한 줄 요약

AI가 직업을 바꿔놓는 시대에 커리어를 방어할 6가지 스킬(AI 사람 되기 · 취향/판단 · 컨텍스트 엔지니어링 · 반복 속도 · 자비스형 자동화 · 수입원 다각화)을 발화자가 실전 예시와 함께 정리한 영상.

영상 메타

  • URL: https://youtu.be/3XIGcM7VICc
  • 채널: Nate Herk | AI Automation
  • 길이: 20분 14초
  • 업로드: 2026-06-15
  • 조회수: 2451 / 좋아요 290
  • 시청일: 2026-06-15 KST (🍎 가 자막 추출 후 요약)

픽업

  • (스킬1) “AI 사람”은 절대적 실력이 아니라 상대적 — 내 주변에서 내가 더 알면 된다. 작은 도구·사이드프로젝트를 만들어 보여주면 “AI 담당”으로 불리고, 회사가 AI를 도입하는 순간 공식 직함이 생기기 전에 그 사람에게 기회가 먼저 간다. (IBM 2026 CEO 조사: CEO 85%가 “모든 부서 리더가 자기 분야의 기술 전문가가 돼야 한다”고 답)
  • 직업을 바꾸지 말고 “지금 직무의 AI 네이티브 버전”을 찾아라 — 도구 1개를 ROI 내는 수준으로 익히고, 매주 하는 워크플로 1개를 골라 AI로 개선한 뒤 전후(소요시간·품질·여전히 사람 판단이 필요한 부분)를 문서화하라. 단 회사 데이터 노출·규정 위반·무단 자동화는 금지.
  • (스킬2) 취향·판단(taste) — AI가 좋아질수록 첫 출력을 그냥 믿는 게 함정. 결과물엔 네 이름이 서명되니 좋으면 크레딧, 나쁘면 비난도 네 몫(AI가 썼든 무관). 빌드법: 분야 최고 작업을 연구하고, 마음에 드는 예시 라이브러리를 모으고, “왜 좋은가”를 AI에 묻고, 고칠 때마다 “바꾼 5가지와 그 이유”를 instructions에 되먹여라.
  • (스킬3) 컨텍스트 엔지니어링 > 프롬프트 엔지니어링 — 모델이 좋아져 프롬프트 중요도는 낮아지지만, AI는 여전히 네 머릿속(사업 현황·일정·우선순위)을 모른다. 빈 챗을 열지 말고 Claude 프로젝트/커스텀 GPT에 실제 문서·과거 성공·실패 카피를 넣어라. 컨텍스트 없는 AI는 추측하는 똑똑한 인턴일 뿐. (Karpathy 인용: 컨텍스트 엔지니어링 = “컨텍스트 윈도우를 딱 맞는 정보로 채우는 섬세한 기술”)
  • (스킬4) 반복 속도(iteration speed) — AI 시대 승자는 품질을 유지한 채 가장 빨리 반복하는 사람. 매 반복이 데이터다. 완벽한 계획 대신 못난 버전을 빨리 만들어 깨고 고쳐라(POC 탈출). 단 “끝”의 정의가 필수 — 자동화 1개를 비즈니스 지표 1개(예: 일일 처리 티켓 수)에 묶고, 그 지표에 도달하면 유지모드로 넘겨 스스로에게 스코프 크리프 하지 마라.
  • (스킬5) 자비스(always-on) 만들기 — 네가 트리거해야만 도는 자동화가 아니라, 예측 가능한 트리거(특정 메일 수신·매주 월요일·새 리드 유입)에 스스로 발화하는 시스템이 진짜 레버리지. 단 사람을 루프에서 빼는 순간 리스크가 오르므로 시스템이 견고·검증돼 있어야 한다.
  • (스킬5 핵심) 에이전트 vs 워크플로 분별 — AI 에이전트는 슬롯머신(비결정적, 비싸고 예상 못 한 실패), 단순 if-this-then-that 워크플로는 자판기(결정적·저렴·안 깨짐). “여긴 AI 안 써도 된다”고 말할 수 있는 사람이 AI를 모든 곳에 욱여넣는 사람보다 더 돋보인다. 작업을 해내는 가장 단순한 수단을 디폴트로 하라.
  • (스킬6) 실업 보험 = 수입원 다각화 — 본업 + AI 기반 사이드 수입원을 쌓는 “job stacking”. 단 서로 다른 5개 도메인으로 벌리면 번아웃·실패 → “하나의 열정에서 뻗는 여러 가지”(커리어를 토대로 강의·뉴스레터·마이크로 SaaS·컨설팅으로 패키징)가 정답. 디폴트 실행법은 “build in public” — 배우는 것·성패를 공개해 AI가 찾을 수 있는 존재가 되면 기회·고객·잡오퍼가 온다.

용어

  • 컨텍스트 엔지니어링 (Context Engineering) [하니스 · 패턴]: 컨텍스트 윈도우를 작업에 딱 맞는 정보로 채우는 기술. 프롬프트=“어떻게 묻는가”, 컨텍스트=“AI가 실제로 무엇을 아는가” — 모델이 좋아질수록 더 내구성 있는 스킬.
  • 프롬프트 엔지니어링 (Prompt Engineering) [하니스 · 패턴]: 역할·명확한 지시·종료상태·예시로 좋은 출력을 끌어내는 기술. 모델 향상으로 상대적 중요도 하락 중.
  • AI OS (AI Operating System) [지식 · 컨텍스트 자산]: 회의록·영상·DM·채널·이메일 등 본인의 모든 컨텍스트를 모아 AI가 즉시·완벽히 회상하게 만든 개인용 운영체제 개념.
  • 에이전트 vs 워크플로 (Agent vs Workflow) [하니스 · 패턴]: 에이전트=비결정적 슬롯머신(깊은 추론·변동성에 강하나 비싸고 실패 잦음), 워크플로=결정적 자판기(if-this-then-that, 싸고 안 깨짐).
  • 반복 속도 (Iteration Speed) [워크플로우 · 문화]: 품질을 유지하며 빠르게 반복해 매 회마다 데이터를 얻고 출력 baseline을 남보다 높이는 능력.
  • POC (Proof of Concept) [워크플로우 · 문화]: 완벽한 버전을 계획하지 말고 못난 시제품을 빠르게 만들어 깨고 고치며 빠져나오는 검증 단계.
  • Definition of Done [워크플로우 · 문화]: 빌드 시작 전에 “끝”을 하나의 비즈니스 지표로 정의해 무한 기능추가(스코프 크리프)를 막는 기준점.
  • Job Stacking [커리어 · 조직]: 본업에 AI 기반 사이드 수입원 여럿을 쌓아 단일 고용주·클라이언트가 나를 끊어낼 수 없게 만드는 새 커리어 모델.
  • Build in Public [커리어 · 조직]: 실험·산출물·성패를 공개 기록해 AI 인터페이스가 나를 검색·발견할 수 있게 만들어 기회를 끌어오는 방식.