02. AI 마인드셋¶

AI를 잘 쓰려면 알아야 할 관점입니다.

AI는 단순한 지시 수행자가 아니다¶

많은 사람이 AI를 "명령하면 실행하는 도구"로 생각합니다. 근데 이렇게 쓰면 AI를 제대로 못 씁니다. 맥락 없이 지시만 하면 AI는 평균적인 답을 줄 수밖에 없고, 결국 여러분이 원하는 것과 다른 결과가 나옵니다.

AI는 엄청나게 넓은 지식을 가진 도서관 사서와 같습니다.

잘못된 접근 ❌

"자바스크립트로 로그인 기능 만들어줘"

→ 사서는 자기가 생각하기에 맞는 책을 그냥 줄 뿐입니다. → 당신이 원하는 것과 다를 수 있습니다.

올바른 접근 ⭕

"JWT 기반 인증을 구현하려고 하는데,
세션 방식과 비교했을 때 장단점이 뭐야?
우리 프로젝트에서는 어떤 게 더 적합할까?"

→ 사서는 관련된 다양한 자료를 제시합니다. → 당신은 그 중에서 필요한 것을 취사선택합니다.

Anthropic 연구를 보면, AI에 너무 기대면 실력이 안 늡니다.

52명 전문 개발자 대상 실험인데요:

낮은 학습 효과 (점수 40% 미만)

높은 학습 효과 (점수 65% 이상)

# 나쁜 예
"이 버그 고쳐줘" → [복붙] → 다음 버그

# 좋은 예
"이 버그 고쳐줘"
→ "왜 이런 버그가 발생했어?"
→ "비슷한 패턴의 버그를 미리 방지하려면?"
→ [이해하고 적용]

Anthropic이 진행한 무작위 대조 시험(RCT)을 살펴볼게요.

52명의 주니어 개발자를 대상으로 Python Trio 라이브러리 코딩 과제를 진행했습니다.

디버깅 문제에서 격차가 가장 컸어요. AI가 생성한 코드의 오류를 직접 찾는 능력이 눈에 띄게 떨어졌습니다. 속도 이점(약 2분)은 통계적으로 유의하지 않았어요.

패턴	학습 효과	구체적 행동
낮은 점수	학습 저해	AI에게 전적으로 위임, 결과만 복붙, 스스로 생각하지 않음
높은 점수	학습 촉진	설명 요청, 개념 질문, 코드 이해 후 직접 작성

"AI가 빠르게 해주는 것"과 "내가 배우는 것"은 다릅니다. 이해가 목표라면 의도적으로 인지적 노력을 유지하세요.

AI를 "일 시키는 도구"가 아니라 "같이 탐색하는 파트너"로 생각해보세요.

1. 선택지 요청하기

"이 문제를 해결하는 방법을 3가지 제안해줘.
각각의 장단점도 함께."

2. 사서의 추천 받기

"지금 이 방식으로 구현했는데,
비슷한 상황에서 자주 쓰이는 다른 패턴 있어?"

3. 취사선택하기

"두 번째 방법이 우리 상황에 맞는 것 같아.
이걸로 구체화해보자."

AI 덕에 빨라졌다고 실력까지 는 건 아닙니다.

— Anthropic Research, 2025

AI가 판단을 대신해 주는 게 아닙니다. 더 나은 판단을 할 수 있게 자료를 가져다주는 거예요.

AI를 대하는 관점이 정리되었다면 03. 실무 워크플로우에서 실제 프로젝트에 적용하는 방법을 알아보세요.

참고 자료: