AI 시대의 학습 2 - 황금사과를 먹는 사람과 감상하는 사람

시리즈 · AI 시대의 학습

연재글 · 연재 완료

2회 · AI 시대의 학습 2 - 황금사과를 먹는 사람과 감상하는 사람

그렇다면 AI 시대에는 이 공부 방법이 여전히 통용되는 것일까요?

1부에서 공부의 과정은 필요성 인지 → 지식 습득 → 체득 → 응용이라고 정리했습니다. 이 원칙은 AI 시대에도 변하지 않는다고 생각합니다. 다만 AI로 인해 학습 과정은 두 가지 형태로 압축될 수 있습니다.

1. AI를 이용해 원천을 깊숙이 탐구하고, 예전과는 다른 공부 효율을 달성해 AI를 심도 있게 다루는 초전문가가 되는 경우입니다. 필자가 생각하는 미래의 인재상은 이쪽에 가깝습니다.
2. AI를 단순히 이용하면서 체득과 응용은 하지 않고, AI의 결과만 답습하는 단순 AI 프롬프터가 되는 경우입니다. 예전의 단순 코더와 비슷한 위치입니다.

사실 이 현상은 이미 벌어지고 있습니다. 많은 사람이 자신도 모르게 두 번째 형태를 따라가고 있습니다. 답변을 받는 순간 공부가 끝났다고 생각하고, 코드를 실행해 보기도 전에 다음 질문으로 넘어갑니다. 필자는 이런 사용 방식이 사람을 도태시킨다고 생각합니다. 모든 사람은 첫 번째 방식을 택해야 하며, 교육 과정 역시 답을 전달하는 데서 멈추지 않고 원천 탐구·체득·응용으로 이어지는 방향을 취해야 합니다.

이 글에서 말하는 AI 시대 학습법은 AI 활용 학습을 통해 개발자 성장을 돕되, AI 학습법을 답변 복사로 끝내지 않고 지식 응용까지 이어 가는 방식입니다.

1. AI 시대의 공부를 묻는 한 문장

AI가 지식 습득을 빠르게 만든 것은 사실입니다. 하지만 속도가 빨라졌다는 말이 공부의 목적이 사라졌다는 뜻은 아닙니다. 오히려 질문은 더 단순해집니다.

그렇다면 AI 시대에는 이 공부 방법이 여전히 통용되는 것일까?

이 질문에 대한 필자의 답은 “그렇다. 다만 지식 습득의 입구가 달라졌다”입니다. 과거에는 필요한 지식에 도착하는 것 자체가 어려웠고, 이제는 도착한 지식을 정말 자기 것으로 만드는 일이 더 중요해졌습니다. 이 차이를 이해하기 위해 개발자의 학습을 하나의 백화점 이야기로 바꿔 보겠습니다.

2. 구글이라는 백화점에서 신사복을 찾던 개발자

과거의 지식 습득은 구글이라는 거대한 백화점에 들어가는 일과 비슷했습니다. 개발자는 멋진 신사로 변신하고 싶었습니다. 하지만 신사가 어떤 옷을 입어야 하는지, 옷의 카테고리가 무엇인지조차 정확히 몰랐습니다.

마음속에 떠오른 최종 이미지는 이랬습니다.

파란색 중절모, 금태안경, 모자와 완전히 같은 색의 파란 정장, 앞이 뾰족하고 광이 나는 검은 구두, 금색 커프스, 흰 와이셔츠, 작고 검은 나비넥타이, 윤기 나는 짙은 갈색 고목나무 지팡이.

문제는 ‘커프스’라는 단어를 모른다는 데 있었습니다. 중절모와 베레모의 차이도 몰랐고, 정장과 재킷을 어떤 검색어로 구분해야 하는지도 몰랐습니다. 개발자는 백화점의 1층부터 끝까지 돌아다니며 검색창에 아는 단어를 하나씩 넣었습니다.

하루 종일 찾아 헤맨 끝에 손에 넣은 결과는 이랬습니다.

검은 베레모, 안경은 못 찾음, 짙은 파란 정장, 검은 청바지, 흰색 반팔 티셔츠, 시계.

어떻게 보면 옷을 입기는 했습니다. 그러나 원하던 신사와는 거리가 멀었습니다. 이 결과를 개발자의 언어로 번역하면 더 선명합니다. 코드는 컴파일되지만 요구사항과 설계가 맞지 않아 언제나 오류가 납니다. 검색 결과에서 조각을 주워 붙였을 뿐, 무엇이 빠졌는지조차 설명할 수 없습니다.

