AI 의존도 자가진단
엔지니어를 위한 '사고 가이드(Thinking Guide)'를 설계했다. 그리고 지금 당신의 피드백을 구하고 있다.
우리는 지금 소프트웨어 엔지니어링의 새로운 시대로 들어서고 있다.
코드는 이제 즉시 생성된다. 함수 전체, 컴포넌트, 심지어 시스템까지 몇 초 만에 뼈대가 잡힌다.
이것은 거대한 기회다.
하지만 최근 계속 생각하게 되는 미묘한 트레이드오프가 하나 있다.
실행이 쉬워질수록, 사고는 조용히 줄어들 수 있다.
우리가 덜 유능해져서가 아니다. 우리를 억지로 생각하게 만들던 순간들 — 디버깅, 씨름, 추론 — 이 이제 압축되거나 아예 건너뛰어지고 있기 때문이다.
그 어느 때보다 빠르게 출시할 수 있다.
그러나 속도만으로는 이해가 쌓이지 않는다.
여러 연구는 AI 도구에 대한 과도한 의존이 인지적 노력을 줄이고, 비판적 사고를 약화시키며, 장기적 학습을 저해할 수 있다고 시사한다. 이것들은 모두 인지 오프로딩(cognitive offloading)의 한 형태다.
Psychology Today에 실린 최근 실험 학습 연구("Cognitive Offloading: Using AI Reduces New Skill Formation")는, 복잡한 기술(예: 코딩 보조)을 습득하는 과정에서 AI에 크게 의존한 학습자들이 같은 과제를 AI 없이 수행한 학습자들보다 훨씬 적은 수의 새로운 기술을 형성했다고 보고했다. 저자들은 학습을 목표로 한 과제에서 핵심 단계를 AI에 넘기면 기술 형성이 "상당히 줄어든다"고 결론지었으며, 독립적 숙련도가 충분히 쌓이기 전에는 AI 지원을 유예할 것을 권장한다.
핵심은 AI를 피하라는 것이 아니다. AI가 당신의 사고를 대체하지 않고, 계속 생각하게 만드는 방식으로 쓰라는 것이다.
왜 이 가이드를 썼는가
지난 몇 년 동안 나는 경력이 전혀 없던 신입에서 시니어 소프트웨어 엔지니어가 되기까지 5년을 보냈다. 그 사이에 나 자신의 프로젝트도 만들고 런칭했다.
그 과정에서 깨달은 한 가지가 있다.
성장은 더 많은 코드를 쓴다고 오지 않았다.
내가 쓴 코드를 되돌아보는 데서 왔다.
이슈를 디버깅한 뒤, 어떤 단서가 나를 근본 원인으로 이끌었는가? 시스템을 설계한 뒤, 어떤 트레이드오프를 감수했는가? AI를 쓴 뒤, 나는 그것이 생성한 것을 실제로 이해했는가?
그래서 나는 일 주변에 작은 성찰 습관을 만들기 시작했다. 시간이 지나면서 이것은 구조화된 시스템이 되었고, 최근 나는 그 시스템을 하나의 가이드로 묶었다. 이름은 "Thinking in the Age of AI"다.
목표는 단순하다. 엔지니어가 AI 도구를 사용하면서도 자신의 판단력과 직관을 계속 발전시킬 수 있도록 돕는 것.
어떻게 사용하는가
이 가이드는 한 번 읽고 잊는 것이 아니다. 일하는 동안 짧은 순간에 꺼내 쓰도록 설계되었다. 대부분의 연습은 2~5분이면 끝난다. 총 15개 연습.
전부 사용할 필요는 없다. 먼저 하나의 도구를 골라 꾸준히 적용하라. 핵심은 더 많이 성찰하라가 아니라, 의도적으로 성찰하라는 것이다.
예시 1 — AI 의존도 탐지기
가이드에 담긴 도구 중 하나는 AI가 당신의 사고를 강화하는지 대체하는지를 빠르게 평가하는 자가진단이다. 원문에서 발췌한 전체 연습은 아래와 같다.
AI Dependency Detector
Part 1 — 빠른 자가진단
각 항목이 자주 해당된다면 체크하라.
