AI 배우려고 돈 쓰지 마라? 이제 중요한 건 ‘사용법’이 아니라 무엇을 시키느냐다#메타#삼성전자

[00:00:00.200] 바이브 코딩 한 번쯤은 들어봤을 겁니다 [00:00:03.450] 코딩을 제대로 배우지 않아도 [00:00:05.230] AI에게 말로 설명하면 [00:00:07.140] 프로그램을 만들어 주죠 [00:00:09.090] 저도 처음에는 이런 생각을 했습니다 [00:00:11.230] 이제 코딩을 몰라도 [00:00:12.370] 뭔가 만들 수 있는 시대가 왔구나 [00:00:14.580] 근데 최근에는 여기서 한 단계 더 나아가는 것 같습니다 [00:00:18.050] 어쩌면 앞으로 바이브 코딩조차 [00:00:20.000] 배울 필요가 없어지는 것 아니냐는 거죠 [00:00:23.120] 바이브 코딩도 지금은 어느 정도 배워야 하거든요 [00:00:26.570] 어떤 AI 툴을 써야 하는지 알아야 하고 [00:00:29.170] 프롬프트 어떤 말을 넣을 건지, [00:00:31.650] 오류가 발생하면 [00:00:32.580] 어떻게 해결해야 하는지도 [00:00:34.430] 어느 정도 알아야 합니다 [00:00:36.120] 여기서 바이브 코딩이라는 것은 [00:00:37.930] AI에게 말로 원하는 기능을 설명하면서 [00:00:41.570] 프로그램을 만드는 방식이죠 [00:00:43.570] 예전에는 프로그램 하나 만들려면 [00:00:45.680] 코드 작성하는 방법을 몇 년씩 공부해야 했습니다 [00:00:49.550] 그러다가 노코드가 나왔고 [00:00:51.770] 이제는 바이브 코딩까지 왔죠 [00:00:53.900] 최근에는 에이전트를 직접 만들어서 [00:00:56.260] 여러 가지 일을 자동화하는 것도 유행하고 있습니다 [00:00:59.660] 근데 벌써 이런 이야기도 나오거든요 [00:01:01.860] 에이전트 빌딩의 시대도 끝나가고 있다 [00:01:05.150] 본인은 시작하지도 않았는데 [00:01:06.810] 벌써 끝나가고 있는 거죠 [00:01:08.580] 이런 에이전트를 어떻게 만들고 [00:01:10.690] 연결하는 것도 기술이지만 [00:01:12.790] AI가 더 좋아지면 [00:01:14.450] 이것조차 굳이 사람이 만들 필요가 있느냐는 겁니다 [00:01:18.470] 그냥 AI에게 일을 시키면 되니까 [00:01:21.010] 코딩에서 실제 결과물까지 [00:01:23.430] 노코드, 바이브 코딩, [00:01:25.090] 에이전트 이런 것들이 생겼는데 [00:01:27.190] 결국 사람이 직접 해야 하는 [00:01:29.150] 중간 과정들이 하나둘씩 생겼다 사라지고 있는 거죠 [00:01:32.940] AI 이전에는 원래 존재되어 있던 프로세스입니다 [00:01:36.590] 10년간, 20년간 이렇게 존재해 있었죠 [00:01:39.870] 이렇게 되면 결국 AI 없애고 있는 것은 [00:01:42.730] 코딩만이 아닐 수 있다는 거죠 [00:01:45.250] 아이디어와 결과물 사이에 존재했던 [00:01:48.150] 배워야 하는 것들을 없애고 있는 겁니다 [00:01:51.070] 어떻게 보면 이런 걸 [00:01:52.070] 돈을 받고 가르쳐주는 사람들도 결국 사라지겠죠 [00:01:56.020] 오늘 AI에 대해서 여러 가지를 생각해 봅시다 [00:01:59.400] 그런데 여기에서 [00:02:00.190] 저는 조금 다른 생각이 또 들었습니다 [00:02:03.180] AI에게 이런 프로그램 하나 "만들어줘."