AI 리터러시 ② 문제 정의(Problem Framing)

AI에게 질문을 잘하는 사람과 문제를 잘 해결하는 사람은 같을까요?

ChatGPT와 같은 생성형 AI를 활용하는 사람들이 늘어나면서 프롬프트를 잘 작성하는 방법에 대한 관심도 높아지고 있습니다.

어떤 단어를 사용해야 하는지, 배경정보를 얼마나 제공해야 하는지, 어떤 형식으로 답변을 요청해야 하는지 배우는 사람들도 많습니다.

그런데 여기서 중요한 질문이 있습니다.

"AI에게 아무리 좋은 질문을 하더라도, 해결하려는 문제 자체를 잘못 이해했다면 어떻게 될까요?"

AI는 요청받은 내용에 맞춰 훌륭한 답변을 만들어낼 수 있습니다.

하지만 애초에 해결해야 할 문제를 잘못 설정했다면, 아무리 완성도가 높은 답변이라도 실제로는 도움이 되지 않을 수 있습니다.

AI를 효과적으로 활용하기 위해서는 프롬프트 작성 능력보다 먼저 필요한 역량이 있습니다.

바로 AI 리터러시의 두 번째 핵심 역량인 **문제 정의(Problem Framing)**입니다.

1. 문제 정의(Problem Framing)란 무엇일까?

문제 정의는 해결해야 할 문제가 무엇인지 정확하게 파악하고, 문제의 원인과 목표를 구체화하며, AI가 도와줄 수 있는 부분을 구분하는 능력입니다.

쉽게 설명하면 다음과 같습니다.

"AI에게 무엇을 시킬 것인가?"를 고민하기 전에 "우리는 무엇을 해결해야 하는가?"를 먼저 생각하는 능력입니다.

예를 들어 회사에서 다음과 같은 업무 지시를 받았다고 가정해 보겠습니다.

"최근 매출이 감소하고 있으니 개선 방안을 마련해 주세요."

이때 AI를 활용하는 사람은 곧바로 다음과 같이 질문할 수 있습니다.

"매출을 높이는 마케팅 전략 10가지를 알려줘."

AI는 광고 확대, SNS 마케팅, 프로모션, 신규 고객 확보 등 다양한 전략을 제안할 것입니다.

하지만 여기에는 중요한 문제가 있습니다.

매출이 감소한 원인이 무엇인지 아직 확인하지 않았다는 점입니다.

신규 고객이 줄어든 것일까요?

기존 고객의 재구매율이 낮아진 것일까요?

상품 가격이 경쟁사보다 높아진 것일까요?

아니면 특정 판매 채널에서 문제가 발생한 것일까요?

원인에 따라 해결 방법은 완전히 달라집니다.

따라서 AI를 활용하기 전에 먼저 매출 감소의 원인을 파악하는 것이 중요합니다.

이것이 문제 정의의 출발점입니다.

2. AI는 답을 잘 만들지만, 문제를 항상 올바르게 정의하지는 않는다

생성형 AI는 사용자가 제시한 문제에 대해 다양한 해결책을 제안할 수 있습니다.

하지만 AI가 사용자의 실제 상황과 의도를 항상 정확하게 이해하는 것은 아닙니다.

특히 정보가 부족하거나 질문이 모호한 경우, AI는 일반적인 가정을 바탕으로 답변할 수 있습니다.

예를 들어 다음과 같은 질문을 생각해 보겠습니다.

질문 A

"우리 회사의 고객 만족도를 높일 방법을 알려줘."

AI는 고객 응대 교육, 서비스 개선, 할인 쿠폰 제공 등의 방법을 제안할 수 있습니다.

하지만 이것은 일반적인 고객 만족도 개선 방안에 가깝습니다.

질문 B

"최근 3개월 동안 배송 지연 관련 고객 불만이 증가했습니다. 고객 문의 데이터를 분석해 배송 지연이 발생하는 주요 원인을 분류하고, 고객 경험을 개선하기 위한 우선순위를 제안해 주세요."

두 번째 질문에서는 해결해야 할 문제가 훨씬 명확합니다.

단순한 고객 만족도 개선이 아니라 배송 지연으로 발생한 불만을 해결하는 것이 목표이기 때문입니다.

더 나아가 실제 고객 문의 데이터와 배송 기록을 제공한다면 AI가 구체적인 분석을 수행하는 데 도움이 될 수 있습니다.

