🍚 손님을 기억하는 식당 (241호)

나를 기억하는 건 AI보다 사람이면 좋겠어요

2026. 8. 30.

이 메일이 잘 안보이시나요?

제 241호 (2026.08.31.)

Editor's Comments

나를 기억하는 건 AI보다 사람이면 좋겠어요

🍚 손님을 기억하는 식당

얼마 전 Threads에서 식당을 20년 넘게 운영한 부모님에 관한 글을 읽었습니다.

글쓴이는 방학이면 부모님의 식당에서 야간 홀서빙을 도왔습니다. 부모님은 단골이 문을 열고 들어오면 주문을 받기도 전에 주방에서 메뉴를 준비했습니다. 어르신이 소주를 찾으면 평소 마시던 종류를 기억해 내놓았습니다. 안주가 부족해 보이면 새 메뉴를 권하기보다 가볍게 먹을 것을 조금 더 내드렸습니다.

아이와 함께 온 손님이 있으면 어머니는 아이가 먹을 김과 계란후라이를 준비했습니다. 아이가 식사를 다 하면 부모가 편하게 먹을 수 있게 잠시 아이를 돌보기도 하셨습니다. 한창 잘 먹는 나이대의 청년에게는 공기밥을 하나 더 주었습니다. 다른 식당들이 소주 가격을 올릴 때도 아버지는 단골들의 부담을 생각하며 가격을 올리지 않으며 버텼습니다.

수익만 생각하면 꽤 비효율적인 운영입니다.

주문하지 않은 음식을 내주고, 직원의 시간을 들여 아이를 봐주고, 때로는 외상도 주며 받을 수 있는 돈을 늦게 받습니다. 원가표만 보면 줄여야 할 행동들입니다. 매뉴얼로 만들기도 어렵습니다. 누구에게 무엇을 얼마나 해줄지 정해져 있지 않기 때문입니다.

그런데 그 식당에는 한 가지 분명한 자산이 쌓이고 있었습니다. 바로 손님에 대한 기억입니다.

주문을 기억하는 것과 손님을 기억하는 것

요즘 식당에서는 태블릿으로 주문하는 일이 익숙합니다. 방문한 손님이 QR을 스캔해 각자 메뉴를 천천히 보고 주문하기도 합니다. 직원을 여러 번 부르지 않아도 됩니다. 주문이 누락될 가능성도 줄었습니다. 사장님 입장에서는 주문과 결제를 정리하기 쉬워지고, 직원은 반복 응대에서 조금 벗어날 수 있게 되었습니다.

분명히 좋은 점이 많습니다.

다만 이런 질문은 해볼 수 있을 것 같습니다. 태블릿은 지난번 주문을 기록할 수 있지만, 지난번 그 손님이 왜 메뉴를 남겼는지는 기억할 수 있을까요? 아이와 함께 온 부모가 지금 밥을 제대로 먹지 못하고 있다는 것을 알아챌 수 있을까요? 어르신이 화면 앞에서 주문을 망설이고 있을 때 필요한 것이 사용법 설명인지, 익숙한 메뉴 한마디인지 구분할 수 있을까요?

주문 데이터는 남아도 손님의 사정은 남지 않습니다. 주문을 기억하는 것과 손님을 기억하는 것은 다른 일입니다.

환대는 많이 퍼주는 게 아닙니다

우리는 환대를 종종 공짜 서비스로 생각합니다. 반찬을 더 주고, 밥을 더 주고, 값을 깎아주는 게 환대라 생각합니다. 하지만 그렇게만 이해하면 환대는 결국 비용이 됩니다. 사장님의 선의와 직원의 희생에 기대는 운영은 오래가기 어렵습니다.

제가 그 글에서 인상 깊게 본 것은 서비스의 양보다 판단의 정확성이었습니다.

모든 손님에게 계란후라이를 준 것이 아닙니다. 아이와 함께 온 손님에게 주었습니다. 모든 사람에게 밥을 더 준 것이 아닙니다. 한창 잘 먹는 나이대의 청년에게 주었습니다. 무조건 소주 값을 올리지 않은 것이 아니라, 오래 찾아온 단골이 감당할 부담을 생각하며 시기를 늦췄습니다.

환대는 무엇을 많이 주는 일이 아니라, 지금 내 손님에게 무엇이 필요한지 알아보는 일이었습니다. 환대는 기록으로 남지 않습니다. 영수증에도 남지 않습니다. 하지만 손님에게는 기억으로 남습니다.

