기사 상세
[기획 연재] 언론인 스킬업: AI 활용 ➊
인공지능(AI) 시대를 넘어 에이전틱 AI 시대가 도래하고 있다. 입력된 질문에 답하고 명령을 수행하는 것에서 나아가 스스로 생각하고 행동하는 AI가 보편화된다는 의미다. 세계 각국은 AI를 활용한 생산성 제고에 주목하고 있다. 취재할 때와 기사 쓸 때 AI에게 도움 받는 방법을 알아보자. 편집자 주
“10명 중 6명 이상, AI 덕분에 보다 가치 있는 업무에 더 많은 시간을 쓰게 됐다.”
“10명 중 5명 이상, AI로 1년 전에는 수행하지 못했던 수준의 업무를 수행 중이다.”
마이크로소프트(MS)가 올해 6월 발표한 연례 보고서 <에이전트, 인간의 주체성, 그리고 모든 조직을 위한 기회(Agents, human agency, and the opportunity for every organization)>1)에 나온 수치다. MS는 미국·영국·일본 등 세계 10개국 2만 명의 AI를 사용하는 지식 노동자 대상 설문과 수조 건의 ‘MS 365 생산성’ 시그널을 분석해 이 보고서에 담았다.
해당 보고서에 따르면 AI 사용자 66%가 고부가가치 업무에 더 많은 시간을 투입하게 됐다고 응답했다. 58%는 1년 전에는 만들어낼 수 없었던 결과물을 만들고 있다고 답했다. 이미 주요 선진국에서 AI를 기업 업무에 활용하는 것은 물론, AI가 실제 생산성 향상에 도움이 되고 있다는 의미다.
기자들도 업무에 AI를 적극 활용하고 있다. 기자 개인적으로 유·무료 서비스를 이용하는 것은 물론, 생성형 AI 서비스 월 구독권을 자체 지원하는 언론사도 있다. 주변 사례를 종합해보면 간단하게는 AI 기반 음성인식(STT, Speech-to-Text) 서비스를 통한 간담회·인터뷰 발언 정리부터 완성된 기사를 토대로 제목 추천을 맡겨보는 등 다양한 활용 행태가 나타나고 있다. 일부는 취재된 내용을 토대로 기사 초안 작성을 시켜보는 등 생성형 AI 서비스를 실제 업무에 접목하고 있다.
장문의 보고서 요약이나 영어 보고서·외신 번역, 기사 내용과 맞는 이미지 생성, 도처에 널려있는 데이터 수집·분석에 AI를 활용하는 경우도 있었다. 기사 내용을 풍부하게 만드는 재료를 찾는 품을 줄이고 완성도를 높이는 데 집중하기 위한 차원으로 풀이된다.
이미 기업 업무나 일상생활에서 AI 활용도가 높아진 상황인 만큼 기사 작성 생산성을 높이기 위한 AI 활용이 전혀 이상한 일은 아니다. 하지만 기사의 생명이 정확성이라는 측면에서 확인과 검증은 반드시 거쳐야 할 과정이다.
오답률 줄이려면 프롬프트 입력 신중해야
생성형 AI 서비스 사용 시 어김없이 등장하는 문구는 바로 ‘AI가 틀린 정보를 생성할 수 있으니 반드시 확인하라’는 내용이다. AI 서비스를 제공하는 기업이 검색 결괏값에 대한 정확성을 보장하지 않으므로, 기사 인용에 대한 책임은 전적으로 기자 개인에게 있다는 것을 시사한다.
사실 확인을 위한 크로스체크는 물론, 오답률을 줄이기 위한 프롬프트(명령어)를 고민해야 한다. 생성형 AI 서비스 답변을 일일이 검증하는 시간이 기자 스스로 검색 등을 통해 결과를 찾는 시간과 비슷하거나 길다면 AI 효용성이 사라진다.
프롬프트에 정확한 대답을 하도록 유도하는 것과 동시에 받은 답변을 토대로 재확인 작업을 몇 차례 거치는 방식이 유리하다. 서비스 초기부터 출처를 제공해 온 퍼플렉시티는 물론이고 최근에는 오픈AI 챗GPT, 앤트로픽 클로드, 구글 제미나이 등 다수 생성형 AI 서비스들이 출처를 제공하는 만큼 출처 확인도 필수다.