두 질문의 차이는 프롬프트의 길이가 아닙니다.

해결해야 할 문제를 얼마나 정확하게 이해하고 정의했는가의 차이입니다.

3. 문제 정의를 잘하려면 무엇을 확인해야 할까?

문제를 정의할 때는 다음 다섯 가지를 생각해 보는 것이 좋습니다.

① 현재 상황은 무엇인가?

먼저 어떤 상황에서 문제가 발생했는지 파악해야 합니다.

현재의 상태를 객관적으로 이해하는 과정입니다.

예를 들어 "고객이 줄었다"는 표현보다 "최근 3개월간 신규 가입자 수가 이전 3개월 대비 20% 감소했다"는 설명이 구체적입니다.

숫자나 자료가 없다면 확인 가능한 사실과 추정을 구분해야 합니다.

② 해결해야 할 핵심 문제는 무엇인가?

눈앞에 나타난 현상과 실제 문제는 다를 수 있습니다.

매출 감소는 현상이고, 구매 전환율 하락이나 재구매율 감소가 원인일 수 있습니다.

따라서 문제가 발생한 이유에 대한 여러 가설을 세우고 검증해야 합니다.

③ 어떤 결과를 만들어야 하는가?

문제를 해결한 뒤 어떤 결과를 기대하는지 구체화해야 합니다.

"마케팅 개선"보다 "다음 분기 신규 고객 구매 전환율 향상"처럼 목표를 정하면 해결 방향을 설정하기 쉽습니다.

목표에는 가능하면 측정 가능한 지표를 포함하는 것이 좋습니다.

④ 어떤 조건과 제약이 있는가?

예산, 일정, 인력, 활용 가능한 자료 등 문제 해결에 영향을 주는 조건을 확인해야 합니다.

아무리 좋은 해결책이라도 실제로 실행할 수 없다면 의미가 줄어듭니다.

⑤ AI는 어떤 부분을 도와줄 수 있는가?

마지막으로 문제 해결 과정에서 AI가 수행하기 적합한 업무를 구분합니다.

자료 정리, 정보 비교, 분석 가설 제안, 보고서 초안 작성 등은 AI가 도움을 줄 수 있는 영역입니다.

반면 실제 상황에 대한 최종 판단과 중요한 의사결정은 사람이 충분한 근거를 바탕으로 수행해야 합니다.

4. 같은 업무라도 문제 정의에 따라 AI의 답변은 달라진다

실제 업무와 유사한 사례를 살펴보겠습니다.

사례 1. 마케팅 직무

잘못된 접근

"우리 회사 상품을 홍보할 마케팅 아이디어 10개를 알려줘."

이 질문으로도 아이디어를 얻을 수 있지만, 어떤 문제를 해결하려는지 명확하지 않습니다.

문제를 정의한 접근

"최근 온라인 광고를 통해 유입되는 방문자 수는 유지되고 있지만 구매 전환율이 감소하고 있습니다. 제공한 방문자·구매 데이터를 분석해 전환율 하락 원인에 대한 가설을 설정하고, 적은 예산으로 검증할 수 있는 개선 방안을 제안해 주세요."

이제 AI는 단순한 홍보 아이디어가 아니라 구매 전환율 개선에 집중할 수 있습니다.

사례 2. 인사·채용 직무

잘못된 접근

"좋은 인재를 채용하는 방법을 알려줘."

문제를 정의한 접근

"최근 신입사원의 입사 후 6개월 이내 퇴사율이 높아지고 있습니다. 채용 과정의 직무 정보 제공, 지원자 기대 수준, 온보딩 경험 중 어떤 요소가 영향을 줄 수 있는지 분석 가설을 제시하고, 추가로 수집해야 할 데이터를 정리해 주세요."

핵심은 단순히 채용 인원을 늘리는 것이 아니라 조기 퇴사율 문제의 원인을 분석하는 것입니다.

사례 3. 서비스 기획 직무

잘못된 접근

"우리 앱의 사용자 경험을 개선할 방법을 알려줘."

문제를 정의한 접근

"회원가입 첫 화면에서 다음 단계로 이동하지 않고 이탈하는 사용자가 많습니다. 사용자 행동 데이터를 바탕으로 이탈 원인에 대한 가설을 도출하고, 가입 완료율을 높이기 위해 우선 검증해야 할 개선안을 제안해 주세요."

