AI-Native 시리즈 · 05

AI로 어떤 분야든 10배 빠르게 배우는 법 — 넓게 그리고 깊게, 자신을 속이지 않고

12살도 실행할 수 있는 멘탈 모델을 실제 인지과학과 항목별로 대응시키고, 절대 잊을 수 없도록 설계된 농담을 곳곳에 심었다. 약 7분 소요.

있을 수 없었던 주말

지난주 나에게는 대략 48시간이 주어졌다. 한 번도 다뤄본 적 없는 스택 위에 세워진 역할을 준비하는 데—MLOps 플랫폼에 접근 제어 레이어까지 얹은, 사람들이 '5년 이상 경력'이라고 써 붙이는 그런 종류의 일이었다.

예전의 나였다면 눈이 빠질 때까지 문서를 패닉 상태로 읽어대며 느낌만은 똑똑해졌을 것이다. 새로운 나는 다르게 했고, 일요일 밤이 되자 손에 들려 있던 건 전체 영역의 지도(개념 32개, 서로 연결됨) 그리고 a 실제로 돌아가고 자체 테스트를 통과한 작동하는 증거였다. 넓게, 그리고 깊게. 주말 사이에.

이야기는 믿지 말고 영수증을 확인하라 — 둘 다 공개되어 있다: 32개 개념 지도, 그리고 증거 — 커스텀 RBAC 권한 부여 계층(정책 결정 지점 + 집행 미들웨어)이며, (주체, 행위, 자원) → 허용/거부 테스트 테이블을 통과한다. 실제로 체험해보기 →

나는 특별하지 않다. 그저 우리가 배운 방식대로 학습하기를 그만뒀을 뿐이다. AI가 조용히 기존의 규칙을 깨버렸는데도 거의 아무도 자신의 사고 모델을 업데이트하지 않았기 때문이다. 여기 내가 쓰는 모델이 있다. 열두 살짜리도 실행할 수 있다. 그리고 공교롭게도 이것은 학습과학 문헌이 지난 40년간 외쳐온 바로 그것이기도 하다.

먼저, "더 낫다"는 말부터 죽여야 한다. 정의하지 않으면 쓸모없는 말이다.

좋은 질문을 던졌다: 어떤 의미에서 10배 더 나은가?

"더 많은 사실을 안다"는 뜻이 아니다. 앎은 이제 값싸다. 챗봇은 역사상 존재한 그 어떤 인간보다 많은 사실을 알면서도 여전히 자전거를 못 탄다. 더 낫다 = 검증된 결과를 내놓을 수 있다는 뜻이다. 실제로 그 일을 해낼 수 있고, 자기 머릿속이 아닌 외부의 무언가가 그것이 작동함을 확인해준다. 이해는 느낌이다. 역량은 영수증이다.

이 문장을 꼭 붙잡아두기 바란다. 이게 게임의 전부이기 때문이다: AI로 자신을 속이는 가장 빠른 방법은, 이해했다는 훈훈한 느낌을 결과물을 만들어낼 수 있는 능력과 착각하는 것이다. 그 사기꾼 이야기는 잠시 뒤에 이어진다.

멘탈 모델: 지도, 사다리, 게이트

새로운 분야를 배운다는 것을 산맥을 탐험하는 일이라고 상상해보자.

• 지도는 너비다. 위에서 내려다본 영역 전체 — 모든 봉우리와 그것들을 잇는 길들이다. 지도를 오를 수는 없지만, 지도가 없으면 애초에 어떤 산이 중요한지조차 알 수 없다.
• 사다리는 깊이다. 한 지점을 골라 실제로 그곳에서 작동할 수 있을 때까지 곧장 내려간다 — 감상하는 게 아니라, 직접 작동시키는 것이다.
• 게이트는 증거다. 사다리 맨 밑에는 회전문이 하나 있는데, 당신이 만든 것이 실제로 작동해야만 열린다. 영수증이 없으면 통과도 없다.