라고 했습니다 [00:02:07.020] 잠시 뒤에 프로그램 하나가 나오죠 [00:02:09.420] 그런데 프로그램 하나를 만드는 과정에서 [00:02:12.060] 원래는 엄청나게 많은 판단이 들어갑니다 [00:02:15.570] 버튼을 어디에 둘지, [00:02:17.180] 어떤 기능을 넣고 뺄지, [00:02:19.440] 사용자가 예상하지 못한 행동을 하면 [00:02:21.510] 어떻게 처리할지 [00:02:22.900] 화면이 복잡해지면 [00:02:24.590] 어떤 디자인을 해야 될지 [00:02:25.960] 같은 결정을 사람이 계속 내려왔죠 [00:02:29.230] 근데 제가 AI에게 한 말은 [00:02:31.600] "이런 거 만들어줘." 이게 전부입니다 [00:02:34.130] 그렇다면 그 사이에 있었던 [00:02:35.730] 수많은 결정은 누가 했을까요? [00:02:38.120] AI가 한 거죠 [00:02:39.820] 그렇게 시키는 겁니다 [00:02:41.820] 그러면 AI는 어떻게 선택하느냐? [00:02:44.360] 지금까지 학습한 수많은 결과를 바탕으로 [00:02:47.410] 보통 이런 제품이라면 이렇게 만들겠지라는 가정, [00:02:51.820] 그럴듯한 선택으로 빈칸을 채우게 됩니다 [00:02:55.060] 특별한 지식이 없다로 하면 [00:02:56.790] 평균에 가깝겠죠 [00:02:58.740] 그래서 AI가 만든 결과물을 보면 [00:03:00.820] 묘한 느낌이 있는 거죠 [00:03:02.430] 못 만든 건 아닌데, [00:03:04.270] 오히려 상당히 잘 만들었다면 [00:03:06.170] 어디에서 본 것 같기도 하고 [00:03:08.020] 글이든 이미지든 그럴 듯한데 [00:03:10.450] 왜 이렇게 만들었는지가 잘 보이지 않죠 [00:03:13.280] 이걸 "AI slop" 이라는 표현을 쓰는데, [00:03:16.900] 쉽게 말해서 [00:03:17.630] AI로 너무 쉽고 빠르게 대량 생산되면서 [00:03:21.010] 겉보기에는 그럴듯하지만 [00:03:22.910] 사람의 고민이나 차별성이 [00:03:24.920] 별로 느껴지지 않는 결과물을 말합니다 [00:03:28.010] 비슷한 AI 이미지나 글, [00:03:29.770] 영상이 넘쳐나는 것을 생각해 보면 [00:03:32.230] 이해하기 쉽습니다 [00:03:33.890] 결국 이건 AI가 인간이 하던 [00:03:35.930] 중간 정도의 판단까지 대신하면서 [00:03:38.400] 나타나는 현상이라고 봅니다 [00:03:40.870] 그러면 프롬프트를 아주 자세하게 쓰면 되지 않을까요? [00:03:44.460] 이것도 한계가 있죠 [00:03:45.970] 내가 알고 있는 문제는 프롬프트에 적을 수 있습니다 [00:03:49.660] 그런데 내가 아직 모르는 걸 지시할 수는 없겠죠 [00:03:52.330] 이것도 나중에는 가능해질 것 같기는 한데 [00:03:55.120] 그래서 실제 무언가를 만들어 보면 [00:03:57.190] 처음에는 생각하지 못했던 문제가 계속 나타나게 되죠 [00:04:00.860] 이건 직접 해봐야 알 수 있는 거죠 [00:04:03.240] 이런 문제는 처음부터 프롬프트에 적기가 어렵습니다 [00:04:06.760] 애초에 내가 그 문제의 존재를 몰랐으니까 [00:04:09.730] 그러면 AI가 이런 중간의 판단까지 [00:04:12.240] 대부분 해버렸다면 [00:04:14.230] 내가 만들었다는 것은 도대체 무엇을 의미할까요? [00:04:18.160] 내가 한 것은 아이디어 하나 던진 것뿐이고, [00:04:20.980] 실제 제품을 만드는 대부분의 판단을 AI가 했다면 [00:04:24.760] 누군가 잘 만들어 놓은 완성품을 [00:04:27.170] 그냥 사용하는 것과 [00:04:28.820] 본질적으로 얼마나 다른가 하는 겁니다 [00:04:32.100] 이런 현상들이 나타나고 있다라는 겁니다 [00:04:35.440] 최근 AI 연구 