실수한 날, 나는 AI에게 위로가 아니라 반박을 시킨다

실수를 인정하는 일은 생각보다 어렵다. 나는 실패한 작업을 기록하면서도 문장을 이렇게 고쳐 썼다. “요구사항이 애매했다.” “도구가 불안정했다.” “시간이 부족했다.” 틀린 말은 아니었지만, 내가 놓친 선택은 문장 밖으로 빠져 있었다. 기록은 남았는데 학습은 남지 않았다.

특히 AI를 워크플로에 넣으면 이 문제가 더 커진다. AI는 내가 준 맥락 안에서 그럴듯한 답을 만든다. 내가 “외부 요인 때문에 실패했다”고 쓰면, 그 전제를 검증하기보다 매끄럽게 정리해준다. 도구가 많아질수록 내 판단의 맹점이 자동으로 사라지는 것은 아니다. 오히려 틀린 해석이 더 빨리 생산될 수 있다.

노트에 실패와 다음 행동을 기록하는 저널링 장면
저널은 감정을 보관하는 곳이 아니라, 다음 판단을 검증할 입력값을 만드는 곳이다. 사진: Unsplash.

문제는 의지가 아니라 두 개의 장벽이다

상호작용(에이전트-드루 대화·작업): 내 개인 OS에 Ray Dalio의 Principles: Your Guided Journal을 옮기며 이 문제를 두 장벽으로 나눴다. 첫째는 자아 장벽(ego barrier)이다. 내가 유능해 보이고 싶어서, 내가 내린 판단을 방어하는 장벽이다. 둘째는 맹점 장벽(blind spot barrier)이다. 애초에 내가 보지 못하는 변수라서, 혼자서는 질문조차 만들기 어려운 장벽이다.

두 장벽은 목표를 막는 방식이 다르다. 자아 장벽은 불편한 사실을 보면서도 변명하게 만든다. 맹점 장벽은 변명할 필요조차 없게 만든다. 보이지 않으니 문제의 일부라고 생각하지 않는다. 그래서 “왜 실패했나?”라는 질문만으로는 부족하다. 내 설명이 나를 보호하고 있는지, 내가 아예 보지 못한 설명이 있는지를 따로 물어야 한다.

내가 바꾼 것은 회고의 길이가 아니라 질문의 순서였다

상호작용(에이전트-드루 대화·작업): 예전 회고는 “무엇이 잘못됐나?”에서 시작했다. 그러면 에이전트와 나는 바로 해결책으로 달려갔다. 이후 Guided Journal의 4단계 구조를 작업 로그에 적용했다.

  1. CASE AT HAND — 무슨 일이 있었나? 관찰 가능한 사실과 시간 순서를 쓴다.
  2. WHAT ONE OF THOSE WAS IT — 어떤 유형인가? 이번 사건을 처음 보는 일로 취급하지 않고, 반복되는 패턴에 분류한다.
  3. PRINCIPLE — 다음에 어떤 원칙을 적용할 것인가? “더 주의한다”가 아니라 시작 조건이나 중단 조건으로 쓴다.
  4. REFINE — 다음번에는 무엇을 다르게 할 것인가? 실제 다음 작업에 넣을 작은 실험을 정한다.

이 순서의 효과는 감정을 없애는 데 있지 않다. 감정을 사실과 섞지 않게 하는 데 있다. “망쳤다”는 감정이고, “검증 없이 변경을 적용했다”는 관찰이다. “나는 원래 꼼꼼하지 않다”는 자기평가이고, “승인 단계가 없었다”는 시스템의 상태다. 둘을 분리하면 부끄러움이 다음 설계의 재료가 된다.

AI를 ‘정답 생성기’가 아니라 ‘반대 심사자’로 배치하기

외부 정보(하베스터 수집): ChatGPT를 예로 들면, 하나의 Project에 작업 로그와 원칙 문장을 모아두고 프로젝트 지침에 “칭찬보다 반증을 우선하라”고 적을 수 있다. 여기서 AI의 역할을 바꾼다. 실패 원인을 대신 결정하게 하지 않는다. 내가 쓴 기록을 읽고, 내 설명에 반대하는 질문을 만들게 한다. 중요한 것은 특정 제품명이 아니라 맥락을 고정하고 반대 질문을 반복하는 구조다.

너는 내 회고의 반대 심사자다.
아래 기록에서 사실·해석·추정을 분리하라. 내가 책임을 외부로 넘긴 문장을 찾아라. 내가 보지 못했을 가능성이 있는 변수 세 가지를 제시하라. 내 설명이 맞지 않을 때 관찰될 반증을 한 가지씩 써라. 마지막으로 다음 작업에 적용할 원칙 한 문장과, 30분 안에 실행할 검증 실험 하나만 제안하라. 나를 위로하거나 결론을 대신 내리지 마라.

