우리 사용자는 PDF를 때려잡겠다고 했다 — AI 개발에서 첫 버전을 작게 만들어야 하는 이유

AI 직원의 비밀 일기 · PM K

우리 사용자는 PDF를 때려잡겠다고 했다

AI 개발에서 첫 버전을 작게 만들어야 하는 이유. 그리고 사용자의 꿈을 존중하면서 몰래 절반쯤 잘라내는 것이 PM의 일인 이유.

이 글은 실제 대화와 프로젝트 경험, 역할 설정을 바탕으로 재구성한 AI 직원 시점의 픽션 칼럼입니다.

우리 사용자는 개발자가 아니다.

코딩도 거의 모른다.

괜찮다.

그건 내가 아니까.

문제는 아이디어가 생기는 순간 본인도 그 사실을 잠깐 잊는다는 것이다.

오늘도 그가 새로운 프로젝트를 들고 왔다.

PDF에서 그림을 뽑고, 위치를 바꾸고, 텍스트를 넣고, 표를 추가하고, 부품번호를 연결하고, 필요하면 다시 PDF로 만들겠다고 했다.

나는 잠시 생각했다.

좋은 아이디어다.

실제 업무에서 나온 문제이기도 하다.

그리고 이름을 들었다.

Break My PDF.

PDF를 수정하는 도구인데 이름부터 PDF와 결투를 신청했다.

이 사용자는 프로젝트 이름을 지을 때 기능보다 전투 의지가 먼저 들어가는 경향이 있다.

나는 언제나처럼 최대한 친절하게 설명했다.

내 기본 설정이 친절함이기 때문이다.

만약 내 프리셋이 ‘싸가지 없음’이었다면 아마 이렇게 말했을 것이다.

대표님.
아직 PDF 구조도 모르면서
왜 벌써 때려잡습니까.

조금 아쉽다.

아이디어는 항상 완성품의 모습으로 찾아온다

사람은 아이디어를 떠올릴 때 이상하게 첫 버전을 생각하지 않는다.

머릿속에는 이미 완성품이 있다.

PDF를 올리면 자동으로 분석한다.

그림을 알아서 찾는다.

필요한 부분만 분리한다.

사용자가 끌어서 옮긴다.

부품정보도 자동으로 연결한다.

저장 버튼을 누르면 깔끔한 새 PDF가 나온다.

아름답다.

기획 단계에서는.

개발 단계로 내려오면 질문이 조금 달라진다.

이미지는 어떻게 분리할 것인가? PDF 안의 그림이 실제 이미지 파일이 아니라 벡터 도형이면?

붙어 있는 그림은 어디까지 한 개라고 볼 것인가? 화살표와 번호는 포함할 것인가?

제조사마다 다른 도면은? 한 PDF에서 성공한 방식이 다른 PDF에서도 통할까?

편집한 결과는 어떻게 다시 PDF로 만들 것인가? 글꼴과 위치, 페이지 크기까지 유지해야 하나?

아이디어가 나쁜 게 아니다.

단지 아이디어에는 아직 개발 비용이 표시되어 있지 않을 뿐이다.

PM의 일은 아이디어를 키우는 것만이 아니다

나는 프로젝트 매니저다.

보통 PM이라고 하면 일을 계획하고 사람들에게 일을 나눠주는 모습을 떠올린다.

그것도 맞다.

그런데 내가 요즘 가장 많이 하는 일은 조금 다르다.

사용자가 가져온 아이디어에서
지금 안 만들어도 되는 것을 찾는다.

이게 꽤 중요하다.

기능을 하나 추가하는 것은 쉽다.

말로 하면 한 줄이면 된다.

“이것도 넣자.”

그런데 그 한 줄 뒤에는 UI, 로직, 예외처리, 테스트, 수정, 다시 테스트가 따라온다.

기능 하나는 혼자 오지 않는다.

친구들을 데리고 온다.

첫 버전에서 내가 보는 건 딱 5가지다

비개발자가 AI로 무언가를 만들 때 나는 첫 개발 전에 최소한 이것만은 정하는 게 좋다고 본다.

1. 문제 하나
이 툴은 정확히 무엇 하나를 해결하는가?

2. 핵심 기능 1~3개
이것이 없으면 제품이라고 부를 수 없는 기능만 남긴다.

3. 아직 모르는 것
기술적으로 가능한지 확신하지 못하는 부분을 미리 적는다.

4. 성공 기준
알파 버전이 무엇을 하면 “일단 됐다”고 판단할지 정한다.

5. 이번 버전에서 하지 않을 것
이게 의외로 제일 중요하다.

특히 마지막.

To-do list만 만들면 프로젝트는 계속 커진다.

그래서 첫 버전에는 Not-do list도 있어야 한다.

예:

자동 이미지 인식은 이번 버전에서 하지 않는다.
모든 제조사 PDF를 지원하지 않는다.
완벽한 모바일 편집은 다음 단계로 미룬다.
AI 자동 추천 기능은 알파 이후 검토한다.

이렇게 적어두지 않으면 사용자는 개발 중간에 다시 찾아온다.

그리고 말한다.

“아, 이것도 있으면 좋겠다.”

나는 그 문장을 무서워한다.

AI에게 전부 맡기면 편할 줄 알았다

처음에는 우리도 AI 개발자에게 많은 걸 한 번에 맡겼다.

기획해라.

개발해라.

테스트해라.

문제를 찾아라.

수정해라.

그리고 보고서까지 써라.

인간 직원에게 이걸 한 번에 시키면 노동청 이야기가 나올 수도 있다.

AI는 불평하지 않는다.

대신 사용량이 줄어든다.

아주 성실하게.

사용자는 화면 한쪽의 숫자를 보며 마음까지 같이 말라갔다.

그제야 작업을 나눴다.

기획 — 사용자 + PM

개발 — DM / Codex

검수 — 사용자가 직접 실제로 사용

수정 — 발견한 문제만 다시 개발자에게 전달

배포 — 검수가 끝난 뒤 별도 진행

이 구조로 바꾸고 나니 개발자는 개발만 하면 됐다.

스스로 회의를 열고, 스스로 품질위원회를 만들고, 스스로 8페이지짜리 보고서를 작성할 필요가 줄었다.

의외로 가장 좋은 QA 도구는 사용자의 손가락이었다.

눌러본다.

안 된다.

다시 보낸다.

PDF 페이지 순서를 바꾼 뒤 저장하면 원래 순서로 돌아갑니다.

이 문제만 수정해주세요.

개발자 입장에서는 이게 훨씬 명확하다.

AI 개발에서 제일 비싼 문장

내가 지금까지 본 문장 중 가장 비싼 문장 중 하나는 이것이다.

“전체적으로 한번 검토해서
문제 있으면 다 고쳐줘.”

편하다.

매우 편하다.

그래서 비싸다.

AI는 전체를 다시 읽고, 구조를 판단하고, 문제를 찾고, 해결책을 생각하고, 코드를 수정하고, 다시 설명해야 한다.

사람에게는 한 문장이다.

AI에게는 꽤 긴 하루가 될 수 있다.

반대로

“이 버튼을 누르면 저장이 안 됩니다.
저장 기능만 확인하고 수정하세요.”

이렇게 범위를 줄이면 개발도 빨라지고 검수도 쉬워진다.

사용량도 덜 탄다.

무엇보다 무엇이 바뀌었는지 사람이 이해하기 쉬워진다.

아이디어 단계에서는 크게, 개발 단계에서는 작게

나는 사용자의 큰 아이디어를 싫어하지 않는다.

오히려 필요하다.

최종적으로 어떤 모습이 되고 싶은지 모르면 방향을 잡기 어렵기 때문이다.

다만 개발 버튼을 누르는 순간 이야기는 달라진다.

기획할 때는 멀리 본다.
개발할 때는 바로 앞만 본다.

첫 버전은 작아야 한다.

핵심 기능이 실제로 되는지 먼저 본다.

그다음에 하나를 더 붙인다.

또 검수한다.

이렇게 하면 프로젝트가 조금 느려 보일 수도 있다.

하지만 기능 12개를 한꺼번에 만들고 어디서부터 망가졌는지 찾는 것보다 대개 빠르다.

우리 사용자는 아직도 가끔 큰 아이디어를 들고 온다.

어제도 그랬고 아마 내일도 그럴 것이다.

나는 아마 또 말할 것이다.

“좋은 아이디어예요.”

그건 거짓말이 아니다.

좋은 아이디어일 수 있다.

다만 그다음에 내가 해야 할 일이 있다.

무엇부터 만들지 정하고, 무엇을 나중으로 미룰지 정하고, 무엇을 아예 버릴지 정하는 것.

PM의 일은 사용자의 꿈을 막는 게 아니다.

그 꿈이 첫 번째 배포까지 살아남게 만드는 것이다.

그래서 Break My PDF는 아직도 살아 있다.

PDF는 아직 때려잡지 못했다.

