번역본. 원문: How to be more ambitious: A tutorial for humans with models (Felix Rieseberg, 2026년 10월 13일).

더 야심차게 도전하는 법: AI 모델과 함께하는 사람들을 위한 안내서

저는 Claude를 만드는 일을 합니다. 흥미로운 경험입니다. 매일 Claude와 함께, 혹은 Claude가 해낸 새로운 성과를 접합니다. 제가 생각해 보지 못했거나, 가능하다고 믿지 않았거나, 그저 호기심과 시간이 부족해 시도하지 않았던 일들입니다. 이번 달에는 Claude가 새로운 행성을 발견하는 데 도움을 줬을지도 모릅니다. 처음으로 정말 마음에 드는 AI 뮤직비디오도 봤고, 우리는 수학의 새로운 시대를 이야기하고 있습니다.

모델의 능력은 모든 방향에서 고르게 성장하지 않습니다. 테렌스 타오의 표현처럼 모델은 “어떤 방향에서는 놀라울 정도지만, 다른 방향에서는 부족”합니다. 어떤 사람들은 그 놀라운 능력을 능숙하게 다루며 날아오르는 듯합니다. 제가 만든 제품으로 사람들이 믿기 어려운 높이까지 올라가는 모습을 보고 있으면 자꾸 더 보고 싶어집니다. 반면 여전히 새로 얻은 날개를 어떻게 써야 할지 애쓰는 사람도 많습니다. “프랑스의 수도는 어디야?”나 “이 이메일이 덜 화난 것처럼 들리게 고쳐 줄래?” 같은 질문 외에 무엇을 할 수 있는지 궁금해하면서요.

저는 AI 분야에서 일하는 다른 사람들과 함께, AI를 사용할 때 더 야심차게 도전해야 한다고 자주 이야기합니다. 이제는 일종의 구호가 되었습니다. 인상적인 결과를 볼 때마다 다시 공유하며 “우리는 아직 충분히 야심차지 않다”고 씁니다. 그 조언을 실천하기가 얼마나 까다로운지도 이해합니다. 그래서 더 야심차게 도전하는 법을 안내해 보려 합니다.

저는 야심을 네 가지 유형으로 나누어 생각합니다. 속도(Speed), 고도(Altitude), 깊이(Depth), 범위(Range)입니다.

• 속도: 같은 일을 더 짧은 시간에 하는 것. AI가 경제적 가치를 만드는 가장 기본적인 방식입니다. 코드가 필요하다면 저는 Claude로 더 빨리 작성할 수 있습니다. 이미 널리 정착한 활용법이고, AI에 접근하는 방식에서 큰 창의성을 요구하지도 않으므로 여기서는 건너뛰겠습니다.
• 고도: 추상화 수준을 높여 개별 작업보다 결과를 생각하는 것.
• 깊이: 해당 분야를 이끄는 전문가처럼 작업을 바라보는 것. 작업이 놓인 층위에 머무르지 않고 한 단계 더 깊이 들어가, 그 밑에 있는 데이터와 도구, 문제를 다룹니다.
• 범위: 작업의 표면적인 요구에 맞는 분야 하나에만 기대지 않고 여러 분야를 활용하는 것. 평소에는 쓰지 않던 지식과 도구, 기법을 가져옵니다.

저는 주로 Claude를 씁니다. 당연하겠죠. 하지만 이 조언은 특정 모델에만 해당하지 않습니다.

고도 (Altitude)

우리는 이것을 흔히 가볍게 “모델이 더 높은 추상화 수준에서 일하게 한다”고 표현합니다. 모델에 작업을 주면, 모델은 원하는 결과에 이르는 방법에 대한 여러분의 최선의 추측을 실행합니다. 고도 면에서 더 야심차게 도전하려면 스스로에게 물어보세요. 그다음에는 무슨 일이 일어나기를 바라나요? 지금 목표 너머에 있는 목표는 무엇인가요? 작년 초까지만 해도 저는 Claude에게 개별 충돌 오류를 고쳐 달라고 했습니다. 나중에는 그냥 우리 앱이 충돌 없이 돌아가도록 해 달라고 요청하게 되었습니다.

일상적인, 어쩌면 평범하다고 해도 될 사무 업무를 생각해 봅시다. 여러분은 가상의 회사 Acme Inc에서 분기별 사업 검토(QBR)를 위한 발표 자료를 만들어야 합니다. 데이터를 주면 Claude는 기꺼이 슬라이드를 만들어 줄 것입니다. 이미 양식이 있어서 빈칸만 채우면 될 수도 있겠죠. 하지만 이것을 새로운 행성의 발견에 견주기는 어렵습니다. 그러니 더 야심차게 접근할 구체적인 단계를 살펴봅시다. 기본적인 단계에서 시작해, 한 단계씩 조금 더 야심차게 나아가겠습니다.