- 문제를 직접 생각해보기 전에 AI를 먼저 쓴다.
- AI가 생성한 코드를 충분히 읽지 않고 붙여넣는다.
- AI가 만든 해법을 나중에 설명하기 어렵다.
- 예전엔 혼자 풀 수 있던 문제에도 AI에 의존한다.
- AI 생성 코드를 내 스타일로 다시 쓰는 일이 드물다.
- AI 없이 비슷한 문제를 푸는 것이 불편하게 느껴진다.
- 완전히 이해하지 못한 AI 해법도 받아들인다.
- 어려운 인지적 노력을 피하기 위해 AI를 쓴다.
결과 해석
| 0–2개 | AI가 당신의 사고를 가속하고 있을 가능성이 높다. |
| 3–5개 | 사용을 관찰하고, 일부러 마찰(friction)을 다시 도입하라. |
| 6개 이상 | 한동안 독립적 문제 해결 시간을 의도적으로 늘릴 것. |
Part 2 — 의존 신호
다음 질문에 스스로 답하라.
AI를 쓸 수 없을 때, 비슷한 문제를 푸는 데 얼마나 자신이 있는가?
1 전혀 없음2 다소 불안3 보통4 자신 있음5 완전히 자신
지난 몇 달 동안 독립적 디버깅 능력은 어떻게 변했는가?
내일 AI가 내 워크플로우에서 사라진다면, 가장 먼저 약해질 능력은?
________________________________________
Part 3 — 인지 강도 체크
AI 사용 직후, 코드를 보지 않고 답해보라.
- 로직을 단계별로 설명할 수 있는가?
- 엣지 케이스를 짚어낼 수 있는가?
- 시간·공간 복잡도를 추론할 수 있는가?
- 해법을 자신 있게 수정할 수 있는가?
여러 항목에 "아니오"라면, 그것은 실패가 아니라 신호다.
Part 4 — 조정 계획
의존이 커지는 게 보인다면, 교정 행동을 하나 택하라.
- AI를 쓰기 전 5–10분 스스로 해법을 시도한다.
- AI 생성 코드를 내 언어로 다시 쓴다.
- 해법을 생성한 뒤 소리 내어 설명한다.
- 제약 조건을 명확히 정의한 뒤에만 AI를 쓴다.
- 특정 카테고리(예: 디버깅)에서는 AI 사용을 제한한다.
예시 2 — 성찰 프롬프트 카드
나는 엔지니어링 주제별로 프롬프트 카드 세트도 만들었다. 시스템 디자인, 디버깅·장애, 학습, 승진·임팩트, AI 사용 — 다섯 영역이다. 카드를 출력해 책상 위에 둔다. 제품을 만드는 동안 적절한 카드를 뽑아 스스로에게 올바른 질문을 던진다.
예를 들면 이런 질문들이다.
- 여기서 나는 어떤 트레이드오프를 의식적으로 감수했는가?
- 무엇이 나를 근본 원인으로 이끌었는가?
- 처음부터 다시 만든다면 무엇을 다르게 할 것인가?
이 작은 질문들이 시간이 지나면서 쌓이고 직관이 된다.
피드백을 구한다
가이드는 무료로 배포 중이다(원하는 가격을 0으로 설정하면 된다). 유용하다고 느낀다면 자발적 후원은 환영이지만, 필수는 아니다. 내가 정말 원하는 것은 다른 엔지니어들의 피드백이다. 특히 이런 질문들.
- 어떤 연습이 유용했고, 어떤 것이 불필요했나?
- 무엇이 빠져 있는가?
- 이것이 당신의 실제 워크플로우에 어떻게 맞는가?
그리고 당신에게 묻고 싶다
당신은 어떻게 AI 도구에 사고의 속도를 맞추고 있는가? 어떤 습관이나 시스템을 갖고 있는가?
AI는 코드를 생성할 수 있다. 그러나 눈에 띄는 엔지니어는 AI를 쓰면서도 깊이 사고하는 사람들일 것이다.
그것이 내가 만들고 있는 것이다. 이 가이드는 나를 돕고 있다. 당신에게도 도움이 되기를.