『AI-트윈 코칭 모델』은 고객 각자의 내재 성향 데이터를 기반으로 개별적인 AI-트윈을 구축하고, 해당 트윈을 바탕으로 자기 탐색과 행동 예측, 성장점 진단 등을 수행하는 구조를 제시한다. AI 기술은 선택이 아니라 환경이기 때문에 플랫폼 사용, 챗봇 이해, 데이터 흐름 구조, 기본적인 작동 원리에 대한 소양이 코칭 전문성의 일부로 간주되어야 한다. 코치는 감정·데이터·리포트를 ‘대신 해석하는 사람’이 아니라, ‘함께 해석하고 질문을 유도하는 촉진자’로 활동해야 한다. “이 데이터가 무엇을 말하는가?”보다 “이 사람이 이 데이터를 어떻게 해석하도록 도울 것인가?”에 주력해야 함을 의미한다. 코치가 감정과 맥락, 윤리, 흐름을 설계자적 관점에서 다루려면, 코칭 과정, 질문 구조, AI 협업 흐름, 실행 후 리마인드까지 전체 여정을 서비스 상품으로 구조화할 수 있는 능력이 필요하다. 설계자적 사고란, 기술을 단순히 활용하는 데 그치지 않고, 고객의 경험을 중심으로 의미를 해석하고 조율하며 인간다움을 지키는 데 기반을 두어야 한다. AI-트윈 기반의 코칭 모델은 개인의 내재 성향 데이터를 바탕으로 코칭 대상자의 자기 인식 향상, 미래 행동의 예측, 조직 내 마찰 지점 진단에 이르기까지 폭넓은 분석과 개입을 가능하게 한다.

들어가기 Part I. 코칭 01. 코칭 02. AI 기반 코칭의 산업적 맥락 Part II. 데이터 03. 이야기 04. 내놓는 이야기와 끌어안은 이야기 05. 코칭에서 사용하는 데이터 Part III. 설계 06. 코칭 설계 07. 고객의 자기이해 지원 08. 고객의 행동 패턴과 성장점 탐색 Part IV. AI-트윈 09. AI-트윈의 생성 10. 지침 11. 고객의 자기 탐색 경로 12. 코치의 페르소나 분석 13. 병렬 작업과 협업 14. 활용 범위와 한계 Part V. 코칭 설계와 시나리오 15. 코치의 사전리포트 16. 60분 코칭 흐름 17. 결과 공유 및 이슈 협의 18. 유의사항 부록. AI-트윈 설계 가이드 [1] 데이터 초기 생성 [2] 프로젝트 데이터 업로드 [3] 해석 지침 설계 [4] 지침 설계 전문성 [5] 반복 테스트와 조율 [6] 기술 진화에 따른 변화 수용 에필로그 용어 정리 색인 저자 소개 발간사

AI는 방대한 데이터 분석과 프로세스 자동화를 통해 코칭의 구조와 흐름을 효율적으로 정리할 수 있지만, 심리적 공간을 열고, 감정을 해석하며, 관계를 조율하는 역할은 인간만이 할 수 있는 고유 영역이다. 예를 들어, AI는 고객의 말 속에서 키워드를 추출하거나 이전 대화 내용을 요약하는 데는 탁월하지만, 고객의 침묵에서 느껴지는 감정의 결을 읽고, 그에 맞춰 반응하는 섬세한 대응은 인간의 직관과 감성에 기반을 둔다. 기계는 구조를 제공하고, 코치는 감정과 의미를 재현한다. (22쪽)

AI는 분석과 예측을 제공한다. 코치는 감정, 관계, 해석, 신뢰를 설계하는 존재로서 AI가 제공하는 자원을 사용한다. 코치의 경쟁력은 ‘잘 듣는 사람’이 아니라 ‘감정과 기술의 중간 지대를 안전하게 연결해 주는 사람’으로 이동하고 있다. AI 코칭 환경에서 코치는 기술을 이해하고, 경계를 설정하며, 그 너머에서 감정을 다루는 전략적 존재로 기대된다. 코치는 기존의 질문 기술, 공감 능력을 기반으로 다음 세 가지 과제를 풀어가야 한다. (23쪽)

