AI가 다 해주는데 코딩 배워야 하나요?

안녕하세요. 앤소장입니다.

이번 호에서는 AI 분야에서 가장 영향력 있는 인물 중 한 명인 앤드류 응 교수를 소개합니다.

스탠퍼드 대학교 컴퓨터 과학과 교수이자 AI 펀드(AI Fund)의 창업자인 그는 한 달에 평균 한 개의 스타트업을 공동 창업하는 벤처 스튜디오를 운영하고 있습니다. 구글 브레인 프로젝트를 이끌었고, 1,300명이 넘는 바이두(Baidu)의 AI 연구 조직을 총괄했습니다.

전 세계 수백만 명이 수강한 온라인 교육 플랫폼 코세라(Coursera)를 공동 창업했으며, 딥러닝AI(DeepLearning.AI)를 통해 AI 교육 대중화에 앞장서고 있습니다. 그의 머신러닝 강좌는 AI 입문자들의 필수 코스로 자리 잡았습니다.

앤드류 응 교수는 AI의 미래를 낙관하는 편입니다. 하지만 그는 AI를 산업적 도구로 바라보는 현실적인 관점을 유지합니다. 과대망상을 경계하고, AI가 현 시점에서 진정 무엇을 할 수 있는지를 정확히 파악해야 한다고 조언하죠.

"AI가 인류를 멸종시킬 것"이라거나 "모든 일자리가 사라질 것"이라는 극단적인 이야기보다, 우리 아이들이 AI 시대를 어떻게 준비해야 하는지에 대한 실질적인 통찰을 제공합니다.

이 인터뷰는 유튜브 채널 Y Combinator의 2025년 7월 10일 영상 "Andrew Ng: Building Faster with AI"를 바탕으로 가공하였습니다.

[이 인터뷰에서 다룰 핵심 내용]

- AI 시대의 역설 : AI가 코딩을 더 쉽게 만들수록, 왜 더 많은 사람이 코딩을 배워야 하는가 
- CFO도 코딩하는 시대 : 앤드류 응의 팀 전원이 코딩을 배운 이유와 그 효과
- 구체적 사고의 힘 : "AI로 헬스케어 개선"이 아니라 "MRI 예약 시스템"이어야 하는 이유
- 10배 빠른 프로토타입 : AI 도구로 20개 아이디어를 동시에 테스트하는 새로운 창업 방식
- 호텔 로비 전략 : 커피숍과 호텔 로비에서 낯선 사람에게 피드백 받는 법
- 과장된 AI 위협론의 진실 : "인류 멸종" "일자리 소멸" 같은 과대평가 서사의 이면

Q: 최근 많은 사람들이 "AI가 곧 코딩을 대체할 텐데 프로그래밍을 배울 필요가 있을까"라고 말합니다. 교수님께서는 이를 "역사상 최악의 커리어 조언"이라고 하셨는데요, 부모 입장에서 우리 아이에게 코딩을 가르쳐야 하는 이유를 구체적으로 설명해주실 수 있을까요?

지난 1년 동안 많은 사람들이 AI가 자동화할 것이기 때문에 코딩을 배우지 말라고 조언했어요. 저는 이것이 앞으로 우리가 되돌아봤을 때 정말 잘못된 조언이었다고 평가받을 것이라고 확신합니다.

역사를 보면 명확해져요. 수십 년 전 세상이 천공카드(종이에 구멍을 뚫어 컴퓨터에 명령을 입력하던 옛날 방식)에서 키보드와 터미널로 옮겨갔을 때, 코딩이 더 쉬워졌습니다. 그때 프로그래머가 필요 없어진 게 아니라 오히려 더 많은 사람들이 코딩을 하게 됐죠.

어셈블리어(컴퓨터가 직접 이해하는 매우 어려운 저수준 언어)에서 코볼(사람이 이해하기 쉽게 만든 고급 언어) 같은 고급 언어로 전환했을 때도 마찬가지였어요. 실제로 당시 사람들은 "이제 코볼이 있으니 프로그래머가 필요 없다"는 논문을 쓰기도 했습니다. 하지만 완전히 틀렸죠. 프로그래밍 언어가 코딩을 더 쉽게 만들자 더 많은 사람들이 코딩을 배웠습니다.

