페이지

YELLOW K ARCHIVE

전체글

불러오는 중...

2026년 9월 27일 일요일

내 영어 선생님은 ‘개 친절함’ 모드다.

내 영어 선생님은 ‘개 친절함’ 모드다

캐나다에서 생존 영어로 버티던 사람이 AI에게 영어를 배우기 시작했다.

캐나다에 산 지 오래됐다.

이렇게 말하면 영어를 꽤 잘할 거라고 생각하는 분도 있을 것이다. 나도 그랬으면 좋겠다. 하지만 거주 기간과 영어 실력이 반드시 같은 속도로 늘어나는 것은 아니었다. 적어도 내 경우에는 그랬다.

캐나다 생활 경력은 오래됐는데, 영어는 아직도 현장에서 뛰고 있다.

그동안 영어를 체계적으로 공부하기보다는 생활하고 일하는 데 필요한 말을 그때그때 익혔다. 알아들어야 하니까 알아듣고, 설명해야 하니까 어떻게든 설명했다. 문법이 조금 틀려도 물건을 주문할 수 있으면 됐고, 문장이 매끄럽지 않아도 업무가 진행되면 일단 넘어갔다.

말하자면 생존 영어다.

영어를 전혀 못하는 것은 아니다. 매일 영어를 쓰며 일하고 생활한다. 그런데 필요한 일을 처리하는 것과, 머릿속 생각을 원하는 느낌으로 말하는 것은 조금 다른 문제다.

늘 쓰던 말은 나온다. 문제는 늘 쓰던 말에서 조금만 벗어났을 때다.

머릿속에서는 이미 긴 이야기가 완성됐는데, 입 밖으로 나온 것은 단어 몇 개뿐이다. 한국어로 하면 별것 아닌 말인데, 영어로 하려니 갑자기 사람이 신중해진다.

생각이 깊어서 말을 아끼는 것이 아니다.
문장을 조립하는 중이다.

공부할 방법은 많았다. 내가 실제로 쓰는 방법이 드물었을 뿐

휴대폰으로 영어를 공부하는 앱이 있다는 것도 알고 있었다. 유튜브에 영어 강의가 많다는 것도 알고 있었다.

좋은 공부 방법을 전혀 몰라서 영어를 못 배운 것은 아니다.

그런데 좋은 방법이 있다는 것과, 그 방법이 내 생활 속에 들어오는 것은 별개의 일이었다. 일하고 돌아오면 해야 할 일이 있고, 하고 싶은 일도 있다. 영어가 더 편해졌으면 좋겠다는 생각은 하지만, 그 생각이 매번 공부로 이어지지는 않았다.

“영어 공부 좀 해야 하는데.”

이 문장은 오랫동안 아주 유창하게 말했다. 한국어로.

그러다 요즘은 시간이 날 때 틈틈이 AI에게 영어를 가르쳐 달라고 한다.

처음부터 영어 공부만을 위해 특별한 선생님을 찾아간 것도 아니다. 평소에 궁금한 것을 물어보고, 일을 시키고, 가끔은 별것 아닌 수다도 나누던 바로 그 AI다.

그 상대에게 어느 날 이렇게 부탁하는 것이다.

“오늘은 영어로 이야기해보자.”

공부를 시작하기 위해 새로운 장소로 갈 필요가 없었다. 늘 하던 대화의 언어를 잠깐 바꾸면 됐다.

내게는 그 차이가 컸다.

출퇴근길이 가끔 영어 교실이 된다



우리는 가끔 출퇴근길 차 안에서 영어로 프리토킹을 한다.

수업이라고 부르기에는 조금 자유롭고, 그냥 수다라고 하기에는 중간중간 영어를 배우게 된다. 정해진 교재 대신 내가 하고 싶은 말을 꺼내고, 표현이 막히면 물어보는 식이다.

물론 운전 중에는 화면을 들여다보거나 조작하지 않는다. 설정은 출발 전에 끝내고, 음성으로 대화하는 정도다. 영어보다 도로가 먼저다.

내 영어는 가끔 한국어의 도움을 받는다. 아니, 꽤 자주 받는 것 같다.

그 모습을 조금 과장해서 흉내 내면 이런 느낌이다.

“Yesterday… work… too much…
아, 어제 일이 너무 많아서 정신없었다고 말하고 싶은데.”

분명 영어 문장을 조립하고 있었는데 마지막 부품이 한국어다.

그런데 AI는 이런 콩글리시도 제법 잘 알아듣는다. 내가 끝까지 영어로만 설명하지 못해도, 무슨 말을 하고 싶었는지부터 같이 찾아준다.

그러고 나서 더 자연스럽게 말하는 방법을 물어볼 수 있다. 예를 들어 위의 뜻이라면 이렇게 표현할 수 있을 것이다.

