🎬 영상까지 뚝딱,
AGI가 어느덧 왔다면 누가 더 살아남을까요?

💡 하루에 세 번, 같은 생각이 들었습니다

10월 1일 목요일 아침, 출근길이었어요.

그 전날 OpenAI에서 발표한 AI 에이전트 Dots 서비스 관련된 영상을 찾아보던 중, 유튜브 피드에 단테랩스님의 「OpenAI Dots와 30분 통화하며 일 시켜본 결과」가 떴습니다. 
내용도 내용이지만, 먼저 눈에 들어온 건 영상미, 특히 모션그래픽이었습니다.

'와, 이제 이 정도구나' 싶었어요.

그날 아침 메모에는 이렇게 남겨 두었습니다.

이제는 스크립트만 있으면 누구나 깔끔하고 영상미 좋은 영상을 만들 수 있을 것 같다.
그래서 더더더더더 중요한 것은 지식, 아이디어, 통찰.
결국 좋은 아이디어와 구성, 스토리텔링을 만드는 기획 싸움으로 돌아간다는 생각이 든다.

사실 새로운 생각은 절대로 아니죠.
AI가 처음 나왔을 때부터 '이제는 기획이 중요하다'는 말은 늘 있었으니까요.

그런데 그날은 그 말이 유난히 실감 나게 다가왔습니다.

돌아보니 그날 저는 같은 생각을 세 번이나 했더라고요.

• 출근길에 한 번,
• 점심에 저녁 AI 스터디용 영상을 만들면서 한 번,
• 저녁에 아내의 생일 영상을 만들면서 또 한 번이었습니다.

점심시간에는 잠깐 짬을 내서 제가 저녁에 운영하는 AI 스터디의 리캡 영상을 만들었습니다.
스터디의 첫 번째 파트를 마무리하면서 그동안의 수업을 한 편으로 정리해 보여 드리고 싶었거든요. 지난 수업 영상들을 넘겨주고 정리를 부탁했더니, 금방 그럴듯한 리캡이 나왔습니다. 만드는 건 AI가 하고, 저는 무엇을 담을지만 정하고 있었습니다.

저녁에는 다음 날이 생일인 아내를 위해 작은 영상을 하나 만들어 볼까 했습니다.

마침 금요일 박사과정 연구실 세미나에서 깜짝 생일 파티를 준비하던 참이었거든요.

그래서 연구 발표처럼 꾸며 보면 재밌겠다 싶어 AI에게 가볍게 부탁해 봤습니다.

진짜 연구계획서처럼 정색하고 1분을 끌다가, 생일 축하로 착지하고, 마지막엔 다 같이 노래를 부르는 영상으로요.

결과는 생각보다 훨씬 그럴듯했습니다.

제가 한 건 판을 정한 것뿐이었습니다.

만드는 건 이제 AI가 해 줍니다. 그럼 사람은 무엇으로 달라질까요?

그 질문을 곱씹다가 문득 'AGI가 어느덧 와 있구나' 하는 생각이 들었습니다.

사실 그 느낌은 한 달 전부터 조금씩 쌓이고 있었거든요.

🤖 "AGI가 왔다"는 말, 이번엔 왜 다르게 들렸을까요?

9월 3일(현지 시각), OpenAI가 GPT-6 Astra를 공개했습니다.

그렉 브록만은 "Welcome to the AGI era"라는 말로 브리핑을 맺었고, 며칠 뒤 엔비디아의 젠슨 황은 "AGI has arrived"라고 썼습니다. 물론 회사가 공식으로 AGI를 선언한 건 아닙니다.

'AGI가 왔다'는 말 자체도 처음이 아닙니다. 샘 알트먼은 꽤 오래전부터 자신만만했습니다.

• 2025년 1월: 블로그에 "우리는 이제 전통적인 의미의 AGI를 어떻게 만드는지 안다고 확신한다"고 썼습니다.
• 2025년 8월: GPT-5를 내놓으며 "AGI로 가는 길의 의미 있는 한 걸음"이라고, 어느 분야든 박사급 전문가와 대화하는 느낌이라고 소개했습니다. 공개 전날 밤에는 데스스타 이미지 한 장을 올리기도 했죠.
• 2026년 9월: 그런데 Astra 공개 이틀 전, 한 팟캐스트에서는 본인 입으로 AGI를 "무의미한 마케팅 용어 같은 것"이라고 했습니다.

새 모델이 나올 때마다 이런 말이 반복되다 보니,

'AGI가 왔다'는 말은 어느새 마케팅 멘트처럼 들리기 시작했습니다.

그럼 AGI란 정확히 무엇일까요?

흔히 AI를 세 가지로 나누죠. 

• 정해진 한 가지 일만 잘하는 좁은 AI(ANI),
• 거의 모든 일을 사람만큼 해내는 범용 인공지능(AGI),
• 그리고 사람을 뛰어넘는 초인공지능(ASI)입니다.

