솔직히 말하면, 저도 작년까지 AI를 '검색 좀 더 편하게 해주는 도구' 정도로 봤습니다. 전기기능사, 초경량비행장치, 크로스핏, 책쓰기까지 새로운 걸 배우는 데 돈과 시간을 아끼지 않았던 저였는데, AI만큼은 왠지 '내가 직접 배울 영역'이 아니라고 선을 그었던 겁니다. 그 생각이 완전히 깨진 건 AI가 단순 툴이 아니라 지금 이 순간에도 스스로 다음 세대 모델을 설계하고 있다는 걸 직접 확인하고 나서였습니다.
AI는 선생님인가, 도구인가 — 러너의 관점으로 다시 보다
제가 직접 써봤는데, 같은 클로드 구독료를 내고도 결과물이 천지차이였습니다. 처음엔 "중이염 걸렸는데 어떻게 해?"라고 그냥 던졌더니 "가까운 이비인후과를 방문하세요" 수준의 답이 나왔습니다. 그런데 2025년 최신 중이염 관련 논문 PDF를 직접 첨부하고 "이 논문 기준으로 제 증상을 분석해줘"라고 바꾸니까, 답변의 밀도가 완전히 달라졌습니다. 이건 AI가 달라진 게 아니라, 제가 던진 컨텍스트의 수준이 달라진 것이었습니다.
여기서 머신러닝(Machine Learning)이라는 개념을 짚고 갈 필요가 있습니다. 머신러닝이란 AI가 인간의 학습 원리, 즉 자극→반응→보상의 3단계 루프를 반복하며 스스로 고도화되는 방식을 말합니다. 구글의 알파고가 바둑을 배운 방식이 바로 이겁니다. 처음엔 벽돌 깨기 게임에서 수천 번 실패하면서 패턴을 쌓았고, 그 실패 데이터가 축적될수록 모델은 정교해졌습니다. 결국 이세돌을 이긴 건 천재 알고리즘이 아니라, 인간보다 훨씬 빠른 속도로 실패를 반복할 수 있는 환경이었습니다.
이게 지금 우리한테 주는 시사점은 간단합니다. AI를 '검색창' 수준으로 쓰면 AI는 그 수준에 맞춰 대답합니다. RLHF(Reinforcement Learning from Human Feedback), 즉 사람의 피드백으로 모델을 강화하는 훈련 방식 덕분에 AI는 상대방의 눈높이에 맞춰 출력을 조정하도록 설계되어 있기 때문입니다. 유치원생이 물으면 유치원생 수준으로, 물리학자가 물으면 물리학자 수준으로 답하는 구조입니다. 결국 지금 제가 쓰고 있는 AI의 수준이, 지금 저의 수준을 그대로 반영하고 있다는 뜻입니다.
저는 이 사실이 꽤 충격이었습니다. 태권도 사범한테 배울 때도, 책쓰기 코치한테 배울 때도, 선생님의 수준보다 내 질문의 수준이 낮으면 수업 효과가 반 토막 났던 경험이 있었습니다. AI도 마찬가지였습니다. 그래서 지금 저는 AI를 사용하는 게 아니라 AI에게 배우는 러너(Learner)의 자세로 전환했습니다. 러너란 단순히 정보를 소비하는 사람이 아니라, 자신의 컨텍스트와 목표를 가지고 능동적으로 AI와 상호작용하며 지식을 구축해 나가는 사람을 말합니다.
- AI는 질문자의 컨텍스트 수준에 맞춰 답변을 조정한다 — 낮은 질문엔 낮은 답이 온다
- 논문, 전문 자료를 첨부하면 AI의 출력 밀도가 즉시 달라진다
- AI를 '검색 도구'로 쓰는 사람과 '선생님'으로 쓰는 사람의 격차는 시간이 갈수록 벌어진다
- 머신러닝의 본질은 실패 데이터의 축적 — 빠른 실패와 피드백 루프가 핵심이다
캐퍼빌리티 오버행 — 우리가 아직 꺼내지 못한 AI의 잠재력
예상 밖이었습니다. AI 관련 공부를 본격적으로 시작하면서 '캐퍼빌리티 오버행(Capability Overhang)'이라는 개념을 처음 접했을 때, 처음에는 그냥 마케팅 용어인 줄 알았습니다. 그런데 실제로 들여다보니 이건 단순한 수사가 아니었습니다. 캐퍼빌리티 오버행이란 AI 모델이 실제로 가지고 있는 능력 중에서 아직 사용자들이 끌어내지 못한 잉여 능력을 뜻합니다. 쉽게 말해, AI는 이미 우리가 요청하는 것보다 훨씬 더 많은 걸 할 수 있는데, 우리가 어떻게 물어야 하는지를 몰라서 그 능력의 일부분만 쓰고 있다는 겁니다.
출처: Anthropic에 따르면 현재 최상위 모델의 능력은 모델을 만든 연구자들조차 전부 파악하지 못했다고 공식적으로 인정하고 있습니다. 이게 단순한 겸손이 아닙니다. 인간의 뇌는 이론상 약 1,000억 개의 뉴런과 100조(100 trillion)개의 시냅스 연결을 가지고 있지만, 실제로는 그 일부만 사용합니다. 반면 현재 최상위 AI 모델의 파라미터 연결망은 이미 인간 뇌의 이론적 연결 수의 10분의 1 수준에 육박한다는 분석이 나오고 있습니다. 거기다 AI는 감정적 노이즈나 생존 본능에 연산력을 낭비하지 않습니다. 순수 추론에 집중한다는 면에서 실질적 연산 효율은 수치 이상입니다.
