Judvika's Blog

이 글의 대표 이미지는 AI로 만들었습니다. AI를 만지작거리면서 참 많은 방법을 써봤다. 프롬프트 엔지니어링부터 시작했다. 그다음엔 페르소나를 줘봤다. AI한테 역할을 하나 씌우는 거다. "너는 이제부터 이런 전문가야"라고 말해주는 식이다. 그다음엔 단계별로 하나씩 알려주는 방식도 써봤다. 한 번에 다 시키지 않고, 1단계, 2단계, 이런 식으로 잘게 쪼개서 지시했다. 마지막엔 하네스라는 걸 만들어서 구조 자체를 잡아보기도 했다. 그냥 대화를 주고받는 게 아니라, 아예 규칙과 틀을 미리 짜놓고 그 안에서 움직이게 하는 방식이다. 다 나름의 장점이 있었다. 그런데 확실한 게 하나 있었다. 어떤 방법이든 흥망성쇠가 있었다는 거다. 날개였던 게 족쇄가 될 때 페르소나를 주면 말투가 정돈됐다. 단계별로 시키면 실수가 줄었다. 하네스를 짜면 결과물이 일관됐다. 한동안 잘 먹히다가도, 어느 순간부터는 오히려 발목을 잡았다. 모델이 좋아질 때마다 이 문제가 반복됐다. 기존에 만들어둔 하네스를 다시 손봐야 했다. 스킬도 새로 맞춰야 했다. 손을 대지 않으면 며칠 안 가서 이상하게 어긋났다. 예전엔 AI가 이상한 대답을 하거나 헛발질을 할 때, 하네스가 그걸 막아주는 안전장치였다. 규칙이 있으니 엉뚱한 길로 새지 않았다. 그런데 지금은 반대다. 모델 자체가 똑똑해지니까, 하네스가 오히려 성능을 갉아먹는다. 조금만 복잡한 요청이 들어와도 정해둔 틀에 안 맞는다며 "못한다"고 뻗어버린다. 원래는 날개였던 게 지금은 족쇄가 돼버린 거다. 그래서 요즘은 이런 하네스를 하나씩 다 풀고 있는 중이다. 그런데도 아직 놓지 못한 것 그런데도 아직 놓지 못한 게 있다. 바로 시나리오 기반 프롬프트, 그리고 유스 케이스다. AI랑 대화를 하다 보면 뭔가 이상하다. AI가 쓰는 말이 내가 평소에 쓰는 말이 아니다. 어딘가 부자연스럽다. 똑똑해 보이긴 하는데 문맥에는 안 맞는다. 단어 하나하나는 맞는데, 대화 전체로 보면 ...

이 글의 대표 이미지는 AI로 만들었습니다. 동료의 PC 화면에는 자동화 스크립트 창이 떠 있었다. 몇 줄만 더 손보면 끝나는 일이었다. 그런데 동료가 갑자기 손을 저으며 말했다. “저는요, 너무 많은 걸 자동화하거나 AI로 하는 거 별로예요.” 의외였다. 평소에 별말 없이 잘 받아들이던 사람이었다. 왜 그런지 물었다. 동료는 잠깐 머뭇거리다가 말했다. “나중에 자리를 뺏길 수도 있잖아요.” 그 말을 듣고 손이 멈췄다. 화면 속 스크립트가 갑자기 다르게 보였다. 편리한 도구가 아니라, 누군가의 자리를 위협하는 물건처럼. 내가 도움을 준다고 생각한 손이, 누군가에게는 위협으로 느껴질 수 있다는 걸 처음으로 실감했다. 도와주는 손이 위협이 될 때 나는 AI를 오래 봐왔다. 초기부터 관심을 갖고 이것저것 써보고, 실패하고, 다시 시도하면서 어떻게 써야 효율적인지를 계속 찾아왔다. 그래서 동료들 일을 도와줄 때가 많다. 그런데 오늘은 그 도움이 다르게 읽혔다. 동료도 어렴풋이 느낀 거였다. AI가 이제 인간보다 잘하는 게 많아졌고, 자기 일도 언젠가 넘어갈 수 있다는 걸. 그 불안이 이해가 됐다. 동시에 마음 한쪽이 씁쓸했다. 내가 도와준다고 생각한 행동이, 누군가에게는 자기 자리가 좁아지는 신호였을 수도 있다는 생각 때문이었다. 러다이트가 떠오른 이유 문득 러다이트 운동이 떠올랐다. 산업혁명기의 러다이트 운동은 새 기계를 싫어하는 사람들의 소동으로만 설명하기 어렵다. 영국 국립문서보관소의 1811년 기록 은 섬유업 숙련 노동자들이 자신들을 대체하고 임금을 낮추려는 기계 사용에 반발해 청원과 시위, 기계 파괴에 나섰다고 설명한다. 기계화가 멈추지 않았다는 사실만으로 당시 노동자들이 더 나은 일자리를 얻었다고 말할 수는 없다. 그 역사가 지금의 AI도 같은 결말을 맞으리라는 보증이 되는 것도 아니다. 그래도 나는 AI가 일의 경계를 다시 그리는 흐름을 만들 수 있다고 생각한다. 이건 확정된 미래가 아니라 지금의 기대다. ...