누가 정의하느냐에 따라서도 달라집니다.

OpenAI는 헌장에서 '경제적 가치가 있는 대부분의 일에서 인간을 능가하는 고도로 자율적인 시스템'이라고 정의합니다.

마이크로소프트와 OpenAI의 계약에는 아예 '최소 1,000억 달러의 이익을 낼 수 있는 시스템'이라는 기준이 들어 있었다는 보도도 있었고요.

정의부터 제각각인 셈입니다.

그래서 구글 딥마인드는 AGI를 있다, 없다로 가르지 말고 단계로 보자고 제안했습니다.

비숙련자 수준의 '초기'부터 모든 사람을 넘어서는 '초인'까지 다섯 단계입니다(Levels of AGI, ICML 2024).

이 기준으로 보면 2023년의 ChatGPT도 이미 '초기 AGI'였습니다.

이 정의들에 비춰 보면, 저는 AGI가 어느 정도는 왔다고 생각합니다.

딥마인드의 단계로 치면, 2023년의 '초기'를 지나 지금은 '능숙(Competent)'에서 '전문가(Expert)' 사이, 그러니까 2단계에서 3단계쯤에 와 있는 게 아닐까 싶어요.

완성이라고 부르기에는 이르지만 AGI 시대의 문은 이미 열렸다고 생각합니다.

제게 Astra는 처음으로 'AGI에 가까워졌다'고 느끼게 해 준 모델이었거든요.

제가 그렇게 느낀 건 영상 때문입니다.

코딩도, 피피티도, 앱도 AI가 이미 잘 만들어 주고 있었죠.

그래도 영상만큼은 편집이 가장 어렵고 손이 많이 가는 영역이라고 생각했습니다.

그런데 출근길에 '와, 이제 이 정도구나' 했던 그 영상미가 남의 이야기가 아니었습니다.

직접 해 보니 제 영상도 꽤 예쁘게 나왔고 대중들이 충분히 좋아할 만한 수준이었습니다.

영상과 모션그래픽까지 이렇게 쉽게 뚝딱 만들어 주니,

이제 웬만한 산출물은 다 잘 만드는 단계에 왔다고 느낀 거예요.

물론 모든 걸 완벽하게 만든다는 뜻은 아닙니다.

제 기준은 대충 만들어 달라고 해도 일반 사람들이 "어, 이거 괜찮네? AI가 했어?" 할 만큼 나오는 수준이 되었다는 것입니다. 

실제로 지난 한 달은 이랬습니다. 유튜브가 제 취미인데,

늘 제일 오래 걸리는 게 편집이거든요.

Astra가 나온 뒤: 영상 자동 편집이 잘 된다는 이야기가 많아서 바로 해 봤습니다.

• 하인드사이트 오피스아워: AI 메모리 도구 하인드사이트를 다룬 녹화본인데, 불필요한 내용이 많아서 그 부분을 덜어 내고 리캡처럼 다듬어 달라고 했습니다.
• 메타콘 발표: 촬영 원본과 슬라이드에 맞춰 자막을 달고 알아서 편집해 달라고 했더니, 슬라이드 배치까지 맞춰 주었습니다. 오타는 좀 있었지만요.

Opus 5.5가 나온 뒤(9월 22일, 한국 시각 23일):

이번엔 모션그래픽을 잘한다는 이야기가 돌았습니다.

• 스터디 리캡 영상: 지난 수업 영상들을 넘겨주고 Part 1 정리를 부탁했습니다.
• 생일 영상: 연구 발표처럼 꾸민 깜짝 축하 영상을 가볍게 부탁했습니다.

앞에서 말한 '괜찮네?' 기준을 조금 넓혀 보면 이렇습니다.

사람들이 AI로 가장 많이 하는 일도 결국 이런 산출물을 만드는 일이잖아요.

글을 쓰고, 코드를 짜고, 슬라이드와 이미지, 영상을 만드는 일 말입니다.

그 산출물을 대다수의 평범한 사람들이 '이 정도면 충분하다'고 느낀다면,

이게 바로 AGI가 아닐까요?

AGI는 어느 날 타이틀을 달고 오는 게 아니라, 어느새 이 정도에 와 있습니다.

처음에는 그냥 기대됐습니다.

이제 아이디어만 있으면 누구나 이 정도는 만들겠구나 싶었거든요. 그

런데 곧 다른 생각이 따라왔습니다.

모두가 할 수 있다면, 이건 또 다른 상향 평준화잖아요.

그래서 다시 한번 생각하게 됐습니다.

그럼 AGI 시대에는, 누가 더 살아남게 될까요?

💬 우리는 왜 새로운 지식을 만들까요?

그 답을 찾으려면 한 걸음 물러서서 다시 생각해 봐야 합니다.

우리는 왜 새로운 지식을 만들까요?