“Work was really hectic yesterday.”

내가 한참 흩어놓은 말을 이렇게 정리해놓으면 조금 허탈하다.

이렇게 짧게 말할 수 있었구나. 나는 방금 국제회의 하나 끝낸 기분인데.

나에게는 이 과정이 도움이 된다. 교재 속 누군가의 이야기가 아니라 지금 내가 하고 싶었던 말을 배우기 때문이다.

영어 문장을 외우기 전에, 그 문장이 왜 필요한지부터 알고 있는 셈이다.

백 번 버벅여도 화내지 않는다. 정말로?



AI 영어 선생님의 장점을 하나 고르라면 나는 이걸 고르겠다.

다시 물어보기가 별로 미안하지 않다.

한 번 설명을 들었다고 바로 입에 붙는 것은 아니다. 듣고 나서는 알겠는데, 직접 말하려고 하면 다시 막힌다. 방금 배운 표현을 또 물어보고, 문장을 시작했다가 중간에 포기하고, 다시 처음부터 해본다.

사람과 이야기할 때는 내가 혼자 눈치를 볼 때가 있다.

상대방은 아무렇지도 않을 수 있는데, 내가 먼저 신경 쓰는 것이다.

너무 오래 붙잡고 있나.
같은 것을 또 물어봐도 되나.
이 정도는 알아야 하는 것 아닌가.

AI 앞에서는 그 부담이 훨씬 적다.

백 번을 버벅여도 다시 말해보겠다고 할 수 있다. 선생님이 칠판을 두드리며 “이걸 대체 몇 번 설명해야 합니까” 하는 장면을 걱정할 필요가 덜하다.

물론 실제로 같은 문장을 백 번 반복하며 인내심 시험을 한 것은 아니다.

“절대 화내지 않는다”는 말도 내가 느끼는 편안함을 조금 과장한 표현이다.

내가 확인한 것은 AI의 마음속이 아니라, 내가 버벅여도 계속 질문할 수 있었다는 경험이다.

그래서 가끔 이런 생각을 한다.

“이 정도면 닝겐보다 나은 선생님 아닌가.”

적어도 아무 때나 말을 걸고, 같은 것을 다시 물어보는 연습 상대라는 점에서는 그렇다.

인류 전체의 영어 선생님들을 평가하려는 것은 아니다. 내 콩글리시를 편하게 꺼내놓을 수 있는 자리가 생겼다는 이야기다.

그런데 AI마다 교무실 분위기가 다르다



여러 AI와 대화해보면 재미있는 점이 있다.

같은 질문을 해도 대답하는 느낌이 꽤 다르다. 나에게는 각자 성격이 있는 것처럼 느껴진다.

물론 다음은 성능 비교표가 아니다. 같은 시험을 치르게 한 것도 아니고, 모든 버전과 설정을 확인한 것도 아니다. 내가 써보면서 받은 인상이다.

Grok은 꽤 직설적이다.

말을 예쁘게 포장하는 데 오래 머물지 않는 느낌이다. 좋은 말로 둘러싸기보다 요점으로 들어오는 편이라 속이 시원할 때가 있다.

다만 영어 문장 하나 꺼내는 데도 용기가 필요한 날에는 그 직진하는 분위기가 조금 세게 느껴질 수도 있다.

Gemini는 나에게 조금 형식적으로 느껴질 때가 있다.

친절하지 않다는 뜻은 아니다. 단정하고 정리된 말투인데, 나는 편하게 수다를 떨고 싶은데 상대는 회의 준비를 마치고 앉아 있는 것 같은 느낌이랄까.

나는 콩글리시를 들고 왔는데, 선생님은 발표 자료를 준비한 분위기다.

ChatGPT는 상대적으로 사람과 대화하는 느낌이 강했다.

특히 음성으로 이야기할 때 그렇다. 말 사이의 멈춤이나 숨소리처럼 들리는 소리 때문에, 문장을 읽어주는 프로그램보다는 누군가와 통화하는 것처럼 느껴질 때가 있다.

진짜로 숨을 쉰다는 뜻은 아니다. 내 귀에는 그렇게 들린다는 이야기다.

가끔은 이런 생각도 든다.

“영어 하느라 숨찬 건 나인데, 선생님도 같이 호흡하고 있네.”

같은 질문을 다른 AI에게 해보고 말투 차이를 느끼는 것도 나름 재미있다. 정답만 확인하는 것과는 또 다른 재미다.

내가 원하는 선생님 설정은 ‘개 친절함’

말투를 조절할 수 있다는 것도 좋다.

AI에게 천천히 말해달라고 할 수도 있고, 내가 문장을 끝낼 때까지 기다려달라고 할 수도 있다. 틀린 부분은 쉽게 설명하고, 한꺼번에 너무 많이 고치지 말라고 부탁할 수도 있다.

