AI-Native 시리즈 · 06
어려운 분야는 암기하는 게 아니다 — 이미 가진 것 위에 드러낼 뿐이다
1분 요약 — 이 글에서 얻어갈 것
어려운 기술 분야를 머릿속에 욱여넣는다고 통달할 수 있는 게 아니다. 당신에게는 이미 세계적 수준의 백본 — 살아온 경험 — 이 있고, AI는 새로운 분야를 바로 그 위에, 필요한 순간에 점진적으로 드러내 줄 뿐이다. 백본과 점진적 공개는 우리가 AI 에이전트를 만드는 방식에서 빌려온 개념이다. AI-Native 시리즈의 한 편이다.
누구나 이미 뭔가 진짜배기에서는 세계적 수준의 전문가다. AI 네이티브다운 움직임이란, 어려운 새 분야를 처음부터 배우기를 그만두고 자기 경험을 빌려주기 시작하는 것이다. 우리가 AI 에이전트를 만드는 방식에서 그대로 가져온 설계 패턴이다. 약 7분 소요.
내가 준비될 자격이 없었던 면접
며칠 만에, 그것도 몇 주 전에, 나는 사람들이 "5년 이상 경력"이 필요하다고 말하는 스택 위에 세워진 자리를 준비했다. Kubernetes 위에서 돌아가는 MLOps 플랫폼에 용접하듯 붙인 커스텀 접근 제어 계층(RBAC), 답을 잘못 내리면 "덜 우아하다" 정도가 아니라 "네트워크에 있는 아무나 임의 코드를 실행할 수 있다"가 되어버리는, 그런 종류의 인프라 보안 문제였다.
예전의 나였다면 문서 탭을 마흔 개쯤 열어놓고 스스로 똑똑하다고 느껴질 때까지 읽었을 것이다. 하지만 면접 당일, 나는 대신 어떤 엔지니어에게든 시스템 전체를 걸어서 보여줄 수 있었다 — 문 앞의 배지, 그 뒤의 규칙집, 스스로 약속을 지키는 건물, 그 안의 두 일꾼까지 — 정문에서 시작해 단 하나의 실행 중인 프로세스로 끝나도록. 그러다 질문이 몰아치면 메타포를 내려놓고 진짜 용어로 말하는 것을, 몰아붙일 때 보여줄 수 있느냐다.
나는 특별히 재능이 뛰어난 사람이 아니다. 딱 한 가지를 다르게 했을 뿐인데, AI가 등장한 이후로 거의 아무도 업데이트하지 않은 바로 그것이다: 나는 새로운 분야를 머릿속에 쏟아붓는 걸 그만두고, 이미 내가 갖고 있던 분야 위에 그것을 드러내기 시작했다.
옛날 방식: 분야 전체를 백본에 눌러 담기
우리 대부분이 물려받은 사고 모델은 이렇다. 어려운 것을 배우려면 그것을 내면화해야 한다: 문서를 읽고, 용어를 외우고, 개념을 머릿속에 영구적으로 항상 로드된 지식으로 자리 잡을 때까지 반복 훈련한다. 모든 것이 백본에 눌러 담긴다 — 어디든 들고 다니는 그것 말이다.
여기엔 두 가지 문제가 있다. 느리다 — 어려운 분야에는 수백 개의 용어가 있고, 목요일쯤이면 그중 대부분을 잊어버리고 말 것이다. 그리고 부서지기 쉽다 — 특정 기술을 지칭하는, 눌러 담은 사실들은 전이되지 않는다. Kubernetes를 억지로 외워서 배우면 Kubernetes는 알게 되지만, 새로운 것은 전혀 알지 못한다. 한 번 쓰고 버릴 도구에 값을 다 치른 셈이다.
AI 에이전트를 만드는 방식에서 훔쳐온 패턴
진지한 AI 에이전트를 설계할 때, 그 지식에 관해서도 같은 선택에 직면한다 — 그리고 성숙한 답은 "모든 걸 다 집어넣기"의 정반대다.