“그 집은 나를 알아본다.”
“그 집에 가면 내가 어떻게 먹는지 안다.”
“그 집은 우리 아이와 함께 가도 마음이 편하다.”

이런 기억이 한 번 더 방문할 이유가 되고, 다른 사람에게 소개할 이유가 됩니다. 실제로 글쓴이의 부모님은 식당을 다른 지역으로 옮긴 뒤에도 단골들이 먼 길을 찾아왔다고 합니다. 이전 가게가 있던 동네에서는 성인이 된 글쓴이를 알아보고 부모님의 안부와 새 식당의 위치를 묻기도 했습니다.

음식만 팔았다면 가게가 사라질 때 관계도 끝났을 겁니다. 하지만 그곳에서는 음식과 함께 기억이 쌓였습니다.

효율화가 지우지 말아야 할 것

기술과 환대는 반대말이 아닙니다.

기술이 반복적인 일을 덜어준다면 사람은 손님을 더 잘 볼 수 있어야 합니다. 태블릿이 주문을 받는 동안 직원은 메뉴를 어려워하는 어르신을 도울 수 있습니다. 기술을 활용해 단골이 자주 찾는 메뉴나 피해야 할 재료를 기억할 수도 있습니다. 사장님의 머릿속에만 있던 단골의 취향을 필요한 범위에서 직원과 공유할 수도 있습니다.

중요한 것은 기술을 도입했는가가 아니라, 기술로 아낀 관심을 어디에 쓰는가입니다.

주문 속도만 빨라지고 누구도 손님을 보지 않는다면, 효율이 높아지고 잔고가 늘어나도 경험은 가난해질 수 있습니다. 반대로 시스템이 반복 업무를 맡고 직원에게 작은 배려를 결정할 시간과 권한을 준다면, 효율과 환대는 함께 갈 수 있습니다.

그러려면 운영 방식도 달라져야 합니다. 직원에게 무조건 친절하라고 요구하는 것으로는 부족합니다. 어느 정도까지 재량을 쓸 수 있는지 알려주고, 손님을 도운 시간을 낭비로 취급하지 않아야 합니다. 단골의 정보를 기록할 때는 편의를 위한 최소한의 기억과 불필요한 감시 사이의 경계도 세워야 합니다. 무엇보다 환대의 비용을 가장 약한 직원의 감정노동으로 떠넘기지 않아야 합니다.

좋은 환대는 타고난 사장님 한 사람의 성품에만 기대지 않습니다. 손님을 볼 여유, 작은 결정을 내릴 권한, 그 판단을 존중하는 운영이 함께 있어야 합니다.

AI 시대에 우리가 놓치고 있는 것

식당 이야기를 읽다가 저는 자꾸 지금 우리가 AI를 사용하는 방식이 떠올랐습니다.

AI는 회의록을 정리하고, 이메일 답장을 만들고, 고객의 문의를 분류하고, 보고서의 초안을 써줍니다. 과거에는 사람이 직접 읽고 쓰고 정리해야 했던 일을 빠르게 처리합니다. 태블릿이 주문을 받는 것처럼, AI는 일의 상당 부분을 정확하고 효율적으로 처리합니다.

이 변화는 이미 되돌리기 어렵고, 굳이 되돌릴 이유도 없습니다. 저 역시 매일 AI의 도움을 받습니다. 문제는 AI가 일을 대신하기 시작했다는 사실이 아닙니다. 그 과정에서 우리가 일의 어떤 부분까지 함께 넘기고 있는지 충분히 묻지 않는다는 데 있습니다.

회의록을 쓰는 일에는 대화를 문자로 옮기는 작업만 있었던 것이 아닙니다. 누가 말을 아꼈는지, 어떤 안건에서 분위기가 달라졌는지, 결정된 문장 뒤에 누가 여전히 납득하지 못하고 있는지를 살피는 일도 있었습니다.

고객의 문의에 답하는 일에는 정답을 찾아 전달하는 작업만 있었던 것이 아닙니다. 같은 질문을 세 번째 하는 사람이 설명을 이해하지 못한 것인지, 이미 두 번이나 불편을 겪어 화가 난 것인지, 이번에는 규정보다 먼저 사과가 필요한지를 판단하는 일도 있었습니다.

학생의 글을 읽는 일에는 문법을 고치고 논리를 평가하는 작업만 있었던 것이 아닙니다. 평소 말이 없던 학생이 처음 자기 이야기를 꺼냈다는 사실을 알아보는 일, 문장은 서툴지만 이전보다 용기를 냈다는 변화를 기억하는 일도 있었습니다.

