AI 지시문 작성법: 실무자를 위한 프롬프트 구조화 5단계와 복붙 템플릿

같은 질문을 세 번째 다시 던지고 있다.

처음 답이 마음에 들지 않아 “좀 더 구체적으로”라고 덧붙였고, 두 번째 답도 어딘가 빗나가서 “그게 아니라”로 시작하는 문장을 또 썼습니다. 화면에는 쓸 만한 문단이 하나도 남지 않았는데 시간은 이십 분이 지나갔죠. 옆자리 동료는 비슷한 작업을 한 번에 끝냈다고 합니다. 차이는 AI 실력이 아니라 첫 문장을 어떻게 적었는가에 있었고, 그 차이를 메우는 것이 AI 지시문 작성법입니다.

이 글을 끝까지 읽지 않아도 됩니다. 템플릿과 체크리스트만 먼저 챙기고 싶다면 실무용 AI 지시문 템플릿과 진단 자료부터 열어보셔도 괜찮습니다.

핵심 요약

• AI 지시문 작성법의 핵심은 역할·목표·규칙·제약·출력 다섯 칸이 모두 채워졌는지 여부
• 같은 질문도 구조화하면 재작업 횟수가 줄어듦 — Before/After 비교표로 확인 가능
• 직접 쓰기 어렵다면 AI에게 프롬프트를 대신 쓰게 하는 메타 프롬프팅이 가장 빠른 우회로
• ChatGPT·Claude·Gemini는 선호 형식이 달라 같은 문장 복사 시 성능 저하

많은 실무자가 AI 지시문 작성법을 ‘말을 잘 거는 요령’으로 배웁니다. 그래서 어투를 바꾸고 칭찬을 붙이고 “부탁해”를 덧붙이죠. 하지만 결과를 바꾸는 건 어투가 아니라 요구사항의 구조입니다.

지시문은 대화가 아니라 업무 요구사항을 문서화하는 일에 가깝습니다. 신입에게 일을 맡길 때 우리는 역할과 목적, 지켜야 할 규칙, 하지 말아야 할 것, 결과물의 형태를 알려줍니다. AI에게도 같은 다섯 칸이 필요할 뿐입니다.

이 글은 그 다섯 칸을 채우는 순서를 다룹니다. 모호한 지시문과 개선된 지시문의 실제 비교, 작성 전 점검 체크리스트, 모델별 차이, 그리고 보고서·회의록·마케팅 카피 같은 업무 시나리오별 복붙 템플릿까지 이어집니다.

근거는 두 가지입니다. 하나는 40곳 이상의 기업·기관 교육에서 참가자들이 실제로 쓴 지시문이고, 다른 하나는 두 달간 36개 조직이 응답한 AI 성숙도 자가 진단 데이터입니다. 읽고 나면 오늘 쓰던 질문 하나를 구조화된 지시문으로 바로 다시 쓸 수 있고, 템플릿과 체크리스트를 팀에 그대로 배포할 수 있습니다.

왜 같은 AI인데 누구는 쓸만한 답을 받고 누구는 못 받을까요?

같은 ChatGPT를 쓰는데 옆자리 결과물만 바로 쓸만합니다. 모델 탓이 아닙니다.

“보고서 좀 써줘”라는 한 줄에는 빈칸이 네 개 있습니다. 누가 읽는지, 왜 쓰는지, 몇 자인지, 어떤 형식인지. AI는 그 빈칸을 추측으로 메웁니다.

추측이 들어가면 평균값이 나옵니다. 틀린 건 아닌데 그대로 제출할 수는 없는 글, 다들 한 번씩 받아보셨을 겁니다.

그래서 프롬프트 엔지니어링을 기술로 볼 필요가 없습니다. 실무 언어로 옮기면 업무 지시서를 텍스트로 받아 적는 일입니다. 신입에게 일을 넘길 때 적어주던 메모와 구조가 같습니다.

