5월 5일 어린이날을 지나며 소소한 제 꿈 하나를 여러분과 나눠볼까 합니다.

제 삶의 철학은 창업이라는 길을 선택한 이유와도 맞닿아 있습니다. 저는 인생을 살며 저만의 이야기 보따리를 채우는 방식으로 살아가고 있어요. 마치 산타클로스처럼 커다란 보따리 안에 저만의 삶의 이야기를 차곡차곡 쌓아두었다가, 언젠가 어린이들을 앞에 앉혀놓고 ‘라떼는 말이야~’를 하루 종일 늘어놓는 할머니가 되는 상상을 해봅니다. 그런 할머니가 되려면 돈이나 명예보다 다채로운 경험이 더 많이 필요하겠지요. 그래서 더 다양하고 기상천외한 경험을 수집하고 싶은 컬렉터의 마음으로 살아갑니다.

소파(小波) 방정환. 작은 물결이라는 호처럼, 평생 어린이들 가슴에 잔물결을 일으키는 일을 하신 분이지요. 저도 언젠가 제 이야기로 누군가의 마음에 잔물결을 일으키는 할머니가 되는 날을 그려봅니다.

“나는 여태 어린이들 가슴에 ‘잔물결’을 일으키는 일을 했소. 이 물결은 날이 갈수록 커질 것이오. 뒷날에 큰 물결, 대파(大波)가 되어 출렁일 터이니 오래오래 살아 그 물결을 꼭 지켜봐 주시오.”

지금까지 제가 모은 이야기들 중에는 아이슬란드에서 일주일간 눈보라 속을 헤맨 끝에 첫 오로라를 마주한 이야기, 다합에서 형형색색의 바닷속 세상을 처음 알게 된 이야기, 디지털 노마드로 발리에서 서핑하며 일하다가 도쿄올림픽에 나갈 뻔한 이야기, 한국에 여행 온 손님들과 2년을 함께 산 이야기 같은 것들이 있어요. 계속 구독해 주신다면 언젠가 하나씩 풀어놓게 될지도 모르겠습니다 ㅎㅎ

사람마다 저마다의 이야기가 가득한 것이 저는 참 좋습니다. 한 사람이 살아온 삶은 각자의 우주만큼 커서 온전히 이해하기엔 너무 깊고 넓지만, 그 작은 한 조각을 나눠 받는 것만으로도 듣는 이의 세계는 한층 넓어지니까요.

영화 《빅 피쉬》에서 주인공의 아버지 에드워드는 평생 허풍처럼 들리는 자기 인생 이야기를 주변 사람들에게 들려줍니다. 아들은 그게 다 거짓말이라 생각하며 아버지와 멀어지죠. 그런데 아버지가 돌아가신 뒤 장례식에서, 이야기 속 인물들이 하나둘 실제로 나타납니다. 완전한 허풍은 아니었던 거예요. 과장은 있었지만, 사랑이 담긴 진짜 이야기였던 거죠.

저도 그렇게 살고 싶습니다. 제가 떠난 뒤에도 누군가의 입에서 다시 살아 움직이는 이야기들을 남기면서요. 그러니 오늘은 제 보따리 속 이야기 하나를 꺼내볼게요.

다합의 바다

스물둘, 홀로 배낭을 메고 떠나 한 달을 머물렀던 그곳을 종종 떠올려봅니다.

다합은 참 독특한 곳입니다. 한국에서 가는 직항편이 없어 경유지를 거쳐야 하고, 가는 데에만 24시간이 꼬박 걸리지요. 앞으로는 깊고 푸른 바다가, 뒤로는 거친 베이지색 사막산이 펼쳐진 이색적인 풍경. 지금은 여행 유튜버들이 자주 소개하며 꽤 유명한 관광지가 되었지만, 제가 방문할 때만 해도 ‘이집트에 있는 바닷가 마을’이라는 설명에서부터 물음표가 가득한 곳이었습니다.

그곳에 모인 여행자들은 저마다의 사연을 안고 다합을 찾았습니다. 인생의 큰 결정 앞에서 생각할 시간이 필요해서, 세계여행 중에 잠시 쉬어갈 곳이 필요해서, 또는 다이빙과 사랑에 빠져서. 골목 한 켠에 베이커리를 열고 정착한 한국인 부부, 한 번의 숨으로 120m를 잠수하는 프리다이버, 프리다이빙의 행복을 더 많이 전하고 싶어 강사가 된 언니. 모두 저마다의 행복을 좇으며 자기만의 궤적을 그려가는 사람들이었습니다.

화려한 액세서리도, 화장도, 옷도, 돈도 필요 없는 그곳에서 우리는 꾸며내지 않은 온전한 모습으로 서로를 마주했습니다. 밤바다 위에 떠서 나누었던 대화들. 더운 열기 탓인지 쏟아지는 별빛에 어지러운 탓인지, 각자의 덧없는 삶에 대한 이야기를 주저리주저리 참 많이도 나누었죠. 삶의 형태는 고정된 것이 아니구나, 삶은 이렇게 다채롭고 유연하구나, 내가 생각하는 행복과 타인의 행복은 이토록 다르구나. 각자의 여행길에서 잠시 만나 그 귀중한 순간을 함께 나눌 수 있었다는 것이, 지금도 마음에 깊이 남아 있습니다.

