문제인식 문단은 AI가 쓴 티가 가장 먼저 납니다

사업계획서를 순서대로 읽으면 기술이나 사업모델보다 문제인식 파트에서 먼저 막히는 경우가 많습니다. 「1인 가구 증가로 배달 수요가 늘고 있다」, 「고령화로 돌봄 인력 부족이 심화되고 있다」 같은 문장으로 시작하는 계획서가 유독 많습니다. 사실이긴 한데, 이 아이템이 왜 이 문제를 풀어야 하는지로 이어지지 않는 경우가 있습니다.

왜 이 파트에서 유독 비슷해지는가

문제인식은 AI 에게 맡기기 가장 쉬운 파트이기도 합니다. 「이 아이템의 문제인식 써줘」라고 시키면 AI 는 통계청 자료나 일반적으로 알려진 사회 현상을 가져다 붙입니다. 틀린 내용은 아닌데, 이 팀이 아니어도 쓸 수 있는 문장이 됩니다.

정부지원사업 사업계획서의 첫 칸입니다. 여기가 흔들리면 뒤의 칸을 아무리 잘 써도 점수가 안 올라갑니다.

문제는 이 큰 사회 현상과 이 팀이 겪은 문제 사이에 다리가 없는 채로 끝나는 경우입니다. 「고령화가 심화되고 있다」까지는 누구나 쓸 수 있고, 그다음 문장이 「그래서 우리가 이 문제를 이렇게 겪었고, 이렇게 확인했다」로 넘어가야 하는데 거기서 다시 일반론으로 돌아가는 계획서가 있습니다.

평가위원은 이 파트에서 무엇을 확인하나

문제인식 파트를 볼 때 저는 두 가지를 봅니다. 하나는 이 문제를 이 팀이 직접 겪었거나 확인한 근거가 있는가, 다른 하나는 그 문제의 크기를 뒷받침하는 숫자에 출처가 붙어 있는가입니다.

대표자가 이 문제를 어떻게 알게 됐는지 한두 문장만 있어도 느낌이 다릅니다. 현장에서 직접 겪었는지, 고객 인터뷰로 확인했는지, 관련 업계에서 일하다 발견했는지. 이 한두 문장이 없으면 문제인식 전체가 통계 자료 요약처럼 읽힙니다.

숫자도 마찬가지입니다. 「시장의 몇 퍼센트가 이 문제를 겪고 있다」는 문장에 출처가 없으면, 그 숫자는 근거가 아니라 장식이 됩니다. 이런 문장을 반복해서 보면 어느 계획서에 실제 조사가 들어갔는지, 어느 계획서가 AI 에게 통계를 가져오라고만 시켰는지 구분이 됩니다.

실전에서 자주 나오는 실수

가장 흔한 실수는 문제를 너무 크게 잡는 것입니다. 「저출산」, 「기후위기」 같은 거대 담론으로 시작하면 그 문제를 이 작은 팀이 해결한다는 연결이 오히려 약해집니다. 문제는 이 팀이 다룰 수 있는 크기로 좁혀야 설득력이 생깁니다.

또 하나는 문제와 해결책이 따로 노는 경우입니다. 문제인식은 A 를 다루는데 다음 장에 나오는 해결책은 B 를 푸는 경우가 있습니다. AI 에게 문제인식과 해결책을 각각 따로 시켜서 붙이면 이런 일이 생깁니다. 두 파트를 한 사람이 순서대로 읽었을 때 이어지는지 직접 확인하는 게 낫습니다.

다른 팀이 써도 말이 되는 문장이라면

문제인식 파트를 다시 볼 때는 이 질문 하나만 던져보면 됩니다. 이 문제를 우리 팀이 아닌 다른 팀이 써도 말이 되는 문장인가. 그렇다면 아직 이 팀만의 근거가 부족한 것입니다.

특정 기업명, 특정 계획서, 시점에 따라 바뀌는 통계는 인용하지 않았습니다. 정부지원사업 평가위원으로 반복해서 확인한 패턴을 일반화해 정리한 글입니다.