콘텐츠 전문가에게 AI에 대해 무엇이 걱정되는지 물어본다면, 그 대답은 기술에 관한 것인 경우는 드뭅니다. 그것은 기술 그 자체가 여전히 자리를 잡을 수 있을지에 대한 문제입니다. 기술(Craft)은 두 갈래로 나뉘고 있으며, 이 분리는 어떤 모델을 사용하는지와는 거의 관련이 없습니다. 그것은 당신이 애초에 왜 글을 쓰고 있었는지와 관련이 있습니다.

AI와 콘텐츠에 관한 대부분의 논쟁은 도구 계층(Tool layer)에서 정체됩니다. 어떤 모델이 가장 좋은지, 어떤 프롬프트 템플릿(Prompt template)이 승리하는지, 어떻게 "AI 말투"를 이겨낼 것인지와 같은 것들 말입니다. 그러한 논쟁들은 더 유용한 질문을 놓치는 경향이 있습니다: 글쓰기의 목적은 무엇인가? 작업, 프로세스, 그리고 도구는 모두 그 하나의 답변에서 파생됩니다. 거기서부터 시작하면 나머지는 읽기가 더 쉬워집니다.

이 기사에서는:

• 도구가 아닌, 당신의 글쓰기 동기가 왜 AI의 한계치를 결정하는지
• 범용 콘텐츠(Commodity content)부터 새로운 통찰력(Novel insight)까지의 품질 스펙트럼, 그리고 무엇이 먼저 범용화되는지
• 시스템이 성숙함에 따라 작가들이 걷게 되는 8단계 진화 경로
• 유화에서 사진으로의 전환, 그리고 이것이 왜 위협이 아닌 유용한 평행 이론인지
• 생산 작업이 시스템으로 이동할 때 작가들은 무엇이 되는지
• AI 슬롭(Slop), SEO 리스크, 자신의 단계 파악하기, 그리고 실제 파이프라인(Pipeline)의 모습에 대한 FAQ

A writer at a desk with a warm, grounded holographic AI interface visible on a screen, working together creatively, glowing seeds of ideas.

당신이 글을 쓰는 이유가 AI를 사용하는 방식을 결정한다

콘텐츠 전문가들과 함께 앉아 있으면 동기들이 빠르게 드러납니다.

• 어떤 이들은 지식을 공유하기 위해 그 자리에 있습니다.
• 어떤 이들은 주제에 대해 글을 쓰면서 그 주제를 마스터하고 있습니다.
• 어떤 이들은 자신과 팀, 그리고 회사를 위해 권위(Authority)를 구축하고 있습니다.
• 어떤 이들은 검색 트래픽을 쫓거나, 그보다 더 최신 격인 AI 추천 가시성(AI recommendation visibility)을 쫓습니다.
• 어떤 이들은 글을 쓰는 행위 자체가 작업이기 때문에 글을 씁니다. 마치 화가가 그림 속에 존재하는 방식과 같습니다.
• 어떤 이들은 즐거움을 주고 싶어 합니다.
• 어떤 이들은 차별화를 원하며, 다른 누구도 아닌 자신처럼 들리기를 원합니다.

이러한 차이점들은 단순한 미묘한 차이가 아닙니다. 그것들은 하부의 전체 스택 (stack)을 관통하여 작동합니다. 만약 당신의 동기가 권위와 트래픽이라면, 즉 회사가 인용되기를 원하고 검색 엔진 (search engine)과 AI 엔진이 당신을 지목하기를 원한다면, 당신은 결국 당신의 개인적인 시간을 최대한 적게 소모하는 시스템으로 수렴하게 될 것입니다. 당신은 쓰기 위해 쓰는 것이 아닙니다. 당신은 검색 엔진 결과 페이지 (SERP)와 추천 엔진 (recommendation engine)에서 승리할 수 있는 빈도와 품질로 게시하기 위해 쓰는 것입니다. 생산을 위임하는 것이 합리적인 종착점입니다.

만약 당신의 동기가 숙련 (mastery), 또는 창작 과정 그 자체라면, 당신은 반대 방향으로 움직일 것입니다. 당신은 자동화할 수 있는 상황에서도 키보드 위에 손을 올려두고 있을 것입니다. 핵심은 결과물 (artifact)이 아닙니다. 핵심은 그 결과물을 쓰는 행위가 당신의 사고에 미치는 영향입니다. 여기서 자동화는 시간을 아껴주는 것이 아니라, 당신이 얻고자 했던 바로 그 과정을 건너뛰게 만듭니다.