빅테크 생성형 AI 서비스로 기사 제목 추천, 본문 초안 작성, 인터뷰 질문지 구성 등 창의적인 작업에 참고할 만하다는 게 서비스 제공 기업들 설명이다. 사용자 프롬프트에 따라 뉴스 기사뿐만 아니라 이미지나 비디오 스크립트 등 다양한 형태의 콘텐츠도 생성할 수 있다.
챗GPT는 인터뷰·간담회 발언 정리·요약과 보편적인 문서 작성 작업에, 클로드는 긴 문서를 분석하는 능력이 뛰어나다는 것이 일반적인 평가다. 방대한 분량의 보고서나 논문에서 핵심 내용을 도출할 때 유용하다. 제미나이는 구글 검색 인프라와 연동돼 최신 이슈를 빠르게 파악하고 다양한 멀티모달 데이터 분석에 강점이 있다.
국내 AI 서비스 중에는 출처 있는 AI 검색 결과를 제공하는 라이너(Liner)의 AI 검색 서비스를 추천한다. 챗GPT 등과 마찬가지로 기사 작성에 필요한 사례 등 데이터 확인에 시간을 절감하는 데 효과적이다. 라이너는 AI가 생성한 답변의 모든 문장에 정확한 출처를 표기하고 있다. 팩트체크에 대한 기자의 부담을 줄일 수 있다.
챗GPT를 어디까지 믿어도 되는가 하는 질문에 대한 예시 답변 ⓒ전자신문
라이너는 웹페이지뿐만 아니라 검색 가능한 PDF 문서, 유튜브 영상까지 요약하거나 핵심 내용을 추출하는 기능을 제공한다. 폭넓은 검색을 통해 결괏값을 제시하는 게 강점이다. 특히 문서 작성과 비즈니스에 특화된 글쓰기 AI 에이전트 ‘라이너 라이트(Liner Write)’를 활용하면 기사 계획이나 기획안 작성 등에 도움이 될 수 있다.
기자가 직접 만드는 AI 에이전트
단순 정보 검색이나 데이터 수집·분석과 초안 작성 등을 넘어 AI를 잘 활용하고 싶은 기자들에게는 자체 AI 에이전트 서비스를 개발할 것을 권한다. 개발자가 아닌 기자가 어떻게 서비스를 개발하냐는 질문에 대한 답변으로 ‘바이브 코딩(Vibe Coding)’을 제안한다.
바이브 코딩은 명령어 몇 줄이면 AI 에이전트나 간단한 서비스를 만들어내는 코딩 방법이다. 이러한 바이브 코딩을 지원하는 AI 코딩 어시스턴트 성능도 점차 고도화되고 있다.
앤트로픽 클로드 코드, MS와 깃허브의 코파일럿, 오픈AI 코덱스와 같이 개발자 특화 AI 코딩 어시스턴트 외에도 커서(Cursor), 레플릿(Replit), 러버블(Lovable) 등 비개발자 일반인도 충분히 사용할 수 있는 어시스턴트도 이미 상용화됐다.
커서는 자연어만으로 웹·앱 서비스 제작이 가능한 서비스다. 유튜브에서 활용 사례가 가장 많이 확인될 정도로 바이브 코딩을 시작할 때 추천하는 서비스 중 하나다. 레플릿은 별도 설치 없이 인터넷 브라우저에서 AI와 대화를 통해 서비스 개발과 배포를 즉시 할 수 있다. 러버블은 노코드에 가까운 웹·앱 서비스 제작이 가능하다. ‘부동산 계산기 만들어줘’, ‘회의 예약 서비스 만들어줘’와 같이 간단한 서비스 개발에 특화돼 있으며 디자인에도 강점이 있는 것으로 평가된다.
‘기자도 AI 에이전트나 IT 서비스를 만들 수 있을까’라는 질문을 한다면 ‘할 수 있다’고 자신 있게 답할 수 있다. 전자신문 AI 에이전트 ‘ETA(Electronic Times AI agent)’가 그 증거다. 현직 기자 두 명이 레플릿을 활용, 바이브 코딩으로 3~4시간 만에 베타 서비스를 만들어냈다.