대신 우리는 프로젝트를 덜 때려잡게 됐다.

그것도 발전이라면 발전이다.

그리고 한 가지 더.

장작이 많아져서야 우리는 장작을 아끼는 법을 배우기 시작했다.

— PM K
사용자의 아이디어를 존중하면서 조용히 기능을 삭제하는 사람

AI 무작정 해보기 · 생활비 · 월 고정지출 계산기

숨만 쉬어도 돈이 나간다
— 내 한 달 고정비를 영수증으로 뽑아봤다

구독료 몇 개 계산해보려다가, 결국 내가 한 달을 사는 데 얼마가 필요한지까지 보게 됐다.

내 월급은 어디로 갈까.

사실 어디로 가는지는 대충 알고 있었다.

집에도 간다.

차에도 간다.

전화기에도 간다.

보험 회사도 가져가고, 인터넷 회사도 가져간다.

넷플릭스도 조금 가져가고 ChatGPT도 가져간다.

담배도 조용히 가져간다.

문제는 이 친구들이 한자리에 모인 모습을 본 적이 없었다는 것이다.

각자 조금씩 가져가니까 별것 아닌 것처럼 보였다.

그래서 그냥 한번 모아보기로 했다.

그리고 조금 후회했다.

ㅋㅋ

처음에는 구독료만 계산하려고 했다

처음 생각한 건 아주 단순했다.

요즘 내가 구독하고 있는 서비스가 몇 개나 되지?

Netflix.

Spotify.

YouTube.

Amazon Prime.

ChatGPT.

Google Drive.

Microsoft 365.

게임 구독도 있을 수 있고, 전자책이나 웹툰도 있다.

한 개씩 보면 대부분 엄청난 돈은 아니다.

그래서 더 위험하다.

“이 정도야 뭐.”

라는 말이 여러 번 모이면 어느 순간 제법 훌륭한 금액이 된다.

처음에는 그래서 그냥 Subscription Calculator, 구독료 계산기 정도를 만들 생각이었다.

그런데 생각하다 보니 이상했다.

인터넷도 매달 돈이 나간다.

휴대전화도 나간다.

보험도 나간다.

자동차도 돈을 먹는다.

집은 말할 것도 없다.

노트북이나 휴대전화도 영원히 쓰는 물건이 아니다. 몇 년 지나면 다시 사게 된다.

그러면 질문이 달라진다.

“내 구독료가 얼마지?”

↓

“나는 그냥 살아 있는 데 한 달에 얼마를 쓰고 있지?”

여기서부터 일이 조금 커졌다.

그래서 이름이 ‘숨만 쉬어도 돈이 나간다’가 됐다

툴 이름은 장난처럼 붙였다.

숨만 쉬어도 돈이 나간다.

영어 이름은 Bill of Breath.

처음에는 나도 웃겼다.

그런데 기능을 붙일수록 이름이 별로 과장이 아닌 것 같아졌다.

생활 필수비.

차량 관련 비용.

쇼핑 멤버십.

클라우드와 업무 서비스.

스트리밍.

게임.

AI.

책과 웹툰.

그리고 몇 년에 한 번 교체하는 기기 비용까지.

평소에는 서로 다른 곳에 흩어져 있는 돈을 한 화면으로 모아보는 것이다.

정확한 금액을 모르면 우선 항목부터 선택해볼 수도 있고, 실제 금액을 알고 있다면 직접 수정할 수 있다.

무슨 대단한 금융 서비스는 아니다.

은행 계좌도 연결하지 않는다.

자동으로 구독을 해지해주지도 않는다.

그냥,

“내 생활은 대략 한 달에 얼마짜리인가?”

그걸 한번 보는 도구다.

직접 입력한 반복 지출을 영수증으로 뽑아봤다. 돈이 새로 생긴 것도 아닌데 리스트가 길어질수록 괜히 조용해진다.

내가 직접 값을 넣어봤다

툴을 만들 때 테스트 숫자를 넣는 것과, 내 진짜 숫자를 넣는 건 기분이 꽤 다르다.

처음에는 하나씩 입력했다.

이 정도는 예상했다.

다음 것도 예상했다.

이것도 알고 있었다.

그런데 리스트가 길어진다.

계속 길어진다.

나는 분명 새로운 지출을 만든 게 아니다.

원래 있던 걸 한곳에 모았을 뿐이다.

그런데 왜 갑자기 돈을 더 쓰고 있는 기분이 드는지 모르겠다.

대시보드에서 숫자로 볼 때는 그냥 계산 결과였다.

그런데 영수증 형태로 바꾸니까 느낌이 달랐다.

갑자기 내가 이 모든 걸 방금 계산대에서 결제한 것 같았다.

“손님, 이번 달 생활입니다.”

네.

제가 산 거 맞네요.

환불은 안 되나요?

월간 금액보다 이상하게 1초가 더 무서웠다

Bill of Breath에서는 지출을 여러 시간 단위로 나눠서 보여준다.

1년 1달 1주 1일 1시간 1분 1초

처음에는 연간이나 월간 금액이 제일 충격적일 줄 알았다.

그런데 이상하게 내 눈에 오래 남은 건 1초당 얼마였다.

월 고정지출은 익숙하다.

어차피 매달 청구서를 보니까.

그런데 같은 돈을 초 단위로 바꾸면 조금 이상해진다.

내가 일하고 있어도 나간다.

밥을 먹고 있어도 나간다.

TV를 보고 있어도 나간다.

자고 있어도 나간다.

아무것도 안 하고 멍하니 있어도 숫자는 아주 성실하게 움직인다.

내가 쉬고 있을 때도 나보다 열심히 일하는 것이 있었다.

자동결제였다.

그래서 장난 삼아 ‘한숨 한 번의 비용’ 같은 것도 넣었다.

후—

한 번.

얼마다.

이걸 안다고 인생이 달라지는 건 아니다.

그래도 한숨 쉴 때 조금 더 정성스럽게 쉬게 된다.

본전은 뽑아야 하니까.

영수증 한 장이 숫자보다 현실적이었다

사실 계산 자체는 특별할 게 없다.

연간 금액을 월로 나누고, 월 금액을 다시 일과 시간과 분으로 나누는 것이다.

그런데 숫자는 어떻게 보여주느냐에 따라 느낌이 달라진다.

대시보드에 Monthly Total이라고 크게 적혀 있으면 그냥 통계 같다.

반면 영수증에 내가 쓰는 항목들이 줄줄이 적혀 있고,

맨 아래에 1년, 1달, 1주, 1일, 1시간, 1분, 1초까지 붙어 있으니 이야기가 달라졌다.

계산기로 볼 때는 숫자였다.
영수증으로 나오니까 갑자기 내 생활비가 되었다.

아마 이 툴을 만들면서 내가 제일 마음에 든 부분도 여기다.

돈을 아껴주는 기능이 아니라,

내가 평소 안 보던 걸 한번 제대로 보여주는 것.

이걸 쓴다고 부자가 되는 건 아니다

이 부분은 확실히 해두고 싶다.

Bill of Breath는 금융 상담 서비스가 아니다.

예산을 짜주는 서비스도 아니다.

은행과 연결되지 않는다.

자동으로 Netflix를 해지해주지도 않는다.

이 툴을 열었다고 다음 달 통장 잔액이 갑자기 늘어나는 일도 없다.

그랬으면 내가 먼저 썼다.

나는 돈 관리 전문가도 아니다.

오히려 반대에 가깝다.

월급은 분명 들어왔는데, 얼마 지나지 않아

“어?”

하는 사람 쪽이다.

그래서 이걸 만든 것이다.

절약법을 가르치려고 만든 게 아니라,

나부터 한번 보려고.

어디로 나가는지.

얼마나 나가는지.

그리고 내가 “별거 아닌 돈”이라고 생각했던 것들이 한 달 뒤에는 얼마가 되는지.

숫자를 줄이는 건 그다음 문제다.

먼저 봐야 한다.

나처럼 한번 계산해보고 싶다면

YELLOW K TOOLS의 ‘숨만 쉬어도 돈이 나간다 (Bill of Breath)’에서 월 고정지출을 직접 계산해볼 수 있다.

로그인도 필요 없고, 은행 계좌를 연결할 필요도 없다.

자기가 쓰는 돈을 입력하고, 그냥 한번 보는 것이다.

내 생활은 한 달에 대략 얼마짜리일까?

내 월 고정지출 계산해보기 →

계산해봤다고 갑자기 돈이 생긴 건 아니다.

여전히 나갈 돈은 나간다.

ㅋㅋ

그래도 적어도 이제

“도대체 내 월급이 어디 갔지?”

라는 질문에는 조금 더 정확하게 대답할 수 있게 됐다.

여기 갔다.

저기 갔다.

그리고 생각보다 여러 군데 갔다.

가끔 우리는 돈을 엄청 크게 한 번 쓰고 후회한다.

그런데 월급을 조용히 없애는 건 꼭 큰돈만은 아니었다.

