결국 인간 측이 성장할 수밖에 없는 것 아닐까?

안녕하세요. 가슴을 펴고 싶은 문조(文鳥)입니다.

최근 그런 생각을 하고 있습니다.

작년에는 Claude Code 같은 것이 나와서 사용법이나 잔기술을 연마하려고 노력했지만, 최근에는 AI 활용을 잘하기 위해서는 스스로 성장하는 것이 가장 빠른 길이라는 단순한 마음가짐을 갖게 되었습니다.

남에게 공유할 정도의 내용은 아닐지도 모르지만, 한 바퀴 돌아온 느낌이 들어서 기록해 두려고 합니다.

하고 싶은 말은,

AI를 사용하여 낼 수 있는 성과의 상한선은 사용자의 능력에 의존한다. 그러므로 인간 측이 성장하는 것 외에는 길이 없다.

라는 느낌입니다.

자신의 이해 범위 안에 있으면 척척 진행된다. API를 작성하는 정도라면 폭속(爆速)으로 만들 수 있게 되었다.

이때, 나는 대충 던지는 프롬프트나 추상적인 프롬프트를 던졌을 때, 태스크가 어느 정도의 완성도로 진행되는지, 어느 정도의 시간 안에 끝나는지를 지켜보고 있다.

스스로도 도달할 수 있는 정답에 이르기까지의 시간을 단축하고 있다는 이미지가 있다.

하지만 이 시대에 단순한 CRUD로 성과를 낼 수 있는 영역은 이미 세상에 프로덕트가 존재하므로, 시장에 임팩트를 줄 수 있느냐 하면 무리인 경우가 많다고 생각한다. 경쟁자도 AI를 사용하여 고속으로 만들 수 있기 때문에, 이런 식으로 AI의 은혜를 입는다 해도 차별화 요소가 되지 않는다.

어쨌든 막 만들어 나가면 되는 것 아닌가? 라는 생각을 할 때도 있지만, 유지보수에는 리소스가 필요하고 필요 없는 기능을 지우는 데에도 노력이 필요하므로, 필요한 기능만을 계속 만들어 나가는 감각이 AI와 함께하는(with AI) 시대에도 필요하다.

애초에 원하는 답에 도달하지 못하는 경우도 많다.

이것은 된다, 이것은 안 된다. 이런 종류는 DB의 실행 계획(Execution Plan)을 전달하는 편이 좋겠다거나, 콘솔 로그를 전달하는 편이 좋겠다거나 하는 것들이다.

예를 들어, 퍼포먼스 개선(Performance Improvement)을 하고 싶을 때, 어디가 병목(Bottleneck)이며 어떤 정보를 전달해야 AI가 답을 내줄 수 있을지에 대해 검토조차 되지 않을 때, 정답의 깊이에 도달하지 못한다.

AI 모델에 입력하는 정보에 대해 유사한 영역의 프롬프트(Prompt)를 작성하지 않으면 응답이 돌아오지 않는다는 감각이 있다.

애초에 DB의 실행이나 내부적인 움직임을 모르면 프롬프트에 차이가 생긴다. 과제 해결의 깊이에 도달하지 못한다는 뜻이다.

아니, Claude 대선생님이 내가 모르는 고도의 솔루션으로 아웃풋을 내줄 때도 있는데?

라고 말하는 사람도 있겠지만, 설령 결과가 과제에 대해 옳다 하더라도, 프롬프트 실행자가 답을 가지고 있지 않을 때 코드 생성 이후의 공정이 꽤 무거워진다고 생각한다.

"좋아, 됐다! 나 천재인가?"라고 생각해도 결국 타당성 검증에 꽤 시간이 걸린다는 것이다.

그리고 시간을 들여 정당성을 확인한 뒤, 드디어 다음 단계! 라고 생각했을 때 코드를 수정하는 와중에 찝찝함이 몰려와서 "정말로 이걸로 괜찮은 걸까?" 하는 생각이 들어, PR(Pull Request) 리뷰 요청을 보내거나 릴리스(Release)에 올릴 마음의 Go(승인)가 나지 않기도 한다.
n주체여야 할 자신이 주체로서 처리하고 있는 태스크라는 감각이 희미해지기도 한다.

혹은 사람에게 의존한다.

그렇다고 해도 "이 과제에 대해 이런 솔루션이 있습니다"라고 설명하기 위해 우선 정리하는 시간을 갖는다.

조금 긴장하며 이야기하는 식의 과정을 거친다.

