생각하고, 배우고. 직접 해봅니다.
AX 판단 기록
세 사례는 성공 사례 모음이 아닙니다. 사람이 정한 기준, AI에 맡긴 역할, 현재 확인 가능한 증거와 아직 남은 가설을 같은 기록 안에서 공개합니다.
대표 사례
질문
빠른 초안 뒤에 생긴 PRD와 결과물의 차이를 다음 실행이 재사용하려면 무엇을 남겨야 할까?
결정
PRD를 개인 작업의 기준으로 두되, 결과물과 차이가 생기면 소스를 확인하고 변경 이유를 검토한 뒤 PRD를 갱신하는 흐름을 사용합니다.
증거
공개 글에 PRD와 결과물의 차이를 소스를 기준으로 PRD에 갱신하는 개인 워크플로가 기록되어 있습니다.
이 흐름이 다른 사람의 진입 장벽이나 결과물 편차를 줄이는지는 아직 확인하지 않았습니다.
학습
빠른 생성보다 중요한 것은 차이를 누락 없이 다음 판단의 입력으로 돌려놓는 일입니다. 이 사례는 재현 가능한 팀 방법론이 아니라 개선 중인 개인 작업 모델입니다.
질문
표지의 책 제목을 안정적으로 읽기 어렵다면, 검색의 입력 자체를 바꿀 수 있을까?
결정
앞표지 제목 대신 뒷표지 ISBN을 추출하고, 그 값을 공개 도서관 검색에 전달해 소장 여부만 정리하는 흐름을 만들었습니다.
증거
앞표지 제목 인식에서 서체와 주변 문구 때문에 입력이 흔들리는 상황을 관찰했습니다.
뒷표지 ISBN 추출부터 도서관 소장 여부 확인까지의 흐름을 개인 사용에서 확인했습니다.
예약과 상호대차 자동화는 현재 구현 범위가 아닙니다.
학습
인식 모델을 더 복잡하게 만드는 것보다 사람이 제공하는 입력을 바꾸는 편이 문제를 작게 만들 수 있습니다. 자동화의 경계도 소장 확인에서 분명히 멈춰야 합니다.
질문
PPT를 바로 완성하려 하지 않고, 후속 편집이 가능한 초안을 일관된 입력에서 시작하려면 무엇이 필요할까?
결정
템플릿 규칙과 자료를 입력으로 받고, 초안 미리보기와 수정 뒤 편집 가능한 파일로 이어지는 개인 워크플로를 실습했습니다. 결과물은 완성본이 아니라 검토의 출발점으로 둡니다.
증거
공개 글에는 템플릿 적용을 목표로 한 개인 실습과 초안 미리보기·편집·다운로드 흐름이 기록되어 있습니다.
초안 이후 사람의 수정 작업이 남는다는 범위를 공개 기록에서 확인할 수 있습니다.
작업 시간이 줄어드는지는 측정 기준과 비교 기록이 없어 가설로만 남깁니다.
학습
생성 결과를 완성품으로 포장하지 않고, 입력 규칙과 검토 순서를 설계하면 사람의 판단이 필요한 지점을 더 분명하게 볼 수 있습니다.