코드든, 슬라이드든, 문서든, 영상이든, 우리가 만드는 산출물은 모두 머릿속에 있는 지식과 아이디어를 꺼내 놓은 매체입니다.

그렇다면 그걸 만드는 목표는 무엇일까요?

저는 커뮤니케이션이라고 생각합니다.

만든 것을 사람들에게 전하고, 반응을 받고, 그 반응과 다시 주고받으면서 목표를 이뤄 가는 일이죠.

물론 말이나 대화만으로도 소통은 할 수 있습니다.

그런데도 우리가 굳이 문서를 쓰고, 슬라이드를 만들고, 코드를 짜고, 영상을 찍는 건 더 구조화된 방식으로, 더 효율적으로 소통하기 위해서입니다.

좋은 산출물을 만든다는 건 곧 더 효율적인 커뮤니케이션을 만든다는 뜻입니다.

산출물은 서로를 잇는 커뮤니케이션의 수단이죠.

저는 세상이 커뮤니케이션을 중심으로 돌아간다고 말해 왔습니다.

사람들 사이에서는 끊임없이 상호작용이 일어나고, 그때마다 새로운 데이터가 생기고, 그 데이터가 서로에게 영향을 주면서 조금씩 나아갑니다.

왜 이런 교류가 일어날까요?

혼자서는 살 수 없으니까요.

무언가를 얻으려면 누군가와 닿아야 하고 협력해야 합니다.

그 닿는 일이 커뮤니케이션입니다.

그리고 이 만남에는 늘 목표가 두 개 있습니다.

나의 목표, 그리고 상대의 목표입니다.

커뮤니케이션은 먼저 어떤 형태의 산출물을 내놓고, 그걸 사이에 두고 주고받으면서 서로의 목표를 이뤄 가는 일종의 거래입니다.

커뮤니케이션을 하기 전의 나와 상대를 0이라고 해 보겠습니다.

산출물을 주고받은 뒤에는 둘 다 +1이 되어 있어야 합니다.

나는 나의 목표를, 상대는 상대의 목표를 하나씩 이루고,

각자의 일과 삶이 조금 더 나아진 상태입니다.

커뮤니케이션 이전보다 한 걸음 더 발전해 있는 거죠.

좋은 커뮤니케이션은 끝나고 나서 둘 다 +1이 되어 있는 거래입니다.

그런데 이 거래는 저절로 일어나지 않습니다.

설득해야 하고, 그것도 전략적으로 해야 하죠. 어릴 때부터 지금까지, 설득은 어디에나 있습니다.

• 어릴 때: 떼를 써서는 원하는 걸 얻기 어렵다는 걸 배웁니다.
• 짝사랑: 마음을 얻으려면 '내가 너에게 필요한 사람'이라는 걸 보여 줘야 합니다.
• 사업: 상품을 팔려면 고객의 목표를 이뤄 주는 모습으로 다가가야 합니다.
• 취업: 가장 와닿는 예입니다. 면접에서 "저는 이런 사람입니다"만 말해서는 붙지 않습니다. "그래서 저는 회사의 이 목표를 이루는 데 이렇게 도움이 됩니다"까지 가야 하죠.

결국 나의 목표는 상대의 목표를 이뤄 줄 때 이뤄집니다.

그래서 커뮤니케이션으로 무언가를 이루려면,

먼저 상대가 어떤 상황에 있는지 알아야 합니다.

설득하는 내내 고민해야 하는 것도 상대, 그 사람입니다.

생일 영상도 그랬습니다. 연구계획서 발표라는 형식을 고른 건, 그 영상을 틀 자리가 연구실 세미나였기 때문입니다.

아내에게는 축하가 되고, 세미나에 모인 사람들에게는 같이 웃을 거리가 되도록요.

그리고 이제 이런 산출물은 AI가 뚝딱 잘 만들어 줍니다.

그런데 서로의 목표를 품고 전략적으로 접근해서 커뮤니케이션을 이끌어 갈 수 있는 건 사람입니다.

누구에게 무엇을 전할지, 상대의 목표와 나의 목표가 어디서 만나는지 정하는 일은 여전히 사람의 몫이니까요.

🧩 병목은 결국 사람, 그래서 다시 기획으로

이제는 말만, 그러니까 바이브만 잘 표현하면 무엇이든 만들어 주는 시대입니다.

마지막 남은 영상까지 정복했으니, 어느 때보다도 더 그렇고요.

하지만 AI로 무엇을 할지 고민할 때 우리가 늘 막히는 지점이 있습니다.

기능은 다 좋은데, 그걸 어디에 적용해 무엇을 해야 할지에서 막히죠.

그래서 저는 병목이 사람이라고 생각했습니다.

무엇을, 누구를 위해 만들지 정하는 사람이요.

솔직히 처음 듣는 말은 아닐 겁니다.

