AI 활용 체크리스트

AI 활용 체크리스트에는 되는 기능만이 아니라 필요한 데이터와 빠졌을 때의 처리 기준, 자동화할 업무의 시작과 끝, 오류 조건, 결과물 활용 기준이 들어가야 한다. 2025년 영상 AI 테스트에서는 프롬프트 재활용 가능 비율이 70.45%였지만 생성 영상 활용 가능 비율은 56.82%였다. 프롬프트와 결과물만 해도 판정 기준이 서로 달랐다.

AI 도입 전에는 어떤 데이터를 확인해야 하나

AI가 업무에 쓰이기 전인 2023년에도 답하거나 판정하는 데 필요한 정보부터 정했다. 한국예술인복지재단 연극 분야 심사에서는 연도, 일자, 장소, 주최·주관, 이름, 역할, 공연 정보를 필수 확인 항목으로 정했다. 이 정보가 있어야 신청 자료가 심사 기준에 닿는지 판단할 수 있었다.

정보가 없다고 모두 같은 방식으로 처리하지는 않았다. 공연 횟수 부족, 개최정보 미확인, 참여정보 미확인, 온라인 공연 증빙자료 미확인 등 여덟 가지 보완 사유로 나눴다. 유형마다 보완 요청 문구를 만들었고, 요청일로부터 14일 안에 보완되지 않으면 자동으로 미완료 처리했다.

AI 업무에서도 순서는 같다. 필수 필드를 먼저 정하고, 빈 필드가 생기면 무엇이 빠졌는지 유형으로 남긴다. 근거를 찾지 못했을 때 AI를 부르지 않는 조건도 이 단계에서 정할 수 있다. 입력 데이터가 바로 쓸 수 있는 상태가 아니라면 정제할 항목도 따로 정해야 한다.

업무 자동화 범위는 어떻게 정해야 하나

업무 자동화 범위는 기능 수가 아니라 업무의 시작점과 끝점으로 정해야 한다. 먼저 어떤 정보가 들어오고, 사람이 어디서 판단하며, 무엇을 결과로 남기는지 나눈다.

사용자와 담당 구간도 함께 적어야 한다. 사용자가 다르고 업무의 시작과 끝도 다르면 한 덩어리로 묶기 어렵다. 입력 데이터, 판단 기준, 오류가 났을 때 돌아갈 자리까지 보여야 자동화할 구간을 고를 수 있다.

따라서 AI 자동화 서비스나 프로덕트를 구현하기 전에 작성하는 화면설계서와 기능설명서에는 기능 이름뿐 아니라 입력값, 판단 조건, 결과, 오류 조건까지 담아야 한다.

AI 결과물은 어떤 기준으로 검수해야 하나

AI 결과물은 프롬프트 재사용률, 실제 결과물 활용률, 오류 유형을 나눠 검수해야 한다. 2025년 트리플하이엠 콘텐츠팀에서 메인으로 진행했던 Kling과 Whisk 영상 생성 테스트에서는 프롬프트 재활용 가능 비율이 70.45%였고, 생성 영상 활용 가능 비율은 56.82%였다. 프롬프트는 다시 쓸 수 있어도 실제 결과물은 절반가량만 쓸 수 있었다.

오류 유형도 따로 기록했다. AI 아이콘 생성기에서는 참조 이미지의 한글이 또렷했지만 새로 만든 중국집 간판에는 뜻 없는 글자가 나왔다. AI 광고 이미지에서는 사람 손과 소품이 제품 글자를 가렸다. 리사이징 앱은 네 개를 한 번에 출력했지만 오류가 생기는 경우가 있었다.

재사용률과 활용률을 숫자로 기록하고, 한글 깨짐, 제품 글자 가림, 동시 출력 오류를 항목별로 남겨야 한다. 된다거나 안 된다는 말만 적으면 다음 작업에서 같은 문제를 다시 확인하게 된다.

AI 도구의 화면은 무엇을 기준으로 설계해야 하나

AI 도구의 화면에는 사용자가 넣을 정보, 실행할 기능, 결과, 오류 상태가 드러나야 한다. 기능명세서에서 정한 입력값과 판단 조건이 화면의 입력칸, 버튼, 안내 문구, 결과 영역으로 이어지는지 확인한다.

화면만 봐도 사용자가 무엇을 넣어야 하고 다음에 무엇을 해야 하는지 판단할 수 있어야 한다. 오류가 생겼을 때 빠진 정보나 다시 해야 할 일도 화면에 남아야 한다. 즉, 화면설계서는 기능의 위치뿐 아니라 사용자가 판단할 순서까지 보여주는 문서다.

AI가 다시 읽을 결과물은 어떻게 남겨야 하나

2025년 트리플하이엠 콘텐츠팀의 AEO 콘텐츠 점검에서는 AI가 다시 읽을 결과물을 질문, 답, 근거가 드러나는 HTML 텍스트로 남기도록 했다. 글 하나에는 핵심 질문 하나를 두고, 첫 1~2문단에 요약된 답을 넣는다. 제목에는 핵심 질문을, 소제목에는 세부 질문을 적는다.

답의 근거가 되는 출처와 작성자 정보, 실제 경험도 텍스트로 남긴다. 핵심 정보는 번호, 불릿, 표로 나누고 FAQPage나 HowTo 같은 스키마를 적용할 수 있는 형태로 정리한다.

이 점검에서 가장 자주 걸린 항목은 텍스트와 이미지의 분리였다. 핵심 정보를 이미지에만 넣지 않고 HTML 텍스트로도 제공해야 AI가 다시 읽을 수 있다.

AI 업무 자동화를 위해 무엇을 연결해야 하나

AI 업무 자동화는 기능부터 정하는 일이 아니다. 사람이 판단하던 기준을 필드와 조건으로 나누고, 업무의 시작과 끝을 정한 뒤, 결과를 다시 읽고 검수할 수 있는 형태로 남기는 일이다.

AI PM이 되려면 이런 기준을 바탕으로 데이터, 업무 흐름, 화면, 검수 방법을 하나의 실행 계획으로 연결할 수 있어야 한다. AI 기능을 많이 아는 것보다 어떤 문제에 AI를 쓰고, 어디까지 자동화하며, 사람이 무엇을 확인할지 정리하는 역량이 먼저다. AI PM의 역할과 필요한 역량은 앞서 발행한 글에서 더 자세히 이어서 볼 수 있다.