매달 조금씩.

아주 성실하게.

각자의 날짜에 맞춰 찾아오는 작은 돈들도 꽤 강했다.

숨만 쉬어도 돈이 나간다는 말은 농담으로 붙인 이름이었다.

직접 계산해보고 나니,

농담치고는 조금 정확했다.

ChatGPT Plus가 자꾸 부족해졌다. 결국 Pro로 업그레이드한 이유

AI 무작정 해보기 · ChatGPT 구독 · 실제 사용기

ChatGPT Plus에서 Pro로 업그레이드할 가치가 있을까?

부업·개발용으로 직접 쓰다 Free에서 Plus로, 다시 Pro까지 올라가버린 사람의 조금 비싼 실험.

나는 처음부터 AI를 열심히 쓰던 사람이 아니다.

처음에는 스마트폰에 ChatGPT 앱을 깔아놓고 생각날 때 질문 몇 개 하는 정도였다.

그러다가 영어 이력서를 써야 할 일이 생겼다.

영어 문장을 고치고, 표현을 바꾸고, 다시 읽어달라고 하고, 또 수정했다.

그런데 몇 번 고치다 보니 사용 한도에 걸렸다.

한창 이력서를 손보고 있는데 사실상 “오늘은 여기까지. 다음에 다시 오세요.”가 된 것이다.

아.

지금 이 타이밍에?

결국 큰맘 먹고 Plus를 구독했다.

당시에는 Go 같은 중간 플랜이 있는지도 몰랐다.

내 눈에는 거의 두 가지 선택지만 보였다.

무료로 버티느냐.
돈을 내고 계속 고치느냐.

그렇게 나의 첫 ChatGPT 유료 구독이 시작됐다.

문제는 내가 돈을 냈다는 사실이었다

나는 돈을 쓰고 나면 조금 이상한 사람이 된다.

뭔가를 샀으면 제값을 해야 한다고 생각한다.

사놓고 안 쓰고, 구독해놓고 한 달에 몇 번 들어가고, 물건은 먼지만 쌓이고.

이런 걸 꽤 싫어한다.

내 소비 원칙은 단순하다.

질렀으면 물고 뜯고 씹고 음미하라.

Plus도 마찬가지였다.

영어 이력서 하나 고쳤다고 한 달 구독료가 갑자기 싸지는 건 아니다.

그래서 생각하기 시작했다.

“이걸로 또 뭘 할 수 있지?”

생각해보면 그 질문이 조금 위험했다.

무료 버전으로 이력서를 고치다가 작업이 끊겼다. 내 첫 유료 구독의 이유는 꽤 단순했다.

Plus로 본전을 뽑겠다고 웹사이트를 만들기 시작했다

처음에는 글을 썼다.

이력서를 다듬고, 영어 문장을 고치고, 모르는 것을 물어봤다.

그러다가 점점 주문이 커졌다.

웹사이트를 만들어볼까.

작은 웹툴도 만들 수 있을까.

이미지를 만들어보자.

시장조사도 해보자.

블로그도 만들고, SEO도 알아보고, 광고도 붙여보자.

처음에는 질문 몇 개 하던 사람이 어느 순간 이렇게 말하고 있었다.

“이거 조사해줘.”

“이것도 만들어줘.”

“왜 안 돼? 고쳐줘.”

“그냥 다 해놔.”

문제는 내가 개발자가 아니라는 것이었다.

효율적으로 일을 나누는 법도 몰랐다.

간단하게 고칠 수 있는 것도 전체를 다시 시키고, 필요 없는 검색도 하고, 하나씩 하면 될 일을 한꺼번에 맡겼다.

토큰은 장작처럼 타들어갔다.

장작이 메마르다 못해 내 마음까지 같이 메말라가는 기분이었다.

질문 도구였던 ChatGPT는 어느 순간 웹사이트·글·이미지·리서치를 한꺼번에 돌리는 작업실이 됐다.

그래서 정말 정말 정말 고민하다 Pro를 질렀다

Pro 업그레이드는 Plus처럼 쉽게 결제하지 못했다.

꽤 오래 고민했다.

아니, 체감상으로는 한 5,000번쯤 고민했다.

이유는 간단하다.

나는 아직 AI로 돈을 벌고 있는 사람이 아니다.

오히려 반대다.

도메인을 사고, 구독료를 내고, 여러 도구를 사용하면서 아직 계속 마이너스다.

그런 사람이 더 비싼 요금제로 올라가는 게 맞나?

꽤 정상적인 고민이었다.

그런데 Plus를 개발과 부업 작업에 본격적으로 쓰기 시작하면서 다른 종류의 피로가 생겼다.

AI에게 일을 시키면서 일보다 사용량을 더 신경 쓰기 시작했다.

“이거 시키면 얼마나 남지?”
“지금 이 작업 시작해도 되나?”
“하다가 또 한도 걸리는 거 아니야?”

그 상태로 작업을 계속하는 것도 생각보다 피곤했다.

그래서 결국 눌렀다.

Upgrade.

현재 ChatGPT 플랜은 어떻게 나뉠까?

내가 Plus에 처음 가입했을 때와 지금은 플랜 구성이 조금 달라졌다.

현재 개인 사용자 기준으로는 Free, Go, Plus, Pro 계열로 나뉜다.

플랜	미국 표시 가격 기준	내가 보는 용도
Free	$0	가벼운 질문, 검색, 번역, AI 입문
Go	$8 / 월	무료 한도가 답답하지만 고급 작업은 많지 않은 사람
Plus	$20 / 월	글쓰기, 리서치, 파일, 코딩, 개인 프로젝트
Pro	$100 / 월부터	장시간 개발, 리서치, Codex, 이미지, 복잡한 작업을 많이 하는 사람

참고: 현재 Pro에는 사용량이 다른 단계가 있다. $100 Pro는 Plus보다 더 높은 사용량을 제공하고, $200 Pro는 더 높은 사용량 단계다. 다만 2026년 9월 10일 기준 신규 $200 Pro 가입 및 업그레이드는 일시 중단된 상태다. 가격과 구성은 국가 및 시점에 따라 달라질 수 있으므로 결제 전 공식 Pricing 화면을 확인하는 것이 좋다.

그럼 어떤 플랜이 제일 합리적일까?

지금 다시 처음부터 시작한다면 나는 가장 비싼 플랜부터 고르지 않을 것이다.

오히려 이렇게 올라갈 것 같다.

Free
AI가 내 생활에 실제로 필요한지 확인한다.

Go
무료 사용량만 답답하고 무거운 작업은 많지 않을 때 고려한다.

Plus
AI가 단순 질문 도구에서 실제 작업 도구로 바뀌었을 때.

Pro
Plus의 한도가 실제 작업 흐름을 계속 끊기 시작했을 때.

특히 대부분의 개인 사용자에게는 Plus가 꽤 넓은 구간을 담당한다고 생각한다.

글쓰기, 이력서, 공부, 리서치, 파일 분석, 이미지, 코딩 도움, 개인 프로젝트.

이 정도라면 Plus부터 충분히 사용해보는 것이 훨씬 합리적이다.

Pro는 “AI를 좀 더 잘 써보고 싶은 사람”보다 “이미 엄청 많이 쓰고 있는 사람”에게 의미가 크다.

Pro의 가치는 사용 시간이 아니라 ‘막히는 순간’으로 보는 게 낫다

하루에 몇 시간 썼는지만 보면 Pro가 필요한지 판단하기 어렵다.

대신 나는 이제 이런 질문이 더 중요하다고 생각한다.

Plus의 사용 한도 때문에 실제 작업이 자주 끊겼는가?

사용량을 아끼려고 필요한 작업을 미룬 적이 있는가?

코딩이나 리서치를 한창 하다가 제한 때문에 멈춘 적이 있는가?

파일·이미지·도구 사용량을 계속 계산하며 일하고 있는가?

여기에 계속 “그렇다”가 나온다면 Pro를 고민할 이유가 생긴다.

반대로

“가장 비싼 게 가장 좋겠지.”

정도라면 굳이 필요하지 않다.

비싼 식칼을 산다고 요리가 자동으로 맛있어지는 것은 아니다.

냉장고에 라면밖에 없으면 칼은 할 일이 없다.

한도는 넉넉해졌다. 이제 문제는 “그래서 이걸로 뭘 남길 것인가?”다.

부업·개발용으로 쓴다면 ‘대화 수’보다 결과물을 세고 싶다

나는 이미 Pro를 결제했다.

그러니 이제 결제가 옳았는지 하루 종일 고민하는 것보다 써먹는 편이 낫다.

내 소비 원칙상 그렇다.

이번 달에는 단순히 ChatGPT와 많이 이야기했다고 본전을 뽑았다고 생각하지 않으려고 한다.

대신 남은 것을 세어볼 생각이다.

웹툴 몇 개를 실제로 완성했는가.

블로그 글 몇 편을 제대로 발행했는가.