ChatGPT가 처음 나왔을 때부터 '결국 중요한 건 사람이고, 기획'이라는 말은 귀에 못이 박히도록 들어 왔으니까요. 그

런데 AGI 시대가 막 열린 지금, 저는 이 말이 실제로 훨씬 더 중요해졌다고 생각합니다.

다시 한번 강조하고 싶습니다.

백 투 더 베이직, 기획입니다.

제가 생각하는 기획은 두 가지로 이뤄져 있습니다.

문제 정의, 그리고 구조화입니다.

둘은 묻는 질문부터 다릅니다.

문제 정의는 '무엇을, 왜'를 묻고, 구조화는 '어떻게'를 묻거든요.

① 문제 정의: 무엇을, 왜 풀 것인가

문제 정의는 방향을 정하는 일입니다.

세 가지를 정해야 합니다.

• 누구를 위해: 이 문제의 주인이 누구인지
• 왜: 어떤 목적과 맥락에서, 왜 지금 풀어야 하는지
• 어떤 효과: 풀리고 나면 무엇이 달라지는지

방향이 틀리면 아무리 잘 만들어도 엉뚱한 곳에 도착합니다.

AI가 만드는 속도가 빨라질수록, 엉뚱한 곳에도 그만큼 빨리 도착하고요.

② 구조화: 어떻게 풀고, 어떻게 전할 것인가

구조화는 그 방향으로 가는 길을 내는 일입니다.

역시 세 가지로 이뤄집니다.

• 정리: 흩어진 생각과 재료를 효율적으로 정리하기
• 과정: 풀어 가는 순서를 단계와 프로세스로 만들기
• 설명: 남이 이해하고 움직이도록 논리적으로 엮기

지금 읽고 계신 이 글의 스토리라인도 구조화의 한 형태입니다.

읽는 분이 이해하고 움직이도록 짠 순서니까요.

문제 정의가 '무엇을, 왜'를 정한다면, 구조화는 '어떻게'를 만듭니다.

둘 중 먼저 오는 건 문제 정의입니다.

그리고 문제 정의는 늘 타인에서 시작합니다.

앞에서 본 것처럼, 상대의 목표를 이뤄 줘야 나의 목표도 이뤄지기 때문입니다.

이타적으로 살아야 한다는 말이 도덕처럼 들릴 수 있지만,

저는 원리에 가깝다고 생각해요.

착해서가 아니라, 그게 통하는 방식이라서요.

그래서 저는 문제를 세우는 일을 '누군가를 발견하는 일'이라고 부르고 싶습니다.

문제는 제가 찾을 수도 있고 남이 건넬 수도 있습니다.

남이 건넨 문제라도 그 사람에게 닿으면 그것 역시 기여입니다.

다만 그럴 때는 한 번 더 들여다봐야 합니다.

AI는 요청을 그대로 실행하지만, 사람은 요청 뒤에 있는 사람을 보니까요.

👀 알아보는 눈은 보고, 겪고, 느끼고, 적는 데서 자랍니다

그럼 누군가의 문제를 알아보는 눈은 어디서 올까요?

제 답은 늘 같았습니다. 지식관리입니다.

다양한 것을 직접 경험하고, 많이 모으고, 잘 정리해 두는 습관이요.

저는 이걸 네 가지 동작으로 나눠 봅니다. 보기, 겪기, 느끼기, 적기입니다.

1. 보기: 해법의 선택지.
   먼저 많이 봐야 합니다. 본 것이 해법의 선택지가 되거든요.
   AI는 제가 가리킬 수 있는 것만 만듭니다.
   출근길의 그 영상이 제게 '이 정도 영상미'라는 기준을 줬듯이요.
   120호에서 우리는 '끝없는 콘텐츠의 뷔페' 앞에 서 있다고 쓴 적이 있습니다.
   그 콘텐츠 중독도 지적 성장의 원동력으로 바꿀 수 있다고요.
   
   
2. 겪기: 판단의 근거.
   다음은 직접 겪는 일입니다.
   겪은 것은 판단의 근거가 됩니다.
   서용석 교수는 "정답이 공짜가 된 시대, 가장 가치가 높은 것은 역설적이게도 겪어본 사람"이라고 했습니다. 8
   00명 앞에서 무너졌던 강의(194호)도 그랬습니다.
   겪고 나서야 보이는 것들이 있었으니까요.
   
   
3. 느끼기: 문제의 신호.
   그리고 느껴야 합니다. 감정은 문제의 신호거든요.
   더배러 초기에 '공명'이라는 말을 쓴 적이 있습니다(10호).
   일상 속에서 외부 자극에 따라 미묘하게 움직이는 마음, 그 순간을 기록하자고요.
   그런데 공명은 자기 감정에서만 일어나지 않습니다.
   남의 불편에 마음이 움직일 때, 거기에 누군가의 문제가 있습니다.
   