구글이 나빴다는 뜻은 아닙니다. 백화점에는 상품이 많았지만, 손님이 원하는 상품의 이름과 진열 위치를 알아야 했습니다. 개발자가 필요한 지식의 이름을 모르는 순간 검색은 지식의 안내자가 아니라 거대한 진열장이 됩니다.

<구글 백화점에서 흩어진 옷을 찾는 과정과 AI 코디네이터가 맥락을 정리하는 장면 2.1>

3. 백화점 앞에 AI 코디네이터가 서다

이제 같은 개발자가 AI 시대에 백화점을 찾았다고 생각해 봅시다. 이번에는 백화점 입구에 전문 코디네이터가 서 있습니다.

개발자가 조심스럽게 말합니다.

TEXT

개발자: 옷을 좀 예쁘게 입고 싶어요.
AI: 어떤 스타일을 찾으세요?
개발자: 그 영국의 멋진 사람들처럼요. 옷이 마이처럼 생겼던데요.
AI: 영국 신사 스타일이군요. 잠시만요.

AI는 백화점 안에 있는 모든 옷 중에서 가장 유사하게 코디할 수 있는 상품을 찾아옵니다. 파란색 중절모, 금태안경, 파란 정장, 흰 와이셔츠, 검은 나비넥타이, 금색 커프스, 뾰족하고 광이 나는 검은 구두, 짙은 갈색 지팡이가 차례로 놓입니다. 개발자는 처음부터 완벽하게 원했던 조합은 아니었지만, 적어도 이제 자신이 무엇을 입었는지 설명할 수 있습니다. 그는 꽤 마음에 들어 하며 백화점을 나섭니다.

이 장면에서 AI가 한 일은 옷을 무작정 대신 사 준 것이 아닙니다. 개발자가 몰랐던 카테고리와 단어를 먼저 찾아 주고, 흩어진 상품을 하나의 의도에 맞게 연결해 준 것입니다. 개발 문제로 치면 “로그인이 안 돼요”라는 막연한 문장을 세션, JWT, 쿠키, CORS, CSRF, OAuth, 프록시, 만료 정책이라는 탐색 가능한 지도으로 바꾼 일입니다.

TEXT

개발자: 로그인이 잘 안 돼요.
AI: 브라우저 쿠키 기반 세션인가요, Bearer 토큰인가요?
    실패는 로그인 직후인가요, 새로고침 뒤인가요?
    CORS 오류인가요, 401 응답인가요, 서버 로그의 예외인가요?

이 질문은 정답을 대신 내는 것이 아니라 개발자가 몰랐던 카테고리를 만들어 줍니다. 카테고리가 생기면 공식 문서를 찾을 수 있고, 문서에서 계약을 읽을 수 있고, 작은 실험으로 옷이 실제로 맞는지 확인할 수 있습니다. AI의 첫 번째 가치는 답변 문장보다 질문자가 몰랐던 단어를 발견하게 하는 데 있습니다.

4. 코디를 설명해 달라고 묻는 사람과 그냥 돌아가는 사람

이제 우리는 두 가지 선택지 앞에 서 있습니다.

첫 번째 개발자는 AI에게 집요하게 묻습니다.

이 코디를 제안한 이유를 모두 알려 주세요. 상품 종류, 스타일, 선택한 이유, 제품 특징, 가격까지 설명해 주세요.

AI는 각 옷의 이름과 역할을 설명하고, 어떤 조합이 서로 어울리는지, 어떤 상황에서는 바꿔야 하는지, 가격과 품질의 차이는 무엇인지 알려 줍니다. 물론 AI의 답변이 언제나 100% 정확한 것은 아닙니다. 하지만 개발자가 그 답변의 97% 근처까지 따라가며 원문을 확인하고 직접 입어 본다면, 이전보다 훨씬 빠르게 높은 수준에 도달할 수 있습니다. 이것이 AI를 이용해 원천을 깊숙이 탐구하는 초전문가의 방식입니다.

두 번째 개발자는 코디가 마음에 들었다는 말만 남기고 집으로 돌아갑니다. 텔레비전을 보다가 며칠 뒤 다시 백화점에 와서 말합니다.

이번에는 캐주얼 스타일로 추천해 주세요.