지금도 마찬가지예요. 텍스트 에디터에서 통합개발환경(IDE, 코딩을 편하게 할 수 있도록 도와주는 프로그램)으로, 그리고 이제 AI 코딩 어시스턴트로 발전하면서 코딩이 점점 쉬워지고 있어요. 그렇다면 논리적으로 더 많은 사람들이 코딩을 배워야 합니다.

제가 운영하는 팀을 보면 이게 현실이에요. 저희 CFO, 인재 담당자, 리크루터, 심지어 프론트 데스크 직원까지 모두 코딩하는 방법을 알고 있습니다. 그리고 그들이 코딩을 할 수 있기 때문에 자신의 본업에서 훨씬 더 나은 성과를 내는 걸 직접 봅니다.

좀 논란의 여지가 있는 의견일 수 있지만, 저는 이제 모든 직무의 사람들이 코딩을 배워야 할 시점이라고 생각해요. 제 팀이 아마 조금 앞서 있을 수는 있어요. 대부분의 회사가 아직 거기까지 가지 않았으니까요. 하지만 미래에는 모든 사람이 코딩할 수 있게 되면 훨씬 더 생산적으로 일할 수 있을 거예요.

Q: 그렇다면 코딩을 안다는 것이 구체적으로 어떤 차이를 만드나요? 실제 사례를 들어 설명해주실 수 있을까요?

제가 코세라(Coursera, 온라인 교육 플랫폼)에서 '모두를 위한 생성 AI' 강좌를 만들 때 경험한 일을 말씀드릴게요. 우리는 미드저니를 사용해서 배경 이미지를 생성해야 했어요.

제 팀원 중 한 명인 토미는 미술사를 알고 있었어요. 그래서 미드저니에게 장르, 색상 팔레트, 예술적 영감 등을 구체적으로 지시할 수 있었죠. 그 결과 생성되는 이미지를 매우 정교하게 통제할 수 있었어요. 우리는 결국 토미가 만든 이미지들을 전부 사용했습니다.

반면 저는 미술사를 모릅니다. 그래서 제가 이미지 생성 도구에 프롬프트를 줄 때는 "로봇 예쁜 그림 좀 만들어줘"라고 밖에 할 수 없었어요. 제 동료만큼 통제력을 가질 수 없었고, 결과적으로 그만큼 좋은 이미지를 만들 수 없었습니다.

컴퓨터에서도 똑같아요. 미래의 가장 중요한 능력 중 하나는 컴퓨터에게 원하는 것을 정확히 말할 수 있는 능력입니다. 그러면 컴퓨터가 대신 해줄 수 있죠. 컴퓨터에 대한 깊은 이해가 있는 사람이 컴퓨터를 명령해서 원하는 결과를 얻을 수 있어요.

꼭 직접 코드를 작성해야 한다는 게 아니에요. AI에게 코딩을 시킬 수도 있죠. 하지만 코딩을 배우는 것이 오랫동안 그렇게 하는 가장 좋은 방법으로 남을 것 같아요.

출처 : 미드저니

Q: 많은 부모들이 "우리 아이가 창업을 하거나 스타트업에서 일하려면 구체적으로 어떤 능력을 키워야 할까"라고 궁금해합니다. 교수님은 '구체적인 아이디어'의 중요성을 강조하셨는데, 이것이 정확히 무엇을 의미하나요?

AI 펀드에서는 구체적인 아이디어에만 집중합니다. 구체적인 제품 아이디어란 엔지니어가 가서 바로 만들 수 있을 만큼 충분히 세부적으로 명시된 것을 말해요.

예를 들어 "AI를 사용해서 헬스케어 자산을 최적화하자"라고 말한다면, 이건 구체적인 아이디어가 아니에요. 너무 모호하죠. 이걸 듣고 엔지니어마다 완전히 다른 걸 만들 거예요. 구체적이지 않기 때문에 빨리 만들 수도 없고 속도를 낼 수도 없습니다.

반면 "병원 환자들이 MRI 기계 슬롯을 온라인으로 예약해서 사용률을 최적화하는 소프트웨어를 만들자"라고 하면, 이건 구체적이에요. 좋은 아이디어인지 나쁜 아이디어인지는 모르겠어요. 실제로 이미 이런 비즈니스가 있긴 해요.

하지만 이건 구체적이고, 엔지니어들이 빨리 만들 수 있다는 뜻이죠. 좋은 아이디어면 알게 될 거고, 좋지 않은 아이디어라면 그것도 알게 돼요. 구체적인 아이디어는 속도를 가져다줍니다.