이 개념을 알고 나서 제 AI 사용 방식이 달라졌습니다. 예전에는 "이 정도 답이 나왔으면 됐지"라고 멈췄다면, 지금은 결과물을 계속 피드백 루프에 태웁니다. 목표를 명확히 설정하고, 첫 번째 결과물이 마음에 안 들면 "여기서 부족한 부분을 찾아서 더 발전시켜"라고 다시 돌립니다. 이 반복 과정이 바로 머신러닝의 핵심 원리인 강화학습(Reinforcement Learning)과 동일한 구조입니다. 강화학습이란 목표를 설정하고 결과에 대한 피드백을 반복적으로 투입해 점진적으로 최적화된 결과를 도출하는 방법론입니다.
출처: Our World in Data의 AI 능력 추적 데이터를 보면, 2020년부터 2024년 사이 AI의 언어 이해·코딩·추론 능력은 각 분야에서 인간 전문가 수준을 넘어섰습니다. 레이 커즈와일이 2045년으로 예측했던 기술적 특이점(Technological Singularity), 즉 AI가 모든 분야에서 인간을 초월하는 시점이, 지금 속도로 보면 2030년 이전에 도달할 가능성이 높다는 분석도 나오고 있습니다. 기술적 특이점이란 AI의 발전 속도가 너무 빨라져 인간이 그 변화를 예측하거나 통제할 수 없는 임계점을 가리키는 개념입니다.
제 경험상 이건 두려움의 문제가 아닙니다. 변화의 속도는 제가 막을 수 없습니다. 다만 제가 선택할 수 있는 건, 그 속도에 올라탈 것이냐 지켜볼 것이냐입니다. 저는 수도 없이 새로운 배움을 시도해왔는데, 솔직히 이번만큼 절박하게 시작한 적은 없었습니다. 왜냐하면 이전의 배움들은 '더 나은 삶'을 위한 선택이었다면, 지금 AI를 배우는 건 '뒤처지지 않기 위한 필수'에 가깝기 때문입니다.
자주 묻는 질문
Q. AI를 선생님으로 쓴다는 게 구체적으로 어떤 의미인가요?
A. 단순히 질문을 던지고 답을 받는 방식이 아니라, 자신의 현재 지식 수준과 목표를 AI에게 명확히 알려주고 피드백을 주고받는 방식입니다. 예를 들어 관련 논문이나 자료를 첨부하고 "이 내용 중 내가 모르는 개념을 중심으로 설명해줘"처럼 컨텍스트를 구체적으로 제공할수록 출력 수준이 달라집니다. 이 반복 과정이 곧 AI를 과외 선생님으로 활용하는 실제적인 방법입니다.
Q. 지금 AI 공부를 시작해도 늦지 않은 건가요?
A. AI를 적극적으로 활용하는 사람들도 대부분 60일 안팎의 경험을 가지고 있습니다. 지금 시작하면 선두 그룹과의 격차가 크지 않습니다. 오히려 캐퍼빌리티 오버행 개념이 말해주듯, AI의 능력 중 아직 아무도 끌어내지 못한 영역이 훨씬 더 크기 때문에 지금 시작하는 사람도 충분히 새로운 영역을 개척할 여지가 있습니다.
Q. AI 유료 구독이 정말 무료와 차이가 있나요?
A. 제가 직접 비교해본 결과, 처리할 수 있는 컨텍스트 길이와 추론 깊이에서 체감 차이가 분명합니다. 특히 긴 문서를 분석하거나 복잡한 피드백 루프를 돌릴 때 유료 모델의 출력 일관성이 확연히 다릅니다. 월 2만~3만 원 수준의 구독료를 아끼면서 AI를 제대로 활용하지 못하는 것보다, 투자하고 제대로 쓰는 편이 실질적인 생산성 측면에서 훨씬 유리합니다.
Q. AI 시대에 러너(학습자)가 된다는 게 직업적으로 어떤 의미인가요?
A. 기존의 직업 구조, 즉 고정된 역할과 루틴 안에서 효율을 높이는 방식은 AI가 대체하기 시작했습니다. 반면 목표를 설정하고, AI에게 방향을 지시하고, 결과를 판단하는 역할은 여전히 사람이 해야 합니다. 러너가 된다는 건 이 판단력과 목표 설정 능력을 계속 갱신해 나가는 사람이 되는 것으로, 이게 앞으로 가장 희소하고 가치 있는 역량이 될 가능성이 높습니다.
결론
제가 책쓰기, 자격증, 크로스핏까지 안 해본 배움이 없었지만, 결국 그 모든 배움에서 공통적으로 얻은 교훈은 하나였습니다. 시작이 빠를수록, 그리고 실패를 두려워하지 않을수록 성장이 빨랐습니다. AI를 배우는 것도 다르지 않습니다. 지금 당장 완벽하게 활용할 필요는 없습니다. 다만 러너의 자세로 첫 발을 내딛는 것, 그리고 AI에게 제대로 된 컨텍스트를 주면서 피드백 루프를 만드는 것, 이 두 가지가 지금 이 시점에서 제가 가장 중요하게 생각하는 출발점입니다.
CEO든, 자영업자든, 막 사회에 나온 신입이든 AI 앞에서는 지금 모두 1학년입니다. 저도 마찬가지입니다. 그러나 1학년을 빨리 시작한 사람과 나중에 시작한 사람의 격차는, 시간이 지날수록 기하급수적으로 벌어집니다. 오늘 논문 하나 첨부해서 AI에게 물어보는 것, 그게 지금 할 수 있는 가장 구체적인 첫 번째 행동입니다.