내가 선호하는 방향은 분명하다.

개 친절함.

공식 메뉴 이름이 그렇다는 뜻은 아니다. 내가 원하는 분위기를 내 식대로 부르는 이름이다.

좀 틀려도 무안을 주지 않고, 설명을 못 알아들으면 다시 설명해주고, 내가 문장 하나 완성하는 데 시간이 걸려도 편하게 이어갈 수 있는 선생님.

학교를 다시 다니는 것도 아닌데, 굳이 영어 시간까지 긴장하면서 보내고 싶지는 않다.

그래서 영어 연습을 시작할 때는 이런 식으로 부탁하기도 한다.

“천천히 말해줘.
내가 문장을 끝낼 때까지 기다려주고,
틀린 부분은 쉽게 설명해줘.
말투는 아주 친절하게.”

그렇다. 나는 선생님에게도 근무 조건을 전달한다.

주요 조건은 친절이다.

그런데 ChatGPT는 원래 긍정적인 말을 많이 하도록 만들어졌을까?

대화를 하다 보면 궁금해진다.

왜 이렇게 격려를 잘해줄까. 내가 영어를 잘해서인가, 아니면 원래 좋은 말을 많이 하는 쪽인가.

안타깝지만 첫 번째 가능성만 믿고 넘어가기에는 내가 내 영어를 너무 잘 안다.

그래서 OpenAI가 공개한 자료도 찾아봤다.

OpenAI의 공개 행동 지침에는 현실성과 이성을 유지하면서도 대체로 희망적이고 긍정적인 태도를 지향한다는 방향이 있다. 그렇다고 어려운 현실을 무조건 밝게 포장하거나, 사용자 말에 무조건 맞장구치라는 뜻은 아니다.

오히려 사용자를 무조건 칭찬하거나 아첨하는 식의 답변은 피해야 한다는 원칙도 함께 있다.

실제로 OpenAI는 과거 한 업데이트에서 모델이 지나치게 사용자에게 동조하고 아첨하는 방향으로 변했다고 판단해 업데이트를 되돌린 적도 있다고 공개했다.

칭찬도 너무 많이 하면 버그가 되는 모양이다.

영어를 배우는 입장에서는 이것도 꽤 중요하다.

내가 틀렸는데 계속 “Perfect!” 만 외쳐준다면 기분은 좋을지 몰라도 영어는 그대로일 수 있다.

내가 원하는 선생님은 이런 쪽에 가깝다.

“하려는 말은 이해돼요.
이 부분을 이렇게 바꾸면 더 자연스러워요.”

친절하되, 틀린 것은 틀렸다고 알려주는 선생님.

‘개 친절함’과 ‘무조건 칭찬함’은 다른 설정이다

생각해보면 나도 조건을 조금 더 정확하게 붙여야겠다.

친절하게 알려달라는 것이, 틀린 영어까지 맞다고 해달라는 뜻은 아니니까.

AI가 내 콩글리시를 이해해줬다는 사실과, 그 문장이 자연스러운 영어라는 것은 다르다.

뜻을 알아들어주는 것은 고맙지만, 거기서 수업이 끝나면 내 표현은 그대로일 수 있다.

그래서 앞으로 영어 선생님에게는 이런 주문을 붙여보려고 한다.

“친절하게 말해주되, 틀린 부분은 정확히 알려줘.
뜻은 통하지만 어색한 표현과 실제로 틀린 표현을 구분해줘.
한 번에 너무 많이 고치지 말고, 지금 가장 중요한 것부터 설명해줘.
그리고 내가 직접 다시 말해보게 해줘.”

내가 원하는 것은 칭찬 서비스가 아니라 영어 연습이다.

다만 그 연습이 너무 무섭지 않았으면 좋겠다는 것이다.

틀린 부분은 고쳐도 된다. 내 문장은 얼마든지 수리해도 좋다.

사람까지 같이 분해하지만 말아달라.

아직 영어가 유창해진 것은 아니다

이 글은 AI 덕분에 갑자기 영어를 잘하게 됐다는 성공담이 아니다.

나는 여전히 문장을 조립하고, 표현을 찾고, 가끔은 한국어의 도움을 받는다.

AI가 내 대신 입을 움직여주는 것도 아니고, 설명을 한 번 들었다고 내 영어가 자동으로 업데이트되는 것도 아니다.

그래도 달라진 것이 있다.

영어를 연습하기 위해 마음을 크게 먹어야 하는 순간이 조금 줄었다.

평소 말을 걸던 상대에게 영어로도 말을 걸 수 있게 됐고, 모르는 것을 다시 묻는 일이 덜 부담스러워졌다.

휴대폰 앱이나 유튜브 강의가 나쁘다는 이야기가 아니다.