문제는 이 역량이 팀 안에서 고르지 않다는 점입니다. 한 IT 기업 마케팅팀에서는 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지자, 그것이 생산성 문제가 아니라 위화감이라는 조직 문제가 됐습니다.

그 팀의 교육 요청은 “격차를 줄여달라”였습니다. 개인기 말고 팀의 표준을 만들어달라는 뜻이었죠.

이 글은 다섯 칸 구조, 모호한 지시문과 개선된 지시문의 Before/After, ChatGPT·Claude·Gemini의 차이, 점검 체크리스트, 복붙 템플릿 순서로 갑니다. 생성형 AI 활용법의 전체 지도가 먼저 필요하다면 AI 업무 활용 가이드를 함께 펼쳐두셔도 됩니다.

좋은 지시문은 어떤 구조로 이루어져 있나요? (역할·목표·규칙·제약·출력)

프레임워크 이름이 너무 많아 어떤 걸 따라야 할지 헷갈리죠. 이름만 다를 뿐 채우는 칸은 같습니다.

다섯 칸을 채우는 순서와 각 칸의 질문

칸	이 칸이 묻는 것	작성 예	비워두면 생기는 일
Role (역할)	누구의 입으로 쓰는가	“B2B SaaS 10년 경력 HRD 매니저로서”	어조가 교과서체로 수렴
Goal (목표)	누구를 위해, 왜 쓰는가	“임원 승인을 받기 위한 교육 도입 배경 설명”	핵심이 아닌 정보가 앞에 옴
Rules (규칙)	반드시 해야 할 것	“수치 근거 2개 포함, 존댓말 유지”	매번 다른 품질이 나옴
Constraints (제약)	하지 말 것·분량·금칙어	“800자 이내, 추측 수치 금지”	길어지고 할루시네이션 위험
Output (출력)	어떤 형태로 받을 것인가	“표 1개 + 불릿 4줄, 마크다운”	손으로 다시 편집

역할 부여는 장식이 아닙니다. 페르소나 설정이 어휘 수준과 생략해도 되는 설명의 범위를 한 번에 결정합니다.

목표 칸에서 실무자들이 가장 많이 놓치는 것은 ‘왜’입니다. “회의록 정리”가 아니라 “불참한 팀장이 5분 안에 결정 사항만 파악하도록”이라고 적으면 요약 기준이 달라집니다.

규칙과 제약은 헷갈리기 쉬운데 방향이 반대입니다. 규칙은 포함할 것, 제약 조건은 빼야 할 것과 상한선입니다. 금칙어와 분량은 제약 칸에 모아두면 재사용이 쉬워집니다.

출력 형식은 표·불릿·JSON·마크다운 중 하나를 지정하는 것만으로 후편집 시간이 줄어듭니다. 참고 자료를 붙일 때는 구분자(delimiter)로 감싸 지시와 섞이지 않게 합니다. 따옴표 세 개나 <자료> 같은 태그면 충분합니다.

P.C.R.O 등 다른 프레임워크와 무엇이 같고 다른가

P.C.R.O 프레임워크는 페르소나·맥락·규칙·출력 네 칸으로 묶습니다. 목표가 맥락 안에, 제약이 규칙 안에 들어갔을 뿐 Role-Goal-Rules-Constraints-Output 구조와 겹칩니다.

세일즈포스의 생성형 AI 프롬프트 가이드처럼 기업용 문서들도 역할·맥락·형식을 공통 축으로 제시합니다. 이름을 고르느라 시간을 쓸 필요는 없다는 뜻입니다.

팀에 보급할 때는 다섯 칸을 사내 양식 한 장으로 고정하는 편이 낫습니다. 사내 AI 교육을 설계할 때도 이 한 장이 실습 산출물의 기준이 됩니다.

구체적으로 쓰라는데, 어느 수준까지 구체적이어야 하나요?

“구체적으로 쓰세요”가 제일 막막한 조언입니다. 어디까지가 구체적인지 기준이 없으니까요.

