AI에게 구현을 맡기되 판단은 남겨두는 법

『생각을 맡기는 사람들: 호모 브레인리스』를 읽으며, 구현을 맡길수록 문제 정의와 판단의 기준은 더 분명히 내가 붙들고 있어야 한다는 생각을 정리했다.

최근 『생각을 맡기는 사람들: 호모 브레인리스』를 공부했다.

처음 제목을 봤을 때는 AI를 잘 활용하는 사람을 말하는 표현처럼 느껴질 수도 있었다. 그런데 책은 반대에 가까운 경고를 건넸다. AI가 결과만이 아니라 문제를 해석하는 일, 판단 기준을 세우는 일, 무엇을 선택할지까지 대신하게 될 때 사람은 생각의 주도권을 잃을 수 있다는 이야기였다.

나는 이 내용을 보며 AI 에이전트와 일하는 내 방식을 조금 돌아봤다.

구현을 맡기는 일이 늘어나고 있지만, 적어도 그림과 구조, 판단과 결정, 결과가 향하는 방향만큼은 최대한 내 생각을 따르도록 해왔다. 먼저 지침이나 파일로 맥락과 기준을 주고, 에이전트와 대화하며 생각을 더 발전시킨다. 어느 정도 합의가 되면 구현을 맡기되, 기술적인 부분도 내가 생각한 방향에서 벗어나지 않도록 계속 확인한다.

그 방식이 완벽하다고 말할 수는 없다. 다만 이번 공부를 통해, 이것이 AI를 멀리하는 태도가 아니라 AI를 내 지능을 높이는 파트너로 쓰기 위한 한 가지 방식일 수 있겠다는 생각이 들었다.

문제까지 맡기는 순간, 생각의 주도권이 바뀐다

AI에게 일을 맡긴다는 말에는 서로 다른 층위가 섞여 있다.

자료를 정리하고, 초안을 만들고, 대안을 넓히고, 코드를 작성하는 일은 어느 정도 위임할 수 있다. 오히려 그 속도 덕분에 사람이 더 중요한 생각에 시간을 쓸 수도 있다.

하지만 다음 질문까지 AI에게 넘기면 이야기가 달라진다.

• 지금 정말 풀어야 하는 문제는 무엇인가.
• 좋은 결과를 무엇으로 판단할 것인가.
• 어떤 근거를 믿고, 어떤 제약을 우선할 것인가.
• 언제 지금의 방향을 버리거나 바꿀 것인가.
• 여러 선택지 가운데 무엇을 최종적으로 선택할 것인가.

이 질문들은 실행의 앞뒤를 결정한다. 답을 빠르게 얻는 일과는 조금 다른 종류의 일이다.

책에서 말하는 ‘질문자와 구걸자’라는 대비가 눈에 남았다. 나는 이것을 AI에게 질문을 많이 하는 사람과 적게 하는 사람의 차이로 이해하지 않았다. 목적과 기준을 가진 채 AI와 탐색하는 사람, 그리고 기준과 결정을 대신 내려달라고 요청하는 사람의 차이에 더 가깝다고 느꼈다.

AI가 답을 많이 내놓는다고 해서, 그 답의 방향까지 내가 정한 것은 아니다.

그래서 AI 협업에서 먼저 지켜야 할 것은 모든 일을 직접 하는 능력이 아니라, 내가 무엇을 판단하고 있는지 놓치지 않는 일일지도 모른다.

지침과 파일은 에이전트를 통제하는 장치만은 아니다

에이전트와 작업할 때 나는 가능한 한 먼저 그림을 공유하려 한다.

무엇을 만들지, 왜 지금 이 일을 하는지, 어디까지가 범위인지, 어떤 결과를 좋은 결과로 볼지, 피하고 싶은 선택은 무엇인지 적는다. 작업 지침이나 참고 파일에는 이런 내용을 최대한 담으려고 한다.

처음에는 이것이 에이전트가 내 말을 잘 따르게 하기 위한 장치라고 생각했다. 물론 그 역할도 있다. 하지만 이번에 생각해 보니, 그보다 먼저 내 생각을 밖으로 꺼내 구조화하는 과정에 가깝다.

막연히 ‘이런 것을 만들고 싶다’고 생각할 때는 내가 중요하게 여기는 기준도 섞여 있다. 그것을 문서로 적으면 목적과 상황, 선택 기준, 실행 범위가 조금 더 또렷해진다. 에이전트에 전달하기 전에 나 자신에게 먼저 설명하는 셈이다.

그 뒤의 대화도 단순한 지시와 수행의 관계만은 아니다.

에이전트가 빠뜨린 조건을 묻거나, 다른 구현 방식을 제안하거나, 내가 세운 가정의 빈틈을 드러낼 수 있다. 그때 필요한 것은 에이전트의 답을 곧바로 채택하는 것이 아니라, 왜 그 제안이 나왔는지와 내 기준에 맞는지를 함께 보는 일이다.