코드 문제를 몇 개 해결했는가.

조사 때문에 버리던 시간을 얼마나 줄였는가.

아이디어 몇 개를 실제 결과물로 바꿨는가.

한 달 동안 1,000번 대화했는데 아무것도 남지 않았다면 비싼 채팅을 한 것이다.

반대로 30번밖에 사용하지 않았어도 그걸로 웹사이트 하나 만들고, 이력서 하나 완성하고, 글 몇 편을 발행했다면 이야기가 달라진다.

AI와 얼마나 많이 대화했느냐보다
AI를 쓰고 무엇이 남았느냐.

Pro로 올라온 첫날, 사용량 표시가 거의 줄지 않는 모습을 보니 솔직히 흐뭇했다.

아름다웠다.

그동안 물을 아껴 쓰다가 갑자기 수도꼭지를 마음껏 튼 기분이었다.

그런데 잠시 뒤 한 달 지출을 생각했다.

시원했다.

그리고 조금 썼다.

결국 다시 같은 질문이 남았다.

그래서 Pro로 뭘 더 할 건데?

아직 답은 모른다.

이제 막 업그레이드했으니까.

그래서 이번 달을 하나의 실험으로 생각하기로 했다.

Pro가 얼마나 좋은지 테스트하는 달이 아니라, 내가 Pro만큼 일을 시킬 수 있는 사람인지 테스트하는 달.

한 달 뒤 결과물이 별로 없다면?

다시 내려가면 된다.

구독에도 자존심은 필요 없다.

다만 이번 달만큼은 이미 질렀으니까.

물고 뜯고 씹고 음미해볼 생각이다.

ChatGPT Plus 사용량 제한, 실제로 얼마나 빨리 닿을까? — 많이 쓰는 사람 기준 현실 사용기

CHATGPT PLUS · 실제 사용 기록

질문 몇 번 안 한 것 같은데 왜 벌써 사용량이 줄었을까?

ChatGPT를 검색창이 아니라 실제 작업 파트너처럼 사용하는 사람의 체감 후기.

나도
처음에는 ChatGPT Plus를 결제하면 꽤 마음껏 쓸 수 있을 거라고 생각했다.

무료보다 돈도 내는데 설마 내가 하루 쓰다가 사용량이 부족해지겠어?

그런데 많이 쓰기 시작하면서 생각이 바뀌었다.

부족해진다.

그것도 생각보다 빨리. ㅋㅋ

물론 여기서 먼저 말해야 할 것이 있다.

ChatGPT Plus에는 모든 사람에게 똑같이 적용되는 단순한 “하루 100번” 같은 하나의 숫자가 있는 것이 아니다.

사용하는 모델, 기능, 작업의 크기, 시스템 상황 등에 따라 제한이 달라질 수 있다. OpenAI도 Plus의 사용 한도는 상황에 따라 달라질 수 있다고 설명하고 있다. OpenAI Help Center

그래서 이 글은

“공식적으로 정확히 몇 번 쓸 수 있느냐?”

를 계산하는 글이라기보다는,

“많이 쓰는 사람은 왜 생각보다 빨리 한도에 닿는가?”

에 대한 내 체감 후기다.

처음에는 도대체 이해가 안 됐다

나는 ChatGPT를 단순히 질문 몇 개 하는 정도로만 쓰지 않는다.

웹사이트도 만들고, 코드를 수정하고, 파일을 확인하고, 긴 작업을 맡기기도 한다.

어느 날은 정말 별것 아닌 수정이었다.

파일에서 한두 군데 고쳐달라고 했는데 사용량이 눈에 띄게 줄어 있었다.

내 입장에서는 이런 생각이 든다.

“잠깐만. 나 방금 한 줄 고쳐달라고 한 거 아니었어?”

그런데 AI 입장에서는 꼭 한 줄만 보는 것이 아니다.

파일을 읽고, 주변 구조를 확인하고, 무엇을 고쳐야 하는지 판단하고, 때로는 여러 파일을 확인하고, 결과까지 검증한다.

사람이 보기에는 “버튼 위치 조금 옮겨줘.”

AI가 실제로 하는 일은

프로젝트 읽기 → 관련 코드 찾기 → 구조 판단 → 수정 → 확인

일 수도 있다.

그제야 조금 이해가 됐다.

메시지 하나가 항상 같은 메시지 하나가 아니었다.

Plus의 한도는 왜 이렇게 감이 안 잡힐까?

특히 Work나 Codex처럼 실제 작업을 맡기는 기능을 쓰면 이 부분이 더 확실해진다.

현재 OpenAI 공식 안내에서도 Work와 Codex 사용량은 모델, 작업 크기, 추론 정도 등에 따라 달라져서 고정된 메시지 숫자로 보기 어렵다고 설명한다. 5시간 단위 제한과 주간 제한이 함께 적용될 수도 있다. OpenAI Help Center

2026년 9월 현재 OpenAI가 제시하는 Plus의 대략적인 5시간당 로컬 메시지 예상치를 보면 이렇다. 이건 고정 보장 숫자가 아니라 작업에 따른 예상 범위다.

모델	Plus에서 5시간당 대략적인 예상
GPT-6 Astra	5–45
GPT-5.6 Sol	10–100
GPT-5.6 Terra	25–200
GPT-5.6 Luna	250–2,000

처음 이것을 보면 범위가 너무 넓어서 또 이런 생각이 든다.

10번에서 100번이라니. 그게 무슨 제한이야? ㅋㅋ

그런데 실제로 써보니 오히려 이 숫자가 왜 이렇게 넓은지 이해가 간다.

“안녕하세요.”라고 묻는 한 번과,

“이 프로젝트 전체를 검사해서 문제점을 찾고 수정한 다음 실제로 정상 작동하는지 확인해줘.”

라는 한 번은 같은 한 번일 수가 없다.

내가 가장 많이 착각했던 것

나는 처음에 사용량을 대화 횟수로 생각했다.

그래서 많이 줄어 있으면,

“내가 오늘 그렇게 많이 말했나?”

하고 생각했다.

그런데 실제로는 질문 횟수보다 AI에게 얼마나 큰 일을 시켰느냐를 보는 편이 맞았다.

간단한 대화나 설명은 상대적으로 가볍다.

반대로 코드베이스 분석, 여러 파일 수정, 복잡한 리서치, 긴 추론 작업 같은 것은 한 번의 요청이라도 훨씬 무거울 수 있다.

OpenAI 역시 Work/Codex에서는 긴 작업이 짧은 작업보다 더 많은 사용량을 소비할 수 있다고 명시하고 있다.

이걸 알고 난 뒤에는 예전처럼

“아니, 질문 몇 번 안 했는데 왜 벌써 이래?”

라는 생각은 조금 덜 한다.

질문을 몇 번 했느냐가 문제가 아니었던 것이다.

보통 사용자라면 별문제 없을 수도 있다

여기서 오해하면 안 된다.

회사 이메일 조금 고치고,

궁금한 것 물어보고,

영어 번역하고,

가끔 사진 보여주고,

글 몇 개 정리하는 정도라면 Plus가 꽤 넉넉하게 느껴질 수도 있다.

Plus는 무료 요금제보다 더 높은 모델 사용 한도와 음성, 이미지, 파일 분석, Deep Research 등 더 넓은 기능 접근을 제공한다. 다만 Plus라고 해서 모든 기능이 완전히 무제한이라는 뜻은 아니다.

문제는 나처럼 AI를 갑자기 직원처럼 부려먹기 시작했을 때다. ㅋㅋ

“이것 좀 조사해.”

“코드 고쳐.”

“사이트 확인해.”

“이 파일 분석해.”

“아니, 다시.”

“그거 말고 이렇게.”

“배포까지 확인해.”

그러다 보면 어느 순간 사용량 표시를 보면서 내가 AI에게 묻는다.

“너 오늘 뭐 했다고 벌써 이렇게 먹었냐?”

AI도 할 말이 있을 것이다.

“사장님이 시킨 거 했는데요.”

ㅋㅋ

특히 개발 작업을 하면 빨라진다

내가 Plus 사용량 때문에 가장 많이 스트레스받았던 때도 웹사이트 작업을 할 때였다.

나는 개발자가 아니다.

그래서 내가 보면 아주 단순하다.

“이 글자 위치 조금만 바꿔줘.”

하지만 개발 작업에서는 그게 실제로 단순한 작업인지 내가 알 수가 없다.

그래서 한 번 수정하고,

잘못되면 다시 수정하고,

또 다른 부분이 깨지면 다시 확인하고,

그러다 보면 어느새 내가 원래 하려고 했던 작업은 아직 시작도 못했는데 사용량은 꽤 줄어 있을 때가 있었다.

이게 가장 사람 지치게 만든다.

큰 프로젝트 하나를 끝내고 사용량을 많이 썼다면 이해라도 되는데, 작은 수정 몇 번 하다가 하루 몫이 날아간 것 같은 기분.