   
4. 적기: 씨앗의 보관.
   마지막으로 적어야 합니다. 적는다는 건 씨앗을 보관하는 일입니다.
   2호에서는 메모할 때 '왜 메모를 했었지?'까지 함께 남기자고 썼고,
   239호에서는 "나에 대한 기록을 쌓는 데는 토큰이 안 들거든요"라고 썼습니다.
   
   이 글도 그렇게 시작됐습니다.
   출근길에 남긴 메모 한 줄이 지금 이 글이 됐으니까요.

물론 이제는 AI가 대신 읽고, 요약하고, 정리까지 해 주는 시대입니다.

그런데 그럴수록 저는 거꾸로 가는 일이 더 중요해졌다고 느낍니다.

요약본 대신 원본을 읽고, AI에게 넣어 요약을 시키기 전에

먼저 손으로 적어 보고, 그 과정에서 느끼고, 더 많이 겪어 보는 일이요.

동아일보의 한 칼럼 제목처럼,
'요약본'에는 없는 것들이 있으니까요.

더배러 톡방에서도 요즘 이런 이야기가 자주 오갑니다.

분석맨님과 배운철 교수님이 여러 이미지와 함께 이런 고민을 나눠 주셨고,

최근 글쓰기방에서도 직접 읽고 쓰는 일에 대한 이야기가 이어졌습니다.

도구가 좋아질수록, 내 손으로 읽고 쓰고 겪은 것들의 값은 오히려 올라가고 있습니다.

🧑‍🏫 AI 교육, 사용법이 아니라 살아남는 법으로

AI 교육은 어쩌다 보니 제 생업이 됐습니다.

본업에서는 전 그룹사의 임원과 팀장 과정부터 전 직원 교육까지 표준 커리큘럼을 설계하고 있고,

그전에는 커뮤니티에서 개인과 작은 조직들을 만났습니다.

유튜브에서는 지식관리 강의로, 패스트캠퍼스 같은 온라인 VOD로 더 많은 분들을 만났고요.

그렇게 여러 자리에서 사람들을 만나다 보니 분명하게 보이는 게 있습니다.

사회 전체의 AI 리터러시가 불과 반년 사이에 급격하게 올라왔다는 것입니다.

AI 활용과 적용을 교육하고 컨설팅하는 입장에서, 솔직한 이야기를 하나 할게요.

최신 툴 쓰는 법을 가르치는 교육은 점점 한계에 부딪히고 있습니다.

얼마 전 퇴근길 AI 채널의 「AI 교육 현실」 영상에서 제이커브 대표님께서 다음과 같이 말씀하습니다.

"AI 교육이 요즘 성향 분석 교육 같다.

재미있고 만족도 높은데 몇 개월 뒤에 보면 쓰는 사람이 한 명도 없다."

툴은 매달 바뀌고 이제는 AI가 맥락을 스스로 읽어 냅니다.

같은 영상에서도 "AI 활용 스킬은 점점 의미가 없어지는 것 같다"고 하더라고요.

그래서 저는 AI 강사의 자리가 옮겨 가고 있다고 봅니다.

사용법을 알려 주는 사람에서,

각자가 AI를 들고 문제 정의부터 해결까지

스스로 가 보도록 곁에서 같이 걷는 동반자로.

한 번 스스로 문제를 풀어 본 사람은 다음 문제를 직접 찾아 나섭니다.

그게 AI와 함께 스스로 살아남는 법이고,

나아가 각자의 자리에서 더 나은 세상을 만드는 방법이라고 생각해요.

그래서 저도 다음 수업을 이렇게 다시 짜 봤습니다.

제가 저녁에 운영하는 소그룹 AI 스터디인데, 목표는 한 문장입니다.

"짜증 나는 일 하나가 도구가 되기까지, 오늘 그 과정을 여러분이 직접 합니다."

1. '무엇을 만들까'가 아니라 '지금 뭐가 걸리는가'부터 시작합니다.
2. 표 대신 말로 꺼내게 합니다. 자기 업무의 짜증 나는 지점은 표를 채우라고 하면 안 나오고, 말로 하라고 하면 나오거든요. 3분 동안 쏟아 내면 AI가 구조로 정리해 줍니다.
3. 강사인 제가 먼저 제 업무 하나를 30초로 풀어 보여 드립니다.
4. HR 컨설팅이 조직에 들어가 업무를 파악하는 순서(조직 → 직무 → 과업 → 프로세스)를 빌려 옵니다.

더배러가 해 온 일도 같은 자리에 있다고 생각합니다.

서로의 문제를 듣고 각자 풀어 본 경험을 나누는 곳이요.

'혼자서는 작심삼일, 함께하면 평생습관'이라고 쓴 적이 있는데(188호),

문제도 함께 볼 때 더 잘 보이더라고요.

🧭 살아남는 사람이 되려면, 무엇을 길러야 할까요?

그럼 문제를 세우는 힘은 어떻게 기를 수 있을까요?

저는 세 가지가 다시 중요해졌다고 봅니다.