원하는 사용자 환경(UI)·사용자 경험(UX)에 이르기까지 지속적인 명령이 필요했으나 속보·단독 기사를 실시간 팝업으로 띄우고, 사용자가 설정한 키워드를 토대로 주요 기사와 시황·외신 등을 묶어 올리는 서비스 생성에 성공했다.
바이브 코딩 체험기 기사를 위해 시작한 작업은 잠재 사용자의 여러 피드백을 거쳐 결국 회사 정식 서비스로 자리매김하게 됐다. 기자도 바이브 코딩으로 AI 에이전트를 만들어낼 수 있다고 자신있게 얘기할 수 있는 이유다.
개발 후에도 반복 검증은 필수
AI 에이전트를 잘 만들기 위해서는 어떠한 노력이 필요할까. 원하는 결과물이 나올 때까지 프롬프트를 반복해서 입력하는 것이 정답이나, 지름길을 찾기 위해 전문가의 조언을 듣고 정리했다. 앞서 설명한 AI 검색 서비스 스타트업 ‘라이너’의 강정구 AI전략 총괄을 만나 아이디어를 공유받았다. 강 총괄은 기자의 하루를 역할별로 나눠 몇 개의 에이전트로 설계하는 방향을 제안했다.
▲첫 번째는 '이슈 레이더 에이전트'다. 기자별 담당 산업 공시, 보도자료, 정책 자료, 경쟁 매체 보도, 커뮤니티 반응을 모니터링할 수 있는 도구다. 변화가 생긴 사실만 골라 기자에게 알리고 기사화 가능성과 확인 필요 지점을 함께 표시하는 방식이다.
▲두 번째는 ‘인터뷰 브리핑 에이전트'다. 인터뷰 대상자의 과거 발언, 회사 이슈, 숫자 변화, 논쟁 지점을 정리하는 방식이다. 단순 질문 목록이 아니라 확인 질문과 반박 질문, 꼬리 질문까지 준비하면 인터뷰를 준비하는 데 충분히 도움이 될 것으로 보인다.
▲세 번째는 ‘팩트체크 에이전트’다. 기사 초안의 문장별 사실, 날짜, 수치, 인용, 출처를 대조하는 기능을 탑재하는 것이다. 공식 자료와 보도자료, 공시, 국회·법원 자료의 우선순위를 정하고 상충되는 정보를 표시해 잘못된 정보를 걸러낼 수 있다는 게 강점이다.
▲마지막으로 ‘기사 구조화 에이전트’다. 취재 메모를 바탕으로 기사 리드, 핵심 근거, 반론, 맥락, 후속 쟁점을 배열하는 형태다. AI가 자료 조사와 초안 구조화를 맡고 기자는 맥락 판단과 취재 윤리, 최종 메시지에 집중해 생산성을 높이는 방식이다.
단, 각 에이전트에는 신뢰할 수 있는 출처, 문장별 출처 표기, 추정 표현 금지와 같은 하네스를 먼저 적용해야 한다.2) AI가 정해진 자료와 규칙 내에서 답변하도록 프롬프트와 작동 과정을 설계하는 하네스 엔지니어링을 세팅해야 한다는 의미다. 앞서 강조한 AI 결괏값에 대한 정확성을 높이기 위한 전략이다.
이렇듯 강 총괄이 제시한 방향의 에이전트 외에도 각자 업무에 맞는 방식의 에이전트를 기획·생성할 수 있다. 프롬프트를 반복 입력하면서 원하는 방향으로 에이전트를 구현할 수 있다. 다만 AI 에이전트 서비스를 개발할 때도 토큰 등 비용이 수반된다는 점에서 시행착오를 줄일 방법을 사전에 고민하는 게 효율적이다.
또 자체 개발한 AI 에이전트가 보여주는 결괏값에 대한 반복 검증도 필수다. 정확성을 높이는 프롬프트와 수차례 확인만이 AI로 기자 업무 생산성을 높일 수 있는 분명한 길이다.