실제 목표가 명확해지면서 AI의 역할도 구체적으로 설정됩니다.

이 사례들의 공통점은 같습니다.

AI에게 해결책을 요청하기 전에 무엇이 문제인지부터 명확하게 정의했다는 것입니다.

5. AI가 도와줄 수 있는 일과 사람이 해야 하는 일을 구분하자

문제 정의에서 중요한 역량 중 하나는 AI의 역할을 적절하게 설정하는 것입니다.

AI가 모든 업무를 대신할 수 있다고 생각해서도 안 되고, 단순한 검색 도구로만 제한할 필요도 없습니다.

예를 들어 신규 서비스의 고객 이탈 문제를 해결해야 한다고 가정해 보겠습니다.

문제 해결의 모든 단계를 AI에게 맡기기보다는 AI가 효과적으로 기여할 수 있는 부분을 파악하는 것이 중요합니다.

특히 AI가 만들어낸 가설을 검증된 원인으로 착각하지 않도록 주의해야 합니다.

AI는 문제 해결 과정을 도울 수 있지만, 무엇을 중요한 문제로 볼지 결정하는 데에는 사람의 판단이 필요합니다.

6. 대기업 AI 활용 능력 평가에서 문제 정의가 중요한 이유

최근 기업의 AI 활용 능력 평가에서는 실제 업무와 유사한 상황을 제시하고, 지원자가 AI를 활용해 문제를 해결하도록 하는 유형이 등장하고 있습니다.

예를 들어 다음과 같은 문제가 출제되었다고 가정해 보겠습니다.

[가상 AI 활용 능력 평가 과제]

당신은 유통기업의 영업관리 담당자입니다.

최근 특정 지역 매장의 매출이 지속적으로 감소하고 있습니다.

팀장은 매출 데이터를 검토하고 매출 감소의 원인과 개선 방안을 정리한 보고서를 요청했습니다.

제공된 자료는 매장별 매출액, 방문 고객 수, 구매 전환율, 주요 상품별 판매량, 지역별 프로모션 실적입니다.

AI를 활용하여 팀장에게 보고할 개선안을 작성하세요.

이 문제를 받았을 때 곧바로 AI에게 다음과 같이 요청한다면 어떨까요?

"매장 매출을 높이는 방법을 알려줘."

AI가 일반적인 개선책을 제시할 수는 있지만, 주어진 업무 상황과 자료를 충분히 활용하지 못할 가능성이 있습니다.

반면 문제 정의가 뛰어난 지원자는 먼저 다음과 같은 질문을 생각합니다.

• 매출이 감소한 매장은 어디인가?

• 방문 고객 수가 감소한 것인가, 구매 전환율이 떨어진 것인가?

• 특정 상품군에서 매출 감소가 집중되는가?

• 지역별 차이가 나타나는가?

• 개선 방안을 제안할 때 고려해야 할 조건은 무엇인가?

이 과정을 통해 해결해야 할 문제를 구체적으로 정의할 수 있습니다.

그다음 AI에게 자료 분석과 원인 가설 도출, 개선안 비교 등을 요청할 수 있습니다.

이러한 접근은 최종 보고서뿐 아니라 문제 해결 과정을 더 논리적으로 만드는 데 도움이 됩니다.

기업별 실제 평가 기준은 다르지만, 실무형 AI 평가를 준비할 때 문제 정의 역량을 연습해야 하는 이유입니다.

7. 문제 정의 능력을 높이는 5가지 실천 방법

문제 정의 능력은 일상적인 AI 활용 과정에서도 연습할 수 있습니다.

1단계. 질문하기 전에 문제를 한 문장으로 작성하세요.

"내가 실제로 해결하려는 문제는 무엇인가?"라는 질문에 답해 보세요.

가능하면 대상, 상황, 문제 현상을 포함해 작성합니다.

2단계. 현상과 원인을 구분하세요.

매출 감소, 고객 불만 증가, 사용자 이탈 등은 관찰된 현상일 수 있습니다.

왜 그런 현상이 발생했는지는 별도의 분석이 필요합니다.

3단계. 해결 목표를 구체화하세요.

무엇을 얼마나 개선하고 싶은지, 어떤 결과가 나오면 성공이라고 판단할지 생각해 보세요.