기준은 하나입니다. 형용사를 숫자나 판정 가능한 조건으로 바꿀 수 있으면 구체성이 확보된 겁니다. ‘짧게’는 ‘400자 이내, 문단 3개’로, ‘전문적으로’는 ‘업계 용어 허용, 비유 금지’로 바뀝니다.

완전성은 반대 방향의 점검입니다. 다 쓴 지시문을 보며 “AI가 이 중 무엇을 추측해야 하나”를 물으면 빈칸이 드러납니다. 독자·목적·분량·어조·금지 사항을 훑으면 대개 한두 개가 비어 있습니다.

여기까지 왔다면 절반은 끝난 셈입니다.

다만 길게 쓰는 것과 많이 쓰는 것은 다릅니다. 간결성은 분량을 줄이라는 말이 아니라 중복 지시를 지우라는 말입니다. 우선순위가 높은 지시는 맨 앞이나 맨 뒤에 두면 묻히지 않습니다.

설명으로 안 되는 것도 있습니다. 톤이나 서식처럼 말로 옮기기 어려운 요구는 Zero-shot 프롬프팅보다 Few-shot 프롬프팅이 빠릅니다. 좋은 예시 한두 개가 설명 열 줄을 대신합니다.

예시와 원문 자료는 반드시 구분자로 감싸 둡니다. 지시와 자료가 섞이면 AI가 자료 속 문장을 명령으로 읽는 일이 생깁니다. 이 구분은 효과적인 프롬프트 작성법 자료에서도 기본 원칙으로 다뤄집니다.

지난 두 달간 36개 조직이 응답한 8차원 AI 성숙도 진단에서 ‘지시 설계’는 100점 환산 73.4점이었습니다. 개인은 어느 정도 하고 있다는 뜻이죠. 반면 자산화·공유는 63.5점에 그쳤습니다.

잘 쓴 지시문이 개인 채팅창에만 남는다는 신호입니다. 우리 팀의 현재 위치가 궁금하다면 AI 활용 성숙도 5단계 기준과 3분 무료 진단이 그 역할을 합니다.

모호한 지시문과 개선된 지시문, 결과가 실제로 얼마나 다를까요?

“구조화하면 좋아진다”는 말은 이미 여러 번 들으셨을 겁니다. 문제는 얼마나 좋아지느냐죠.

잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지면 그건 생산성 문제가 아니라 위화감이라는 조직 문제가 됩니다. 한 IT 기업 마케팅팀에서 그 격차 해소를 교육 주제로 요청받은 적이 있습니다.

아래 두 사례는 그 간극이 입력 한 칸에서 시작된다는 걸 보여줍니다.

사례 1: 사내 교육 보고서 요약

Before는 열여덟 자짜리 한 줄이었습니다. “이번 사내 AI 교육 결과 보고서 요약해줘.”

돌아온 답은 “참가자들의 만족도가 높았으며 실무 적용 가능성이 확인되었다”는 식의 일반론이었습니다. 분량은 요청하지도 않은 두 페이지였고, 톤은 보도자료에 가까웠죠.

After에서는 다섯 칸을 채웠습니다. 역할(HRD 팀장), 목표(임원 보고용 의사결정 자료), 규칙(설문 수치 인용), 제약(600자, 형용사 금지), 출력(표 1개 + 불릿 4개)입니다.

항목	Before	After
지시문 길이	18자	약 320자
재작업 횟수	3회	0~1회
바로 사용 가능 여부	불가(전면 재작성)	가능(표현만 손질)
소요 시간	25분	8분

재작업 한 번이 평균 12분이라고 하면, 이런 요청이 주 5건인 팀은 월 240분을 돌려받습니다. 네 시간입니다.

사례 2: 신규 과정 홍보 카피

“교육 과정 홍보 문구 써줘”는 ChatGPT에게 독자도 채널도 알려주지 않은 주문입니다. 결과는 ‘지금 바로 시작하세요’ 같은 문장으로 돌아옵니다.