AI는 문장에 드러난 정보를 잘 처리합니다. 기록을 오래 보관하고, 여러 문서에서 반복되는 패턴도 찾아냅니다. 하지만 무엇을 중요하게 볼 것인지, 지금 이 사람에게 평소와 다른 일이 생겼는지, 규칙을 잠시 멈추고 예외를 허용해야 하는지는 저절로 결정되지 않습니다.

식당에서 주문 데이터가 손님에 대한 기억과 같지 않듯, 많은 정보가 한 사람을 안다는 뜻은 아닙니다.

우리는 종종 개인화를 관계로 착각합니다. AI가 이전 구매 내역을 보고 메뉴를 추천하고, 과거 대화를 바탕으로 내 취향에 맞는 답을 하면 나를 잘 안다고 느낍니다. 그러나 “당신이 지난번에 이것을 주문했다”는 기록과 “오늘은 평소와 달라 보이는데 무슨 일이 있나요?”라는 알아차림 사이에는 꽤 큰 거리가 있습니다.

AI 시대에 더 희소해지는 것은 정보가 아닐지도 모릅니다. 나를 오래 바라본 사람이 알아차리는 미세한 변화, 정해진 답보다 내 사정을 먼저 묻는 태도, 문제가 생겼을 때 시스템 뒤에 숨지 않고 자기 이름으로 책임지는 사람이 더 귀해질 수 있습니다.

다시 찾고 싶은 곳에는 무엇이 있을까요

저는 요즘 식당에 방문할 때 메뉴와 가격을 먼저 봅니다. 리뷰도 확인하고, 기다리는 시간이 얼마나 되는지도 계산합니다. 그런데 다시 가고 싶은 가게를 떠올릴 때면 숫자로 설명되지 않는 장면이 생각납니다.

지난번 주문을 기억해 주는 직원, 추운 날 따뜻한 물을 먼저 내주었던 기억, 아이가 흘린 음식을 보고 부모가 미안해하기 전에 괜찮다고 말해준 주인, 혼자 온 손님을 어색하지 않게 맞아주던 분위기. 나는 음식값만 내고 나왔던 것 같지만, 어쩌면 그곳에서 “나를 손님 한 명으로만 보지 않았다”는 경험을 함께 받아온 것인지도 모르겠습니다.

모든 식당이 예전으로 돌아갈 수는 없습니다. 회사와 학교와 병원도 AI 이전으로 돌아갈 수 없을 겁니다. 그럴 필요도 없습니다. 다만 더 효율적인 시스템을 만들면서 무엇까지 지워서는 안 되는지는 선택할 수 있습니다.

여러분에게도 그런 가게가 있나요? 문을 열고 들어갔을 때 메뉴보다 먼저 나를 알아봐 주던 곳. 음식의 맛과 함께 한 사람의 표정과 말투가 떠오르는 곳. 오래 지나도 다시 한번 가보고 싶은 곳 말입니다. 그렇다면 요즘 여러분의 일은 어떠신가요? AI로 더 빨리 처리하게 된 것들 사이에서, 전보다 덜 보게 된 사람은 없나요? 더 많은 기록을 갖게 되었지만 오히려 놓치고 있는 표정은 없나요? 어렵게 되찾은 시간을 다시 일로 채우느라, 누군가를 알아볼 여유까지 잃고 있지는 않나요?

AI 시대에 인간에게 남겨야 할 일은 정답을 만드는 일만이 아닐 겁니다. 누군가를 알아보고, 평소와 다른 변화를 눈치채고, 사정에 맞게 판단하고, 그 판단에 책임지는 일. 어쩌면 우리가 놓치지 말아야 할 것은 바로 그런 관심인지도 모릅니다.

— 📝 우아한 세상을 소개하는 지식노동자, 앤드류 —

💬 이번 주 더배러 톡방 하이라이트

🧱 AI 시대에 남는 것은 ‘정답’보다 내가 쌓은 기반

티아고 포르테 인터뷰를 공유한 브라이언 - 브레인 트리니티님 덕분에, 대화는 AI 시대에 무엇이 남는가로 흘렀습니다. 푸른양/사무직/지식관리님은 코드와 일반 지식은 다시 만들 수 있어도 데이터·시스템·판단 이력·고객은 쉽게 복제할 수 없다고 정리했고, 윤민수 | 엔지니어 | 성장님은 이를 LLM이 아직 배우지 못한 ‘알파’의 문제로 받아들였습니다. 이후 국민 데이터와 공모전의 아이디어 귀속 문제까지 이어지며, IP는 결과물 하나를 지키는 장치라기보다 계속 가치를 만들어내는 생산 기반을 지키는 일이라는 감각이 선명해졌습니다.