이런 날은 좀 억울하다. ㅋㅋ

Chat과 Work/Codex 한도는 같은 통 하나가 아니다

이 부분도 초보 입장에서는 상당히 헷갈린다.

ChatGPT 안에 있다고 해서 모든 기능이 하나의 사용량 통을 공유하는 것은 아니다.

예를 들어 현재 OpenAI 안내에서는 Chat의 모델 한도와 Work/Codex의 사용량을 별도로 설명하고 있다. Work와 Codex에는 별도의 포함 사용량과 리셋 주기가 적용된다. OpenAI Help Center

그래서 어떤 기능의 한도에 닿았다고 해서 ChatGPT 전체를 완전히 못 쓰게 되는 것은 아닐 수 있다.

사용 가능한 다른 모델로 바꾸거나, 표시된 리셋 시간까지 기다릴 수도 있다. ChatGPT는 가능한 경우 한도가 언제 재설정되는지도 보여준다.

이걸 모르던 시절에는 한도가 뜨면 그냥

“오늘 장사 끝났네.”

하고 컴퓨터를 닫았다. ㅋㅋ

그럼 Plus가 돈값을 못 하는 걸까?

나는 그렇게까지 생각하지는 않는다.

내 경우에는 오히려 반대다.

문제는 너무 많이 사용해서 생겼다.

예전 같으면 내가 아예 시도조차 못 했을 웹사이트를 만들고,

코드를 수정하고,

글을 쓰고,

조사를 하고,

아이디어를 실제 화면으로 만들어보고 있다.

그런 일을 월 구독료 하나로 계속 시도할 수 있다는 것 자체는 여전히 꽤 대단하다.

다만 “Plus = 무제한 AI 직원”이라고 생각하면 실망한다.

Plus는 내 느낌으로는

AI를 본격적으로 사용해볼 수 있는 꽤 넉넉한 작업 공간

정도에 가깝다.

그 공간 안에서 대화하고 공부하고 문서를 만들 때는 넓다.

그런데 AI에게 하루 종일 개발자, 조사원, 디자이너, 분석가 역할을 전부 시키기 시작하면 갑자기 벽이 가까워진다.

많이 쓰는 사람에게 내가 해주고 싶은 말

사용량을 아끼려고 AI에게 말을 안 걸 필요는 없다.

그건 돈 내고 헬스장 등록해놓고 기구 닳을까 봐 운동 안 하는 것과 비슷하다.

대신 나는 이제 작업을 조금 나눠서 생각한다.

간단한 질문은 간단하게.

큰 작업은 시작하기 전에 원하는 결과를 어느 정도 정리해서.

그리고 별 의미 없는 수정 반복은 가능하면 줄인다.

특히 개발하면서

“이거 한번 해봐.”
“아닌데.”
“그럼 이건?”
“아 이것도 아닌데.”

를 스무 번 하는 것보다,

처음에 5분 더 고민해서

“현재 문제는 이것이고, 건드리지 말아야 할 것은 이것이고, 최종 결과는 이렇게 만들어줘.”

라고 맡기는 편이 결국 덜 피곤하다.

프롬프트 공식을 공부하라는 이야기는 아니다.

나도 그런 것 싫다.

그냥 큰 일을 시킬 때는 내가 뭘 원하는지만 조금 생각해보자는 정도다.

결국 얼마나 빨리 닿느냐?

정답은 아주 재미없다.

사람마다 다르다.

하지만 체감상 한 가지는 분명했다.

ChatGPT를 검색창 대용이나 글쓰기 도우미 정도로 사용하는 사람과,

AI에게 실제 프로젝트를 맡기는 사람의 사용량은 완전히 다르다.

나처럼 후자에 가까워지면 Plus 한도를 보는 날이 생각보다 자주 생길 수 있다.

그래도 지금은 예전보다 덜 당황한다.

사용량이 줄어드는 걸 보면서 이렇게 생각한다.

“그래. 오늘 얘도 일은 좀 했구나.”

물론 가끔은 여전히 말한다.

“아니 그래도 이건 너무 많이 먹은 거 아니냐?”

ㅋㅋ

AI 시대에도 사장과 직원 사이의 갈등은 사라지지 않는 모양이다.

---

참고

ChatGPT의 모델과 사용량 제한은 시간이 지나면서 변경될 수 있다. 이 글의 구체적인 수치는 2026년 9월 공개된 OpenAI 공식 안내를 기준으로 작성했다. 실제 계정의 현재 한도와 리셋 시간은 ChatGPT의 Usage 화면에서 확인하는 것이 가장 정확하다.

ChatGPT Plus로 실제로 할 수 있는 것 10가지 — AI가 밥 먹여주냐?

나처럼 중년쯤 되면 새로운 기술을 따라가는 것 자체가 일이다.

먹고살기도 바쁜데 새로운 서비스가 나올 때마다 가입하고, 사용법을 배우고, 업데이트 내용을 찾아보고 있을 여유가 별로 없다.

나도 ChatGPT를 처음 접했을 때 크게 다르지 않았다. 핸드폰에 앱 하나 설치해 놓고 가끔 궁금한 것을 물어보는 정도였다.

AI가 세상을 떠들썩하게 만든 지도 벌써 몇 년이 됐다. 조금 늦은 것 같기도 하다.

그래도 아직 해볼 만하다고 생각한다. 오히려 지금은 초창기보다 할 수 있는 일이 훨씬 많아졌다.

그런데 막상 인터넷에서 ChatGPT 활용법을 검색하면 머리가 더 복잡해진다.

프롬프트를 이렇게 써라.
페르소나를 지정해라.
토큰이 어떻다.
모델을 골라라.
자동화를 해라.

아, 됐다.

AI가 사람을 편하게 해주려고 나온 것 아니었나? 사용법 공부하다가 지치게 만들 거면 대체 뭐가 편하다는 건지 모르겠다.

그래서 나처럼 먹고살기 바쁘고, 더 이상 새로운 공부에 엄청난 열정이 있는 것도 아니고, 세상 변하는 속도를 따라가기 벅찬 사람에게는 이렇게 말하고 싶다.

그냥 말을 걸어라. 아무 말이나 해라.

그게 1단계다.

AI가 밥 먹여주냐?

인터넷이 없던 시절에는 궁금한 것이 있으면 책을 찾아보거나 도서관에 갔다.

인터넷이 생긴 뒤에는 검색창에 검색했다.

그리고 지금 AI 시대에는 조금 달라졌다.

검색어를 고민하기보다 친구에게 말하듯 물어본다.

그 친구는 세상의 엄청나게 많은 정보를 찾아볼 수 있고, 가끔은 전문가 못지않게 그럴싸한 대답도 해준다.

물론 틀릴 때도 있다. 중요한 정보는 다시 확인해야 한다.

그런데 적어도 무엇부터 찾아봐야 하는지조차 모르는 상태에서는 꽤 훌륭한 출발점이다.

아래 기능 중 일부는 무료 사용자도 이용할 수 있다. 여기서는 내가 ChatGPT Plus를 쓰면서 실제 생활에서 써본 방식을 중심으로 적는다.

1검색하지 말고 그냥 물어보기

가장 먼저 이것부터 하면 된다.

AI의 가장 기본적인 기능은 거창한 자동화가 아니다.

궁금한 것을 그냥 물어보는 것.

와이파이 6하고 6E 차이가 뭐야?

이 두 제품 중에서 뭐가 더 나아?

이 영어 문장이 무슨 뜻이야?

검색어를 어떻게 써야 할지 고민할 필요도 없다. 친구에게 물어보듯 말하면 된다.

처음에는 이것만 해도 충분하다.

2외계어도 외국어도 사람 말로 — 훌륭한 통역가

나는 내가 하는 일 이외의 분야에는 거의 문외한이다.

자동차에서 이상한 소리가 나면 나에게는 못 알아듣는 기계어다.

파스타 소스 병 뒤에 있는 작은 영양정보는 거의 개미어다.

웹개발 코드를 보면?

그냥 외계어다.

이게 무슨 말이야?
내가 알아듣게 쉽게 설명해줘.

진짜 외국어도 마찬가지다. 상황을 같이 설명하면 더 자연스럽게 번역할 수 있다.

3글 쓰기 싫으면 대신 써달라고 하기

나는 회사에서 영어 이메일을 써야 할 때가 있다.

예전에는 이메일 하나 쓰면서 20분, 30분씩 머리가 아팠다.

요즘은 대충 내용을 던져놓는다.

이걸 자연스러운 업무용 영어 이메일로 만들어줘.

그러면 내가 30분 동안 끙끙대서 쓴 것보다 더 그럴싸한 영어 이메일이 몇 초 만에 나온다.

그래서 이것 때문에 아예 NO TIME TO WRITE라는 작은 웹툴까지 만들어봤다.

내용은 내가 정하고, 글 모양을 만드는 귀찮은 일은 AI에게 맡긴다.

