AI를 쓰면 쓸수록 점점 더 확실하게 느끼는 게 있다.
똑똑함의 중심이 "답을 아는 것"에서 "무엇을 물어야 할지 정하는 것"으로 옮겨가고 있다는 점이다.
예전에는 지식을 많이 가진 사람이 강했다. 검색을 잘하는 사람, 외우고 있는 사람, 정답을 빨리 내는 사람이 좋은 평가를 받기 쉬웠다.
그런데 지금은 ChatGPT 같은 AI에게 물어보면 일반적인 지식이나 깔끔하게 정리된 답이 금방 나온다. 물론 AI의 답은 검증이 필요하지만, "어쨌든 답을 내는 것" 자체는 훨씬 쉬워졌다.
그렇다면 사람에게는 무엇이 남을까.
내 생각에는 그게 바로 "질문을 설계하는 힘"이다.
아젠다 설계란 결국 "오늘 무엇을 정할지"를 정하는 일
아젠다라는 말은 주로 회의에서 쓴다.
"오늘 안건이 뭐지", "무엇을 논의하지", "마지막에 무엇이 정해져 있어야 성공일까". 이걸 정하는 게 아젠다다.
이건 회의에만 해당하는 이야기가 아니다.
일이든, 이직이든, AI에게 하는 질문이든, 인생 고민이든 똑같다.
예를 들어 그냥 "이직하는 게 좋을까요?"라고만 물으면 답이 얄팍해진다.
그런데 이렇게 물으면 달라진다.
- 지금 회사에 남는다면, 무엇이 개선되어야 남을 가치가 있을까
- 부서를 옮긴다면, 거기서 어떤 실적을 쌓아야 할까
- 이직한다면, 연봉·재택근무·소모되는 정도·직무 중 무엇을 우선할까
- 지금 당장 움직여야 할까, 아니면 일정 기간은 실적을 쌓는 데 써야 할까
여기까지 쪼개 놓으면 AI는 그냥 점쟁이가 아니라 판단을 돕는 도구가 된다.
즉 AI를 잘 쓴다는 건 마법 같은 프롬프트를 아는 게 아니다.
내 상황, 목적, 제약, 판단 기준을 말로 풀어서 AI가 처리할 수 있는 형태로 만드는 것이다.
연구나 실무에서도 "질문 설계"는 중요하게 다뤄진다
이건 감으로만 하는 말이 아니다.
OpenAI의 프롬프트 설계 가이드는 프롬프트를 모델이 원하는 결과를 내도록 하는 "효과적인 지시"를 쓰는 일이라고 설명한다. 다시 말해 AI의 출력은 입구에서 주는 지시에 크게 좌우된다.
Google의 머신러닝 문제 정의 가이드에서도 먼저 "이상적인 결과", "모델의 목표", "필요한 출력", "성공 지표"를 정의하는 것을 중요하게 본다. AI 개발 이야기이지만, 평범한 업무에도 그대로 들어맞는다.
또 학습과 문제 해결 연구에는 "메타인지"라는 개념이 있다. 쉽게 말해 내가 무슨 생각을 하는지 한 단계 위에서 바라보는 힘이다. MIT의 교육 자료는 메타인지를 "과제, 학습 방법, 자기 자신에 대한 지식을 활용해 계획하고, 진행 상황을 점검하고, 결과를 평가하는 것"이라고 설명한다.
즉 강한 사람은 그냥 생각만 하는 게 아니다.
"지금 나는 무엇을 풀려고 하는 거지?" "이 방식으로 가고 있는 게 맞나?" "애초에 질문이 어긋나 있는 건 아닐까?"
이런 점을 살핀다.
이 힘은 AI 시대에 꽤 중요해진다.
질문을 설계할 수 있는 사람은 AI를 검색창이 아니라 가공 기계로 쓴다
AI를 써도 얄팍한 답밖에 못 얻는 사람은 AI를 구글 검색 대용으로 쓰는 경우가 많다.
"추천해 줘." "어떻게 하면 돼?" "정답이 뭐야?"
물론 이래도 어느 정도의 답은 나온다.
하지만 진짜 가치가 생기는 건 질문에 맥락을 얹었을 때다.
예를 들어 독서 습관을 들이고 싶을 때,
"독서 습관을 들이려면 어떻게 해야 해?"
보다는,
"평일에는 일 때문에 지쳐서 밤에 자꾸 스마트폰만 보게 돼. 작심삼일로 끝나기 쉬운 내가 우선 10분만이라도 책을 읽는 걸 이어가려면, 어떤 환경 설계와 규칙이 효과적일까?"