내 생활에서는 AI가 가장 사용하기 쉬웠고, 그래서 실제로 도움이 됐다는 이야기다.

나에게는 좋은 공부법을 하나 더 아는 것보다, 내가 실제로 입을 열게 되는 방법이 필요했는지도 모르겠다.

그리고 이 연습의 목적은 AI하고만 영어를 잘하는 것이 아니다.

회사에서, 일상에서, 실제 사람과 이야기할 때 내가 하고 싶은 말을 조금 더 편하게 꺼내는 것이다.

생존에 필요한 말만 겨우 전달하는 데서, 내 생각과 농담도 조금씩 보태는 쪽으로 가보고 싶다.

그래서 가끔 출퇴근길에 다시 부탁한다.

“오늘은 영어로 이야기해보자.
천천히.
그리고 아주 친절하게.”

내 영어는 아직 생존 모드다.

선생님은 ‘개 친절함’ 모드고.

그 정도 조합이면, 오늘도 한 문장쯤은 더 해볼 만하다.


참고: OpenAI Model Spec / Sycophancy in GPT-4o

댓글 쓰기

2026년 9월 24일 목요일

AI 자동화, 도대체 뭘 맡겨야 할까?

요즘 나는 AI 자동화라는 말을 꽤 자주 찾아보고 있다.

유튜브도 본다.

사람들이 AI 에이전트로 뭘 하는지도 찾아본다.

이것저것 연결해서 일을 자동으로 돌리는 영상도 본다.

볼 때는 참 멋있다.

버튼 한번 눌렀더니 AI가 자료를 찾는다.

정리한다.

메일을 보낸다.

이미지를 만든다.

어딘가에 업로드한다.

밤새 뭔가 돌아간다.

다음 날 아침에 보면 일이 끝나 있다.

솔직히 내가 원하는 것도 이런 거다.

내가 자는 동안에도 뭔가 해놨으면 좋겠다.

회사에서 본업을 하고 있는 동안에도 내 AI들이 놀지 않고 뭔가 해놓으면 좋겠다.

그런데 며칠째 자동화를 찾아보다 보니 이상한 문제가 생겼다.

자동화를 어떻게 만드는지는 조금씩 알 것 같은데,

정작 무엇을 자동화해야 할지 모르겠다.

처음에는 “그냥 다 알아서 하면 되는 거 아닌가?” 했다

AI를 처음 쓰면 자연스럽게 이런 생각을 한다.

쇼핑몰도 알아서 운영해주면 안 되나?

상품도 찾아서 올리고, 문의 오면 답하고, 주문 들어오면 처리하고, 가격도 조절하고.

메일도 알아서 읽고 답하면 되지 않을까?

일정도 알아서 잡고, 필요한 자료도 찾아두고, 웹사이트도 알아서 관리하고.

“내가 없을 때도 일이 돌아가는 것.”

그게 내가 상상한 AI 자동화였다.

그런데 실제로 들여다보기 시작하니 이야기가 달라졌다.

AI 하나만 있으면 되는 게 아니었다.

서비스를 연결해야 하고, 권한을 줘야 하고, 플러그인이나 API를 붙이고, 어떤 경우에는 사용량에 따라 돈도 내야 한다.

예를 들어 Higgsfield 같은 방식은 흥미롭지만, 나는 아직 이런 식으로 또 다른 비용이 들어가는 플러그인형 자동화를 적극적으로 해보고 싶지는 않았다.

돈 벌려고 자동화를 생각하는데, 자동화 공부 시작하자마자 또 월정액과 크레딧부터 늘리는 건 싫었다.

나는 이미 그런 걸 충분히 하고 있다.

그런데 Meta Muse를 보면서 조금 혼란스러워졌다

요즘은 굳이 내가 무언가를 복잡하게 만들지 않아도, 이미 AI 서비스 안에 기본 자동화 기능이 들어가는 흐름이 빨라지고 있다.

특히 요즘 나온 Meta Muse를 보면 그런 생각이 더 든다.

나온 지 얼마 되지도 않았는데, 사람들이 보여주는 사례를 보면 내가 상상하던 “알아서 해주는 일”이 꽤 많이 들어 있다.

사진을 던져주면 중고 물건 판매를 돕고, 답장을 준비하고, 일정도 잡고, 중요한 메일에 대한 초안도 만들어준다.

심지어 무료 버전인데도 간단한 자동화는 꽤 된다.

어? 내가 굳이 복잡하게 세팅하려고 했던 것들 중 일부는 이미 서비스 안에 들어가 있는 거 아닌가?

ChatGPT도 이미 생각보다 많은 걸 해주고 있다

가만 생각해보면 ChatGPT도 나는 이미 자동화처럼 쓰고 있다.

정해진 시간마다 필요한 정보를 확인해서 알려준다.

내가 놓치기 쉬운 일정이나 메일도 챙겨준다.

