AI로 문제 정의하는 법: 업무·학습 문제의 진짜 원인을 좁히는 방법

목차

• 1. 문제 정의가 중요한 이유
• 2. AI로 문제를 좁히는 방법
• 3. 문제 정의 프레임워크 3가지
• 4. 실전 문제 정의 예시
• 5. 문제 정의 훈련을 일상화하는 방법
• 6. 자주 묻는 질문
• 참고 자료

잘못 정의된 문제를 아무리 열심히 풀어도 원하는 결과가 나오지 않습니다. 해결책을 찾기 전에 먼저 무엇을 해결해야 하는지 살펴보는 이유가 여기에 있습니다. 처음에는 하나의 문제처럼 보였던 상황도 조금 들여다보면 원인과 결과, 주변 상황이 섞여 있는 경우가 많습니다.

 

AI를 활용하면 막연하게 느껴지는 상황을 질문으로 나누고, 여러 관점에서 살펴보면서 문제의 범위를 구체적으로 조정할 수 있습니다. 다만 AI가 제시하는 분석이 항상 정답인 것은 아닙니다. AI가 던지는 질문과 관점을 참고하면서 최종적으로 자신의 상황에 맞는 문제인지 직접 확인하는 과정이 필요합니다.

 

문제 정의는 해결책을 늦추는 과정이 아니라, 해결해야 할 대상을 제대로 찾기 위한 준비 과정입니다. 이 과정을 반복하다 보면 무작정 해결책부터 찾는 습관에서 벗어나 문제를 먼저 살펴보는 방식에 익숙해질 수 있습니다.

 

무엇을 푸는지가 어떻게 푸는지보다 중요하다

1. 문제 정의가 중요한 이유

1) 대부분의 실패는 잘못된 문제를 풀어서다

"공부를 더 열심히 해야지"라는 생각으로 학습 시간을 늘렸는데 성과가 기대만큼 나오지 않는다면, 단순히 시간 부족만이 원인이라고 보기 어렵습니다. 공부 방법이나 학습 내용에 대한 이해 정도, 목표 설정 방식 등 여러 요소를 함께 살펴볼 필요가 있습니다.

 

"무엇이 문제인가"를 잘못 짚으면 아무리 열심히 해결해도 원하는 결과로 이어지지 않을 수 있습니다. 그래서 해결책을 찾기 전에 현재 상황에서 실제로 바꾸고 싶은 것이 무엇인지 먼저 구체적으로 확인하는 것이 중요합니다.

2) 처음 떠오르는 문제는 대부분 표면 문제다

"요즘 의욕이 없다"는 말만으로 바로 원인을 정하기는 어렵습니다. 피로가 누적된 상태일 수도 있고, 목표나 방향이 불분명해서 행동으로 이어지지 않는 상황일 수도 있습니다. 그래서 처음 떠오른 문제를 곧바로 해결하려 하기보다, 지금 나타나는 현상과 그 배경을 한 번 더 구분해보는 과정이 필요합니다.

 

표면적으로 보이는 문제만 건드리면 정작 해결해야 할 원인은 그대로 남을 수 있습니다. 문제를 정의할 때는 "내가 지금 무엇을 문제라고 생각하고 있는가?"와 "실제로 바꾸고 싶은 상황은 무엇인가?"를 나누어 생각해보는 것이 좋습니다.

3) 문제를 좁힐수록 해결책이 명확해진다

"취업이 안 된다"는 너무 큰 문제입니다. 이 문장만으로는 무엇부터 바꿔야 할지 판단하기 어렵습니다.

반대로 "서류는 통과하는데 면접에서 떨어진다 → 면접 답변이 두루뭉술하다 → 경험을 구체적으로 설명하지 못한다"처럼 상황을 단계적으로 좁혀가면 다음에 확인해야 할 부분이 조금씩 보입니다.

 

이때 중요한 것은 마지막 문장을 무조건 진짜 원인이라고 확정하는 것이 아닙니다. 현재까지 확인한 내용을 바탕으로 우선순위가 높은 문제를 하나 정하고, 실제로 바꿔본 뒤 결과를 다시 확인하는 것입니다.

2. AI로 문제를 좁히는 방법

1) 5 Whys 기법 + AI

5 Whys는 하나의 문제가 발생했을 때 "왜?"라는 질문을 반복하면서 원인을 단계적으로 살펴보는 방식입니다. AI를 이용하면 혼자 생각할 때 놓치기 쉬운 질문을 이어가는 데 활용할 수 있습니다.

 

AI에게 다음과 같이 요청해볼 수 있습니다.

