AI 공부 1년 반, 막막함에서 벗어난 이유

안녕하세요, 테라입니다.

"AI에 대해서 배우고 있어요."

2024년 여름부터 주변에 이렇게 말해왔습니다. 그런데 1년이 지나도 뭔가 손에 잡히지 않았습니다.

강의도 듣고, 스터디도 참여하고, 여러 도구도 써봤습니다. 그런데 "그래서 이걸로 뭘 하지?"라는 질문에는 답을 하기 어려웠습니다.

그랬던 제가 지금은 매일 AI와 함께 일을 하고 있어요. 무엇이 달라진 걸까요?

오늘은 그 1년 반의 고민과 변화에 대해 이야기하려고 합니다.

시작: ChatGPT와의 첫 만남

2024년 4월, 저는 바이오 회사에서 데이터 분석 업무를 하고 있었습니다.

어느 날 분석 코드를 짜다가 막힌 부분이 있어서 ChatGPT에게 물어봤습니다. 몇 번의 대화 끝에 문제가 해결됐습니다.

"이거 괜찮은데?"

그 후로 코드 작성이나 관련 자료 탐색에 ChatGPT를 자주 썼습니다. 업무 효율이 눈에 띄게 올랐습니다.

그때 느꼈습니다. AI는 단순한 유행이 아니라 일하는 방식을 바꿀 수 있는 도구라는 것을.

전환점: 퇴직 후 AI 공부를 시작하다

2024년 7월, 계약이 만료되었습니다.

이직을 고려하기보다는 장기적으로 새로운 진로를 찾고 싶었습니다. 전공이 생물정보학이다 보니 예전부터 머신러닝에 관심이 많았습니다. 그래서 AI 분야를 본격적으로 공부하면서 제2의 직업을 찾아보기로 했습니다.

8월부터 AI 관련 강좌를 듣기 시작했습니다.

2025년: 배우기는 했는데, 어디에 쓰지?

강좌도 듣고, 스터디에도 참여하고, 여러 AI 도구를 써봤습니다.

프롬프트 엔지니어링, 이미지 생성, 동영상 생성... 신기하긴 했습니다. 하지만 뭔가 허전했습니다.

"이전에 내가 하던 일과 연결이 안 되는데?"

저는 데이터를 분석하고, 문서를 정리하고, 일정을 관리하는 일을 해왔습니다. 그런데 이미지 생성이나 동영상 제작은 제 업무와 거리가 멀었습니다.

Make나 n8n 같은 자동화 도구도 배워봤습니다. 개념을 이해하고 세팅하는 데 시간이 꽤 걸렸습니다. 그런데 문득 이런 생각이 들었습니다.

"이거 배워놔도, 새로운 기술이 나오면 또 바뀌는 거 아닌가?"

AI 모델과 도구가 워낙 빠르게 발전하다 보니, 지금 배우는 게 금방 쓸모없어질 것 같은 불안감이 있었습니다.

그래서 더 막막했습니다.

2025년 말: Agentic AI의 등장

2025년 말, AI 트렌드가 바뀌기 시작했습니다.

프롬프트 엔지니어링에서 바이브 코딩으로, 그리고 Agentic AI가 등장했습니다.

처음에는 "또 새로운 용어인가" 싶었습니다.

그런데 알아갈수록 이건 다르다는 걸 느꼈습니다.

Agentic AI는 단순히 질문에 답하는 게 아니라, 실제로 일을 수행합니다. 파일을 정리하고, 문서를 작성하고, 일정을 관리합니다. 코딩을 모르는 사람도 AI와 대화하며 컴퓨터 업무를 처리할 수 있습니다.

"이거다."

저는 프로그램 개발에는 관심이 없었습니다. 실생활과 업무에 도움이 되는 것에 관심이 있었습니다.

Agentic AI는 바로 그것이었습니다.

2026년: AI와 함께 일하기 시작하다

2026년 1월, GPTers 스터디에서 AI 워크스페이스 과정을 듣기 시작했습니다.

그리고 실제로 AI와 함께 일하기 시작했습니다.

  • 산재해 있던 파일들을 AI와 함께 정리했습니다.
  • 일정 관리를 AI에게 맡겼습니다.
  • 문서 작성을 AI와 대화하며 진행했습니다.

처음에는 어색했습니다. AI에게 뭘 어떻게 시켜야 할지 몰랐습니다.

하지만 몇 주가 지나자 자연스러워졌습니다. 마치 옆에 앉아있는 동료에게 말하듯이 AI와 대화하게 되었습니다.

깨달음: 중요한 건 도구가 아니다

1년 반 동안 저를 막막하게 했던 건 "어떤 도구를 배워야 하지?"라는 질문이었습니다.