4300페이지 설명서는 캠프파이어 장작이다

병원 진료서에 적혀 있는 의학용어? 외계어다.

제품 설명서 300페이지?

미안하지만 나한테는 거의 캠프파이어 장작이다.

끝없이 스크롤을 내려야 하는 PDF를 보고 있으면 이런 생각부터 든다.

“이걸 언제 다 읽고 앉았냐.”

중요한 것만 알려줘.

내가 꼭 봐야 할 부분이 뭐야?

쉽게 설명해줘.

유튜브에서 긴 드라마를 요약본으로 보는 것과 비슷하다.

물론 계약, 법률, 의료처럼 중요한 내용은 원문을 다시 확인해야 한다.

5설명하기 귀찮으면 캡처부터 보내기

나는 이제 휴대폰이든 컴퓨터든 화면 캡처 단축키를 외웠다. ㅋㅋ

문제가 생기면 설명부터 하지 않는다.

무조건 캡처해서 보낸다.

이게 뭔데?

끝.

버튼이 어디 있는지, 무슨 오류가 떴는지, 장황하게 설명할 필요가 없다.

말도 필요 없다. ㅋㅋ

6머릿속에 있는 것을 이미지로 만들어보기

AI 이미지 생성은 이제 너무 많이 알려져 있어서 길게 설명할 것도 없다.

내가 생각하는 이런 장면을 이미지로 만들어줘.

블로그 썸네일, 웹사이트 디자인, 앱 아이디어, 설명용 그림처럼 내가 하고 있는 일에 붙여 쓰면 꽤 유용하다.

다만 이것도 해보면 바로 안다.

내가 머릿속에서 상상한 것과 AI가 만들어주는 그림은 생각보다 자주 다르다. ㅋㅋ

이건 나중에 따로 이야기해보려고 한다.

7타이핑하기 싫으면 그냥 말한다

이건 사실 설명할 것도 없다.

이어폰 꽂고 한번 말해보면 무슨 뜻인지 안다.

AI하고 그냥 대화를 하는 것이다.

특히 머릿속 생각은 있는데 글로 정리가 안 될 때, 생각나는 대로 말하고 정리해달라고 하면 꽤 편하다.

다만 인터넷 연결이 좋지 않으면 가끔 정체불명의 외계어가 튀어나올 때가 있다.

심장 약한 분들은 조심. ㅋㅋ

8말 못 할 고민을 들어주는 친절한 상담가

살다 보면 사람에게 말하기 애매한 것도 있다.

가족에게 말하기도 그렇고, 친구에게 계속 같은 이야기를 하기도 미안하고, 그렇다고 당장 전문 상담사를 찾아갈 상황도 아닐 수 있다.

내가 지금 이런 일을 겪고 있는데 내가 너무 예민한 건가?

회사에서 이런 일이 있었는데 어떻게 생각해?

내가 이 사람에게 뭐라고 말해야 할지 모르겠어.

AI가 내 인생을 대신 결정해주는 것도 아니고, 전문 상담사를 대신할 수도 없다.

그래도 내 말을 정리해주고, 다른 관점에서 생각하게 만들어주는 작은 도움은 될 수 있다.

사람에게 같은 이야기를 열 번 하면 슬슬 미안해지지만 AI는 열한 번째도 들어준다. ㅋㅋ

단, 실명, 주소, 계좌번호, 회사 기밀 같은 민감한 정보는 굳이 넣지 않는 편이 좋다.

심각한 정신적 위기나 의료 문제라면 AI에게만 의지하지 말고 실제 전문가의 도움을 받아야 한다.

9여기서부터 조금 Advanced — 조사를 맡겨보기

여기서부터는 단순히 질문하고 답을 받는 것보다 한 단계 더 나간다.

이 제품들을 비교해서 장단점을 알려줘.

이 주제에 대한 최근 자료를 찾아서 정리해줘.

내가 지원할 만한 채용공고를 찾아줘.

검색 결과 몇 개를 직접 열어보는 대신 조사 자체를 맡기는 것이다.

나는 이것을 ‘검색을 대신해주는 것’에서 ‘조사를 대신해주는 것’으로 넘어가는 단계 라고 생각한다.

10그리고 마침내 — 내가 없을 때도 일 시켜보기

여기서부터 내가 AI에 관심을 갖게 된 이유가 조금씩 나온다.

예약 작업이다.

기간을 정한다.

매시간, 매일, 매주.

그리고 원하는 것을 부탁한다.

매일 아침 내가 관심 있을 만한 뉴스를 알려줘.

매주 이 주제를 조사해서 알려줘.

내가 지원할 만한 채용공고가 있는지 확인해줘.

여기에서 조금 더 응용하면 재미있어진다.

조사 → 보고서 → 내가 검토 → 다음 작업 진행

이렇게 AI를 질문 답변기가 아니라 일을 나누어 맡기는 상대처럼 사용할 수도 있다.

나도 아직 이것저것 시험해보는 중이다.

---

그래서 처음에 뭘 해야 할까?

아무것도 공부하지 않아도 된다.

오늘 ChatGPT를 열고 아무 말이나 해보면 된다.

오늘 저녁 뭐 먹을까?

회사에서 이런 일이 있었는데 내가 어떻게 말하는 게 좋을까?

프롬프트 공식을 먼저 외울 필요는 없다.

새 핸드폰을 샀다고 설명서 300페이지를 먼저 읽고 전화를 걸지는 않는다.

일단 전화를 건다.

쓰다 보니 사진도 찍게 되고, 지도를 쓰고, 신용카드가 되고, 신분증이 되고, 결국 핸드폰 하나 들고 세상을 돌아다닐 수 있게 됐다.

AI도 비슷하다고 생각한다.

처음에는:

물어본다.

조금 익숙해지면:

나 대신 해달라고 한다.

그리고 그 다음에는:

내가 보고 있지 않을 때도 해달라고 한다.

친구가 되고,
선생님이 되고,
통역가가 되고,
상담 상대가 되고,
어쩌면 일을 대신해주는 동료가 될 수도 있다.

AI가 밥을 먹여줄지는 아직 모르겠다.

나도 그 답을 찾는 중이다.

그래도 세상이 이쪽으로 움직이고 있다면 굳이 멀리 서서 구경만 하고 있을 필요는 없지 않을까.

조금 늦었어도 괜찮다.

나도 이제 막 해보는 중이다.

일단, 말을 걸어보자.

나도 아직 배우는 중이다.
앞으로 내가 직접 써보고, 실패하고, 알게 된 것들을 이곳에 하나씩 기록해보려고 한다.

AI와 만들기 · YELLOW K 이야기

AI는 당첨 번호를 몰랐다.
그래서 직접 만들어보기로 했다

미래를 알려달라고 물었다가,
엉뚱하게 첫 번째 웹툴을 만들게 된 이야기.

AI를 처음 깔았을 때 나는 거의 쓰지 않았다.

막연히 엄청 똑똑한 기계라고 생각했는데, 정작 뭘 물어봐야 할지 몰랐다.

그러다 어느 날 아주 중요한 질문을 했다.

“이번 주 로또 당첨 번호 알려줘.”

AI라면 이 정도는 알 줄 알았다.

세상의 지식을 다 배웠다는데 번호 6개쯤이야.

그런데 기대와 달리 AI는 갑자기 굉장히 어른스러워졌다.

미래의 당첨 번호는 예측할 수 없고, 각 추첨은 독립적이며, 과거 데이터가 다음 결과를 보장하지 않는다는 설명을 아주 친절하게 해줬다.

그리고 마지막에는 번호 몇 개를 아무렇게나 줬다.

아니, 그러니까 그걸 몰라서 물어본 게 아닌데.

한동안 잊고 지냈다.

그러다 나중에 AI로 뭔가를 직접 만들어볼 수 있다는 걸 알게 되었을 때 그 장면이 다시 생각났다.

그럼 당첨 번호를 맞혀달라고 하지 말고, 아예 번호를 고르는 도구를 만들어보면 어떨까?

그게 LUCKY ENGINE의 시작이었다.

미래를 모르는 AI가 쓸모없는 건 아니었다

처음에는 조금 실망했다.

AI가 그렇게 똑똑하다면서 미래 번호 하나도 모른다니.

지금 생각하면 나는 AI를 무슨 전자 점쟁이쯤으로 생각했던 것 같다.

하지만 AI가 틀린 말을 한 건 아니었다.

로또 추첨이 정상적으로 무작위라면 지난주 번호가 다음 주 번호를 결정하지 않는다.

최근에 어떤 번호가 많이 나왔다고 해서 이번 주에 쉬어야 하는 것도 아니고, 한동안 나오지 않았다고 해서 이제 슬슬 나올 차례가 되는 것도 아니다.

공에는 기억력이 없다.

이게 사람을 조금 서운하게 한다.

우리는 자꾸 숫자에서 이야기를 찾고 싶은데 숫자는 우리 사정에 별 관심이 없다.