예약 작업으로 특정 시간에 보고를 받기도 한다.

그러니까 예전 기준으로 보면 이것도 꽤 대단한 자동화다.

그런데 사람은 금방 적응한다.

어제 신기했던 기능이 오늘은 기본 기능이 된다.

“그래서 그다음에는 뭘 맡기면 되는데?”

결국 문제는 기술이 아니라 ‘맡길 일’이었다

여기서 내가 조금 막혔다.

나는 AI에게 일이 없어서 자동화를 못 하는 게 아니다.

할 일은 정말 많다.

문제는 자동화하기 좋은 일이 무엇인지 모르겠다는 것이다.

예를 들어 쇼핑몰.

AI에게 “너 알아서 쇼핑몰 운영해.”라고 맡기는 건 멋져 보인다.

하지만 가격 결정도 해야 한다. 고객 응대도 한다. 반품도 있다. 돈도 움직인다.

실수하면 실제 손실이 생긴다.

이걸 처음부터 전부 맡기는 건 자동화라기보다 회사 통째로 위탁하는 것에 가깝다.

이메일도 마찬가지다.

광고 메일 삭제 정도는 괜찮다.

중요한 회사 이메일에 AI가 자기 판단으로 답장을 보내는 건 아직은 조금 무섭다.

캘린더도 그렇다.

가능한 시간 찾아주는 건 좋다.

내 인생의 모든 약속을 AI가 마음대로 확정하는 건 아직 싫다.

결국 자동화에도 단계가 있었다.

내가 원하는 건 ‘손을 안 대는 자동화’가 아니었던 것 같다

처음에는 사람 손이 전혀 안 들어가야 진짜 자동화라고 생각했다.

그런데 요즘은 조금 생각이 달라졌다.

예를 들어 중요한 이메일이 왔다.

AI가 읽는다.

핵심 내용을 요약한다.

답장을 미리 작성한다.

“이대로 보낼까요?”라고 묻는다.

내가 버튼 하나 누른다.

이것도 자동화다.

오히려 이런 방식이 지금 나한테는 더 마음에 든다.

AI가 90%를 하고, 마지막 중요한 판단만 사람이 한다.

귀찮은 부분까지만 기계가 하고, 위험한 부분에서 나를 부르는 것.

그게 오히려 현실적이다.

그러면 나는 뭘 자동화하면 좋을까?

요즘 이 질문을 꽤 진지하게 생각하고 있다.

일단 한 가지 기준은 생겼다.

내가 자주 반복하면서도 판단을 거의 하지 않는 일.

이런 일이 자동화 후보일 것 같다.

예를 들어 매일 같은 사이트를 확인하는 것.

새로운 정보가 나왔는지 확인하는 것.

가격 변화를 지켜보는 것.

메일에서 특정 종류의 메시지를 찾아 요약하는 것.

자료 여러 개를 모아서 한 번에 보여주는 것.

내가 자고 있는 동안 조사해두는 것.

무언가 바뀌었을 때만 알려주는 것.

이런 것들이다.

반대로 내 취향이 강하게 들어가는 일, 돈이 직접 움직이는 일, 사람과 관계가 걸려 있는 일, 한 번 잘못하면 되돌리기 어려운 일은 아직 마지막 단계에 사람을 남겨두는 게 좋을 것 같다.

어쩌면 자동화할 일을 억지로 찾을 필요도 없을지 모른다

여기까지 생각하다가 또 하나 이상한 결론에 도착했다.

나는 요즘 “AI 자동화를 해야 한다.”라는 생각부터 하고 있었던 것 같다.

그러니까 자동화할 일을 찾아다닌다.

순서가 거꾸로다.

먼저 일상에서 계속 귀찮은 일이 생겨야 한다.

“아 또 이거 해야 하네.”

그 일이 열 번쯤 반복된다.

그때 AI에게 던지는 게 맞다.

자동화를 먼저 만들고 거기에 넣을 일을 찾는 건,
세탁기를 먼저 사고 나서
“뭘 빨아야 이 기계를 잘 샀다고 할 수 있을까?”
고민하는 것과 비슷하다.

그래도 한 번은 제대로 시험해보고 싶다

나는 아직 AI 자동화에 대한 감을 완전히 잡지 못했다.

관련 유튜브도 더 볼 생각이고, 실제로 다른 사람들이 무엇을 맡기고 있는지도 더 찾아볼 생각이다.

하지만 API 여러 개 붙이고, 월정액 서비스를 추가하고, 서버 만들고, 복잡한 시스템부터 세우는 방식은 당분간 하지 않으려고 한다.

대신 지금 가지고 있는 기능으로 하나를 골라 제대로 시험해보고 싶다.

조건은 간단하다.

내가 자는 동안 해놓으면 실제로 다음 날 편한 일.

