AI가 답답한 이유 — 그리고 모든 것을 바꾸는 사고의 전환
링크드인에서 누군가 주말 이틀 만에 SaaS 제품을 만들었다. 유튜브 영상에선 프롬프트 하나로 코드가 짜이고, 화면이 디자인되고, 앱이 배포된다. 10분짜리 영상이다. 트위터(X)에선 "AI로 이걸 5분 만에 했어요"라는 스레드가 수천 개의 리트윗을 받는다.
AI가 답답한 이유 — 그리고 모든 것을 바꾸는 사고의 전환
"AI로 만들기" 시리즈 1편
그 포스팅들을 봤을 것이다.
링크드인에서 누군가 주말 이틀 만에 SaaS 제품을 만들었다. 유튜브 영상에선 프롬프트 하나로 코드가 짜이고, 화면이 디자인되고, 앱이 배포된다. 10분짜리 영상이다. 트위터(X)에선 "AI로 이걸 5분 만에 했어요"라는 스레드가 수천 개의 리트윗을 받는다.
그리고 당신은 ChatGPT나 Claude를 열고, 필요한 걸 입력한다. 결과물이 온다. 뭔가 어긋나 있다. 조금 뻔하고, 살짝 틀리고, 엉뚱한 부분에서 자신감이 넘친다. 프롬프트를 수정하고 다시 시도한다. 조금 나아졌다. 결국 탭을 닫는다 — 해결책을 얻은 게 아니라, 막연한 실망감과 함께. 다들 뭔가를 알고 있는데 나만 모르는 것 같은 그 느낌을 안고.
이제 답답함이 두 겹이 됐다.
하나는 결과물 자체 — 원하는 게 안 나왔다. 다른 하나는 인정하기 더 어렵다. 다들 엄청난 결과를 얻고 있는 것 같은데, 나만 못 하고 있는 건 아닐까. 이미 뒤처진 건 아닐까.
두 번째 답답함이 더 위험하다. 문제가 나 자신에게 있다는 느낌을 주기 때문이다 — 내 능력, 내 감각, 내가 AI를 "이해"하는지의 여부. 이 감각이 사람을 두 방향으로 몰아간다. 새로운 툴이 나올 때마다 쫓아가며 과잉 투자하거나, 아니면 "AI는 결국 과장이야"라며 손을 놓거나.
실제로 무슨 일이 일어나고 있는지 짚어보자.
데모와 현실 사이의 간극은 실재한다 — 그리고 의도적으로 보이지 않는다
바이럴 AI 데모는 진짜다. 그 결과물도 실제로 가능한 것들이다. 하지만 보이지 않는 것이 있다. 그 결과를 만들어낸 보이지 않는 작업들 — 정확한 브리핑, 공개된 것 전에 실패한 다섯 번의 시도, 무언가를 입력하기 전에 원하는 것을 이미 명확히 알고 있던 그 사람의 사고 과정.
공유되는 건 결과물이다. 그 전에 있었던 생각은 공유되지 않는다.
그래서 이미지가 왜곡된다. 마술사의 마지막 기술만 보고, 수년간의 연습은 보지 못한다. "주말에 만든 제품"을 보고, 무엇을 만들어야 하는지 정확히 알고 있었던 창업자의 수년간의 도메인 전문성은 보지 못한다. 완벽한 프롬프트 하나를 보고, 그 전에 실패한 열 개는 보지 못한다.
데모와 현실 사이의 간극은 당신의 AI 능력 차이가 아니다. 맥락(context)의 차이다. 그리고 맥락은 쌓을 수 있는 것이다.
잘못된 사고 모델: AI를 자판기처럼 대하는 것
대부분의 사람들은 AI를 자판기처럼 대한다. 요청을 넣으면 결과물이 나와야 한다고 기대한다. 그게 안 되면 답답하다. 그리고 다들 코드를 해독한 것처럼 보이는 상황에서, 그 답답함은 배가 된다.
하지만 AI는 자판기가 아니다. 오히려 오늘 처음 팀에 합류한, 엄청나게 똑똑하지만 맥락을 전혀 모르는 협업자에 가깝다.
이런 사람을 상상해보자. 모든 책을 읽었고, 모든 프레임워크를 배웠고, 여러 언어에 능통하다. 하지만 당신을 모르고, 당신의 프로젝트를 모르고, 당신의 기준과 독자를 모르고, 지난 대화의 기억도 없다.
그런 사람에게 이렇게 말할 건가? "보고서 써줘."
당연히 아니다. 브리핑을 할 것이다. 배경을 설명하고, 목표를 말하고, 독자가 누구인지, '잘된 결과물'이 어떤 모습인지 알려줄 것이다. 예시를 보여주고, 함께 다듬어갈 것이다.
