AI에게 시키지 말고 AI로 배워라 — 'Lathe'가 던진 역발상

요즘 LLM 이야기는 온통 “무엇을 대신 시킬 수 있나"에 쏠려 있습니다. 코드를 짜주고, 보고서를 써주고, 회의록을 요약해 줍니다. 그런데 정반대 방향에서 묻는 사람들이 늘고 있습니다. AI에게 일을 떠넘기는 대신, AI로 모르는 분야를 직접 배우면 어떨까요. 오늘은 이 조용한 역발상을 짚어보려 합니다.

먼저 솔직하게 말씀드릴 게 있습니다. 이번 주제는 최근 30일 커뮤니티 데이터가 거의 없었습니다. 그래서 이 글은 실시간 화제를 정리하는 평소 방식보다, 한동안 쌓여온 흐름과 제 해석을 더 많이 담았다는 점을 미리 알려드립니다.

‘건너뛰기 도구’가 된 LLM

LLM의 가장 강력한 기능은 건너뛰기입니다. 정규표현식을 몰라도 짜주고, 통계를 몰라도 분석해 줍니다. 효율만 보면 환상적입니다.

문제는 부작용입니다. 건너뛴 것은 영원히 모르는 채로 남습니다. 다음번에 비슷한 문제를 만나면 또 AI에게 물어야 합니다. 매번 외주를 주는 셈입니다.

이걸 두고 한쪽에서는 “이제 그 지식은 필요 없다"고 말합니다. 계산기가 나온 뒤 암산을 안 하듯, AI가 해주면 그만이라는 논리입니다. 일리는 있습니다. 하지만 함정도 있습니다. 결과가 맞는지 판단할 능력까지 같이 사라진다는 점입니다.

‘Lathe’라는 작은 반례

이 흐름에 균열을 낸 사례가 있습니다. 개발자 커뮤니티에 ‘Lathe’라는 이름으로 공유된 작은 프로젝트입니다. 핵심 발상은 단순합니다. AI가 답을 뱉어주는 게 아니라, 사용자가 직접 이해하도록 끌고 가는 구조입니다.

선반(lathe)은 원래 깎고 다듬는 공작기계입니다. 이름부터 의미심장합니다. 정답을 받아드는 게 아니라, 거친 이해를 조금씩 깎아 형태를 만드는 과정에 초점을 맞춘 겁니다.

여기서 중요한 전환이 일어납니다. AI의 역할이 대답하는 자에서 가르치는 자로 바뀝니다. 같은 LLM을 쓰는데도, 쓰는 사람의 목적이 다르면 결과가 완전히 달라집니다.

왜 이게 지금 중요한가

세 가지 이유가 있습니다.

첫째, 검증 능력입니다. AI 결과물은 그럴듯하게 틀리는 경우가 많습니다. 환각이라고 부르죠. 기초를 알면 틀린 답을 걸러냅니다. 모르면 그대로 받아 씁니다. 배우는 사람과 시키는 사람의 격차는 여기서 벌어집니다.

둘째, 전이 가능성입니다. AI에게 시킨 결과는 그 작업에서 끝납니다. 직접 배운 지식은 다음 문제, 다른 분야로 옮겨갑니다. 한 번 배우면 평생 자산이 됩니다.

셋째, 주도권입니다. 모르는 분야를 계속 건너뛰면, 내 일의 핵심을 외부 도구가 쥐게 됩니다. 편하지만 위험한 의존입니다.

LLM을 학습 도구로 쓰는 법

거창한 도구가 필요한 건 아닙니다. 쓰는 방식만 바꾸면 됩니다.

“이거 짜줘” 대신 “왜 이렇게 되는지 단계별로 설명해줘”라고 물어보세요. 답을 받은 뒤에는 “내가 이해한 게 맞는지 확인해줘"라며 거꾸로 검증을 요청하는 것도 좋습니다.

모르는 개념이 나오면 바로 답을 받기보다, “초보자한테 비유로 설명해줘"라고 해보세요. 같은 LLM이 훌륭한 개인 교사가 됩니다. 24시간 지치지 않고, 같은 질문을 백 번 해도 화내지 않는 교사입니다.

핵심은 하나입니다. 답을 소비하지 말고, 이해를 생산하세요.

마무리

AI 시대의 진짜 격차는 “AI를 쓰느냐"가 아닙니다. “AI로 시키느냐, AI로 배우느냐"입니다. 전자는 편리함을 얻고, 후자는 능력을 얻습니다. 둘은 시간이 지날수록 전혀 다른 곳에 도착합니다.

오늘 여러분이 AI에게 건넨 마지막 질문을 떠올려 보세요. 그건 일을 떠넘기는 질문이었나요, 아니면 한 뼘 더 배우려는 질문이었나요. 그 작은 차이가 1년 뒤 여러분의 실력을 가를지도 모릅니다.