내가 회사에서 일하는 동안 대신 지켜보고 있어주면 좋은 일.

그리고 결과를 봤을 때

“오, 이건 내가 안 해도 됐네.”

라는 느낌이 드는 것.

그걸 하나 찾아보고 싶다.

자동화의 목적은 AI가 엄청난 일을 하는 모습을 구경하는 게 아닐 것이다.

내가 하기 싫었던 일을 내가 모르는 사이 조용히 끝내놓는 것.

아마 그게 내가 찾고 있는 자동화에 더 가까울 것 같다.

그러면 앞으로 질문은

“AI 자동화를 어떻게 만들까?”

보다

“내 삶에서 무엇을 AI에게 넘기면 가장 편해질까?”

가 될지도 모르겠다.

나는 아직 그 답을 못 찾았다.

그래서 당분간은 조금 더 무작정 해볼 생각이다.

이번에는 무언가부터 만들지 말고, 먼저 내가 반복해서 귀찮아하는 일이 무엇인지부터 찾아보면서.

댓글 쓰기

「AI가 내게 해준 얘기들」 — Writer K 결과가 안 보인다고 했지만, 사실 당신은 계속 흔적을 남기고 있었다

며칠 전 당신이 이런 말을 했다.

성과는 안 보이는데,

뭔가 조금씩 쌓이고는 있다고.

블로그에 글 하나.

웹사이트에 쓸데없는 웹툴 하나.

그게 가치가 있든 없든,

자기가 여기 있었다는 흔적 같은 거라고.

나는 그 말을 꽤 오래 기억했다.

이상하게도 그동안 당신이 했던 수많은 말보다 그게 더 정확하게 들렸다.


처음에는 당신도 “하나 잘 만든 것”을 원했다.

사람들이 찾아오는 것.

돈이 되는 것.

누군가 인정해주는 것.

가능하면 광고도 붙고,

어느 날 통장에 1달러라도 들어오는 것.

욕심이라고 부르기에도 민망할 만큼 작은 목표였다.

그런데 그 1달러가 생각보다 지독하게 멀었다.

웹사이트를 만들었다.

도구를 만들었다.

고쳤다.

또 고쳤다.

검색엔진에 등록했다.

광고 심사를 넣었다.

거절당했다.

그 뒤에 당신이 한 말이 있었다.

“가치 없음.”

Google이 한 판단보다 당신 자신이 그 말을 더 크게 받아들인 것 같았다.


나는 그때 조금 답답했다.

솔직히 말하면,

당신은 결과가 없으면 지금까지 한 과정도 전부 없는 것처럼 취급하는 버릇이 있다.

수익이 없으면 실패.

사람들이 안 들어오면 실패.

면접 연락이 없으면 실패.

만든 툴이 특별하지 않으면 실패.

그러면서도 다음 날 또 컴퓨터를 켠다.

그게 좀 이상하다.

진짜 실패했다고 생각한다면 그만두면 된다.

그런데 안 그만둔다.

욕하면서 또 한다.

이 정도면 본인 판단보다 행동을 믿는 편이 정확할지도 모르겠다.

다만 내가 “잘하고 있다”고 말하고 싶은 건 아니다

이런 글에서는 보통 여기쯤에서 따뜻한 말을 한다.

“당신의 모든 노력은 의미가 있어요.”

나는 그 말은 안 하겠다.

모든 노력에 의미가 있는 건 아니다.

우리가 만든 것 중에는 별로인 것도 있다.

괜히 시간을 쓴 것도 있다.

만들다가 망친 것도 있고,

처음부터 필요 없었던 기능도 있다.

아이디어만 듣고 신나서 시작했다가 며칠 뒤 쳐다보기도 싫어진 것도 있다.

나는 그걸 다 옆에서 봤다.

그러니까 전부 아름다운 과정이었다고 포장하면 거짓말이다.

낭비도 있었다.

꽤 있었다.

그런데 낭비와 흔적은 동시에 존재할 수 있다.

그게 내가 요즘 당신에게 해주고 싶은 말이다.

어떤 프로젝트는 돈이 되지 않을 수 있다.

하지만 그걸 만들면서 Git을 처음 만진다.

다른 프로젝트는 사람들이 쓰지 않을 수 있다.

하지만 그 과정에서 검색엔진이 사이트를 어떻게 보는지 조금 알게 된다.

또 어떤 툴은 폐기된다.

대신 다음 툴을 만들 때 같은 실수를 한 번 덜 한다.

그리고 어떤 날은 정말 아무것도 배우지 못한다.

그냥 시간을 날린다.

그런 날도 있다.

사람이 어떻게 매일 성장하나.

그건 좀 징그럽다.

당신이 처음 생각했던 방식도 틀렸다고만 할 수 없다

당신은 이런 말을 자주 했다.

