빌더 노트 by 아이린 | 사업하는 개발자
같은 AI를 쓰는데,
결과물은 왜 다를까
여기서 시작하세요
지금 어떤 상황이세요?
AI 결과물이 늘 평범해요
시킨 대로는 나오는데, 내 것 같지 않다면
01장 부터 살펴보기 →
뭘 원하는지 나도 잘 모르겠어요
“더 낫게 만들어줘”를 자주 쓰고 있다면
03장 부터 살펴보기 →
AI가 한 일을 어디까지 믿어야 할지 모르겠어요
“다 했습니다”라는 말을 그대로 받고 있다면
04장 부터 살펴보기 →
당장 써보고 싶다면? 부록 키트 바로 보기 →
왜 이런 차이가 나는지 궁금하다면? 결과물에 드러나는 두 가지 보기 →

아이린의 한마디이 빌더 노트를 만든 이유
안녕하세요, 아이린입니다.
이제 AI를 쓰지 않는 사람을 찾는 게 더 어렵습니다. 그런데 이상한 일이 하나 있어요. 같은 AI를, 같은 화면에서, 같은 요금으로 쓰는데도 결과물은 사람마다 다릅니다.
어떤 결과물에는 쓴 사람이 보이고, 어떤 결과물은 누가 만들어도 똑같았을 것 같거든요.
이 빌더 노트는 그 차이가 어디서 오는지 생각해 본 기록입니다. 제 결론은 이렇습니다. 차이는 AI 안이 아니라, AI에게 일을 맡기기 전과 맡긴 뒤에서 납니다.
사례로는 Claude Code 팀이 공개한 코드 리뷰 방식을 가져왔습니다. AI가 코드 대부분을 쓰는 팀이 무엇에 공을 들였는지 보면, 개발이 아닌 일에도 쓸 수 있는 원칙이 보여요. 바로 복사해 쓰는 요청문과 워크시트는 부록 키트로 따로 붙였습니다.
아이린 | 사업하는 개발자 (@stayfit_irene)
이 빌더 노트의 구성
사례는 Claude Code 팀이 공개한 코드 리뷰 방식에서 가져왔고, 본문 예시는 제가 직접 코딩하며 겪은 일입니다. 이 노트는 제가 만들고 있는 DocuRise에서 발행했어요. 자료 공개부터 결제, 신청, 댓글 → DM 후속 마케팅까지 한곳에서 해결할 수 있습니다.
01 · 같은 AI, 다른 결과물
같은 AI인데,
결과물은 다르게 나옵니다.
같은 AI에게 같은 종류의 일을 맡겨도, 결과물의 만족도는 매번 다릅니다. 제가 코딩하면서 반복해서 겪는 두 가지 요청이 그 차이를 잘 보여줘요.
위는 엎고 다시 하며 돌아가는 길, 아래는 결과를 정한 뒤 곧게 가는 길입니다.
요청 1. “더 낫게 만들어줘”
화면이 영 마음에 들지 않을 때, 저도 모르게 이렇게 말하곤 합니다.
코딩 중 · 제가 자주 하는 요청
이 화면 개선해줘. 더 낫게 만들어줘.
이 요청은 할 때부터 찜찜합니다. 제가 뭘 원하는지 저조차 정확히 모르면서, 그 답을 AI에게 맡기고 있으니까요. AI는 열심히 바꿔 옵니다. 하지만 ‘낫다’의 기준을 정한 사람이 없으니, 그 기준도 AI가 정했어요. 결과가 마음에 들지 않아 엎고, 다시 요청하고, 또 엎는 일이 이어집니다.
요청 2. 흐름을 따라가 보고, 결과를 정한 뒤에 맡기기
다른 방식은 이렇습니다. 사용자가 서비스에 들어와서 버튼을 누르고 끝까지 가는 흐름을 제가 직접 따라가 봅니다. 그러면서 단계마다 정해둡니다. 이 화면에서는 이게 되어야 한다고요. 정확히 내가 원하는 결과를 먼저 적어놓고 만들게 하는 겁니다.
코딩 중 · 결과를 정해서 건넨 요청 (예시)
로그인 직후 이 화면에서는 ○○가 보여야 하고, 버튼을 누르면 △△로 가야 해. 실패하면 □□라고 안내해줘.
