AI의 답변을 문장별로 읽으면 모두 그럴듯해요. 레시피를 조절하라는 조언도 있고, 로스팅을 바꾸라는 조언도 있고, 물을 확인하라는 조언도 있어요. 그런데 실제 매장에서는 무엇부터 해야 할지 더 막막해질 수 있어요.
맞을 수 있는 설명 여러 개와,
지금 해야 할 결정 한 개는 달라요.
현장에서는 가능한 원인을 나열한 다음, 실제 자료로 후보를 좁히고 우선순위를 정해야 해요. 맛뿐 아니라 메뉴·작업 시간·재현성까지 함께 생각해야 해요. 이 과정을 수행하는 데 필요한 것이 종합 판단력이에요.
한 작업을 잘했다고 다음 판단도 맞는 것은 아니에요
Dell’Acqua 등의 2026년 Organization Science 게재 연구는 758명의 지식 근로자가 참여한 GPT-4 활용 실험을 다뤘어요. AI를 활용했을 때 성과가 좋아진 업무가 있었지만, 연구진이 AI의 수행 범위 밖으로 선정한 복잡한 판단 과제에서는 정답 도출 성과가 낮아졌어요.
이것은 커피 실험도, 2026년의 모든 AI 성능을 평가한 결과도 아니에요. 여기서 현장에 가져올 질문은 분명해요. “자료를 잘 정리한 AI가 이 결정까지 잘 내렸는가?”를 따로 확인해야 한다는 것이에요. 이 글은 그 질문을 커피 작업에 적용해볼게요.
“쓴맛이 강해졌어요”만으로는 원인을 정할 수 없어요
다음은 판단 과정을 설명하기 위한 가상 매장 사례예요. 특정 매장이나 AI의 실제 실패 사례가 아니에요.
지난주까지 괜찮았던 아메리카노가 오늘은 유난히 거칠고 쓰게 느껴져요. AI에게 “로스팅을 어떻게 바꿀까요?”라고 묻자 배전을 낮추라는 설명을 받았다고 가정해볼게요. 질문에 로스팅이라는 원인이 이미 들어가 있어요. 하지만 아직 확인한 사실은 “오늘 준비한 음료가 그렇게 느껴졌다”는 것뿐이에요.
원두는 같은 배치인가요? 보관과 사용 시점은 어떤가요? 실제 투입량과 음료량은 이전 기록과 같나요? 희석한 물의 양과 시음 온도는 어떤가요? 장비 청소 상태는 확인했나요? 이런 정보가 비어 있는 상태에서 로스팅부터 바꾸면, 원인을 확인하지 못한 채 새 변수를 추가하게 돼요.
질문을 바꾸면 작업도 달라져요. “로스팅을 어떻게 바꿀까?”보다 먼저 “지난주와 오늘 사이에서 실제로 달라진 조건은 무엇인가?”를 확인해보세요. 원인이 로스팅이라는 가정을 사실과 분리하는 것부터 시작해야 해요.
여러 조건을 한꺼번에 바꾸면 무엇을 배웠는지 남지 않아요
가상 사례에서 분쇄도를 바꾸고, 음료량을 바꾸고, 물도 바꾼 뒤 맛이 좋아졌다고 해볼게요. 원하는 음료를 얻은 것은 좋은 일이에요. 하지만 어느 변화가 얼마나 작용했는지는 그 결과만으로 나누기 어려워요. 다음 날 같은 문제가 생겼을 때 무엇을 먼저 해야 할지도 여전히 불분명해요.
우선 이전에 괜찮았던 준비 조건을 기록대로 재현해보고, 그 상태에서도 차이가 나는지 살펴볼 수 있어요. 추출을 비교하려면 같은 원두를 쓰고 확인하려는 항목을 정하세요. 로스팅을 비교하려면 가능한 다른 조건을 맞추고 여러 시료를 같은 방식으로 준비해 맛보세요. 한 번의 인상으로 끝내지 않고 반복했을 때 같은 방향인지도 확인해야 해요.
실습의 목적은 성공한 한 잔을 만드는 데서 끝나지 않아요. 무엇을 확인해서 다음 결정을 내렸는지 설명할 수 있어야 해요. 그 기록이 있어야 AI의 다음 제안도 내 결과와 비교할 수 있어요.
“가장 좋은 커피”의 기준부터 정해야 해요
어떤 매장에는 선명한 필터 커피가 목표일 수 있어요. 다른 매장에는 얼음을 넣은 아메리카노나 우유 음료에서 유지되는 맛이 중요할 수 있어요. 같은 원두라도 판매할 메뉴와 추구하는 맛을 정하지 않으면, AI에게 받은 최적화 제안이 무엇을 위한 것인지 불분명해져요.
수업에서 목표와 평가 기준을 함께 배우는 이유예요. 컵에서 느낀 특성, 정한 레시피, 영업 중 지킬 수 있는 작업 순서를 함께 검토해야 해요. 맛이 마음에 들더라도 반복해서 만들 수 있는지 확인해야 하고, 반복하기 쉬워도 목표한 맛과 맞지 않으면 다시 조정해야 해요.
AI 시대의 공부는 질문하고 확인하는 훈련이에요
- 원리 공부: 관찰한 현상을 설명할 수 있는 후보를 세워요.
- 직접 실습: 실제로 조작하고 측정하며 준비 과정의 차이를 알아봐요.
- 맛 평가와 기록: 바꾼 조건과 나타난 결과를 연결해요.
- 피드백: 놓친 조건과 성급한 해석을 질문하고 다음 비교에 반영해요.
이 경험 없이 답변만 많이 읽으면, 익숙한 설명을 이해했다고 느끼는 데 머물 수 있어요. 직접 볶고 추출해보면 글에서 짧게 지나간 조건이 실제로는 얼마나 중요한 질문인지 알게 돼요. 공부와 실습이 연결될 때, 제안을 받아들이거나 수정하거나 보류할 근거도 쌓여요.
내 커피를 설명하고,
다음 작업을 결정할 실력을 기르세요.
AI가 제시한 답변을 매장에 적용하는 사람은 결국 현장에서 결과를 확인해야 해요. 어떤 자료가 더 필요한지 알아보고, 비교할 조건을 정하고, 결과를 평가하는 힘을 길러보세요. 그것이 AI 시대에도 바리스타와 로스터가 커피를 계속 공부해야 하는 이유예요.
댓글
댓글 쓰기