새로운 AI 모델이 나올 때마다 불안했습니다. "저것도 배워야 하나?", "이거 배워놨는데 쓸모없어지면 어쩌지?"

하지만 지금은 다르게 생각합니다.

중요한 건 GPT-5인지 Claude 4인지가 아닙니다.

AI 모델이나 도구는 계속 발전할 것입니다. 하지만 AI와 대화하며 협업하는 경험은 어떤 도구를 쓰든 똑같이 적용됩니다.

대화를 통해 원하는 것을 요청하고, 응답을 보고 다시 조정하고, 함께 결과물을 만들어가는 과정. 이 경험을 쌓는 것이 본질입니다.

도구는 바뀌어도, 협업하는 방법은 남습니다.

그래서 시작합니다

저와 비슷한 분들이 있을 것 같습니다.

  • AI가 중요한 건 알겠는데, 막상 뭘 해야 할지 모르겠는 분
  • 도구가 너무 많아서 뒤처지는 것 같은 불안감을 느끼는 분
  • 배우긴 했는데, 실제 업무에 적용을 못 하고 있는 분

저도 그랬습니다. 1년 반 동안 헤맸습니다.

그래서 AI Workspace Consulting을 기획하게 되었습니다.

AI가 낯설고 어려워도 괜찮습니다. 스트레스 받지 않고, 천천히, 실제로 경험하면서 익힐 수 있도록 함께 하고 싶습니다.

이 블로그에서는 제가 AI와 함께 일하면서 겪는 것들을 공유하려고 합니다. 문제도, 해결 방법도, 새로 알게 된 것도요.

마무리

1년 반 동안 고민했던 시간이 헛되지 않았다고 생각합니다.

그 시간이 있었기에 "도구가 아니라 경험이 중요하다"는 걸 알게 되었으니까요.

여러분은 어떠신가요?

AI를 배우긴 했는데 막막하신가요? 아니면 이미 AI와 함께 일하고 계신가요?

댓글로 알려주세요.

다음에는 "AI와 첫 협업 이야기"에 대해 이야기해보겠습니다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

AI한테 계속 물어봤는데 왜 답이 엉뚱할까 — 대화의 주도권을 바꾸는 한 문장

이미지
질문의 기술 안녕하세요, 테라입니다. 보고서 초안을 써달라고 했더니 너무 형식적인 문장이 나왔습니다. 다시 요청했습니다. 이번엔 방향이 전혀 달랐습니다. 세 번째 시도에서 포기하고 직접 썼습니다. 그때는 몰랐습니다. 문제가 AI에게 있는 게 아니었다는 걸. 오늘은 그 경험에서 찾아낸 방법을 이야기하려고 합니다. 엉뚱한 답이 나오는 진짜 이유 AI에게 "마케팅 보고서 써줘"라고 하면, AI는 마케팅 보고서를 씁니다. 정확히 요청한 대로입니다. 핵심은 내가 원하는 게 정확히 무엇인지 나 자신도 알지 못했다는 것입니다. 대상 독자가 누구인지, 어떤 결론을 원하는지, 어떤 데이터를 강조해야 하는지. 이 모든 것이 머릿속에서 안개처럼 흐릿한 채였습니다. 그 상태에서 요청하면, AI는 가장 일반적인 답을 내놓습니다. 틀린 건 아닙니다. 다만 내가 원하던 것과 다를 뿐입니다. 초기에 AI와 협업을 진행할 때마다, 이 패턴이 반복되었습니다. 요청하고, 실망하고, 다시 요청하고. 평균 3회에서 4회 수정 요청을 해야 간신히 쓸 만한 결과가 나왔습니다. 한 보고서에 20분 정도 쓸 작업이 실제로는 1시간 가까이 걸렸습니다. 그 시간 동안 저는 AI를 탓했습니다. "ChatGPT는 내 스타일을 모른다", "Claude는 맥락 파악을 못 한다". 지금 돌아보면 절반은 맞고 절반은 틀린 생각이었습니다. AI가 먼저 물어보게 만들면 달라집니다 어느 날 실험해봤습니다. 요청 대신 이 문장을 먼저 입력했습니다. "마케팅 보고서를 쓰려고 하는데, 시작하기 전에 내 상황을 파악할 수 있도록 필요한 것을 먼저 물어봐 줘." AI의 반응이 달랐습니다. 바로 결과물을 내놓는 대신, 질문을 시작했습니다. "보고서의 주요 독자는 누구인가요? 내부 팀인지, 외부 클라이언트인지요." "이 보고서에서 강조하고 싶은 핵심 메시지가 있나요?...
자세한 내용 보기

