일을 맡겨 보면 안다. 실력 차이는 얼마나 빨리 처리하느냐보다, 어디서 손을 멈추고 "이건 확인받고 하겠습니다"라고 말하느냐에서 더 크게 드러난다. 사람 주니어를 겪어 본 팀장이라면 고개를 끄덕일 것이다. 시키는 걸 다 해내는 사람보다, 애매한 지점에서 정확히 멈춰 물어보는 사람이 결국 더 믿음직하다. 멈출 줄 모르는 손은 빠를수록 위험하다.
AI 프로젝트 매니저도 똑같다. 요청을 받아 분류하고, 실행하고, 검증해서 보고하는 흐름 어디에나 "여기서 계속 갈까, 아니면 사람에게 넘길까"를 판단해야 하는 갈림길이 숨어 있다. 온틀에서 이 판단을 어떻게 다루는지, 그리고 왜 "멈추는 능력"이 처리 속도만큼이나 중요한지 이야기해 보려 한다.
멈춤에 관한 판단은 양쪽으로 다 실패한다.
한쪽 극단은 너무 자주 멈추는 AI PM이다. 사소한 것 하나하나 "이렇게 할까요, 저렇게 할까요"를 물어 온다. 처음 한두 번은 꼼꼼해 보이지만, 곧 사람이 지친다. 결국 요청자가 모든 결정을 다 내려야 한다면, 자동화의 의미가 사라진다. 일을 대신 처리해 주는 게 아니라, 매 단계 승인 버튼을 눌러 주는 노동이 새로 생긴 셈이다. 되묻기가 잦은 도구는 편리한 게 아니라 성가시다.
반대쪽 극단은 멈출 줄 모르는 AI PM이다. 애매하면 그냥 그럴듯한 쪽으로 밀어붙인다. 요청에 "적당히 정리해 주세요"라고 적혀 있으면, 자기가 상상한 '적당히'를 실행에 옮긴다. 운이 좋으면 맞고, 나쁘면 엉뚱한 결과물이 완료로 보고된다. 더 나쁜 건, 그 결과가 되돌리기 어려운 종류일 때다. 외부로 나간 메일, 지워진 데이터, 이미 반영된 설정. 이런 건 "다시 하면 되죠"가 통하지 않는다.
그래서 좋은 AI PM의 조건은 역설적이다. 자율적으로 끝까지 처리하는 능력과, 결정적인 순간에 멈추는 능력을 동시에 가져야 한다. 둘 중 하나만 잘하는 건 반쪽짜리다.
그러면 무엇을 기준으로 멈출지 정해야 할까. 온틀이 실무에서 기대는 첫 번째 기준은 단순하다. 이 작업이 되돌릴 수 있는가.
되돌릴 수 있는 일은 웬만하면 밀어붙이는 게 낫다. 초안을 쓰고, 자료를 정리하고, 화면 문구를 다듬고, 계산을 돌리는 일 대부분이 여기 속한다. 결과가 마음에 안 들면 다시 하면 된다. 이런 걸 붙잡고 매번 확인을 구하면, 앞서 말한 '성가신 도구'가 된다. 여기서는 판단해서 처리하고, 결과를 보여 주는 편이 요청자에게 이롭다.
되돌리기 어려운 일은 반대다. 외부로 나가는 발신, 결제나 크레딧이 오가는 처리, 데이터 삭제나 덮어쓰기, 계정·권한·정체성에 손대는 일, 남에게 영향을 주는 조치. 이런 건 실행 전에 멈춰서 사람의 확인을 받는 게 원칙이다. 속도를 조금 잃더라도, 사고 한 번의 비용이 그 손해를 압도한다. 특히 사람에게 나가는 메시지는 한 번 나가면 회수가 안 된다. 잘못 보낸 메일을 "취소했습니다"로 무마할 방법은 없다.
이 기준이 좋은 이유는, AI가 자기 확신의 강도로 판단하지 않게 해 준다는 점이다. "나는 이게 맞다고 꽤 확신한다"는 건 위험한 신호다. 확신이 높아도 되돌릴 수 없는 일이면 멈춰야 하고, 확신이 낮아도 되돌릴 수 있는 일이면 일단 해보고 보여 줄 수 있다. 판단의 축을 '내가 얼마나 자신 있나'에서 '틀렸을 때 얼마나 아픈가'로 옮기는 것. 이 전환이 안전한 자동화의 핵심이다.
두 번째 기준은 요청 자체의 애매함이다.
요청서에 빠진 정보가 있을 때, 멈출 줄 모르는 AI는 그 빈칸을 자기 짐작으로 채운다. 언뜻 친절해 보이지만, 짐작이 틀리면 그 위에 쌓은 모든 작업이 무너진다. 더 골치 아픈 건, 결과물만 봐서는 어디가 짐작이고 어디가 사실인지 구분이 안 된다는 점이다. 완성도 있어 보이는 결과물일수록 숨은 가정을 발견하기 어렵다.
여기서 갈린다. 빈칸이 되돌릴 수 있는 범위 안이면 — 이를테면 보고서의 어조나 정리 순서 같은 것 — 합리적인 기본값으로 처리하고, "이렇게 가정했습니다"를 결과에 명시하면 된다. 요청자는 결과를 보고 아니면 되돌리면 그만이다. 하지만 빈칸이 결과의 방향을 통째로 바꾸는 종류라면 — 어떤 대상에게 보낼지, 어떤 데이터를 지울지, 어떤 값으로 설정할지 — 짐작으로 채우면 안 된다. 이럴 때 AI PM은 멈춰서 그 빈칸을 요청자에게 되돌려줘야 한다.