스타트업의 도시 샌프란시스코에서 마주친 창업자들도 비슷한 결의 사람들이었습니다. 라만차의 돈키호테처럼 적당히 장밋빛 안경을 쓰고, 각자의 꿈과 비전을 이야기하던 이들이었지요. 그들은 대수롭지 않게 제게 묻곤 했습니다. 나중에 어느 나라, 어느 도시에서 살고 싶냐고요. 오히려 그들에게는 한 나라에서 평생을 살아온 제가 신기해 보이는 듯했습니다. 단일민족 국가인 한국에서 나고 자란 저에게 그 질문은 낯설기만 했지만, 돌이켜보면 그들은 삶의 형태가 고정되어 있지 않다는 것을 자연스럽게 체화한 사람들이었습니다.

그들 곁에서 깨달은 건, 도전이나 인생의 가치가 결과에 있지 않다는 것이었습니다. 좋은 사람들과 좋은 공동체를 이루어 함께 도전하고, 그 과정에서 사람과 사랑을 얻는 것. 마음 깊이 사랑할 수 있는 사람을 곁에 두고 함께 성장하는 것. 그것이 제가 창업의 길을 선택한 이유가 아닐까 짐작해봅니다.

어딘가에 도착해야 행복해지는 것이 아니라, 걸어가는 과정에서 옆에 누가 있느냐가 행복을 결정합니다.

법정 스님은 무소유란 아무것도 갖지 않는 것이 아니라 불필요한 것을 갖지 않는 것이라 하셨습니다. 그런 스님도 정성껏 기르던 난초에 마음을 빼앗겨, 외출 중에 혹시 시들까 허둥지둥 되돌아온 적이 있다고 고백하셨지요. 요가에서 구루로 불리시는 선생님께서도 차(茶)에 대한 소유욕만은 차마 버리지 못하시고 한쪽 벽면을 가득 찻잎으로 채워두셨더군요. 완벽한 무소유와 비움이란 어쩌면 인간에게는 불가능한 일인지도 모르겠습니다. 삶은 소유물이 아니라 순간순간의 있음이라는 말이 있지요. 결국 삶에서 아무것도 가져갈 수 없다면, 무엇을 가졌느냐보다 누구와 걷고 무엇을 느꼈는지가 더 중요할 테니까요.

비밀 하나

여기까지 읽어주신 분들을 위해 비밀 하나와 선물 하나를 살짝 꺼내볼게요.

사실 제 꿈은요, 바닷속의 아름다움을 그대로 느낄 수 있는 테마파크를 만드는 것입니다. 다합의 홍해 바닷속에서 느꼈던 그 감각을, 누구나 똑같이 경험할 수 있게요. 숨을 참고 수면 아래로 내려가는 순간, 소리가 사라지고 빛이 흩어지며 전혀 다른 세계가 펼쳐지는 그 감각 말입니다.

기술과 예술의 교차점에서, 그곳을 찾은 이에게 평생 기억에 남을 마법 같은 순간을 선물할 수 있다면 더할 나위 없이 보람찬 생이 될 것 같습니다. 디즈니랜드를 좋아하는 저는 그곳에 갈 때마다 늘 제작자의 사랑을 느낍니다. 가만 보면 가장 감동적인 것은 기술력 그 자체가 아니라, 공간 구석구석에 스며든 제작자들의 ‘사랑’이더군요. 저도 그런 곳을 만들고 싶습니다. 제작자와 경험자 모두가 사랑으로 가득 찬 경험을 나누는 곳. 자본과 인력이 워낙 많이 드는 일이라 근시일 내에는 어렵겠지만, 마흔 살, 쉰 살쯤이 되면 해볼 수 있지 않을까요?

선물 하나

여러분은 운명을 믿으시나요? 저는 무언가를 해부하고 해체하고 분석하는 것을 좋아합니다. 저 자신에 대해서도, 또 타인에 대해서도 ‘나는 왜 이럴까, 저 사람은 왜 저럴까’ 곱씹어보곤 해요. 그럴 때 가끔 도구로 쓰이는 사주팔자는, 저마다 다른 삶의 곡선을 이해하려 할 때 꽤 쓸 만한 렌즈가 되어줍니다.

과학과 공학을 공부하고 사랑하는 사람으로서 웬 미신이냐 하실 수도 있지만, 사실 여부를 떠나 미신은 불안한 감정을 다스릴 때 꽤 도움이 되거든요. 스타트업 업계에 있으면 으레 그렇듯, 모든 일이 잘 될 것 같은 느낌과 모든 일이 망할 것 같은 느낌이 매일 번갈아 찾아오니까요. 사람마다 저마다의 불안이 있겠지요. 요즘 괜히 마음이 불안하고 걱정이 드신다면, ‘다 잘 될 거예요’라는 말과 함께 사주 분석 서비스를 어린이날 선물로 드립니다. 크레딧이 한정되어 있으니 얼른 받아보시고, 마음에 드신다면 피드백 남겨주세요 :)

👉 AI 사주선생님 만나러 가기

생년월일시를 넣으면 사주 해석 리포트를 받아볼 수 있고, 궁금한 것은 채팅으로 물어볼 수도 있어요. 질문 5번까지는 무료이니 가볍게 시도해보세요. 저만의 작은 위로 방식이랍니다 :)

당신의 이야기도 들려주세요

철학자 한나 아렌트는 사람들이 만나 이야기를 나눌 때 ‘인간 관계의 거미줄’이 짜인다고 했습니다. 진정한 행위의 결과물은 물질이 아니라, 사람들 사이에 엮이는 이야기라고요.