AI가 쓴 '기계적인 글'을 내 말투로 바꾸는 프롬프트

이미지
안녕하세요, 테라입니다. "오늘 이 시간에는 AI 활용법에 대해 알아보도록 하겠습니다." 저도 처음엔 이런 문장을 받아들고 멍하니 화면을 봤습니다. AI한테 초안을 부탁했더니 낯설고 어색한 문장이 나왔습니다. 분명 제 블로그 글인데, 읽으면 읽을수록 제 목소리가 아니었습니다. 결국 지우고 다시 썼습니다. 세 번쯤 반복하고 나서야 깨달았습니다. 문제는 AI가 아니라 제가 규칙을 안 줬기 때문이라는 것을요. 오늘은 그 규칙을 공유하려고 합니다. 1. AI가 번역투로 쓰는 건 AI 탓이 아닙니다 AI는 지시가 없으면 '중립적인' 글을 씁니다. 학습 데이터 중 가장 평균적인 문장 패턴이 나옵니다. 번역된 것처럼 느껴지는 건, 영어 원문을 그대로 직역한 문체가 그 평균에 가깝기 때문입니다. "생산성을 향상시키는 AI 도구의 중요성은 현대 비즈니스 환경에서 매우 강조되고 있습니다." 이 문장을 보면 어떤 느낌이 드시나요? 읽히기는 하는데, 누군가 말하는 느낌은 없습니다. 글쓴이가 보이지 않습니다. 저는 이걸 고치는 데 처음엔 30분 이 걸렸습니다. 초안을 받고, 한 문장씩 고치고, 다시 읽어보고. 지금은 5분 입니다. 달라진 건 AI의 성능이 아니라, 제가 주는 글을 쓰는 지침이었습니다. 2. Before / After — 같은 내용, 다른 말투 다음 두 문장은 같은 내용입니다. Before (AI 기본 출력) "본 포스팅에서는 효과적인 AI 글쓰기 전략을 체계적으로 정리하여 제공해 드리고자 합니다." After (규칙 3줄 추가 후) "저도 처음엔 AI 툴만 10 개 이상 깔아두고 정작 쓰는 건 하나도 없었습니다. 오늘은 제가 정착한 딱 하나의 방법을 이야기하려 합니다." 달라진 점은 세 가지입니다. 1인칭 고백으로 시작했습니다. 과도한 수식어("체계적으로", "제공해 드리고자")를 뺐...
자세한 내용 보기

AI의 응답은 대화의 시작입니다 - 2005년 코치가 내게 가르쳐준 것

이미지
2005년 코치가 내게 가르쳐준 것 안녕하세요, 테라입니다. "ChatGPT 써봤는데, 신기하긴 한데 막상 도움은 안 되더라." 이런 말을 들을 때마다 떠오르는 기억이 있습니다. 20년 전, 한 코치에게 들은 이야기입니다. 그때 배운 것이 지금 제가 AI와 일하는 방식을 바꿔놓았습니다. 📑 목차 2005년 어느 날 메시지를 읽기 시작했습니다 20년이 지났습니다 며칠 전 있었던 일 AI와 대화하는 법 마무리 2005년 어느 날 대학원에서 생물정보학을 전공하던 시절이었습니다. 매일 코드를 짜고, 매일 에러를 만났습니다. 어느 날 애자일 코칭 시간에 코치가 물었습니다. "코딩할 때 에러가 나면 어떤 기분이 드세요?" 저는 솔직하게 대답했습니다. "스트레스가 올라갑니다. 에러를 줄이려고 신경이 곤두서요." 코치는 잠시 생각하더니 이렇게 말했습니다. "에러는 컴퓨터가 당신의 입력에 대답하는 메시지입니다." 그 한마디에 멈칫했습니다. 에러가 실패가 아니라 대답이라고요? 메시지를 읽기 시작했습니다 그 후로 에러를 보는 눈이 달라졌습니다. "아, 내가 이렇게 요청했는데 컴퓨터는 이렇게 답했구나." 그렇게 생각하니 에러가 두렵지 않았습니다. 대화의 시작이었으니까요. 에러 메시지를 읽고, 요청을 수정하고, 다시 실행하고. 그 과정이 자연스러워졌습니다. 저는 그때 컴퓨터와 대화하는 법 을 배웠습니다. 20년이 지났습니다 지금은 AI와 일합니다. 그런데 주변에서 같은 패턴을 봅니다. ChatGPT가 엉뚱한 답을 주면, "역시 AI는 아직 멀었어"라고 실망합니다. 한두 번 시도하고 포기합니다. 그럴 때마다 20년 전 코치의 말이 떠오릅니다. 2005년 코딩 2026년 AI 에러 = 스트레스 AI 응답 = 실망 에러 = 컴퓨터...
자세한 내용 보기