1) https://www.microsoft.com/en-us/worklab/work-trend-index
2) 본래는 말에 씌우는 마구나 안전벨트 등을 일컬으나 IT 분야에서는 프로그램이나 AI가 정해진 방식대로 작동하도록 묶어 두는 제어 장치를 가리킨다. 편집자 주
“10명 중 6명 이상, AI 덕분에 보다 가치 있는 업무에 더 많은 시간을 쓰게 됐다.”
“10명 중 5명 이상, AI로 1년 전에는 수행하지 못했던 수준의 업무를 수행 중이다.”
마이크로소프트(MS)가 올해 6월 발표한 연례 보고서 <에이전트, 인간의 주체성, 그리고 모든 조직을 위한 기회(Agents, human agency, and the opportunity for every organization)>1)에 나온 수치다. MS는 미국·영국·일본 등 세계 10개국 2만 명의 AI를 사용하는 지식 노동자 대상 설문과 수조 건의 ‘MS 365 생산성’ 시그널을 분석해 이 보고서에 담았다.
해당 보고서에 따르면 AI 사용자 66%가 고부가가치 업무에 더 많은 시간을 투입하게 됐다고 응답했다. 58%는 1년 전에는 만들어낼 수 없었던 결과물을 만들고 있다고 답했다. 이미 주요 선진국에서 AI를 기업 업무에 활용하는 것은 물론, AI가 실제 생산성 향상에 도움이 되고 있다는 의미다.
기자들도 업무에 AI를 적극 활용하고 있다. 기자 개인적으로 유·무료 서비스를 이용하는 것은 물론, 생성형 AI 서비스 월 구독권을 자체 지원하는 언론사도 있다. 주변 사례를 종합해보면 간단하게는 AI 기반 음성인식(STT, Speech-to-Text) 서비스를 통한 간담회·인터뷰 발언 정리부터 완성된 기사를 토대로 제목 추천을 맡겨보는 등 다양한 활용 행태가 나타나고 있다. 일부는 취재된 내용을 토대로 기사 초안 작성을 시켜보는 등 생성형 AI 서비스를 실제 업무에 접목하고 있다.
장문의 보고서 요약이나 영어 보고서·외신 번역, 기사 내용과 맞는 이미지 생성, 도처에 널려있는 데이터 수집·분석에 AI를 활용하는 경우도 있었다. 기사 내용을 풍부하게 만드는 재료를 찾는 품을 줄이고 완성도를 높이는 데 집중하기 위한 차원으로 풀이된다.
이미 기업 업무나 일상생활에서 AI 활용도가 높아진 상황인 만큼 기사 작성 생산성을 높이기 위한 AI 활용이 전혀 이상한 일은 아니다. 하지만 기사의 생명이 정확성이라는 측면에서 확인과 검증은 반드시 거쳐야 할 과정이다.
오답률 줄이려면 프롬프트 입력 신중해야
생성형 AI 서비스 사용 시 어김없이 등장하는 문구는 바로 ‘AI가 틀린 정보를 생성할 수 있으니 반드시 확인하라’는 내용이다. AI 서비스를 제공하는 기업이 검색 결괏값에 대한 정확성을 보장하지 않으므로, 기사 인용에 대한 책임은 전적으로 기자 개인에게 있다는 것을 시사한다.
사실 확인을 위한 크로스체크는 물론, 오답률을 줄이기 위한 프롬프트(명령어)를 고민해야 한다. 생성형 AI 서비스 답변을 일일이 검증하는 시간이 기자 스스로 검색 등을 통해 결과를 찾는 시간과 비슷하거나 길다면 AI 효용성이 사라진다.
프롬프트에 정확한 대답을 하도록 유도하는 것과 동시에 받은 답변을 토대로 재확인 작업을 몇 차례 거치는 방식이 유리하다. 서비스 초기부터 출처를 제공해 온 퍼플렉시티는 물론이고 최근에는 오픈AI 챗GPT, 앤트로픽 클로드, 구글 제미나이 등 다수 생성형 AI 서비스들이 출처를 제공하는 만큼 출처 확인도 필수다.
