결과부터 공개하면, 제가 의뢰 접수부터 납품까지 반자동으로 돌렸을 때 시간은 건당 평균 96분에서 41분으로 줄었고, 재수정률은 28%에서 11%로 내려갔습니다. 단순히 “AI에게 초안 쓰게 하기”가 아니라, 사람 검수 지점을 어디에 박아두느냐가 핵심이었습니다.

최근 NerdWallet 쪽 검색 결과에서 Upwork의 Human+Agent Productivity Index 얘기가 나오더군요. 인간 작업자와 AI 에이전트가 같이 작업했을 때 AI 에이전트 단독 대비 프로젝트 완료율이 최대 70% 증가했다는 내용입니다. 이 숫자가 과장 광고처럼 들릴 수도 있는데, 실제 프리랜서 작업 흐름에 대입해 보면 꽤 납득됩니다. AI 혼자 끝까지 가게 두면 애매한 요청 해석, 누락, 톤 미스에서 자주 터지고, 사람은 그 부분만 잡아주면 되니까요.

제가 써본 기준으로는 자동화의 포인트가 “전체 자동화”가 아니라 작업분담표를 고정하는 것이었습니다. 예를 들어 블로그 원고, 상품 설명문, 간단한 리서치 문서 같은 작업은 아래처럼 나눴습니다. 의뢰 접수는 폼, 요건 정리는 AI, 초안도 AI, 검수와 판단은 사람, 반복 수정 대응은 반자동, 최종 납품 전 체크는 사람입니다.

여기서 남들이 은근히 안 하는 게 있습니다. 클라이언트 요청을 바로 프롬프트에 넣지 않고, 먼저 “작업 지시서 JSON”으로 변환시키는 단계입니다. 저는 Make에서 Google Form 응답을 받아서 OpenAI 노드에 먼저 넣고, 결과를 Notion DB에 저장했습니다. 이때 temperature는 0.2로 낮췄습니다. 0.7로 두면 표현은 좋아지는데 요구사항 분류가 흔들려서 자동 분기가 자주 틀렸습니다.

제가 실제로 쓴 필드는 이 정도였습니다.

{
  "deliverable_type": "blog_post",
  "target_reader": "초보 창업자",
  "must_include": ["가격 비교", "주의점", "사례"],
  "must_avoid": ["과장 표현", "의학적 단정"],
  "tone": "실용적 존댓말",
  "deadline": "2026-02-03",
  "revision_risk": "high",
  "missing_info": ["제품명", "예산 범위"]
}

핵심은 `missing_info`입니다. 이 값이 비어 있지 않으면 초안을 만들지 않고 클라이언트에게 질문부터 보내게 했습니다. 처음에는 무조건 초안까지 뽑게 했는데, 그때 수정 요청이 많이 왔습니다. 특히 “전문적인 느낌으로”, “깔끔하게”, “우리 브랜드답게” 같은 말만 있고 기준 자료가 없을 때 AI가 알아서 채우면 거의 틀립니다.

자동화 도구는 거창할 필요 없었습니다. 저는 Google Form, Google Sheets, Make, Notion, ChatGPT 조합으로 시작했습니다. Make 시나리오에서 라우터를 3개로 나눴습니다. `missing_info 있음`, `revision_risk high`, `바로 초안 가능` 이렇게요. `revision_risk high`는 무조건 제 Notion에 “수동 확인” 상태로 들어가게 했습니다.

재밌는 건 작업 시간이 가장 많이 줄어든 구간이 초안 작성이 아니었습니다. 수정 요청 분류였습니다. 클라이언트가 “조금 더 고급스럽게”, “너무 AI 같아요”, “앞부분이 약해요”라고 보내면 예전에는 제가 다시 읽고 판단했는데, 지금은 수정 요청을 5개 유형으로 먼저 분류시킵니다. 구조 수정, 톤 수정, 사실 수정, 분량 수정, 범위 초과 요청입니다.

이 중에서 돈을 지키는 데 제일 중요한 건 “범위 초과 요청” 자동 감지였습니다. 예를 들어 원고 1개 납품인데 “이걸 카드뉴스 문구로도 바꿔주세요”, “영문 버전도 같이 주세요”가 붙으면 자동으로 별도 견적 문구 초안을 만들게 했습니다. 이걸 안 해두면 부수입 작업에서 시간이 새어 나갑니다. 실제로 저는 12월에 이런 추가 요청 7건 중 4건을 유료 전환했고, 추가 매출은 18만 원 정도였습니다.

프롬프트도 길게 쓰는 것보다 체크리스트 방식이 안정적이었습니다. “멋지게 써줘”가 아니라 납품 전 검사 항목을 만들게 하는 식입니다. 예를 들면 “요청사항 1~5번이 결과물의 어느 문단에 반영됐는지 표로 표시”를 마지막에 붙였습니다. 이 표를 보면 제가 전체 글을 다 읽기 전에 누락 여부가 보입니다.

제가 쓰는 납품 전 검수 기준은 3분짜리입니다. 첫째, 클라이언트가 준 고유명사와 숫자가 바뀌었는지 확인합니다. 둘째, AI가 추가한 근거 없는 표현을 지웁니다. 셋째, 요청사항 반영표에서 빈칸이 있는지 봅니다. 이 세 개만 해도 체감상 사고가 많이 줄었습니다.

함정도 있었습니다. Make에서 OpenAI 응답을 Notion에 넣을 때 줄바꿈이 깨지는 경우가 있었고, 긴 원고는 Notion API 쪽에서 일부 필드가 잘리는 일이 있었습니다. 그래서 본문은 Notion의 일반 텍스트 속성이 아니라 페이지 content 블록으로 넣는 방식으로 바꿨습니다. 초보분들이 이 부분에서 “왜 중간까지만 저장되지?” 하고 꽤 헤맬 수 있습니다.

또 하나, 자동 답장 문구를 너무 친절하게 만들면 클라이언트가 추가 요청을 더 쉽게 던집니다. 저는 수정 안내 문구에 “이번 수정 범위는 기존 요청사항 내 표현 조정 기준으로 반영하겠습니다”라는 문장을 고정으로 넣었습니다. 딱딱해 보여도 이 한 줄 때문에 범위가 흐려지는 일이 줄었습니다.

AI 에이전트 단독보다 인간+에이전트 협업 완료율이 높다는 Upwork 사례를 제 식으로 해석하면 이렇습니다. AI에게 일을 많이 맡길수록 좋은 게 아니라, AI가 틀리기 쉬운 결정을 사람 앞에 멈춰 세우는 구조가 있어야 완료율이 올라갑니다. 자동화는 속도보다 “멈춤 지점” 설계가 먼저입니다.

처음 세팅하실 분이면 전체 자동화부터 만들지 말고, 의뢰 접수 후 1차 작업 지시서 생성까지만 자동화해보는 걸 권합니다. 그다음 `missing_info`가 있는 건 질문으로 보내고, 없는 건 초안 생성으로 보내면 됩니다. 이 두 갈래만 만들어도 체감이 큽니다.

제 기준에서는 건당 5만 원 이하 작업은 이 방식이 거의 필수였습니다. 수동으로 전부 읽고 정리하고 초안 만들면 시급이 너무 낮아집니다. 반대로 30만 원 이상 프로젝트는 완전 자동 분기를 줄이고, 중간 검수 지점을 2번 이상 넣는 게 낫습니다. 돈이 커질수록 속도보다 오해 방지가 더 중요했습니다.