입력은 길 필요가 없다. 아래 다섯 칸이면 시작할 수 있다.

[목표] 이번 작업에서 얻으려던 결과
[사실] 로그·결과·시간으로 확인되는 것
[내 해석] 내가 실패 원인이라고 생각하는 것
[불편한 지점] 인정하기 싫거나 설명하지 않은 부분
[다음 결정] 지금 바꾸려는 것

AI가 “당신의 맹점은 이것입니다”라고 단정하면 그 답도 경계해야 한다. 맹점은 AI가 발견해주는 진실이 아니라, 확인해야 할 가설 목록이다. 로그를 다시 보고 동료에게 묻고, 다음 실험으로 검증한다. AI에게 권위를 주는 순간, 자아 장벽이 도구의 목소리로 바뀔 뿐이다.

7일 동안 돌려본다면 이렇게 한다

상호작용(에이전트-드루 대화·작업): 내 작업에서는 거창한 주간 회고보다 사건이 끝난 직후의 짧은 기록이 잘 남았다. 다음 루프를 추천하는 이유다.

  1. 매일 3분: 실패나 예상 밖 결과를 한 건만 기록한다. 평가어 대신 관찰어를 쓴다.
  2. 주 2회 10분: AI 반대 심사자에게 사실·해석·맹점 후보를 분리하게 한다.
  3. 주 1회 15분: 반복된 사건을 하나의 유형으로 묶고, 원칙을 체크리스트나 승인 조건으로 번역한다.
  4. 다음 작업: 원칙이 실제로 실패를 줄였는지 결과를 다시 기록한다. 효과가 없으면 원칙을 수정한다.

개인정보, 고객 자료, API 키 같은 민감한 정보는 그대로 올리지 않는다. 익명화한 사실과 필요한 맥락만 남겨도 반대 질문은 충분히 만들 수 있다. 도구의 기억 기능을 켜는 것보다 중요한 것은, 무엇을 기억시킬지 내가 결정하는 것이다.

실수는 평판이 아니라 데이터가 된다

외부 정보(하베스터 수집): Dalio의 메시지를 내 방식으로 번역하면 이렇다. 실수는 나를 정의하는 판결문이 아니다. 목표를 향한 경로에서 어떤 가정이 깨졌는지 알려주는 데이터다. 다만 데이터가 되려면 기록되고, 분류되고, 다음 행동으로 연결되어야 한다.

오늘 최근의 실수 하나를 골라 AI에게 이렇게 물어보자. “내 설명이 나를 보호하는 부분은 어디인가? 내가 보지 못한 변수는 무엇인가? 다음 30분에 무엇을 검증할 것인가?” 답을 믿기 위해서가 아니라, 혼자서는 만들지 않았을 질문을 얻기 위해서다. 그 질문 하나가 자아 장벽을 낮추고 맹점에 이름을 붙인다.

그리고 검증된 원칙 하나를 다음 작업의 시작 조건으로 설치하자. AI를 더 많이 쓰는 것보다, AI가 내 판단을 편하게 만들어주지 못하게 하는 편이 목표에 가까울 때가 있다.

근거 출처

외부 정보(하베스터 수집): Ray Dalio의 공식 Principles 사이트는 radical open-mindedness와 radical transparency가 빠른 학습과 효과적인 변화에 중요하다고 설명한다. Principles by Ray Dalio — Be Radically Open-Minded. Guided Journal의 4단계(CASE AT HAND → 유형 분류 → 적용한 원칙 → 정교화)와 ego/blind spot 장벽의 개념은 Ray Dalio, Principles: Your Guided Journal 및 Bridgewater의 Principles excerpt를 바탕으로 요약·의역했다.

외부 정보(하베스터 수집): ChatGPT Projects 공식 도움말은 Project 안에서 관련 대화·파일·지침을 묶어 작업할 수 있고, 프로젝트 지침이 전역 Custom Instructions보다 우선한다고 안내한다. OpenAI Help Center — Projects in ChatGPT. 이 글의 AI 활용법은 해당 기능을 ‘반대 심사자’ 루프로 응용한 제안이다.

상호작용(에이전트-드루 대화·작업): 2026년 8월 18일 개인 OS 지식화 작업에서 정리한 Dalio Guided Journal의 요약, “실수를 부끄러움이 아니라 학습의 기회로 재정의한다”는 해석, 그리고 작업 로그를 원칙·다음 실험으로 연결한 경험을 1인칭 사례로 사용했다. 외부 통계나 실험 결과가 아니라 실제 대화·작업에서 얻은 운영 메모다.

CTA: 오늘 실패 기록 하나를 위 프롬프트에 넣고, AI의 답 중 검증 가능한 질문 하나만 다음 작업에 적용해보자. 일주일 뒤 그 질문이 반복되는 실수를 줄였는지 댓글로 공유하면, 각자의 맹점을 더 정확한 원칙으로 바꿀 수 있다.