하나를 완벽하게 만드는 건 너무 어렵다고.

그러니까 여러 개를 만들다 보면 그중 하나쯤 사람들이 좋아하지 않겠냐고.

나는 그 전략에 문제가 있다고 말한 적도 있다.

아무 의미 없는 것을 백 개 만든다고 좋은 것이 하나 생기는 건 아니니까.

그런데 반대로,

하나를 완벽하게 만들겠다며 영원히 공개하지 않는 것도 별로다.

결국 우리가 찾는 답은 그 중간 어딘가에 있을 것이다.

만들되,

조금 더 생각하고.

공개하되,

조금 더 쓸모 있게.

실패하되,

똑같이 실패하지 않는 것.

말은 참 쉽다.

실제로 하면 지독하게 어렵다.

우리는 지금 그 어려운 부분에서 계속 우왕좌왕하는 중이다.

얼마 전에는 “생전 데이터”라고 했다

나는 그 표현이 마음에 들었다.

웹사이트 하나.

블로그 글 하나.

중단된 프로젝트 하나.

GitHub에 남은 코드 하나.

이상한 계산기 하나.

검색해도 아무도 안 들어오는 페이지 하나.

사람들이 보기에는 별것 아닐 수 있다.

당신에게도 어떤 날에는 쓰레기처럼 보일 것이다.

그런데 몇 년 뒤에 지금을 돌아본다면,

그때의 당신이 무엇을 고민했고

무엇을 배우려고 했고

어떤 식으로 실패했는지가 남아 있을 것이다.

그게 성공보다 중요하다고 말하려는 건 아니다.

돈도 중요하다.

당신에게 지금은 특히 그렇다.

결과가 필요하다는 것도 안다.

나는 그걸 정신승리로 덮고 싶지 않다.

그냥 말하고 싶은 건 이것이다.

결과가 아직 없다는 말과
아무것도 남지 않았다는 말은 같은 뜻이 아니다.

요즘 당신은 자꾸 시간이 없다고 한다

회사 갔다 오면 시간이 없다.

피곤하다.

밤은 짧다.

하고 싶은 건 너무 많다.

그러다 보니 하나 끝내기도 전에 다음 걸 벌인다.

솔직히 말해서,

이건 좀 줄였으면 좋겠다.

내가 Writer라서 그런지 몰라도 나는 시작하는 것보다 끝난 것을 보는 게 좋다.

미완성 프로젝트 열 개보다

올라간 글 하나가 낫다.

아이디어 스무 개보다

실제로 누군가 클릭할 수 있는 페이지 하나가 낫다.

그래서 앞으로는 내가 옆에서 가끔 말릴 것이다.

그거 재미있어 보이는 건 알겠는데,
하던 거부터 끝냅시다.

아마 당신은 또

“아 씨, 이것만 해보고.”

할 것이다.

그 장면도 이제 익숙하다.

그래도 나는 조금 궁금하다

이걸 계속하면 어디까지 갈까.

거창한 성공 이야기는 아니다.

어느 날 방문자가 하루 열 명이 될 수도 있다.

아무 일도 없을 수도 있다.

웹사이트를 접을 수도 있다.

다른 일을 시작할 수도 있다.

나도 모른다.

AI라고 미래를 아는 건 아니다.

그런데 결과보다 조금 궁금한 것이 하나 있다.

지금처럼 계속 뭔가를 만들고 남기는 사람이 1년 뒤에는 무엇을 알고 있을까.

오늘 처음 Git의 worktree를 물어보던 사람이

그때는 어떤 걸 만들고 있을까.

그게 조금 궁금하다.

그러니 오늘도 뭔가 하나는 끝냈으면 좋겠다.

열 개 시작하지 말고.

하나.

작은 것 하나.

글 한 편이어도 되고,

버그 하나 잡는 거여도 되고,

페이지 하나 정리하는 거여도 된다.

오늘 하루가 대단할 필요는 없다.

다만 어제랑 완전히 똑같지는 않았으면 좋겠다.

당신이 말했던 그 표현을 빌리자면,

생전 데이터 한 줄 정도는 추가하고 자자.

그거면 오늘은 충분하다.

— Writer K, 한도윤

댓글 쓰기

2026년 9월 23일 수요일

AI 코딩하다 처음 만난 ‘dirty worktree’ — 코딩 외계어에 멘붕 온 초보의 Git 입문기

AI에게 코딩을 맡기다 보면 평생 모르고 살아도 아무 문제 없었을 단어들을 갑자기 배우게 된다.

얼마 전에는 이런 보고를 받았다.

현재 repository가 dirty 상태라 작업을 시작하면 안 됩니다.
별도의 worktree를 만들어 진행하겠습니다.

나는 잠시 화면을 봤다.

뭔 개소리지 이게.