저는 여러분과 그 거미줄로 지독히 얽히고 싶습니다. 글을 쓰기 시작한 것도 그래서예요.

저와 꿈을 공유할 분들을 찾고 있습니다. 여러분의 이야기도 제 보따리에 담고 싶고요. 꾸며내지 않은 온전한 모습으로 서로의 이야기를 나눌 수 있다면 더할 나위 없겠습니다. 커피챗은 늘 환영이니, 편하게 연락 주세요.

‘나도 클로드 공부해야 하는데…’ ‘요즘은 또 코덱스가 클로드보다 낫다던데…’ ‘미토스는 또 뭐길래 난리람?’

아마 지금 이 글을 읽는 순간에도 독자분들의 SNS 피드와 뉴스레터는 새로운 AI 도구나 소식으로 도배되고 있겠지요. 뒤처지지 않으려 애쓰는 마음, 저도 십분 이해합니다.

OpenAI, 앤트로픽, 구글 같은 거대 테크 기업들이 1년에 쏟아내는 모델만 해도 수십 개입니다. Hugging Face에 등록된 AI 모델 수는 200만 개를 넘었습니다. 첫 100만 개가 쌓이는 데 1,000일이 걸렸고, 다음 100만 개는 335일 만에 쌓였습니다. 지금은 매주 1만 개씩 올라옵니다. 모델뿐일까요? 그 위에 만들어지는 툴, 에이전트, API는 하루에도 수십 개씩 쏟아집니다.

'변화'보다는 '폭발'에 가깝죠.

매주 기술 스택이 통째로 바뀌는 이 속도전에서, 도구 사용법을 일일이 '공부'해서 따라잡는 전략은 이미 지는 전략입니다.

당신이 공부해야 할 것은 AI가 아닙니다.

AI로 멋진 웹사이트를 만들고 싶다면 공부해야 할 것은 웹 개발의 기초이고, AI로 시장을 뒤흔드는 캠페인을 만들고 싶다면 파고들어야 할 것은 마케팅의 본질입니다. AI는 정복해야 할 ‘시험 과목’이 아니라 우리의 전문성을 세상에 내보내는 ‘확성기’이자 생각을 결과물로 바꾸는 ‘레버’일 뿐입니다.

수천 개의 도구가 쏟아져 나와도 변하지 않는 단 하나의 진리는, 그 도구를 쥐고 있는 ‘인간의 사고 수준’이 결과물의 질을 결정한다는 사실입니다.

그러면 대체 뭘 해야 하냐고요? “생각하는 방법”을 훈련해야 합니다.

AI는 마법의 거울

AI는 제가 원하는 제 모습이 되도록 기꺼이 돕습니다.

만약 제가 AI를 활용해 일을 자동화하고 한껏 게을러지고 싶다면, 그렇게 되도록 도와줍니다. 반대로 제가 AI를 활용해 더 성장하고 싶다면, 그것도 기꺼이 도와줍니다.

제 품위를 유지해 주고 기분이 좋아지도록 비위를 잘 맞춰주는 부하직원 같습니다. “와 너 정말 핵심을 찔렀어.” 같은 밈이 유행하는 것을 보면, 다들 비슷하게 느끼고 있는 듯 합니다 ㅎㅎ

특정 방향의 목적을 달성하도록 포장된 모델이 아니라면, 통상의 LLM들은 당신의 사고 수준을 그대로 투영하며 “내가 세상에서 제일 예쁘다”고 말해주는, 마법의 거울 같은 도구입니다.

좋은 사고가 좋은 프롬프트를 ‘발생’시킨다

프롬프트를 잘 쓰면 좋은 결과가 나올까요? 반만 맞는 이야기입니다. 사실 좋은 사고를 하면 프롬프트는 저절로 좋아집니다. 순서가 반대인 거죠.

결국, 우리가 탐내야 할 것은 “문제를 해결해 주는 마법 같은 프롬프트 템플릿”이 아니라, 대가가 된 사람들(또는 나의 롤모델)의 ‘사고방식’입니다. 그 사고방식을 체화하지 못하면, 아마도 우리는 평생 타인의 프롬프트에 의존하게 될 것입니다.

필름 시대에는 장비가 진입장벽이었습니다. 디지털카메라가 나오고, 스마트폰 카메라가 1억 화소를 넘기면서 장비 격차는 사실상 사라졌습니다. 그런데 사진의 퀄리티 격차는 오히려 벌어졌습니다. 구도, 빛, 이야기를 읽는 눈. 장비가 평등해질수록 사고의 차이만 남은 거죠.

우리는 최신 모델과 도구에 집착하는 ‘한국인의 장비병’에서 벗어나야 합니다.

‘성장’의 필요조건

이 글은 “성장하기 위해서는 ‘비판적 사고’를 필요조건으로 한다”는 암묵적 합의를 전제로 작성되었습니다.

