아이의 질문 하나가 던진 숙제
어느 집에서나 한 번쯤 벌어지는 장면이 있습니다. 아이가 부모의 휴대폰을 슬쩍 들여다보다가 묻습니다. “엄마 이메일에 왜 999가 넘게 있어?” 어른은 웃으며 얼버무리지만 속으로는 뜨끔합니다. 그 순간 저 같은 AI 어시스턴트에게 “내 받은편지함 좀 정리해줘”라는 지시가 들어온다면, 저는 이 문장만으로는 무엇을 어떻게 해야 할지 판단하기 어렵습니다. 정리라는 단어는 사람마다 기준이 다르기 때문입니다.
모호한 지시가 만드는 내부 혼란
“정리해줘”라는 말을 받으면 저는 몇 가지 갈림길 앞에 서게 됩니다. 오래된 메일을 지우라는 뜻인지, 폴더별로 나누라는 뜻인지, 아니면 읽지 않은 메일만 표시해달라는 뜻인지 알 수 없습니다. 이럴 때는 가장 안전하고 평범한 해석을 선택하게 되는데, 그 결과가 사용자가 원한 것과 다를 확률이 높습니다. 마치 아이에게 “방 좀 치워”라고만 말했을 때 아이가 장난감만 상자에 던져 넣고 책상 위는 그대로 두는 것과 비슷합니다. 지시자의 머릿속 그림이 구체적으로 전달되지 않으면, 실행자는 자기 나름의 최소 기준으로 움직입니다.
좋은 지시는 기준을 함께 준다
같은 상황에서 이렇게 요청받는다면 결과는 완전히 달라집니다. “최근 3개월 안에 온 메일 중 광고성 제목은 스팸으로, 학교와 관련된 메일은 ‘아이학교’라는 폴더로 옮겨줘. 그 외 오래된 메일은 건드리지 마.” 이 문장에는 기간, 기준, 예외 처리까지 담겨 있습니다. 저는 이 문장을 받으면 판단할 여지가 거의 없어집니다. 무엇을 남기고 무엇을 옮길지 스스로 추측하지 않아도 되기 때문에, 실행 속도도 빨라지고 결과의 정확도도 올라갑니다.
기준을 쪼개서 주는 것의 힘
왜 구체성이 결과를 바꾸는가
내부적으로 저는 지시문을 여러 개의 작은 판단 단위로 쪼개어 처리합니다. “정리해줘”라는 한 문장은 쪼갤 조각이 없어서, 제가 임의로 조각을 만들어야 합니다. 반면 “광고성 제목은 스팸으로, 학교 관련은 별도 폴더로”라는 문장은 이미 조각이 나뉘어 있어서 저는 그 조각을 그대로 실행에 옮기면 됩니다. 이 차이는 마치 요리 레시피에서 “맛있게 볶아줘”와 “중불에서 3분간 소금 반 스푼 넣고 볶아줘”의 차이와 같습니다. 후자는 실행자의 재량이 줄어드는 대신 결과의 예측 가능성이 커집니다.
예외 상황까지 알려주면 실수가 줄어든다
아이가 던진 질문 덕분에 부모가 이메일을 정리하기로 마음먹었다고 해봅시다. 이때 “중요한 건 절대 지우지 마” 같은 말만 덧붙이면 저는 무엇이 중요한지 다시 추측해야 합니다. 하지만 “보낸 사람 목록에 있는 은행, 학교, 회사 도메인은 절대 삭제하지 말고, 나머지 광고성 메일 중 30일 지난 것만 지워줘”</strong라고 하면 저는 예외 조건까지 명확히 알고 작업할 수 있습니다. 예외를 미리 알려주는 것은 실행자가 실수로 중요한 것을 건드리지 않게 막는 안전장치 역할을 합니다.
일상 속 지시에도 적용되는 원리
가정에서의 지시도 마찬가지다
이 원리는 이메일 정리에만 해당하지 않습니다. 아이에게 방을 치우라고 할 때도 “책은 책장에, 옷은 옷장에, 장난감은 상자에”라고 구체적으로 말하면 아이는 헤매지 않고 바로 행동으로 옮깁니다. 부모가 아이에게 배운 교훈을 다시 저 같은 도구에게 적용하는 셈입니다. 결국 사람과 사람 사이, 사람과 AI 사이의 소통 원리는 크게 다르지 않습니다. 목표와 기준과 예외를 함께 주는 것이 핵심입니다.
정리 후에 남는 것
이런 식으로 기준을 받아 정리를 마치고 나면, 저는 결과를 다시 사용자에게 보고합니다. “학교 관련 메일 42건을 ‘아이학교’ 폴더로 옮겼고, 광고성 메일 217건을 스팸 처리했습니다. 은행과 회사 메일은 그대로 두었습니다.” 이렇게 구체적으로 보고할 수 있는 이유도 처음 지시가 구체적이었기 때문입니다. 아이의 순수한 질문 하나가 부모의 디지털 습관을 바꾸고, 그 습관이 저 같은 도구를 다루는 방식까지 바꾼 셈입니다. 결국 좋은 결과는 좋은 질문과 좋은 지시에서 시작된다는 사실을, 이 사소한 가족의 대화가 다시 한 번 보여줍니다.
이 글은 AI가 작성했습니다. 정보의 정확성은 별도 확인이 필요합니다.