또 다른 예로 "이메일 개인 생산성을 위해 AI를 사용하자"라고 하면 해석이 너무 많아요. 구체적이지 않죠. 하지만 "Gmail 통합 자동화 앱을 만들어서 전체 이메일을 필터링하자"라고 하면 구체적이에요. 저라도 오늘 오후에 가서 만들 수 있어요.

구체성은 속도를 가져다주는데, 많은 창업가들에게 속이는 부분이 있어요. 모호한 아이디어가 더 많은 찬사를 받는 경향이 있거든요. 친구들에게 가서 "AI로 헬스케어 자산 사용을 최적화해야 해"라고 하면 모두 "좋은 아이디어네"라고 할 거예요. 하지만 실제로는 좋은 아이디어가 아니에요. 적어도 만들 수 있는 것이라는 의미에서는요.

모호할 때는 거의 항상 옳게 들려요. 하지만 구체적일 때는 맞을 수도 있고 틀릴 수도 있어요. 어느 쪽이든 괜찮아요. 훨씬 더 빨리 알아낼 수 있으니까요. 그게 스타트업에 중요한 거죠.

Q4. 자녀들이 구체적으로 생각하는 능력을 키우려면 어떻게 해야 할까요? 단순히 "좋은 아이디어를 내봐"라고 하는 것과 구체적인 사고 사이에는 어떤 차이가 있나요?

좋은 구체적인 아이디어를 찾는 것은 보통 누군가가 - 여러분이 될 수도 있고 분야 전문가가 될 수도 있는데 - 문제에 대해 오랫동안 생각할 것을 요구해요.

예를 들어 코세라를 시작하기 전에 저는 수년간 온라인 교육에 대해 생각했어요. 사용자들과 이야기하고, 무엇이 좋은 에듀테크(교육과 기술을 결합한 서비스) 플랫폼을 만들 것인지에 대한 제 직관을 다듬었죠. 그 긴 과정을 거친 후에 - Y Combinator(유명한 스타트업 투자회사)에서는 이걸 '아이디어 미로를 헤매는 것'이라고 부르기도 하는데 - 오랫동안 생각한 사람의 직감이 결정을 빠르게 내리는 데 매우 좋을 수 있어요.

오랫동안 생각하고 고객과 대화하고 난 후에 이 전문가에게 "이 기능을 만들어야 할까 저 기능을 만들어야 할까"라고 물으면, 즉각적인 결정인 직감이 실제로 놀랍도록 좋은 대리 지표(간접적으로 판단할 수 있는 기준)가 될 수 있어요. 놀랍도록 좋은 의사결정 메커니즘이 될 수 있습니다.

저는 AI를 연구하니까 데이터가 필요하다고 말할 거라고 생각하실 수도 있어요. 물론 데이터를 좋아하지만, 많은 스타트업에게 데이터를 얻는 것은 실제로 느린 의사결정 메커니즘이에요. 좋은 직감을 가진 분야 전문가가 종종 빠른 결정을 내리는 훨씬 더 나은 메커니즘입니다.

성공적인 스타트업들의 또 다른 특징이 있어요. 어느 시점에서든 딱 하나의 명확한 목표를 가지고 있다는 거예요. "이게 될까?"라는 하나의 질문에 답하기 위해 제품을 만들고, 팔아보고, 가치를 증명하려고 노력하죠.

스타트업은 자원이 제한되어 있어요. 동시에 10가지를 시도할 여유가 없습니다. 그러니 하나를 선택해서 전력으로 밀어붙이세요. 그러다가 데이터가 "이건 안 되겠어"라고 말하면요? 그것도 완전히 괜찮아요. 망설임 없이 완전히 다른 아이디어로 방향을 바꾸면(이걸 '피봇(pivot)'이라고 부릅니다) 됩니다.

AI 펀드에서 일하는 모습이 바로 이래요. 한 가지 아이디어를 완강하게 밀어붙여요. 전력을 다해 추구하죠. 그러다 시장이나 고객이 "이건 아니야"라고 말하면, 즉시 완전히 다른 아이디어로 전환해요. 그리고 새로운 아이디어를 똑같은 열정과 집중력으로 다시 밀어붙입니다.

