왜 AI 학습은 방향성을 잃은 듯 느껴지는가 (질서를 보기 전까지)

발행: 1일 전 (2026년 3월 4일 오후 03:23 GMT+9)

11 분 소요

원문: Dev.to

Source: Dev.to

나는 프롬프트를 이해하면 바로 구축할 준비가 될 거라 생각했다.

나는 다음을 배웠다:

LLM이 무엇인지
트랜스포머가 어떻게 작동하는지(높은 수준에서)
프롬프트가 왜 중요한지
구조와 제약이 모델 행동을 어떻게 형성하는지

그것은 진전처럼 느껴졌다.

하지만 명확함 대신 더 혼란스러워졌다.

그 이유는 더 많은 개념이 필요해서가 아니라, 그 개념들이 서로 어떻게 연결되는지 이해하지 못했기 때문이다.

🤯 아무도 말하지 않는 이상한 중간 단계

I wasn’t a beginner anymore.
→ 나는 더 이상 초보자가 아니었다.

Beginner tutorials felt repetitive.
→ 초보자 튜토리얼은 반복되는 느낌이었다.

But I also wasn’t confident enough to move forward.
→ 하지만 나는 앞으로 나아갈 만큼 자신감도 없었다.

I remember asking a few friends what I should do next.
→ 다음에 무엇을 해야 할지 몇몇 친구들에게 물어본 기억이 난다.

They said, very reasonably: “Just build projects.”
→ 그들은 꽤 합리적으로 말했었다: “그냥 프로젝트를 만들어라.”

And honestly, they weren’t wrong. That’s solid advice in normal development.
→ 솔직히 그들은 틀리지 않았다. 일반 개발에서는 확실한 조언이다.

But when I tried to move beyond prompting on my own, I froze.
→ 하지만 스스로 프롬프트를 넘어가려고 시도했을 때, 나는 멈춰버렸다.

Not because it was hard.
→ 어려워서가 아니다.

Because I didn’t know where to start.
→ 시작할 곳을 몰라서다.

There was no flow in my head.
→ 머릿속에 흐름이 없었다.

As a frontend developer, I’m used to learning things in a sequence that makes sense:
→ 프론트엔드 개발자로서, 나는 논리적인 순서대로 배우는 것에 익숙하다:

UI → state → API → database.
→ UI → state → API → database.

With AI, it felt like everything was floating.
→ AI와 함께라면 모든 것이 떠다니는 느낌이었다.

🧩 실제 혼란

내가 스스로 배운 것을 적용하려고 할 때, 혼란은 더 미묘했습니다.

RAG가 무엇인지 알고 있었습니다.
파이프라인을 높은 수준에서 이해하고 있었습니다.
튜토리얼을 따라하고 작은 데모도 만들어 본 적이 있었습니다.

하지만 독립적으로 생각하려고 하니 질문이 쌓이기 시작했습니다:

RAG가 컨텍스트를 검색한다는 것은 알지만, 검색 내부에서는 정확히 무엇이 일어나는 걸까요?
청킹(chunking)이란 무엇이며, 언제 중요한가요?
알고리즘이 개입되는 건가요, 아니면 단순히 “임베드하고 검색”하는 건가요?
실제로 이해했다고 말하려면 얼마나 깊이 파고들어야 할까요?

프롬프트 이후에 무엇이 오는가— 그리고 그 중 얼마나 필요한가?

나는 정의만 필요하지 않았습니다. 구조가 필요했습니다.
그리고 각 레이어가 얼마나 깊게 들어가는지 알아야 했습니다.

더 많은 주제가 필요했던 것이 아니라, 다음에 무엇이 오는지, 그리고 얼마나 깊게 파고들어야 하는지에 대한 명확함이 필요했습니다.

그것이 전환점이었습니다.

🧭 실제 프론트엔드 학습 방식

프론트엔드에서는 진행이 거의 무작위가 아닙니다.

아무도 HTML과 JavaScript를 이해하기 전에 React부터 시작하지 않죠.

학습은 자연스럽게 다음과 같이 진행됩니다:

HTML ➡️ CSS ➡️ JavaScript ➡️ React ➡️ Next.js

React는 JavaScript에 의존하고, JavaScript는 DOM이 어떻게 동작하는지를 이해해야 의미가 있기 때문입니다.

각 단계는 이전 단계 위에 쌓여갑니다.