이 글의 대표 이미지는 AI로 만들었습니다. 나는 폰을 잘 꾸미지 못한다. 아이콘 배치도, 색 조합도, 위젯 자리도 늘 어색하다. 남들 폰을 보면 다들 자기만의 스타일이 있는데, 나는 늘 기본 화면 그대로다. 아마 디자인 감각이 좀 부족한 탓일 거다. 그래서 AI에게 물어보기로 했다. 거창한 질문은 아니었다. 그냥 지금 내가 처한 상황을 그대로 말했다. "나는 폰을 잘 못 꾸민다. 방법을 찾고 싶다." 그게 전부였다. 취향을 감으로 묻는 게 아니라, 내 폰에 깔린 앱을 데이터로 보고 UI를 가이드하겠다는 답이 돌아왔다. 색을 추천하지도, 요즘 유행하는 테마를 알려주지도 않았다. 대신 내 폰에 어떤 앱들이 깔려 있는지 조사할 수 있는 앱을 만들어줬다. 나는 이게 재미있었다. 내가 생각지도 못한 방향이었다. 처음은 밋밋했다 첫 결과물은 솔직히 심심했다. 앱들을 몇 개 카테고리로 묶어서 제안하는 수준이었다. 나쁘진 않았지만, 딱 거기까지였다. 나는 위젯도 넣고 싶었고, 삼성 굿락 기능도 쓰고 싶었고, 위젯 택도 활용하고 싶었다. 이런 구체적인 바람들이 첫 결과물에는 전혀 반영되지 않았다. 그래서 요구사항을 정리해서 다시 다듬어달라고 요청했다. 막연하게 "더 잘해줘"라고 하지 않고, 내가 원하는 걸 하나씩 짚어서 말했다. 두 번째는 만족스러웠다, 그런데 두 번째 결과물은 아주 만족스러웠다. 위젯 배치도, 굿락 활용법도, 위젯 택 관련 내용도 빠짐없이 담겨 있었다. 문제는 다른 데서 터졌다. 설명이 전부 텍스트였다. 내 폰에는 앱이 250개쯤 깔려 있다. 이걸 줄줄이 글로 나열하니, 읽는 것 자체가 피곤한 일이 됐다. 분석은 좋았는데, 전달 방식이 발목을 잡은 셈이다. 스크린샷 한 장으로 해결됐다 그래서 방법을 바꿨다. 내 바탕화면을 그대로 캡처해서 보냈다. 말로 설명하는 대신, 지금 내가 보고 있는 화면 자체를 기준점으로 준 거였다. 결과는 대만족이었다. 글로 250개를 읽는 것과, 실제 내 ...

