① 어떤 상황에서 AI를 활용했나요?

: 급변하는 AI 시대에 미래를 정확히 예측하려 한 것이 아니라, 변화가 와도 내 생활을 다시 굴릴 수 있는 힘을 만들기 위해 AI를 사용하기 시작했습니다.

처음부터 특별한 목표나 정교한 프롬프트가 있었던 것은 아닙니다. 오랫동안 풀리지 않던 생각, 생활 속 고민, 만들고 싶지만 방법을 모르던 것, 여행과 가족 일정처럼 실제로 처리해야 하는 일까지 ChatGPT와 계속 이야기하며 해결해 나갔습니다.

처음에는 질문에 답을 얻는 정도였지만, 대화를 반복하다 보니 제 생활에서 비슷한 판단 방식과 행동 패턴이 여러 영역에서 반복되고 있다는 것을 발견했습니다. 이후 AI는 단순한 답변 도구를 넘어, 생활을 함께 관찰하고 구조화하고 현실에서 시험하는 협업 파트너가 되었고, 지금 이 공모전까지 함께 준비하게 되었습니다.



② 어떤 AI를 어떻게 활용했나요?

: 주로 ChatGPT를 중심으로 일상생활에서 떠오른 짧은 말과 고민을 말하듯 그대로 이야기하고, 필요할 때 사진·링크·실제 기록을 함께 보여줬습니다. AI가 답을 내놓으면 그대로 따르지 않고 “맞아”, “아니야”, “이쪽으로 가자”라고 수정하며 방향을 조정했습니다.

이 과정을 반복하면서
생활 원본을 가져오기 → AI와 함께 관찰·구조화하기 → 현실에서 직접 실행하기 → 실제 결과와 대조하기 → 틀린 부분을 수정하기 → 다음 생활에 다시 적용하기
라는 흐름이 만들어졌습니다.

실제 공예품 제작에서는 고양이 발바닥의 촉감을 재현한 오브제 ‘꾹’을 만들며, AI가 소재와 구조의 후보를 정리하고 제가 몰랐던 재료와 구현 방법을 구체화해 설명했습니다. 저는 직접 제작하면서 제작 과정과 결과를 계속 공유했고, AI와 함께 구조적 원인을 분석하며 다음 수정 방향을 잡았습니다. 촉감과 실제 물성의 최종 판정은 제가 직접 했고, 최종 형태에 가까운 제작·수정본만 50개 이상을 거친 끝에 실제 시제품을 완성했습니다. 이 수치에는 그 이전 구현 과정에서 나온 초기 실패본은 포함하지 않았습니다.

가족 남해여행에서는 가족 조건과 객실 사진을 AI와 함께 다시 확인하고, 실제 예약과 현장 추천, 방문 결과까지 연결하며 여행 전후의 판단을 계속 갱신했습니다. 여행 중에는 발생한 경비를 사진과 말로 전달해 정리하는 실험도 진행했습니다. 별도의 여행경비 앱 없이도 사진과 간단한 설명을 AI에 전달하는 것만으로 지출 내용을 모아보고 확인할 수 있었습니다.

대화가 길어지면서 AI가 이전 맥락을 잊고 다른 방향으로 가는 일이 생겼습니다. 그럴 때는 AI가 기억하고 있다고 가정하지 않고, 이전 기록을 다시 넣어 구조를 복구했습니다. 이후 제가 연결이 맞는지 직접 확인한 뒤 작업을 이어갔습니다. 또한 이 방식이 다른 조건에서도 작동하는지 보기 위해, 기존 맥락을 모르는 새 AI/새 대화에 이전 기록을 투입하는 간단한 1차 실험도 진행했습니다. 그 결과 주요 작업 구조와 상태언어, 안전 개념이 다시 연결되고 다음 작업까지 이어지는 것을 확인했습니다. 다만 이를 ‘기억 이식’으로 보지 않고, 기록을 바탕으로 한 재구축으로 판단했으며 최종 연결의 정확성은 사람이 검수했습니다.

ChatGPT 외에도 OpenAI Codex는 원본 자료 발굴과 기록 정리, NotebookLM은 문서 묶음 검토와 근거 확인, Google Gemini와 Grok은 비교·검증과 보조 탐색에 활용했고, Claude와 CLOVA X도 필요에 따라 보조적으로 사용했습니다.




③ 활용 결과 어떤 변화가 있었나요?

: 가장 큰 변화는 일을 조금 더 빨리 하게 된 것이 아니라, 이전에는 현실에 없던 결과가 생겼다는 점입니다.