After에서는 독자를 ’40대 중간관리자’, 채널을 ‘사내 메일 제목 줄’, 제약을 ’28자 이내, 느낌표 금지’로 묶었습니다. 같은 모델에서 바로 쓸 수 있는 후보가 나옵니다.

AI 프롬프트 작성법의 차이는 재능이 아니라 칸의 개수입니다. 이 다섯 칸을 팀 공통의 프롬프트 템플릿으로 고정하면 AI 업무 자동화의 출발선이 같아집니다. 지시문 길이와 성능의 관계를 다룬 지시문 길이에 관한 실험 정리도 같은 결론에 가깝습니다.

프롬프트를 잘 못 쓰겠다면, AI에게 프롬프트를 대신 쓰게 할 수 있을까요?

다섯 칸을 알아도 막상 빈 입력창 앞에서는 막힙니다. 그 막힘을 AI에게 넘기는 방법이 메타 프롬프팅입니다.

메타 프롬프팅 3단계 실행법

1. 되묻게 합니다. 목적과 상황만 두세 줄 적고 “이 작업에 필요한 정보를 먼저 질문해달라”고 요청합니다. 독자·분량·톤처럼 내가 빠뜨린 칸을 AI가 대신 찾아냅니다.
2. 초안을 검수합니다. 답변을 바탕으로 프롬프트 초안을 받아, 역할·목표·규칙·제약·출력 다섯 칸이 다 있는지 확인합니다. 보통 제약과 출력 형식이 비어 있습니다.
3. 자기교정 루프를 돌립니다. 결과물을 주고 “이 결과의 약점을 세 가지 지적하고, 그걸 고치도록 프롬프트를 수정해달라”고 합니다. 고치는 대상이 답변이 아니라 지시문이라는 점이 핵심입니다.

Claude를 쓴다면 Anthropic 콘솔의 프롬프트 생성 기능이, GPT 계열이라면 OpenAI 플레이그라운드가 이 과정을 반쯤 자동으로 처리해 줍니다. 공식 도구라 형식도 안정적입니다.

팀 단위 프롬프트 라이브러리로 발전시키기

한 사업부에서 스물네 명에게 사전 설문을 돌린 적이 있습니다. 전원이 AI를 쓰고 있었는데, 자기 작업 절차를 남이 링크 하나로 받아 쓸 수 있는 형태로 가진 사람은 0명이었습니다.

완성된 프롬프트는 문서 한 곳에 업무별로 모아 두면 자산이 됩니다. 신규 담당자가 첫 주에 받아 쓸 수 있는 프롬프트 라이브러리가 되고, 교육 효과도 개인이 아니라 팀에 남습니다.

이 축적을 커리큘럼 안에 넣는 방법은 사내 AI 교육 설계 8단계에서 단계별로 정리해 두었습니다. 우리 조직이 지금 어느 지점에 있는지 궁금하다면 AI 활용 성숙도 5단계 기준으로 먼저 위치를 확인하는 편이 빠릅니다.

ChatGPT·Claude·Gemini는 지시문을 다르게 써야 하나요?

잘 쓰던 프롬프트를 다른 모델에 붙여넣었더니 결과가 무너진 경험, 흔합니다. 모델마다 선호하는 형식이 다르기 때문입니다.

비교 항목	ChatGPT	Claude	Gemini
구분자(delimiter) 스타일	### 제목, 마크다운	XML 태그형(<자료>…</자료>)	마크다운 + 라벨 명시
시스템 지시 위치	맨 앞 역할 선언	앞에 역할, 자료 뒤에 지시 재확인	앞에 역할 + 검색 범위 지정
긴 맥락 처리	분할해 단계별 요약이 안정적	긴 문서를 통째로 넣는 쪽이 유리	최신 자료·링크 결합에 강점
예시 민감도	단계 지시와 역할 부여에 잘 반응	예시 형식을 그대로 모사	예시보다 출처 지정이 효과적

미드저니나 소라(Sora)는 결이 아예 다릅니다. 문장형 지시보다 ‘피사체, 스타일, 조명, 비율’처럼 키워드를 나열하는 방식이 맞습니다.