개발을 모르신다면
인테리어에 비유할 수 있어요. 업체에 “예쁘게 해주세요”라고 말하는 것과, 집 안을 직접 걸어보면서 “여기엔 수납장, 저기엔 콘센트”라고 정해서 건네는 것의 차이입니다.

아이린의 실무 메모어느 쪽이 더 빠를까
요청 1이 더 오래 걸렸습니다. 요청 2에서 미리 정의하느라 들인 시간보다, 요청 1에서 엎고 다시 하느라 쓴 시간과 토큰이 더 많았어요. 처음에 조금 더 고민해서 내 의견이 들어간 결과값을 정해두는 쪽이 결국 효율적입니다.
두 경우에 AI의 성능은 똑같습니다. 달라진 건 제가 먼저 얼마나 고민했느냐뿐이에요.
코딩이 아니어도 마찬가지입니다
“소개 문구를 써줘”와 아래 입력을 비교해 보세요.
한 줄 요청
정해서 건넨 요청
두 번째 입력에는 누구에게 보이는지, 어떤 느낌이어야 하는지, 무엇을 빼야 하는지가 들어 있습니다. 모델의 성능이 아니라 입력한 사람의 생각이에요.
AI는 기준이 없으면 가장 무난한 쪽으로 갑니다. 제가 보기엔 이게 “누가 써도 똑같은 결과물”이 나오는 이유입니다. 그럴듯한 평균이 나오는 거죠.
내가 정하지 않은 건 AI가 정합니다.
02 · 사람에게 남는 것
AI보다 잘하는 일은
많지 않습니다.
솔직하게 말하면, 저는 사람이 AI보다 잘하는 일이 많지 않다고 생각합니다. 정리, 요약, 조사, 번역, 문장 다듬기, 코드. 이미 AI가 더 빠르고 때로는 더 정확한 일이 많아요. 앞으로 이 목록은 더 길어지겠죠.
그런데도 AI가 대신할 수 없는 게 남습니다
AI는 세상의 일반적인 지식을 압니다. 하지만 이 일에서 내가 무엇을 원하는지, 정확히 어떤 결과를 기대하는지는 모릅니다. 그건 정답이 있는 문제가 아니라 선택이에요. 선택을 AI가 대신해 주면, 그건 더 이상 내 선택이 아닙니다.
기억하기
AI는 답을 잘 찾습니다. 어떤 질문을 던질지, 어떤 답이 나에게 맞는지는 사람이 정합니다.
결과물에는 두 가지가 그대로 드러납니다
같은 도구를 쓰면 도구의 차이는 줄어듭니다. 그러면 남는 차이는 사람 쪽에 있어요. 제가 보기엔 두 가지가 결과물에 그대로 드러납니다.
하나
고민의 양
이 일에서 내가 뭘 원하는지, 어떤 의견과 관점을 갖고 있는지 얼마나 생각했는가
둘
일하는 과정의 촘촘함
그 생각이 결과물에 닿기까지, 맡기고 확인하고 고치는 순서를 얼마나 단단하게 짜놨는가
‘일하는 과정’이라고 하면 거창하게 들리지만 어렵지 않습니다. 무엇을 정하고 시작할지, AI가 어디까지 하게 할지, 결과를 어떻게 확인할지, 틀리면 어떻게 고칠지. 그 순서와 점검 단계 전체를 말해요.
둘 중 하나만으로는 부족합니다.
고민도 많고 과정도 촘촘할 때, 쓴 사람이 보이는 결과가 나옵니다.
좋은 생각을 갖고 있어도, AI에게 한 줄로 던지면 중간에 평균으로 끌려갑니다. 반대로 점검 단계가 아무리 촘촘해도, 애초에 정한 게 없으면 번듯한 빈 결과물이 나오고요.
제가 정리한 틀이에요
이 표는 연구 결과가 아니라 일하면서 느낀 걸 구조로 옮긴 겁니다.
03 · 정하기
AI 앞에 앉기 전에
한 줄씩 적어보세요.
“주관이 있어야 한다”는 말은 쉽지만, 막상 AI 앞에 앉으면 막막합니다. 아래 여섯 가지를 AI에게 맡기기 전에 한 줄씩 적어보세요.
