좋은 교육은 가르치기 전에 이미 절반이 결정된다
1대1 맞춤 교육에서 가장 먼저 해야 할 일은 강의안을 만드는 것이 아니다. 상대방이 지금 어디에 서 있는지, 무엇 때문에 막혀 있는지, 무엇을 진짜 원하는지를 먼저 이해하는 것이다.
AI 자동화 교육을 의뢰받을 때 가장 자주 듣는 말이 있다. "자동화를 배우고 싶어요." 하지만 이 말 뒤에는 전혀 다른 질문들이 숨어 있다. 어떤 사람은 반복 업무에서 해방되고 싶은 것이고, 어떤 사람은 콘텐츠 생산 속도를 높이고 싶은 것이며, 어떤 사람은 AI를 실무에 연결하는 방법 자체를 처음부터 배우고 싶은 것이다. 같은 말처럼 들리지만, 교육 설계는 완전히 달라진다.
SJ Atelier 세정 대표님과의 자문은 이 지점에서 시작했다. 단순히 "무엇을 가르칠까"가 아니라, "이 분에게 지금 정말 필요한 것이 무엇인가"부터 물었다. 그 과정에서 사전 질의응답지를 설계했고, 25개의 질문을 통해 현재 상황, 목표, 환경, 기대 성과를 체계적으로 진단했다.
사전 진단: 25개 질문이 보여준 것들
사전 인터뷰는 단순한 설문이 아니었다. 각 질문은 교육 설계에 직접 영향을 미치는 변수들을 파악하기 위해 설계되었다.
Q1에서 가장 시간이 많이 드는 작업으로 "콘텐츠를 꾸준히 올리는 운영 루틴 만들기"와 "AI 패션 실무용 커리큘럼 개발·연구"를 꼽으셨다. 이 답변 하나만으로도 핵심 문제가 드러났다. 특정 도구를 잘 쓰지 못하는 것이 아니라, 반복되는 운영을 지속 가능한 구조로 만드는 설계 능력이 필요하다는 것이었다.
Q8에서 유료로 사용 중인 도구 목록을 보고 한 번 더 확인이 됐다. 미드저니, 클링, 루마, 힉스필드, 제미나이, ChatGPT, Claude, 토파즈, 마누스, 젠스파크, 노션. 이 목록은 AI 도구에 전혀 낯선 사람의 것이 아니다. 이미 다양한 도구를 써온 분이다. 그런데 Q11에서 "기본 사용은 가능하지만 실무 연결이 어렵다"고 하셨다. 즉, 도구를 모르는 것이 아니라 도구들 사이의 연결과 흐름 설계가 되지 않고 있었다.
Q20에서 "바이브코딩 방식 자체"와 "아직 도구보다 전체 흐름이 궁금하다"를 선택하신 것도 같은 맥락이다. 특정 기능 하나를 배우는 것보다, AI와 함께 일하는 방식 자체를 이해하고 싶다는 신호였다.
Q25의 자유 답변이 결정적이었다. "바이브코딩, 자동화 얕게만 독학해서 어느 정도의 결과가 나올지는 모르겠어요. 가르쳐주시는 대로 최대한 열심히 해서 무엇 하나라도 제가 하고 있는 업무 중 하나라도 자동화하여 향후 혼자 그것을 적용 확장하는 것을 목표로 하고 있습니다."
이 문장에서 두 가지를 읽었다. 하나는 불안감이다. 독학으로 해봤지만 방향이 잡히지 않는다. 다른 하나는 명확한 목표다. 단발성 결과물이 아니라, 스스로 확장할 수 있는 능력을 원한다.
진단 후 내린 결론: 도구보다 사고방식
이 모든 답변을 분석한 후 내린 결론은 하나였다. 이 분에게 지금 필요한 것은 도구 사용법이 아니다.
AI 자동화 교육 시장에는 도구 중심 수업이 넘쳐난다. ChatGPT로 글 쓰는 법, n8n으로 자동화하는 법, Notion으로 정리하는 법. 각각 훌륭한 수업이지만, 이 방식에는 치명적인 한계가 있다. 도구가 바뀌면 배운 것이 무용지물이 된다. 지금 이 순간 가장 핫한 도구가 6개월 뒤에도 같은 자리에 있으리라는 보장은 없다.
