스텝 체인지라서 하이프다
Source: Dev.to
“수십 년 동안 아무 일도 일어나지 않을 때가 있고, 수십 년이 일주일 안에 일어날 때도 있다.” — 블라디미르 레닌
AI – 와!
나는 거의 30년간의 기술 업무 중 정확히 두 번, 내 작업 프로세스에 큰 변화를 경험한 적이 있다. 점진적으로 좋은 변화를 많이 겪었지만, 변화 전의 삶과 변화 후의 삶을 비교하며 감탄할 만큼 충분히 큰 규모의 변화는 오직 두 번뿐이었다.
1. 1999 – The First Google Search
1999년은 내가 IT 분야에 처음 발을 디딘 해였다. 또한 The Matrix의 첫 번째 파트가 공개되고, Melissa 바이러스가 매크로‑워드‑템플릿 페이로드로 IT 부서를 강타했으며, 연중 절반은 컴퓨터 시계를 조정하고 Y2K‑준비 테스트를 진행하던 시기였다. 가장 중요한 것은 Google search를 발견한 해라는 점이다.
젊은 사람들은 구글이 나오기 전 인터넷 생활이 꽤 힘들었다는 것을 이해하지 못할 수도 있다. 검색 엔진 옵션은 많았지만 전형적인 경험은 다음과 같았다:
- 중복된 결과를 헤매고,
- 죽은 링크를 만나고,
- “다음 페이지, 다음 페이지, 다음 페이지”…
…마침내 쓸만한 정보를 찾을 때까지.
새로운 구글 검색 엔진을 사용하면 **Find What You Want™**만 하면 되었다. 15분 걸리던 검색 작업이 15초로 줄어들었다. 마치 한 단계 도약을 한 느낌이었다.
그 사이에도 기술은 계속 발전했다: 더 빠른 하드웨어, 향상된 IDE, 호스팅 인프라, 더 나은 버전 관리, 개선된 패키지 매니저, 새로운 프로그래밍 언어 등. 가치 있는 개선이 많았지만 모두가 급격한 변화라기보다 점진적인 차이처럼 보였다. (맞다, iPhone‑과 같은 모바일 물결은 문화적으로는 거대했지만, 내 특정 업무에 있어서는 큰 변화를 일으키지는 못했다.)
2. Early 2023 – Generative AI (ChatGPT)
전 세계가 팬데믹으로 인한 혼란에서 회복해 가던 시기에, 새로운 채팅 서비스가 기술계에 큰 파장을 일으키고 있었습니다. ChatGPT를 처음 시험해 본 저는 힘든 과제를 주었습니다: 정보‑프라이버시 정책 문서를 작성하게 하는 것이었죠. 저는 정책 문서를 자주 다루지는 않기 때문에, “기회”가 찾아왔을 때 크게 연습도 안 되어 있었고, 별로 흥미도 없었습니다.
몇 문장짜리 프롬프트를 입력하고, 몇 초 만에 눈앞에 수시간 분량의 작업이 펼쳐지는 것을 보았습니다. 정말 마법 같은 느낌이었습니다. AI – 와우! 드디어 왔군요! 그리고 그와 함께 두 번째 큰 변화가 찾아왔습니다: 이제는 **원하는 것을 만들 수 있다™**는 것이죠.
수년간 머신러닝 애플리케이션의 점진적인 개선을 경험했지만, 이 생성형 AI는 엄청난 도약이었습니다—문서, 코드, 테스트, 다이어그램, 노래, 영상까지… 모든 것을 생성할 수 있었습니다. 와우!
제 아이들이나 동료들에게 물어보면, 아마도 제가 AI에 “깊이 빠졌다”고 말할 겁니다. 독백도 실감 나게 들리죠. 만약 AI가 90년대 힙합 그룹이라면, 저는 목에 큰 시계와 Flava Flav 같은 이름을 달고 있을 겁니다.
Yo Chuck, imma generate yo some AI.
우리 조상들도 비슷한 느낌을 받았을까요? 평생 손으로 베껴 쓰던 사람에게 처음 인쇄기가 주어졌다고 상상해 보세요—하루에 30장이 아니라 3,000장을 만들 수 있다면 얼마나 큰 변화일까요. 또, 말 대신 정부에서 발급한 새 자동차로 바꾼 우편 배달부를 생각해 보세요—빠르고 스타일리시하게 우편을 배달한다면 얼마나 멋질까요?
일부 직업(예: 대장장이)은 사라졌지만, 많은 직업은 단순히 적응했습니다. 필경사 겸 인쇄공은 훨씬 더 많은 작업을 맡을 수 있었고, 우편 배달부는 새로운 경로를 추가할 수 있었습니다. 생성형 AI는 저에게 지식 노동자의 업무를 힘을 배가시키는 도구처럼 느껴집니다. 저는 “놀라운 레버리지” 카테고리에 더 가깝고, “곧 사라질 위기” 카테고리보다는 그렇습니다.