라고 묻는 편이 답이 단번에 쓸 만해진다.
이건 AI 성능의 차이라기보다 내가 던진 질문의 차이다.
내 상황을 말로 풀고, 제약을 내놓고, 목표를 두고, 원하는 출력 형식까지 지정한다.
이 시점에서 이미 문제 해결의 절반쯤은 시작된 셈이다.
내가 이걸 할 수 있는 이유는 아마 "모호한 환경에서 타 버린 경험" 덕분
나는 어떻게 질문 설계를 할 수 있게 됐을까.
아마 타고난 성격만의 문제는 아닐 것이다.
크게 작용한 건 모호한 환경에서 호되게 당해 본 경험이라고 생각한다.
목적이 모호하다. 누가 판단하는지 모른다. 완성 기준이 보이지 않는다. 나중에 "그런 뜻이 아니었는데"라는 말을 듣는다. 책임 범위가 흐릿하다. 분위기나 태도로 평가받는다.
이런 환경에서는 곧바로 작업에 뛰어들면 타 버린다.
그래서 자연스럽게 먼저 확인하게 된다.
- 목적은 무엇인가
- 누가 판단하는가
- 언제까지 필요한가
- 최소한 어디까지 하면 되는가
- 우선순위는 무엇인가
- 안 해도 되는 건 무엇인가
- 완성 기준은 무엇인가
이건 세련된 비즈니스 스킬이라기보다 생존 전략이었다.
작업 전에 논점을 정의하지 않으면 내가 깎여 나간다. 그래서 방어 기술로서 아젠다 설계가 단련됐다.
"위화감"을 그냥 넘기지 못하는 사람은 질문을 만들기 쉽다
또 하나 크게 작용한 건 위화감을 그냥 두지 못한다는 점이다.
"뭔가 이상하지 않아?"에서 끝나지 않고,
- 무엇이 이상한지
- 어떤 전제가 어긋났는지
- 누구의 책임이 뒤섞여 있는지
- 무엇을 정하면 앞으로 나아갈 수 있는지
- 이건 감정의 문제인지, 구조의 문제인지
까지 쪼개 보고 싶어진다.
이 습관은 피곤하다.
하지만 AI와는 궁합이 아주 좋다.
AI는 맥락과 조건을 많이 줄수록 강해지기 때문이다.
"이거 어떻게 생각해?"만 던지는 게 아니라,
"이 전제로" "이 제약 안에서" "이 목적이라면" "논점을 나눠서" "최소한의 구성으로" "면접용으로" "마크다운 형식으로" "Codex에게 줄 지시문으로"
이렇게 건넬 수 있는 사람은 AI를 단순한 답변 기계가 아니라 사고를 가공하는 기계로 쓸 수 있다.
질문을 만들 수 있는 사람의 부작용: "질문이 너무 많다"
다만 질문을 만들 수 있다는 건 부작용도 있다.
질문을 못 만드는 사람은 무엇을 생각해야 할지 몰라서 멈춘다.
반대로 질문을 너무 잘 만드는 사람은 질문이 너무 늘어나서 멈춘다.
예를 들어 일 고민을 하다 보면,
- 지금 회사에 남아야 할까
- 부서 이동으로 무엇을 얻어야 할까
- 이직한다면 어떤 직무로 갈까
- 지금의 피로는 일시적일까, 구조적일까
- 연봉과 자유 중 무엇을 우선할까
- 앞으로의 자산 형성과 어떻게 이어질까
- 애초에 인생에서 무엇을 지키고 싶은 걸까
까지 한꺼번에 번진다.
이것도 능력이긴 하다.
하지만 지쳤을 때 전부를 동시에 처리하려 하면 머리가 멈춘다.
그래서 질문을 만들 수 있는 사람에게 필요한 건 더 많이 묻는 힘이 아니다.
"지금은 묻지 않아도 되는 질문"을 버리는 힘이다.
앞으로 필요한 건 질문을 4가지로 나누는 것
질문이 계속 쏟아지는 사람은 전부를 같은 무게로 다루지 않는 편이 좋다.
나는 다음 4가지로 나누니 훨씬 정리하기 쉬웠다.
1. 지금 정할 질문
오늘의 행동과 관련된 질문.
예: 내일까지 무엇을 제출할까. 이번 주에 지원할까. 오늘은 잘까, 작업할까.
이건 처리한다.
2. 나중에 생각할 질문
중요하지만 당장 결론을 내지 않아도 되는 질문.
예: 몇 달 뒤의 커리어, 결혼관, 자산 형성의 큰 방향.
이건 메모로 빼 둔다.