이 글의 대표 이미지는 AI로 만들었습니다. 요즘 나는 새로운 AI 모델이 나온다는 소식만 들으면 괜히 마음이 들뜬다. 출시 소식을 기다리고, 나오면 바로 써보고, 예전 모델과 비교해본다. 문득 이런 내 모습이 낯설지 않다는 걸 깨달았다. 아이폰 3GS 시절, 다음 세대 아이폰에 어떤 기능이 들어갈지 궁금해하며 발표를 기다리던 그 모습과 똑같았다. 안 되던 것이 되는 순간마다 소름이 돋았다. 그런데 어느 순간부터, 그 설렘은 점점 줄어들었다. 눈에 보이던 성장의 시절 그때는 하드웨어가 눈에 띄게 좋아지던 시기였다. 카메라 화소가 오르고, 속도가 빨라지고, 화면이 선명해졌다. 세대마다 차이가 확실히 느껴졌다. AI도 비슷했다. 챗GPT가 처음 나왔을 땐 텍스트만 주고받을 수 있었다. 그런데 언제부턴가 이미지를 읽기 시작했고, 곧 이미지를 만들었고, 이제는 영상까지 만든다. 안 되던 것이 되는 순간마다 나는 소름이 돋았다. 충분함의 경계선 그런데 스마트폰은 어느 순간부터 신제품이 나와도 예전만큼 설레지 않게 됐다. "전작보다 성능이 40% 향상됐다"는 광고를 봐도 무덤덤하다. 이미 있는 기능을 더 잘하는 것뿐, 없던 게 새로 생기는 건 아니기 때문이다. 이미 일상적인 사용에 성능이 차고 넘치니, 발전은 계속되어도 체감은 점점 줄어든다. AI도 지금 이 경계선에 서 있는 것 같다. 최근 나온 Fable 5.1 이나 GPT-6 Astra 는 분명 뛰어난 모델이다. 한동안 신나게 써봤다. 그런데 며칠 지나니 현타가 왔다. 내가 하던 작업 대부분은 이전 모델, 심지어 그 이전 모델로도 충분했다. 벤치마크 점수는 계속 올라가는데, 정작 내 작업에서는 차이가 느껴지지 않았다. 상위 모델을 쓰면서 사용량이 더 빨리 줄어드는 부담도 느꼈다. OpenAI는 ChatGPT Work·Codex에서 GPT-6 Astra가 GPT-5.6 Sol보다 포함된 할당량을 더 빨리 쓸 수 있고, 실제 사용량은 작업과 설정에 따라 달라진다고 안내한다. ...

이 글의 대표 이미지는 AI로 만들었습니다. AI가 사무실 일을 대신하고, 로봇이 몸을 쓰는 일까지 대신하는 세상이 온다면 어떻게 될까. 지금 우리가 당연하게 생각하는 돈, 신용, 월급 같은 것들은 사실 "일해야 먹고 산다"는 전제 위에 만들어졌다. 그런데 일할 필요가 없어지면 그 전제 자체가 무너진다. 그러면 실업이 늘어나는 정도가 아니라, 사회를 움직이던 규칙을 통째로 다시 짜야 하는 상황이 올 수도 있다. 지금까지는 "누가 더 열심히, 더 오래 일하는가"가 사람의 가치를 매기는 기준 중 하나였는데, 그 기준 자체가 사라지는 셈이다. 그럼 그런 세상에서 사람은 무엇을 하며 살까. 의미 있는 일 첫째, 돈이 안 되더라도 의미 있는 일을 계속할 것이다. 사람은 먹고살 걱정이 없어져도 "내가 뭔가 쓸모 있는 일을 했다"는 느낌 없이는 오래 못 버틴다. 그림을 그리거나, 연구를 하거나, 누군가를 돌보는 일처럼 효율만으로는 값을 매길 수 없는 일들이 오히려 더 중요해질 수 있다. 로봇이 뭐든 다 만들어주는 세상에서는 거꾸로 "사람 손으로 직접 만든 것"이 더 귀해질지도 모른다. 즐거움과 자극 둘째, 즐거움과 자극을 좇는 방향으로 갈 수도 있다. 옛날 귀족들이나 지금의 부자들이 그랬듯, 일할 필요가 없어진 사람은 노는 것 자체를 목적으로 삼을 수 있다. 그런데 이건 힘들게 우주로 나가는 것보다, 뇌를 자극하거나 가상 경험을 즐기는 쪽으로 흐를 가능성이 더 크다. 몸을 던져 미지의 세계에 부딪히기보다, 편하게 앉아서 자극을 즐기는 게 훨씬 쉽기 때문이다. 가상 세계 셋째, 가상 세계로 옮겨갈 수도 있다. 현실은 자원도 한정되어 있고 물리 법칙에도 갇혀 있지만, 가상 세계는 얼마든지 넓힐 수 있다. 정복하고 싶은 마음, 새로운 걸 개척하고 싶은 마음도 이 안에서는 더 자유롭게, 어쩌면 더 과감하게 풀어낼 수 있다. 진짜 우주로 나가려면 돈과 기술이 있는 소수만 가능하지...

