자율성을 어디까지 넘길까 — AI와 사람 위임의 보정

위임은 스위치가 아니라 다이얼

위임을 "맡긴다 / 안 맡긴다"의 이분법으로 보면 둘 다 실패한다. 다 맡기면 통제 불능, 안 맡기면 위임의 의미가 없다.

위임은 다이얼이다. 자율성 수준을 0에서 100까지 돌릴 수 있고, 그 위치를 결과로 보정한다. AI 에이전트에게 일을 맡길 때도, 주니어 엔지니어에게 맡길 때도, 외주에 맡길 때도 같은 보정 원리가 작동한다.

자율성 5단계

위임의 자율성을 5단계로 나눠 본다.

• L1 — 제안만: 실행자가 안을 내고, 모든 실행은 위임자가. ("이렇게 하면 어떨까요?")
• L2 — 승인 후 실행: 실행자가 안을 내고 위임자 승인 후 실행. ("이렇게 할게요, 괜찮나요?")
• L3 — 실행 후 보고: 실행자가 실행하고 사후 보고. 위임자는 되돌릴 수 있음. ("이렇게 했어요")
• L4 — 예외만 보고: 실행자가 알아서 하고 문제 시에만 보고. ("문제 있으면 알릴게요")
• L5 — 완전 위임: 위임자가 관여 안 함. ("알아서 하세요")

핵심은 이 단계를 작업·실행자·맥락마다 다르게 두고, 고정하지 않는 것이다.

보정 신호는 결과다 (느낌이 아니라)

자율성을 넓힐지 좁힐지는 검증된 결과로 결정한다. "잘하는 것 같다"는 느낌이 아니라.

위임을 시작할 때:

• L2(승인 후 실행)에서 시작
• 결과를 검증 — 빌드 통과? 기준 충족? 약속한 것 했나?
• 검증된 성공이 누적되면 → 한 단계 넓힘 (L3)
• 한 번의 검증된 실패 → 한 단계 좁힘 (L2로 복귀)

신뢰는 결과로 쌓이고 결과로 깎인다. 검증 가능한 작업일수록 자율성을 빨리 넓힐 수 있다. 검증이 안 되는 작업(주관적 품질)은 자율성을 넓히기 어렵다 — 그래서 모호한 지시를 측정 기준으로 바꾸는 게 자율성 확대의 전제다.

실제 보정의 모양

콘텐츠 작업을 AI에게 위임한 흐름이 이 보정을 그대로 보여준다.

• 처음: "글 5개 써줘" — 결과를 매번 확인 (L2-L3)
• 결과 검증: 빌드 통과, 다양성 확보, cross-link 무결성 → 성공 누적
• 다음: "5개 더, 10개 개선" — 더 큰 범위 위임 (L3)
• 또 검증 성공 → "다 적용해줘" — 판단까지 위임 (L4에 가까움)

각 단계 확대의 근거는 직전 결과의 검증이었다. 빌드가 깨졌거나 약속한 다양성이 없었다면 자율성을 좁혔을 것이다.

반대 방향도 중요하다. 한 번 YAML 함정으로 빌드가 깨졌을 때 — 그건 자율성을 좁히는 게 아니라 검증 루프를 강화하는 신호였다(빌드 전 점검 추가). 실패의 원인이 실행자 판단이면 자율성을 좁히고, 검증 공백이면 검증을 강화한다. 둘을 구분해야 한다.

AI와 사람의 차이

같은 보정 원리지만 AI와 사람은 다른 점이 있다.

AI는 학습이 누적 안 된다 (세션 간). 사람 주니어는 한 번 가르치면 다음에 기억한다. AI는 세션이 바뀌면 리셋된다. 그래서 AI의 자율성 확대는 시스템에 박아야 한다 — 메모리, 프롬프트 규칙, 검증 자동화. 사람은 신뢰를 사람에게 부여하지만, AI는 신뢰를 시스템에 부여한다.

AI는 자신감과 실력이 비례 안 한다. 사람은 모르면 보통 머뭇거린다. AI는 틀린 답도 자신 있게 한다. 그래서 AI 자율성은 "확신도"가 아니라 검증 결과로만 넓혀야 한다.

되돌리기 비용이 다르다. AI는 빠르게 많이 만들어서 한 번에 큰 변경을 낸다. L3(사후 보고)에서도 변경 폭이 크면 되돌리기 비용이 크다. AI에겐 자율성과 함께 변경 단위를 작게 유지하는 제약이 필요하다.

좁혀야 할 신호

자율성을 넓히는 것만큼 좁히는 판단도 중요하다.

• 검증 없이 통과시킨 결과에서 문제 발견 → 검증 강화 + 자율성 한 단계 ↓
• 같은 종류 실수 반복 → 재발은 시스템 공백, 검사 추가
• 맥락이 바뀜 (새 도메인·높은 리스크) → 익숙한 영역의 자율성을 낯선 영역에 그대로 적용하지 않기
• 되돌리기 비용이 큰 결정(one-way door) → 자율성 무관하게 L2로

특히 마지막. one-way door 결정은 실행자가 아무리 신뢰받아도 승인 게이트를 둔다. 자율성은 되돌릴 수 있는 영역에서 넓힌다.

과소 위임의 비용

위임 글은 보통 "너무 많이 맡기지 말라"고 끝난다. 반대도 비용이다.

L2(매번 승인)에 머물면 위임자가 병목이 된다. 실행자는 매번 기다리고, 위임자는 매번 검토한다. 검증된 성공이 쌓였는데도 자율성을 안 넓히면 — 그건 신중함이 아니라 위임 실패다. 생산성이 위임자 속도에 묶인다.

좋은 보정은 양방향이다. 성공엔 넓히고 실패엔 좁힌다. 한 방향으로만 고정된 다이얼은 보정이 아니다.

함정

• 느낌으로 자율성 결정: "잘하는 것 같다"로 넓히면 검증 안 된 신뢰. 결과로만.
• 한 번 정한 자율성 고정: 작업·맥락이 바뀌어도 그대로 → 과/소 위임. 매번 재보정.
• 실패 원인 오진: 검증 공백을 실행자 탓으로 (자율성만 좁힘) 또는 그 반대. 원인을 구분.
• AI 자율성을 세션에 의존: AI는 세션 간 학습 안 됨. 자율성 확대는 시스템(메모리·자동화)에 박기.
• one-way door에 높은 자율성: 되돌리기 비용 큰 결정은 신뢰 무관 승인 게이트.
• 과소 위임을 신중함으로 합리화: 검증된 성공이 쌓였는데 안 넓히면 위임자가 병목. 넓히는 것도 보정.

결론

위임은 스위치가 아니라 다이얼이다. 승인 게이트(L2)에서 시작해 검증된 결과로 자율성을 점진적으로 넓히고, 검증된 실패로 좁힌다. 느낌이 아니라 결과가 보정 신호다.

AI든 사람이든 원리는 같다. 다만 AI는 신뢰를 사람이 아니라 시스템에 부여하고, 검증을 자동화해야 자율성을 안전하게 넓힐 수 있다. 그래서 위임을 잘하는 것과 검증 루프를 잘 만드는 것은 같은 일이다 — 검증할 수 없으면 위임할 수도 없다.

지난 2주의 콘텐츠 작업이 이 보정의 작은 사례였다. 매 라운드 결과를 검증(빌드·링크·다양성)하면서 자율성을 넓혔고, 빌드가 깨진 자리에선 자율성이 아니라 검증을 강화했다. 위임의 다이얼은 결과를 볼 수 있을 때만 안전하게 돌아간다.