[INSIGHT] 패스트캠퍼스 인사이트 | Expert · AI · Tech · Creative · Finance

양실장 특정 댓글 한 문장보다 비슷한 취지의 반응들이 기억에 남습니다. “개발은 내 일이 아니라고 생각했는데 처음으로 직접 작동하는 걸 만들었다”, “명령어가 무서웠는데 이제는 오류를 보고 다시 시도할 수 있게 됐다”는 반응입니다. 결과물이 아주 거창할 필요는 없습니다. 본인이 매일 반복하던 일을 줄이는 작은 자동화라도 직접 만들고, 다음에는 혼자 수정해보겠다고 할 때 가장 보람을 느낍니다. 강의를 듣는 동안만 따라오는 것이 아니라, 이후에 스스로 시도하기 시작했다는 뜻이기 때문입니다.

양실장 만들 수 있습니다. 다만 처음부터 나와 똑같이 생각하는 완성형 클론을 만든다고 접근하면 바로 지칩니다. 처음에는 오늘 있었던 사건, 떠오른 생각, 아이디어, 결정과 그 이유를 짧게 기록하면 됩니다. 저는 이것을 딥트윈의 Layer 0라고 부릅니다. 텔레그램에 하루 몇 줄씩 남기고 원문과 출처를 안전하게 쌓는 단계입니다. 최소 2주 정도 기록하면 자주 등장하는 사람, 프로젝트, 판단과 고민이 보이기 시작합니다. 터미널은 이 기록 시스템을 설치하고 확인하는 도구로 쓰입니다. 모든 명령을 외울 필요는 없습니다. AI에게 한 단계씩 요청하고, 실제 결과가 나왔는지 확인하는 법을 배우면 왕초보도 충분히 시작할 수 있습니다.

양실장 프로그래밍 언어를 깊이 배울 필요는 없습니다. 대신 몇 가지는 꼭 알아야 합니다. 먼저 파일과 폴더, 경로가 무엇인지 알아야 합니다. 터미널 명령이 “컴퓨터에 내리는 구체적인 지시”라는 점도 이해해야 합니다. 오류가 나면 마지막 몇 줄을 읽고, 실행한 명령과 실제 결과를 구분할 수 있어야 합니다. API 키나 비밀번호를 코드와 대화창에 그대로 넣지 않는 보안 습관도 필요합니다. 그리고 가장 중요하게 보는 것은 검증입니다. AI가 “완료했습니다”라고 말하는 것과 실제 파일이 생기고 프로그램이 작동하는 것은 다릅니다. 실행 화면, 테스트 결과, 저장된 데이터 중 하나를 직접 확인할 수 있어야 합니다. 이 정도를 알면 나머지는 만들면서 배울 수 있습니다.

양실장 제가 잘하는 일은 어려운 개념을 빼버리는 것이 아니라, 왜 필요한지부터 뿌리를 따라 설명해 비개발자가 자기 언어로 이해하게 만드는 것입니다. ‘뿌리강의’를 통해 이 설명 방식이 실제 수강생에게 통한다는 것을 확인해왔습니다. 이번 강의도 같은 기준으로 만들었습니다. 아무것도 모르는 상태에서 시작해 개념을 이해하고, 자기 업무에 적용하고, 마지막에는 직접 작동하는 결과물까지 갖게 하는 것이 이번 강의의 차별점입니다.

양실장 먼저 그 사람이 만든 문서와 결과물만 모아서는 부족합니다. 같은 상황에서 왜 그 선택을 했는지, 무엇을 먼저 보고 무엇을 포기했는지까지 기록해야 합니다. 일머리는 결과물보다 판단 과정에 많이 숨어 있기 때문입니다. 실제 과정에서는 업무 자료와 대화 원문을 모으고, 중요한 결정과 이유를 찾습니다. 반복되는 판단 기준을 후보로 정리한 뒤 당사자에게 맞는지 확인합니다. 예외 상황도 함께 묻습니다. 그렇게 검증된 기준을 AI 에이전트가 원문 근거와 함께 찾아 쓰도록 연결하고, 실제 업무 결과를 보면서 계속 수정합니다. 복제라는 표현을 쓰지만 사람을 통째로 복사하는 것은 아닙니다. 그 사람이 잘해온 업무에서 반복적으로 사용한 판단 기준과 실행 순서를 다시 사용할 수 있게 만드는 과정에 가깝습니다.