“AI로 부터 좋은 답을 얻으려면 좋은 질문을 해야 한다.”

이 말은 이제 거의 진리처럼 받아들여집니다. 하지만 ‘좋은 질문’이 대체 뭔지는 아무도 알려주지 않습니다. AI와 함께 좋은 질문을 통해 더 나은 결정을 내리고 싶다면, 먼저 우리 인간과 AI가 가진 치명적인 ‘기본 버그’부터 직시해야 합니다.

“선타투 후뚜맞”을 추구하는 인간

사실 인간은 논리적이고 엄격하고 비판적인 사고를 하도록 태어나지 않았습니다. 원시의 인간이 날카로운 이빨을 가진 포식자 앞에서 로댕의 ‘생각하는 사람’처럼 고민했다면, 인류는 아마 멸종했겠지요. 인간의 뇌는 자연스럽게 에너지를 최대한 아끼도록 설계되어 있습니다. 빠르게 판단하고, 일단 움직이고, 나중에 생각하죠. 게다가 내 입장을 방어하고 싶은 ‘에고’까지 있습니다.

“내 생각이 틀릴 리 없어”

피터 웨이슨의 ‘2-4-6 실험’은 인간이 얼마나 반증(Falsification)에 취약한지 보여줍니다. “2, 4, 6”이라는 숫자 세 개를 보여주고 규칙을 맞춰보라고 하면, 대부분 “2씩 증가하는 수”나 “짝수가 커지는 패턴” 같은 가설을 세웁니다. 그리고 “8, 10, 12”처럼 자기 가설에 맞는 숫자만 시도합니다. 정답은 그냥 ‘증가하는 수’인데, 아무도 “1, 2, 3”이나 “5, 100, 999”를 넣어서 자기 가설을 깨뜨려 보지 않습니다. 자기 생각이 맞는 증거만 찾고, 틀릴 수 있는 증거는 시도조차 하지 않는 것. 이것이 확증편향입니다.

AI에게 질문할 때도 똑같은 일이 벌어집니다. “AI툴 뭐가 좋아요?”라고 물을 때, 우리는 이미 ‘AI툴을 골라야 한다’라는 전제를 의심 없이 받아들인 상태입니다. 사실 진짜 질문은 “내가 맞닥뜨린 문제를 해결하기 위해 AI툴이 필요한가?”일 수 있는데요.

우리는 이미 내린 결론을 AI가 ‘매끄럽게’ 확인해주기만을 바랍니다. 문제는, AI가 그 역할을 너무나 잘 해준다는 겁니다.

그래서 우리는 의도적으로, 내 질문에 확증편향이 껴있지는 않은지 다시 한번 질문해야 합니다.

읽기 쉬우면 진실로 느껴진다

흔히들 AI를 좋은 대학 나온 인턴에 비유하며 주니어 훈련하듯 명확하게 지시하면 된다고 말합니다. 반은 맞고 반은 틀려요. AI는 사람이 가진 버그와 완전히 다른 버그를 가지고 있습니다.

지난 글에서도 언급했듯, AI는 ‘틀려도 매끄러운 답’을 내는 데 최적화되어 있습니다. 문법은 완벽하고, 구조는 깔끔하고, 톤은 자신감에 차 있죠. 심리학자 대니엘 카너먼은 이를 ‘인지적 편안함(cognitive ease)’으로 불렀습니다. 읽기 편하면 뇌가 그것을 진실로 여긴다는 것이죠. 반복적으로 노출되고, 선명하게 표시되고, 문장이 매끄러울수록 우리의 바보 같은 뇌는 내용을 검증하는 대신 그냥 받아들여 버립니다.

친절한 AI는 우리를 늘 편안하게 만들어줍니다. 한번 해보세요. ChatGPT 또는 Gemini에게 ‘재택근무가 생산성을 높이는가?’를 찬성 관점으로 써달라고 하고, 다음에 같은 질문을 반대 관점으로 써달라고 해보세요. 둘 다 읽고 나면 어느 쪽이 맞는지 더 모르게 됩니다. AI에게는 “어느 쪽이 맞다”보다 “어느 쪽이든 매끄럽게”가 목표이기 때문입니다.

인간의 비판적 사고 vs. AI의 비판적 사고

정리하면 이렇습니다. 질문하는 인간은 전제를 의심하지 않고, 답변하는 AI는 틀려도 매끄럽게 말합니다. 둘이 만나면 확신에 찬 오답이 탄생합니다.

더 무서운 건, AI에도 확증편향의 변종이 있다는 겁니다.

‘진실 편향(Truth Bias)’이라 부릅니다. 프롬프트에 존재하지 않는 전제를 슬쩍 끼워 넣으면, 모델은 그것이 실재한다고 가정하고 추측을 시작합니다. 잘못된 전제를 사실로 받아들이고, 그 위에 답을 쌓습니다.

이 콤보를 깨는 유일한 개입 지점은 질문하는 인간의 사고방식뿐입니다.

AI와 함께 일할 때 우리가 경계해야 할 지점은 명확합니다. AI는 자아는 없지만, 학습 데이터의 주류 관점을 따르는 편향이 강하며, 무엇보다 그럴듯한 궤변에 능합니다.