작가들은 종종 이러한 동기들을 동시에 지니고 있으며, 이것이 AI에 관한 논의가 혼란스러워지는 이유 중 일부입니다. 제품을 문서화하면서 동시에 자신의 명성을 쌓아가는 기술 작가 (technical writer)는 서로 다른 방향으로 끌어당기는 두 가지 동기를 가지고 있습니다. 첫 번째는 전체 시스템 생산의 후보가 될 수 있습니다. 두 번째는 그렇지 않으며, 아마도 그래서는 안 될 것입니다. 가장 짧게 요약하자면 이렇습니다: 동기가 방향을 설정하고, 프로세스 (process)는 동기의 하류에 있으며, 도구 (tools)는 프로세스의 하류에 있습니다. 도구를 먼저 선택하는 것은 잘못된 순서입니다. 또한 그것은 가장 흔한 실수이기도 합니다.

품질 스펙트럼: 범용적 콘텐츠에서 새로운 통찰까지

당신이 무엇을 위해 글을 쓰는지 알게 되었다면, 그다음으로 유용한 질문은 작업물이 어떤 품질 계층에 속해 있는가 하는 것입니다. 콘텐츠는 한쪽 끝에는 범용적 콘텐츠 (commodity), 다른 쪽 끝에는 새로운 통찰 (novel insight)이 있는 스펙트럼 상에 존재합니다. 새로운 통찰에 가까워질수록 범용화하기가 더 어려워집니다. 범용적 콘텐츠에 가까워질수록 AI 시스템이 따라잡는 속도는 더 빨라집니다.

대략 네 가지 단계가 있습니다:

• 범용 콘텐츠 (Commodity content). 웹에서 사라지더라도 세상이 아무런 손실을 입지 않고 다른 사이트의 다른 페이지들이 그 자리를 채울 수 있는 자료입니다. "소상공인을 위한 Top 10 CRM"과 같은 정의적인 포스트나 재진술된 산업 통계 등이 이에 해당합니다. 조사 워크플로우 (research workflow)를 가진 사람이라면 누구나 생산할 수 있습니다.
• 새로운 프레이밍 (Novel framing). 근본적인 조사 내용은 새롭지 않지만, 그것을 배열하거나 대조하거나, 혹은 당신이 발견한 것에 이름을 붙이는 방식이 새로운 경우입니다. 공개된 데이터 위에 구축된 새로운 사고 모델 (mental model)입니다.
• 새로운 조사 (Novel research). 다른 누구도 수행하지 않은 작업입니다. 연구, 분석 (teardown), 실험, 또는 데이터 세트 (data set) 등이 해당합니다. 당신이 직접 수행했기 때문에 존재하는 조사입니다.
• 새로운 통찰 (Novel insight). 독자가 다른 어디에서도 얻을 수 없는 세상에 대한 해석입니다. 이는 당신만의 특정한 위치, 이력, 그리고 접근 권한에서 비롯되기 때문입니다. 가장 흉내 내기 어려운 영역입니다.

이 스펙트럼은 도덕적인 의미에서의 품질 순위가 아닙니다. 범용 콘텐츠는 기초를 가르치거나 직접 답변형 검색 (direct-answer search)에 기여하는 등 나름의 용도가 있습니다. 이는 각 단계가 AI 시스템에 의한 범용화 (commoditization)에 얼마나 노출되어 있는지를 나타내는 순위입니다. Merriam-Webster의 2025년 올해의 단어는 "슬롭 (slop)"이었으며, 이는 인공지능을 통해 대량으로 생산되는 저품질 디지털 콘텐츠로 정의됩니다. 우리가 보기에 슬롭에 대한 논쟁은 사실 범용 콘텐츠에 대한 논쟁입니다. AI 시스템은 이제 과거에 작가들이 했던 것보다 더 빠르고 저렴하게 이를 생산하고 있습니다. 바로 그 지점에서 대체가 일어납니다. 스펙트럼의 상위 단계로 올라가면 양상은 달라집니다.