쪽을 보면 [00:04:37.830] 하루에도 엄청난 숫자의 논문이 쏟아지고 있습니다 [00:04:40.970] 예전에는 논문 한 편을 쓰거나 [00:04:42.990] 프로그램, 영상 같은 걸 하나 완성했다는 사실 자체가 [00:04:46.890] 어느 정도 의미가 있었다는 거죠 [00:04:49.000] 무언가를 만드는 비용이 꽤 비쌌고 [00:04:51.840] 시간도 많이 걸렸기 때문이죠 [00:04:53.840] 기술을 배워야 했고 [00:04:55.460] 상당한 시간과 노력이 필요했기 때문에 [00:04:58.070] 결과물이 존재하는 것 자체가 [00:05:00.120] 어느 정도 능력을 보여주는 신호였습니다 [00:05:03.580] 근데 AI가 이런 행위들을 [00:05:06.080] 빠른 시간과 낮은 비용으로 [00:05:08.470] 가능하게 하고 있다는 거죠 [00:05:10.150] 그러니까 저런 논문들 같은 경우에 [00:05:12.420] "저게 무슨 가치가 있는 건가?"라는 [00:05:14.120] 생각이 점점 들어간다는 겁니다 [00:05:17.270] 무언가를 생산했다는 거, [00:05:19.590] 사실 자체의 가치가 떨어지고 있다는 겁니다 [00:05:22.800] 그리고 예전에 할 수 있었지만 [00:05:24.800] 굳이 하지 않았던 일이 굉장히 많았죠 [00:05:28.370] 자료가 수천 개 쌓여 있다는 거죠 [00:05:31.200] 그런 자료들을 모았다가 도저히 안 되겠다 [00:05:33.600] 폐기하는 경우도 있는데, [00:05:35.230] 사람이 직접 하기에는 시간이 너무 많이 걸리고 [00:05:37.990] 그렇다고 직원 한 명을 더 고용할 만큼 [00:05:40.330] 중요한 일도 아니고 [00:05:41.910] 그냥 안 했던 일 같은 거 있죠 [00:05:43.820] 이런 일들은 AI가 몇 분 만에 [00:05:46.490] 거의 공짜에 가깝게 해주는 경우가 있다는 거죠 [00:05:50.490] 특히 컴퓨터 안에서 시작해서 [00:05:52.420] 컴퓨터 안에서 끝나는 일에서는 [00:05:54.910] 이런 변화가 굉장히 빠르게 나타날 거라는 거죠 [00:05:58.770] AI가 점점 충분히 좋아지면 [00:06:00.860] 이런 일은 여러 번 실행하는데 [00:06:02.800] 들어가는 비용이 [00:06:03.750] 거의 제로에 수렴해진다는 겁니다 [00:06:06.980] 예전에는 아이디어가 떠오르면 [00:06:08.610] 먼저 이거 하는 데 [00:06:09.690] 얼마나 걸리지부터 생각했죠 [00:06:12.040] 그러니까 시간이 너무 오래 걸리거나 [00:06:13.710] 사람을 고용해야 한다면 [00:06:15.880] 괜찮은 아이디어도 실행하기 전에 포기하게 되죠 [00:06:19.460] 여기에서 이제 큰 변화들이 생기는데 [00:06:21.840] 특히 평균적인 결과물을 만드는 일의 가격이 [00:06:25.680] 크게 떨어질 가능성이 높다고 보는 거죠 [00:06:28.580] 회사에서 하는 일의 상당수가 [00:06:30.850] 세계 최고 수준의 창의성을 요구하지는 않습니다 [00:06:34.200] 평균적인 목적에 맞는 보고서, [00:06:37.090] 디자인 프로그램을 구현하는 것 [00:06:39.690] 이전에는 일정 수준의 결과물을 [00:06:41.790] 안정적으로 만들어 내는 것도 [00:06:43.710] 충분한 전문성이라고 본 거죠 [00:06:46.580] 그런데 이제 이런 일을 [00:06:47.800] AI가 굉장히 잘하는 영역이라는 겁니다 [00:06:50.980] AI는 엄청나게 많은 인간의 결과물을 학습했기 때문에 [00:06:54.470] 보통 이 정도 상황에서는 [00:06:56.050] 어떻게 