AI 시대에 기술 문서(Technical Docs)를 읽는 방법: 정수 추출식 독서 (Distilled Reading)

완결되지 않은 문서 문제
우리는 종종 기술 문서(Technical documentation)를 더 많이 읽으라는 말을 듣습니다. 하지만 제가 마주한 현실은 이렇습니다. 어떤 문서들은 너무 길어서, 너무 오래 읽다 보면 다음과 같은 상황이 발생합니다:

• 졸음이 오고 효율이 떨어짐
• 도중에 다른 일로 방해를 받음
• 흥미로운 참조(Reference)를 발견하여 다른 기사로 빠져듦 — 그런데 그 기사 또한 똑같이 김

저는 계산을 해보았습니다. 그 모든 것을 읽는 것은 단순히 불가능합니다. 시간 비용이 너무 높기 때문입니다. 그 결과는 어떨까요? 제 브라우저에는 읽다 만 기술 기사 탭 수십 개가 영원히 열려 있고, 차마 그것들을 닫지 못합니다. 때로는 북마크(Bookmarks)에 저장하기도 합니다. 하지만 그것은 근본적인 문제를 해결하지 못합니다. 그저 북마크 폴더를 계속해서 키울 뿐입니다. 북마크 폴더는 하나의 거대한 할 일 목록(Todo list)이 되어버립니다.

독서의 병목 현상 (The Reading Bottleneck)
이렇게 쌓인 기술 문서 더미는 저를 압박합니다. 마치 제 마음속의 일종의 기술 부채 (Technical debt)처럼 느껴져 죄책감을 줍니다. 저는 제가 충분히 노력하지 않고 있다고, 그래서 그것들을 다 읽지 못하는 것이라고 계속 스스로에게 말합니다. 하지만 오늘 저는 깨달았습니다. 그 모든 기술 문서를 다 읽는 것은 단순히 불가능하다는 것을 말입니다. 왜냐하면:

• 문서의 길이는 그것을 읽는 것이 제가 합리적으로 감당할 수 있는 것보다 훨씬 더 많은 시간을 필연적으로 소비하게 함을 의미합니다.
• 문서는 또 다른 문서를 낳습니다. 이 과정은 결코 멈추지 않습니다.

기술 시스템에 병목 현상 (Bottlenecks)이 있는 것처럼, 저는 이것을 독서의 병목 현상 (Reading bottleneck)이라고 부릅니다. 이는 단순히 무식하게 노력하는 것이 아니라, 논리적 수준의 해결책이 필요한 문제입니다.

병목 현상의 본질은 시간과 주의력 (Attention) 모두 유한한 자원이라는 점입니다. 단위로서의 시간은 너무 추상적입니다. 우리가 실제로 얼마나 빨리 읽는지에 대한 가변성을 포착하지 못합니다. 그래서 저는 주의력을 측정 단위로 사용하는 것을 선호합니다. 인간의 주의력을 일종의 토큰 (Token)이라고 생각하십시오. 즉, 당신의 주의력 토큰 (Attention Token), 또는 AT입니다. 강력한 집중은 A.T. 필드 (A.T. Field)를 생성합니다 (LOL). 일단 그것이 고갈되면, 잠을 자는 것만이 재충전할 수 있는 유일한 방법입니다.

이러한 독서의 병목 현상은 근본적으로 다음과 같습니다: 모든 문서를 읽는 데 걸리는 총 시간 > 당신이 가용할 수 있는 주의력 (Attention)

정수 추출식 독서 (Distilled Reading)
모든 것은 추출될 수 있습니다. 제가 깨달은 한 가지는, 대부분의 기술 문서 (Technical Docs)를 그저 훑어보기만 했음에도 불구하고 여전히 견고한 기술적 업무를 수행해 왔다는 사실입니다. 어떤 문서들은 제가 읽을 만해졌을 때 이미 구식이 되어 있기도 했습니다. 해당 문서들의 정보 대부분은 암기할 필요가 없습니다. 그저 사전처럼 필요할 때 찾아볼 수 있는 정보가 존재한다는 사실만 알면 됩니다. 이는 이미 요약본이나 요약문 (Digests)인 문서에도 적용됩니다. 그것들은 더 추출될 수 있습니다. 추출된 텍스트는 필요하다면 단 한 문장까지도 다시 추출될 수 있습니다. 추출 과정에서 정보의 손실이 발생하지만, 그 손실은 허용 가능하며 예상된 범위 내에 있습니다.