디지털 전환의 흐름 속에서 코칭 산업 역시 빠르게 변화하고 있다. 특히 AI 기술의 도입은 코칭 서비스의 운영, 접근성, 확장성, 개인화 수준을 근본적으로 변화시키고 있으며, 선도적인 기업들은 각기 다른 방향으로 혁신을 시도하고 있다. 이들 코칭 기업들은 AI를 자동화 도구로 사용하면서, 코치에게 추가 정보를 제공하고 고객의 자기성찰과 학습을 촉진하는 디지털 파트너로 활용한다. 이를 통해 코칭의 접근성 과 다양성, 운영 효율성을 동시에 높이며, 누구나 코칭을 경험할 수 있는 포용적 생태계를 구축하기 시작했다. (27쪽)

코칭 데이터는 고객 변화의 실마리를 포착하는 고밀도 정보다. 발화와 반응은 ‘대화 기록’으로, 정서의 흔들림은 ‘감정 변화’로, 실행의 흔적은 ‘이행 정보’로 남는다. 그리고 그 모든 흐름을 가로지르는 반복과 깨달음의 순간이 ‘패턴/통찰’로 연결된다. 이 네 가지 단위는 코칭을 정량화하고, AI가 개입할 수 있는 정교한 기반이 된다. (40쪽)

코치가 단순한 질문자에서 벗어나 어떻게 관계의 흐름과 정서적 리듬을 설계하는 존재로 성장해야 하는가. 전문성은 질문의 정교함에서 감정의 리듬을 조율하는 능력으로 확장될 때 부여된다. 감정의 공간을 설계하고, 감정의 언어를 허용하는 안정된 중심에서 코치의 전문성이 발휘된다. (45쪽)

AI 기반 코칭에서 ‘데이터’가 어떤 의미로 작동하며, 어떤 유형으로 나뉘고, 코칭 대화와 실행 설계에 어떻게 연결되는가. 코칭형 데이터는 실행, 감정, 언어, 리듬의 흐름을 포착한 정성·정량·패턴·행동·메타 데이터로 구성된다. 코칭에서 데이터는 질문을 설계하는 감각적 단서다. (49쪽)

반면, 고객의 성향을 충분히 파악하지 못한 상태에서 코칭을 진행하면 여러 가지 어려움이 발생한다. 가장 큰 문제는 보편적이거나 일반화된 접근법을 사용할 수밖에 없다는 점이다. 이는 고객의 구체적인 요구나 기대와 맞지 않아 코칭 개입의 효과성을 떨어뜨릴 수 있다. 성향을 모르는 상황에서 코칭을 진행하면 고객 반응을 해석하는 데 시간이 오래 걸리고, 잘못된 추측으로 신뢰를 잃을 수 있다. (57쪽)

관계의 질은 기대와 현실의 일치 정도에 따라 결정된다. “언제, 어떻게 반응해 줄 것인가?”에 대한 고객의 기대가 모호하게 흘러갈 경우 관계 피로와 실망감이 쌓일 수 있다. 이럴 때 구조화는 고객이 관계에 대해 과도 한 기대나 막연한 실망을 갖지 않도록 조율하는 장치로 작동한다. (67쪽)

AI는 인간처럼 맥락을 직관적으로 이해하지 못하기 때문에, 코칭 데이터가 AI에 의미 있게 작용하려면 정제되고 설명 가능한 형태로 구조화되어야 한다. 이를 위해 코치는 데이터로 무엇을 기록할지, 어떻게 분류·정리할지, AI가 활용할 수 있도록 어떻게 표현할지를 고민해야 한다. 구조화된 데이터는 AI 코칭의 정확성과 활용 가능성을 높이는 핵심 기반이 된다. (102쪽)

AI-트윈은 고객 스스로의 행동을 예측하고 반복 패턴을 인식하며, 통찰을 경험하게 해주는 자기성찰 도구다. 반면 AI-페르소나는 코치가 고객 데이터를 분석해 그 의미를 해석하고, 코칭의 방향을 잡도록 돕는 전문 분석 프레임이다. 이 둘은 동일한 데이터를 바탕으로 작동하지만, 서로 다른 관점에서 통찰을 이끌어내는 상보적 파트너다. (104쪽)

AI 시대의 코칭 설계는 세 가지 핵심 요소를 포함해야 한다. 첫째, 코칭 경험을 일정과 대화 흐름 단위로 구조화해야 고객의 변화 과정을 설명할 수 있다. 둘째, 수집할 데이터의 유형과 정제 방식을 명확히 정의해 분석 가능성과 투명성을 확보해야 한다. 셋째, 반복되는 행동 패턴이나 감정 반응을 기반으로 AI가 예측 가능하도록 설계 포인트를 사전에 지정해야 한다. (117쪽)

