AI로 초안을 몇 분 만에 만들어도 발행은 그대로 늦을 수 있어요. 2주 동안 콘텐츠가 실제로 흐르는 경로를 기록하면, AI에 넘길 일과 먼저 없애야 할 병목이 꽤 선명하게 갈립니다.
60~70%라는 숫자보다 우리 팀의 누수를 재세요
‘콘텐츠팀 시간의 60~70%가 창작 아닌 일에 쓰인다’는 수치는 업계 공통 기준으로 받아들이면 안 됩니다. 씨앗 글은 조사 취합, 아웃라인 서식 정리, 메타데이터 생성, 내부 링크 제안, 제목 변형처럼 창의적 판단이 적은 업무가 팀 시간의 60~70%를 차지한다고 설명하지만, 조사 표본과 측정 방법은 제시하지 않아요. 따라서 이 숫자는 구매 근거가 아니라 우리 팀에서 검증할 가설에 가깝습니다.
다만 더 넓은 지식 노동 연구를 보면 방향 자체는 무시하기 어렵습니다. Asana는 1만 명이 넘는 지식 노동자를 조사한 Anatomy of Work Index를 바탕으로, 업무 소통·정보 검색·도구 전환·우선순위 관리·상태 확인 같은 ‘업무를 위한 업무’가 근무시간의 60%를 차지한다고 설명합니다. 콘텐츠 업계 조사에서도 B2B 마케터의 41%가 워크플로와 승인 문제를, 39%가 사내 전문가 접근을 어려움으로 꼽았습니다. 31%는 구조화된 콘텐츠 제작 프로세스가 없다고 답했고요.
먼저 구분할 것: 작업시간과 대기시간
편집자가 원고를 40분 검토한 것은 작업시간이고, 검토 대기열에서 이틀 멈춘 것은 대기시간입니다. AI가 검토 초안을 20분 줄여도 이틀짜리 승인 대기가 그대로라면 발행 속도는 거의 달라지지 않아요.
그래서 감사의 단위는 ‘사람이 바빴던 시간’이 아니라 콘텐츠 한 건이 아이디어에서 발행까지 이동한 전체 시간이어야 해요. 가치 흐름 지도는 각 단계의 실제 작업시간과 단계 사이 대기시간을 함께 표시하고, 재작업·불필요한 승인·중복 업무를 드러내는 방식입니다. 이 관점으로 보면 “글쓰기가 느리다”는 인상이 실제로는 브리프 누락, 전문가 답변 대기, 승인자 부재에서 생겼다는 사실을 발견할 수 있습니다.
AI 후보는 ‘오래 걸리는 일’이 아니라 ‘되돌리기 쉬운 반복 작업’입니다
시간이 많이 든다는 이유만으로 AI에 넘기지 마세요. 반복 빈도가 높고 입력과 합격 기준이 명확하며, 틀렸을 때 쉽게 되돌릴 수 있는 단계부터 고르는 게 안전합니다. 반대로 브랜드 관점, 전략적 각도, 사실 확인, 법무·규제 판단처럼 맥락과 책임이 필요한 단계는 AI가 초안을 보조하더라도 사람이 결론을 내려야 해요.
| 업무 유형 | 첫 실험에 적합 | 사람의 승인 유지 |
|---|---|---|
| 조사 | 출처 후보 수집, 자료 분류, 중복 제거 | 출처 원문 확인, 수치·인과관계 검증 |
| 제작 | 아웃라인 형식화, 제목 변형, 채널별 규격 변환 | 핵심 주장, 브랜드 관점, 사례 선택 |
| 편집 | 맞춤법, 금칙어, 링크·메타데이터 누락 검사 | 뉘앙스, 독자 적합성, 최종 문장 |
| 검수 | 체크리스트 대조, 인용 형식 확인 | 사실·저작권·법무·평판 위험 판단 |
| 발행 | 승인된 원고의 CMS 입력과 예약 | 공개 승인, 민감한 수정, 위기 대응 |
이 경계가 필요한 이유는 생성형 AI가 그럴듯하지만 틀린 사실이나 인용을 자신 있게 만들 수 있기 때문이에요. NIST는 이를 ‘confabulation’으로 정의하며, 특히 긴 형식의 개방형 작업과 전문 맥락이 필요한 분야에서 사실 오류나 내부 모순이 생길 수 있다고 설명합니다. 즉 ‘문장이 자연스럽다’는 것은 검수 통과 기준이 될 수 없어요.
실제 비교 연구도 속도와 완성도를 따로 봐야 한다는 점을 보여줍니다. 영국 정부가 공개한 신속 문헌 검토 사례에서 AI 보조 방식은 전체 작업을 23% 빠르게 끝냈고 선정된 연구의 분석·종합 단계는 56% 단축했지만, 최초 초안은 사람만 작성한 버전보다 덜 유창해 더 많은 수정이 필요했습니다. 연구진도 단일 사례라 일반화할 수 없으며 수동 검증이 필요하다고 명시했어요.