이 글의 대표 이미지는 AI로 만들었습니다. 테슬라가 2024년 10월 사이버캡을 공개했다 는 소식을 들었을 때, 나는 그 소식보다 먼저 오늘 아침의 올림픽대로를 떠올렸다. 핸들도 페달도 없는 차라니 — 아직은 먼 나라 이야기 같지만, 사실 나는 이미 그 비슷한 걸 매일 경험하고 있다. 완전한 자율주행은 아니지만, 반자율주행이라는 이름의 작은 자유. 남양주에서 직장까지, 편도 한 시간 반. 처음엔 그저 견뎌야 할 시간이었다. 하지만 언젠가부터 이 길은 다르게 느껴지기 시작했다. 올림픽대로에 들어서서 반자율주행을 켜면, 앞차와의 간격도 차로도 알아서 유지된다. 이제는 없으면 허전할 정도로 필수적인 기능이 되었다. 장거리를 갈 때도 이 기능을 켜두면 운전 피로도가 확연히 줄어든다는 걸, 나는 몸으로 체험하고 있다. "지금은 운전대에 손을 얹고 전방을 주시해야 하지만, 이것마저 필요 없어지면 어떻게 될까." 막연한 상상이었다. 그런데 그 상상이 현실이 되는 데는 며칠도 걸리지 않았다. 테슬라가 운전대도 페달도 없는 택시, 사이버캡을 세상에 내놓은 것이다. 버려지던 한 시간 반이 내 시간이 된다면 가장 먼저 든 생각은 의외로 소박했다. “이제 출근길에 부족한 잠을 보충하거나, 영상을 보거나, 책을 읽어도 되는 건가.” 매일 아침저녁으로 반납해야 했던 그 한 시간 반이, 더 이상 '버려지는 시간'이 아니라 '내 시간'이 될 수도 있다는 생각. 그 생각은 자연스럽게 다음 단계로 이어졌다. "그렇다면 이제 장거리 출퇴근도 할 만하지 않을까." 부모님의 이동권, 아이들의 등하굣길 그러다 문득 시골에 계신 부모님이 떠올랐다. 요즘 농촌은 고령화가 심각하다. 그런데 여기엔 묘한 딜레마가 있다. 나이가 들면 운전을 그만둬야 한다는 사회적 시선은 점점 강해지는데, 정작 농촌에서는 차가 없으면 이동의 자유 자체가 사라진다. 대중교통이 도시처럼 촘촘하지 않으니까. 만약 마을 단위로 돈을 ...

이 글의 대표 이미지는 AI로 만들었습니다. 솔직히 인정하면, AI를 쓰는 가장 큰 이유는 "일을 시킨다"는 데서 오는 우월감이었던 것 같다. 예전엔 도구를 잘 다루느냐가 곧 내 능력의 한계였다. 소프트웨어를 배우고, 단축키를 외우고, 도구의 방식에 나를 맞춰야 결과가 나왔다. 그런데 AI는 그 순서를 뒤집었다. 이제는 도구가 내 말을 알아듣고 맞춰준다. 처음엔 "이것도 되네?" 하는 호기심으로 시작했지만, 실제로 결과물이 나오자 그 감각은 점점 커졌고, 자연스럽게 "이걸 내가 직접 통제하고 싶다"는 욕망으로 바뀌었다. 자동화를 만들어놓고도, 결국 그 과정을 다시 눈으로 확인해야 직성이 풀렸다. 자동화를 만들고, 자동화를 못 믿다 그래서 만든 게 하네스였다. a에서 z까지 가는 워크플로우를 짜고 AI에게 체계적으로 일을 시키는 구조. 나 없이도 알아서 돌아가는 자동화가 목표였고, 실제로 잘 작동하는 것도 눈으로 확인했다. 그런데 신기하게도 그 순간부터 다른 생각이 들었다. “이거 진짜 제대로 하고 있는 거 맞아?” 결국 자동화를 만들어놓고도 중간 과정을 b부터 y까지 전부 다시 눈으로 확인해야 직성이 풀렸다. 자동화의 이점은 속도인데, 스스로 그 속도를 깎아먹고 있었던 셈이다. 이 과정이 토큰 사용량으로 고스란히 드러나다 보니, 이제는 얼마나 썼는지까지 신경 쓰게 됐다. 일종의 자기만족이었다. 그래서 검증을 자동화했다 이 모순을 풀기 위해 검증 자체를 자동화했다. a→z 파이프라인에 a→a'라는 검증 플로우를 별도로 넣었다. 먼저 결과가 미리 정해둔 형식(숫자, 표, 구조)을 만족하는지 결정론적으로 체크하고, 통과하면 다른 AI에게 내용이 사실인지 다시 확인시킨다. "숫자는 거짓말하지 않는다"는 생각으로 검색과 원본자료 대조를 기본 원칙으로 삼았다. 이때 하나가 아니라 2~3개의 AI를 동원해 다수결로 판단한다. 물론 여러 AI가 같은 검색 결과를...