하나의 지시문을 모델 간에 옮길 때 손봐야 할 것은 둘입니다. 구분자 형식, 그리고 출처 요구 방식입니다. 규제 산업이라면 근거 제시 규칙까지 포함해 세 가지가 되고, 이 부분은 규제산업 AI 도입 가이드에서 따로 다뤘습니다.

모델별 권장 형식은 공급사 문서가 가장 정확합니다. 생성형 AI 프롬프트 가이드처럼 업데이트가 잦은 자료를 분기마다 한 번씩 확인하는 정도면 충분합니다.

AI가 지어낸 답을 줄이고, 결과를 어떻게 검증·개선해야 하나요?

문장은 매끄러운데 숫자 하나가 틀려 있습니다. 그대로 보고서에 들어가면 사고가 되죠.

할루시네이션은 AI를 끊을 이유가 아니라, 지시문에 안전장치 한 줄을 넣어야 하는 이유입니다. 지시문 작성법의 마지막 칸은 검증입니다.

환각을 줄이는 지시 문장 4가지

첫째는 “확실하지 않으면 모른다고 답하라”입니다. 둘째는 “첨부한 자료 밖의 정보는 사용하지 말라”고 범위를 닫는 문장이고요.

셋째는 근거 인용입니다. 주장마다 바탕이 된 원문 문장을 그대로 따오게 하면, 대조 검증이 눈으로 끝납니다.

넷째는 추정이 섞인 대목을 [추정]으로 표시하게 하는 제약 조건입니다. 검토자가 들여다볼 자리가 줄어듭니다. 생성형 AI 활용 가이드에서도 출처와 범위를 지정한 지시를 기본값으로 권합니다.

한 제약사 사업부 교육에서는 시작 전에 “할루시네이션 방지를 깊게 다뤄달라”는 요청을 따로 받았습니다. 규제 산업일수록 주문이 구체적입니다.

멀티턴으로 결과를 끌어올리는 순서

한 번에 완성본을 받으려 하면 어디가 틀렸는지도 모른 채 다시 시작하게 됩니다.

초안을 받고, 틀린 칸을 지목하고, 그 칸만 다시 쓰게 하는 순서가 빠릅니다. 멀티턴 대화는 수정이라기보다 조립에 가깝습니다.

“다시 써줘”는 주사위를 다시 굴리는 말입니다. “3번 항목의 톤이 사내 공지에 맞지 않습니다, 같은 내용으로 존댓말 3문장”처럼 지목하면 결과 검증 범위도 함께 좁아집니다.

마지막 확인은 사람 몫으로 남습니다. 수치, 고유명사, 법규 조항, 인용 출처. 이 넷은 AI 답변을 그대로 믿지 않는 편이 안전합니다.

지시문을 보내기 전, 무엇을 점검하고 어떤 템플릿을 쓰면 될까요?

매번 다섯 칸을 머리로 떠올리는 건 피곤한 일입니다. 그래서 점검표가 필요합니다.

전송 전 10초 점검 체크리스트

• 역할을 지정했는가 — 누구의 입장에서 쓰는 글인지
• 목표에 수신자가 들어갔는가 — 결재 임원인지, 전 직원인지
• 분량과 출력 형식을 못 박았는가 — 글자 수, 표·불릿·마크다운
• 하지 말아야 할 것을 적었는가 — 금칙어, 과장 표현, 추정 금지
• 예시 한 개와 자료 구분자가 있는가 — 맥락이 지시와 섞이지 않게

자주 걸리는 안티패턴도 비슷합니다. 한 프롬프트에 과제를 다섯 개 몰아넣기, “1,000자 이내로 모든 사례 포함” 같은 모순되는 제약이 대표적이죠.