이것이 전환점이다. AI는 버튼이 아니다. 제대로 된 브리핑이 필요한 협업자다.
그리고 AI에서 놀라운 결과를 얻는 사람들? 그들은 그 브리핑을 잘 쓰는 법을 익힌 것이다. 그게 기술이다 — 그리고 배울 수 있는 기술이다.
실전에서 이 전환이 왜 중요한가
이 사고 전환을 하고 나면, AI와 일하는 방식이 완전히 달라진다.
전환 전: "내 제품 마케팅 이메일 써줘." → 뻔하고 무난한 결과물. 실망. 다시 링크드인을 열면 누군가의 AI 성공 스토리가 올라와 있다. 나선이 더 조여든다.
전환 후: 내 협업자가 이 일을 잘 하려면 뭘 알아야 하지?
그래서 이렇게 쓴다:
"한국 IT 스타트업의 미국 시장 진출을 돕는 시애틀 기반 컨설팅 회사의 마케팅 이메일을 써야 해. 독자는 30~45세 스타트업 창업자들인데, 컨설팅 업체에 대한 경계심은 있지만 동료 추천엔 열려 있어. 말투는 직접적이고 약간 편안하면서도 자신감 있게, 영업 냄새는 없어야 해. 목표는 30분 미팅 예약이야. 전에 반응이 좋았던 이메일 하나 붙여줄게: [예시]"
같은 도구다. 결과는 완전히 다르다.
AI 결과물의 품질은 거의 항상 입력의 품질을 그대로 반영한다. 기술 실력이 아니고, 어떤 도구를 쓰느냐도 아니다. 맞는 강의를 들었는지, 맞는 유튜브를 봤는지도 아니다. 문제에 대해 얼마나 명확하게 생각했느냐다.
비교의 함정에는 고유한 패턴이 있다
이건 명확하게 짚고 넘어갈 필요가 있다. AI를 둘러싼 비교 압박은 특히 갉아먹는 방식이 있기 때문이다.
AI는 빠르게 움직이고 있다 — 진짜로. 몇 주마다 새로운 툴, 새로운 기능, 새로운 벤치마크가 나온다. 이게 특별한 불안을 만든다. 단순히 "나는 이게 서툴어"가 아니라, "가속하는 무언가에서 뒤처지고 있어"라는 감각이다. 이미 달리고 있는 기차에 올라타려는 것 같은데, 다른 사람들은 가볍게 뛰어오르는 영상을 찍고 있다.
하지만 이 가속이 실제로 의미하는 것은 이렇다. 도구는 당신이 뒤처지는 것보다 빠르게 쉬워지고 있다.
지금의 Cursor는 1년 전의 Cursor보다 훨씬 쓰기 쉽다. Claude, ChatGPT, Gemini — 모두 불완전하고 짧은 프롬프트도 훨씬 잘 이해하게 됐다. 바닥이 계속 올라가고 있다. 올바른 사고 모델로 오늘 시작하는 사람이, 잘못된 모델로 1년 전에 시작한 사람보다 더 멀리 간다.
변하지 않는 것 — 오히려 시간이 지날수록 복리로 쌓이는 것 — 은 생각의 명확성이다. 문제를 정확하게 정의하는 능력. 도메인 지식. 무엇을, 왜 만들어야 하는지에 대한 이해.
그게 투자할 자산이다. 새 툴 릴리즈를 따라가는 것이 아니라.
간단한 연습: 브리핑 테스트
다음에 AI에게 프롬프트를 보내기 전, 스스로에게 세 가지를 물어보라.
1. 이걸 읽은 똑똑한 신입이 내가 무엇을 원하는지 이해할 수 있을까? 구글 검색어가 아니라 사람에게 주는 업무 지시로서. 검색 키워드처럼 들린다면, 맥락이 더 필요하다.
2. '잘된 결과물'이 어떤 모습인지 알려줬나? 제약 조건은 선물이다. "짧게 써줘"는 제약이 아니다. "출퇴근 2분 독자 기준, 150자 이내, 첫 문장에서 훅이 있어야 해"가 제약이다. 성공 기준이 명확할수록 AI는 훨씬 잘한다.
3. 예시나 참고 자료를 줬나? 내가 상상하는 것과 AI가 만드는 것 사이의 간극을 가장 빠르게 줄이는 방법은, 원하는 것에 가까운 예시를 보여주는 것이다. 설명 단락 여러 개보다 예시 하나가 낫다.
지금까지 보냈던 프롬프트 세 개를 이 기준으로 다시 봐라. 왜 어떤 건 됐고 대부분은 안 됐는지 바로 보일 것이다.
AI는 지름길이 아니라 사고 파트너다
더 미묘한 함정이 있다. 생각을 건너뛰는 지름길로 AI를 쓰는 것이다. 문제를 그대로 던지고, 답이 돌아오길 기다린다.