 

"내가 겪고 있는 문제를 말할게. '왜?'를 5번 연속으로 물어서 원인을 찾는 과정을 도와줘. 한 번에 하나의 질문만 하고, 내 답을 들은 뒤 다음 질문을 해줘: [문제 내용]"

 

예를 들어 블로그 조회수가 늘지 않는 상황을 생각해보겠습니다.

• 문제: 블로그 조회수가 늘지 않는다
• ↓ 왜? → 글이 검색에 노출되지 않는다
• ↓ 왜? → 검색어에 대한 고려가 부족하다
• ↓ 왜? → 독자가 어떤 검색어로 정보를 찾는지 충분히 조사하지 않았다
• ↓ 왜? → 글을 쓰기 전에 검색어 조사를 하지 않는다
• ↓ 왜? → 검색어를 조사하는 방법을 잘 모른다

우선 확인해볼 문제: 검색어 조사 방법을 충분히 알지 못하고 있다.

이 경우에는 글쓰기 자체를 더 많이 하는 것보다, 독자가 어떤 검색어로 정보를 찾는지 조사하는 방법부터 익히는 것이 다음 단계가 될 수 있습니다.

 

다만 5 Whys의 마지막 답이 항상 유일한 원인이라는 뜻은 아닙니다. 실제 조회수에는 콘텐츠의 주제, 검색 의도, 글의 구성 등 여러 요소가 함께 영향을 줄 수 있기 때문입니다. 따라서 AI가 제시한 결과가 실제 상황과 맞는지 다시 확인해야 합니다.

2) 문제 재정의 요청

문제를 처음 정의한 방식이 항상 가장 정확한 것은 아닙니다. 같은 상황도 어떤 관점에서 바라보느냐에 따라 전혀 다른 질문이 될 수 있습니다.

 

AI에게 내가 정의한 문제를 다른 방식으로 바라봐달라고 요청해보는 방법이 있습니다.

 

"내가 이렇게 문제를 정의했어: [내 정의]. 이것을 다른 방식으로 재정의해줘. 관점을 3가지로 나눠서 각각 다르게 문제를 표현해줘. 각각의 차이점도 설명해줘."

 

예를 들어 "블로그 글을 꾸준히 쓰지 못한다"는 문제를 생각해볼 수 있습니다.

 

한 관점에서는 글쓰기 시간이 부족한 문제로 볼 수 있고, 다른 관점에서는 주제를 정하는 과정이 오래 걸리는 문제로 볼 수 있습니다. 또 다른 관점에서는 한 편의 글을 완성하는 데 필요한 작업이 지나치게 많아서 시작하기 어려운 문제일 수도 있습니다.

 

어떤 정의가 맞는지는 실제 상황을 살펴봐야 합니다. 중요한 것은 처음 떠오른 문제 하나에만 고정되지 않고 다른 가능성을 함께 살펴보는 것입니다.

3) 문제의 범위를 좁히는 질문

AI에게 질문을 한꺼번에 던지고 답만 받기보다, 자신의 답변에 따라 다음 질문이 이어지도록 설정할 수도 있습니다.

"내가 말한 문제에 대해 아래 질문을 순서대로 물어봐줘. 내 답을 듣고 다음 질문으로 이어가줘. 답변을 바탕으로 필요하면 질문의 순서를 바꿔도 돼.

1. 이 문제가 항상 발생하는가, 특정 상황에서만 발생하는가
2. 문제가 없을 때와 있을 때의 차이가 무엇인가
3. 이 문제로 가장 직접적인 영향을 받는 것이 무엇인가
4. 이 문제가 해결되면 구체적으로 무엇이 달라지는가"

 

이 네 가지 질문에 차례로 답하다 보면 처음에는 막연했던 문제를 조금 더 구체적으로 바라볼 수 있습니다. 경우에 따라서는 문제가 좁아지기보다, 하나의 문제 안에 여러 원인이 섞여 있다는 사실이 드러나기도 합니다.

 

중요한 것은 처음 세운 정의를 그대로 유지하는 것이 아니라, 질문과 답변을 통해 문제의 범위를 다시 조정하는 것입니다.