구식 학습법은 잔인한 거래를 강요했다: 사다리 하나에 몇 년을 쏟아붓거나(깊지만 좁다 — 볼트 하나는 속속들이 알지만 다리 전체는 모르는 사람이 된다), 아니면 지도 위를 영원히 떠돌거나 한다(넓지만 얕다 — 파티에서 모든 주제에 대해 그럴듯한 의견을 던지지만 정작 그중 무엇도 만들어내지 못하는 사람이 된다).

AI는 이 거래를 끝장낸다. 오후 한나절이면 지도 전체를 그려주고, 동시에 손가락으로 가리키는 곳마다 즉석에서 사다리를 놓아준다. T자형 인재? 2015년 얘기다. AI는 당신을 빗 모양(comb-shaped): 위쪽을 가로지르는 넓은 가로대 하나, 그리고 땅이 흥미로워지는 곳마다 내려놓는 사다리들의 행렬이 생긴다. (그렇다, 이제 당신의 커리어는 헤어케어 제품이다. 이런 비유는 내가 만든 게 아니라 그냥 전달만 할 뿐이다.)

같은 모델, 진짜 용어에 하나하나 대응시키기

기술 용어와의 접촉을 견디지 못하는 멘탈 모델은 그냥 동화일 뿐이니까:

실험실 가운을 입은 사기꾼 (모든 걸 망치는 단 하나의 함정)

AI에게 어려운 것을 설명해달라고 하면, AI는 화려하고 유려하며 자신감 넘치는 설명을 써낸다. 그걸 읽고 고개를 끄덕이며 따뜻한 클릭감을 느낀다. "아, 이제 알겠다." 그리고 넘어간다.

당신은 아무것도 얻지 못했다. 느낌을 빌린 것뿐이다.

그 따뜻한 클릭감이 바로 실력에 대한 착각이다 — 머릿속에 사는 작은 사기꾼으로, 실험실 가운을 입고 "넌 이걸 완전히 이해했어"라고 속삭인다. 누군가 실제로 만들어보라고 요구하는 순간, 그는 가운을 챙겨 창문으로 도망친다. AI는 이 사기극의 로켓 연료인데, 설명은 마찰 없이 매끄러워지지만, 실행 은 예나 지금이나 똑같이 어렵다.

수영에 관한 매뉴얼을 읽는 것은 수영이 아니다. AI는 역사상 가장 훌륭한 수영 매뉴얼을 3초 만에 건네줄 수 있다. 그래도 당신은 물에 빠질 것이다 — 이제 이론적 자세만큼은 완벽한 채로.

게이트가 바로 그 사기꾼을 쫓아내는 방법이다. 그는 통과한 테스트 앞에서는 살아남지 못한다.

그렇다면 AI가 실제로 10배로 만들어주는 건 무엇이고, 여전히 고집스럽게 인간의 몫으로 남는 건 무엇일까?

AI는 보물 지도를 그려주고 삽을 3D 프린트해주는 지니다. 파는 일까지는 하지 않는다. 그리고 당신이 파는 과정을 건너뛴다면, AI는 당신이 고개를 끄덕이는 사이 유쾌하게 벼랑 끝으로 데려갈 것이다.

AI가 몇 달을 몇 시간으로 압축해주는 것들: 지도를 그리는 일(하나의 분야를 무엇이 무엇과 연결되는지 보여주는 그래프로 종합하는 것); 사다리의 발판을 만드는 일(풀이 예제, 훈련, 새벽 2시에도 지치지 않는 비평가); 게이트를 세우는 일(당신이 만든 것에 대한 즉각적인 합격/불합격 판정).

