AI를 잘 쓰는 사람은 AI를 공부한 사람이 아니라 문제를 말로 잘 정의하는 사람일 수 있음

• 이 글의 출발점은 꽤 묘함. 문제를 다 이해하지 못한 학생이 해커톤에서 2등을 했다는 얘기임

  • 해커톤은 짧은 시간 안에 아이디어를 실제로 작동하는 결과물로 만드는 행사임
  • 보통 하루나 이틀, 길어도 한 주 정도 몰입해서 결과물을 내는 쪽에 초점이 있음
  • 기사 속 학생은 석박사 출신 엔지니어들을 제치고 2등을 했지만, “사실 지금도 그 문제를 다 이해하지는 못한다”고 말함

• 이 사례가 던지는 질문은 “이해하지 못했는데 어떻게 풀었냐”임

  • 학생은 같은 대회의 자필고사에는 백지를 냈다고 함
  • 전통적인 기준으로 보면 이상한 결과지만, 글쓴이는 이게 AI 시대의 새로운 표준일 수 있다고 봄
  • 깊이 이해했는지보다, 문제를 AI에게 풀 수 있는 형태로 말할 줄 알았는지가 더 중요해졌다는 해석임

• 기존의 일하는 방식은 정보가 반드시 내 머리를 한 번 지나가야 했음

  • 자료를 찾고, 머릿속에서 학습하고, 이해한 뒤, 손으로 가공해서 결과물을 만드는 구조였음
  • 그래서 AI를 만난 사람들도 여전히 “새로 배워야 할 게 너무 많다”는 방식으로 접근하기 쉬움
  • 하지만 AI-native 세대는 꼭 그렇게 움직이지 않음. 그냥 묻고, 시키고, 확인하면서 문제를 품

• 아이가 언어를 배우는 방식과 비슷하다는 비유가 꽤 잘 맞음

  • 아이는 문법책을 다 공부한 다음 말을 시작하지 않음
  • 듣고, 따라 하고, 틀리고, 다시 말하면서 필요한 문장을 꺼내 씀
  • AI-native 세대도 AI를 공부 대상으로 보기보다 대화하고 시키는 환경으로 받아들인다는 얘기임

• 작업 흐름 자체도 바뀜

  • 기존 방식은 ‘정보 → 내 머릿속 학습 → 내 손의 가공 → 결과물’에 가까움
  • AI-native 방식은 ‘결과물 정의 → AI에게 요청 → 결과물 확인’에 가까움
  • 중간 단계가 사라졌다기보다, 내 머리 밖의 AI로 옮겨갔다고 보는 편이 정확함

• 물론 이 방식에는 명확한 함정도 있음

  • 원하는 것을 언어로 옮기지 못하면 AI가 내놓는 건 그럴듯하지만 쓸모없는 결과물일 수 있음
  • 결국 문제는 “AI를 모르느냐”보다 “내가 원하는 걸 말할 수 있느냐”에 가까움
  • 이해하지 못한 채로도 풀 수 있는 시대가 왔지만, 검증 없이 받아들이면 위험한 시대이기도 함

---

기술 맥락

• 이 글에서 말하는 변화는 코딩 기술 자체보다 작업 구조의 변화에 가까워요. 예전에는 정보를 내 머릿속에 넣고 이해한 다음 결과물을 만들었지만, 이제는 목표를 먼저 정의하고 AI에게 중간 과정을 맡기는 흐름이 가능해졌거든요.

• 해커톤 사례가 중요한 이유는 평가 기준이 ‘얼마나 설명할 수 있나’가 아니라 ‘무엇을 만들어냈나’였기 때문이에요. AI 도구가 들어오면 깊은 이해가 부족해도 결과물까지 도달할 수 있는 경로가 생겨요.

• 그렇다고 이해가 필요 없다는 뜻은 아니에요. 원하는 결과를 말로 정의하지 못하거나, 나온 결과를 검증하지 못하면 AI는 그럴듯한 실패작을 만들 수 있거든요.

• 개발자에게 이 얘기는 프롬프트를 잘 쓰자는 얕은 팁보다 넓어요. 문제 정의, 요구사항 분해, 결과 검증이 앞으로 더 중요한 실력이 될 수 있다는 뜻이에요.