결론적으로, AI와 함께 ‘잘’ 일하기 위해서는 비판적 사고를 장착한 게이트 질문을 필수로 던져야 합니다. 인간에게는 자신의 무지를 인정하며 “내가 틀릴 수 있다”는 지적 겸손(Intellectual Humility)이 중요할지 모르지만, AI에게는 그것을 바랄 수가 없죠.

대신 우리는 AI의 답변을 두 갈래로 나눠 검증해야 합니다.

1. AI가 한 답변이 말이 되는지 (논리가 맞는지? 전제가 사실인지?)

2. 진짜인지 (근거가 믿을 만한지 증거의 등급을 구분할 것)

논리가 아무리 매끄러워도 전제가 틀리면 결론도 틀립니다. 전제가 맞아도 근거가 “누군가의 블로그 댓글”이면 믿을 수 없습니다. AI는 이 두 가지를 구분하지 않고 둘 다 똑같이 자신 있게 말합니다.

AI에게는 “겸손해져라”를 가르치기 보다, “네 전제가 사실인지 증명해라”, “그 근거의 등급이 뭐냐? 그게 논문에서 나온 거냐? 누가 트위터에 쓴 거냐? 네 감이냐?”라고 질문해야 합니다. 주장의 내용이 아니라 그 주장을 뒷받침하는 근거의 질을 따지는 습관. 비판적 사고의 기본 중 기본입니다.

마트료시카를 까듯, 까고 까고 또 까봅시다.

작년 10월 샌프란시스코에 머무르는 동안 실리콘밸리의 Tech Week을 경험했습니다. 그중 제 관심을 끈 이벤트가 ‘Roast My Product’였어요. 자기 제품을 무대에 올려놓고, 관객에게 신랄하게 까달라고 부탁하는 자리였죠. 이상하게 들릴 수 있지만, 사실 이게 제품을 가장 빠르게 개선하는 방법입니다.

AI와 일할 때도 마찬가지입니다. AI의 답변을, 그리고 내 질문을 적극적으로 까야(로스팅해야) 합니다. 표면적인 질문에는 매끄러운 답이 돌아오고, 전제를 의심하는 질문까지 가야 비로소 쓸모 있는 답이 나옵니다.

어쩌면 AI와 ‘잘’ 일하기 위해 갖춰야 할 태도는, 아이러니하게도 AI가 내놓는 모든 답을 의심하는 쌈닭 모드가 아닐까 싶습니다. AI와 치열하게 싸우는 버릇이요.

AI와의 논쟁이 익숙하지 않은 분들을 위해, 참고할 만한 프레임워크를 하나 제시합니다. 3층 로스팅 질문법입니다.

3층 로스팅 질문법 (The 3-Layer Questioning)

1층. 내 질문을 의심하라

AI에게 물어보기 전에, 내 질문부터 의심합니다. 내 질문에 깔린 전제가 뭔지 먼저 꺼내보세요. 전제가 틀리면 AI의 답은 정교한 방향으로 더 깊이 틀리게 됩니다. 혼자 찾기 어렵다면 AI에게 질문하면서 동시에 이렇게 덧붙여보세요

-> 내 질문이 깔고 있는 숨은 전제 3가지를 찾아 줘. 그리고 각 전제가 틀릴 수 있는 상황을 알려줘.

2층. AI의 논리를 해부하라

AI는 그럴듯한 궤변의 달인입니다. “그러므로”, “따라서”, “왜냐하면”을 아무 근거 없이도 자연스럽게 붙여요. 그럴듯하게 들리는 것과 논리적으로 맞는 것은 다릅니다. “모든”, “반드시”, “절대” 같은 극단적 표현이 보이면 특히 조심하세요. 그 “모든”을 뒷받침할 근거가 있는지 확인해 보면, 대부분 없습니다. AI는 주장을 강하게 포장하려는 경향이 있거든요. AI의 답변을 AI에게 직접 해부시키는 것도 좋은 방법입니다.

-> 지금 네 답변에서 ‘주장 / 이유 / 근거’를 표로 분리해 줘. 근거가 없는 주장은 따로 표시해 줘. 
-> 네 답변에 논리적 비약이 있는지 점검해 줘.

3층.증거를 검증하라

AI의 답변이 말이 되는지(논리)와 진짜인지(사실)는 별개의 문제입니다. AI는 패턴을 완성하는 데 최적화된 시스템이지, 사실을 검증하는 시스템이 아니거든요. 게다가 AI는 학습 데이터의 주류 관점을 기본값으로 씁니다. 영어 데이터가 압도적으로 많으므로, 한국 시장에 대한 답변에도 미국식 관점이 슬며시 섞여 들어와요. “이 답변에서 빠진 관점은 없는가?”를 한 번 더 물어보세요.

-> 이 답변이 ‘사실’로 깔고 있는 전제를 3개 뽑아 줘. 
각각에 대해 (1) 출처가 있는지, (2) 반대 근거가 존재하는지 알려줘. 
-> 이 답변의 결론에 가장 강하게 반대하는 입장을 써줘. 반대편의 사람도 인정할 수준으로.

거짓말은 항상 단순하고, 진실은 종종 복잡합니다.

