이봐, 해봤어? — AI를 가장 빨리 잘 쓰는 법

2026-07-09 · Ascendy Engineering

TL;DR

한 달 뒤에 알파고와 바둑을 둬야 한다면, 나는 “바둑 잘 두는 법”을 AI에게 물을 것이다. 한 달 뒤에 알파고를 만들어야 한다면? 질문 자체가 완전히 달라진다. 한 달 뒤 AI를 더 잘 다루는 사람은 — 당연히 후자다.
AI를 빨리 잘 쓰는 법은 뻔하다. 많이 써라. 하지만 검색·질의응답으로만 많이 쓰면 안 는다. 볼륨이 아니라 모드의 문제다. 만들어라.
겁먹을 필요 없다. 신입이 못 풀 문제라도, 문제를 풀었느냐가 아니라 고민하고 시도하고 실패한 그 과정이 자산이 된다. 그게 압축된 실전 경험이다.
진짜 갈림길은 하나다 — 이론·말·글로만 떠드느냐, 아니면 정주영 회장의 그 말대로 “이봐, 해봤어?”.

이 글에 대하여. 인터뷰로 끌어낸 1인칭 글이다. “만들어라”는 내 베팅이지 정답 주장이 아니다. 같은 결의 도메인을 배우려면 AI로 만들며 배워라, AI 시대에 뭘 공부해야 하나와 이어지되, 이 글의 무게중심은 AI 사용 능력 자체를 빨리 올리는 법이다.

한 달 뒤, 알파고와 둘 것인가 만들 것인가

먼저 사고실험 하나. 내가 한 달 뒤에 알파고와 바둑을 둬야 한다고 해보자. 나는 아마 AI에게 이렇게 물을 것이다. “바둑 잘 두는 법이 뭐야? 알파고를 이기려면 어떻게 해?”

그런데 내가 한 달 뒤에 알파고를 만들어야 한다면? 던지는 질문이 아예 달라진다. 탐색 알고리즘은 뭘 써야 하는지, 학습을 어떻게 돌리는지, 어디서 막히는지… 질문의 층 자체가 내려간다.

그리고 한 달 뒤, 둘 중 누가 AI를 더 잘 다루게 될까? 당연히 후자다. 이 차이가 오늘 하려는 이야기의 전부다.

뻔한 답, 그런데 절반만 맞는 답

“AI를 가장 빨리 잘 쓰는 법이 뭐냐”고 물으면, 답은 사실 뻔하다. 많이 써라. 이건 맞다. 늘리는 데 왕도는 없다.

그런데 여기서 대부분이 절반만 듣는다. 많이 쓴다는 걸 검색 도구나 물어보는 용도로 많이 쓰는 거라 생각하면 — 그건 틀렸다. 그렇게 쓰면 아무리 많이 써도 잘 안 는다. 볼륨의 문제가 아니라 모드의 문제다. 소비적으로 물어보는 것과, 생성적으로 만드는 것은 완전히 다르다.

앞의 알파고 비유가 그거다. 쓰는 사람과 만드는 사람은 시작하는 시각 자체가 다르다. 그래서 던지는 질문이 다르고, 그 다른 질문이 AI 숙련을 끌어올린다.

그래서 — 만들어라

내 추천은 하나다. 뭔가를 만들어라. 그것도 네가 관심 있고 일하고 싶은 분야의 문제를 푸는 도구를 AI로 만들어봐라.

여기서 흔한 반문이 나온다. “신입인데 문제가 뭔지 어떻게 알아? 그런 문제는 선배들도 오래 못 푼 건데, 단순히 AI 쓴다고 풀리겠어?”

맞는 말이다. 안 풀릴 가능성이 높다. 그런데 여기서 관점을 뒤집어야 한다.

반전: 결과가 아니라 과정이 자산이다

꼭 문제를 풀어야만 배우는 게 아니다. 오히려 그 문제를 풀려고 내가 시간을 들여 고민하고, 시도하고, 실패하는 — 그 데이터가 누적되는 과정에서 학습과 성장이 일어난다고 나는 생각한다.