복사해서 채워보세요
경험은 특히 조심해야 합니다
AI는 겪지 않은 일도 그럴듯하게 만들어 냅니다. “저도 예전에 똑같은 실수로 크게 고생한 적이 있어요”, “직접 써보니 효과가 확실했습니다” 같은 문장이 그렇게 생겨요.
읽는 사람은 진짜 경험담으로 받아들이니, 그만큼 위험합니다.
적을 게 없다면 아직 고민이 덜 된 겁니다. 이럴 때는 AI에게 글을 쓰게 하지 말고, 나에게 질문하게 하세요. AI는 생각을 대신하는 데도 쓰지만, 생각을 끌어내는 데도 아주 잘 씁니다.
04 · 촘촘한 과정
촘촘한 과정은
이런 모양입니다.
Claude Code 팀(Anthropic)은 코드의 약 90%를 Claude가 씁니다. 그만큼 AI에게 많이 맡기는 팀이 어떻게 결과물을 지키는지, 그 방법을 글로 공개했어요. (Addy Osmani 외, 2026.10)
제가 읽기엔 이 팀이 가장 공들인 건 AI에게 시키는 법이 아니라 확인하는 구조였습니다. 일곱 층으로 되어 있어요.
일곱 층이 겹쳐 있고, 앞 층이 놓친 실수는 다음 층이 잡습니다. ⑤에서는 위험이 낮으면 사람 0명, 보통이면 1명, 가장 높으면 2명이 봅니다.
여기서 가져올 만한 생각 세 가지
한 번의 관문이 아니라 여러 층입니다.
각 층은 앞 층이 놓친 걸 잡습니다.
사람의 시간은 위험한 곳에 씁니다.
위험이 낮은 변경은 사람 없이, 높을수록 사람을 더 붙입니다. 결제나 배포처럼 틀렸을 때 큰 곳에는 사람의 확인을 꼭 두는 게 좋겠죠. AI의 승인은 사람의 승인으로 치지 않고요.
사고가 나면 구조를 고칩니다.
“누가 실수했나”가 아니라 “어느 층이 잡았어야 했나”를 묻고, 지난 사고들을 모아 AI 리뷰어가 같은 실수를 놓치지 않는지 계속 시험합니다.
밤새 50번 고친 이야기
두 AI가 밤새 주고받았고, 지적의 절반 이상은 처음부터 있던 문제였습니다. (점 100개 중 59개)
원문에 이런 일화가 나옵니다. AI가 코드를 고치고 다른 AI가 리뷰하는 구조에서, 변경 하나를 두고 두 AI가 밤새 50번 넘게 주고받았습니다. 사람이 멈춰 세우고서야 끝났대요. 나중에 보니 리뷰어가 계속 짚은 문제의 59% 정도는 처음부터 있던 옛 문제였습니다.
그래서 팀은 세 번 돌아도 안 끝나면 작성자가 접근 방식부터 다시 생각하도록 했습니다. AI에게 “다시 해줘”를 세 번 했는데도 안 풀린다면, 요청을 더 다듬을 때가 아니라 기준과 방향을 다시 정할 때라는 신호예요.
팀이 바꾼 질문
원문은 “사람이 읽었는가”를 정확하지 않은 기준으로 봅니다. 대신 이렇게 묻습니다.
이 변경에서 무엇이 잘못될 수 있고, 어떤 확인이 그걸 잡아야 하는가?
목표도 분명해요. 사람의 확인 시간은 줄이되, 되돌림과 장애는 늘리지 않을 것. 아낀 시간이 나중에 수정 시간으로 돌아오면 아낀 게 아니니까요.
읽을 때 유의하세요
코드 개발 환경의 이야기이고, 수치(병합 2배 이상 증가, 되돌림 40% 이상 감소 등)는 Anthropic이 직접 밝힌 것입니다. 모든 업무에 같은 단계를 옮기자는 게 아닙니다.
가져올 건 구조의 생각이에요. 층을 나누고, 위험한 곳에 사람을 두고, 틀린 순간에서 배우는 것.
05 · 5단계
내 일에
옮기는 5단계입니다.
코드가 아니어도 같은 모양으로 설계할 수 있습니다.
다섯 단계는 한 번으로 끝나지 않고, 기록이 다음 정하기로 돌아갑니다.