3. 문제 정의 프레임워크 3가지

1) How Might We, 어떻게 하면 우리가 ○ ○ 할 수 있을까

How Might We(HMW)는 현재의 문제를 그대로 반복하기보다 해결 가능한 질문의 형태로 다시 표현하는 방법입니다.

예를 들어 "집중이 안 된다"라고 끝내는 대신 "어떻게 하면 30분 동안 집중할 수 있을까?"라고 바꾸면 다음 단계에서 시도해볼 행동을 찾기 쉬워집니다.

 

핵심은 문제를 무조건 긍정적으로 표현하는 것이 아니라, 해결 방향을 탐색할 수 있는 질문으로 바꾸는 데 있습니다.

문제 표현	HMW 표현
공부 집중이 안 된다	어떻게 하면 30분 동안 집중 상태를 유지할 수 있을까
자격증 공부가 지루하다	어떻게 하면 자격증 공부를 실무와 연결해서 흥미롭게 만들 수 있을까
블로그 글이 잘 안 써진다	어떻게 하면 글감 걱정 없이 주 2편을 꾸준히 쓸 수 있을까

HMW 방식의 장점은 문제를 너무 넓게 잡지 않으면서도 여러 해결책을 탐색할 수 있다는 것입니다. 다만 질문 자체가 해결책을 미리 정해버리지 않도록 주의해야 합니다.

2) 문제-원인-영향 분리

문제, 원인, 영향을 혼동하면 해결의 방향이 흐려집니다.

• 문제: 실제로 일어나고 있는 것
• 원인: 문제가 발생하는 데 영향을 주는 요인
• 영향: 문제로 인해 나타나는 결과

예를 들어 "업무가 너무 늦게 끝난다"는 상황에서 업무 종료 시간이 늦어지는 것이 문제라면, 반복적인 확인 작업이나 우선순위 설정 방식 등이 원인으로 나타날 수 있습니다. 업무가 늦게 끝나면서 개인 시간이 줄어드는 것은 영향에 해당할 수 있습니다.

 

AI에게 다음과 같이 요청해볼 수 있습니다.

 

"내가 말하는 상황에서 문제·원인·영향을 각각 분리해줘. 내가 제공한 정보만으로 판단할 수 없는 부분은 추측하지 말고 별도로 표시해줘: [상황 설명]"

 

이렇게 요청하면 AI가 사실과 추론을 섞는 것을 줄이는 데 도움이 됩니다. 결과를 받은 뒤에는 각각의 내용이 실제 상황과 맞는지도 직접 확인해야 합니다.

3) 이상적 상태와 현재 상태의 간격 찾기

문제를 현재 상태만 바라보는 방식으로 정의하기 어려울 때는, 먼저 원하는 상태를 구체적으로 정해보는 방법도 있습니다.

예를 들어 "블로그 운영이 잘 안 된다"는 표현보다 "한 달에 몇 편의 글을 꾸준히 작성하고 싶은가", "글을 작성하는 데 어느 정도 시간이 걸렸으면 하는가"처럼 원하는 상태를 구체적으로 적어볼 수 있습니다.

 

그다음 현재 상태와 비교하면 차이가 나타납니다.

 

AI 요청: "내가 원하는 이상적인 상태와 현재 상태를 말할게. 두 상태의 차이를 정리하고, 그중 먼저 확인할 부분이 무엇인지 분석해줘. 근거가 부족한 부분은 추측하지 말고 알려줘."

 

이 방법에서는 차이를 전부 한 번에 해결하려고 하지 않는 것이 중요합니다. 현재 상태와 이상적인 상태 사이에 여러 간격이 있다면, 가장 먼저 확인할 한 가지를 정하는 것부터 시작할 수 있습니다.

 

문제를 여러 단계로 나누어 살펴보면 다음 행동을 정하기 쉬워진다

4. 실전 문제 정의 예시

사례: "AI 자기계발을 하고 싶은데 무엇부터 시작해야 할지 모르겠다"

AI와 관련된 공부를 시작하려고 할 때도 비슷한 상황이 생깁니다. 생성형 AI, 자동화, 데이터 분석, 프롬프트 작성 등 선택할 수 있는 분야가 많기 때문에 "무엇부터 공부할까?"라는 질문만으로는 시작점을 정하기 어렵습니다.

 

이럴 때는 학습 항목부터 고르기보다 현재 상황을 먼저 살펴볼 수 있습니다.

