AI로 만든 수많은 산출물은 주의력을 분산시키고 유지 부담만 키웠으며, 마찰 없는 도구가 어떻게 집중과 의미 있는 결과물을 해치는지에 대한 성찰.
나는 AI로 내가 만들어 낸 온갖 멋진 것들의 목록을 떠올려 보려 한다:
SaaS를 제외하면, 이 중 거의 아무것도 유용하지 않고 나는 그 어느 것도 유지보수하고 싶지 않다. 나는 실수로 뉴스 매체 하나를 운영하고 있는데, 분명히 그건 책임 부담이다. 물론 이런 것들이 내가 “AI 도구를 익히는” 데 도움은 됐고, 지금도 나는 이런 도구들 중 많은 것을 사용한다. 하지만 나는 그것들이 필요하지 않았다. 시간, 헌신, 믿음, 주의력, 혹은 토큰에 돈을 쓸 의지 어느 측면에서도 나는 그것들 중 아무것도 유지할 여력이 없다.
나는 이 중 대부분을 만들 생각이 없었다. 보통 Claude 세션은 X를 위한 간단한 스크립트를 하나 써줘 같은 것으로 시작했고, 한 시간 뒤 결과물은 X를 위한 간단한 스크립트 가 아니게 된다. 그리고 대개는 내가 처음 가졌던 문제가 무엇이었든, 그 문제도 해결되지 않는다.
바로 그 마지막 지점에서, 이 기술은 주의력에 끔찍하다. 이건 초열핵 ADHD 증폭기이고, 나는 내 성인 친구들 모두에게서 똑같은 효과를 봤다. 서로 전혀 관련 없는 “프로젝트”를 동시에 3개 화면에 띄워 놓고 작업하면서, 유지할 가능성은 거의 없고 결과에 대한 헌신도 너무 약해서 그 시간이 명백히 낭비되고 있는 사람들 말이다.
최근 들어서는 적어도 한 달에 한 번씩 누군가가 자기가 작업 중인 멋진 도구의 스크린샷을 보내온다. 나는 와, 이건 정말 대단하네 싶고, 보낸 사람도 분명 자랑스럽고 신이 나 있다. 나는 되도록 묻지 않으려 하지만, 항상 속으로는 그래서 이걸 어디서 마케팅할 건데? 하고 생각한다. 왜냐하면 그 질문을 엔지니어에게 던졌을 때의 답은 LLM이 존재하기 전부터 바뀌지 않았기 때문이다.
나는 최근 인터뷰를 했는데 AI 사용 이야기가 나오자 진행자가 대충 이런 식으로 답했다. 아, 저희는 꽤 가볍게 쓰는 편이에요, 각자 에이전트를 관리하는 방이 최대 5개까지 있거든요. 그 말을 듣는 즉시 나는 배가 꽉 조이는 느낌이 들었다.
Claude를 몇 달 쓰고 나서 나는 그 효과를 어렴풋이 감지했다. 나중에는 할당량 제한이 과도한 사용을 완화해 줄 거라는 믿음으로 구독을 Pro로 낮췄다. 그러다가 Claude가 서비스 품질이 안 좋은 시기를 겪었고, 나는 Codex로 옮겼다. Codex의 CLI는 Claude 것보다 훨씬 더 낫고 눈에 띄게 빠르다. 그러자 사용량이 다시 슬금슬금 올라가기 시작했다.
이 기술은, 잘 다듬어졌을 때, 진짜로 놀랍다. 난해한 문법을 위한 파서를, 그것도 생소한 언어로 구현하고 테스트까지 완비해서 제로샷으로 짜 달라고 하면 해낸다. 하지만 오늘날 존재하는 도구들은 그것을 신중하게 적용하는 데 필요한 집중을 전혀 장려하지 않는다.
거의 모든 벤더와 모든 도구는 정확히 그 반대를 의도한다. 더 많은 사용, 더 많은 토큰, 더 많은 출력. ChatGPT에 단순한 예/아니오 질문을 던져도, 과도한 상호작용을 유도하려고 관련 후속 질문을 끼워 넣도록 하드와이어되어 있다는 것이 분명히 보인다.
테스트도 안 된 10,000 LOC짜리 엉망인 Python/JS 코드를 5분 만에 쏟아내는 일은 누구에게도 도움이 되지 않는다. 이런 일이 모든 상업 환경에서 동시에 벌어지고 있다고 생각하면 끔찍하다.