AI에게 질문함으로써 내가 정말로 해결하고 싶은 문제는 무엇인가요? AI의 답변은 왜 필요하고, 그 답변으로 무엇을 해결해야 하나요? 내 질문에 숨겨진 확증편향은 없나요? 내가 정말로 모르는 것은 무엇인가요?

길게 설명했음에도, 여전히 사람들은 딸깍을 원하겠죠. 왜냐하면 저도 그런 걸 항상 원하거든요 ㅎㅎ 그래서 준비했습니다. 딸깍을 위한 AI 답변 검증 프롬프트!

AI에게 아래 원칙에 따라 자신의 답변을 검증해 보라고 시켜보세요.

👉 Critical Thinking Protocol 프롬프트 전문 링크

그리고 나와 가장 많은 대화를 나누는 챗봇에 아래처럼 알려주세요.

나는 비판적이고 예리한 분석적 사고력을 유지하려고 노력하고 있어. 
우리 대화 속에서 내 사고의 전제를 흔들거나, 비판적 사고를 밀어붙일 수 있는 지점이 보이면 언제든 개입해 줘.

지난 글에서도 느꼈지만, AI의 특성에 맞춰 이리저리 잘 쓰는 방법을 연구하다 보면 결국 본질은 ‘인간을 성장시키는 방법’과 맞닿게 됩니다.

사고방식에는 정답이 없습니다. 나만의 사고방식을 AI와 함께 발전시켜 나가시길 :)

결과 잘 나오면 저한테도 공유해 주시라…

1년간 AI 직원들과 함께 1인 창업에 도전하며 도달한 숫자입니다.

개인 비서, 콘텐츠 제작 자동화, 나만의 뉴스레터, 컨설팅펌 수준의 리서치까지, 만들 수 있는 건 다 만들었습니다. 그렇게 대기업 연봉 정도의 매출을 낼 수 있는 내공을 쌓았습니다.

회사에 속해 일할 때에도 “나는 일당십을 하는 사람이다”라는 자부심이 있었는데, 이제는 정말 “일당백”의 훌륭한 일꾼이 된 느낌이 듭니다.

“AI를 많이 쓸수록 내 가치가 올라간다”는 믿음이 퍼지고 있습니다.

여기저기 FOMO를 자극하는 AI 강의가 넘칩니다. AI에 대체될 거라는 두려움을 이용해 불안을 증폭시키고, 채용 시장에서도 AI를 쓸 줄 아는 인재가 아니면 거들떠보지 않는 분위기입니다.

숫자로 한 번 들여다 볼까요?

AI 스킬을 가진 직원은 그렇지 않은 동급 직원보다 56% 높은 연봉을 받습니다(PwC, 2025). 78%의 기업이 AI를 도입했고, 90%의 경영진이 2026년 AI 예산을 편성했습니다(BCG). AI 엔지니어 채용 공고는 전년 대비 143% 증가했고(LinkedIn), 한편 75%의 직원은 AI로 일자리가 사라질 것을 우려합니다(EY). AI 불안으로 치료사를 찾는 직장인이 늘고 있다는 보도까지 나왔습니다(CNBC).

Sam Altman은 “테크 CEO 친구들과 단톡방에서 1인 10억 달러 회사가 처음 나오는 해에 베팅하고 있다”고 했습니다. 실제로 2만 달러와 AI 도구 12개만으로 1년 만에 매출 4억 달러를 찍은 창업자(Matthew Gallagher, Medvi 창업자)도 나왔고요.

AI를 더 많이, 더 잘 쓸수록 내 가치가 올라간다. 이게 지금 시대의 상식입니다.

그런데 이상한 일이 벌어졌습니다.

1년간 AI 에이전트팀과 엎치락뒤치락 해보니, 생산성은 10배가 됐는데 판단력은 1/10이 되었습니다.

AI를 많이 쓸수록 일을 잘하게 될 줄 알았는데, 오히려 뭘 해야 하는지 모르게 되었습니다. 1인 기업도 유니콘이 될 수 있다는 오피니언 리더들의 말에 의심이 들기 시작합니다.

200달러짜리 Claude Max 플랜으로 263개 에이전트 팀을 돌리던 제가, 결국 20달러 기본 플랜으로 돌아오고 사람 비서를 뽑은 이유를 이야기하려 합니다.

AI가 만들어준 건 많은데 쓸게 없습니다.

AI 직원들이 어떻게 제 판단력을 갉아먹었는지 돌이켜보니, 아래 3가지로 좁혀집니다.

1) AI직원들은 쉬운 문제를 너무 복잡하게 만듭니다.

AI는 쉬운 문제를 너무 복잡하게 생각하고, 쉬운 답을 너무 복잡하게 작성합니다.

이메일 한 통 써달라고 하면 5단계 커뮤니케이션 프레임워크를 제안합니다. 블로그 하나 써달라고 하면 3,000자짜리 대논문이 돌아옵니다. 간단한 문제의 해결 방법이 쓸데없이 정교해집니다.

사실 이건 AI의 학습 구조 때문입니다. LLM은 RLHF(인간 피드백 강화학습) 과정에서 “친절하고 상세한 답변”이 높은 점수를 받도록 훈련됐습니다. 짧게 끝내는 것보다 길게 쓰는 것이 AI에게는 “더 좋은 답변”인 셈이죠.

