글쓴이
고경만
더 프로메테우스 대표
해경 (解經) · 더 프로메테우스(ThePrometheus) 대표. 한국자연주의의사결정학회 회장, 에그클(AI Growth Club) 설립자 · 호스트, 바이브워커스 파트너.
AI·기술

짧게 말하면, AI 학습 프로그램이 유의미하려면 정보를 더 주는 자리가 아니라 질문, 판단, 적용의 습관을 바꾸는 자리여야 한다. 책을 많이 읽고 도구를 많이 소개해도, 참가자가 다음 날 실제 업무에서 무엇을 다르게 볼지 남지 않으면 그 학습은 이벤트로 끝난다.
그래서 좋은 AI 북클럽이나 워크숍은 무엇을 배웠는가보다 어떤 질문이 달라졌는가, 어떤 막힘을 어떻게 다시 볼 수 있게 되었는가, 당장 무엇을 실험할 것인가를 남겨야 한다.
지금 많은 AI 학습 자리는 두 가지 실수를 반복한다.
이 구조에서는 참여자가 순간적으로는 흥분한다. 새 기능을 보고, 새로운 사례를 듣고, 정리된 프레임을 받아 간다. 그런데 일로 돌아가면 같은 장면에서 다시 막힌다. 왜냐하면 배운 것이 자기 판단 루프에 들어가지 않았기 때문이다.
실무자가 실제로 막히는 지점은 훨씬 구체적이다.
학습이 남으려면 이 장면들을 다뤄야 한다. 정보는 재료일 뿐이고, 변화는 판단 습관에서 일어난다.
정보 모임은 이런 질문에 답한다.
판단 훈련은 다른 질문을 다룬다.
이 차이가 중요하다. AI 활용은 도구 적응보다 판단 적응에서 더 크게 갈린다. 실제로 많은 팀이 AI를 이미 쓰고 있다. 그런데도 결과가 흔들리는 이유는 도구 부족이 아니라 질문 기준과 검토 습관이 정리되지 않았기 때문이다.
목표를 구체적으로 쓰는 일은 필요하다. 하지만 목표를 잘 썼다고 해서 실행이 자동으로 생기지는 않는다.
SMART는 목표의 모양을 정리하는 데 도움을 준다. 그러나 다음은 잘 다루지 못한다.
그래서 많은 사람이 계획은 좋았는데 왜 또 멈췄지라는 상태로 돌아간다. 실행의 문제를 의지 부족으로만 읽기 쉬워지는 이유도 여기에 있다.
AI 학습 프로그램도 마찬가지다. 3개월 동안 이걸 배웁니다라는 식의 안내만으로는 충분하지 않다. 참가자는 자기 막힘을 식별하고, 장애물을 예상하고, 다시 움직이는 방식을 함께 설계해야 한다.
좋은 학습은 혼자 정답을 받는 구조보다 함께 사고를 조정하는 구조에서 더 오래 남는다. AI와의 관계도 마찬가지다.
AI와의 상호작용이 학습으로 이어지려면, 참가자는 다음을 경험해야 한다.
이런 협력적 대화가 있어야 학습은 와, 좋다에서 멈추지 않고 아, 다음엔 이렇게 물어야겠다로 넘어간다.
좋은 프로그램은 커리큘럼보다 먼저 네 가지를 설계한다.
추상적인 관심사가 아니라 어떤 회의, 어떤 문서, 어떤 결정, 어떤 검토에서 막히는지 가져오게 해야 한다.
강의 내용을 듣는 데서 끝내지 말고, 참가자가 자기 질문을 다시 쓰게 해야 한다. 처음 질문과 끝난 뒤 질문이 달라지지 않으면 학습은 얕게 남는다.
실행을 막는 순간을 미리 다뤄야 한다. 시간 부족, 두려움, 완벽주의, 팀 내 합의 부재 같은 실제 장애물이 빠지면 계획은 쉽게 멈춘다.
프로그램이 끝난 뒤 당장 적용할 한 장면과 한 실험을 남겨야 한다. 예를 들어 다음 주 회의에서 AI에게 요약을 맡기기가 아니라 요약 전에 어떤 기준으로 검토할지 팀 질문표를 써 보기처럼 더 구체적이어야 한다.
프로그램을 설명할 때도 몇 회차, 무슨 책, 얼마만 나열하면 부족하다. 참가자가 읽어야 할 것은 자기 변화 장면이다.
예를 들어 좋은 소개문은 이런 약속을 해야 한다.
다음에 무엇을 다르게 할지가 남는다.이 약속이 없으면 교육은 정보 소비로 오해되기 쉽다.
회상 질문은 오늘 새로 알게 된 기능이 아니라, 다음 판단에서 달라질 질문은 무엇인가?다.
가까운 적용은 다음 북클럽에서 발표 순서를 실제 판단 장면, 질문 수정, 다음 실험 순으로 바꾸는 일이다. 더 먼 적용은 팀 온보딩이다. 기능 목록을 전달하는 대신 AI가 맡을 일, 사람이 검토할 기준, 오류가 나면 멈출 조건을 함께 연습하게 할 수 있다.
단순히 내용을 이해하는 데서 멈추지 않고, 질문과 판단과 적용의 구조를 같이 훈련한다는 점이 다르다.
대개 지식은 늘었지만 막힘 장면, 장애물, 다음 행동이 설계되지 않았기 때문이다.
혼자 공부도 가능하다. 다만 협력적 대화가 있으면 자기 질문의 한계와 검토 기준을 더 선명하게 볼 수 있다.
정리 노트보다 내가 다음에 어떤 질문으로 판단할 것인가와 어떤 실험을 할 것인가가 더 중요하다.
AI 학습은 더 많은 정보가 아니라 더 나은 판단 습관을 남겨야 한다. 책을 읽고 도구를 배우는 일은 시작일 수 있지만, 실제 변화는 질문 구조와 검토 기준과 실행 루프가 바뀔 때 나온다.
그래서 좋은 프로그램은 참가자에게 지식을 더 주는 사람이 아니라, 자기 판단을 다시 설계하게 만드는 구조를 제공해야 한다. 그게 없다면 학습은 흥미로운 행사로 끝난다.
글쓴이
더 프로메테우스 대표
해경 (解經) · 더 프로메테우스(ThePrometheus) 대표. 한국자연주의의사결정학회 회장, 에그클(AI Growth Club) 설립자 · 호스트, 바이브워커스 파트너.