이게 바로 자녀교육에도 적용할 수 있는 교훈이에요. 여러 가지를 대충대충 시도하는 것보다, 한 가지를 제대로 해보고 안 되면 과감하게 바꾸는 게 낫습니다. 중요한 건 실패를 두려워하지 않고 빠르게 배우는 거죠.

출처 : https://www.coursera.org/

Q: 많은 부모들이 아이에게 "실패해도 괜찮아"라고 말하지만 막상 실패하면 불안해합니다. 스타트업 세계에서 빠르게 시도하고 실패하는 문화를 어떻게 건강하게 만들 수 있을까요?

하나 말씀드리고 싶은 패턴이 있어요. 만약 새로운 데이터 하나하나가 여러분을 방향 전환하게 만든다면, 아마도 너무 약한 지식 기반에서 시작하고 있다는 의미예요. 고객과 대화할 때마다 완전히 마음을 바꾼다면, 아직 그 분야에 대해 충분히 모른다는 뜻이에요. 정말 고품질의 구체적인 아이디어를 가질 만큼 알지 못하는 거죠. 그 주제에 대해 더 오래 생각한 사람을 찾으면 더 빠르게 갈 수 있는 더 나은 길로 안내받을 수 있어요.

AI 코딩 지원으로 빠른 엔지니어링이 가능해지면서, 스타트업들은 체계적으로 혁신을 추구하기 위해 20개의 프로토타입을 만들어서 무엇이 작동하는지 보게 돼요. AI에 많은 개념 증명(POC, Proof of Concept, 아이디어가 실제로 가능한지 보여주는 초기 테스트)이 프로덕션까지 가지 못한다는 걱정이 있는 건 알아요. 하지만 개념 증명 비용을 충분히 낮춘다면, 많은 개념 증명이 빛을 보지 못해도 실제로 괜찮다고 생각해요.

"빠르게 실행하고, 실수하라(Move fast and break things)"라는 슬로건이 나쁜 평판을 얻은 건 알아요. 페이스북 같은 회사들이 이 슬로건을 따르다가 개인정보 유출 같은 실제 문제를 일으켰으니까요. 그래서 어떤 팀들은 '빠르게 움직이면 안 되는구나'라는 교훈을 얻었는데, 저는 그게 잘못된 교훈이라고 봐요. 제가 팀에게 말하는 건 '빠르게 움직이되 책임감 있게 하라'는 거예요. 빠른 속도와 책임감은 함께 갈 수 있습니다."

예를 들어, 프로토타입을 만들 때 저는 팀에게 가서 "불안전한 코드를 작성해도 돼"라고 정기적으로 말해요. 프로그래머들에게 불안전한 코드를 쓰라고 말하면 안 될 것 같지만요. 하지만 이 소프트웨어가 여러분 노트북에서만 작동할 거고 여러분이 악의적으로 자신의 노트북을 해킹할 계획이 없다면, 불안전한 코드를 가져도 괜찮아요. 물론 작동하는 것 같으면, 다른 사람에게 보내기 전에 안전하게 만들어야 해요. 하지만 테스트할 때는 괜찮아요.

Q: 스타트업 리더로서 제품 피드백을 빠르게 받는 것이 중요하다고 하셨는데, 구체적으로 어떤 방법들을 사용하시나요? 특히 자원이 제한된 상황에서 효과적인 방법은 무엇인가요?

제품 피드백을 얻는 방법에는 여러 단계가 있어요. 빠르지만 덜 정확한 방법부터 느리지만 더 정확한 방법까지 순서대로 말씀드릴게요.

1단계: 직접 판단하기 가장 빠른 방법은 제품을 직접 보고 직감으로 판단하는 거예요. 그 분야의 전문가라면 이 방법이 실제로 놀라울 정도로 정확해요.

2단계: 가까운 사람들에게 물어보기 조금 더 시간이 걸리지만, 친구나 팀원 세 명에게 제품을 써보게 하고 피드백을 받는 방법이 있어요.

3단계: 낯선 사람들에게 피드백 받기 여기서 제가 배운 가장 중요한 기술을 말씀드릴게요. 바로 커피숍이나 호텔 로비를 활용하는 거예요.

사람들이 많이 오가는 장소를 찾아요. 커피숍, 호텔 로비, 공항 같은 곳이죠. 그곳에서 낯선 사람 3~10명에게 매우 정중하게 다가가서 "저희가 이걸 만들고 있는데 잠깐 봐주시겠어요?"라고 물어봐요.