에이전트의 백본은 의도적으로 가볍게 유지한다: 도메인이 무엇이든 모든 작업에서 행동을 결정하는, 지속적이고 항상 켜져 있는 원칙들 말이다. 그런 다음 상황에 따라 달라지는 모든 것 — 특정 도구 하나, 적대적인 API 하나, 좁은 도메인 하나에 대한 플레이북 — 은 백본 밖에 남겨두고, 트리거가 발동할 때만 드러낸다. 이 두 번째 메커니즘에는 이름이 있다: 점진적 공개(progressive disclosure). 특화된 지식을 로드하는 것이다 그 작업이 필요로 할 때, 딱 그때만, 그 순간이 요구하는 만큼의 깊이로.
우리가 실제로 쓰는 판단 기준은 이렇다: 어떤 교훈이 무관한 작업에서도 네 행동을 바꾼다면, 그건 백본에 속한다. 특정 기술이나 도메인의 이름을 달고 있다면, 그건 부속물이다 — 백본 밖에 치워두고 필요할 때만 공개한다.
왜 에이전트를 이런 식으로 만드는가? 비대해진 백본은 실제 비용이기 때문이다 — 에이전트를 더 느리게, 더 헷갈리게, 눈앞의 일에 더 서투르게 만든다. 백본은 가볍게, 공개는 필요할 때 딱 맞춰 하는 조합이야말로 넓으면서 (무엇이든 다룰 수 있고) 동시에 깊은 (지금 서 있는 그 자리에서만 완전한 깊이까지 들어가는) 에이전트를 만드는 방법이다 — 서재 전체를 등에 짊어지지 않고서.
이제 이걸 거꾸로 뒤집어보자. 똑같은 아키텍처가 "사람이 어떻게 며칠 만에 어려운 분야를 마스터하는가"에 대한 답이기 때문이다.
당신은 이미 세계적 수준의 백본을 지니고 있다
아무도 말해주지 않는 부분이 있다. 당신은 이미 대단한 백본을 갖고 있다. 누구나 그렇다. 잡다한 상식이 아니라, 구조다. 당신은 실제 세계의 어느 한 구석이 실제로 어떻게 작동하는지에 대해 풍부하고, 힘들게 얻어낸, 깊이 뿌리박힌 모델을 갖고 있다. 주방이 압박 속에서 어떻게 돌아가는지. 배지가 누구를 어느 방에 들여보낼지 어떻게 결정하는지. 지점 백 곳 중 한 곳에 불이 났을 때 본사가 어떻게 전체를 하나로 맞춰 돌아가게 하는지. 계획이 틀어졌을 때 가족이 어떻게 계속 먹고사는지.
그런 지식이야말로 좋은 백본의 정의 그 자체다: 오래가고, 깊이 이해하고 있으며, 여러 분야에 두루 전이되는 것. 그것이 바로 보물이다. 그런데 대부분의 사람은 뭔가 "기술적인" 것을 배우려는 순간 그걸 서랍 속에 처박아 버린다. 용어가 무섭게 느껴지기 시작하면 자신의 실전 경험은 더 이상 쳐주지도 않는다는 듯이 말이다.
그건 쳐줘야 한다. 당신이 가진 것 중 가장 값진 것이다. 유일한 문제는 새로운 분야를 그 위에 어떻게 드러내느냐일 뿐이다.
AI는 점진적 공개 엔진이고, 비유는 그 전선이다
핵심은 이거다. AI에게 그 분야를 가르쳐 달라고 요청하는 게 아니다. 대신 어렵고 낯선 분야를 당신이 이미 가진 백본 위에 매핑해 달라고 요청한다 — 한 번에 개념 하나씩, 당신 눈높이에 맞춰, 각 조각이 필요한 바로 그 순간에.
