"배움의 기회를 남에게 넘기지 마세요."
완벽한 출시 후 제자리걸음보다, 80%의 출시와 100%의 성장을 택하겠습니다..
그의 마지막 표현은 많은 고민들을 던지죠. 우리는 정말 더 빠르게, 그리고 더 깊이 배우고 있는 것일까요.
인지 부채라는 조용한 비용이 존재합니다.
그는 AI를 반대하는 사람이 아닙니다. 오히려 AI를 적극적으로 사용하며 더 많은 것을 출시하는 엔지니어 중 한 명이죠.
그럼에도 불구하고 그가 경고하는 것은 인지 부채입니다.
AI에게 스펙을 전달하고 코드를 받아 그대로 배포하는 루프가 반복될수록, 우리는 시스템을 이해하고 디버깅하며 설계하는 능력을 점차 잃어가죠.
단기적으로는 생산성이 올라가지만, 장기적으로는 전문가로서 필요한 정신적 모델이 약해진다는 것..
이 주장을 뒷받침하는 연구들이 최근 잇따라 발표되고 있다고 합니다.
Anthropic의 2026년 초 연구에서는 새로운 Python 라이브러리를 배우는 개발자 중 AI를 단순히 복사-붙여넣기 한 그룹이 개념 이해도와 디버깅 성능에서 현저히 낮은 점수를 받았습니다. 반대로 개념적 질문을 먼저 한 그룹은 이해도가 높았습니다.
MIT의 "Your Brain on ChatGPT" 연구에서는 LLM 사용 시 뇌 연결성이 감소하는 현상이 EEG로 관찰됨.
CHI 2026 연구 역시, AI가 문제를 먼저 프레임하면 이후 인간이 작업을 해도 의사결정의 질이 떨어진다는 결과를 보여줌.
수동적인 위임은 우리가 가진 전문성을 조용히 갉아먹는다는 점!
↓
순수 위임이 실패하는 순간이 있습니다.
AI에게 모든 것을 맡기는 방식이 특히 위험해지는 상황은... 옵니다.
프로덕션에서 코드가 예상치 못하게 동작할 때
모델이 자신 있게 잘못된 정보를 생성할 때
시스템 아키텍처를 진화시켜야 할 때
기존에 경험하지 못한 새로운 문제를 해결해야 할 때
이런 순간에는 AI에 대한 의존도만으로는 충분하지 않죠.
↓
그는 단순한 경고를 넘어서 구체적인 실천 방법을 제시했어요.
먼저 자신의 가설을 정리합니다. AI에게 질문하기 전에 "내가 생각하는 문제는 이겁니다"라고 먼저 적어보는 습관을 들입니다.
코드보다 설명을 먼저 요청합니다. "개념, 대안, 트레이드오프를 먼저 설명해주세요"고 요청합니다.
학습 모드를 적극 활용합니다. Claude의 Learning Mode, ChatGPT의 Study Mode, Gemini의 Guided Learning 등을 실제 업무에서도 의도적으로 사용합니다.
AI가 생성한 결과를 주니어 엔지니어의 PR처럼 대합니다. 철저하게 검토하고, 질문하며 개선을 요구합니다.
때때로 직접 다시 작성해봅니다. AI가 만든 코드를 일부러 처음부터 다시 써보는 연습을 합니다.
작업을 마친 후 스스로에게 질문합니다. "오늘 티켓을 처리하기만 했는가, 아니면 실제로 무언가를 배웠는가?"
특히 마지막 질문이 진짜진짜 중요하다고 봐요. 우리는 종종 '완료'를 '학습'으로 착각하곤 하죠.
빠른 코딩 보다, 얼마나 깊이 이해하고 있는지.. 저에게 요즘 가장 중요한 부분이예요.