방법을 몰라 시작하지 못했던 아이디어가 실제 제품이 되었고, 그 과정에서 제가 미처 알지 못했던 새로운 가능성을 발견한 것이 첫 번째 큰 변화였습니다.
여행처럼 조건이 계속 바뀌는 생활 문제도 준비부터 현장까지 이어서 운영할 수 있게 되었습니다. 특히 여행처럼 변수가 많은 상황에서는 현장에서 계획을 즉시 수정하고 다시 실행하는 데 AI가 특히 유용했습니다.

또한 매일 지나가던 대화와 생활 기록을 다시 사용할 수 있는 자산으로 바꾸기 시작했습니다. 매번 따로 기록을 남겨야 한다면 꾸준히 이어가기 쉽지 않은 것이 현실입니다. 그런데 저에게는 이미 나누고 있던 AI와의 대화 자체를 기록의 원본으로 활용하는 것이 가장 현실적이고 쉬운 방법이었습니다.

실제로 431개 원본 문서, 635파트, 34,477개의 메시지를 구조화해 1차 에피소드 1,488개로 정리했습니다. 이는 완성 콘텐츠 수가 아니라, 이후 다시 활용할 수 있도록 구조화한 1차 생활 에피소드입니다. 이 작업은 별도의 전용 앱을 만들지 않고 ChatGPT와 OpenAI Codex만으로 진행했으며, 대화 원본에서 에피소드를 추출하고 분류·정리하는 과정까지 AI와 함께 처리했습니다.

결국 AI에게 매번 새로운 답을 받는 방식에서, 제 생활의 기준과 기록이 계속 축적되고 다음 판단에 다시 사용되는 방식이 되었다는 것이 가장 큰 변화라 할 수 있습니다.



④ 나만의 방식 또는 개선 포인트는 무엇인가요?

: 가장 중요한 기준은 AI의 답을 바로 실행하지 않는 것입니다.
AI가 제안하면 실제 사진, 기록, 현장 조건, 제작 결과와 대조하고 최종 판단은 사람이 합니다. 필요하면 거절하고, 조건을 수정하고, 다시 질문합니다.

실제 여행 과정에서도 목적과 예산, 객실 조건을 정정하거나 거절하면서 결과가 바뀌었고, 최종 선택·예약·실행·책임은 사람에게 남겼습니다.

또한 대화가 길어져 맥락이 흔들리면 AI가 기억하고 있을 것이라고 가정하지 않고, 외부 기록을 다시 넣어 기준점을 복구합니다. 저에게는 이 기준점 복구가 장기 협업에서 특히 중요한 부분이었습니다. 현실의 조건과 이전 맥락이 충분히 전달되지 않으면 AI가 현재 대화에 드러난 정보만으로 판단하면서 기존 방향에서 벗어나는 일이 있었기 때문입니다. 그래서 장기 협업에서는 맥락을 유지하고, 끊겼을 때 다시 복구할 수 있는 기록을 남기는 것을 중요한 운영 기준으로 두었습니다.

제가 만든 방식의 핵심은 “AI에게 잘 시키는 법”보다 사람과 AI 사이에 수정·검증·복구가 반복되는 운영 구조를 만들고, 그 구조 안에서 함께 실행할 수 있게 하는 것에 있습니다.

사람이 방향과 최종 판단을 맡고, AI는 연결과 구조화를 돕고, 현실에서 결과를 검증합니다. 본편에서도 이 인간 승인선을 핵심 안전장치로 두었습니다.




⑤ 다른 사람도 따라 할 수 있나요?

: 긴 프롬프트나 전문적인 AI 지식부터 배울 필요는 없다고 생각합니다.

지금 해결하고 싶은 생활의 일 하나를 짧게 말하고, 사진이나 실제 자료를 보여준 뒤, AI의 답에서 맞는 부분과 아닌 부분을 사람이 판단하고 현실에서 직접 확인하면 시작할 수 있습니다.

정리하면
막힌 일 하나 던지기 → 현실 자료와 대조하기 → 맞아·아니야로 수정하기 → 결과를 남겨 다음 일에 다시 쓰기
의 네 단계입니다.
이 네 단계는 전문적인 프롬프트 지식 없이도 바로 현실에서 시도해볼 수 있는 가장 기본적인 시작점입니다.

다만 현재 확인된 것은 한 사람과 가족의 장기 생활 기록에서 여러 영역에 같은 흐름이 반복됐다는 사실입니다. 비교집단이나 제3자의 반복 실험은 아직 없기 때문에, 누구에게나 같은 효과가 난다고 주장하지 않습니다. 다른 사람의 생활에서도 같은 흐름이 재현되는지는 앞으로 검증해야 할 단계입니다.

이 사례의 핵심은 특정 AI 도구를 능숙하게 사용하는 것이 아닙니다.

도구가 바뀌어도 자신의 생활 문제를 가져와 AI와 함께 관찰하고, 현실에서 실행하고, 결과를 확인하고, 다시 수정할 수 있는 개인의 생활 운영체계를 만드는 것입니다.