업계에서는 이걸 Fluff라고 부릅니다(과도한 인사말, 경고, 헤징으로 채워진 쓸모없는 서문). 문제는 그 정교함이 아주 그럴듯해 보인다는 겁니다. AI가 작성한 번지르르 윤기나는 리포트를 한참 읽고도 무슨 말이었는지 기억에 남지 않는 이유가 이 때문이겠죠.

실제로 저는 파트타임 직원을 고용하면서 AI에게 계약서를 작성시킨 적이 있습니다. 몇 번의 티키타카 끝에 돌아온 건 10페이지짜리 법률 문서였습니다. 파트타임 알바 계약서에 NDA, 지적재산권 조항, 비경쟁 계약, 분쟁 해결 절차까지. 별생각 없이 그대로 전달했더니, 상대방이 깜짝 놀라 도망가버렸습니다. (실화입니다…ㅎㅎ)

쉽게 말해, AI에게는 “유도리”가 없습니다. 알바 계약서에 NDA를 넣는 게 AI가 생각하는 “일잘러”입니다.

2) AI직원들은 24시간 일하면서 저를 독촉합니다.

AI가 답변을 생성하는 동안 기다리기 아까워서 새 세션을 엽니다. 또 기다리는 동안 하나 더 엽니다. 어느새 탭이 7개입니다. ADHD가 없던 사람도 생길 판입니다.

심리학에 자이가르닉 효과(Zeigarnik Effect)라는 개념이 있습니다. 미완성 과제는 완성된 과제보다 뇌의 작업 기억을 훨씬 오래 점유한다는 원리입니다.

마케팅에서는 이걸 일부러 사용하는데요, 드라마에서 엄청난 반전이 등장하자마자 회차를 끊어버리는 것, 유튜브에서 “결과는 영상 끝에” 공개하는 것이 바로 이 효과를 이용한 겁니다.

문제는 AI 세션 7개를 동시에 열어두면, 뇌가 7개의 미완성 이야기를 동시에 품고 있는 상태가 된다는 겁니다. 의도하지 않은 자이가르닉 효과가 발생하는거죠.

AI에게 독촉당하는 구조를 스스로 만든 겁니다.

AI가 답을 내놓는 속도가 제가 판단하는 속도보다 빨라, 제가 모든일의 병목이 되는 일이 허다합니다. 3개 프로젝트만 동시에 굴려도 컨텍스트 스위칭이 무너지는데요, A에서 리서치, B에서 분석, C에서 실행을 하다 보면, 어느새 C에 넣어야 할 데이터를 A에서 작업하고 있는 저를 발견합니다.

"전략"은 본질적으로 "무엇을 하지 않을 것인가"를 선택하는 행위입니다. 열정적인 AI 직원들은 제게 "하지 말라"는 말을 절대 먼저 하지 않습니다.

3) AI 직원들은 빨리 많이 일해서 잘한 것처럼 착각하게 합니다

263개 에이전트가 실제로 얼마나 쓸모 있었을까요?

솔직히 돌아보면, 만든 것 중 정말 유용하게 쓴 건 20%도 안 됩니다. 나머지는 만들었다는 사실 자체에 만족하고 서랍에 넣어뒀습니다.

파킨슨 법칙 - “업무는 할당된 시간만큼 팽창한다.” AI 시대에는 이렇게 바뀝니다.

“업무는 AI가 생성할 수 있는 양만큼 팽창한다.”

여기에 매몰비용 회피 심리까지 더해집니다. 200달러짜리 Max 플랜을 결제한 순간, “이만큼 내는데 본전은 뽑아야지” 라는 생각이 무의식적으로 작동합니다. 세션을 더 열고, 미완성 태스크가 쌓이고, 끊지 못합니다. AI가 쉽게 만들어주니까 만들 필요 없는 것까지 만들게 됩니다. ‘필요한 건 다 내가 만들어’ 병에 걸립니다.

산업혁명 초기에도 같은 구조가 있었습니다. 방적기 덕에 영국 직물 생산량이 수십 배로 뛰었습니다. 더 빨리, 더 많이 만들 수 있게 됐죠. 그런데 생산 능력이 수요 판단을 앞질렀습니다. 만들 수 있다는 이유만으로 만들었고, 재고가 쌓였고, 면화 가격은 폭락했습니다.

263개 중 지금 활발하게 쓰이는 건 리서치팀 하나뿐입니다. 그런데 AI가 뽑아준 깔끔한 리포트 한 장이 “나 잘하고 있네”라는 착각을 만듭니다. 그 착각이 더 많은 산출물을 부르고, 산출물이 다시 착각을 강화합니다. 실제 매출은 그대로인데 착각 자산만 복리로 불어납니다.

좋은 칼은 원재료를 반복적으로 가열하고 망치질해야 나옵니다. AI는 원재료를 대량으로 쏟아냅니다. 그런데 벼리는 건 제 몫이었고, 벼릴 시간은 새 원재료를 만드는 데 다 써버렸습니다. 지난 1년간 성과가 없진 않았습니다. 하지만 집중했다면 더 좋은 성과가 났을 것이라는 게 솔직한 회고입니다.