반면 "문제를 어떻게 정의하고, 업무를 어떻게 쪼개고, AI에게 어떻게 요청하는가"라는 사고방식은 도구가 바뀌어도 유효하다. 이것이 진짜 경쟁력이다.
세정 대표님의 상황은 특히 이 접근이 더 중요했다. 패션 교육이라는 특수한 도메인을 운영하면서 다양한 AI 도구를 이미 써오셨다. 필요한 것은 새로운 도구를 하나 더 추가하는 것이 아니라, 지금 가진 도구들을 유기적으로 연결하는 설계 능력이었다.
그래서 커리큘럼의 핵심을 이렇게 정했다. 어떤 업무가 와도 반자동화로 전환할 수 있는 문제 해결 사고방식을 익히는 것. 9시간이 끝난 뒤 "이 도구는 이렇게 쓰는 것"이 아니라, "이런 문제가 오면 이렇게 접근하면 된다"는 틀이 남아야 했다.
커리큘럼 설계 원칙
커리큘럼 설계에서 가장 먼저 결정해야 했던 것은 순서였다. 많은 교육 프로그램이 도구 설명 → 따라하기 → 응용으로 흐른다. 하지만 이 방식은 한 가지를 빠뜨린다. 왜 이것을 배우는가, 라는 맥락이다.
맥락 없이 도구를 배우면 그 도구 안에서만 생각하게 된다. ChatGPT로 글 쓰는 법을 배운 사람은 글 쓰는 것에만 AI를 쓴다. 하지만 문제 해결 사고방식을 먼저 익힌 사람은 글쓰기뿐 아니라 데이터 정리, 이미지 프롬프트 설계, 루틴 구조화 등 모든 영역에 같은 방식을 적용한다.
그래서 5개 모듈은 아래 흐름으로 설계되었다.
모듈 1에서는 자동화, 반자동화, 수동 작업의 차이부터 시작한다. "자동화를 배우러 왔는데 왜 수동 얘기를 하지?"라고 의아할 수 있다. 하지만 무엇을 자동화해야 하는지 모른 채 자동화를 배우면, 자동화할 필요가 없는 것을 자동화하는 데 시간을 쓰게 된다. 먼저 내 업무를 세 가지로 나눌 수 있어야 한다. 어떤 것이 반복되는가, 어떤 것이 판단이 필요한가, 어떤 것이 창의성이 필요한가.
모듈 2에서는 막연한 "하고 싶다"를 실행 가능한 흐름으로 바꾸는 법을 다룬다. "학생 결과물을 자동으로 정리해서 올리고 싶다"는 문장을 받으면, 대부분의 사람은 바로 도구를 찾는다. 하지만 먼저 물어야 할 것이 있다. 입력은 무엇인가. 처리 단계는 어디서 병목이 나는가. 사람이 반드시 개입해야 하는 지점은 어디인가. 가장 작은 테스트 버전은 무엇인가. 이 질문들을 거쳐야 비로소 실행 가능한 설계가 나온다.
모듈 3은 AI에게 잘 물어보는 법이다. AI를 오래 써온 사람들도 종종 이 단계를 건너뛴다. "만들어줘"라고 바로 요청하면 AI는 아주 그럴듯한 것을 만들어주지만, 내가 원하는 것이 맞는지 확인할 방법이 없다. 구조적으로 요청하는 법, 업무를 분해해서 물어보는 법, 도구 조합을 제안받는 법을 익혀야 AI를 진짜 파트너로 쓸 수 있다.