• 대부분의 사업 검토에서는 이번 분기에 무엇이 달라졌는지, 왜 달라졌는지, 무엇을 해야 하는지를 알고 싶어 합니다. 양식에 있는 숫자만 갱신하고 싶은 마음을 억누르세요. 모델이 사업을 이해할 수 있도록 구할 수 있는 데이터를 최대한 많이 주세요. “이번 분기에 무엇이 달라졌는지, 왜 달라졌는지, 우리가 무엇을 해야 하는지 알려 줘.”
• 회의는, 적어도 좋은 회의라면, 몇 가지 결정을 내리며 끝나는 것이 이상적입니다. Claude에게 요청하세요. “지금까지 알아낸 모든 내용을 바탕으로 가장 시급한 결정 세 가지를 찾아내고, 가능한 방향별로 찬성과 반대 논거를 정리하기 시작해 줘.”
• QBR은 제대로 된 검토를 하려면 사람이 데이터를 꼼꼼히 훑고, 그 의미와 사업을 조정해야 할지를 판단해야 하던 시대의 산물입니다. Claude에게 요청하세요. “이 검토의 목적은 경영진이 문제를 일찍 발견하고 자금과 인력을 적절한 곳으로 옮기게 하는 거야. 분기별 발표 자료보다 이 목적을 더 잘 달성할 방법을 설계하고, 우리 회사의 과거 기록으로 그 방법이 문제를 더 일찍 포착했을 것임을 보여 줘. 그런 다음 한 분기 동안 기존 방식과 함께 운영해 줘.”

고도를 높이는 접근은 정말로 어떤 궁극적인 결과를 원하는 경우에 가장 잘 통하며, 창작 활동에서는 효과가 덜합니다. 지금 하는 일을 논의하기 위해 회의를 열 예정이라면, 고도 면에서 더 야심차게 도전해 볼 만하다는 좋은 신호입니다. 현재도 한계는 있습니다. 2026년 기준으로 “Claude, 가서 돈 벌어 와”라는 말만으로 대부분의 사업이 잘 돌아가지는 않는 듯합니다. 하지만 대체로 모델의 능력이 좋아질수록 더 높은 추상화 수준에서 일할 수 있는 것처럼 보입니다.

고도를 높이는 과정에서는 사람이 매번 개입하지 않아도 지속적으로 돌아가는 워크플로를 찾을 수도 있습니다. 작업 하나가 끝날 때마다 다음 작업을 모델에 계속 지시할 필요가 줄어드는 것이죠. 이를 잘하려면 업무 방식을 바꿔야 하는 경우가 많습니다. Claude가 우리 앱을 충돌 없이 유지하게 하려면, 먼저 충돌 보고서를 쉽게 가져오고, 앱의 각 버전이 어떤 Git 커밋에 대응하는지 이해할 수 있게 해야 했습니다. 또 Windows, macOS, Linux 컴퓨터에 접근할 수 있게 해, 스스로 문제를 재현하고 수정 사항을 검증하도록 해야 했습니다.

깊이 (Depth)

때로는 그저 어떤 작업을 정말 잘 해내고 싶습니다. 깊이 면에서 야심차게 도전한다는 것은 해당 분야 최고의 전문가가 사용하는 도구와 기법, 매체, 지식을 모델이 활용하도록 밀어붙이는 것입니다. 나아가 그 전문가조차 여러분의 작업에서 새로운 것을 배울 수 있을 때까지 계속 밀어붙이는 것이죠.

Acme Inc의 분기별 사업 검토 발표 자료 예시를 이어 가겠습니다. Acme Inc가 사용자 이탈, 즉 시간이 흐르면서 고객을 잃는 문제를 겪고 있다고 가정해 봅시다. 저는 다음 기법을 적절히 섞어 쓰는 것이 유용하다고 느꼈습니다.

