AI가 결과물을 만드는 속도는 빨라졌다.
그렇다면 이제 포트폴리오에서는 무엇을 보여줘야 할까.
예전에는 포트폴리오를 만드는 데 꽤 많은 시간이 필요했다.
자료를 정리하고, 문장을 다듬고, 레이아웃을 잡고, 이미지를 만들고.
하나의 프로젝트를 몇 장의 페이지로 정리하는 일 자체가 또 하나의 프로젝트에 가까웠다.
하지만 지금은 상황이 조금 달라졌다.
생성형 AI에게 프로젝트 내용을 정리해달라고 할 수도 있고, 긴 문장을 줄일 수도 있다. 발표 자료의 구조를 만들거나 이미지 아이디어를 얻는 것도 훨씬 쉬워졌다.
AI 활용 능력 자체도 빠르게 하나의 업무 역량으로 자리 잡고 있다. LinkedIn은 2026년 빠르게 성장하는 역량 가운데 기술적·전략적 AI 역량을 별도로 언급하고 있다.
그렇다면 앞으로 포트폴리오는 누가 더 멋진 결과물을 만드는가의 경쟁일까?
NXTL의 생각은 조금 다르다.
결과물을 만드는 일이 쉬워질수록, 오히려 ‘왜 그렇게 했는지’를 설명하는 능력이 더 중요해진다.
1. 결과보다 먼저 보여줘야 할 것, ‘문제 정의’
AI에게 좋은 결과를 얻으려면 결국 먼저 필요한 것이 있다.
무엇을 해결해야 하는지 아는 것.
포트폴리오도 같다.
- 프로젝트에 참여했습니다.
- 공간을 기획했습니다.
- 콘텐츠를 제작했습니다.
이 정도만 적으면 그 사람이 실제로 무엇을 고민했는지 알기 어렵다.
대신 이런 질문에서 시작해보자.
이 프로젝트에는 어떤 문제가 있었는가?
왜 기존 방식으로는 해결하기 어려웠는가?
나는 그중 어떤 문제를 맡았는가?
좋은 포트폴리오는 결과물을 보여주기 전에 문제를 바라보는 방식부터 보여준다.
AI가 답을 빠르게 만드는 시대에는 좋은 답보다 좋은 질문을 만드는 사람이 더 눈에 띌 수 있다.
2. ‘AI를 썼다’보다 중요한 것은 내가 한 판단
이제 포트폴리오에 AI를 활용했다는 사실 자체는 특별하지 않을 수 있다.
ChatGPT로 아이디어를 정리하고, 생성형 이미지 도구를 활용하고, AI로 프레젠테이션 초안을 만드는 사람은 앞으로 더 많아질 것이다.
지식인사이드에서도 AI를 단순히 사용하는 것보다 AI 시대에 인간에게 남는 판단·문제 해결 능력을 반복해서 다루고 있다.
출처 : 지식인사이드 Youtube
그래서 포트폴리오에는 이렇게 쓰는 편이 낫다.
AI 사용 → 결과물
이 아니라,
문제 → AI를 사용한 이유 → 나온 결과 → 내가 수정한 부분 → 최종 판단
AI가 무엇을 만들었는지가 아니라
그 결과를 내가 어떻게 다뤘는지를 보여주는 것이다.
3. 완성본보다 ‘선택의 과정’
포트폴리오를 만들다 보면 가장 보여주고 싶은 것은 언제나 완성된 결과다.
- 깔끔한 이미지.
- 완성된 공간.
- 예쁘게 정리된 페이지.
하지만 채용 담당자가 알고 싶은 것은 결과물 뒤에 있는 사람일 수 있다.
왜 A안이 아니라 B안을 선택했는지.
예산이나 일정에 어떤 제약이 있었는지.
중간에 무엇을 포기했고 무엇을 남겼는지.
그래서 하나의 프로젝트에는
최종 결과물 한 장보다 의사결정 하나를 제대로 설명하는 페이지가 더 강할 때가 있다.
NXTL NOTE
실무 프로젝트에는 언제나 제약이 있다.
좋은 포트폴리오는 그 제약을 숨기는 것이 아니라,
그 안에서 어떤 판단을 했는지를 보여준다.
조금 더 NXTL스럽게, 차분한 결로 쓰면 이렇게도 가능해.