만드는가를 제일 잘 알고 있습니다 [00:06:59.410] 그러니까 AI가 발전할수록 [00:07:01.260] 평균적인 결과물을 얻기 위해 [00:07:03.480] 굳이 사람에게 돈을 지불할 이유가 줄어드는 거죠 [00:07:06.900] 그렇다면 반대로 무엇의 가치가 올라갈까요? [00:07:09.590] 여기에서 아이디어가 많은 사람들에게는, [00:07:12.450] 지금이 굉장히 좋은 시대라고 생각합니다 [00:07:15.030] 아이디어를 직접 행하기 위해서, [00:07:17.770] 테스트하기 위해서 [00:07:19.240] 사람을 고용하든지 [00:07:20.940] 돈과 시간이 필요했는데, [00:07:23.090] 이제는 실행 비용이 거의 사라지게 되면 [00:07:25.490] 상황이 달라지는 거죠 [00:07:27.390] 아이디어가 여러 개 있다면 [00:07:29.010] 그냥 만들어보고 결과를 확인하면 됩니다 [00:07:32.300] 대부분 실패해도 괜찮죠 [00:07:34.300] 실패 비용 자체가 내려가고 있으니까 [00:07:37.260] 반대로 조금 위험해지는 사람들도 있죠 [00:07:39.990] 예전에는 누군가 무엇을 만들지 결정하면 [00:07:43.240] 다른 사람들이 이제 그것을 구현했었죠 [00:07:45.850] 기획자가 방향을 정하면 [00:07:47.640] 디자이너와 개발자가 만들고 [00:07:50.210] 원고가 나오면 [00:07:51.120] 편집자가 영상으로 만드는 식으로 [00:07:53.550] 역할이 나눠져 있었습니다 [00:07:55.520] 그리고 각각의 작업에 돈을 지불했죠 [00:07:58.980] 어떤 일은 상당히 프리미엄을 받는 전문직이었습니다 [00:08:03.780] 그 일을 할 줄 아는 것 자체가 기술이었기 때문이죠 [00:08:07.180] 그런데 AI가 이 중간 과정을 빠르게 잠식하기 시작합니다 [00:08:11.950] 가장 먼저 가치가 떨어질 수 있는 것은 [00:08:14.590] 이런 형태의 일이죠 [00:08:16.370] 무엇을 할지는 다른 사람이 정하고 [00:08:19.480] 저는 그것을 만들어 드리겠습니다 [00:08:22.400] 이런 만드는 행위를 하는 사람들의 가치가 떨어지는 거죠 [00:08:26.600] 그리고 그 행위 How를 어떻게 하느냐를 [00:08:29.450] 가르치는 사람들도 필요가 없어지겠죠 [00:08:32.440] 어떻게 보면 새로운 AI가 나왔을 때 [00:08:34.640] 이게 어떤 기능이 있느냐를 설명하는 것도 [00:08:37.650] 의미가 없어질 수 있겠죠 [00:08:39.420] 왜냐하면 지금의 쓰는 방법이 [00:08:41.560] 곧 바뀌고 더 쉬워지는 방향으로 간다는 거죠 [00:08:45.210] 어떻게 보면 AI를 안 쓰는 사람들에게 [00:08:48.010] 좀 유리한 상황일 수도 있습니다 [00:08:50.340] 당장은 컴퓨터 밖에서 이루어지는 [00:08:52.580] 물리적인 일들이 [00:08:53.610] 상대적으로 영향을 덜 받을 수 있습니다 [00:08:56.280] 다만 Physical AI가 본격적으로 들어오면 [00:08:59.150] 그 영역도 결국 영향을 받겠죠 [00:09:02.250] 일단 거기까지는 좀 시간이 걸리니까 [00:09:05.220] 그러면 자연스럽게 이런 질문이 생기는 거죠 [00:09:08.120] 요즘 많이 나오는 [00:09:09.080] 바이브 코딩 강좌 같은 걸 배워야 할까? [00:09:12.360] 물론 지금 당장은 도움이 됩니다 [00:09:14.220] 그런데 이 배움을 통해서 뭔가를 하는 행위 자체가 [00:09:18.260] 유효기간이 너무 짧다라는 거죠 [00:09:21.030] 오늘 어렵게 배우고 있는 AI 사용법을 [00:09:23.260] 내년에는 AI 자체가 해버릴 수도 있기 때문입니다 [00:09:27.150] 그냥 그런 기능은 원래 없어지는 거죠 [00:09:29.860] 새로운 툴이 나올 때마다 [00:09:31.310] 그 툴의 사용법 자체를 자신의 경쟁력으로 삼는다면 [00:09:35.530] 툴이 쉬워지는 순간 [00:09:36.950] 어렵게 익힌 기술의 희소성도 같이 떨어지는 거죠 [00:09:40.610] 다만 여기서 배움 자체가 필요 없어지는 것은 아닙니다 [00:09:44.360] 결국 AI가 만들어낸 결과를 보고 [00:09:47.080] 이건 뭔가 잘못됐다라고 판단할 수 있는 능력은 필요하죠 [00:09:51.460] 결국 그 분야를 알아야 합니다 [00:09:54.090] 그러니까 지식이 필요 없어지는 것이 아니라 [00:09:56.890] 도구를 다루기 위한 지식의 가치가 떨어지고 [00:10:00.100] 그 결과를 판단하기 위한 [00:10:01.570] 지식의 가치는 상대적으로 올라가는 거죠 [00:10:04.440] AI는 이런 사람들에게는 큰 승리가 될 수 있다 [00:10:08.480] 제대로 일을 하는 방법을 알 만큼 [00:10:10.650] 경험이 쌓여 있으면서도 [00:10:12.490] 새로운 기술을 거부하지 않고 [00:10:14.210] 적극적으로 받아들이는 사람들 [00:10:16.680] 연령대를 보면 40대가 유리하죠 [00:10:19.710] 충분히 경험이 있으면서 [00:10:21.400] 새로운 기술을 활용할 수 있는 거죠 [00:10:24.580] 그런데 꼭 나이가 중요하진 않다고 생각합니다 [00:10:28.150] 경험과 AI가 만날 수 있게 하는 능력이 필요한 거죠 [00:10:32.400] 한 분야에서 오래 일한 사람들은 [00:10:34.450] 무엇이 실제 중요한지, [00:10:36.380] 어디에서 문제가 생기는지, [00:10:38.400] 사람들이 말하는 것과 실제 원하는 것이 [00:10:41.050] 어떻게 다른지를 경험적으로 알고 있죠 [00:10:44.470] AI가 아무리 그럴듯한 결과를 보여줘도 [00:10:47.740] "현실에서는 그렇게 안 돼."라고 [00:10:49.840] 알아차릴 수 있는 능력이 필요하죠 [00:10:52.440] 그래서 지금 당장은 경험이 많은 사람들이 [00:10:55.020] AI를 사용하면 굉장히 강력할 수 있습니다 [00:10:58.930] 그런데 이런 경험도 앞으로 [00:11:00.990] 실제 10년이 걸려야 되는 경험이 [00:11:03.410] AI를 통해서 짧아지게 하는 [00:11:06.050] 일종의 가상 경험을 쌓는 것도 가능해지고 있습니다 [00:11:10.440] 그리고 일단 AI를 사용하는 자세 자체가 [00:11:13.880] 달라져야 된다고 봅니다 [00:11:15.850] 우리는 컴퓨터가 나온 이후 [00:11:17.580] 굉장히 오랫동안 비슷한 방식으로 일해왔죠 [00:11:20.880] PC 앞에 앉아서 [00:11:22.100] 키보드와 마우스를 잡고 [00:11:24.160] 프로그램을 열고 [00:11:25.240] 내가 직접 작업합니다 [00:11:27.390] AI가 나온 뒤에도 [00:11:29.020] 처음에는 크게 달라지지 않았죠 [00:11:31.130] 검색창 대신 채팅창을 열고 [00:11:33.450] 여전히 키보드로 질문하고 있죠 [00:11:35.990] 그런데 이것도 과도기적인 모습일 수 있습니다 [00:11:38.950] 이번에 메타가 공개한 '뮤즈 참' 같은 제품도 [00:11:42.350] 이런 관점에서 보면 재미있는 거죠 [00:11:45.010] 작은 화면이나 하드웨어 같은 사양이 아니고 [00:11:48.120] 컴퓨터를 사용하는 방법 자체를 바꾸려는 거죠 [00:11:51.210] 저도 최근에는 어떤 아이디어가 떠오르면 [00:11:53.770] 과거에 메모했다든지 [00:11:55.190] 아니면 스마트폰에 메모장에 타자 한다든지, [00:11:59.410] 아니면 그냥 녹음을 해놓는 거죠 [00:12:02.680] 이런 방식으로 왔다가 [00:12:04.370] 최근에는 일단 ChatGPT한테 [00:12:06.030] 아이디어를 계속 던져놓는 겁니다, [00:12:08.050] 말로 [00:12:08.870] 완벽한 문장을 만드는 것도 아니고요 [00:12:10.730] 그냥 생각나는 대로 [00:12:12.230] 단어대로 그냥 던져놓는 거죠 [00:12:14.650] 그리고 나중에 완성본은 [00:12:16.120] PC 앞에서 앉아서 [00:12:17.550] 이렇게 읽어보는 방식으로 합니다 [00:12:19.910] 이 방식이 급속도로 변하고, [00:12:22.170] 어떻게 생각해 보면 [00:12:23.170] 그냥 내가 머릿속에 떠오르는 아이디어가 [00:12:25.120] 그냥 출력물로 나오면 안 되나? [00:12:27.170] 뭐 이런 생각도 듭니다 [00:12:29.420] 그냥 영상이 유튜브에 올라가지는 [00:12:31.830] 이런 시대도 언젠가는 오겠죠 [00:12:34.070] 결국 더 나아가 [00:12:35.310] 머릿속에 떠오른 아이디어와 [00:12:37.210] 결과물 사이의 과정 자체가 [00:12:39.700] 거의 사라지는 것 아니냐는 생각도 듭니다 [00:12:43.280] 그리고 여기에서 판단력이라는 말도 [00:12:45.650] 조금 더 구체적으로 볼 필요가 있습니다 [00:12:48.170] 앞으로 중요한 것은 [00:12:49.430] 단순히 AI가 만든 것 중에서 [00:12:51.550] 좋은 것을 고르는 능력만이 아닙니다 [00:12:54.660] AI에게 생산성 있는 일을 시킬 수 있느냐겠죠 [00:12:59.120] 남들이 이미 하고 있는 일을 똑같이 시키면 [00:13:02.060] 결국 비슷한 결과물이 쏟아집니다 [00:13:04.710] 반대로 지금까지 아무도 하지 않거나 [00:13:07.030] 필요성은 있지만 [00:13:08.240] 비용 때문에 하지 못했던 일을 발견해서 [00:13:11.170] AI에게 시킨다면 [00:13:12.910] 같은 AI를 가지고도 [00:13:14.410] 완전히 다른 생산성을 만들 수 있죠 [00:13:17.300] 결국 중요한 것은 일을 시킬 줄 아느냐가 아니라 [00:13:20.480] 어떤 일을 시켜야 [00:13:21.720] 가치가 생기는지를 알 수 있어야 하는 거죠 [00:13:25.140] 그래서 저는 AI 시대에 우리가 배워야 하는 게 [00:13:27.900] 정말 바이브 코딩인지 [00:13:29.450] 프롬프트 작성법인지 조금 의문이 듭니다 [00:13:32.380] 이런 사용법은 AI가 발전할수록 [00:13:34.790] 오히려 더 쉬워질 가능성이 높습니다 [00:13:37.730] 과거에는 아이디어가 있어도 [00:13:39.280] 만들 줄 아는 사람이 필요했죠 [00:13:41.600] 그런데 앞으로 누구나 만들 수 있게 된다면 [00:13:44.360] 질문이 완전히 달라지는 거죠 [00:13:46.530] 어떻게 만들지가 아니라 [00:13:48.130] 뭘 만들지, [00:13:49.160] AI를 어떻게 쓰지가 아니라 [00:13:51.020] AI에게 무슨 일을 시키지? [00:13:52.990] 저는 오히려 이게 앞으로 사람들 사이에 [00:13:55.500] 생산성 차이를 만드는 [00:13:57.470] 중요한 요소가 될 거라고 봅니다 [00:14:00.430] 🔥🔥 투자 아이디어는 멤버십에서 [00:14:11.060] 🔥 구독! 좋아요! 감사합니다!