주체 · AI
주체 · AI가 제시, 사람이 확인
주체 · 사람
주체 · 사람
③ 증거 받기
Claude Code 팀의 첫 층은 “끝났다”는 말을 그대로 받지 않는 것입니다. 개발이 아닌 일에도 옮길 수 있어요. 말로만 듣지 말고 이걸 받으세요.
AI가 준 출처도 직접 열어봐야 합니다. 증거가 틀렸을 수도 있어서요. 증거를 받았는데 무엇을 보라는 건지 모르겠다면, 서둘러 승인하지 마세요.
④ 확인 깊이 정하기
Claude Code 팀의 0·1·2명 구조를 일반 업무에 맞게 옮겨봤습니다. 기준은 누가 썼는지가 아니라 틀렸을 때 일어날 일입니다.
낮음
이런 일내부 메모, 아이디어 초안, 회의 정리
확인 방법AI에게 점검시킨 뒤 훑어보기
보통
이런 일외부에 공개되는 글, 고객 안내, 제품 문구
확인 방법처음부터 끝까지 읽고 사실과 출처 확인
높음
이런 일돈, 계약, 법적 내용, 고객과의 약속, 되돌리기 어려운 일
확인 방법근거 직접 확인, 시간을 두고 재검토하거나 다른 사람에게 보여주기
단계가 헷갈리면 두 가지만 물어보세요
이게 틀리면 누가 얼마나 곤란해지지?
틀렸을 때 어떻게 되돌리지?
AI가 OK해도 사람의 OK는 아닙니다. AI 둘이 서로 OK해도 마찬가지고요. 시킨 사람이 책임자입니다.
제가 옮긴 틀이에요
이 3단계는 원문의 구조(사람 0·1·2명)를 제가 일반 업무에 맞게 옮긴 것입니다. 원문에 이런 표가 그대로 있는 건 아니에요.
⑤ 기록하고 고치기
AI가 틀린 순간은 가장 값진 재료입니다. 적어두면 다음 요청문이 되거든요. 같은 지적을 자꾸 하게 된다면, 그때마다 말하지 말고 쓰는 AI 도구의 지침 기능에 규칙으로 넣어두세요. 부록 키트의 실수 노트를 쓰면 됩니다.
마지막으로 기억할 것
AI에게 일을 맡겨도,
내 생각까지 맡기지 않는 법.
AI가 좋아질수록 결과물의 차이는 도구가 아니라 쓰는 사람에게서 납니다. 무엇을 원하는지, 어떤 의견과 경험을 갖고 있는지, 그걸 결과물까지 어떻게 전달할지.
AI에게 일을 맡기는 것과 내 판단까지 맡기는 것은 다릅니다. 그 경계를 어디에 두느냐가 결국 내 결과물을 만들어요.
내가 정하지 않아서 AI가 대신 정해버린 것은 무엇일까?
오늘 바로 해볼 일
오늘 하나만 해보세요. 지금 AI와 하고 있는 일에서, 내가 정하지 않아서 AI가 대신 정해버린 것을 하나 찾아보는 겁니다.
참고 영역
필요할 때
꺼내 쓰는 자료입니다.
여기부터는 본문을 읽은 뒤, 필요한 순간에 꺼내 쓰는 자료예요. 처음부터 다 읽을 필요는 없습니다.
전체 목차
본문
참고
별도 자료
참고 A · 체크리스트
끝내기 전에
이것만 확인하세요.
시작하기 전에
AI와 작업하면서
사용하거나 내보내기 전에
참고 B · 더 읽어보기
더 읽어보기
참고한 자료
Addy Osmani, Morgan Westlee Lunt, Qing Wang · claude.dev 블로그 · 2026.10.15
이 빌더 노트는 DocuRise로 만들었어요
자료를 만들고, 공개하고, 신청이나 댓글을 받아 후속 안내까지 이어가는 일을 한곳에서 할 수 있어요.
DocuRise 알아보기 →아이린의 다른 빌더 노트 →AI와 함께 일하면서 무엇을 직접 판단해야 할지 고민하고 있다면, 이 자료의 체크리스트와 부록 키트의 요청문을 지금 하는 일에 맞게 바꿔 써보세요. AI 활용과 제품을 만들며 배운 내용을 계속 공유합니다.
아이린 | 사업하는 개발자Instagram · @stayfit_ireneinstagram.com/stayfit_irene
팔로우하기 →