첫째, 컨설팅식 사고: 진짜 질문을 뽑아 쪼개는 힘

컨설팅의 중심은 복잡한 상황에서 진짜 문제를 도출하는 과정입니다. 고객이 가져온 질문을 그대로 받지 않고, 한 장의 문제 정의로 다시 쓰고, 잘게 쪼개고, 답을 먼저 가정한 뒤 검증합니다.

AI가 분석과 정리를 대신해 줘도,

무엇을 물을지 정하는 첫 단계는 여전히 사람의 몫입니다.

앞에서 수업에 빌려 온 업무 파악 순서도 결국 이 방법입니다. '

문제를 잘 세우면 절반은 푼 것'이라는 말은 철학자 존 듀이가 1938년에 이미 '익숙한 격언'이라 불렀을 만큼 오래됐습니다.

📚 추천 책:

바바라 민토, 『바바라 민토, 논리의 기술』(더난출판) — 결론부터 세우고 생각을 쪼개는 법

둘째, 디자인씽킹: 짐작하지 않고 이해하는 힘

디자인씽킹은 공감에서 시작합니다. 앞에서 말한 '느끼기'와 같은 이야기입니다.

디자인에는 더블 다이아몬드라는 그림이 있습니다.

첫 번째 다이아몬드는 문제를 찾고 정의하는 단계,

두 번째는 해법을 만들어 내놓는 단계입니다.

AI는 두 번째 다이아몬드를 거의 공짜로 만들었습니다.

그러니 사람의 시간은 첫 번째 다이아몬드로 옮겨 가야 합니다. 이 그림을 만든 영국 디자인 카운슬의 설명처럼, 첫 다이아몬드는 문제가 무엇인지 짐작하는 대신 이해하도록 돕거든요.

📚 추천 책:

팀 브라운, 『디자인에 집중하라』(김영사)

· 삶에 바로 써 보려면 빌 버넷·데이브 에번스, 『디자인 유어 라이프』(와이즈베리)

셋째, 철학과 인문학: 질문을 바꾸는 힘

철학과 인문학은 사람과 세상을 다르게 보는 눈을 줍니다.

그래야 남을 위한 더 참신한 방법이 떠오릅니다.

요즘 철학과의 인기가 다시 오르고 있다고 하죠.

2027학년도 수시에서 고려대 철학과 경쟁률은 113대 1이었습니다(경향신문, 9/27).

기사 속 안강훈 교수의 말처럼 "철학은 질문을 던지는 학문"이니까요.

IBM Technology 채널의 영상 「Why AI Makes the Humanities More Important Than Ever」의 제목처럼, AI 때문에 인문학이 그 어느 때보다 중요해지고 있습니다.

📚 추천 책:

야마구치 슈, 『철학은 어떻게 삶의 무기가 되는가』(다산초당) — 철학을 전공한 컨설턴트가 정리한 '생각 도구' 50가지

오늘 해 볼 작은 행동

마지막으로, 오늘 해 볼 작은 행동을 하나 제안합니다.

제가 평소에 사람들을 볼 때 던지는 질문들입니다.

오늘 한 사람을 정해서, 그 사람을 떠올리며 물어보세요.

1. '그 사람은 지금 어떤 생각을 하고 있을까?'
2. '그때 마음은 어땠을까?'
3. '어떤 불편함이 있을까?'
4. '내가 그 사람이라면, 무엇이 풀려야 해결됐다고 느낄까?'

세상을 바꾸는 아이디어도 처음엔 누군가의 작은 문제였습니다.

그리고 그걸 알아본 사람의 메모 한 줄이었고요.

요즘 여러분이 알아본 '누군가의 문제'는 무엇인가요? 

— 💪 숨겨진 잠재력을 일깨워 최고가 되는 여정을 함께합니다, 브라이언

🎟️ 새 모델이 쏟아진 주, 먼저 따진 건 요금표였습니다

수요일 새벽 2시, 박종민님이 "같이 봐요"라며 올린 데브데이 생중계로 이번 주 모델 이야기가 시작됐습니다. 디케이님은 "시연은 망했네요, 라이브의 저주"라고 중계했고, 500달러 요금제를 두고는 200달러 쓰던 사람을 그냥 500달러로 올려 버린 느낌이라고 했습니다. 아침에는 푸른양/사무직/지식관리님이 10월 30일부터 기본 제공 사용량이 Plus의 20배에서 10배로 줄어든다는 공지를 전했습니다. 모델 평가는 엇갈렸습니다. 찬웅/잡부귀환님은 GPT-6.1 Sol이 토큰 소모와 성능 모두 괜찮다고 했고, 하피/1인기업/AI님은 Opus 5.5의 성능이 마음에 들지만 안전장치가 자주 걸려 답답하다고 했습니다. 목요일에 Gemini 4 Argon 소식이 전해지자 루테넌트(김민석)|개발님은 "아스트라에서 이미 AGI를 찍은 것 같다"고 했고, 디케이님은 신기함이 지나간 뒤에 올 공허함이 두렵다고 했습니다. 좋은 모델을 고르는 일과 그 값을 감당하는 일이 한꺼번에 숙제로 떨어진 한 주였습니다.