• 1단계 - 표면 문제 파악: AI 자기계발의 시작점을 모른다.
• 2단계 - 5 Whys 적용:
  왜? → 선택지가 너무 많다.
  왜? → 어떤 분야가 나에게 맞는지 판단할 기준이 없다.
  왜? → 내가 왜 AI를 배우려는지 목적이 구체적이지 않다.
  왜? → 막연하게 뒤처질 것 같은 불안감 때문에 시작하려 한다.

여기까지 질문을 이어갔다면 다음과 같이 문제를 다시 표현할 수 있습니다.

• 3단계 - 현재 상황에서 우선 확인할 문제:
  "AI를 왜 배우려는지 자신의 상황과 연결해 구체적인 목적을 정하지 못한 상태"

이 경우에는 바로 특정 도구나 학습 과정을 선택하기보다, 먼저 자신의 반복 업무나 불편한 작업을 떠올려보는 방법이 도움이 될 수 있습니다.

 

예를 들어 매주 반복해서 작성하는 문서가 있거나, 자료를 정리하는 데 많은 시간이 걸리거나, 비슷한 내용을 반복해서 검색하는 상황이 있다면 이런 작업을 목록으로 만들어볼 수 있습니다.

 

그 과정에서 "AI가 내 어떤 작업을 더 쉽게 만들 수 있는가?"라는 질문에 답해보면 이후 어떤 도구나 기능을 살펴볼지 판단할 기준을 만들 수 있습니다.

 

결국 처음의 "AI를 공부해야 하는데 무엇부터 해야 할까?"라는 막연한 질문이 "내가 반복하는 작업 중 AI를 활용해 개선할 수 있는 것은 무엇인가?"라는 구체적인 질문으로 바뀌게 됩니다.

 

문제를 좁힌다는 것은 답을 빨리 결정하는 것이 아니라, 다음에 무엇을 확인하고 행동할지를 분명하게 만드는 과정이라고 볼 수 있습니다.

5. 문제 정의 훈련을 일상화하는 방법

문제 정의는 한 번 배운다고 끝나는 기술이 아닙니다. 일상에서 반복해서 사용해보면서 자신의 사고방식을 점검하는 연습이 필요합니다.

• 일상 속 연습: 하루에 한 번 정도 불편하거나 잘 풀리지 않는 상황을 만났을 때 "이게 진짜 문제인가, 아니면 표면적으로 드러난 문제인가?"라고 한 번 질문해보세요. 예를 들어 "오늘도 시간이 부족했다"라고 생각했다면 바로 시간을 더 확보하려고 하기보다, 시간이 부족했던 특정 상황이 무엇이었는지 먼저 적어볼 수 있습니다. 일정이 지나치게 많았는지, 한 가지 작업에 예상보다 오래 걸렸는지, 시작이 늦었는지 등을 구분하면 문제를 조금 더 구체적으로 볼 수 있습니다.

• 주간 연습: 한 주에 한 번 정도, 계속 해결되지 않고 있는 문제 하나를 골라 AI와 함께 5 Whys 방식으로 정리해보는 시간을 가져보세요.
  처음부터 완벽한 답을 찾으려 하기보다 10~15분 동안 질문과 답을 이어가면서 처음에 생각했던 문제 정의가 실제 상황과 맞는지 확인하는 정도로 시작해도 충분합니다.
• 결과물 남기기: 문제 정의 과정을 노션이나 메모장에 기록해두는 것도 좋은 방법입니다. 기록할 때는 아래 네 가지 정도만 남겨도 됩니다.
  • 처음 생각한 문제
  • 질문을 통해 새롭게 확인한 내용
  • 현재 가장 중요하다고 생각하는 문제
  • 다음에 확인하거나 실행할 행동
  나중에 비슷한 상황이 생겼을 때 이전 기록을 살펴보면 자신이 어떤 방식으로 문제를 정의하는지 확인할 수 있습니다.