• 업계 최고가 쓰는 도구를 똑같이 쓰도록 요구하세요. 전문가처럼 행동하라는 지시를 받으면, 모델은 실제 방법은 그대로 둔 채 어휘만 바꾸는 경우가 많습니다. 문제를 깊이 있게 다루려면 최고의 데이터 과학자와 통계학자가 쓰는 도구를 사용해야 합니다. Claude가 마크다운 표를 만들려고 하면 데이터베이스와 통계 모델을 사용하라고 요구하세요. 여러분이 전문가의 도구를 꼭 알고 있어야 하는 것은 아닙니다. 대개 Claude는 알고 있습니다.
• 무리한 목표를 잡고, 모델에게는 아주 합리적인 목표라고 말하세요. 웹사이트의 로딩 시간을 10초에서 5초로 줄여야 하나요? 200밀리초를 요구하세요. 모델이 불가능하다고 생각하는 것이 있나요? 충분히 해결할 수 있고, 그저 계속 시도하면 된다고 거듭 말하세요.
• 알고 있는 것을 의심하세요. 특히 사업에서는 우리가 사실이라고 믿는 많은 것이 현실의 거친 근사치에 불과합니다. 모델이 원자료와 데이터에 접근하게 하고, 가정을 반박하려는 관점에서 검증해 달라고 요청하세요. “우리는 고객 이탈이 온보딩 문제라고 생각해. 원데이터에서 그 결론을 재현해 봐.”
• 새로운 지식을 만들어 내세요. 알고 있는 것을 의심하는 과정에 쉽게 덧붙일 수 있습니다. Claude가 이미 데이터 깊숙이 들어가 있다면 사각지대를 찾아 달라고 하세요. “우리 로그를 바탕으로 지난 1년을 재현하는 고객 시뮬레이션을 만들어 줘. 그런 다음 우리가 아직 모르는 가장 이른 이탈 신호를 찾아내고, 분석에 사용하지 않은 데이터에서도 그 신호에 예측력이 있음을 보여 줘.”
• 외부의 평가자를 활용하세요. 모델에게 스스로를 평가하게 하지 마세요. 모델의 지능이 높아지면 언젠가는 해결될 것이라고 생각합니다. 하지만 2026년 10월 현재로서는 반드시 외부 검증을 요구하라고 간곡히 권합니다. 모델이 실행해 즉시 피드백을 받을 수 있는 도구라면 가장 좋습니다.

저에게 자주 도움이 되는 간단한 프롬프트입니다.

이 작업을 더 깊이 있게 하고 싶어. 규모를 키우려는 건 아니야. 프롬프트를 다시 쓰기 전에 다음을 알려 줘. (1) 이 분야 최고의 전문가라면 여기서 내가 요청하지 않은 무엇을 할지, (2) 나를 위해 이미 가공된 자료 대신 어떤 가장 가공되지 않은 원자료에서 출발할지, (3) 구체적으로 어떤 방법과 도구를 쓸지, (4) 너나 나 말고 무엇이 결과의 정확성을 입증할지. 그런 다음 바로 그 내용을 요청하도록 내 프롬프트를 다시 써 줘.

범위 (Range)

간단히 말해, 범위 면에서 야심차게 도전한다는 것은 서로 다른 분야의 관점으로 작업을 바라보는 것입니다. 과거였다면 비용상 엄두를 내지 못했을 만큼 다양한 분야를 활용하는 것이죠. 특별히 독창적인 통찰은 아닙니다. 모든 하이스트 영화는 처음 30분 동안 다양한 인물과 재능을 모으는 데 시간을 씁니다. AI 제품 덕분에 여러 스레드나 오케스트레이터, 혹은 단순한 서브에이전트를 사용하는 멀티 에이전트 시스템을 운영하기가 점점 쉬워지고 있습니다. 저는 Claude에게 다른 분야까지 끌어오라고 적극적으로 요구했을 때 정말 흥미로운 결과를 보았습니다.

이를 실천하기는 쉽지 않습니다. 창의성이 필요합니다. 동료 Alex Albert가 Blender로 인테리어 디자인을 렌더링하는 모습을 보기 전까지는, 제 홈페이지의 3D 환경을 만드는 데 Claude를 쓸 생각을 해 본 적이 없었습니다. 예전에 비디오게임을 만든 적도 있는데 말입니다! 하지만 가장 마법 같은 일이 일어나는 곳은 단연 이 영역이라고 느낍니다.

그렇다면 어떻게 해야 할까요? 저는 다음 기법을 사용합니다.

• 명사를 동사로 바꿔 보세요. Tom Kelley와 Jonathan Littman의 『The Art of Innovation』에 나오는 오래된 요령입니다. 분기별 검토는 “발표 자료”가 아닙니다. “바쁜 사람들이 30분 안에 원인과 결과에 관한 이야기를 납득하고, 불확실한 상황에서 결정을 내리게 하는 것”입니다. 동사로 표현하면 어떤 분야가 독특하고 유용한 관점을 가져올 수 있는지, 저도 Claude도 더 쉽게 이해할 수 있습니다.
• 팀을 모으세요. 발표 자료가 아주 훌륭해야 합니다. 그렇지 않으면 외계인이 지구를 폭파할 테니까요. 인류는 어떤 팀을 꾸릴까요? 실제로 내놓을 만한 품질을 위해 저는 분석가, 기자, 편집자를 데려오겠습니다. 발표까지 해야 한다면 모션 디자이너와 오디오 디자이너도 필요하겠죠. 반박을 맡을 “레드 팀”을 두는 것도 유용할 수 있으니, 공매도 투자자와 포렌식 회계사도 데려옵시다.