무작위가 아니라—연결되어 있습니다.

그리고 그 연결이 학습을 구조화된 느낌으로 만들어 줍니다.

🔗 AI에서 같은 패턴을 보기

AI를 다룰 때 처음에는 개별적인 주제만 보였습니다:

프롬프트
RAG
에이전트
파인‑튜닝
벡터 데이터베이스
프레임워크

눈에 띄는 진행이 없었습니다.

하지만 이 아이디어들이 서로 어떻게 의존하는지 묻기 시작하니 상황이 명확해졌습니다.

흐름은 다음과 같습니다:

Prompting → Structured Output → Embeddings → Retrieval → RAG → Tool Calling → Agents → Evaluation

버즈워드가 아니라 서로 의존하는 역량들입니다.

🧠 그 진행 단계가 실제 의미하는 바

1️⃣ 프롬프트

시작점. 이해하세요:

LLM이 어떻게 동작하는지
지시가 출력에 어떻게 영향을 미치는지
제약 조건과 예시가 출력을 어떻게 형성하는지
컨텍스트가 답변에 어떻게 영향을 주는지

이 기반 없이는 다른 모든 것이 의미가 없습니다.

2️⃣ 구조화된 출력

자유 형식 텍스트에서 예측 가능한 형식으로 전환:

JSON 스키마
결정론적 포맷팅
출력 검증

도구와 자동화가 예측 가능한 출력에 의존하기 때문에 중요합니다.

3️⃣ 임베딩

유사성이 핵심 문제가 될 때, 임베딩은 텍스트를 벡터로 변환하여 의미를 측정 가능하게 하고 유사성을 계산할 수 있게 합니다.

텍스트 → 벡터
의미 → 측정 가능
유사성 → 계산 가능

이를 통해 검색이 가능해집니다.

4️⃣ 검색

측정 가능한 유사성을 바탕으로 컨텍스트를 의도적으로 가져올 수 있습니다. 중점은:

문서 청킹
Top‑k 검색
프롬프트에 컨텍스트 주입

지식이 외부에 있을 때 프롬프트만으로는 충분하지 않기 때문에 검색이 필요합니다.

5️⃣ RAG (검색 강화 생성)

RAG = 프롬프트 + 검색 + 컨텍스트 관리.

외부 지식이 모델의 추론에 포함되어 추상적인 요소들을 실제 시스템으로 전환합니다.

6️⃣ 도구 호출

모델이 이제 행동을 트리거할 수 있으며, 다음과 같은 구조화된 출력에 의존합니다:

함수 스키마
행동 선택
API 실행

구조는 언어와 행동 사이의 다리가 됩니다.

7️⃣ 에이전트

도구를 반복적으로 사용하면서 에이전트가 생성됩니다. 초점이 이동하는 영역:

계획
실행
관찰
다단계 추론
상태 관리

에이전트는 프롬프트, 검색, 도구 사용 위에 구축되며 이를 대체하지 않습니다.

8️⃣ 가드레일 및 평가

시스템이 구축되면 신뢰성이 필수적입니다. 관심이 이동하는 영역:

출력 테스트
행동 모니터링
비용 최적화
환각 방지

여기서 실험이 엔지니어링 규율로 전환됩니다.

💡 내 머리 속에 무슨 변화가 있었는가

가장 큰 변화는 새로운 것을 배우는 것이 아니었습니다. 질서를 명확히 보는 것이었습니다.

흐름을 한 번 파악하고 나니, 한 번에 모든 것을 배우려는 압박감을 느끼지 않았습니다.

프롬프트를 이해했다면, 다음 자연스러운 단계는 구조화된 출력이었습니다.
구조를 이해했다면, 임베딩이 더 의미 있게 다가왔습니다.
그 다음은 검색, 그리고 RAG였습니다.

질문은 변하지 않았지만 길이 보이게 되면서, 대부분의 마찰이 사라졌습니다.

🌱 요약

AI가 방향성을 잃은 것은 혼란스러워서가 아니다.
AI가 방향성을 잃은 것은 내가 그 질서를 볼 수 없었기 때문이다.

그것이 명확해지자, 나는 한 번에 모든 것을 배우려는 시도를 멈췄다.

그 명확함이 모든 답을 주지는 않았지만 방향을 제시해 주었다 — 그리고 그것만으로도 계속 나아갈 충분했다.