실전 팁 박스

• AI에게 문제를 말할 때 "나는 ○○가 문제인 것 같아"보다 "이런 상황이야. 진짜 문제가 뭔지 같이 찾아줘"처럼 판단을 열어두고 시작하세요. 미리 답을 정해두면 AI도 그 방향으로만 분석할 가능성이 있습니다.
• 5 Whys를 혼자 하면 세 번째 "왜?" 이후부터 막히는 경우가 있습니다. AI에게 한 번에 하나씩 "왜?"를 물어봐달라고 하면 질문을 이어가는 데 도움을 받을 수 있습니다.
• 문제를 좁혔는데 너무 작은 단위가 된 것 같다면 "이 문제를 해결했을 때 처음에 불편했던 상황이 실제로 달라지는가?"를 확인해보세요. 변화가 거의 없다면 방금 정의한 문제보다 한 단계 넓은 원인을 다시 살펴보는 것이 좋습니다.
• 문제 정의를 너무 오래 하면 시작이 늦어질 수 있습니다. 간단한 문제라면 10~15분 정도 정리한 뒤 작은 행동부터 시작하고, 실제 결과를 확인하면서 문제 정의를 다시 조정하는 방식도 현실적인 방법입니다.

6. 자주 묻는 질문

Q1. 문제 정의에 시간을 쓰다 보면 실제 해결을 못 하게 되지 않나요?

간단한 일상 문제라면 10~15분 정도만 정리해도 다음 행동을 정하는 데 도움이 될 수 있습니다. 반면 여러 원인이 얽힌 문제는 더 오래 살펴봐야 할 수도 있습니다. 중요한 것은 문제 정의를 끝없이 반복하는 것이 아니라, 현재 단계에서 확인한 내용을 바탕으로 작은 행동 하나를 정하고 실제 결과를 다시 살펴보는 것입니다.

Q2. AI가 엉뚱한 방향으로 문제를 정의해줄 수도 있지 않나요?

충분히 가능합니다. AI가 제시한 문제 정의를 그대로 받아들이기보다 "이게 내 상황을 제대로 반영하는가?"를 직접 판단해야 합니다. AI는 다양한 질문과 관점을 제시해주는 도구로 활용하는 것이 좋습니다. 실제 상황을 가장 잘 알고 있는 사람은 사용자 자신이므로, AI가 제시한 원인이나 문제 정의 중 사실과 추론을 구분하고 최종 판단을 직접 내리는 과정이 필요합니다.

Q3. 문제가 너무 복잡해서 하나로 정의하기 어렵습니다.

복잡한 문제는 여러 문제가 뒤섞여 있는 경우가 있습니다. 이런 상황에서는 억지로 하나의 문제로 만들기보다 각각의 문제를 분리해서 보는 것이 좋습니다. AI에게 "이 상황에서 서로 독립적으로 나눠서 볼 수 있는 문제들을 구분해줘. 내가 제공하지 않은 사실은 추측하지 말고, 각 문제 사이의 관계도 설명해줘."라고 요청할 수 있습니다. 그다음 가장 먼저 확인할 문제 하나를 정하고 작은 행동부터 시작해볼 수 있습니다.

문제를 제대로 보는 것이 해결의 시작이다

"이게 진짜 문제인가?"라는 질문 하나가 문제를 바라보는 방향을 바꿀 수 있습니다.

 

AI를 활용하면 막연하게 느껴지는 상황을 여러 질문으로 나누고, 다른 관점에서 살펴보면서 문제의 범위를 구체적으로 조정하는 데 도움을 받을 수 있습니다. 하지만 AI가 제시한 결과를 그대로 정답으로 받아들이기보다는 실제 상황과 맞는지 직접 확인하는 과정이 중요합니다.

 

지금 해결되지 않고 있는 문제가 있다면 바로 해결책부터 찾기보다 먼저 한 문장으로 적어보세요. 그리고 "내가 문제라고 생각하는 것이 실제로 바꾸고 싶은 상황과 같은가?"라고 질문해보는 것부터 시작할 수 있습니다.

함께 보면 좋은 글

• AI 질문 잘하는 방법, 학습 효과 높이는 질문법
• AI 결정 일지 쓰기: 선택의 이유를 남겨 더 나은 판단으로 이어가는 법

참고 자료

• Notion 문제 정의 템플릿
• Anthropic Claude 공식 사이트

---

면책조항

본 포스팅은 AI를 활용한 문제 정의와 사고 방법에 관한 일반적인 정보 제공을 목적으로 작성되었습니다. 글에서 소개한 방법이나 AI의 답변이 모든 상황에 동일하게 적용되는 것은 아니며, 실제 상황에 대한 판단과 실행 여부는 개인의 상황과 목적에 따라 신중하게 결정하시기 바랍니다.