나는 이 과정을 통해 생각을 더 발전시키고 싶다. 에이전트가 내 생각을 대신하도록 두기보다, 내 생각이 더 멀리 갈 수 있게 만드는 쪽이다.

구현을 맡기는 일과 결정을 맡기는 일은 다르다

충분히 대화해 큰 그림과 기준이 맞물렸다고 느끼면 구현 일부를 맡긴다. 반복적인 코드 작성, 초안 구성, 여러 선택지의 비교처럼 속도와 탐색 폭이 도움이 되는 일은 에이전트가 잘할 수 있다.

이때도 나는 ‘구현을 맡겼으니 결과까지 맡겼다’고 생각하지 않으려 한다.

기술적인 선택에도 제품의 목적, 운영의 제약, 이후 유지보수, 협업하는 사람들의 맥락이 이어져 있다. 에이전트는 주어진 맥락 안에서 그럴듯한 답을 빠르게 확장할 수 있다. 하지만 무엇을 덜어낼지, 지금의 해법을 포기할지, 더 중요한 문제로 방향을 틀지는 그럴듯함만으로 결정하기 어렵다.

이번 스터디에서 오래 남은 생각은 이것이다.

에이전트는 무언가를 더하는 데는 강하지만, 무엇을 버릴지와 언제 방향을 바꿀지는 내가 더 책임 있게 판단해야 한다.

여기서 말하는 삭제는 파일을 지우는 일이 아니다. 처음 세운 목표가 잘못됐다고 인정하는 일, 보기 좋은 기능을 포기하는 일, 더 이상 유효하지 않은 문제 정의를 갈아엎는 일에 가깝다.

AI의 제안이 많아질수록 오히려 이 판단이 더 중요해질 수 있다. 선택지가 늘어난다고 해서 목적이 자동으로 선명해지지는 않기 때문이다.

나의 두 번째 뇌는 판단의 기록이어야 한다

책에서 다루는 ‘두 번째 뇌’와 AI 협업 사이클을 보며, 나는 두 번째 뇌를 자료를 많이 모아두는 공간으로만 생각하지 않게 됐다.

다음 작업에서 쓸 수 있도록 남기고 싶은 것은 결론만이 아니다.

• 당시 무엇을 문제로 봤는가.
• 어떤 목적과 제약이 있었는가.
• 어떤 선택지를 비교했고, 무엇을 버렸는가.
• 왜 이 방향을 선택했는가.
• 예상과 달랐던 것은 무엇이었는가.

이런 기록이 쌓이면 매번 에이전트에게 백지에서 일을 설명하지 않아도 된다. 더 중요한 것은, 과거의 결론을 복사하는 대신 과거의 판단을 다시 검토할 수 있다는 점이다.

에이전트에게 제공하는 자료도 단순한 명령 모음이 아니라 내가 문제를 보는 방식의 흔적이 될 수 있다. 그러면 에이전트는 내 판단을 대신하는 존재가 아니라, 내가 축적해 온 맥락 위에서 함께 탐색하는 파트너에 조금 더 가까워진다.

도구가 바뀌어도 남겨둘 일

앞으로 에이전트는 더 많은 구현과 분석을 할 수 있게 될 것이다. 그러면 어느 기능을 쓸지, 얼마나 자주 위임할지보다 먼저 이런 질문을 해야 할 것 같다.

지금 이 작업에서 내가 끝까지 붙들고 있어야 하는 판단은 무엇인가.

내가 생각하는 협업의 흐름은 단순하다.

1. 목적과 현재 상황을 내 언어로 정의한다.
2. 지침과 자료로 그림, 제약, 판단 기준을 공유한다.
3. 에이전트와 대화하며 가정과 선택지를 점검한다.
4. 합의된 범위의 실행과 구현을 맡긴다.
5. 결과를 보고 방향과 전제를 다시 판단한다.
6. 결론뿐 아니라 판단의 이유를 다음 작업을 위해 남긴다.

이 과정에서 AI는 내 생각을 빼앗는 대체물이 아니라, 생각을 정리하고 넓히고 실행으로 옮기는 증강 장치가 될 수 있다.

이번 공부를 통해 내가 이미 하려던 방향을 조금 더 분명하게 확인했다. AI 도구가 계속 바뀌어도 목적을 정하고, 근거를 평가하고, 우선순위를 결정하고, 필요하면 기존 안을 버리는 일은 내가 해야 한다.

앞으로는 에이전트에게 무엇을 더 맡길 수 있는지만 궁금해하지 않으려 한다. 내가 더 좋은 판단을 하도록 에이전트를 어떻게 쓸 수 있는지, 그리고 그 판단을 다음에도 이어갈 수 있도록 무엇을 기록할지를 계속 살펴보고 싶다.

앞으로는 에이전트에게 무엇을 맡길 수 있는지만 묻기보다, 내가 더 좋은 판단을 하도록 어떻게 활용할지를 계속 살펴보고 싶다.