맞는 말을 모아도, / 결정은 틀릴 수 있어요 FIRST PENGUIN · COFFEE & AI AI 시대, 왜 커피를 공부해야 할까요? · 3편 맞는 말을 모아도, 결정은 틀릴 수 있어요 매장에 맞는 판단을 배우는 이유 기록 비교 판단 이 글을 위해 제작한 종합 판단 개념 도해예요. 특정 AI의 성능을 수치로 비교한 그림은 아니에요. 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 연구 는 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 것 이에요. 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 원인...