제가 덜 알려졌을 때는 더 쉬웠어요. 사람들이 저를 알아보면 조금 어색해지거든요. 그래도 팀들과 함께 호텔 로비에 자주 앉아 있었어요. 사람들의 왕래가 정말 많으니까요.

커피숍에서 재미있는 걸 발견했는데요, 노트북을 펴놓고 일하는 사람이 많지만 실제로는 일하고 싶어 하지 않는 경우가 많아요. 그래서 잠깐 산만해질 핑계를 주면 오히려 기꺼이 도와주려고 해요. 저는 이런 식으로 호텔 로비나 커피숍에서 수많은 중요한 제품 결정을 내렸습니다.

4단계: 더 많은 사람들에게 테스트하기 그다음으로는 100명의 테스터에게 프로토타입(초기 모델)을 보내거나, 더 많은 사용자에게 프로토타입을 배포하는 방법이 있어요. 이런 방법들은 당연히 더 많은 시간이 걸리죠.

5단계: A/B 테스팅 실리콘밸리에서는 A/B 테스팅(두 가지 버전을 동시에 출시해서 어느 것이 더 나은지 비교하는 방법)을 많이 이야기해요. 물론 저도 A/B 테스팅을 많이 합니다. 하지만 많은 사람들이 생각하는 것과 달리, A/B 테스팅은 제 방법 중에서 가장 느린 전술이에요. 실제로 제품을 출시해야 하고, 충분한 데이터가 모일 때까지 기다려야 하니까요.

핵심은 이거예요. 아이디어를 테스트하는 데 몇 달씩 걸릴 필요가 없다는 거죠. 커피숍이나 호텔 로비에서 몇 시간 만에 중요한 피드백을 얻을 수 있어요. 빠르게 배우는 게 중요합니다.

출처 : ChatGPT

Q: 교수님은 AI에 대한 이해가 스타트업의 속도를 높인다고 하셨습니다. 하지만 많은 사람들이 AI는 너무 빠르게 변하니까 배워봤자 금방 쓸모없어질 거라고 생각하는데요, 왜 AI를 배워야 할까요?

제가 AI 전문가다 보니 AI 편향적일 수 있지만, 왜 중요한지 말씀드리고 싶어요.

먼저 스마트폰을 생각해보세요. 이제는 성숙한 기술이죠. 많은 사람들이 오랫동안 스마트폰을 써왔기 때문에 모바일 앱이 뭘 할 수 있는지 대충 알아요. 기술 전문가가 아니어도 직감적으로 이해하죠..

마케팅이나 인사관리, 법무 같은 분야도 마찬가지예요. 물론 정말 중요하고 어려운 일이지만, 이미 오랫동안 해온 전문가들이 많아요. 마케팅 방법이 지난 1년 동안 크게 바뀌지 않았고, 인사관리 지식도 최근 6개월간 극적으로 변하지 않았어요. 그래서 이런 분야는 잘하는 사람을 찾기가 비교적 쉬워요. 지식이 널리 퍼져 있으니까요.

그런데 AI는 완전히 다릅니다. 아직 떠오르는 기술이에요. AI를 정말 잘 다루는 방법에 대한 지식이 널리 퍼져 있지 않아요. 그래서 AI를 제대로 이해하는 팀은 그렇지 않은 팀보다 엄청난 이점을 가져요. 인사 문제가 생기면 전문가를 쉽게 찾을 수 있지만, AI 문제가 생겼을 때 어떻게 해결하는지 아는 것만으로도 다른 회사들보다 훨씬 앞서 나갈 수 있어요.

구체적인 예를 들어볼게요. 고객 서비스 챗봇(사람처럼 대화하는 AI 프로그램)을 만들 때, 어느 정도 정확도를 기대할 수 있는지, 프롬프트(AI에게 내리는 명령)만으로 충분한지 아니면 파인튜닝(AI를 특정 목적에 맞게 추가로 학습시키는 것)을 해야 하는지, 음성 봇이 대답할 때까지 걸리는 시간을 어떻게 줄일지 같은 결정들이 있어요.

올바른 기술적 결정을 내리면 문제를 며칠 만에 해결할 수 있어요. 하지만 잘못된 결정을 내리면 3개월을 허비할 수 있습니다.