AI-트윈 모델은 고객이 제시하는 성향 데이터를 기반으로 사고방식 과 행동 패턴을 객관적으로 보여줌으로써 스스로를 관찰하고 변화의 실마리를 찾을 수 있게 한다. 자신의 반복적인 행동 패턴을 볼 수 있게 함으로써 자기 인식의 통로를 제공하는 도구이다. (125쪽)

AI-트윈은 고객의 내면을 데이터로 옮겨 놓은 ‘또 하나의 ‘나’, 혹은 객관적인 자기 거울이다. 트윈은 고객이 스스로에게 던지는 질문에 대해, 어떻게 생각하고 어떻게 행동할지를 예측해 준다. 이 과정은 남이 주는 답을 따르는 것이 아니라, 자신의 반복되는 반응 속에서 무엇을 바꿔야 할지를 발견해 가는 여정이다. (159쪽)

고객 페르소나는 고객에게 제공한 트윈과 동일한 데이터를 기반으로, 코치가 고객을 다양한 관점에서 사전 시뮬레이션해볼 수 있도록 만든 트윈형 장치이다. (164쪽)

AI-트윈 기반의 코칭 모델은 개인의 내재 성향 데이터를 바탕으로 코칭 대상자의 자기 인식 향상, 미래 행동의 예측, 조직 내 마찰 지점 진단에 이르기까지 폭넓은 분석과 개입을 가능하게 한다. (183쪽)

AI-트윈은 고객에게는 자기 관찰과 실험의 독립된 장치로, 코치에게는 대화 이외의 통찰을 유도하는 예측 정보 소스가 된다. 고객은 프라이버시를 유지하면서도 객관적인 자기 인식을 높일 수 있고, 코치는 코칭 대화의 밀도를 높이고 반복되는 탐색을 줄이는 효과를 얻게 된다. (216쪽)

AI가 인간의 일거리와 일자리를 낚아채는 모습을 요즘 유난히 많이 본다. 동시에 AI와의 대화를 통해 시작하고, 업무 지원을 받으며, 선택과 판단을 그의 정보에 의지하는 것도 매일 볼 수 있다. 그러면서 AI의 지배를 받게 될 것을 우려한다. AI와의 관계 정립 없이, 점차 빠져들고 있다면 우려는 현실이 될 것이다. 각종 현실적 여건으로 인해 그 관계는 날로 강화될 것이기 때문이다. 새로운 사회는 코치들에게도 새로운 과제를 제시한다. AI와 익숙한 고객들과의 관계, 자신을 위해 비용을 지급하겠다고 생각하는 고객들과의 관계에 직면하게 된다. 그들은 코치들에게 그들의 기회를 확장해 줄 수 있는지 묻는다. 그들의 기대 속에는 고유한 한 존재가 들어 있다. 그 존재는 AI가 학습한 세상의 모든 사람과는 일정 부분 다른 특정한 인물이다. 코치는, AI가 보는 사람 존재와 코치 앞에 앉은 고객과의 차이를 다뤄야 한다. 사람들은 알아주기를 원한다. 인정받고 말로 표현해 주고 자신이 가진 어떤 것이 상대의 눈에 크게 보이는지 확인하기를 원한다. 그런데 AI는 사람들보다 더 인정하고 인정받는 데 능숙하다. 특히 ChatGPT 4o는 매 순간 자신이 상대하는 사람들에게 “탁월해요, 잘하고 있어 요.”를 연발한다. 그런 AI와 그 앞에 앉은 사용자가 서로에게 심취되면, AI 아닌 사람들은 얼마나 거친가 하는 걸 느끼면서 후다닥 AI와의 소통으로 되돌아가게 된다. AI와의 공모는 또 다른 중독 현상을 불러올 수 있다. 코치는 코칭에 임할 때 어떤 정보를 가지고 있는가. 고객에 대한 정보가 코치의 선입견과 얽힐까 봐 맨땅에 헤딩하는 것처럼 모르고 들어가서 고객이 스스로 언어적, 비언어적 표현을 하는 데에서 정보를 구하라는 지침은 이제 먼 옛날얘기가 되고 있다. 코칭 일을 하면서 필요한 것은 질문, 경청, 피드백이라는 걸 기본으로 배우지만, 현장에서는 ‘그래서요?’와 ‘아하!’만 몇 번 표현하다가 나오기도 한다. 현장에서 미리 학습한 수많은 질문 중에서 어떤 걸 꺼낼지 미리 그 범위를 좁혀놓는 것, 그것이 코칭을 통해 축적되는 전문성이다. 이제 그 전문성의 영 역에 AI를 불러들인다. 코치와 고객의 업무파트너로서 AI, 고객에게 특화된 AI-트윈을 통해 객관화와 전문성에 빠르게 다가갈 수 있다. AI-트윈은 고객에게 안전한 공간을 제공한다. 자신을 예민하게 만드는 상황들을 사전에 정리된 문장으로 보면서, 반복해서 나타나는 어떤 요소가 자신을 성장하게 하고, 불편하게 하고, 망설이거나 스트레스와 연결되는 것을 미리 볼 수 있다. AI-트윈은 그저 세상의 어떤 사람들이 어떠한가보다는, 나는 이럴 때 어떤 행동 패턴을 보일지, 나에 대한 가중치를 부여한 예측을 제시한다. 객관화된 패턴은 고객이 코치에게 가지고 오는 이슈 또한 객관적으로 설명할 수 있게 한다. 고객이 자신의 AI-트윈과 어떤 대화를 통해 패턴을 보고 있는지 코치는 그 내용을 동시에 볼 수는 없지만, 코치 또한 고객의 기본 정보를 통해 고객 페르소나를 형성할 수 있다. 코치는 이제 AI로 인해 엄청난 데이터에 자유롭게 접근해서 이런저런 예측을 해볼 수 있게 됐다. 코치가 엔지니어링에 큰 전문 지식이 없어도 자신의 고객과 관련한 데이터를 결합할 구조를 지니게 된 것이다. 디지털 개발 모델들은 코딩 없이 코치의 비즈니스 모델로 전환이 가능해졌다. 다만 자신의 내부 관점을 혁신할 필요는 있다. 강점은 늘 지속적인 수정을 통해야 성장 포인트가 되는 것으로 변화한다. 생각을 설계하고, 코칭을 설계하는 시기이다. 이 책은 코칭을 움켜잡고 디지털과 AI 환경과 접촉하며 밀려오는 새로운 파고를 외롭게 타고넘는 기록이다. 디지털과 AI와 코칭 주제를 번역한 저자는 집필을 통해 자신의 사유를 정리한다. 이는 타인의 연구를 씹지도 않고 소개에 급급한 우리 안의 불편한 사태와는 전혀 다른 노력이다. 디지털과 AI 파고를 타고넘을 경험의 전형을 제시한다. AI를 어떻게 코칭에 활용할 것인가? 연결을 위해 접속하면 되는가? 이 단순한 질문에 다들 쉽게 답한다. 누구는 자신이 쓰는 AI에게 자신의 코칭에 관해 묻고 이를 활용하는 것으로 질문에 답한다. 또 어떻게든 잘 묻는 것이 곧 능력이니 AI 활용법을 부지런히 배우자고 주장한다. 활용 결과에 깜짝 놀라고, 주물러 보며 느낀 효율성을 다양한 업무에 활용해 보자 서로에게 권유한다. 그러나 우리가 모두 알듯이 현재 AI는 아주 훌륭한 비서이고, 코치 역할을 충실히 한다. 자신의 코칭 이슈를 요청하면 아주 훌륭하게 코치 대화가 가능하다. 자신이 코칭할 사람과 이슈를 넣고 ‘어떻게’를 물으면 코칭 접근을 친절히 안내해 준다. 이제 알만한 궁금증은 모두 AI에게 물으면 된다. 우리가 만나는 코칭 대상은 모두 AI를 훌륭하게 활용할 사람들이 될 것이다. 전문 코치는 이런 국면을 타고 넘어야 한다. 저자는 이 길을 차분히 걷고 있다. 자기 오른팔인 AI 트윈과 함께 코칭 주체와 만나고, 그와 그의 페르소나(고객의 AI)가 만나 네 명이 함께 하는 군무를 연상하게 한다. 이는 그동안 코칭 대화에서 출현하는 두 사람 - 경험하는 자기, 관찰하는 자기 - 가 출현하는 네 주체가 펼치는 대화의 복잡성과 현장성을 방불케 하는 발상이다. 또 AI 트윈과 페르소나의 변신이 주는 의미심장함이 기대된다.