한다. 나도 처음에는 이 문장을 보면 일이 끝난 것처럼 느꼈다. 하지만 실제 서버 점검과 데이터 분석에 AI를 사용하면서 작업 완료와 업무 검증 완료는 전혀 다른 상태라는 것을 여러 번 확인했다.AI가 맡은 작업의 범위에서는 완료일 수 있다. 그러나 내가 원하는 대상에서 실행됐는지, 결과가 업무 기준에 맞는지, 기존 기능을 해치지 않았는지는 별도의 확인이 필요하다. 이 차이를 구분하지 않으면 빠르게 만든 결과가 오히려 더 긴 장애 처리나 잘못된 보고로 이어질 수 있다.파일이 만들어졌다는 것과 사용할 수 있다는 것은 다르다Linux와 Solaris 서버 점검 스크립트를 만들 때 AI는 빠..

업무 문서를 AI로 정리하면 빠르다. 하지만 빠르게 요약하려고 회사 문서와 메일을 그대로 넣는 순간 다른 문제가 생긴다. 문서에는 고객명, 담당자 연락처, 계약 내용, 내부 시스템 주소처럼 요약 결과에는 필요하지 않은 정보가 함께 들어 있기 때문이다.나는 AI에게 보고서 초안이나 분류 작업을 맡길 때 원본을 통째로 전달하지 않는다. 먼저 작업에 꼭 필요한 내용만 골라 별도 사본을 만들고 식별 가능한 정보를 지운다. 무엇을 지웠는지 기억에만 의존하지 않도록 몇 가지 항목을 고정해서 확인한다.이름을 가리는 것만으로 비식별화가 끝나지 않았다처음에는 사람 이름과 회사명만 다른 표현으로 바꾸면 된다고 생각하기 쉽다. 하지만 부서, 직책, 특정 날짜, 처리한 사건을 함께 적으면 이름이 없어도 누구인지 짐작할 수 있..

처음에는 AI 서비스를 하나만 정해서 익히는 것이 효율적이라고 생각했다. 여러 화면을 오가면 대화 기록과 사용법이 흩어지고 비용도 늘 수 있기 때문이다. 그런데 실제 업무에 사용해 보니 모든 작업에서 같은 도구가 가장 좋은 것은 아니었다. 나는 ChatGPT, Claude와 Gemini를 경쟁 제품 순위처럼 보지 않고 작업 성격에 따라 선택하게 됐다.중요한 것은 어떤 AI가 무조건 최고인지 정하는 일이 아니었다. 내가 지금 필요한 것이 생각 정리인지, 긴 자료 검토인지, 프로젝트 파일을 다루는 일인지, 서로 다른 답을 비교하는 일인지 먼저 구분하는 것이 더 효과적이었다. 그래서 도구 이름보다 업무의 입력 자료, 결과 형식과 실행 권한을 기준으로 나눴다.대화로 생각을 정리할 때와 파일을 다룰 때를 구분했다..

AI가 만든 SQL은 오류 없이 실행됐다. 결과 숫자도 바로 나왔다. 그런데 화면에 나온 숫자를 보는 순간 나는 이상하다고 느꼈다. 평소 업무에서 보던 규모와 차이가 너무 컸기 때문이다. 쿼리가 멈춘 것도 아니고 오류 메시지가 나온 것도 아니었다. 문법상으로는 성공했지만 업무 결과로는 사용할 수 없는 숫자였다.이 일은 내가 AI에게 일을 맡길 때 무엇을 확인해야 하는지 다시 정하게 만든 계기가 됐다. 실행됐다는 사실만 보고 결과를 보고서에 넣었다면 잘못된 통계가 그대로 전달될 수도 있었다. AI가 SQL을 빠르게 작성해 준 것은 분명 도움이 됐지만, 그 속도가 결과의 정확성까지 보장해 주지는 않았다.조건을 설명하자 AI는 빠르게 SQL을 만들었다나는 필요한 통계의 조건을 문장으로 정리해 AI에 전달했다...