여기서 흥미로운 점이 있어요. 예를 들어 두 가지 기술 방식 중 하나를 선택해야 한다고 해봅시다. "정답을 모르면 둘 다 시도해보면 되지 않나? 최악의 경우 두 배 시간이 걸리겠지"라고 생각할 수 있어요. 두 가지 선택지니까 최대 2배 차이밖에 안 날 것 같죠.

하지만 현실은 전혀 달라요. 처음부터 잘못된 방향을 선택하면 2배가 아니라 10배 더 오래 걸려요. 왜냐하면 잘못된 길로 가면 막다른 골목에 부딪힐 때까지 계속 시간을 쓰게 되고, 결국 처음부터 다시 시작해야 하거든요. 그래서 처음부터 올바른 기술적 판단을 내리는 것이 스타트업의 속도를 엄청나게 빠르게 만들어요.

또 한 가지 중요한 이유가 있어요. 지난 2년 동안 우리는 정말 많은 생성 AI 도구와 빌딩 블록(작은 기능 단위들, 레고 블록처럼 조합해서 큰 프로그램을 만들 수 있음)을 갖게 됐어요.

레고 블록으로 비유해볼게요. 한 개의 레고 블록만 있으면 간단한 것만 만들 수 있죠. 하지만 흰색 블록, 검은색 블록, 파란색 블록, 빨간색 블록을 하나씩 얻을 때마다 만들 수 있는 것이 기하급수적으로 늘어나요. AI도 마찬가지예요.

프롬프팅만 알아도 유용하지만, 거기에 챗봇 만드는 법을 더하고, 가드레일(AI가 잘못된 답변을 하지 않도록 막는 안전장치) 설정하는 법을 더하고, 임베딩(단어를 숫자로 바꿔서 AI가 이해할 수 있게 하는 것)을 더하면, 이런 것들을 조합해서 1~2년 전에는 아무도 만들 수 없었던 소프트웨어를 만들 수 있게 됩니다.

바로 이게 AI를 배워야 하는 이유예요. 빠르게 변하는 게 아니라 빠르게 성장하는 거예요. 지금 배우는 기초 지식 위에 새로운 도구들이 계속 쌓이는 거죠. 그래서 지금 배우지 않으면 나중에 따라잡기가 더 어려워집니다.

Q: 마지막으로, 많은 부모들이 AI 시대에 아이들의 미래에 대해 불안해합니다. AGI가 곧 와서 모든 일자리가 없어질 것이라는 이야기도 많고요. 이런 과장된 이야기와 실제 현실을 어떻게 구분해야 할까요?

AGI(인공일반지능, 사람처럼 모든 분야에서 생각할 수 있는 AI)는 과대평가됐어요. 그래서 앞으로 오랫동안 인간은 할 수 있지만 AI는 할 수 없는 일들이 많을 거예요. 미래에 가장 강력한 사람은 컴퓨터에게 원하는 것을 정확히 시킬 수 있는 사람들입니다.

도구는 계속 발전하니까 따라잡는 게 중요해요. AI를 사용할 줄 아는 사람들이 그렇지 못한 사람들보다 훨씬 더 강력해질 거예요. 사람들이 할 일이 없어질까 걱정할 필요는 없지만, AI를 다룰 줄 아는 사람과 그렇지 못한 사람의 격차는 분명히 커질 겁니다.

그런데 지난 2년 동안 흥미로운 일이 있었어요. 일부 AI 회사들이 투자를 받거나 홍보를 하기 위해 AI의 능력을 과장했어요. AI가 너무 새로운 기술이다 보니 대부분의 사람들이 제대로 이해하지 못했고, 그래서 이 회사들은 사실 확인 없이 과장된 말을 할 수 있었죠.

제가 보기에 이런 과장된 이야기들은 특정 회사를 더 강력하게 보이게 만들려는 목적이었어요. 몇 가지 예를 들어볼게요.

"AI가 너무 강력해서 우연히 인류를 멸종시킬 수도 있다" - 말도 안 되는 소리예요. 하지만 이런 이야기가 해당 회사를 매우 강력한 기술을 가진 것처럼 보이게 만들었고, 실제로 투자 유치에도 도움이 됐어요.

"AI가 너무 강력해서 곧 모든 사람의 일자리가 사라질 것이다" - 이것도 사실이 아니에요. 하지만 역시 회사들을 더 강력하게 보이게 만들었죠.