어려운 문제는 실패해도 된다. 그걸 풀려고 시도했던 경험과, 들인 시간과, 나의 고민 — 그것만으로도 충분히 내 자산이 된다. 신입이 AI 시대에 가장 취약한 건 맞다. 하지만 신입이 이렇게 압축된 실전 경험을 쌓을 수 있다면, 두려워할 이유가 없다.

어디서 시작하나 — 관심 있는 분야

그럼 왜 하필 관심 있고 일하고 싶은 분야일까? 동기부여 때문만은 아니다.

질문도 뭘 좀 알아야 던진다. 아무것도 모르는 분야에서는 첫 질문조차 막힌다. 그런데 내가 관심 있고 일하고 싶어 하는 분야라면 — 일자무식에 가깝더라도 뭔가 하나라도 아는 게 있을 가능성이 높다. 그래서 그 관심을 갖게 된 거고. 바로 그 하나가, 뭐라도 질문해서 시작할 발판이 된다.

진짜 갈림길: 이봐, 해봤어?

여기까지 오면, 만들기라고 다 같은 만들기는 아니라는 생각이 들 수 있다. 맞다. 그런데 내가 느낀 진짜 갈림길은 어떤 걸 만드느냐보다 앞에 있었다.

솔직히 말하면, 나도 예전에는 뭔가를 실제로 만들지 않았다. 이론으로만 생각하고, 말이나 글로만 떠들었다. 그러다 실제로 손을 대서 만들어보니 — 내가 겪은 AI는 아예 다른 느낌이었다. 말로 상상하던 AI와, 만들며 부딪힌 AI는 같은 것이 아니었다.

내 주변 동기들 중에도 말로만 떠드는 사람이 많다. 그들을 볼 때마다 나는 정주영 회장의 그 말이 목까지 차오른다. 어려운 일 앞에서 주저하는 간부들에게 그가 던졌다는 한마디 —

“이봐, 해봤어?”

AI를 빨리 잘 쓰고 싶은 사람에게 내가 해줄 수 있는 가장 정직한 말도 이것이다. 강의를 더 듣기 전에, 최적의 프롬프트를 검색하기 전에 — 해봤어? 작은 것 하나라도 만들어봤어?

코다: 잘 되든 안 되든 남는 것

나는 지금 제품 하나를 만들고 있다. 이게 잘 될지 안 될지는 나도 모른다. 그런데 확실한 건 — 잘 되든 안 되든, 나에게는 AI를 어떻게 써야 하는지, 어떤 하네스를 만들어 작업을 개선하는지에 대한 경험과 노하우, 그리고 내 분야의 도메인 지식이 남는다.

그게 이 글의 핵심이다. 만들기의 진짜 보상은 결과물이 아니라, 만드는 과정에서 내 안에 쌓이는 것들이다. 그리고 그건 실패해도 사라지지 않는다.

가져갈 것

많이 써라 — 단 만들면서. 검색·질의응답으로만 많이 쓰면 안 는다. 볼륨이 아니라 모드다.
쓰는 자와 만드는 자는 질문이 다르다. 알파고와 두는 사람과 만드는 사람 — 한 달 뒤 AI를 더 잘 다루는 건 만드는 사람이다.
결과가 아니라 과정이 자산. 못 풀어도, 시도·시간·고민의 누적이 압축된 실전 경험이 된다.
시작은 관심 분야에서. 질문도 뭘 알아야 던진다. 관심 분야는 첫 질문의 발판이다.
그리고 — 이봐, 해봤어? 이론·말·글이 아니라, 작은 것 하나라도 직접 만들어봤느냐가 갈림길이다.

솔직히 이 글도 정답이 아니라 내 베팅이다. 다만 AI를 빨리 잘 쓰고 싶다면, 강의와 프롬프트를 더 모으기 전에 만드는 자의 자리로 넘어가 볼 것 — 그게 내가 비전문 출발점에서 여기까지 오며 찾은, 가장 빠른 길이었다.

저작·인용: 이 글은 Ascendy Engineering이 작성했으며 출처 표기 시 재인용 가능합니다. 잘못된 정보를 발견하면 GitHub 이슈로 알려주세요.

Tags: ai, learning, career, building, opinion