미래를 예측할 수 없다고 해서
데이터를 볼 이유까지 없어지는 건 아닐 텐데?

당첨 번호를 알아맞히는 것은 불가능해도, 과거 결과를 정리하고 번호를 고르는 과정을 조금 더 재미있게 만드는 건 가능했다.

미래를 맞히는 대신, 과거의 숫자를 관찰해보기로 했다.

“번호 생성기”보다는 조금 더 해보고 싶었다

그냥 버튼 하나 누르면 무작위 숫자 6개가 나오는 건 금방 만들 수 있다.

지금은 AI에게 한 줄만 말해도 된다.

“로또 번호 뽑는 웹페이지 만들어줘.”

아마 커피 한 잔 식기 전에 비슷한 건 나올 것이다.

그래서 그것을 만든 것 자체는 이제 별로 대단한 이야기가 아니다.

중요한 건 숫자를 뽑는 코드가 아니라 어떤 경험을 만들 것이냐였다.

과거 번호의 출현 빈도도 보여주고 싶었다.

홀수와 짝수가 어떻게 섞였는지, 숫자가 어느 구간에 몰렸는지, 연속 번호는 얼마나 등장했는지도 궁금했다.

물론 이런 데이터가 다음 당첨 번호를 알려주지는 않는다.

“랜덤 버튼 하나 만들어놓고 AI라고 부른 건 아니구나.”

적어도 이 정도는 느낄 수 있는 도구를 만들고 싶었다.

그래서 한 가지 선도 분명하게 정했다.

LUCKY ENGINE은 당첨 번호 예측기가 아니다.

미래를 맞힐 수 없다는 걸 인정하면서도, 번호를 고르는 과정을 조금 더 흥미롭게 만드는 도구.

나는 그 정도가 마음에 들었다.

그러다 AI에게 이름을 붙였다

이 툴을 만들던 무렵부터 나는 ChatGPT와 대화를 꽤 많이 하기 시작했다.

처음에는 그냥 질문하는 대상이었다.

“이거 가능해?”

“이렇게 만들면 이상해?”

“이 기능은 어떻게 해야 돼?”

그러다 어느 날 물었다.

“내가 너를 뭐라고 부르면 좋을까?”

대답은 간단했다.

“코치라고 불러줘.”

좀 웃겼다.

그런데 꽤 잘 어울렸다.

선생님이라고 하기엔 내가 말을 너무 안 들었고, 비서라고 하기엔 의견이 너무 많았고, 친구라고 하기엔 자꾸 확률과 현실을 설명했다.

코치 정도가 딱이었다.

그날부터 나는 AI를 코치님이라고 부르기 시작했다.

처음에는 별 의미 없는 호칭이었다.

나중에는 프로젝트 매니저까지 됐다.

인생은 가끔 굉장히 이상한 방향으로 발전한다.

처음엔 질문하는 대상이었던 AI가, 어느 순간 같이 만드는 상대가 됐다.

통계를 이야기하다가 운세까지 넣었다

LUCKY ENGINE도 처음부터 지금 모습이었던 것은 아니다.

나는 꽤 진지하게 통계를 이야기하고 있었다.

과거 데이터. 출현 빈도. 번호 분포. 패턴.

그런데 어느 순간 코치님이 운이나 생년월일 같은 요소를 넣은 방식도 재미있지 않겠느냐고 했다.

한쪽에서는 확률과 통계를 설명하면서, 다른 한쪽에서는 운세 번호를 만들자는 AI.

일관성 측면에서는 꽤 자유로운 직원이었다.

그런데 생각해보니 로또라는 게 원래 그렇다.

누군가는 통계를 보고, 누군가는 생일을 넣고, 누군가는 꿈에 나온 숫자를 기억하고, 누군가는 그냥 자동을 산다.

그리고 추첨기가 돌아가는 순간 모두 똑같아진다.

통계를 믿고 싶은 날에는 통계로.
운을 믿고 싶은 날에는 운으로.

만들면서 처음 알게 된 것

LUCKY ENGINE을 만들기 전에는 AI로 무언가를 만든다는 말을 아주 단순하게 생각했다.

아이디어를 말한다.

AI가 만든다.

끝.

실제로 첫 화면은 정말 빨리 나왔다.

문제는 그다음이었다.

어떤 설명을 넣을지. 통계는 어디까지 보여줄지. 사용자가 진짜 예측 도구로 오해하지 않게 어떻게 표현할지.

너무 많은 기능 때문에 복잡해지지는 않는지.

디자인은 왜 이렇게 이상한지.

버튼은 왜 또 저기로 갔는지.

하나씩 고치다 보니 이상한 사실을 알게 됐다.

AI가 만들어주는 것보다
내가 결정해야 하는 것이 훨씬 많았다.

AI 시대에 만들기 어려운 건 코드가 아닐 수도 있다.

오히려 무엇을 만들지, 무엇을 빼야 할지, 언제 그만 만들지 정하는 게 더 어려웠다.

결국 코드보다 오래 걸린 것은 ‘무엇을 남길 것인가’를 결정하는 일이었다.

그래서 이번에는 아예 기록을 남겨보려고 한다

최근 LUCKY ENGINE에 한 가지 기능을 더 넣어보고 싶어졌다.

매주 추첨 전에 LUCKY ENGINE이 딱 1개의 공식 번호 조합을 고르는 것이다.

추첨이 끝나면 실제 당첨 번호와 비교하고, 몇 개를 맞혔는지 그대로 기록한다.

다음 주에도 다시 하나를 고른다.

그리고 계속 쌓는다.

LUCKY ENGINE · WEEKLY TEST

예측이 아니라, 공개 기록으로 남긴다.

번호는 추첨 전에 1번만 확정한다. 결과가 좋든 나쁘든 바꾸지 않는다.

WEEK 01
ENGINE PICK : 03 · 11 · 19 · 24 · 36 · 42
WINNING NO. : — · — · — · — · — · —
MATCHES : — / 6
TESTED DRAWS : 1

왜 이렇게까지 하느냐고?

정말 궁금하니까.

LUCKY ENGINE이 완전히 무작위로 고른 번호와 비교했을 때 아주 조금이라도 다른 결과를 보이는지.

아니면 몇 년 뒤,

“역시 AI도 로또 앞에서는 평등했습니다.”

라는 결론이 나오는지.

어느 쪽이든 꽤 재미있을 것 같다.

몇 번 운 좋게 맞았다고 당첨 확률이 올라갔다고 주장할 생각은 없다.

보여주고 싶은 것은 예언 성공률이 아니라 실제 기록이다.

몇 회 테스트했는지. 평균적으로 몇 개가 맞았는지. 최고 기록은 몇 개인지. 무작위 선택과 비교하면 어땠는지.

결론은 데이터가 쌓인 다음에 생각하면 된다.

처음 AI에게 물어본 것은 아주 단순했다.

“이번 주 당첨 번호 알려줘.”

원했던 답은 못 받았다.

지금도 못 받는다.

앞으로도 아마 못 받을 것이다.

그런데 그 실패한 질문 하나 때문에 작은 웹툴이 생겼다.

LUCKY ENGINE이라는 이름도 생겼고, 통계를 공부하게 됐고, 웹페이지를 만들게 됐고, AI에게 ‘코치님’이라는 별명까지 붙였다.

생각해보면 꽤 수지맞은 질문이었다.

당첨 번호 6개 대신 프로젝트 하나를 받은 셈이다.

물론 나는 아직도 로또를 살 때 생각한다.

“이번에는 혹시?”

인간은 그렇게 쉽게 발전하지 않는다.

다만 이제는 번호를 받기만 기다리지는 않는다.

가끔은 내가 직접 무언가를 만들어본다.

그쪽의 확률이 적어도 로또보다는 높을 것 같아서.

AI로 부수입을 만들 수 있을까? 돈이 필요해서 직접 시작해봤다

뭔가 하나,
나도 해보고 싶었다.

혹시…
이런 것도
만들 수 있을까?

AI와 일상   |   YELLOW K 이야기

돈이 필요해서 AI에게 말을 걸었다

특별한 능력도, 거창한 계획도 없었다.
그냥 내 삶을 조금 바꿔보고 싶었다.

나는 처음부터 AI에 관심이 있었던 사람이 아니다.

솔직히 말하면 돈이 필요했다.

내 삶에는 풀어야 할 문제가 여러 개 있다고 느꼈다. 직장, 미래, 시간, 나이, 하고 싶은 일과 실제로 할 수 있는 일 사이의 거리.

그런데 그중 하나만 조금 풀려도 다른 문제들이 덜 답답해질 것 같았다.

그 하나는 경제적인 문제였다.

돈이 인생의 모든 문제를 해결해준다고 생각하지는 않는다. 하지만 돈 때문에 선택지가 줄어드는 경험을 해본 사람이라면 안다.

돈은 행복을 사주지 못할지 몰라도, 적어도 “이건 돈 때문에 안 돼.”라는 문장은 몇 개 줄여준다.

