AI 도구 3개를 역할별로 나눠 쓰니 토큰이 반으로 줄었다
AI 도구를 업무에 쓰기 시작하면 처음에는 하나의 대화창에 모든 것을 넣게 됩니다. 질문도 하고, 글도 쓰고, 코드도 고치고, 번역도 시킵니다. 처음에는 편합니다. 그런데 시간이 지나면 대화가 길어지고, 맥락이 섞이고, 토큰 사용량도 빠르게 늘어납니다.
제가 가장 효과를 본 방법은 간단했습니다. 하나의 AI에게 모든 일을 맡기지 않고, 세 가지 역할로 나누는 것입니다.
AI 하나만 쓰면 토큰이 새는 이유
토큰은 AI가 읽고 쓰는 텍스트의 기본 단위입니다. 입력이 길어지고 대화 이력이 쌓일수록 AI가 처리해야 하는 토큰도 늘어납니다.
문제는 하나의 대화창에 서로 다른 작업을 계속 쌓을 때 생깁니다. 오전에는 블로그 초안을 만들고, 오후에는 서버 설정을 묻고, 저녁에는 영어 번역을 시키면 한 대화 안에 전혀 다른 맥락이 뒤섞입니다. AI는 지금 질문과 직접 관련 없는 이전 대화까지 참고하려고 하고, 사용자는 그만큼 더 많은 토큰을 쓰게 됩니다.
결국 토큰 낭비의 원인은 단순히 답변이 길어서가 아닙니다. 관련 없는 맥락을 계속 들고 가는 구조가 더 큰 문제입니다.
역할을 나누면 달라지는 것
AI 도구를 역할별로 나누면 먼저 대화 맥락이 깨끗해집니다. 코드 작업용 대화에는 코드와 파일 이야기만 남고, 글쓰기용 대화에는 초안과 문장 이야기만 남습니다. 번역과 문장 다듬기 역시 별도 흐름으로 분리됩니다.
이렇게 나누면 AI가 매번 읽어야 하는 정보가 줄어듭니다. 질문도 짧아지고, 재질문도 줄고, 답변 품질도 안정됩니다. 도구를 바꾸는 행위 자체가 작업 모드를 바꾸는 신호가 되기 때문에, 머릿속도 덜 복잡해집니다.
첫 번째 역할: 파일 수정, 코드, 배포, 최종 검수
첫 번째 AI는 실제 작업 공간과 연결된 도구로 둡니다. 파일을 읽고, 수정하고, 명령어를 실행하고, 결과를 확인할 수 있는 역할입니다.
- 코드 작성과 수정
- HTML, CSS, 스크립트 변경
- 빌드와 배포 전 점검
- 공개 전 최종 검수
- 민감정보 제거 확인
핵심은 이 도구를 최종 책임자로 쓰는 것입니다. 처음부터 아이디어를 길게 브레인스토밍하기보다, 다른 도구에서 나온 결과를 가져와 실제 파일에 반영하고 검증하는 역할에 집중시킵니다.
두 번째 역할: 초안, 아이디어, 반복 작업 정리
두 번째 AI는 0에서 1을 만드는 도구로 씁니다. 완벽한 결과보다 빠른 초안과 아이디어 정리가 필요할 때 유용합니다.
예를 들어 블로그 글의 큰 구조를 잡거나, 제목 후보를 뽑거나, 머릿속에 흩어진 생각을 정리할 때 사용합니다. 주간 보고서, 리뷰 요약, 반복 안내문처럼 패턴이 있는 작업도 이 역할에 잘 맞습니다.
이 단계에서는 너무 많은 내부 정보를 줄 필요가 없습니다. 공개해도 되는 수준의 설명만 주고, 초안 재료를 빠르게 얻는 것이 목적입니다.
세 번째 역할: 긴 글 편집장, 번역, 논리 검토
세 번째 AI는 단순히 문장을 예쁘게 바꾸는 도구가 아닙니다. 긴 글의 흐름을 읽고, 앞뒤 논리가 맞는지, 독자가 오해할 만한 표현은 없는지, 글의 톤이 처음부터 끝까지 일정한지 점검하는 편집장 역할에 가깝습니다.
특히 긴 블로그 글, 소개 페이지, 영문 버전, 제안서처럼 문장 품질이 중요한 작업에 잘 맞습니다. 한국어 초안을 영어로 옮길 때도 단순 직역이 아니라, 영어권 독자가 자연스럽게 읽을 수 있도록 문장 구조를 다시 잡아주는 역할을 맡깁니다.
이 도구에는 코드나 서버 설정 이야기를 섞지 않는 것이 좋습니다. 글의 논리, 표현, 독자 이해도에만 집중하게 해야 결과가 흔들리지 않습니다.
민감정보는 처음부터 일반화한다
역할을 나누면 여러 AI 도구에 정보를 나누어 주게 됩니다. 그래서 민감정보 처리가 더 중요해집니다.
공개 글이나 외부 AI 도구에 넣는 문장에서는 실제 서버 주소, IP, 계정명, 내부 호스트명, API 키, 고객 데이터, 내부 프로젝트명 등을 직접 쓰지 않습니다. 대신 다음처럼 일반화합니다.
| 실제 정보 유형 | 공개용 표현 |
|---|---|
| 실제 서버 주소 | 운영 서버 |
| 실제 도메인 관리 정보 | 서비스 도메인 |
| 내부 호스트명 | 내부 시스템 |
| 특정 계정명 | 관리자 계정 |
| 실제 고객 데이터 | 예시 데이터 |
| 내부 도구명 | 업무용 AI 도구 |
대부분의 질문은 실제 IP나 계정명이 없어도 충분히 해결됩니다. 필요한 것은 정확한 민감정보가 아니라 상황의 구조입니다.
실제 작업 흐름 예시
- 초안 도구에 주제와 독자만 알려주고 글의 구조를 만든다.
- 초안 도구에서 첫 원고를 만든다.
- 긴 글 편집 도구로 논리, 문장, 영어 표현을 다듬는다.
- 최종 작업 도구에서 민감정보를 검사하고 HTML로 반영한다.
- 로컬 또는 배포 환경에서 화면과 링크를 확인한다.
이 방식의 장점은 각 단계의 대화가 짧다는 것입니다. 초안 도구는 초안만 기억하면 되고, 긴 글 편집 도구는 논리와 문장만 보면 됩니다. 최종 작업 도구는 실제 파일과 공개 위험만 확인하면 됩니다.
토큰을 줄이는 실전 규칙
- 전체 자료를 매번 붙여넣지 않는다.
- AI마다 필요한 정보만 준다.
- 민감정보는 처음부터 가명으로 바꾼다.
- 초안, 다듬기, 최종 반영을 분리한다.
- 최종 판단과 공개 전 검수는 한 곳에서 한다.
이렇게 하면 토큰 사용량만 줄어드는 것이 아닙니다. 작업 흐름이 단순해지고, 어떤 AI에게 무엇을 맡길지 판단하기 쉬워집니다.
결론
AI 도구를 여러 개 쓰는 목적은 복잡하게 일하기 위해서가 아닙니다. 오히려 반대입니다. 역할을 나누면 각 AI가 봐야 할 맥락이 줄어들고, 사용자는 더 짧고 정확한 요청을 하게 됩니다.
AI를 잘 쓰는 기준은 가장 강한 도구 하나를 오래 붙잡는 것이 아닙니다. 아이디어, 언어, 실행을 나누고, 마지막에 한 곳에서 검수하는 흐름을 만드는 것입니다. 이 구조만 잡아도 토큰과 비용은 줄고, 결과물의 품질은 더 안정됩니다.