오픈AI(OpenAI)가 80년간 수학자들을 괴롭혀온 '에르되시 평면 단위 거리 문제'를 AI로 해결했다는 소식이 전해졌습니다. 이 문제는 평면에서 점들 사이의 거리가 모두 1인 점의 집합이 최대 몇 개까지 가능한지를 묻는 문제였거든요.

중요한 건 AI가 단순히 계산만 한 게 아니라는 점입니다. 기존 수학자들의 정설을 뒤집는 새로운 접근법을 스스로 찾아냈어요. 이는 AI가 이제 인간이 수십 년간 못 푼 복잡한 문제도 체계적으로 해결할 수 있다는 걸 보여줍니다.

그렇다면 우리도 일상 업무에서 마주치는 복잡한 문제들을 AI에게 맡겨볼 수 있지 않을까요? 물론 수학 난제와 업무 문제는 다르지만, AI가 문제를 해결하는 방식에서 배울 점이 많습니다.

오픈AI가 수학 난제를 해결한 과정을 보면 몇 가지 특징이 있습니다. 먼저 문제를 작은 단위로 분해했어요. 80년 난제라고 해서 한 번에 답을 구한 게 아니라, 여러 하위 문제로 나누어 각각을 체계적으로 접근했습니다.

또한 기존 해법에 얽매이지 않았어요. 수학자들이 수십 년간 시도했던 방식과 완전히 다른 관점에서 문제를 바라봤습니다. 이는 AI가 선입견 없이 문제에 접근할 수 있다는 장점을 보여줍니다.

무엇보다 반복적으로 가설을 세우고 검증하는 과정을 거쳤어요. 한 번에 정답을 찾은 게 아니라 수많은 시행착오를 통해 점진적으로 해답에 접근했습니다.

이제 실제로 복잡한 업무 문제를 AI에게 맡겨보세요. 가장 중요한 건 문제를 명확하게 정의하는 것입니다. '매출이 안 올라요'라고 막연하게 묻지 말고, '지난 3개월간 신규 고객 획득률이 20% 감소했는데 원인을 찾아주세요'처럼 구체적으로 질문하세요.

문제를 단계별로 나누어 접근하는 것도 효과적입니다. 예를 들어 프로젝트 지연 문제라면 '일정 분석 → 병목 지점 파악 → 해결 방안 도출'처럼 순서를 정해서 각 단계마다 AI에게 도움을 요청하세요.

데이터를 최대한 많이 제공하는 것도 중요합니다. AI는 정보가 많을수록 더 정확한 분석을 할 수 있어요. 관련 문서, 수치, 배경 정보를 함께 제공하면 훨씬 유용한 답변을 얻을 수 있습니다.

AI에게 질문할 때는 역할을 부여하는 것부터 시작하세요. '마케팅 전문가처럼', '데이터 분석가처럼' 같은 식으로 구체적인 관점을 제시하면 더 전문적인 답변을 받을 수 있습니다.

단계적 사고를 요청하는 것도 좋은 방법입니다. '단계별로 분석해주세요', '각 옵션의 장단점을 비교해주세요'처럼 구조화된 답변을 요구하면 더 체계적인 결과를 얻을 수 있어요.

여러 관점에서 검토를 요청하는 것도 효과적입니다. '이 결론에 반대하는 입장에서도 분석해주세요'라고 하면 놓칠 수 있는 부분까지 점검할 수 있습니다.

AI는 데이터 분석, 패턴 파악, 대안 제시에는 뛰어나지만 한계도 분명합니다. 최종 의사결정은 여전히 사람의 몫이에요. AI가 여러 옵션을 제시해도 어떤 걸 선택할지는 상황과 맥락을 아는 사람이 판단해야 합니다.

창의적 아이디어 생성에는 도움이 되지만, 그 아이디어가 실제로 실행 가능한지는 별개 문제입니다. 특히 조직 내 정치적 상황이나 미묘한 인간관계는 AI가 파악하기 어려운 영역이거든요.

또한 실시간으로 변하는 상황에 대한 대응은 한계가 있습니다. AI는 학습된 데이터를 바탕으로 답변하기 때문에, 완전히 새로운 상황이나 예외적인 케이스에서는 사람의 직관과 경험이 더 중요할 수 있어요.

복잡한 문제부터 시작하지 말고 작은 것부터 연습해보세요. 회의 자료 구성, 이메일 답변 초안 작성, 간단한 데이터 정리 같은 일상적인 업무에서 AI를 활용해보는 거예요.

구글의 제미니 스파크(Gemini Spark) 같은 자율형 AI 도구들도 속속 등장하고 있습니다. 이런 도구들은 사용자가 컴퓨터를 끄고 있어도 스스로 업무를 수행할 수 있어서, 반복적인 작업을 맡기기에 좋아요.

중요한 건 AI를 완전히 믿고 맡기는 게 아니라 협업 파트너로 생각하는 것입니다. AI가 제시한 결과를 검토하고 수정하면서 점차 더 복잡한 문제로 확장해나가세요.