개발자로서 10배 빠르게 배우기 위해 Perplexity와 NotebookLM을 “생각 파트너”로 활용하는 방법

Source: Dev.to

솔직히 말하자면, 대부분의 사람들은 지능 문제가 아니라 학습 문제를 가지고 있습니다.

문제

• 우리는 90시간 코스를 구매하고, 300페이지 책을 읽고, 2015년처럼 YouTube 영상을 몰아보며 배우려 합니다.
• 처음엔 생산적인 느낌이 들지만, 며칠 지나면 뇌가 과부하되고 집중력이 떨어져 거의 아무것도 기억에 남지 않습니다.
• 바쁘고 똑똑해 보이지만, 일주일 뒤에는 배운 내용을 설명할 수 없습니다.
• 이것은 학습이 아니라 정보 저장입니다.

“무작위 블로그 글, 끝까지 본 긴 영상, 다시 열지 않는 북마크들.”

나는 정확히 그 상황이었습니다:

• 클라이언트와 작업하면서
• 주제를 조사하면서
• 디지털 제품을 만들기 위해 AI 개념을 배우면서
• 이런 글을 쓰기 위한 AI 워크플로와 시스템을 구축하면서

내가 그저 정보를 소비하고 뇌를 과부하시키고 있다는 것을 깨달았을 때, 내 결과물은 급격히 감소했습니다.

학습은 아이디어를 압축하고, 연결하고, 테스트할 때만 일어납니다.

Source:

솔루션: 간단한 AI 기반 워크플로

Perplexity와 NotebookLM을 사용해 사고 파트너처럼 작동하는 시스템을 만들었습니다. 아래는 제가 학습 속도를 높이고, 더 깊이 파고들며, 실제로 배운 내용을 기억하기 위해 사용하는 정확한 워크플로입니다.

Note: This post was originally published in my newsletter AI Made Simple, where I document what actually works for me with AI, in real workflows.

1️⃣ Perplexity로 올바른 리소스 선별

열 개의 탭을 열고 어떤 소스가 가치 있는지 추측하는 대신, Perplexity에 잡음을 걸러내고 가장 좋은 리소스를 미리 제안하도록 강제합니다.

프롬프트 예시 – “Curation First”

I want to learn [topic] from scratch to an intermediate level.
Give me:
- The 5‑7 best learning resources (blogs, videos, or papers)
- Only practical and example‑driven sources
- A short reason why each resource is worth reading
- Avoid generic beginner content and theory‑heavy material

이 하나의 프롬프트만으로도 몇 시간을 절약하고 정확히 필요한 것을 얻을 수 있습니다.

2️⃣ 모든 소스를 NotebookLM에 덤프

이제는 인터넷에 질문하지 않습니다. 내가 직접 선별한 데이터셋(링크, PDF, 전사본)에게 질문합니다. 이 데이터는 NotebookLM에 저장됩니다.

Typical queries

• “Summarize the core ideas.”
• “What concepts repeat across multiple sources?”
• “What assumptions do these authors agree on?”

이 질문들은 패턴 수준의 답변을 제공해, 모든 소스에서 인사이트를 연결시켜 줍니다. “이것을 읽었다”에서 “이것을 실제로 이해한다”로 이동하게 합니다.

3️⃣ 목표 지향 프롬프트로 정보 압축

무언가를 읽을 때 뇌에 질문이 가득합니다. 다시 읽거나 구글링하는 대신, NotebookLM에 정보를 압축해 달라고 요청합니다.

제가 거의 매일 사용하는 프롬프트

• If I had to explain this concept to a smart 12‑year‑old, what would I say?
• What are the three mistakes beginners make with this topic?
• What would break if I misunderstood this one idea?
• What is the simplest mental model that explains most of this?

핵심 인사이트: 압축하지 못한다면 이해하지 못한 것이다. 이 단계가 기억력을 크게 늘려줍니다.

4️⃣ 학습을 고정시키는 출력물 만들기

학습 세션을 마칠 때는 반드시 무언가를 생산합니다. 예시:

• 짧은 오디오 혹은 비디오 설명
• 마인드맵 또는 프레임워크
• 보고서 또는 시각적 개요
• 트윗 길이의 인사이트 (소셜 미디어용이 아니라 내 이해를 위한 것)

NotebookLM 안에서는 오디오 개요, 비디오 개요, 마인드맵, 퀴즈, 인포그래픽, 슬라이드덱 등을 빠르게 생성할 수 있습니다. 저는 종종 조깅하거나 운동할 때 오디오 개요를 들어 개념을 강화합니다.

5️⃣ 스스로 테스트 – 재생성 연습 (Retrieval)

다양한 형식의 요약을 읽는 것만으로는 깊은 이해에 충분하지 않습니다. 재생성 연습이 필수입니다.

테스트용 프롬프트

• “Create five scenario‑based questions from this topic.”
• “Give me a short quiz that checks conceptual understanding, not definitions.”
• “Ask questions where a wrong answer clearly reveals a misunderstanding.”

이 질문들은 여러분이 내용을 기억하고 적용하도록 강제해, 기억에 확고히 자리잡게 합니다.

(불공정한) AI 워크플로우 플레이북

위의 모든 내용은 **“The (Unfair) AI Workflow Playbook.”**에 패키징되어 있습니다. 이 책에는 제가 매일 사용하여 평소보다 더 빠르게 작업할 수 있게 해주는 정확한 워크플로우 세트가 포함되어 있습니다.

• 몇 가지만 적용해도 → 수백 시간을 절약
• 직접 몇 달을 들여 고민하거나, 지금 바로 전체 플레이북을 가져가세요

TL;DR

1. Curate Perplexity를 사용해 최고의 리소스를 선별합니다.
2. Aggregate NotebookLM에 이를 단일 지식 소스로 통합합니다.
3. Compress 목표 프롬프트를 활용해 정보를 압축합니다.
4. Create 학습을 강화할 출력물(오디오, 비디오, 마인드‑맵 등)을 만듭니다.
5. Test 회수 중심 질문으로 스스로 테스트합니다.

이 워크플로를 따르면 정보 과부하에서 벗어나 진정하고 지속적인 이해에 이를 수 있습니다. 즐거운 학습 되세요!

Source: …

학습을 피드백 루프로 전환하기

답을 찾는 데 어려움을 겪을 때, 정확히 무엇을 다시 살펴봐야 하는지 알고 있습니다.
이렇게 학습이 일방적인 정보 주입이 아니라 피드백 루프로 변합니다.

이제 시스템에 대해 이야기하는 것을 멈추고 실제로 사용해 봅시다.

30분 스프린트

“배우고 싶다”는 주제가 있다면 토요일에 4시간을 잡지 마세요—절대 해내지 못합니다. 대신 30분 스프린트를 실행하세요. 이것이 제가 새로운 AI 주제를 다루거나 새로운 것을 배울 때 하는 방법입니다.

그게 전부입니다—감사합니다!

📚 보너스 자료

**“The (Unfair) AI Workflow Playbook.”**을 꼭 확인하세요.
여기에는 제가 매일 사용해 업무를 평소보다 빠르게 진행하게 하는 정확한 AI 워크플로우 세트가 들어 있습니다.