글쓰기 전체를 통째로 위임하기보다 작업 안의 작은 단위를 골라야 하는 이유도 여기에 있습니다. Anthropic의 사용 데이터에서는 카피라이터와 편집자 관련 작업이 AI와 결과물을 주고받으며 고치는 ‘작업 반복’ 비중이 특히 높게 나타났습니다. 반면 번역 관련 작업은 지시 후 최소한의 개입으로 끝내는 패턴이 상대적으로 많았어요. 같은 콘텐츠 직무 안에서도 자동화 경계가 단계마다 다르다는 뜻입니다.
AI가 못 고치는 승인 병목부터 걸러내세요
대기시간이 가장 긴 단계가 반드시 AI를 넣을 단계는 아닙니다. 원고가 전문가 검토에서 사흘 멈추는 이유가 검토 자체의 난도인지, 담당자가 요청을 늦게 봤기 때문인지부터 나눠야 해요. 후자라면 필요한 것은 생성 모델보다 명확한 담당자, 마감시간, 알림, 대체 승인자입니다.
문서화된 콘텐츠 워크플로는 요청·작성·검토·승인·전달 단계를 나누고 각 단계의 책임자를 드러냅니다. 그래야 프로젝트 관리자가 어디에서 콘텐츠가 멈추는지 볼 수 있어요. 가치 흐름 지도 역시 담당 역할, 정보 이동, 핸드오프, 작업시간과 대기시간을 함께 기록하라고 권합니다.
감사 결과는 세 갈래로 처리하면 됩니다. 입력을 매번 다시 찾는 단계는 템플릿과 저장 위치를 표준화하고, 단순 전달과 상태 확인은 규칙 기반 자동화로 없애고, 비정형 자료를 요약하거나 여러 표현을 제안하는 단계에만 생성형 AI를 시험하세요. 승인권자가 불명확한 문제를 프롬프트로 덮거나, 불필요한 검토 단계를 AI 검토로 하나 더 늘리면 도구가 오히려 새 대기열이 됩니다.
감사 중에는 도구를 고르지 마세요.
첫 주부터 특정 제품 기능에 맞춰 문제를 정의하면 그 제품이 잘하는 단계만 크게 보입니다. 먼저 단계·시간·오류를 기록하고, 둘째 주가 끝난 뒤 가장 높은 점수를 받은 한 단계에 맞춰 도구를 고르는 편이 낫습니다.
2주 콘텐츠 워크플로 감사, 이렇게 실행하세요
1일차: 대표 콘텐츠 10~15개를 고릅니다
블로그, 뉴스레터, 소셜 게시물처럼 자주 만드는 유형에서 평범한 작업을 고르세요. 시작은 ‘브리프 요청’, 끝은 ‘실제 공개’로 고정합니다. 긴급 캠페인이나 유난히 복잡한 프로젝트만 고르면 기준선이 왜곡돼요. 씨앗 글도 기존 방식과 AI 방식을 비교할 때 대표 작업 10~15개로 병렬 시험하라고 제안합니다.
1주차: 실제 흐름을 한 줄씩 기록합니다
스프레드시트에 콘텐츠 ID, 단계명, 담당자, 시작·종료 시각, 실제 작업 분, 대기 분, 사용 도구, 입력 자료, 산출물, 수정 횟수, 지연 이유 열을 만드세요. 회의에서 기억을 모으지 말고 작업이 일어날 때 기록합니다. 슬랙으로 재촉한 시간과 승인 대기처럼 평소 숨는 일도 별도 행으로 남기세요.
8~9일차: 각 단계를 네 가지로 분류합니다
‘없애기, 규칙 자동화, AI 보조, 사람 유지’ 중 하나를 붙이세요. AI 후보에는 반복성·작업시간·기준 명확성·되돌리기 용이성을 각각 1~5점으로 주고, 사실·법무·브랜드 위험은 감점합니다. 대기시간이 크지만 실제 작업시간이 작은 단계는 AI 후보가 아니라 운영 병목으로 표시하세요.
10~12일차: 점수가 높은 한 단계만 병렬 시험합니다
예를 들어 ‘원문에서 메타데이터와 내부 링크 후보 추출’만 AI에 맡기고 나머지 흐름은 유지하세요. 기존 방식과 AI 보조 방식에 같은 입력과 합격 기준을 적용합니다. 프롬프트, 모델, 출력, 사람의 수정 내용을 모두 보관해야 결과를 재현할 수 있어요.
13~14일차: 절약시간이 아니라 총비용으로 판정합니다
콘텐츠 한 건의 전체 리드타임, 사람의 작업시간, 수정 횟수, 사실 오류, 브랜드 수정, 승인 반려를 함께 비교하세요. 작업시간이 줄고 품질 기준도 유지된 단계만 채택합니다. 오류가 늘거나 검수시간이 절약시간을 먹어버렸다면 프롬프트를 고치는 데 매달리기보다 후보를 보류하세요.
감사의 최종 산출물은 거대한 AI 전환 계획이 아니에요. ‘메타데이터 초안은 AI 보조’, ‘승인 알림은 규칙 자동화’, ‘핵심 주장과 사실 검증은 사람 유지’처럼 단계별 소유권이 적힌 한 장짜리 지도면 충분합니다. 이 지도가 있어야 다음 도구의 데모를 볼 때 기능 수가 아니라 우리 병목을 실제로 줄이는지 물을 수 있어요.
.png)