양실장 딥트윈은 나의 기록, 경험, 판단 기준을 계속 축적하면서 함께 성장하는 AI 에이전트입니다. 말투만 흉내 내는 챗봇보다 훨씬 넓은 개념입니다. 내가 어떤 상황에서 어떤 결정을 했는지 원문을 가지고 있고, 나중에 답할 때 그 근거까지 다시 보여줄 수 있어야 합니다. 직장인은 과거 회의와 결정의 맥락을 찾는 시간이 줄어듭니다. 1인 사업가는 고객 대응, 제안서 초안, 콘텐츠 기획처럼 매번 처음부터 시작하던 일을 자신의 기준으로 이어갈 수 있습니다. 시간이 줄어드는 것도 크지만, 더 중요한 변화는 내가 없을 때도 내 기준에 가까운 초안과 선택지가 먼저 나온다는 점입니다. 사람은 마지막 판단과 책임에 집중할 수 있습니다.

양실장 앞으로는 내가 일을 잘한다는 사실만으로는 부족해질 수 있습니다. 내가 왜 잘하는지 설명하고, 다른 사람과 AI가 재현할 수 있게 만든 사람의 가치가 커질 겁니다. 암묵지를 자산화하면 개인의 경험이 머릿속에서 사라지지 않고 조직과 시스템에 남습니다. 한 사람이 더 많은 일을 무리하게 떠안는 방식과도 다릅니다. 반복 업무는 에이전트가 맡고, 사람은 예외 판단과 고객 신뢰가 필요한 일에 시간을 씁니다. 이런 사람은 단순히 AI를 잘 쓰는 사람이 아니라, 자기 전문성을 시스템으로 확장할 수 있는 사람입니다.

양실장 저는 결과에 책임지는 판단과 오랜 시간 쌓인 신뢰라고 생각합니다. AI는 그럴듯한 선택지를 빠르게 만들 수 있지만, 그 선택으로 생긴 결과를 책임지지는 않습니다. 어떤 문제를 풀어야 하는지 정하고, 정보가 부족한 상황에서 결정을 내리고, 고객과 동료에게 그 이유를 설명하는 일은 여전히 사람의 몫입니다. 특히 돈, 고용, 관계처럼 한 번의 판단이 누군가에게 큰 영향을 주는 일은 정확도만으로 결정되지 않습니다. 그 사람의 맥락을 이해하고 책임을 감수할 사람이 필요합니다.

양실장 다음 변화는 모델 하나가 더 똑똑해지는 것보다, 개인과 회사의 맥락을 가진 에이전트가 실제 업무를 계속 수행하는 쪽에서 나올 가능성이 큽니다. 현재 대부분의 AI는 대화를 새로 시작할 때마다 사용자가 배경을 다시 설명해야 합니다. 앞으로는 내가 했던 일, 내 판단 기준, 회사의 규칙, 현재 프로젝트 상태를 기억하는 에이전트가 여러 도구를 사용해 일을 처리하게 됩니다. 여기에 사람이 결과를 검토하고 피드백하면 에이전트도 계속 달라집니다. 그래서 저는 AI 시대의 다음 경쟁력이 좋은 모델을 먼저 찾는 능력보다, 내 데이터와 판단 기준을 얼마나 안전하게 축적하고 운영하느냐에 있다고 봅니다. 딥트윈을 만들고 있는 이유도 여기에 있습니다.

양실장 새로 나오는 AI를 전부 따라갈 필요는 없습니다. 저도 모든 툴을 다 쓰지 않습니다. 지금 내 시간을 가장 많이 잡아먹는 일 하나를 고르고, 그 일을 줄여주는 작은 결과물을 먼저 만들면 됩니다. 이번 주에 한 번 작동하는 것을 만들고, 다음 주에 실제 업무에서 다시 써보세요. 그 과정에서 필요한 기술만 배우면 됩니다. 툴의 이름은 계속 바뀌지만, 문제를 작게 정하고 직접 실행하고 결과를 검증하는 능력은 그대로 남습니다.