Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI 전환(AX) 과정에서 발생하는 기술·인지·의도 부채를 관리하고, 생산 중심에서 검증 중심으로 변화하는 전문가의 역할을 다룹니다. AI 시대에는 결과물을 검증하는 레이어 구축과 도메인 지식을 활용한 의사결정 능력이 핵심입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기데이터오븐 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
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