AI와 일체화되려면, 먼저 내가 AI를 어떻게 쓰는지 봐야 한다

얼마 전 LLM Wiki에 관한 글을 올렸더니 흥미로운 댓글이 달렸다.

저는 사실 LLM Wiki 안 쓰는데, 자기만의 맥락이 생성되려면 그냥 AI와 일체가 되어야 하더라구요. 그랬더니 ‘지식’만 저장소인 wiki가 필요없어졌어요.

이 댓글이 계속 머리에 남았다. 왜냐하면 이 말은 단순히 “위키를 쓰느냐 안 쓰느냐”의 문제가 아니기 때문이다. 더 깊게는 이런 질문에 가깝다.

AI와 함께 일하는 맥락은 어디에 저장되는가?

파일에 저장될 수도 있다. 노션이나 옵시디언에 저장될 수도 있다. Digital Garden처럼 공개 글과 개념 노트의 연결망으로 남을 수도 있다. 그런데 어떤 사람에게는 그 맥락이 별도 저장소가 아니라, AI와 주고받는 반복적인 작업 방식 안에 생긴다.

즉, 지식이 “문서”에만 있는 것이 아니라 “사용 습관”에 들어간다.

이 관점에서 보면 Anthropic이 2026년 7월 공개한 Reflect with Claude는 꽤 흥미로운 기능이다.¹

겉으로는 사용량 대시보드처럼 보인다. 하지만 조금 더 들여다보면, 이건 단순한 통계 기능이 아니다. 사용자가 AI와 어떤 관계를 맺고 있는지 돌아보게 만드는 장치에 가깝다.

Claude가 사용자를 돌아보게 만든다

Anthropic의 설명에 따르면 Reflect with Claude는 Claude 사용 패턴을 요약하고 시각화한다. 사용자는 지난 1개월, 3개월, 6개월, 12개월 동안 Claude를 어떤 주제와 작업에 많이 썼는지 볼 수 있다. 언제 Claude를 많이 쓰는지, 어떤 종류의 일을 맡겼는지도 확인할 수 있다.¹

여기까지는 일반적인 사용량 분석처럼 보인다.

재미있는 건 그 다음이다.

Claude는 사용자에게 이런 질문을 던질 수 있다.

Claude가 더 빨리 할 수 있더라도, 내가 계속 직접 하고 싶은 일은 무엇인가?

이 질문은 꽤 중요하다.

AI 도구 대부분은 “더 많이 맡기라”고 말한다. 더 빨리 쓰고, 더 많이 자동화하고, 더 오래 붙잡아두는 방향으로 설계된다. 그런데 Anthropic은 여기서 한 번 멈춘다. AI에게 맡길 수 있는 일과 맡기지 않을 일을 구분하라고 묻는다.

이건 생산성 기능이면서 동시에 윤리적 기능이다. 적어도 좋은 의미에서의 마찰이다.

AI를 많이 쓰는 것과 잘 쓰는 것은 다르다

요즘은 AI를 얼마나 많이 쓰는지가 일종의 능력처럼 보일 때가 있다. 하루에 몇 번 쓰는지, 어떤 유료 모델을 쓰는지, 얼마나 많은 작업을 자동화했는지가 AI 활용 수준처럼 이야기된다.

하지만 실제로 중요한 것은 사용량이 아니다.

누군가는 하루 종일 AI를 쓰지만, AI가 뱉은 문장을 그대로 붙여넣는다. 누군가는 짧게 쓰지만, 중요한 판단 지점에서 정확히 쓴다. 누군가는 AI에게 일을 맡기기 전에 자기 전략을 먼저 세운다. 누군가는 AI가 만든 결과를 자기 문체로 다시 고친다.

이 차이는 사용량 지표만으로는 보이지 않는다.

Reflect with Claude가 흥미로운 이유가 여기에 있다. 이 기능은 단순히 “너는 Claude를 많이 썼다”고 말하는 것이 아니라, 사용자가 Claude와 어떤 방식으로 협업하는지 보려고 한다.

Anthropic은 이를 4D AI Fluency Framework로 설명한다.¹

항목	의미
Delegation	목표를 정하고 AI를 쓸지, 어떻게 쓸지 결정하는 능력
Description	목표를 잘 설명해 유용한 AI 행동과 결과를 끌어내는 능력
Discernment	AI 결과와 행동이 쓸 만한지 평가하는 능력
Diligence	AI로 한 일에 책임지는 능력

이 네 가지는 흔한 “프롬프트 잘 쓰는 법”보다 훨씬 낫다. 왜냐하면 AI 활용을 단순 입력 기술이 아니라 업무 태도와 판단 체계로 보기 때문이다.