이 글의 대표 이미지는 AI로 만들었습니다. 옆자리 동료가 ChatGPT에게 엑셀 분석을 시키고 보고서 초안을 뽑았다. 그리고 한 말은 딱 이거였다. “잘 하네요.” 감탄도 걱정도 없이 그 한마디로 끝났다. 그 이상의 질문도, 그 이하의 실망도 없었다. 마치 복사기가 제대로 복사했을 때 하는 말과 비슷한 온도였다. 같은 시각 SNS 타임라인은 전혀 다른 세상이었다. 새 모델이 나왔다고, 몇 년째 못 풀던 버그를 찾았다고, 인간도 못 낸 증명을 해냈다고, 이제 진짜 AGI라고, 사무직은 곧 끝난다고 다들 목소리를 높이고 있었다. 노트북을 덮고 사무실을 둘러봤다. 종말을 앞둔 사람처럼 보이는 사람은 아무도 없었다. 다들 그냥 PPT를 만들고, 메신저로 점심 메뉴를 정하고 있었다. 호들갑과 평온함, 이 둘 사이의 간극은 어디서 오는 걸까. 능력이 아니라 필요의 문제 이 간극을 처음엔 격차로 읽었다. 개발자인 나는 신모델이 나오면 일단 코드에 물려보고 뭐가 달라졌는지 확인하는데, 저 동료는 왜 그렇게 안 할까 하고. 그런데 다시 보니 그 동료가 시킨 작업 자체가 원인이었다. 엑셀 분석, 보고서 초안, 이메일 문구 다듬기 — 이 정도는 몇 세대 전 모델로도 이미 충분했다. 그러니 신모델이 나온다고 그 사람의 하루가 달라질 이유가 애초에 없었다. 병목은 모델 성능이 아니라 다른 곳에 있다. 능력이 없어서 못 쓰는 게 아니라, 지금 하는 일에 그 이상이 필요 없는 거다. 식욕 있는 소수는 바이브 코딩으로 뭔가를 직접 만들어보기도 하지만, 그런 사람은 아마 열에 하나도 안 될 거다. 이건 통계가 아니라 내 SNS와 사무실에서 받은 인상이다. 대부분은 그럴 필요를 느끼지 못한 채로도 하루가 문제없이 굴러간다. 내 타임라인에서 AI 목소리가 크게 들리는 것도 표본이 편향된 탓일 수 있다. 내가 보는 피드에는 얼리어답터나 개발자, AI 콘텐츠에 관심 있는 사람들이 많다. 이 피드만으로 일반적인 사용 패턴을 대표할 수는 없다. 확성기를 든 소수의 목...