역사를 돌아보면, 인간은 기술이 우리를 대신하게 되면 손가락만 움직이며 앉아 있기보다는 더 높은 수준의, 더 흥미로운 작업으로 이동하는 경향이 있습니다.
왜 생성형 AI가 힘을 배가시키는가
대량의 결과물을 빠르게 생산하는 것이 바로 와우 요인이다. 결과물은 처음부터 보통에서 탁월함까지 다양했다. 내가 창작 과정에 개입하는 정도는 최소에서 “아, 어차피 많이 시간을 들였을 텐데.” 정도까지이다.
새로운 방식으로 생성형 AI를 처음 사용하면 마치 기술 갱스터가 된 듯한 기분이 든다. 지금까지 나에게 이미 힘을 배가시켜 준 몇 가지 영역은 다음과 같다:
| 영역 | AI가 돕는 방법 |
|---|---|
| 문서 요약 | LLM이 여기서 빛을 발한다. Democrify 앱에 “뉴질랜드 의회 전에 법안을 요약해줘”라는 간단한 프롬프트만 넣어도, 지식‑획득‑시간 비율을 최대로 끌어올린 1페이지 요약을 만들었다. |
| 앱 제작 | AI 코딩 에이전트 덕분에 Democrify와 DefProd 같은 프로젝트를 시작하거나 부활시킬 수 있었다. 이 없이는 지속할 수 없었을 것이다. 코드 작성자에서 오케스트레이터로의 전환이 실감난다. |
| 코드 테스트 | 내 오픈‑소스 라이브러리 node‑net‑snmp는 테스트가 부족했지만, AI가 큰 힘을 실어 주었다. 이제 충분히 테스트가 된다. |
| 문서 생성 | 문서와 개발자는 다이어트와 디저트처럼 함께 가야 한다. 이제 나는 레포에 AI가 만든 마크다운과 디자인을 채운다. AI 에이전트로 구현하고, 채팅을 끝낼 때 새로운 기능을 영구 기록용 문서로 요약해 달라고 지시한다. |
| 아키텍처 토론 / 논쟁 | 나는 틈새 주제로 동료들을 지치게 하는 편인데, LLM은 그런 토끼굴에 바로 뛰어들어 계속 파고든다. 활력이 넘친다! |
| 작성 도구 | 나는 오래전부터 작은 Bash 스크립트나 Node.js 유틸리티를 작성해 왔다. AI는 이를 손쉽게 처리한다. MCP Client REPL과 llmshot에 관한 내 글을 참고하라. |
| 보컬 제작 | 오디오 모델이 내가 직접 만들 수 없었던 보컬 구절을 만들어냈다— 특히 아프리카‑아메리카 스타일에서는 더욱 그렇다. |
결론
생성형 AI는 단순히 또 다른 점진적 업그레이드가 아니다; 지식 노동자가 생각하는 속도로 창조할 수 있게 해 주는 급격한 변화이다. 이 기술은 우리의 능력을 증폭시키고, 범위를 넓히며, 인쇄술이 수세기 전 했던 것처럼 더 높은 수준의 문제에 집중하도록 해 준다.
AI – 와우!
설교자 “샘플링”이나 저강도 울음소리 (Phoenix Rise), 혹은 합창 효과 (The Day The Thunder Roared) – 이 모든 것이 나보다 더 좋다. 그게 사실이다.
Video Production
위 노래들을 위해 뮤직 비디오 제작을 시작했습니다. 솔직히 말하자면 — 약 6 개월 전에 그걸 시도했었고, 그게 제일 큰 AI 실패였습니다. 형편없었다는 뜻은 아니고, 캐릭터 연속성, 카메라 지시 등을 프롬프트로 맞추려다 4‑5 개의 다른 도구를 사용하면서 많은 시간을 보냈고, 제한적인 진전만 있었습니다. 아주 멋진 단독 샷은 몇 개 얻었지만, 충분히 일관된 것을 이어 붙일 수는 없었습니다. 누가 알겠어요, 6 개월이 지나면 상황이 모두 바뀌었을지도 모릅니다!
블로그 게시물
Ha! 아니요 – 저는 흔히 LLM‑이 만든 기사 스타일을 별로 좋아하지 않아서, AI로 전체 블로그 포스트를 만드는 것이 매력적이긴 하지만, 실제로는
- (a) 제가 말하고 싶은 내용이 아니거나,
- (b) 제가 말하고 싶은 방식이 아닙니다.