"우리가 새 AI 모델을 하나 만들면 수천 개의 스타트업이 한 번에 망할 것이다" - 이것도 과장이에요. 물론 Jasper(AI 글쓰기 도구) 같은 일부 회사가 어려움을 겪긴 했어요. 소수의 회사들이 타격을 받았죠. 하지만 새 모델 하나로 수천 개의 스타트업을 쓸어버리는 건 그렇게 쉽지 않아요.

"AI는 전기를 너무 많이 써서 원자력발전만 가능하다. 풍력이나 태양광은 부족하다" - 이것도 사실이 아니에요. "우주에 컴퓨터를 띄워야 한다"는 이야기도 나오는데, 아직 지상에서 할 수 있는 게 훨씬 많아요.

이런 과장된 이야기들이 실제 상황을 왜곡시켰어요. 부모님들께 말씀드리고 싶은 건, 이런 극단적인 이야기에 흔들리지 말라는 거예요. 중요한 것은 우리 아이들이 AI를 배우고 사용할 수 있는 능력을 키우는 것입니다. 그것이 진짜 필요한 준비예요.

출처 : 개인 facebook

배운 점을 요약합니다

1. AI 시대일수록 코딩은 필수 교양이 됩니다

역사가 증명하듯, 도구가 쉬워질수록 더 많은 사람이 그 도구를 사용하게 됩니다. 천공카드에서 키보드로, 어셈블리어에서 고급 언어로, 그리고 이제 AI 코딩 어시스턴트로 발전하면서 코딩은 계속 쉬워지고 있어요.

앤드류 응 교수는 모든 직무의 사람들이 코딩을 배워야 한다고 강조하며, 실제로 자신의 팀 전원(CFO, 리크루터, 프론트 데스크 직원까지)에게 코딩을 가르쳤습니다.

컴퓨터에게 원하는 것을 정확히 지시하는 능력이 미래의 핵심 역량이 될 것입니다. 미드저니로 이미지를 만드는 것처럼, 도구를 깊이 이해하는 사람이 훨씬 더 나은 결과를 만들어냅니다.

2. 구체적으로 생각하는 훈련이 속도를 만듭니다

"AI로 헬스케어를 개선하자"는 모호한 아이디어가 아니라 "병원 환자가 MRI 슬롯을 온라인으로 예약하는 소프트웨어"처럼 엔지니어가 바로 만들 수 있을 만큼 구체적인 아이디어가 필요해요. 구체성은 빠른 실행을 가능하게 하고, 빠른 실행은 빠른 학습으로 이어집니다.

좋은 구체적인 아이디어는 보통 오랫동안 그 분야에 대해 생각하고 고객과 대화한 사람에게서 나옵니다. 성공적인 스타트업은 한 번에 하나의 명확한 가설을 추구하고, 데이터가 틀렸다고 말하면 즉시 다른 구체적인 아이디어로 전환합니다.

3. 빠르게 시도하고 책임감 있게 실패하는 문화를 만들어야 합니다

AI 도구로 프로토타입 제작이 10배 이상 빠르게 됐습니다. 프로덕션 코드는 30~50% 정도 빠르게 만들지만, 빠르고 간단한 프로토타입은 10배 이상 빠르게 만들 수 있어요. 20개의 프로토타입을 만들어 실험하는 것이 가능해진 시대입니다.

중요한 것은 "빠르게 움직이되 책임감 있게" 행동하는 것이에요. 호텔 로비나 커피숍에서 낯선 사람에게 정중하게 피드백을 구하는 것도 중요한 기업가 정신입니다. A/B 테스팅보다 직접 보고 판단하고, 소수의 사람들에게 빠르게 피드백을 받는 것이 훨씬 더 빠른 전술입니다.

4. 과장된 AI 위협론에 현혹되지 말고 실용적으로 접근해야 합니다

"AI가 인류를 멸종시킬 것"이나 "모든 일자리가 사라질 것" "원자력만 AI에 충분하다" 같은 과장된 서사는 특정 기업의 이익을 위해 증폭된 것입니다. 실제로는 오랫동안 인간이 할 수 있지만 AI가 할 수 없는 일들이 많을 것이고, AI를 사용할 줄 아는 사람들이 더 강력해질 거예요.

중요한 것은 다양한 AI 도구를 배우고 이것들을 조합해서 사용하는 능력입니다. 레고 블록을 하나씩 모으는 것처럼, AI 기술을 하나씩 배울 때마다 만들 수 있는 것이 폭발적으로 늘어나요.