모듈 4는 이번 커리큘럼에서 가장 많이 고민한 부분이었다. 처음 설계에서는 n8n 같은 워크플로우 자동화 툴을 연결하려고 했다. 하지만 세정 대표님의 목표, 즉 "자동화 구조를 이해하고 조금 수정할 수 있는 상태"라는 키워드를 다시 봤을 때 방향을 바꿨다. n8n은 흐름을 연결하는 데 강하지만, 작은 프로그램 하나를 직접 만드는 경험을 주기에는 추상도가 높다. 그래서 Claude Code, Gemini CLI, Codex CLI 같은 바이브코딩 도구로 전환했다. AI와 직접 대화하며 입력, 처리, 검토, 출력 구조를 가진 작은 프로그램을 만드는 경험이 "자동화가 어떻게 작동하는가"를 몸으로 이해하는 데 훨씬 효과적이다.
모듈 5는 확장이다. 하나를 만들고 끝내지 않고, 이번에 익힌 방식을 다른 주제에도 적용하는 사고법을 정리한다. 교육이 끝났을 때 남아야 하는 것은 결과물 하나가 아니라, 다음 문제가 왔을 때 혼자 시작할 수 있는 프레임이다.
이 교육이 끝난 뒤 남아야 하는 것
9시간이 끝나면 아래 여섯 가지가 손에 남아야 한다.
작은 반자동화 프로그램 1개. 문서로만 존재하는 설계가 아니라 실제로 실행되는, 아주 작더라도 동작하는 프로그램 하나.
문제 정의서 1장. 이번에 다룬 주제를 "어떤 입력이 들어오고, 어떤 처리가 일어나고, 어떤 결과가 나오는가"의 언어로 다시 쓴 문서.
업무 흐름표 1장. 지금 하고 있는 반복 업무를 단계별로 분해한 표.
자동/반자동/수동 구분표 1장. 어떤 일을 AI에게 맡기고, 어떤 일을 내가 판단해야 하는지 명확하게 정리한 기준.
AI 질문 템플릿 1세트. 새로운 주제가 왔을 때 AI와 어떻게 대화를 시작할지 재사용 가능한 질문 틀.
반자동화 설계 로직서 1부. 이번에 만든 프로그램의 구조에서 바뀌는 것과 바뀌지 않는 것을 구분해, 다른 주제에 같은 구조를 적용할 수 있게 정리한 문서.
이 여섯 가지는 단순한 수업 결과물이 아니다. 다음 문제를 만났을 때 혼자 시작할 수 있게 해주는 도구 상자다.
1대1 자문의 진짜 가치
강의장에서 10명, 20명에게 동시에 가르치는 교육과 1대1 자문이 다른 이유는 콘텐츠가 아니다. 속도와 맥락이다.
집단 강의에서는 가장 이해가 빠른 사람에 맞출 수도 없고, 가장 이해가 느린 사람에 맞출 수도 없다. 중간 어딘가에서 평균을 맞춘다. 결과적으로 모두에게 조금씩 맞지 않는 교육이 된다.
1대1 자문에서는 다르다. 상대방이 막히는 지점에서 바로 멈출 수 있다. 이미 알고 있는 것은 빠르게 넘어갈 수 있다. 지금 가장 중요한 문제를 중심으로 시간을 쓸 수 있다.
세정 대표님의 경우 이미 다양한 AI 도구를 써오셨기 때문에, 도구 사용법을 처음부터 설명하는 시간을 아낄 수 있다. 그 시간을 "어떻게 연결하고 설계하는가"에 집중할 수 있다. 이것이 사전 진단이 중요한 이유다. 어디서 시작하고, 어디서 시간을 아끼고, 어디에 집중할지를 미리 알고 들어가는 것과 모르고 들어가는 것은 완전히 다른 교육이 된다.
이 자문이 끝난 뒤 기대하는 변화
9시간이 끝났을 때, "이걸 자동화할 수 있을까요?"라고 막연히 묻는 상태가 아니라, "이건 입력이 뭐고, 처리 단계가 어디서 나뉘고, 사람이 확인해야 할 부분이 여기고, 가장 작은 버전은 이렇게 만들면 되겠네"라고 스스로 생각할 수 있는 상태가 되는 것.
그것이 이번 교육의 진짜 목표다. 하나의 프로그램을 만드는 수업이면서, 앞으로 어떤 주제가 와도 같은 방식으로 접근할 수 있는 사고방식을 갖추는 수업이다.