핵심 명제: “도구는 Code로 구현되고, Code를 LLM이 운영하며, 최종 가치와 판단의 책임은 인간이 소유한다.” — 1. 프롬프트 요령의 한계와 판단의 공백 최근 수많은 조직이 AI 에이전트와 LLM을 실무에 도입하고 있습니다. 하지만 현장에서 마주하는 진짜 문제는 “프롬프트를 얼마나 유려하게 작성하는가”가 아닙니다. 실무의 성패를 가르는 본질은 “무엇을…

AI가 그럴듯한 답을 냈는데도 믿기 어려웠다면, 문장이 약해서가 아니라 요청 안에 너무 많은 판단을 숨겼기 때문일 수 있습니다. 이 분야의 모든 전문가가 공유하는 핵심 멘탈 모델 다섯 가지 같은 문장에는 분야, 전문가, 공유의 기준, 핵심의 기준, 개수 제한이 한꺼번에 들어 있습니다. 좋은 프롬프트는 멋진 문장…

짧게 말하면, AI 결과의 신뢰성은 믿을 만해 보이는가로 판단하면 안 된다. 이 결과를 어디까지 쓸 것인지, 무엇이 근거인지, 어떤 한계가 있는지, 언제 의심할지, 누가 되돌릴지를 함께 정해야 한다. AI가 결정 루프에 들어올수록 사람의 역할은 줄어들지 않는다. 사람은 AI의 제안을 받아 적는 대신, 계약과 경계와 책임을…