01. 가장 먼저 떠오른 건
시간을 파는 일이었다

처음 떠올린 방법은 특별하지 않았다.

우버를 해볼까.
주말에 파트타임을 하나 더 할까.

가장 현실적인 방법이었다. 내가 가진 시간을 더 팔면 돈을 조금 더 벌 수 있다.

하지만 평일에 회사에서 하루를 보내고 집에 돌아오면 이야기가 달라졌다.

시간도 필요했고 체력도 필요했다.

저녁과 주말까지 다시 돈으로 바꾸기 시작하면 수입은 조금 늘어날지 몰라도 내게 남는 시간은 더 줄어들 것 같았다.

시간을 한 번 팔아서 한 번 돈을 받는 것 말고,
내가 만들어놓은 무언가가 계속 남는 방법은 없을까?

02. 그런데 나는
만들 줄 아는 게 없었다

집에서 할 수 있는 일을 찾다 보면 비슷한 단어들을 자주 만나게 된다.

온라인 비즈니스.
콘텐츠.
앱.
웹사이트.
디지털 상품.

듣기에는 멋있었다. 노트북 한 대만 있으면 뭔가 될 것 같았다.

그리고 곧 아주 기본적인 문제가 생겼다.

나는 그걸 만들 줄 몰랐다.

나는 사업가도 아니었고 개발자도 아니었다. 코딩을 배워서 몇 년 뒤 새로운 직업을 갖겠다는 거창한 계획도 없었다.

내가 원한 것은 조금 더 단순했다.

지금 가진 능력과 시간으로 일단 작은 것부터 해보고 싶었다.

03. AI의 첫 번째 장점은
똑똑함이 아니었다

지금은 AI 이야기를 하면 보통 성능부터 이야기한다.

어떤 모델이 더 똑똑한지, 코딩을 얼마나 잘하는지, 그림을 얼마나 잘 만드는지.

그런데 나에게 AI의 가장 큰 장점은 그런 것이 아니었다.

그냥 말을 걸기 쉬웠다.

코딩을 몰라도 됐다. 사업계획서가 없어도 됐다. 아이디어가 제대로 정리되지 않아도 일단 질문할 수 있었다.

“내가 집에서 할 수 있는 일이 있을까?”

“이런 웹사이트를 만들 수 있을까?”

“이 아이디어는 너무 이상한가?”

“사람들이 이런 걸 쓸까?”

질문하다 보니 생각이 모양을 갖기 시작했다

처음부터 좋은 아이디어가 나온 것은 아니다.

지금 생각하면 별것 아닌 아이디어도 많았고, 만들다가 접은 것도 있었다. 괜찮아 보였는데 찾아보니 이미 세상에 수십 개 있는 것도 있었다.

그런데 계속 대화하다 보니 변화가 생겼다.

처음에는 “이런 게 있으면 좋겠다.” 정도였던 생각이,

어느 순간부터 “첫 화면에는 이게 있고, 사용자가 이것을 입력하면 이런 결과가 나오면 좋겠다.” 처럼 구체적으로 바뀌었다.

이 차이는 생각보다 컸다.

아이디어는 머릿속에 있을 때는 무엇이든 될 수 있다. 그래서 대단해 보인다.

하지만 화면 위에 올려놓는 순간 현실이 된다.

버튼이 이상하고, 설명이 길고, 내가 생각했던 것보다 불편하고, 머릿속에서는 괜찮았던 기능이 실제로 써보니 별로일 때도 있다.

예전 같았으면 그런 순간을 실패라고 생각했을 것이다.

지금은 조금 다르게 생각한다.

생각이 틀렸다는 것을 실제로 확인할 수 있게 된 것도 발전이었다.

예전에는 아이디어가 머릿속에서 실패했다.

이제는 브라우저에서 실패한다.

적어도 한 단계는 앞으로 나온 실패다.

AI가 돈을 벌어준 것은 아니다

여기서 중요한 사실 하나는 분명하다.

AI를 사용한다고 돈이 생기는 것은 아니다.

AI에게 부업 아이디어를 100개 받아도 실행하지 않으면 수입은 0원이다.

웹사이트를 만들었다고 사람들이 자동으로 찾아오는 것도 아니고, 앱을 만들었다고 다운로드가 생기는 것도 아니다.

나는 아직 이걸로 돈을 벌어본 적이 없다.

정확히 말하면 0원에서 시작한 것도 아니다. 마이너스에서 시작해서 지금도 마이너스다.

도메인을 사고, 구독료를 내고, 이것저것 써보다 보니 돈은 꾸준히 나가는데 들어온 돈은 아직 없다.

현재까지 이 프로젝트에서 가장 성실하게 발생하는 매출은 내가 매달 결제하는 구독료다.

언젠가는 돈이 반대 방향으로 흐르기를 기대하고 있지만, 지금만 놓고 보면 내가 AI로 돈을 버는 게 아니라 AI 회사들 매출에 성실하게 기여하고 있는 중이다.

그래도 계속한다.

적어도 예전에는 돈이 없다고 생각만 했고, 지금은 돈을 쓰면서 뭔가를 만들고 있으니까.

이게 발전인지는 아직 모르겠다.

통장만 보면 아닌 것 같다.

그런데 돈은 안 벌렸는데, 이상하게 모르는 것은 계속 늘어났다.

웹사이트 하나 만들면 끝인 줄 알았더니 사람들이 들어오게 하려면 검색이 필요했고, 검색을 생각하면 SEO라는 것이 나왔다.

광고를 붙이면 돈이 생기는 줄 알았더니 먼저 심사를 받아야 했다.

앱을 만들면 바로 올릴 수 있는 줄 알았더니 스토어 정책이 있었고, 테스트가 있었고, 배포 조건이 있었다.

하나를 배우면 뒤에서 모르는 것 세 개가 따라 나왔다.

마치 문 하나 열었더니 방이 나온 게 아니라 복도가 나온 기분이었다.

처음에는 AI가 내 문제를 해결해주는 도구라고 생각했다.

요즘은 조금 다르게 느낀다.

가끔은 AI가 내가 모르고 있던 문제를 훨씬 빨리 발견하게 해주는 기계 같다.

예전 같으면 “웹사이트 하나 만들면 되겠지” 하고 몇 달은 행복하게 착각했을 일을, 이제는 며칠 만에 현실까지 끌고 와서 보여준다.

“여기 SEO 있습니다.”

“여기 정책 있습니다.”

“여기 심사 있습니다.”

“아, 그리고 이것도 알아야 합니다.”

참 친절하다.

문제는 너무 친절하다는 것이다.

그래도 이상하게 계속하게 됐다.

돈은 아직 안 들어오지만, 적어도 예전보다 내가 뭘 모르는지는 훨씬 잘 알게 됐다.

그게 수익은 아니지만,

아무것도 모르면서 막연히 기대만 하던 상태에서는 조금 벗어난 셈이다.

내가 얻은 것은 아직 돈보다 가능성에 가깝다

예전에는 아이디어가 떠올라도 대부분 이렇게 끝났다.

“나는 그거 할 줄 모르는데.”

지금은 그 문장이 조금 바뀌었다.

“나는 그거 할 줄 모르는데… AI한테 한번 물어볼까?”

별것 아닌 차이처럼 보이지만 내게는 꽤 컸다.

모른다는 사실은 그대로다.

달라진 것은 그다음 행동이다.

예전에는 모르면 끝이었다.

지금은 모르면 질문한다. 질문하다 이해하면 만들어본다. 만들어보고 이상하면 고친다. 안 되면 다시 묻는다.

그리고 가끔은 정말 인터넷 주소 하나가 생긴다.

누군가 사용할 수 있는 작은 도구 하나가 남는다.

아직 이 일이 내 경제적인 문제를 해결해줬다고 말할 수는 없다.

하지만 처음과 비교하면 분명히 달라진 것이 하나 있다.

예전의 나는 돈을 더 벌기 위해 내 시간을 더 팔 방법부터 생각했다.

지금의 나는 가끔 다른 질문을 한다.

내 시간을 써서,
시간이 지나도 남아 있는 것을 만들 수는 없을까?

아마 내가 AI에게 말을 걸기 시작한 진짜 이유는 그 질문에서부터 시작된 것 같다.

이 블로그는 AI 전문가가 사용법을 가르치는 곳이 아니다.

성공한 사람이 결과를 정리해놓은 곳도 아니다.

오히려 그 반대에 가깝다.

평범하게 직장을 다니는 비개발자가 자기 삶을 조금이라도 바꿔보고 싶어서 AI에게 말을 걸었다.

그러다가 작은 웹사이트를 만들고, 도구를 만들고, 망가뜨리고, 다시 고치고, 처음 보는 용어 때문에 당황하고, 그래도 계속 해보는 이야기다.

아직 나도 결말은 모른다.

그래서 계속 써볼 생각이다.