왜 우리는 AI 도구에 실망하는가

“AI한테 시키면 코딩 없이도 다 된다”는 말을 듣고 직접 해보신 분이라면, 한 번쯤 같은 자리에서 멈춰봤을 겁니다. 설치하다 에러가 나고, 결과물은 기대와 다르고, 화면엔 영어 로그만 가득합니다. 그리고 조용히 창을 닫으며 생각하죠. “역시 AI도 별거 없네.” 조금 더 아프게는, “역시 나는 안 되나 보다.”

이 실망은 생각보다 흔하고 깊습니다. 그런데 저는 이 실망이 대부분 잘못 진단되어 있다고 봅니다. 우리는 그 책임을 도구의 한계나 자신의 부족함으로 돌리지만, 진짜 원인은 다른 데 있습니다. 우리가 AI에 거는 기대의 방향이 틀렸기 때문입니다.

AI는 마법이 아니라 증폭기입니다

우리는 은연중에 AI를 ‘마법’으로 기대합니다. 대충 던져도 알아서 멋진 걸 내놓는 존재요. “사이트 하나 만들어줘”, “보고서 좀 써줘” 한마디면 완성품이 나오리라 기대합니다. 바로 이 기대가 실망의 출발점입니다.

AI는 마법이 아니라 증폭기에 가깝습니다. 증폭기는 입력 신호를 키웁니다. 좋은 신호를 넣으면 크고 선명하게 키워주지만, 빈 신호를 넣으면 잡음만 키웁니다. 명확한 의도와 정의를 넣으면 AI는 그걸 빠르고 정교하게 실행으로 키워냅니다. 하지만 “알아서 해줘”라는 텅 빈 정의를 넣으면, 증폭되는 건 그저 ‘가장 흔하고 무난한 평균값’일 뿐입니다.

많은 분이 실망하는 진짜 이유가 여기 있습니다. AI가 실행을 대신해주기를 기대했지만, 정작 증폭할 정의는 주지 않았던 거죠. 0을 아무리 키워도 0입니다. 도구가 부족한 게 아니라, 넣을 신호가 비어 있었던 겁니다.

실행이 흔해질수록, 정의가 귀해집니다

조금 멀리서 보면 이건 한 시대의 변화와 닿아 있습니다. 오랫동안 가치의 중심은 ‘어떻게 만드느냐’, 즉 실행과 기술에 있었습니다. 코드를 짤 줄 아는 사람, 디자인을 할 줄 아는 사람이 귀했죠. 그런데 AI가 그 실행을 빠르게 가져가면서, 실행 능력의 희소성은 점점 줄어들고 있습니다.

그럼 가치는 어디로 옮겨갈까요. ‘무엇을, 왜, 누구를 위해 만들 것인가’를 정의하는 쪽입니다. 실행이 흔해질수록 방향을 잡는 일이 더 귀해집니다. AI에 실망한다는 건, 어쩌면 아직 옛 방식 — ‘실행이 곧 실력’이라는 생각 — 에 머물러 있다는 신호일지도 모릅니다. 도구 사용법에만 매달리다 벽에 부딪히는 건, 정작 지금 필요한 능력이 그 반대편에 있기 때문입니다.

데이터를 다루던 사람이 웹을 만들어 봤습니다

마침 이걸 직접 확인해 볼 일이 생겼습니다. 예전에 만들어 둔 프로필 페이지의 도메인이 만료돼 사라졌고, 그 김에 개인 사이트를 새로 만들기로 했거든요. 도메인을 사고 인터넷에 올리는 것까지, 이틀 만에 끝냈습니다. 웹 개발은 저에게 처음이었습니다.

다만 한 가지는 분명히 해두고 싶습니다. 저는 Python, R, SQL로 십수 년간 데이터를 다뤄온 사람입니다. 코드 자체가 낯설지는 않습니다. 하지만 데이터 분석과 웹 배포는 전혀 다른 영역입니다. 분석은 결과를 뽑아내는 일이지, 그걸 서비스로 띄우는 일이 아니니까요. 프론트엔드, 배포, 도메인 연결은 저에게도 완전히 새로운 땅이었습니다.

작업을 시작하고 한참 동안, 저는 코드를 한 줄도 짜지 않았습니다. 대신 정했습니다. 이 사이트는 누구한테 보여줄 것인가, 나를 한 문장으로 어떻게 소개할 것인가, 무엇을 보여주고 무엇을 감출 것인가. 이 정의가 끝나자 그 다음은 빨랐습니다. 화면도, 소개 글도, 구조도 막힘없이 흘러나왔어요. 방향이 분명하니 AI는 그저 키워주기만 하면 됐습니다.

반대 경험도 똑똑히 했습니다. 지시를 두루뭉술하게 주거나 맥락을 빠뜨리면, AI는 어김없이 ‘그럴듯한 평균값’으로 빈칸을 채웠습니다. 제 이름의 영문 표기를 흔한 철자로 바꿔놓기도 했고, 한 단락을 통째로 빠뜨리기도 했죠. AI가 모자라서가 아닙니다. 제가 정의를 주지 않았으니, 증폭기는 가장 무난한 기본값을 키웠을 뿐입니다.

재미있게도 이건 제가 데이터 분석에서 늘 하던 일과 똑같았습니다. 어떤 분석이든, 정교한 쿼리를 짜는 것보다 ‘무엇을 분석할 것인가’를 정의하는 일이 9할입니다. 질문이 틀리면 아무리 깔끔한 코드도 쓸모가 없죠. 도구가 Python에서 낯선 웹 도구로 바뀌었을 뿐, 본질은 그대로였습니다. 먼저 정의하는 사람이 결국 만듭니다.

정의를 시스템으로 — 다음 이야기

여기서 한 걸음 더 들어갈 수 있습니다. 저는 그 정의를 머릿속에만 두지 않았습니다. 작업의 원칙과 방향, 맥락을 문서로 정리해서 AI가 매번 참고하도록 미리 깔아뒀습니다. 한 번의 지시(프롬프트)를 잘 쓰는 걸 넘어서, AI가 일할 맥락 전체를 설계해 건네는 일 — 요즘은 이걸 컨텍스트 엔지니어링이라고 부릅니다. 그리고 그 맥락과 도구를 AI가 반복해서 쓰도록 묶어주는 골격을, 저는 하나의 작업 하네스로 삼았습니다.

이 부분은 다음 글에서 제대로 풀어보려고 합니다. 정의를 어떻게 문서로 꺼내 두는지, 맥락을 어떻게 구조화하는지, 그리고 AI를 어떻게 역할별로 나눠서 지휘하는지 — 그것만으로도 한 편이 필요하니까요.

오늘 드리고 싶은 건 하나의 관점 전환입니다. AI에 실망하셨다면, 그건 당신의 한계도 도구의 한계도 아닐 가능성이 큽니다. 다만 기대의 방향이 틀렸을 뿐입니다. AI한테 “뭘 해줄까”를 기대하는 동안에는 계속 실망하게 됩니다. 그 질문을 “나는 무엇을 정의할 것인가”로 바꾸는 순간, 같은 도구가 전혀 다르게 움직이기 시작합니다. AI는 마법이 아니라 증폭기입니다. 그리고 무엇을 키울지는, 여전히 사람의 몫입니다.