🏗️ 만들고 싶은 자동화보다, 지금 막힌 일을 먼저

푸른양/사무직/지식관리님의 안전보건 업무 시스템 이야기는 AI로 무엇을 만들 수 있느냐보다, 내 일이 어디에서 반복해 멈추는가를 먼저 보게 했습니다. 이도형/사무/엑셀님은 AX의 핵심을 ‘만들고 싶은 것’이 아니라 ‘회사에 필요한 것’을 만드는 데서 찾았고, 하피/1인기업/AI님은 바이브코딩 창업이 개발뿐 아니라 영업·운영·CS까지 감당하는 일이라고 경험을 보탰습니다. 결국 좋은 시스템은 화려한 기능보다, 현장의 병목을 정확히 읽고 업무의 언어를 데이터로 번역하는 데서 시작된다는 결론이 남았습니다.

💸 토큰은 줄었고, 운영 감각은 더 중요해졌습니다

코덱스 5시간 리밋의 복귀와 OX Alpha의 무료 지원 종료는 방 안의 토큰 풍년을 빠르게 끝냈습니다. 박종민님은 공개된 GLM-5.3-Flash가 생각보다 이르게 막혔다며 아쉬움을 전했고, 루테넌트(김민석)|개발님과 하피/1인기업/AI님은 모델을 오가며 한도를 관리하는 실전 감각을 나눴습니다. AI 구독과 사용량은 이제 단순한 도구비가 아니라 일의 속도와 품질을 좌우하는 운영비가 됐습니다. 중요한 것은 가장 좋은 모델 하나를 찾는 일이 아니라, 내 작업에 맞는 비용 구조와 대체 경로를 마련하는 일이었습니다.

🛰️ 에이전트가 많아질수록 필요한 것은 관제탑

푸른양/사무직/지식관리님이 Aside와 Codex+Playwright를 서로 다른 설계의 자동차에 비유한 데서 출발해, 홈서버 원격 접속과 브라이언 - 브레인 트리니티님의 ‘에이전트 456개’ 농담까지 AI를 어떻게 부릴지에 대한 대화가 이어졌습니다. 여기에 유민수 개발자님이 공유한 MCP 로드맵은 툴 연결을 넘어 발견·인증·장기 실행을 다루는 운영 표준을 예고했습니다. 처음부터 모든 도구를 들이밀지 않고 필요한 능력만 점진적으로 찾게 하는 ‘Progressive Discovery’는, 에이전트 시대의 병목이 모델 수가 아니라 맥락과 연결의 설계에 있음을 보여줬습니다.

🏛️ 국가대표 AI는 무엇으로 평가해야 할까

최은우/연구원/이직지망생님이 공유한 독파모 점수 공개 기사를 계기로, 모티프테크놀로지스의 탈락과 GPU 회수는 벤치마크 점수와 실제 사업 평가의 간극을 드러냈습니다. ACH_안창현님과 루테넌트(김민석)|개발님은 기술 성과를 낸 팀이 배제된 상황을 답답해했고, 이문기/기획/AI와투자님은 이후 글로벌 벤치마크 평가 소식까지 전했습니다. 재심의와 외부 협업을 둘러싼 논점이 이어지며, 좋은 AI를 고르는 일은 숫자 하나가 아니라 기술력·활용성·지속 가능성 중 무엇에 무게를 둘 것인지의 문제로 남았습니다.

🧠 AI가 정리한 답을 그대로 건네는 것은 친절일까요

비옷입은 튜브/연구/AI님이 ‘AI slop은 친절이 아니다’라고 짚으면서, AI가 정리한 답변을 검토 없이 붙여넣는 일을 두고 제법 뜨거운 설전이 벌어졌습니다. 이어 대전시 노스펙 채용 논쟁을 놓고 이제현|R&D|재미님은 세컨브레인을 들이려다 제로브레인이 되는 경우를 경계했고, 현우/개발/AI제품개발님은 기사 제목과 실제 평가 내용 사이의 차이를 다시 읽었습니다. 도구를 쓴 사실보다 중요한 것은 결과에 자신의 판단과 책임이 들어갔는가였습니다.