AI시대, 나의 전문성을 재설계하는 법 [구글 슬라이드, 165P]

• 데이터오븐 하용호님의 발표자료

• 회사의
  AX(AI 전환) 여정은 대부분 비슷한 5단계를 거침 — 환호 → 정체 → 신남 → 의구심 → 마지막 고비
  AI J curve Trap - AI 붙인다고 바로 잘하는 게 아니라 Verification Tax(검증 세금) 구덩이를 지나야 올라감

• AI 시대의
  3대 부채(debt) 가 생산성을 갉아먹음
  기술부채 — AI 코드는 국소 최적화를 잘할 뿐 전체는 잘 모름, 중복/우회 남발로 5~19개월 내 회사 속도가 되려 저하됨
  인지부채 — 결과물을 이해 및 확신 못 한 채 배포, "인지적 항복(cognitive surrender)"으로 너의 딸깍 → 나의 딸깍이 파이프라인화
  의도부채 — 왜 그렇게 만들었는지에 대한 맥락과 암묵지가 휘발됨, 인력 해고 후 재채용 사례도

• 사람의 메인 작업이
  생산에서 검증으로 이동 — 모든 걸 검증하지 말고 결과물 검증 레이어에 역량 집중

• 검증 레이어 =
  Binary Checks(테스트 케이스) + Quantitative Metrics(처리량/Latency) + Qualitative Rubrics(LLM as a judge)

• build-time뿐 아니라
  run-time 검증도 필요(비결정적 AI Agent 제품)

• 좋은 검증은 도메인 understanding 필요 →
  전문가가 만들 수 있음

ClaudeCode 소스 유출 사건 — A급 코드는 인간 인지공간 때문이었을 뿐, AI가 다루면 C·D급이어도 결과만 좋으면 됨

• 검증만 믿을 만하면
  Auto Research / Loop(옛 Ralph) 로 사람이 잘 때도 AI가 24시간 자기개선을 반복함
• 의도부채 해결 =
  암묵지(tacit knowledge) 캡처
• matt-pocock의
  grill-me / grill-with-docs — AI를 질문자로 세워 내 의도를 캐묻게 함(질문자는 당신이 아니라 AI)
  Company-wide 메모리, Anthropic 기업용 공용 메모리, mem0·seCall 등
  persona+memory 추출로 "가상의 나 Agent"를 작성

AI native company의 조건 → Queryable + Closed loop + Self-improving

• 모든 컴포넌트를 AI엔 조작 친화·인간엔 검증 친화로 재설계, 관리만 하던
  시니어가 실무 복귀

• AI 시대 인재상 =
  "애매한 상황에서 답을 찾아가는 능력"

• 곧 사장님처럼 ①
  문제 쪼개기 ②실패 빠른 판별 ③일 되게 하는 구조 찾기

• 새로 중요해지는 강점 —
  빠른 맥락 파악, mind-sized bites 변환력, 어그로력(마케팅), 명확한 취향(taste)("무엇을 덜 할 것인가")

• 그럼에도 전문성은 필수 —
  Gell-Mann Amnesia Effect(비전문가라 그럴싸해 보였을 뿐), 가치 충돌 및 책임이 따르는 어려운 결정은 인간 몫

• 전문가 정의 변화 —
  스킬 숙련자 → 운영 책임자

• 자기 도메인의 AI를 만들고 검증 레이어를 유지보수하며
  옳은 가치 판단·지지받는 취향·납득되는 책임을 지는 사람

댓글과 토론