그는 오늘의 옷을 얻었지만, 왜 어울렸는지 알지 못합니다. 계절이 바뀌거나 장소가 달라지면 다시 코디네이터를 찾아야 합니다. 개발에서 AI가 만들어 준 코드를 복사해 실행만 하고 체득과 응용을 하지 않는 것도 똑같습니다. 잠깐은 빠르지만 버전이 바뀌거나 요구사항이 달라지면 다시 처음 질문으로 돌아갑니다.

기술적으로 보면 첫 번째 개발자는 AI에게 다음을 요청합니다.

1. 이 코드가 해결하는 문제와 해결하지 못하는 문제를 분리합니다.
2. 사용한 클래스·함수·프로토콜의 공식 문서를 확인합니다.
3. 정상 입력·경계 입력·실패 입력을 각각 실행합니다.
4. 대안 설계와 선택 기준을 비교합니다.
5. 30분짜리 최소 구현으로 직접 재현합니다.

TEXT

AI 답변
  ↓ 원문 링크와 전제 확인
  ↓ 최소 재현 코드 작성
  ↓ 실패 입력 추가
  ↓ 내 말로 설계 설명
  ↓ 다른 문제에 변형 적용

이 루프가 지식 습득을 체득과 응용으로 연결합니다. 질문을 한 번 던지고 결과를 받는 것이 아니라, 결과를 다시 질문하고 실행하고 설명하는 과정입니다.

5. 교육은 이제 완전히 AI로 재편해야 한다.

이 문제는 개인의 의지에만 맡길 일이 아닙니다. 교육 과정도 AI가 내놓은 답을 받아 적게 하는 방식에서 벗어나야 합니다. 필요성 인지에서 출발해 AI로 원천을 탐구하고, 손으로 체득하고, 다른 문제에 응용하도록 설계해야 합니다.

Microsoft Research의 2025년 지식 노동자 설문은 생성형 AI 사용에서 인지적 노력이 줄었다고 느끼는 상황과 비판적 검토의 관계를 조사했습니다. 이 연구는 AI가 사람의 사고력을 반드시 떨어뜨린다고 증명한 것이 아니라 자기보고 설문이라는 한계를 가집니다. 다만 AI를 사용할수록 검증을 덜 할 수 있다는 위험 신호를 보여 주므로, 학습자는 결과 검증을 의도적으로 설계해야 합니다. 학습 전략의 근거를 더 확인하려면 Dunlosky 연구진의 학습기법 검토와 retrieval practice 연구도 함께 읽을 만합니다.

<AI의 답을 체득과 응용으로 바꾸는 학습 루프 2.2>

마무리

테슬라의 머스크는 AI의 시대에 인류는 "AI 보다 뛰어난 사람이 되거나 스스로 AI 가 되거나" 라고 이야기 했습니다. 필자는 머스크의 생각이 맞다고 생각합니다. AI는 각종 지표에서 지구에서 가장 뛰어난 인간의 97% 를 달성했다고 합니다. 이는 일부 착시입니다. 지구에서 가장 뛰어난 각 분야의 전문가들의 모든 부분의 97%를 달성했다고 생각해야 합니다. 우리는 AI를 이용해 97%의 인간이 되어야 합니다. 아니면 머스크의 뉴럴링크 안테나를 머리에 박아버리게 되겠죠?

우리는 지금 손에 황금사과를 들고 있습니다. 이 사과를 먹을 것인지, 아니면 거실에 놔두고 계속 바라만 볼 것인지 선택해야 합니다. 명심해야 합니다. 황금사과도 썩습니다. 이 황급사과의 지식을 하루빨리 먹을지 예쁘다고 구경만 할지는 여러분에게 달려있습니다.

오늘 생성된 예제는 라이브러리 버전이 바뀌면 낡고, AI의 답변은 맥락이 사라지면 틀릴 수 있습니다. 그러나 AI가 내놓지 못하는 답변은 이제 인간도 내놓기 쉽지 않습니다. AI 시대에도 공부의 원칙은 변하지 않습니다. 그렇기에 이제 AI를 이용해 필요성을 인지하고, 지식을 습득하고, 체득하고, 응용해야 합니다. 달라진 것은 지식의 문 앞에 AI 코디네이터가 새로 생겼다는 사실 하나입니다.

시리즈 전체 회차

1. 1회 AI 시대의 학습 1 - 지식은 어떻게 내 것이 되는가
2. 2회 AI 시대의 학습 2 - 황금사과를 먹는 사람과 감상하는 사람 (현재 글)