이 글의 대표 이미지는 AI로 만들었습니다. 요즘 SNS나 트위터를 보면 AI 성능 평가 글이 쏟아진다. 특히 GPT-6 Astra를 써보며 성능이 좋아진 만큼 사용량도 더 빨리 줄어드는 느낌이 들었다. OpenAI는 공식 발표 에서 컴퓨터 사용, 브라우징, 소프트웨어 엔지니어링 등을 Astra의 주요 능력으로 소개했다. 내 피드에서도 성능과 사용량 이야기가 이어지지만, 그 목소리가 전체 사용자를 대표한다고 단정할 수는 없다. 그런데 정작 내 주변을 둘러보면 이 정도로 AI를 진지하게 쓰는 사람은 많지 않다. 업무에서 자동화가 기술적으로 가능한 영역조차, 사람들은 "굳이"라는 태도를 취한다. AI가 다 되는 것처럼 보이는 세상과, 내 주변에서 느껴지는 조용함 사이의 간극은 어디서 오는 걸까. 도입했다와 일하는 방식이 바뀌었다 McKinsey의 2025년 설문 에서 응답자의 88%는 조직이 한 개 이상의 업무 기능에서 AI를 정기적으로 쓴다고 답했지만, 약 3분의 1만 기업 차원에서 AI 프로그램을 확장 중이라고 답했다. 에이전트는 23%가 조직 내 한 곳 이상에서 확장 중이라고 답했고, 어떤 단일 업무 기능에서도 확장 응답은 10%를 넘지 않았다. 자기보고 설문이 모든 기업의 전수 통계는 아니지만, '도입했다'와 '일하는 방식이 바뀌었다'를 구분하는 데는 도움이 된다. 내 타임라인에서 유독 목소리가 크게 들리는 것도 표본이 편향된 탓일 수 있다. 내가 보는 피드에는 얼리어답터나 개발자, AI 콘텐츠에 관심 있는 사람이 많다. 이 피드만으로 일반적인 사용 패턴을 대표할 수는 없다. 그리고 "자동화는 되는데 굳이"라는 태도는 기술의 한계뿐 아니라 책임 소재의 문제에서 나올 수 있다고 나는 본다. 일이 잘못됐을 때 누가 책임지느냐가 불분명하면 자동화를 선뜻 받아들이기 어렵다. 사람이 개입하지 않고 처리하는 도구일수록 이 문제는 더 첨예해질 수 있다. 버블일까, 너무 앞선 돈일까...

이 글의 대표 이미지는 AI로 만들었습니다. 몇 년 전 소믈리에 자격증을 딸 때, 교수님이 해주신 말씀이 아직도 기억에 남는다. "소믈리에의 가장 큰 덕목은 맛을 잘 느끼는 감각이 아닙니다. 느낀 맛을 다른 사람에게 정확히 말할 수 있는 능력, 그게 진짜 실력이에요." 당시엔 그냥 좋은 말이라고 생각하고 넘어갔는데, 지나고 보니 이 말을 해준 교수님의 전공이 기호학이었다는 게 우연이 아니었다. 혀로 느낀 맛은 지극히 개인적인 감각이다. 그 감각 자체는 아무리 예민해도 남에게 전달되지 않는다. 전달되는 건 그 감각을 언어라는 기호로 바꿔낸 결과물뿐이다. 그러니까 소믈리에의 실력은 "느끼는 능력"이 아니라 "번역하는 능력"이었던 셈이다. AI 앞에서 우리 모두가 소믈리에가 됐다 요즘 AI를 쓰면서 이 말이 계속 떠오른다. AI 시대에 정말 중요한 능력은 두 가지라고 생각한다. 하나는 내가 원하는 걸 AI에게 정확하게 전달하는 표현력 이고, 다른 하나는 AI가 한 말을 정확하게 받아들이는 이해력 이다. 이 둘은 얼핏 비슷해 보이지만 난이도가 다르다. 이해력 문제는 사실 어떻게든 우회할 방법이 있다. AI에게 "더 쉽게 설명해줘", "예를 들어서 말해줘"라고 요청하면 난이도를 낮출 수 있다. AI는 같은 내용을 몇 번이고 다르게 풀어서 설명해줄 수 있으니까. 하지만 표현력은 다르다. 내 머릿속에 있는 의도, 이미지, 뉘앙스를 AI가 오해 없이 재구성할 수 있는 언어로 바꿔내는 일은 상대방이 대신해줄 수 없는 영역이다. 마치 와인을 마시고 "이 맛을 뭐라고 표현해야 할지 모르겠다"고 느끼는 순간처럼, 우리는 매번 머릿속의 감각을 언어라는 기호로 압축해야 하는 숙제를 떠안는다. 정확한 단어가 떠오르지 않을 때, "이런 느낌인데 정확히 뭐라고 해야 할지 모르겠어"라고 던지고 AI가 되물어오게 만드는 방식도 가능하다. 이건 ...