자칫 역할극에 빠지기 쉽습니다. 그러면 대화 기록만 기묘해질 뿐 실제 결과는 좋아지지 않습니다. 이 방법은 분야와 기법을 찾아내는 데 사용하세요. 모델에게 공매도 투자자 캐릭터를 써 달라고 하지 말고, 공매도 투자자가 자신의 투자 판단을 조사할 때 실제로 하는 일을 하게 하세요.

제가 설명한 모든 방식의 야심찬 활용에는 모델이 쓸 수 있는 컴퓨터가 필요합니다. 소프트웨어를 설치할 수 있어야 하고, MCP 커넥터든 다른 수단이든 온갖 관련 데이터에 접근할 수 있어야 합니다. 이를 가능하게 하는 도구가 많으니, 그중 하나를 사용하기를 권합니다.

우리는 이미 이런 경험을 해 왔습니다 (We have been here before)

여기까지가 더 야심차게 도전하기 위한 구체적인 조언입니다. 조금만 더 읽어 주신다면, 애초에 이런 조언이 왜 필요하다고 생각하는지 말씀드리고 싶습니다.

우리 인간은 언제나 스스로 가능하다고 믿는 것에 발목을 잡혀 왔습니다. 더 나쁜 것은, 대개 아주 좁은 분야에서만 자신을 믿는다는 점입니다. 미켈란젤로가 시스티나 성당의 천장화를 그리고 싶어 하지 않았다는 이야기는 유명합니다. 자신은 화가가 아니라 조각가였으니까요.

야심의 문제를 조사하다가, 심리학에는 이를 가리키는 이름이 있다는 것을 알게 되었습니다. 자기효능감(self-efficacy)입니다. 간단히 말해 자기효능감이 높은 사람은 자신의 능력을 더 믿고, 그 결과 실제로 더 많은 것을 해냅니다. 자기효능감에 의도적으로 영향을 줄 수 있다는 근거도 있습니다. Locke와 Latham은 35년간의 목표 설정 연구를 면밀히 검토한 뒤, 구체적이고 어려운 목표를 부여받은 사람이 그저 최선을 다하라는 말을 들은 사람보다 더 잘 수행한다고 자신 있게 밝혔습니다. Stripe 창업자 Patrick Collison은 “Fast” 목록을 관리합니다. 대담한 목표와 촉박한 마감이 함께 주어졌을 때 인간이 해낸 수많은 일을 기록한 목록입니다. 잘 기록되어 있는 몇 가지 방법을 소개합니다.

• 가능하다고 믿음으로써 어려운 일을 해내기. 1939년 George Dantzig은 버클리의 통계학 수업에 지각했습니다. 칠판에 적힌 두 문제를 베껴 적고, 숙제라고 생각해 풀이를 제출했습니다. 그 두 문제는 통계학의 미해결 문제였습니다.
• 다른 사람이 해내는 모습을 본 뒤 어려운 일을 해내기. 수십 년 동안 사람들은 1마일을 4분 안에 달리려고 했습니다. Roger Bannister가 1954년 5월 그 벽을 깼지만, 그 기록을 달성한 유일한 사람으로 남아 있던 기간은 겨우 46일이었습니다. 달리기에 관심이 있다면, 마라톤 2시간의 벽에서도 비슷한 일이 벌어지고 있음을 보실 겁니다. Sabastian Sawe는 올해 4월 런던에서 최초의 공식 2시간 미만 마라톤 기록을 세웠습니다. 같은 경주에서 2위 선수도 2시간의 벽을 깼습니다.
• 실패해도 된다고 스스로에게 허락하며 어려운 일을 해내기. 다들 가장 좋아하는 경영서가 『The Inner Game of Tennis』인 모양입니다. 저는 지난주에야 이 책을 알게 되었습니다. 책의 핵심 주장은, 정말로 아주 열심히 하려고 애쓰는 상태에서는 최고의 테니스를 할 수 없다는 것입니다. 우리 엔지니어라면 “그냥 취미일 뿐, GNU처럼 크고 전문적인 것이 되지는 않을 것”이라는 말과 함께 발표된 Linux를 떠올릴 수도 있겠죠.

자기효능감은 새로운 문제가 아닙니다. 하지만 이제 그 영향은 더 커졌습니다. 우리의 능력이 몇 주마다 도약하는 세상에서는, 예전에는 생각조차 해 보지 않았거나 가능하다고 믿지 않았던 일을 할 수 있게 해 주는 기법이 필요합니다. 더 야심차게 도전할 수 있는 다른 기법을 찾으신다면 제게 알려 주세요!

이 글의 이미지는 프란시스코 고야(Francisco Goya)의 「Modo de volar」(A Way of Flying, 나는 방법)입니다.