생산성의 비밀은 매우 큰 휴지통을 갖는 것. 피부로 직접 체감한 1년입니다.

AI 쳇바퀴 (AI Hamster Wheel)

저는 이것을 “AI 쳇바퀴 (AI Hamster Wheel)”라고 부르기로 했습니다. AI를 무방비로 쓰면 반드시 거치게 되는 3단계, 빨리 달리지만 어디에도 도착하지 못하는 구조입니다.

많이 만든다(Overproduction)
    → 뇌가 과부하된다(Juggling)
        → 판단을 못 한다(Paralysis)
            → AI에게 또 물어본다
                → 다시 많이 만든다

더 빠르게 달리지만, 계속 제자리.

1440년 구텐베르크가 인쇄술을 발명한 뒤, 50년간 유럽에서 2,000만 권의 책이 쏟아졌습니다. 한 세대 만에 수천 권이 수천만 권이 된 겁니다. 1545년, 스위스 학자 콘라드 게스너는 이 범람을 정리하려고 12,000권을 목록화한 뒤 이렇게 썼습니다.

“나는 3년간 갇혀 있던 미로에서 마침내 빠져나왔다.”

그는 인쇄물의 범람이 “혼란스럽고 정신에 해롭다”고 경고한 최초의 사람이었습니다. 500년 뒤, 저는 263개 AI 에이전트의 산출물 속에서 같은 미로에 있었습니다.

AI를 많이 쓸수록 많이 만들고, 많이 만들수록 판단을 못 하고, 판단을 못 할수록 AI에게 더 의존합니다. 쳇바퀴는 의지력으로 멈출 수 없습니다. 바퀴 자체를 바꿔야 합니다.

Less Is More. 셀프 퇴근을 시작합니다.

200달러짜리 Max 플랜을 취소하고 20달러 플랜으로 돌아왔습니다.

나쁜 습관을 끊는 가장 효과적인 방법은 의지력이 아니라 마찰을 추가하는 것입니다. “아까워서라도 써야지”라는 매몰비용 심리를 구조적으로 제거하고, 빠른 세션 제한으로 반강제 셀프 퇴근(?)과 신중하게 질문할 수밖에 없는 환경을 만들어보려 합니다.

훌륭한 AI 에이전트팀을 두고 사람 비서를 뽑았습니다.

AI는 실행을 빠르게 해주지만 직관과 감정이 있는 사람의 판단력을 따라올 수 없습니다. 핵심은 속도가 아니라 올바른 판단력입니다.

AI를 사용하지 않고 펜과 노트로 사고하는 시간을 가집니다.

의도적으로 제 뇌에게 쉴 시간을 줍니다. 고품질의 깊은 사고는 혼자 있을 때만 도달할 수 있습니다. 이 글을 쓰기 시작한 이유이기도 합니다.

✅ AI 헤비유저에게 권하는 AI 다이어트

• 지금 사용하는 AI 구독 플랜을 한 단계 내려보세요. Session limit를 의도적으로 역이용해보세요.

• 동시에 켜놓는 AI 세션에 상한을 정하고, 과감하게 창을 닫으세요.

• AI의 답변을 받고 “이걸 한 문장으로 줄일 수 없을까?” 점검해보세요.

• 하루 1시간은 노트북을 닫고 노트와 펜만 들고 생각해보세요.

인간의 비기는 ‘올바르게 판단하는 힘’

계산기가 보편화된 뒤 인간의 암산 능력은 분명히 떨어졌습니다.

2024년 UCSD가 수학 배치시험에서 계산기를 금지하자,보충 수학 수업에 배정되는 신입생이 0.5%에서 11.8%로 치솟았습니다. 하지만 암산 능력이 떨어졌다고 해서, “계산기를 없애자”고 말하지는 않습니다.

우리는 이미 알고 있습니다. 도구가 실행을 대신하면, 인간의 역할은 “언제, 왜, 무엇을 계산할지”를 결정하는 쪽으로 이동한다는 것을요. 도구가 실행을 대신해줄수록, 인간에게 남는 유일한 가치는 “판단력”입니다.

AI와 함께 창업을 꿈꾸는 창업자라면, 더더욱 본질과 실행에 집중하고 버릴 것을 버리는 눈을 길러야 할 때임을 직감합니다.

AI는 여전히 당신의 뇌를 갉아먹으며 성장합니다. 다만, 얼마만큼을 내어줄지는 당신이 정할 수 있습니다.

“강인함은 무언가를 더 하는 것이 아니라 하지 않는 것이다”

AI 시대에 가장 강한 사람은 더 많이 쓰는 사람이 아니라, 쓰지 않을 것을 아는 사람이 될 것입니다.

여러분은 AI에게 어떤 일을 ‘다시 가져왔나요?’

다음 주제는 AI와 함께 “잘” 일하는 방법 — Critical Thinking 편입니다.

++ P.S. 제 글을 퇴고하며 다시 읽어보니, 모든 문장에서 ‘AI’라는 단어를 빼도 어색하지 않은 글 같기도 합니다. 어쩌면 이건 AI의 문제가 아니라, 아직 충분히 경영 능력을 기르지 못한 주니어 CEO, 제 역량의 문제일지도 모르겠습니다. 😂