3. 생각해 봐야 별 의미 없는 질문
상대의 속마음, 과거의 갈림길, 완벽한 정답 같은 것.
생각하면 배우는 게 조금은 있어도 지금의 행동으로는 이어지기 어렵다.
이건 오래 붙잡지 않는다.
4. 자는 편이 나은 질문
밤에 떠오르는 무거운 질문.
피로, 공복, 외로움, 분노, 불안 때문에 부풀려진 질문은 다음 날 아침이면 꽤 작아지곤 한다.
이건 분석이 아니라 잠으로 넘긴다.
AI 시대의 강함은 "정답을 내는 힘"이 아니라 "문제를 다듬는 힘"
AI 시대에 사람이 AI와 경쟁하려 들면 힘들다.
지식의 양, 속도, 망라하는 범위에서는 AI를 이기기 어렵다.
하지만 AI를 쓰는 쪽에 선다면 이야기가 달라진다.
필요한 건 멋진 말로 명령하는 게 아니다.
내 상황을 정리하고, 목적을 두고, 제약을 내놓고, 판단 기준을 만들고, 출력 형식을 지정하는 것.
즉 문제를 다듬는 힘이다.
"답을 내는 사람"보다 "무엇을 물어야 할지 정할 수 있는 사람".
"모범답안을 가진 사람"보다 "지금 이 자리에서 무엇을 정하면 앞으로 나아갈 수 있는지 말로 꺼낼 수 있는 사람".
이 힘은 AI가 똑똑해질수록 가치가 커진다.
질문이 빈약하면 답도 빈약해진다.
질문이 구체적이면 AI는 꽤 든든한 파트너가 된다.
그러니 앞으로 키워야 할 건 단순한 프롬프트 기술이 아니다.
내 현실을 바라보고, 질문을 세우고, 필요하면 질문을 버리는 힘이다.
아젠다를 만들 수 있는 사람은 AI 시대에도 꽤 강하다.
다만 너무 많이 만드는 사람은 마지막에 이렇게 다시 물어보는 게 좋다.
"그래서 지금 이 순간 정해야 할 질문은 어느 것이지?"
그 한 가지 질문으로 돌아올 수 있다면, 생각은 제대로 앞으로 나아간다.
내부 링크 후보
- 일이 힘든 원인은 "작업량"보다 "불분명한 목적"과 "뒤늦은 번복"에 있다
- 이직할지 고민될 때는 먼저 "남을 조건"을 정의하자
- AI를 써도 성과가 안 나는 사람은 프롬프트가 아니라 전제 정리에서 막혀 있다
- 곱씹기가 멈추지 않을 때는 생각할 질문과 자는 편이 나은 질문을 나누자
- 서른 전후 인생의 갈림길에 필요한 건 정답 찾기보다 판단 기준 만들기
관련 글 제안
- "질문이 너무 많아 지치는 사람에게: 생각을 4가지로 나누기만 해도 꽤 편해진다"
- "AI 시대의 일하는 법: ChatGPT에 묻기 전에 정해야 할 5가지"
- "모호한 지시에 깎여 나가지 않기 위한 요건 정의 메모"
- "메타인지란 무엇인가: 내 생각을 한 단계 위에서 바라보는 힘"
- "이직·이동·현직 유지 사이에서 고민될 때의 아젠다 설계"
참고·출처 메모
- OpenAI API Docs, “Prompt engineering”
https://developers.openai.com/api/docs/guides/prompt-engineering - OpenAI Cookbook, “GPT-5 prompting guide”
https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide - Google for Developers, “Framing an ML problem”
https://developers.google.com/machine-learning/problem-framing/ml-framing - MIT Teaching + Learning Lab, “Metacognition”
https://tll.mit.edu/teaching-resources/how-people-learn/metacognition/ - Harvard Business Review, “AI Prompt Engineering Isn’t the Future”
https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future - García et al. (2014), “The effects of question-generation training on metacognitive knowledge, self regulation and learning approaches in Science”
https://pubmed.ncbi.nlm.nih.gov/25069559/
공개 시 메모
- 직장 고유명사, 인물 이름, 구체적인 사내 사정은 넣지 않았으므로 공개하기 쉽다.
- 다만 "모호한 환경에서 호되게 당했다"는 부분은 자기 이야기가 다소 강하므로, 이직 활동 중에 공개한다면 더 일반화해도 좋다.
- SEO 진입 키워드는 "AI 시대 똑똑함", "질문을 세우는 힘", "ChatGPT 잘 쓰는 사람 차이", "아젠다 설계" 정도.
- 초안 작성일: 2026-07-01