범용적인 작업의 경우, AI가 작가를 대체하는 이유는 작가가 특별해서가 아닙니다. 결과물이 대체 가능했기 때문에 AI가 작가를 대체하는 것입니다. 경제적 하한선이 내려가고 있습니다. 범용 콘텐츠 분야에서 수작업을 통해 시스템과 경쟁하려는 사람은 잘못된 경주를 하고 있는 것입니다.

새로운 프레이밍 (novel framing), 새로운 연구 (novel research), 그리고 새로운 통찰 (novel insight)을 위해서는 AI가 작가를 대체하기보다는 확장하는 경향이 있습니다. 시스템은 더 넓은 범위로 연구망을 가동하고, 구조적 스캐폴딩 (structural scaffolding)을 초안하며, 반론을 표면화할 수 있으며, 작가의 주의력을 진정으로 작가 자신의 영역인 부분, 즉 관점 (angle), 연결 (connection), 상황에 대한 해석 (read of the situation)에 집중할 수 있도록 해줍니다. 그러한 작업은 저렴해지지 않습니다. 오히려 주변의 범용 콘텐츠 (commodity) 계층이 합성 대체물 (synthetic substitutes)로 채워지기 때문에, 그 가치는 종종 더 높아집니다.

Quality spectrum diagram showing Commodity, Novel Framing, Novel Research, Novel Insight.

AI와 함께하는 글쓰기의 8단계

이에 대해 솔직한 작가들은 시중에 떠도는 4단계 성숙도 모델보다 더 긴 진화 경로의 어딘가에 자신이 있음을 발견합니다. Amplience의 4A 모델인 보조 (assistant)에서 증강 (augmentation), 자동화 (automation), 그리고 에이전트형 (agentic)으로 이어지는 모델은 동일한 궤적을 깔끔하게 공개적으로 프레이밍한 것입니다. 이는 특히 커머스 콘텐츠 팀에게 유용합니다. 아래의 경로는 더 세밀하게 나누어져 있는데, 이는 작가를 경로 위로 끌어올리는 실패와 돌파구가 보통 4단계 모델의 단일 "단계" 안에 머물 수 있을 만큼 작은 단계들로 일어나기 때문입니다.

경로:

• 모든 것을 직접 손으로 씁니다. AI는 당신의 워크플로우(workflow) 밖에 다른 곳에 존재합니다.
• AI를 사고의 파트너(thinking partner)로 사용합니다. 브레인스토밍(brainstorming), 초안에 대한 반론 제기, 질문 던지기, 내용 재구성 지원 등을 수행합니다. 글쓰기는 여전히 당신의 몫입니다.
• AI를 사용하여 글을 쓰지만, 목소리(voice)가 어긋납니다. 사람들을 매료시키는 단계입니다. 초안은 빠르게 생성되지만, 챗봇(chatbot)이 쓴 것처럼 읽힙니다. 프롬프트(prompt)를 영원히 반복 수정하거나, 좌절하여 포기하게 됩니다.
• 자신의 목소리를 맞추는 법을 배우지만, 이제 출처가 환각(hallucination)을 일으킵니다. 결과물은 당신처럼 들리지만, 존재하지 않는 통계, 인용구, 인용 문헌을 포함합니다. 4단계는 단순히 프롬프트가 아닌 시스템(systems)에 대해 처음으로 고민해야 하는 시점입니다.
• 출처를 근거화(grounding)하는 법을 배우고, 새로운 연구를 위해 AI를 사용하기 시작합니다. 검색(Retrieval), 검증(validation), 인용 확인(citation checking)을 수행합니다. 이제 시스템은 처음부터 다시 쓸 필요 없이 바로 발행할 수 있는 결과물을 만들어냅니다.
• 단순한 보조를 넘어, 연구가 주제 선정까지 주도합니다. 당신의 입력 파이프라인(input pipelines), 검색 트렌드, 자체 분석 데이터, 고객 신호(customer signals)가 글쓰기 전 단계의 상류(upstream)에서 시스템에 공급됩니다. 시스템은 당신이 요청하기 전에 무엇을 쓸지 제안합니다.
• 당신의 목소리 자체로 모델을 학습시킵니다. 파인튜닝(Fine-tuning)을 하거나, 범용 모델(general-purpose model)이 기본적으로 생성할 수 없는 어조(register)로 초안을 작성할 수 있을 만큼 당신의 이전 작업물을 충분히 학습한 소형 모델(small model)을 사용합니다. 목소리에 대한 문제는 매 초안마다 싸워야 하는 문제가 되지 않습니다.
• 시스템이 당신을 인터뷰하거나, 필요한 대상에게 인터뷰를 진행합니다. 병목 현상은 더 이상 "AI가 당신이 쓸 법한 내용을 쓰게 만드는 것"이 아닙니다. 대신 "당신이나 전문가, 혹은 고객과 같은 출처로부터 그들이 실제로 알고 있는 것을 끌어내는 것"이 병목이 되며, 시스템은 이를 포착하여 결과물로 만들어냅니다.