우리는 미래의 LLM과 인간 모두를 위해 잘 쓸 수 있는 좋은 콘텐츠 저자가 필요합니다! (추후 포스트에서 다시 이야기하겠습니다.)
교정, 인용 아이디어, 이미지 생성 – 저는 블로그 관련 작업에 AI 문을 열어두고 있습니다! 그리고 저는 em‑대시를 사랑합니다…
체크리스트 / 계획
가족을 위한 장기간 주말 음악 축제에 식사를 책임지게 되면서, 나는 Google Sheets에 MCP 서버를 연결했고 AI 에이전트가 전체 식단 계획과 장보기 목록을 만들어 주었다. 솔직히 말해서, 아내가 정리를 해 주지 않았다면, 우리는 주말 내내 강제로 금식하는 상황을 피할 수 없었을 텐데—음식은 내 전문 분야가 아니지만, 우리는 17세기 왕들처럼 식사를 했다!
그리고 아직도 “strawberry”에 2 r이 있다 (GPT‑5.2—어제뿐!)
LLM이 놀라운 일을 해낼 수 있는 능력에 여전히 감탄하지만, 때때로 기본을 망치는 경우도 있다.
스스로에게 물어볼 두 가지 좋은 질문
- “당신의 직업 중 AI가 잘 할 수 있는 부분은 무엇인가요?”
- “당신의 직업 중 아직도 인간의 노력과 입력이 필요한 부분은 무엇인가요?”
AI가 아직(그리고 아직은) 잘하지 못하는 격차—그것이 바로 당신의 기회입니다!
현재 기회는 엄청납니다. 시간이 지나면서 성격이 변하고 산업마다 차이가 있겠지만, 앞으로도 수년간 AI를 당신의 전문 분야에 잘 적용할 수 있는 중요한 기회는 계속될 것입니다. AI 도구를 업무에 적용하는 방법을 찾는 사람들에게 이점이 빠르게 이동하고 있습니다.
Feeling Overwhelmed?
나는 AI 열풍에 휩쓸리는 사람들의 기분을 충분히 이해한다. 다음과 같은 글들을 본 적이 있다:
- 한 남자가 AI‑에이전트 군대에게 애매한 지시를 내리고 하루 뒤에 완전히 구축된 앱을 받아냈다.
- 또 다른 남자는 너무 몰입해서 식당에서 식사 중에도 휴대폰을 꺼내 원격 에이전트에게 기능을 코딩하게 만든다.
- (내가 만든 예시) 한 사람이 OpenClaw 인스턴스를 이용해 트레이딩 봇을 코딩하고, $10 000을 벌어 바하마 여행을 예약했다—잠자는 동안에도!
나는 뒤처지는 느낌을 쉽게 받는다. 나는 작고 규칙적인 발견을 통해 그 감정을 다룬다: AI 도구를 테스트하고, 다운로드하고, 심지어 AI의 도움을 받아 직접 만들어 보는 것! 혹은 그것에 대해 포스팅하는 것! 꾸준히 진전을 이루는 것이 실제로 할 수 있는 전부다. 나는 아직 100개의 에이전트를 띄워서 잠자는 사이에 소프트웨어를 작성하고 있지는 않다.
Your Moment
Generative AI는 획기적인 변화를 가져오며, 이러한 기술적 순간은 평생에 두세 번 정도밖에 없습니다. 이 글을 읽고 있다면, 바로 지금이 당신의 순간입니다. “기회”라고 생각하고 뛰어들어 보세요!
우리는 이것이 단순한 철자 오류라고 믿습니다.
압도당한다면 작은 것부터 시작하세요. 예시:
- AI 코딩 에이전트 설치하기 (예: Cursor, Open Code).
- 로컬 모델로 Ollama 실행하기.
- 원하는 AI API 키에 가입하기.
- 작은 MCP 서버나 간단한 에이전트 루프 작성하기.
- AI가 도움이 될 수 있는 일반 프로세스에 AI를 삽입하기.
멋진 점은, LLM에게 어떻게 해야 하는지 물어볼 수 있기 때문에 (대부분의 경우) 긴 혼자만의 고군분투가 필요 없다는 것입니다.
주의 사항
우리가 타고 있는 생성형 AI 물결에 대한 여러 우려가 있습니다—우리는 이미 토론을 보고 소셜 미디어를 스크롤하면서 그 문제들을 알게 되었고, 이는 타당한 지적입니다:
- 인력의 구식화
- 에너지 소비
- AI 책임 / 안전
- “스카이넷” 방지
이러한 중요한 주제들은 다른 날, 다른 글에서 다루도록 하겠습니다.
마무리 생각
AI, 와!