나는 특히 Discernment와 Diligence가 중요하다고 본다. AI 시대의 병목은 점점 작성이 아니라 검증과 책임으로 이동하고 있기 때문이다.

AI와 일체화된다는 말의 진짜 의미

“AI와 일체가 된다”는 표현은 자칫 위험하게 들릴 수 있다. AI에게 모든 것을 맡기고, 사람의 판단이 사라지는 상태처럼 오해될 수 있기 때문이다.

하지만 내가 보기엔 좋은 의미의 일체화는 그 반대다.

AI가 내 일을 대신하는 것이 아니라, 내 일의 리듬 안으로 들어오는 것이다. 내가 어떤 일을 직접 해야 하는지, 어떤 일을 위임해도 되는지, 어떤 결과는 반드시 다시 고쳐야 하는지, 어떤 판단은 AI에게 맡기면 안 되는지를 몸으로 익히는 상태다.

예를 들어 글쓰기에서 AI와 일체화된 사람은 AI 초안을 그대로 올리지 않는다. AI를 통해 관점을 흔들고, 구조를 비교하고, 빠진 논점을 찾고, 문장을 다시 자기 목소리로 바꾼다.

리서치에서도 마찬가지다. AI가 찾아준 자료를 그대로 믿는 것이 아니라, 출처를 확인하고, 반대 근거를 찾고, 근거의 수준을 나누고, 자기 질문으로 재구성한다.

개발에서도 그렇다. AI가 만든 코드를 바로 병합하는 것이 아니라, 테스트하고, diff를 읽고, 실패 조건을 확인하고, 롤백 가능성을 본다.

그러니까 AI와 일체화된다는 것은 “AI가 나를 대체한다”가 아니다.

AI가 내 판단 루틴 안에 들어오고, 나는 AI 사용의 편집장으로 남는 상태다.

이게 핵심이다.

저장소가 아니라 사용 습관이 맥락이 된다

LLM Wiki는 맥락을 파일로 남기는 방식이다. 원문을 두고, 요약을 만들고, 개념을 연결하고, 링크를 관리한다. 이 방식은 여전히 강력하다.

하지만 모든 맥락이 파일로만 남아야 하는 것은 아니다.

어떤 맥락은 반복되는 대화 방식에 남는다. 어떤 맥락은 내가 AI에게 일을 맡기는 순서에 남는다. 어떤 맥락은 AI 결과를 고치는 습관에 남는다. 어떤 맥락은 “이건 내가 해야 한다”고 남겨두는 선에 남는다.

Reflect with Claude가 보여주는 것은 바로 이 층위다.

AI 사용이 늘어날수록 우리는 “무엇을 저장할 것인가”만 묻지 않게 된다. “나는 AI와 어떤 방식으로 일하고 있는가”를 봐야 한다. 이 질문이 없으면 사용량은 늘어도 실력은 늘지 않을 수 있다.

마치 운동 기록과 비슷하다. 러닝 앱이 단순히 총거리만 보여주면 별 도움이 안 된다. 어떤 강도로 뛰었는지, 회복은 충분했는지, 특정 구간에서 왜 무너졌는지, 훈련 목적과 실제 실행이 맞았는지를 봐야 한다.

AI 사용도 비슷하다.

총 사용 시간이 아니라 사용 패턴을 봐야 한다. AI에게 무엇을 맡겼는지, 언제 직접 개입했는지, 어떤 결과를 그대로 받아들였는지, 어디서 다시 고쳤는지 봐야 한다.

AI 사용에도 메타인지가 필요하다

Reflect with Claude는 AI 사용의 메타인지 도구로 볼 수 있다.

메타인지는 내가 무엇을 알고 모르는지 아는 능력이다. AI 시대에는 여기에 하나가 더 붙는다.

내가 AI에게 무엇을 맡기고 있는지 아는 능력.

이 능력이 없으면 위험하다. AI가 도와주는 줄 알았는데 어느 순간 판단을 대신하고 있을 수 있다. 효율화라고 생각했는데 사실은 내 사고 근육이 빠지고 있을 수 있다. 반대로 직접 해야 한다고 고집하던 일을 AI에게 맡겼으면 훨씬 잘했을 수도 있다.

그래서 좋은 AI 사용자는 이렇게 질문해야 한다.

• 나는 AI를 언제 습관적으로 켜는가?
• 내가 직접 해야 할 일을 AI에게 넘기고 있지는 않은가?
• AI가 더 잘할 수 있는 일을 괜히 붙잡고 있지는 않은가?
• AI 초안을 내 목소리로 다시 바꾸고 있는가?
• AI가 만든 결과를 검증하는 루틴이 있는가?
• 내가 AI에게 맡긴 일의 최종 책임을 지고 있는가?