인프라 보안 직무를 준비할 때 내가 끌어다 쓴 백본은 레스토랑이었다. 진짜 어려운 보안 스택이 열두 살짜리도 이미 알고 있는 무언가 위에 어떻게 스스로를 드러내는지 지켜보라:
| 당신이 이미 가진 것 | 그것이 드러내는 것 | 실제로 그것이 무엇인가 |
|---|---|---|
| A 배지 프런트 데스크가 확인하는 것: 이게 진짜인가, 그리고 이 문을 열어주는가? | 절대 섞이면 안 되는 서로 다른 두 질문 | authN 대 authZ — 당신이 누구인지 증명하는 서명된 토큰, 그다음 무엇을 할 수 있는지에 대한 정책 검사 |
| 규칙은 이렇게 쓴다 직책 단위로, 200명 개개인 단위가 아니라 | 'R'이 핵심인 이유 | 역할 기반 접근 제어 — 권한은 역할에 붙고, 사람은 역할에 붙는다; 승진은 만 개의 규칙 대신 한 단어만 바꾸는 일이 된다 |
| A 체인 본사: 나는 “라자냐 다섯 개는 항상 존재한다”고 약속한다, 그러면 새벽 2시에 주방 하나가 불타 없어져도 다른 곳이 조용히 그 자리를 대신한다 | 목표를 선언하면 시스템이 현실을 그에 맞춘다 | Kubernetes — 목표 상태(desired state)와, 아무도 호출하지 않아도 스스로 치유하는 조정 루프(reconciliation loop) |
| A 클립보드를 든 매니저 그리고 주방장(line cook) — 주문이 들어오는 순간 나타나고, 조용해지면 퇴근하는 사람 | 두 명의 일꾼, 서로 완전히 다른 일 — 그러니 지켜야 할 문도 두 개 | MLRun (모델을 만드는 과정을 실행한다)이 Nuclio (이벤트로 트리거되고, 사용량이 없으면 0으로 줄어드는 방식으로 서빙한다) 위에 배포된다 |
| 모든 문은 기본적으로 잠겨 있다; 훔친 배지로 얻는 건 프라이어 접근권일 뿐, 급여 금고는 아니다 | 침해는 이미 일어났다고 가정하고, 피해 범위를 봉쇄한다 | 디폴트 거부, 최소 권한, 다층 방어(defense-in-depth) — 앞단의 프록시그리고 그 뒤로는 복도마다 잠금장치가 걸려 있다 |
무슨 일이 벌어졌는지 보자. 나는 다섯 가지 어려운 개념을 외운 게 아니다. 나는 이미 잠에서 덜 깬 채로도 설명할 수 있을 만큼 깊이 이해하고 있던 다섯 가지에, 다섯 가지 어려운 개념을 덧붙였을 뿐이다. PEP, PDP, JWT, NetworkPolicy 같은 용어들은 처음부터 새로 쌓아 올려서 무너지지 않기를 기도해야 하는 새로운 구조물이 아니라, 이미 내가 가진 구조물에 걸어두는 이름표가 되었다.
넓이와 깊이를 동시에 얻는 법
예전의 가혹한 거래는 이랬다: 좁은 것 하나를 몇 년에 걸쳐 깊이 파고들거나, 아니면 영원히 넓고 얕게 머무는 것. 백본에 대한 점진적 공개는 이 거래를 깨버리는데, 좋은 유추는 겹겹이 포개져 있기 때문이다.
레스토랑은 내게 즉각적인 넓이를 준다 — 배지로 둘러싸인 경계 안에, 요리사를 고용한 매니저가 있는 건물, 그렇게 전체 시스템이 하나의 그림으로 보인다. 명령어 하나 배우기 전에 전체가 어떻게 맞물리는지 볼 수 있다. 그리고 면접관이 어느 지점을 파고들든, 나는 그 노드 하나로 내려가 진짜 깊이까지 들어간다 — 필요한 순간에만, 딱 필요한 곳에서만 즉시. "모든 서버리스 함수는 자신만의 네트워크 엔드포인트를 갖기 때문에, 그것이 직접 접근 가능하다면 프런트 데스크 전체가 무력화된다" — 이건 내가 외워둔 사실이 아니다. 대화가 그 문 앞에 도달한 순간 내가 그때 드러낸 깊이일 뿐이다.