여전히, 그리고 자랑스럽게도 당신 몫으로 남는 것: 오르는 행위(반복, 인출 연습 — AI는 10분 만에 수영장과 코치와 스톱워치를 만들어주지만, 물에 들어가는 건 여전히 당신이다); 어떤 사다리가 하중을 지탱하는지 선택하는 일; 그리고 실패한 테스트가 마음 아프다고 지워버리는 대신, 정직하게 게이트를 통과하는 일.

이 10배는 "더 빨리 읽기"가 아니다. 그것은 "수영장과 코치와 스톱워치를 즉시 만들고, 그다음 진짜로 수영하는 것"이다 — 수영 자체는 똑같지만, 준비 과정은 극적으로 줄어들고, 거짓말하지 않는 스톱워치가 생긴다.

오늘 오후 안에 실행할 수 있는 네 가지 동작으로 이루어진 루프

1. 지도를 그린다 (너비). AI에게 해당 분야를 펼쳐놓고 그래프로 만들어달라고 하라: 개념들과 그것들이 어떻게 연결되는지.
2. 사다리를 내린다 (깊이). 하중을 지탱하는 노드를 고른다. 풀이 예제 + 훈련 + 용어별 매핑을 받는다. 직접 하면서.
3. 게이트를 통과한다 (더 나음). 가장 작은 실제 결과물을 만들고 자신의 머릿속이 아닌 외부의 무언가로 검증한다. 작동하는가? 통과하는가? 그것이 바로 증거다.
4. 가르치며 되짚는다. 12살짜리 아이(혹은 고무 오리, 혹은 LinkedIn)에게 지도를 설명해보라. 그러면 구멍 난 부분이 훤히 드러난다. 그걸 메워라. 그러면 비로소 내 것이 된다.

직접 해보기 (오후 한나절, 겁내던 분야 하나)

분야 하나를 고른다. 루프를 돌린다: AI에게 영역 전체를 그래프로 그리게 하고 → 핵심 노드 하나를 직접 해보며 파고들고 → 작은 결과물을 만들어 게이트를 통과시키고 → 그것을 다시 가르쳐본다. 결과물을 공개적으로 내놓는다. 각 단계를 실제로 구현하는 데 쓰는 도구(지식 그래프 빌더, 게이트 역할을 하는 드릴, 준비 상태 자가 점검)는 공개되어 있다:

github.com/wjlgatech/FDE-os

기억해야 할 한 줄

옛 규칙: 넓거나 깊거나, 둘 중 하나만 고를 수 있었고 넓거나 깊거나, 어느 쪽이든 몇 년이 걸렸다.

새 규칙: AI는 넓게그리고 깊게, 둘 다를 주말 안에 안겨준다 — 단, 언제 진짜로 아는 것인지를 느낌이 아니라 게이트가 판단하게 할 때에만.

저장해두기 — 어렵고 두려운 뭔가를 막 배우려던 참이라면. 지도를 그리는 데 1년이 아니라 오후 한나절이면 충분하다면, 이번 주말에 당신은 어떤 분야를 지도로 그려보겠는가?

AI-Native 시리즈 더 보기

• 당신은 스스로에게 평판을 발급할 수 없다 — 60초짜리 AI 포트폴리오로는 왜 채용되지 않는지, 그리고 실효성 있는 해법.
• 사람들에게 루프를 닫으라고 명령할 수는 없다 — 하향식 vs 상향식 — 게임 자체를 설계하라; 만드는 자 ≠ 검증하는 자.
• 2019년, 나는 회사의 두뇌를 만들어놓고 그걸 할 일 목록으로 착각했다 — 다음 최선의 수를 계속 다시 계산하는 옵티마이저.
• AI 분야에서 가장 빠르게 성장하는 직업엔 학교가 없다 — 그래서 나는 배우는 학교를 만들고 있다

이 모든 글은 홈페이지의 Writing 섹션에 있다.

AI-Native 시리즈의 일부다. 도구는 github.com/wjlgatech/FDE-os 에 공개되어 있다 — Publish 버튼은 당신 것이다.