이런 질문은 불편하다. 하지만 이 불편함이 있어야 AI 사용이 단순 의존으로 흐르지 않는다.

조직에도 필요한 기능이다

Reflect with Claude는 개인 기능처럼 보이지만, 조직 관점에서도 중요하다.

앞으로 기업과 학교, 공공기관은 AI 사용량을 관리하게 될 것이다. 누가 얼마나 썼는지, 어떤 모델을 썼는지, 비용이 얼마나 나왔는지를 볼 것이다. 그런데 그걸로는 부족하다.

조직이 정말 봐야 할 것은 사용량이 아니라 사용 방식이다.

• 어떤 직무가 AI를 단순 문서 작성에만 쓰는가?
• 어떤 팀은 AI를 검토와 의사결정 보조에 쓰는가?
• 어떤 직원은 반복 업무를 잘 위임하지만, 검증 루틴이 약한가?
• 어떤 부서는 민감한 데이터를 넣을 위험이 있는가?
• 어떤 조직 지식은 프로젝트나 파일로 관리되어야 하는가?
• 어떤 업무는 사람이 계속 직접 해야 하는가?

이 질문이 없으면 AI 도입은 “많이 쓰게 하기” 캠페인으로 끝난다.

하지만 AI 활용 역량은 많이 쓰게 한다고 생기지 않는다. 어떤 일을 맡기고, 어떤 일을 남기고, 어떤 결과를 검증할지에 대한 조직적 기준이 있어야 생긴다.

이 지점에서 AI 리터러시는 개인 기술이 아니라 운영 역량이 된다.

프롬프트 교육보다 중요한 것

많은 AI 교육은 여전히 프롬프트 작성법에서 시작한다. 물론 필요하다. 하지만 프롬프트만 가르치면 AI 사용의 절반만 다루는 것이다.

진짜 중요한 것은 사용 후반부다.

• AI가 만든 결과를 어떻게 읽을 것인가?
• 어디까지 믿을 것인가?
• 무엇을 직접 고칠 것인가?
• 어떤 작업은 아예 AI에게 맡기지 않을 것인가?
• 내가 AI와 일하는 방식이 시간이 지나며 어떻게 변하고 있는가?

Reflect with Claude의 의미는 여기에 있다. AI 사용 자체를 다시 관찰 대상으로 만든다.

AI를 잘 쓰는 사람은 프롬프트를 많이 아는 사람이 아니다. 자기의 AI 사용 습관을 볼 줄 아는 사람이다. 그리고 필요하면 그 습관을 바꾸는 사람이다.

결론: AI를 쓰는 나를 봐야 한다

AI는 점점 더 많은 일을 할 수 있게 된다. OpenAI는 ChatGPT Work를 통해 더 긴 업무 흐름을 맡기려 하고, Anthropic은 Claude Science와 Reflect 같은 기능으로 AI를 연구와 일상 사용의 작업환경 안에 넣고 있다.

이 흐름에서 중요한 질문은 “AI가 어디까지 할 수 있나”만이 아니다.

나는 AI에게 무엇을 맡기고 있는가?
그리고 무엇은 계속 내가 해야 하는가?

이 질문을 하지 않으면 AI 사용은 쉽게 두 방향으로 망가진다.

하나는 과소사용이다. AI가 잘할 수 있는 반복 작업을 계속 사람이 붙잡고 있는 상태다.

다른 하나는 과잉위임이다. 사람이 해야 할 판단과 책임까지 AI에게 넘기는 상태다.

좋은 AI 사용은 이 둘 사이의 조율이다.

그래서 Reflect with Claude는 작은 기능처럼 보이지만, 꽤 중요한 방향을 보여준다. 앞으로 AI 제품은 단순히 더 많이 쓰게 만드는 데서 멈추지 않을 것이다. 사용자가 AI와 어떤 관계를 맺고 있는지 보여주고, 그 관계를 조율하게 만드는 기능이 중요해질 것이다.

AI와 일체화되려면, 먼저 내가 AI를 어떻게 쓰는지 봐야 한다.

그리고 그걸 볼 수 있을 때, AI는 단순한 저장소나 답변기가 아니라 내 사고와 업무 루틴을 함께 조율하는 파트너가 된다.

확인한 출처

• Anthropic, “Introducing a way to reflect on how you use Claude,” 2026.07.09
• Anthropic, “Introducing Claude Sonnet 5,” 2026.06.30
• Anthropic, “Claude Science, an AI workbench for scientists, is now available,” 2026.06.30