빅테크 생성형 AI 서비스로 기사 제목 추천, 본문 초안 작성, 인터뷰 질문지 구성 등 창의적인 작업에 참고할 만하다는 게 서비스 제공 기업들 설명이다. 사용자 프롬프트에 따라 뉴스 기사뿐만 아니라 이미지나 비디오 스크립트 등 다양한 형태의 콘텐츠도 생성할 수 있다.
챗GPT는 인터뷰·간담회 발언 정리·요약과 보편적인 문서 작성 작업에, 클로드는 긴 문서를 분석하는 능력이 뛰어나다는 것이 일반적인 평가다. 방대한 분량의 보고서나 논문에서 핵심 내용을 도출할 때 유용하다. 제미나이는 구글 검색 인프라와 연동돼 최신 이슈를 빠르게 파악하고 다양한 멀티모달 데이터 분석에 강점이 있다.
국내 AI 서비스 중에는 출처 있는 AI 검색 결과를 제공하는 라이너(Liner)의 AI 검색 서비스를 추천한다. 챗GPT 등과 마찬가지로 기사 작성에 필요한 사례 등 데이터 확인에 시간을 절감하는 데 효과적이다. 라이너는 AI가 생성한 답변의 모든 문장에 정확한 출처를 표기하고 있다. 팩트체크에 대한 기자의 부담을 줄일 수 있다.
챗GPT를 어디까지 믿어도 되는가 하는 질문에 대한 예시 답변 ⓒ전자신문
라이너는 웹페이지뿐만 아니라 검색 가능한 PDF 문서, 유튜브 영상까지 요약하거나 핵심 내용을 추출하는 기능을 제공한다. 폭넓은 검색을 통해 결괏값을 제시하는 게 강점이다. 특히 문서 작성과 비즈니스에 특화된 글쓰기 AI 에이전트 ‘라이너 라이트(Liner Write)’를 활용하면 기사 계획이나 기획안 작성 등에 도움이 될 수 있다.
전자신문 AI 에이전트 ‘ETA’ 서비스 예시 ⓒ전자신문
기자가 직접 만드는 AI 에이전트
단순 정보 검색이나 데이터 수집·분석과 초안 작성 등을 넘어 AI를 잘 활용하고 싶은 기자들에게는 자체 AI 에이전트 서비스를 개발할 것을 권한다. 개발자가 아닌 기자가 어떻게 서비스를 개발하냐는 질문에 대한 답변으로 ‘바이브 코딩(Vibe Coding)’을 제안한다.
바이브 코딩은 명령어 몇 줄이면 AI 에이전트나 간단한 서비스를 만들어내는 코딩 방법이다. 이러한 바이브 코딩을 지원하는 AI 코딩 어시스턴트 성능도 점차 고도화되고 있다.
앤트로픽 클로드 코드, MS와 깃허브의 코파일럿, 오픈AI 코덱스와 같이 개발자 특화 AI 코딩 어시스턴트 외에도 커서(Cursor), 레플릿(Replit), 러버블(Lovable) 등 비개발자 일반인도 충분히 사용할 수 있는 어시스턴트도 이미 상용화됐다.
커서는 자연어만으로 웹·앱 서비스 제작이 가능한 서비스다. 유튜브에서 활용 사례가 가장 많이 확인될 정도로 바이브 코딩을 시작할 때 추천하는 서비스 중 하나다. 레플릿은 별도 설치 없이 인터넷 브라우저에서 AI와 대화를 통해 서비스 개발과 배포를 즉시 할 수 있다. 러버블은 노코드에 가까운 웹·앱 서비스 제작이 가능하다. ‘부동산 계산기 만들어줘’, ‘회의 예약 서비스 만들어줘’와 같이 간단한 서비스 개발에 특화돼 있으며 디자인에도 강점이 있는 것으로 평가된다.
‘기자도 AI 에이전트나 IT 서비스를 만들 수 있을까’라는 질문을 한다면 ‘할 수 있다’고 자신 있게 답할 수 있다. 전자신문 AI 에이전트 ‘ETA(Electronic Times AI agent)’가 그 증거다. 현직 기자 두 명이 레플릿을 활용, 바이브 코딩으로 3~4시간 만에 베타 서비스를 만들어냈다.