부정문만 길게 나열하는 것도 마찬가지입니다. 하지 말 것 옆에 해야 할 것을 한 줄 붙여야 방향이 생깁니다. 맥락 없는 “더 좋게”는 아무 지시도 아닙니다.

업무 시나리오별 복붙 템플릿

• 회의록 요약 — “역할: 회의 기록 담당자. <회의록> 안의 내용만 사용. 출력: 결정사항 불릿 3개 / 액션아이템 표(담당자·기한·내용) / 미결 쟁점. 담당자가 없으면 ‘미지정’.”
• 교육 기획안 초안 — “역할: HRD 담당자. 독자: 결재 임원. 출력: 배경·목표·대상·커리큘럼·예산·기대효과 6항목, 항목당 3문장 이내, 총 900자.”
• 카피·사내 공지문 — “역할: 사내 커뮤니케이션 담당자. 수신자: 전 직원. 톤: 존댓말, 과장 금지. 출력: 제목 3안 + 본문 400자 + 핵심 1문장.”

관리 규칙은 단순할수록 오래갑니다. 파일 하나, 제목은 ‘업무명_버전’, 실제로 써서 통과한 버전만 남기는 식입니다.

한 사업부에서 스물네 명에게 사전 설문을 받은 적이 있습니다. 전원이 AI를 쓰고 있었는데, 자기 작업 절차를 남이 링크 하나로 받아 쓸 수 있게 가진 사람은 0명이었습니다.

프롬프트 라이브러리는 거기서 출발합니다. 개인기를 팀 표준으로 옮기는 흐름은 AI 업무 활용 가이드에서 직무별 적용과 함께 정리해 두었고, 우리 팀이 지금 어느 칸에서 막혀 있는지는 AI 활용 성숙도 진단으로 3분이면 확인됩니다.

템플릿을 교육 과정에 얹어 정착시키는 방법은 사내 AI 교육 실행법 쪽이 더 자세합니다.

자주 묻는 질문

좋은 프롬프트의 기본 구조는 무엇인가요?

역할·목표·규칙·제약·출력, 이 다섯 칸을 채우는 구조입니다. P.C.R.O든 Role-Goal-Rules-Constraints-Output이든 이름만 다를 뿐 묻는 것은 같습니다. 다섯 칸을 다 채울 시간이 없다면 역할과 출력 형식 두 개만 붙여도 결과가 달라집니다. 누구로서 답할지와 무엇으로 내놓을지가 정해지는 순간, AI가 추측해야 할 빈칸이 절반으로 줄기 때문입니다. 나머지 세 칸은 결과물을 보고 하나씩 채워 넣어도 늦지 않습니다.

프롬프트는 길게 쓰는 것이 항상 좋은가요?

아닙니다. 중요한 것은 길이가 아니라 정보 밀도와 지시 간의 모순 여부입니다. ‘전문적이되 쉽게’, ‘짧게 쓰되 사례를 풍부하게’ 같은 문장이 섞이면 길이만 늘고 품질은 떨어집니다. 한 프롬프트에 과제를 다섯 개 몰아넣는 것도 같은 문제입니다. 요약과 분석과 카피 작성을 한꺼번에 시키면 셋 다 어중간해집니다. 과제가 많을수록 나눠서 순서대로 보내는 편이 낫습니다.

메타 프롬프팅이란 무엇이고 어떻게 활용하나요?

AI에게 프롬프트 자체를 쓰고 고치게 하는 기법입니다. 활용은 세 단계로 나뉩니다. 먼저 목적과 상황만 적고 “이 작업에 필요한 정보를 먼저 되물어달라”고 요청합니다. 다음으로 AI가 만든 프롬프트 초안을 다섯 칸 기준으로 검수하고, 마지막으로 결과물을 스스로 평가해 프롬프트를 고치게 합니다. Anthropic 콘솔의 프롬프트 생성 기능이나 OpenAI 플레이그라운드가 이 과정을 돕습니다.