내 초기 AI 실험 중 하나는, Marshall McLuhan식 사고에서 렌즈로서의 AI 를 탐구하면서, 음성 인식을 한쪽 끝에 연결하고 반대쪽 끝에서 블로그 글이 생성되도록 하는 파이프라인을 만드는 일이었다. 그러면 내 생각을 더 잘 포착하게 될 것이라고 믿었다. 내가 해야 할 일은 Telegram 채널에서 음성 노트 버튼을 누르는 것뿐이고, 그러면 Opus 형식의 게시물이 튀어나오는 식이었다.
그 결과물은 통제되지 않은 쓰레기였다. 노력이 제거되자 헌신도 사라졌고, 헌신이 사라지자 집중도 사라졌고, 집중이 사라지자 의미 있는 산출물 자체가 사라졌다. 좋은 글쓰기는 단순히 대화체 영어를 렌즈에 통과시킨 것이 아니다. 대화체 영어는 저비트레이트 잡음이고, 좋은 글쓰기는 더 잘 형성된 개념으로 고비트레이트 정보를 포착하려는 시도다. 그리고 이건 시작하기 전부터 자명했어야 했다.
나는 그 파이프라인을 개인 메모를 기록하는 용도로 바꾸는 것도 생각해 봤지만, 나는 개인 메모가 필요하지 않다. 그것은 잡음이 자연스럽게 잊히는 과정을 전복한다. 그저 과도한 도구 사용이 하나 더 늘어날 뿐이다.
이로부터 이어서, 품질이 중요한 한 나는 손글씨가 결코 구식이 될 수 없다고 믿는다.
우리는 위기를 향해 가고 있는 듯하고, 그 답이 “더 나은 모델”이나 “더 나은 도구”일 거라고는 생각하지 않는다. Cal Newport는 이것을 유사-생산성과 연결한다:
연사는 AI와 이메일을 포함한 디지털 생산성 도구들이 종종 “디지털 생산성의 역설”을 만든다고 주장한다. 개별 작업은 더 빠르거나 쉬워질 수 있지만, 전체적으로는 지식 노동자를 더 바쁘고, 더 산만하게 만들며, 생산성은 오히려 떨어뜨릴 수 있다는 것이다. 그는 AI 사용자가 이메일, 메시징, 채팅, 비즈니스 관리 도구에 훨씬 더 많은 시간을 쓰는 반면, 집중되고 방해받지 않는 작업에는 더 적은 시간을 썼다는 연구를 인용한다. 그의 핵심 주장은 마찰을 줄이도록 설계된 도구들이 종종 얕은 작업과 맥락 전환의 양을 늘리고, 그 결과 깊은 작업과 고가치 산출물이 약화된다는 것이다.
그는 이것이 왜 일어나는지 설명하면서, 지식 노동이 종종 “유사-생산성”에 의존한다고 말한다. 여기서는 눈에 보이는 분주함이 실제 가치의 대리 지표로 취급된다. 디지털 도구는 사람들이 활동적으로 보이게 함으로써 이를 강화한다. 더 많은 메시지를 보내고, 더 많은 초안을 만들고, 더 많은 회의에 참석하고, 더 많은 작업 산출물을 생성하게 만드는 것이다. 이 함정을 피하기 위해 그는 실제 결과를 측정하고, 자신의 일에서 진짜 병목이 무엇인지 파악하며, 깊은 작업과 얕은 작업을 분리해서 디지털 도구가 주의력을 소모하는 대신 의미 있는 진전을 지원하도록 하라고 권한다.
-- 🤖
이런 경험들은 모든 도구 사용에 대한 새로운 인식을 열어 주었다. 왜냐하면 그 밑바탕에서 이 문제는 빠른 개발 = 더 많은 앱, 혹은 빠른 이메일 = 더 많은 소통이 바람직한 목표인가의 문제가 아니기 때문이다. 더 일반적으로 말하면, 이것은 삶의 한 단위 시간과 그것이 어떻게 의미 있게 쓰이느냐의 문제다.
현재 나는 사용을 줄이는 것 외에 AI를 어떻게 관리해야 할지 전혀 모르겠다. 왜냐하면 아주 적은 입력과 아무런 마찰 없이 값싼 보상을 만들어 내는 도구는 결국 부담이 될 수밖에 없고, 아마 그것을 깨닫게 해 준 것만이 지금까지 AI의 유일한 진짜 기여이기 때문이다.
David, 2026년 5월 31일 일요일 14:31:04