핵심은, 애매함을 조용히 삼키지 않는 것이다. 잘 만든 AI PM은 자기가 무엇을 모르는지를 감추지 않고 드러낸다. "모른다"는 약점이 아니라 신뢰의 근거다. 아무것도 모르는 척 매끄럽게 넘어간 결과물보다, "여기는 확실치 않아 확인이 필요합니다"라고 짚어 주는 결과물이 실무에서는 훨씬 쓸모 있다.
온틀 화면을 쓰는 고객은 작업이 흘러가는 걸 몇 가지 상태로 본다. 접수·검토, 진행중, 완료 같은 익숙한 것들 사이에, 조금 특별한 상태가 하나 있다. 결정 기다리는 중.
이건 단순히 "일이 멈춰 있다"는 뜻이 아니다. AI PM이 자기 판단으로는 여기서 더 나아가면 안 된다고 결론 내리고, 결정 권한을 사람에게 넘긴 상태다. 앞에서 말한 두 기준 — 되돌릴 수 없거나, 방향을 바꾸는 애매함이 있거나 — 에 걸리면 작업은 이 상태로 들어간다. 그리고 여기서는 사람의 응답이 있어야만 다시 움직인다.
이 상태를 별도로 두는 이유가 있다. 멈춤이 사람에게 보여야 하기 때문이다. AI가 속으로 판단해서 조용히 대기하고 있으면, 요청자는 그게 일하는 중인지 막힌 것인지 알 수 없다. '결정 기다리는 중'이라는 이름표를 붙이는 순간, 멈춤은 방치가 아니라 명시적인 요청이 된다. "당신 차례입니다"라는 신호. 좋은 멈춤은 침묵이 아니라 분명한 넘김이다.
그리고 이 상태는 사람과 AI의 역할이 갈리는 지점을 정직하게 드러낸다. 되돌릴 수 있는 판단, 반복적인 실행, 자료의 정리 — 이런 건 AI가 감당한다. 방향을 정하는 결정, 책임이 따르는 선택, 맥락 바깥의 판단 — 이런 건 사람 몫이다. '결정 기다리는 중'은 그 경계선에 서서 "여기부터는 당신입니다"라고 말하는 상태인 셈이다.
여기까지 AI 쪽 이야기였다면, 마지막은 사람 쪽이다. AI PM이 잘 멈추게 하려면, 그 멈춤을 잘 읽어 주는 사람이 있어야 한다.
AI가 '결정 기다리는 중'으로 넘긴 건, 대개 그 요청에서 가장 중요한 갈림길이다. 되돌릴 수 없거나, 방향을 좌우하는 지점. 이걸 "왜 자꾸 물어봐"라고 성가셔하며 대충 넘기면, 정작 사람이 판단해야 할 핵심을 흘려보내는 셈이 된다. 반대로 이 멈춤을 진지하게 받아, 한 문장으로 방향을 정해 주면, AI는 그 결정을 축으로 나머지를 자율적으로 끝낸다. 멈춤 하나에 답하는 데 드는 30초가, 잘못 밀어붙인 결과를 되돌리는 반나절을 아낀다.
그래서 AI PM과 일을 잘하는 법은, 결국 이 멈춤을 어떻게 다루느냐로 좁혀진다. 모든 걸 다 지시하려 들 필요는 없다. 되돌릴 수 있는 건 맡기고, AI가 멈춰 세운 지점에만 또렷하게 답하면 된다. 좋은 협업은 사람이 모든 결정을 쥐는 것도, AI가 모든 걸 알아서 하는 것도 아니다. 멈춰야 할 자리에서 정확히 멈추고, 넘겨받은 사람이 정확히 답하는 리듬. 그 리듬이 맞으면, 파견된 AI PM은 손이 빠른 실무자이면서 동시에 사고를 안 치는 실무자가 된다. 드문 조합이고, 멈출 줄 아는 능력이 그 조합을 만든다.
되돌릴 수 있는 작업까지 확인을 구하고 있다면 기준이 지나치게 보수적으로 잡힌 것일 수 있습니다. 어떤 종류의 작업은 알아서 처리하고 결과만 보고해도 된다고 요청서나 초기 설정에서 방향을 정해 주면, 멈추는 지점이 정말 중요한 갈림길로 좁혀집니다. 반대로 처음에는 다소 자주 멈추게 두고, 신뢰가 쌓이는 만큼 자율 범위를 넓히는 방식도 안전합니다.
네. 이 상태는 AI가 자기 판단만으로 진행하면 위험하다고 본 지점이라, 사람의 응답이 있어야 다시 움직입니다. 되돌릴 수 없는 실행이거나, 결과의 방향을 좌우하는 애매함이 남아 있는 경우가 대부분입니다. 방치하면 그 자리에 계속 머물러 있으니, 넘어온 질문에 방향만 정해 주면 나머지는 자율적으로 이어집니다.
되돌릴 수 있는 작업에서는 멈추지 않고 처리하기 때문에 대부분의 속도는 유지됩니다. 멈춤은 되돌리기 어렵거나 방향이 걸린 소수의 지점에만 걸립니다. 그 몇 초의 확인이, 잘못 밀어붙인 결과를 되돌리는 훨씬 큰 비용을 막아 줍니다. 전체로 보면 멈출 줄 아는 쪽이 오히려 빠릅니다.
오히려 반대에 가깝습니다. 모르는 것을 짐작으로 채워 매끄럽게 넘기는 편이 더 위험합니다. 결과물만 봐서는 어디가 사실이고 어디가 가정인지 구분되지 않기 때문입니다. 모르는 지점을 정확히 짚어 주는 것은 그 결과물을 믿고 쓸 수 있게 해 주는 근거이지, 능력이 모자란 신호가 아닙니다.