현재 출판되는 대부분의 콘텐츠는 2단계와 5단계 사이의 어딘가에서 제작되고 있으며, 더 야심 찬 운영 방식은 6단계까지 확장됩니다. 우리가 흔히 목격하는 패턴은 3단계에 머물러 있는 대부분의 작가들이 더 나은 프롬프트 (prompts), 더 나은 페르소나 (personas), 더 나은 지침 (instructions)을 사용하여 영원히 3단계의 문제들을 해결하려고 시도한다는 것입니다. 진정한 움직임은 옆으로 이동하는 것이 아니라 보통 위로 이동하는 것입니다. 만약 목소리 (voice)가 계속 잘못 나온다면, 그 해답은 더 똑똑한 프롬프트가 아닙니다. 그것은 초안 작성 (drafting)과는 별개의 관심사로 목소리를 처리하는 구조화된 파이프라인 (structured pipeline)입니다. 이것이 3단계의 문제에 적용된 5단계의 사고방식입니다. 3단계의 문제들은 3단계에서 해결되지 않습니다. 당신이 단계(stage)를 옮길 때 비로소 그 문제들은 해소됩니다.

A professional content strategist thoughtfully reviewing architectural workflow diagrams on a modern display.

유화에서 사진으로의 전환

사람들이 흔히 인용하는 역사적 평행 이론은 사진이 초상화를 죽였다는 것입니다. 실제 기록은 더 흥미롭습니다.

역사학자 한스 루스붐 (Hans Rooseboom)은 19세기 네덜란드 화가들을 조사하며, 카메라에 의해 일자리를 잃은 화가에 대한 보고를 단 한 건만 발견했습니다. 그는 또한 예술적 부흥, 초상화 작업의 재기, 그리고 사진을 부업이나 참조 보조 도구, 또는 판매를 위해 자신의 작품을 복제하는 수단으로 사용한 화가들에 대한 보고도 발견했습니다. "사진이 회화를 죽였다"라는 프레임은 데이터와 접촉했을 때 살아남지 못합니다. 실제로 일어난 일은 다음과 같습니다. 사진은 빠르고 저렴하게 닮은 모습을 포착하는 사진 특유의 강점을 발휘했고, 회화는 회화가 잘하는 영역을 유지했습니다. 그런데 회화의 본질은 애초에 닮은 모습을 포착하는 것이 아니었습니다.

여기서도 동일한 패턴이 나타날 수 있습니다. 적당히 닮은 모습을 구현하는 글쓰기 버전인 범용 콘텐츠 (Commodity content)가 시스템의 영역으로 넘어가고 있습니다. 이것이 바로 사진의 비유가 적용되는 지점입니다. 단순히 닮은 모습을 포착하는 것 그 이상이었던 작업들, 즉 참신한 프레이밍 (Framing), 독창적인 연구 (Original research), 그리고 특정 순간 특정 위치에 존재함으로써 얻을 수 있는 통찰력 (Insight)은 작가에게 남습니다. 매우 빈번하게, 작가의 주의력이 더 이상 '범용화 (Commodification)'에 의해 잠식되지 않기 때문에 이러한 작업들은 더욱 날카로워집니다.

사진 또한 이전에는 존재하지 않았던 완전히 새로운 직업인 사진작가를 탄생시켰습니다. 콘텐츠 작성의 미래도 이와 같은 형태를 띱니다. 콘텐츠를 생산하는 시스템을 구축하고 운영하는 사람은 작가, 정보 설계자 (Information architect), 그리고 운영자 (Operator) 사이의 어딘가에 위치하는 새로운 역할입니다. 아직 이를 명확하게 정의하는 직함은 없습니다. 가장 유사한 비유는 저녁 식사를 요리하는 것과 주방을 운영하는 것의 차이입니다. 둘 다 음식과 관련이 있지만, 오직 하나만이 확장 가능 (Scales)합니다.