공간 프로젝트를 하다 보면 처음 생각한 안이 그대로 구현되는 경우는 많지 않았다. 일정과 예산, 협력사, 운영 조건이 겹치면서 선택지는 계속 달라졌고, 그때마다 무엇을 지키고 무엇을 덜어낼지 판단해야 했다.
돌이켜보면 포트폴리오에 남겨야 할 것은 완성된 이미지 한 장보다, 그 과정에서 어떤 기준으로 결정을 내렸는지에 가까웠다.
4. AI의 답을 그대로 쓰지 않는 능력
AI가 일을 빠르게 해준다고 해서 결과가 항상 정확한 것은 아니다.
결국 최종 결과의 품질을 결정하는 것은 사람이 하는 검토와 수정이다.
포트폴리오에서도 마찬가지다.
AI가 프로젝트 설명을 매끄럽게 정리했다고 해서 실제 내가 했던 역할보다 과장되어 있지는 않은지, 데이터와 사실관계는 맞는지, 누구나 쓸 수 있는 추상적인 표현으로 바뀌지는 않았는지를 확인해야 한다.
앞으로는 AI를 얼마나 많이 사용하는가보다,
- 무엇을 버렸는가.
- 무엇을 수정했는가.
- 왜 그대로 사용하지 않았는가.
이런 판단 과정이 오히려 전문성을 보여줄 수 있다.
5. 결국 남는 것은 ‘나만 설명할 수 있는 경험’
AI는 포트폴리오의 문장을 다듬을 수 있다.
레이아웃도 제안할 수 있고, 이미지를 만들 수도 있다.
하지만 AI가 대신 만들기 어려운 것이 하나 있다.
내가 그 프로젝트 안에서 실제로 겪은 경험이다.
회의 중 방향이 바뀌었던 순간.
예산 때문에 선택을 수정했던 과정.
협력사와 조율하면서 발견한 문제.
오픈 직전에 예상하지 못했던 변수를 해결한 경험.
이런 이야기는 화려하지 않아도 된다.
오히려 그 사람이 직접 해보지 않았다면 설명하기 어려운 작은 디테일 하나가 포트폴리오를 훨씬 진짜처럼 만든다.
AI 시대의 작업 환경도 달라지고 있다
AI 활용이 일상적인 업무 도구가 되면서 컴퓨터 자체도 변화하고 있다.
최근 AI PC는 기존 CPU·GPU뿐 아니라 AI 연산을 보다 효율적으로 처리하기 위한 **NPU(Neural Processing Unit)**를 함께 탑재하는 방향으로 발전하고 있다. Intel도 AI PC를 CPU·GPU·NPU가 함께 AI 작업을 처리하는 구조로 설명한다.
포트폴리오 작업에서도 앞으로는 이미지 생성, 영상 편집, 문서 요약, 로컬 AI 실행 같은 작업이 늘어날 수 있다.
그래서 노트북을 고를 때도 단순히
RAM은 몇 GB인가?
화면은 몇 인치인가?
뿐 아니라,
내가 어떤 AI 작업을 할 것인지, 로컬 AI 기능을 사용할 것인지, GPU·NPU가 필요한 작업을 얼마나 하는지 까지 생각해볼 필요가 있다.
다만 좋은 장비가 좋은 포트폴리오를 대신 만들어주는 것은 아니다.
도구가 빨라져도 무엇을 보여줄지 결정하는 것은 여전히 사람이다.
AI가 잘할수록, 사람에게 남는 것
AI 시대가 되면서 포트폴리오 만들기는 분명 쉬워지고 있다.
하지만 쉬워진 것은 표현하는 방법이지,
경력을 만드는 과정까지는 아니다.
누구나 그럴듯한 문장을 만들고, 비슷한 수준의 이미지를 만들 수 있는 시대라면 오히려 차이는 다른 곳에서 생긴다.
무엇을 문제라고 생각했는지.
어떤 선택을 했는지.
왜 그렇게 판단했는지.
그리고 그 경험을 자기 언어로 설명할 수 있는지.
어쩌면 AI 시대의 포트폴리오는
더 멋진 결과물을 보여주는 문서가 아니라,
‘이 사람이 어떤 방식으로 일하는 사람인지’를 증명하는 기록에 가까워지고 있는지도 모른다.
결국 다음 기회를 만드는 것은 완벽하게 꾸며진 한 장보다,
그 안에서 발견되는 한 사람의 사고방식일 것이다.