넓은 이유는 백본이 전체 형태를 붙잡고 있기 때문이고, 깊은 이유는 AI가 내가 서 있는 바로 그 자리에서 세부 사항을 온전히 드러내주기 때문이다. 며칠 만에 이르는 숙달 — 암기가 더 빨라서가 아니라, 암기를 멈추고 전이(transfer)를 시작했기 때문이다.
안전장치: 전이는 자기 자신을 속이는 것과 다르다
현금으로 바꿀 수 없는 유추는 그저 코스튬일 뿐이고, 현실이 그러하듯 면접관도 그 코스튬을 캐묻는다. 그래서 이 방식을 정직하게 지켜주는 엄격한 규칙이 하나 있는데, 이는 이 시리즈의 이전 글: 에서 나온 것과 같은 관문이다. 비유를 내려놓고 실제 대상을 재구성할 수 있어야 한다는 것.
누군가 "그럼 토큰은 어디서 검증되고, 캐시 미스가 나면 어떻게 되나요?"라고 물었을 때 냉동고 이야기만 계속하고 있다면, 배지 이야기는 아무 가치가 없다. 백본은 자신감과 틀을 준다. 게이트 — 날것의 용어를 구사할 수 있는가, 설계 결정을 방어할 수 있는가, 모르는 것을 인정할 수 있는가 — 그것이 이 자신감을 빌려온 것이 아니라 스스로 얻어낸 것으로 만든다. 점진적 공개는 문 앞까지는 빠르게 데려다준다. 하지만 시험을 건너뛰게 해주지는 않는다.
제대로 하면 이건 가면 증후군의 정반대다. 어떤 분야를 아는 척하는 게 아니다. 진짜로, 깊이 알고 있는 무언가 위에 서서, 새로운 분야가 정당하게 닿는 딱 그만큼만 그 위에 얹히게 두는 것이다.
효율성에 대한 주장, 있는 그대로 말하자면
사람들은 이게 무너뜨리는 것을 과소평가한다. "문서를 더 빨리 읽었다"가 아니다. 주장은 이거다: 어려운 분야에 대한 진짜이고 방어 가능한 숙련 — 범위는 넓고, 필요할 때는 깊게 — 을 채용 공고가 전제하는 몇 년이 아니라 며칠 만에, 두려움이 아니라 자신감을 갖고 도달한다. 애초에 제로에서 시작한 적이 없기 때문이다. AI 덕분에 마침내 새로운 문제를 겨눌 수 있게 된, 힘들게 얻어낸 평생의 구조에서 시작한 것이다.
당신은 이미 보물을 가지고 있다. 그걸 쓰라.
어떤 기술, 어떤 스포츠, 살림을 꾸리는 일, 어떤 공예, 안에서 지켜봐 온 어떤 사업이든 — 당신이 조용히 뛰어난 그 무언가는 이력서에 붙이는 그럴듯한 곁가지가 아니다. 다음의 어려운 분야가 스스로를 펼쳐 보일 백본이다.
다음에 기술적인 무언가가 겁을 준다면, AI에게 그 분야를 가르쳐 달라고 하지 마라. 대신 당신의 백본을 건네주고 이렇게 말하라: "I already understand X deeply. Map this new thing onto X, one concept at a time, and stop me at each door so I can prove I can speak it for real."(번역: 나는 이미 X를 깊이 이해하고 있다. 이 새로운 것을 X 위에, 한 번에 한 개념씩 매핑해줘. 그리고 각 문 앞에서 나를 멈춰 세워서 내가 진짜로 이걸 말할 수 있는지 증명하게 해줘.)
이 글을 저장해두라 목록에 있는 다음번 겁나는 대상을 위해. 그리고 나에게 말해달라: 당신이 무엇에 조용한 전문가인가 — 그리고 이번 주에 그것을 어떤 어려운 분야에 겨눠볼 것인가?
AI-Native 시리즈 더 보기
이 모든 글은 Writing 섹션에 있다(홈페이지 참고).
AI-Native 시리즈의 일부다. 백본과 점진적 공개는 에이전트형 AI 설계에서 실제로 쓰이는 패턴이며, 이 사이트 자체의 온페이지 에이전트를 가볍게 유지하는 것도 같은 원리다.