4단계. AI에게 맡길 역할을 정하세요.

AI가 자료를 정리해야 하는지, 원인 가설을 도출해야 하는지, 여러 대안을 비교해야 하는지 구체화합니다.

5단계. AI의 답변이 실제 문제를 해결하는지 검토하세요.

답변이 길고 그럴듯하다고 해서 좋은 결과는 아닙니다.

처음 정의했던 문제와 목표에 얼마나 부합하는지 확인해야 합니다.

8. 나의 문제 정의 능력을 점검해 보세요

다음은 자신의 문제 정의 능력을 확인해 볼 수 있는 간단한 질문입니다.

Q1. AI에게 질문하기 전에 해결해야 할 문제를 명확하게 설명할 수 있나요?

Q2. 문제가 발생한 현상과 실제 원인을 구분하고 있나요?

Q3. 문제 해결의 목표와 성공 기준을 설정할 수 있나요?

Q4. 해결에 필요한 자료와 부족한 정보를 구분할 수 있나요?

Q5. AI가 도와줄 수 있는 일과 직접 판단해야 할 일을 구분할 수 있나요?

다섯 가지 질문 중 자신 있게 답하기 어려운 항목이 있다면 실제 사례를 활용해 연습해 보는 것이 좋습니다.

다만 이 질문들은 학습을 위한 자기점검 항목이며 공식적인 역량 진단 도구는 아닙니다.

9. 커리어스코프 AI 활용 능력 검사에서는?

커리어스코프 AI 활용 능력 검사는 AI 활용 과정에서 나타나는 문제 이해와 해결 능력을 중요한 평가 요소로 다룹니다.

특히 직무 문제 해결형 과제에서는 업무 상황과 배경자료를 이해하고, 주어진 목적에 맞게 AI를 활용하는 과정이 중요합니다.

지원자는 먼저 해결해야 할 문제를 파악하고, 제공된 자료를 해석하며, AI에게 적절한 요청을 해야 합니다.

또한 AI가 제시한 답변을 검토하고 부족한 부분을 보완해 최종 결과물을 완성해야 합니다.

이 과정에서는 단순히 프롬프트를 길게 작성하는 능력보다 문제를 정확하게 이해하고 AI를 적절한 방향으로 활용하는 능력이 중요합니다.

이러한 역량은 기업 채용뿐 아니라 실제 직무 수행에서도 도움이 될 수 있습니다.

마무리. 좋은 AI 답변은 좋은 문제 정의에서 시작된다

AI 기술이 발전하면서 누구나 빠르고 자연스러운 답변을 얻을 수 있게 되었습니다.

하지만 같은 AI를 활용하더라도 사용자가 어떤 문제를 제시하는지에 따라 결과는 달라집니다.

문제를 잘못 정의하면 AI는 잘못된 방향으로 정교한 답변을 만들어낼 수도 있습니다.

반대로 문제를 정확하게 정의하면 AI를 활용해 필요한 정보를 찾고, 원인을 분석하고, 실행 가능한 해결책을 만들어내는 데 도움을 받을 수 있습니다.

AI 시대에 중요한 역량은 단순히 프롬프트를 잘 작성하는 것이 아닙니다.

AI에게 질문하기 전에 무엇을 해결해야 하는지 스스로 판단할 수 있는 능력입니다.

이것이 AI 리터러시의 두 번째 핵심 역량인 문제 정의(Problem Framing)가 중요한 이유입니다.

AI 활용 능력, 이제는 직접 확인해 보세요.

커리어스코프 AI 활용 능력 검사는 AI를 활용해 문제를 이해하고 해결책을 만들어가는 과정을 평가합니다.

커리어스코프 AI 활용 능력 검사

https://careerscope.co.kr/ai-literacy

AI 리터러시 핵심 역량 시리즈

① AI 이해 — 생성형 AI의 작동 원리와 한계

② 문제 정의 — AI에게 질문하기 전에 먼저 해야 할 일

③ AI 활용 및 지시 — AI에게 효과적으로 질문하는 방법

④ 비판적 검증 — AI 답변은 어떻게 검증해야 할까?

⑤ 문제 해결 및 결과 창출 — AI를 활용해 실제 성과를 만드는 방법

⑥ AI 윤리 및 책임 — AI를 안전하고 올바르게 사용하는 방법