LLM 보조 추출 (LLM-Assisted Distillation)
AI 보조 프로그래밍 (AI-assisted programming) 시대에 개발자의 가장 가치 있는 자원은 주의력 (Attention)입니다. 제 주의력이 흐려지기 시작하면, LLM을 사용하여 나머지 기사를 요약할 수 있습니다. LLM이 내용을 읽고 압축한 후, 저는 먼저 개요 (Outline)를 검토하고, 그다음 제가 관심 있는 부분에 대해 후속 질문을 던집니다. 한 걸음 더 나아가서, 처음부터 LLM이 짧은 개요를 생성하게 하면 어떨까요? 저는 개요를 읽고 결정합니다: 계속 읽을 것인가, 아니면 넘어갈 것인가? 계속 읽기로 했다면, 모든 줄을 주의 깊게 읽을지 아니면 저에게 가장 중요한 섹션에만 집중할지 선택할 수 있습니다.

길을 잃지 마세요 (Don't Wander Off)
독서 중에 흥미로운 개념을 발견하더라도, 그것을 구글링 (Google)하고 싶은 충동을 억제하세요. 그러한 행동 연쇄는 다음과 같이 이어집니다: 키워드 검색 → 검색 결과 페이지 확인 → 결과 클릭 → 해당 페이지 읽기

항목당 구글 검색 결과의 형식:
로고: 사이트 이름
한 줄 페이지 설명 (반드시 제목일 필요는 없음)
2~3줄의 짧은 미리보기

당신은 각 결과를 훑어보는 과정에서 주의력을 소모합니다. 그러고 나서 시각적으로 복잡한 새 페이지를 열고, 실제로 원했던 것을 찾는 데 더 많은 주의력을 소모하게 됩니다. 해당 페이지의 다른 요소들 또한 당신의 주의력을 앗아갈 수 있습니다.

그러므로: 흥미로운 개념을 마주했을 때, 즉시 Google에서 검색하지 마세요. AI에게 직접 물어보세요. AI가 당신이 찾는 것을 찾도록 하세요. 근거 자료로서 링크를 포함해 달라고 요청하세요. 당신은 그 링크를 클릭하여 검증할 수 있습니다. 만약 링크가 깨져 있다면, AI에게 응답하기 전에 스스로 링크를 확인하여 죽은 링크를 걸러내라고 말하세요. 이것이 제가 '정수 추출식 독서 (Distilled Reading)'라고 부르는 것입니다.

검증 (Verification)
우리는 이 방법을 검증할 방법이 필요합니다. 그렇지 않으면 이 방법은 반증될 수 없으며, 반증될 수 없는 것은 무엇이든 유사과학 (pseudoscience)입니다. 만약 이것이 제가 헛소리를 하는 것이라면, 그것 또한 증명 가능해야 합니다. 만약 이 방법이 효과가 없다면, 그것은 당신의 시간을 낭비하는 것입니다.

검증 차원 (Verification dimensions):

• 브라우저에 열려 있는 기술 문서 (technical doc) 탭의 수가 감소해야 합니다.
• 북마크에 있는 읽지 않은 기사의 수가 감소하거나 보관 처리되어야 합니다.
• 결국, 당신은 계획했던 독서를 실제로 완수했다는 느낌을 받아야 하며, 죄책감이 완화되어야 합니다 (인정하건대 주관적이고 약간 유사과학적이지만, 괜찮습니다).

이와 동일한 기준을 사용하여 이 방법이 당신에게 효과가 있는지 평가하세요. 그리고 저를 믿고 독서 습관을 바꿀지, 아니면 이 모든 것이 헛소리라고 결론 내릴지 결정하세요. 어느 쪽이든, 당신은 중요한 발걸음을 내디딘 것입니다. AI가 당신의 삶을 어떻게 바꿀 수 있는지 직접 테스트해 본 것입니다. 결과와 상관없이 그것은 가치 있는 일입니다.