원하는 사용자 환경(UI)·사용자 경험(UX)에 이르기까지 지속적인 명령이 필요했으나 속보·단독 기사를 실시간 팝업으로 띄우고, 사용자가 설정한 키워드를 토대로 주요 기사와 시황·외신 등을 묶어 올리는 서비스 생성에 성공했다.
바이브 코딩 체험기 기사를 위해 시작한 작업은 잠재 사용자의 여러 피드백을 거쳐 결국 회사 정식 서비스로 자리매김하게 됐다. 기자도 바이브 코딩으로 AI 에이전트를 만들어낼 수 있다고 자신있게 얘기할 수 있는 이유다.
개발 후에도 반복 검증은 필수
AI 에이전트를 잘 만들기 위해서는 어떠한 노력이 필요할까. 원하는 결과물이 나올 때까지 프롬프트를 반복해서 입력하는 것이 정답이나, 지름길을 찾기 위해 전문가의 조언을 듣고 정리했다. 앞서 설명한 AI 검색 서비스 스타트업 ‘라이너’의 강정구 AI전략 총괄을 만나 아이디어를 공유받았다. 강 총괄은 기자의 하루를 역할별로 나눠 몇 개의 에이전트로 설계하는 방향을 제안했다.
▲첫 번째는 '이슈 레이더 에이전트'다. 기자별 담당 산업 공시, 보도자료, 정책 자료, 경쟁 매체 보도, 커뮤니티 반응을 모니터링할 수 있는 도구다. 변화가 생긴 사실만 골라 기자에게 알리고 기사화 가능성과 확인 필요 지점을 함께 표시하는 방식이다.
▲두 번째는 ‘인터뷰 브리핑 에이전트'다. 인터뷰 대상자의 과거 발언, 회사 이슈, 숫자 변화, 논쟁 지점을 정리하는 방식이다. 단순 질문 목록이 아니라 확인 질문과 반박 질문, 꼬리 질문까지 준비하면 인터뷰를 준비하는 데 충분히 도움이 될 것으로 보인다.
▲세 번째는 ‘팩트체크 에이전트’다. 기사 초안의 문장별 사실, 날짜, 수치, 인용, 출처를 대조하는 기능을 탑재하는 것이다. 공식 자료와 보도자료, 공시, 국회·법원 자료의 우선순위를 정하고 상충되는 정보를 표시해 잘못된 정보를 걸러낼 수 있다는 게 강점이다.
▲마지막으로 ‘기사 구조화 에이전트’다. 취재 메모를 바탕으로 기사 리드, 핵심 근거, 반론, 맥락, 후속 쟁점을 배열하는 형태다. AI가 자료 조사와 초안 구조화를 맡고 기자는 맥락 판단과 취재 윤리, 최종 메시지에 집중해 생산성을 높이는 방식이다.
단, 각 에이전트에는 신뢰할 수 있는 출처, 문장별 출처 표기, 추정 표현 금지와 같은 하네스를 먼저 적용해야 한다.2) AI가 정해진 자료와 규칙 내에서 답변하도록 프롬프트와 작동 과정을 설계하는 하네스 엔지니어링을 세팅해야 한다는 의미다. 앞서 강조한 AI 결괏값에 대한 정확성을 높이기 위한 전략이다.
이렇듯 강 총괄이 제시한 방향의 에이전트 외에도 각자 업무에 맞는 방식의 에이전트를 기획·생성할 수 있다. 프롬프트를 반복 입력하면서 원하는 방향으로 에이전트를 구현할 수 있다. 다만 AI 에이전트 서비스를 개발할 때도 토큰 등 비용이 수반된다는 점에서 시행착오를 줄일 방법을 사전에 고민하는 게 효율적이다.
또 자체 개발한 AI 에이전트가 보여주는 결괏값에 대한 반복 검증도 필수다. 정확성을 높이는 프롬프트와 수차례 확인만이 AI로 기자 업무 생산성을 높일 수 있는 분명한 길이다.
1) https://www.microsoft.com/en-us/worklab/work-trend-index
2) 본래는 말에 씌우는 마구나 안전벨트 등을 일컬으나 IT 분야에서는 프로그램이나 AI가 정해진 방식대로 작동하도록 묶어 두는 제어 장치를 가리킨다. 편집자 주
저자의 다른 미디어