이건 거의 항상 실패한다. 대부분의 일에서 어려운 부분은 실행이 아니라 명확성이기 때문이다. 정확히 어떤 문제인가? 좋은 해결책은 어떤 모습인가?
이렇게 해보자. AI에게 무언가를 해달라고 하기 전에, 먼저 문제를 정의하는 것을 도와달라고 하라.
"우리 팀 주간 보고 프로세스를 개선하고 싶어. 뭔가 만들기 전에, 지금 프로세스의 어떤 부분이 실제로 불편한 건지, 더 나은 버전은 어떤 모습일지 같이 생각해줄 수 있어?"
대부분의 경우, 생각했던 문제가 진짜 문제가 아니었다는 걸 발견하게 된다.
빌더로서 이게 의미하는 것
2026년, 도구는 병목이 아니다. Cursor, Claude, Bolt, Lovable — 3년 전엔 상상도 못 했던 속도로 진화하고 있다. 실행 능력은 그 어느 때보다 저렴하고 빠르다.
병목은 명확성이다. 무엇을, 누구를 위해, 왜 만들지를 — 강력한 도구가 실행할 수 있을 만큼 정확하게 정의하는 능력이다.
데모 보는 걸 멈춰라. 링크드인 포스팅과 나를 비교하는 걸 멈춰라. AI에서 놀라운 결과를 얻는 사람들은 당신과 다른 도구를 쓰는 게 아니다. 그들은 그냥 더 정확하게 생각하는 법을 익혔을 뿐이다.
그게 전부다. 그리고 그게 이 시리즈의 출발점이다.
지금 바로 해볼 것
AI로 하고 싶었지만 해보고 실망했거나, 어디서 시작할지 몰라 미뤄뒀던 것 하나를 떠올려라.
아직 AI 도구를 열지 마라.
먼저 이것을 적어라:
- 정확히 무엇을 만들거나 달성하고 싶은가?
- 누구를 위한 것이고, 그들에게 무엇이 필요한가?
- 좋은 결과물은 어떤 모습인가? 어떤 결과물을 보고 "맞아, 이거야"라고 할 수 있는가?
- 참고할 수 있는 예시나 레퍼런스가 있는가?
이제 도구를 열어라. 차이를 느껴라.
이것만 기억하자
하나도 기억 못 하더라도 이것만은 가져가라.
데모와 현실의 간극은 구조적인 것이지, 당신의 문제가 아니다. 온라인에서 보는 놀라운 결과들은 진짜다. 하지만 그 뒤에 있는 브리핑, 실패한 시도들, 명확한 목표 의식은 절대 공유되지 않는다. 당신이 뒤처진 게 아니다. 하이라이트 영상만 보고 있는 것이다.
AI는 자판기가 아니라 협업자다. 결과물이 나오길 기대하는 것을 멈춰라. 대신 이렇게 생각하라. 내 협업자가 이 일을 잘 하려면 뭘 알아야 하지? 이 하나의 전환이 모든 것을 바꾼다.
결과물의 품질은 생각의 품질을 그대로 반영한다. 기술 실력이 아니다. 어떤 도구를 쓰느냐도 아니다. 첫 글자를 입력하기 전에 문제에 대해 얼마나 명확하게 생각했느냐다.
명확성은 복리로 쌓인다. 툴 쫓기는 그렇지 않다. 도구는 계속 바뀐다. 하지만 문제를 정확히 정의하고, 독자를 이해하고, '잘된 결과물'이 어떤 모습인지 전달하는 능력 — 이건 쓸수록 날카로워진다.
뒤처지는 느낌은 진짜다. 하지만 그 원인은 능력의 차이가 아니라 접근 방식의 차이다. 그리고 접근 방식은 오늘 당장 바꿀 수 있다.
더 깊이 배우고 싶다면
이 글은 기본 사고 전환을 다뤘다. 송재희의 AI Development Guide는 훨씬 깊이 들어간다 — AI가 실제로 어떻게 생각하는지(강점, 실패 패턴, 환각이 왜 일어나는지)부터, 코드 없이 프로덕션 수준의 솔루션을 만드는 것까지.
AI가 할 수 있다는 것과 내가 실제로 얻고 있는 것 사이의 간극을 느껴본 적 있다면, 이 책이 그 다리다.
📱 Apple Books ▶️ Google Play Books 🌐 전 플랫폼 구매 (Books2Read)
다음 편: "AI가 실제로 하는 것과 못 하는 것" — AI가 진짜 잘하는 것과 구조적으로 실패하는 것을 냉정하게 살펴봅니다. 한계와 싸우는 걸 멈추고, 강점과 함께 일하는 법을 다룹니다.