그리고 기술력이 있는 사람에게 판단을 맡기지만, 리소스 효율을 고려하더라도 주체가 솔루션에 확신을 가지고 있을 때에 비해 팀 멤버의 부하는 높아져 있고, 타인의 Go로 겨우 진행할 수 있는 것을 프롬프트로 생성한 코드를 만든 사람의 성과물이라고 할 수 있을지는 의심스럽다.

이런 이야기도 결국 AI + 구현자가 확신을 가질 수 있느냐와 관련되므로, 프롬프트를 실행하는 인간 측이 우수하다면 후속 인적 리소스와 인지 부하(Cognitive Load)를 절약할 수 있게 된다.

AI 모델은 상당히 똑똑해지고 있지만, AI 에이전트(AI Agent)는 리포지토리(Repository)에는 익숙하지 않지만 베테랑이며 속도가 매우 빠른 엔지니어 같은 느낌이므로, 팀에 있는 신뢰할 수 있는 엔지니어가 제출한 PR에 비해 체감상 두 배 이상 주의 깊게 볼 필요가 있다.

비엔지니어가 AI 에이전트를 사용하여 PR을 작성하는 기회도 늘어났다고 실감하지만, 꽤 되돌아가는 작업(Retake)이 발생하기도 해서, 딜리버리(Delivery)까지의 리소스 효율과 시간 단축에 어느 정도 기여하고 있는지는 아직 효과에 대해 확신을 갖지 못하는 요즘이다.

서두로 돌아가서, 인간 측이 성장할 수밖에 없다.

• 원래 전문 지식 수준이 높은 사람
• 지난 몇 년간 AI를 사용하여 잘 성장한 사람

두 부류로 나눌 수 있다고 생각한다.

냉정하게 생각해보면 알 수 있지만,

지식은 없지만 AI를 쓰게 하면 실력은 일류!

그런 사람은 존재하지 않으며, 잔기술로 어느 정도 차이는 나겠지만 엔지니어링 (Engineering) 문맥에서는 결국 사용자의 능력에 의존하고 있다고 느낀다.

양자에게 공통적인 점은

• AI의 출력을 매번 제대로 평가한다. 그냥 흘려보내지 않는다. "적당히 괜찮네"로 넘기지 않는다.
• 스스로 깊게 파고들어, AI에 대한 평가 축 (Evaluation axis)을 갈고닦는다.
• 자신이 AI를 평가하는 입장이라는 자각을 갖는다.

구체적으로는

• 전문성을 높이기 위해 깊이를 갖춘다.

• AI로부터 깊이 있는 답변을 얻기 위해 스스로 지식을 쌓아가는 것을 의미한다.

• 인접 영역으로 발을 들여 넓이를 확장한다.

• 전문성을 하나 더 추가한다. AI가 있기 때문에 두 번째 전문성부터는 비용이 낮아지고 있다.

라는 점도 꽤 중요하다고 생각하며, 시스템의 복잡성 (Complexity)·규모 (Scale)·버그에 대한 허용도·사용자 수 등을 도외시하고 AI 활용 팁 (Tips)을 이야기해 봤자 별로 참고가 되지 않는 경우도 많다고 생각한다.

그래서 주변에서 같은 리포지토리 (Repository)를 만지는 사람 중 AI 활용을 잘하는 사람을 참고하거나, 반대로 자신부터 팀에 지식을 공유하는 것이 생산성에 꽤 영향을 미치는 것이 아닐까 하고 최근 생각한다.

핵심적인 메인 업무로서의 전문성으로 평가 축을 가지면서, 두 번째, 세 번째 전문성을 AI와 함께 키워나가는 것이 현실적인 전략이 될 것 같다는 느낌이 든다.

깊이를 더하기 위해 운 좋게 적절한 수준의 태스크 (Task)를 맡을 확률을 기대하기보다, 전략적으로 인접 영역에 발을 들여놓는 것이 기회 손실이 없고 재현성 (Reproducibility)이 높다고 생각하기 때문이다.

AI 활용 이야기는 어떤 모델 (Model)이, 어떤 툴 (Tool)이, 어떤 프롬프트 (Prompt)가, 라는 이야기에 눈길이 가기 쉽지만, 한동안 해보면서 나는 성장할 수밖에 없다는 매우 기본적인 스탠스 (Stance)로 돌아왔다.

결국, AI는 인간의 능력을 증폭하는 장치이며, 증폭되는 원래의 능력이 없다면 증폭 후에도 제로인 상태 그대로가 아닐까 하는 생각도 든다.

AI를 능숙하게 다루고 싶다면, 자신의 전문성을 한 층 더 깊게 파고들고, AI에 대한 평가 축을 갈고닦으며, 넓이를 확장할 것! 그런 느낌이 아닐까 싶다.