🤖 24시간 비서 Dot, 빌려 쓸까 직접 만들까

데브데이에서 공개된 Dot을 두고 브라이언 - 브레인 트리니티님은 그록봇과 뮤즈에 이어 주요 회사들이 '퍼스널 24시 에이전트'를 내놓는 흐름이라며, 얼리어답터보다 일반 대중을 향한 제품으로 읽었습니다. 최은우/연구원/이직지망생님은 예약 작업을 옮겼더니 Dot이 할 일까지 챙기겠다고 나서 일이 커졌다고 했고, bellpush/연구/자기개발님은 GPU 서버를 붙여 세 시간째 쉬지 않고 돌렸습니다. Tofukyung/프리/llmwiki님은 모델과 추론 강도, 훅과 규칙을 직접 설정할 권리를 달라며 자유도를 아쉬워했습니다. ACH_안창현님은 추석 내내 15억 토큰을 들여 클로드 코드와 코덱스가 작업 기록을 주고받는 전용 MCP를 로컬에 만들었다고 했고, 연구 자료 보안을 묻는 라이언/학생/지식관리님에게는 파일을 주느냐보다 대화 기록이 웹 계정에 묶여 있는지 내 하드에 남는지가 더 중요하다고 답했습니다. 비서를 빌리든 만들든, 내 작업 기록이 어디에 쌓이는지가 선택의 기준으로 떠올랐습니다.

🧾 4년 쓴 가계부 앱을 12시간 만에 복제했습니다

루테넌트(김민석)|개발님은 해마다 4만 원씩 내던 가계부 앱에서 데이터를 전부 꺼내 서비스를 통째로 복제했습니다. 한 달 치를 적는 데 한 시간이 걸리던 일인데, 12시간 만에 복제를 마치고 12개월 치 내역까지 넣었다며 SaaS의 종말이 와닿기 시작한다고 했습니다. 같은 주에 타래(사이시옷)/업무혁신님은 수천 장에 달하는 미니어처 게임 자료를 번역해 한국어 참고 사이트를 열었고, 박준님은 아이폰에서 폴드8로 옮기며 만든 맥 연동 도구 10종을 오픈소스로 공개했습니다. 이제현|R&D|재미님의 자이로스코프 시뮬레이션과 센티브인컴님의 캔버스 앱도 이어졌습니다. "메모앱 쓰면서 늘 아쉬웠던 것들이 있었는데, 이젠 직접 만드는 시대"라는 센티브인컴님의 말처럼, 불편을 참고 쓰던 자리에 고쳐 쓰는 선택지가 생겼습니다.

🧩 경력의 '감'은 말로 옮길 수 있을까요

영상 편집을 몰라도 AI가 알아서 해 준다는 이야기는 전문성이 무엇이냐는 질문으로 번졌습니다. bellpush/연구/자기개발님은 어설픈 것이 다 따라잡히는 만큼 전문 지식이 더 중요해졌다고 했고, 디케이님은 감·노하우·경험이 실은 표현하기 어려워 피해 온 말이었을지 모른다며 암묵지는 명시화하면 된다고 받았습니다. 현우/개발님은 자신이 만든 프로그램이 실무에서 더 잘 쓰이는 건 분명한데 그 차이를 설명하기가 어렵다고 털어놓았습니다. 그러면서 내가 쓸 자동화는 금방 만들어지는데 남이 쓸 프로그램은 왜 자주 실패하는지를 QA에서 찾았습니다. 불편한 점을 정리해서 알려 달라고 맡겨 두지 말고, 실무자 곁에서 보면서 바로 고쳐야 한다는 것입니다. ACH_안창현님은 화면을 쉽게 만들어 인지부하부터 줄이라고 했고, 하피/1인기업/AI님은 "그들의 업무환경에 1도 간섭하지 말라"로 정리했습니다. 전문성을 한마디로 설명하기는 어려워도, 사용자 곁에서 보낸 시간이 결과물의 차이를 만든다는 데에는 의견이 모였습니다.

🔁 검증을 검증하는 검증, 어디서 멈춰야 할까요

금요일 아침 푸른양/사무직/지식관리님은 하루를 꼬박 시스템이 잘 작동하는지 검증하고, 그 검증 도구를 믿을 수 있는지 다시 검증하는 데 썼다고 털어놨습니다. 이도형/사무/엑셀님이 "그 검증을 검증하는 검증"을 보태자, 최은우/연구원/이직지망생님은 어디서 끊어야 할지 모르겠다고 했습니다. 밤에는 토스 프런트엔드 개발자들의 검증법 영상을 계기로 푸른양님의 후기가 이어졌습니다. 에이전트가 더 자율적으로 판단하게 풀어 줬더니 이미 정한 것을 다시 문제 삼았고, 결국 시킨 단위 작업만 하도록 되돌렸다는 것입니다. 루테넌트(김민석)|개발님은 혼자 처음부터 만들기보다 상위권 저장소를 벤치마킹해야 바퀴를 다시 발명하지 않는다고 권했습니다. 성능이 더 좋은 모델이 곧 일을 더 잘하는 것은 아니었고, '이 정도면 충분하다'는 판단은 사람 몫으로 남았습니다.