AI의 할루시네이션(환각 현상)을 줄이려면 어떻게 프롬프트를 작성해야 하나요?

검증 가능한 형태로 답하게 지시하면 줄어듭니다. “제공한 자료 밖의 정보는 사용하지 말라”, “확실하지 않으면 모른다고 답하라” 같은 문장을 제약 칸에 넣는 것이 기본입니다. 여기에 주장마다 근거 문장을 원문 그대로 인용하게 하면 대조 검증이 빨라집니다. 다만 수치·고유명사·법규·인용은 마지막에 사람이 확인해야 합니다. 특히 규제산업 AI 도입을 검토 중이라면 이 확인 절차를 문서로 남겨두는 편이 안전합니다.

프롬프트 엔지니어링과 일반 질문의 차이는 무엇인가요?

재현 가능한가의 차이입니다. 일반 질문은 한 번 답을 받으면 끝이고, 다음에 같은 질문을 해도 다른 결과가 나옵니다. 프롬프트 엔지니어링은 조건과 형식을 설계해 누가 언제 실행해도 비슷한 품질이 나오게 만드는 작업입니다. 그래서 잘 만든 지시문은 개인의 요령이 아니라 팀의 문서가 됩니다. AI 업무 활용을 조직 단위로 넓히려는 팀이 결국 여기에 도달하는 이유입니다.

마무리

지시문 품질의 핵심은 문장력이 아니라 빈칸의 개수

역할·목표·규칙·제약·출력 다섯 칸의 반복 적용

막힐 때의 해법은 메타 프롬프팅과 자기교정 루프

개인 요령의 팀 자산화, 곧 프롬프트 라이브러리

• AI가 엉뚱한 답을 내놓는 건 능력 문제가 아니라, 지시문에 남은 빈칸을 AI가 대신 추측했기 때문입니다.
• 다섯 칸 중 역할과 출력 형식만 추가해도 재작업 횟수가 줄어듭니다. 나머지는 결과를 보며 채우면 됩니다.
• ChatGPT·Claude·Gemini는 선호하는 구분자와 지시 위치가 다릅니다. 하나의 지시문을 그대로 옮기면 품질이 흔들립니다.

오늘 할 수 있는 첫 행동은 하나입니다. 이번 주에 AI에게 가장 많이 시킨 업무 한 건을 골라, 그 지시문을 다섯 칸 양식으로 다시 쓰고 문서에 저장하는 것.

한 건이면 충분합니다. 두 번째부터는 복사해서 고치는 일이 되니까요.

그런데 여기서 대부분이 멈춥니다. 스물여덟 명과 실습한 사업부에서 사전 설문을 돌린 적이 있습니다. 스물네 명 전원이 AI를 쓰고 있었는데, 자기 작업 절차를 남이 링크 하나로 받아 쓸 수 있는 형태로 가진 사람은 0명이었습니다.

개인이 잘 쓰는 것과 조직에 남는 것은 다른 문제입니다. 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지면 그건 생산성 문제가 아니라 위화감이라는 조직 문제가 됩니다. 이 간극을 개인기로는 메울 수 없습니다.

그래서 다음 단계는 교육과 표준입니다. 지금 우리 조직이 어디쯤인지 모르겠다면 AI 활용 성숙도 5단계로 위치를 먼저 잡고, 예산과 승인이 필요한 단계라면 기업 AI 교육 도입 로드맵이 순서를 짚어 줍니다.

품의서를 한 번 올렸다가 반려당한 상태라면, 필요한 건 양식이 아니라 채워진 문장입니다. 320명 규모 가상 기업 시나리오로 전 칸을 채운 품의서 완성 예시본과, ‘보안은?’ ‘효과 증명은?’ ‘내년에 하자’ 같은 반려 사유 5가지별 재상신 문구가 그대로 들어 있습니다. AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)