📚 LLM 위키, 규칙은 짧게, 쓰는 법은 내 성향대로

예민/에이전트님이 위키 규칙 문서가 3만 자까지 불어났다고 하자, 루테넌트(김민석)|개발님은 기본 규칙을 열 줄 수준으로 줄이고 나머지는 분리하라고 했고 Tofukyung/프리/llmwiki님은 꼭 지켜야 할 것은 훅으로 강제하라고 했습니다. 금요일에는 울새🕊님이 LLM 위키가 뛰어난 아이디어지만 자기 성향과는 맞지 않았다며 원리는 익히되 각자 철학에 맞게 쓰자고 했고, 송세훈|달의이성|silentium님은 "박사가 나보다 낫겠지"라고 생각하는 순간 주체를 잃는다고 거들었습니다. 볼트를 분야별로 나눌지 묻는 질문에는 프로퍼티와 태그로 맥락을 담으라는 박종민님의 답과, 구조까지 에이전트에 맡기고 하나로 합쳐 쓴다는 루테넌트님의 답이 나란히 놓였습니다. 옵시디언을 막 시작한 분에게는 앤드류 | 지식노동자님이 CMDS LLM Wiki를, 이도형/사무/엑셀님이 지금까지의 대화를 그대로 AI에 붙여 넣고 그 자리에서 해 보는 방법을 권했습니다. 구요한 | 연구 | 지식관리님은 옵시디언과 지식관리 질문을 받는 질문 답변 사이트를 열었습니다. 정답 구조를 찾아 헤매기보다 목표를 정하고 써 보면서 고쳐 가는 편이 빠르다는 결론이었습니다.

🎙️ 통역하는 안경, 받아 적는 마이크, 복제된 목소리

태우 | 사업 | ai님은 스마트 안경 두 종을 직접 써 본 번역 후기를 올렸습니다. 로키드는 화면이 크고 잘 보이지만 배터리가 두세 시간이고, 이븐리얼리티는 번역이 실사용에 지장 없는 수준이라는 평이었습니다. Alby | Auto | Life님은 이븐을 한 달째 쓰며 SDK로 옵시디언 볼트 검색 앱을 비롯해 일곱 개쯤 만들었다고 했습니다. 브라이언 - 브레인 트리니티님은 누르고 말하는 버튼이 달린 마이크를 언박싱하며 "주저리주저리 후 딸깍"이라는 사용법을 남겼습니다. 영어 미팅이 늘어 실시간 번역기를 만들고 싶다는 MAY님에게는 송세훈|달의이성|silentium님이 음성 인식, 번역, 음성 합성을 잇는 구조와 도구별 가성비를 차근차근 짚어 줬습니다. ACH_안창현님은 59분 분량의 음원으로 만든 보이스 클론이 실제 목소리와 구분되지 않는다고 전했습니다. 듣고 말하는 일의 상당 부분이 이미 도구 쪽으로 넘어가 있었습니다.

✍️ AI와 대화할수록 내 문장이 흩어진다면

ASap / AI님이 원래는 말을 조리 있게 했는데 AI를 쓰고 나서 말이 이상해진 분이 없느냐고 묻자 공감이 이어졌습니다. 타래(사이시옷)/업무혁신님은 AI가 워낙 찰떡같이 알아듣다 보니 문장이 파편화된다고 했고, 브라이언 - 브레인 트리니티님은 발산만 하고 구조화와 정리처럼 집중이 필요한 일을 하지 않아 생기는 퇴화로 봤습니다. 다음 날 하피/1인기업/AI님은 "생각하는 대로 사는 게 아니라 출력물과 상황에 맞춰 살고 있다는 느낌"이라고 했고, 라이언/학생/지식관리님은 문장을 만드는 힘이 떨어지는 걸 느껴 일기장을 샀습니다. 손글씨 제텔카스텐을 다시 시작한 지 17일째인 분석맨/IT/글쓰기님은 손글씨가 일부러 생각의 폭주를 늦추는 일이라며 정자체로 천천히 쓰는 노트법을 소개했습니다. Tofukyung/프리/llmwiki님은 에이전트를 아무리 잘 갖춰도 결과물의 품질은 내가 얼마나 구체적으로 그림을 그리고 지시했느냐에 달렸다고 짚었습니다. 맡기는 일이 늘어날수록 직접 쓰고 정리하는 시간을 따로 떼어 두자는 이야기였습니다.