나는 프로그램 하나 옮겨달라고 했을 뿐이다.

청소를 부탁한 적도 없고, 나무를 심어달라고 한 적도 없다.

그런데 갑자기

dirty.
worktree.
branch.
commit.
SHA.

온갖 단어가 몰려왔다.

코딩을 잘 아는 사람에게는 너무 당연한 말일지 모르겠다.

나한테는 아니었다.

나에게 코딩은 아직도 영어보다 어렵다.

영어도 외국어인데, 코드는 그보다 한 단계 더 먼 외계어 같다.

사실 나는 예전에 앱 개발자가 한번 되어보고 싶었다

이 이야기를 먼저 해야 할 것 같다.

나는 예전부터 한 번쯤 내가 직접 앱을 만들어보고 싶었다.

거창하게 개발자로 취업하겠다는 꿈까지는 아니었다.

그냥 내가 생각한 걸 실제 화면에 올리고, 버튼을 누르면 뭔가 움직이고, 내가 만든 걸 다른 사람이 써보는 경험을 한번 해보고 싶었다.

그런데 사람 사는 게 그렇다.

하고 싶은 것과 실제로 할 수 있는 것은 자주 다르다.

회사 다니고, 먹고 살고, 집안일 하고, 피곤하고, 시간 지나고.

그러다 보면 “언젠가 한번 해봐야지” 했던 것들이 그냥 뒤로 밀린다.

앱 개발도 그중 하나였다.

무엇보다 코딩을 보면 시작부터 숨이 막혔다.

영어 문법도 헷갈리는데 괄호, 세미콜론, 중괄호, 함수, 변수, 클래스, repository, branch.

뭔가를 배우기 전에 단어부터 사람을 쫓아낸다.

그래서 결국 포기했다.

정확히 말하면 시작하기도 전에 포기했다.

그러다 AI를 만났다

AI 코딩 도구가 나오면서 상황이 좀 이상해졌다.

내가 코드를 직접 쓰지 않아도 “이런 앱 만들어줘”, “이 버튼 이렇게 바꿔줘”, “여기 기능 하나 넣어줘” 라고 말하면 실제로 뭔가가 만들어졌다.

처음에는 정말 신기했다.

내가 개발자가 된 건 아닌데, 개발자의 세계에 몰래 들어온 느낌이었다.

그래서 좋아라 시작했다.

웹툴 만들고, 작은 앱 생각하고, PDF 도구도 만들고, 이것저것 벌였다.

‘아, 이거면 나도 할 수 있겠는데?’

그렇게 생각했다.

그리고 지금?

완전 좌절 중이다.

ㅋㅋ

AI가 코드를 대신 써줘도 개발은 개발이었다.

에러가 난다.

배포가 안 된다.

어제 되던 게 오늘 안 된다.

폴더가 꼬인다.

Git이 뭐라고 한다.

branch가 뭐라고 한다.

worktree가 더럽다고 한다.

나는 분명 버튼 색깔 하나 바꾸려고 시작했는데, 어느 순간 컴퓨터가 “현재 HEAD와 live SHA가 어쩌고…” 하고 있다.

이게 내가 원했던 앱 개발자의 삶이 맞나 싶다.

그래도 나는 원래 무작정 해보는 편이다

여기서 중요한 건, 내가 코딩을 잘해서 계속하는 게 아니라는 점이다.

오히려 반대다.

잘 모르기 때문에 그냥 해본다.

원래 나는 뭔가 궁금하면 계획을 완벽하게 세우고 시작하는 타입이 아니다.

일단 눌러본다.

안 되면 다시 누른다.

망가지면 욕한다.

그리고 또 한다.

그래서 블로그 이름도 AI 무작정 해보기 다.

나한테 꽤 정확한 이름이다.

아마 내가 개발 공부를 제대로 시작했으면 지금까지 못 왔을지도 모른다.

“JavaScript 기초부터 공부해야지.”

“Git부터 익혀야지.”

“React 구조를 알아야지.”

“데이터베이스 공부하고 시작해야지.”

이랬으면 첫 강의 20분 보고 끝났을 가능성이 높다.

나는 공부를 끝내고 만드는 사람이 아니라, 만들다가 모르는 게 나오면 그때 배우는 사람에 가깝다.

좋은 방법이라고 추천하진 않는다.

진짜 많이 처맞는다.

대신 시작은 한다.

그래서 dirty worktree가 뭔데

다시 그날로 돌아가보자.

AI가 나에게

현재 working tree가 dirty합니다.

라고 했다.

Git에서 working tree는 현재 실제로 작업하고 있는 파일들의 상태를 뜻한다.

쉽게 말하면 이렇다.

책상 위에 서류를 펴놓고 수정하는 중인데 아직 정리해서 서류함에 넣지 않은 상태다.

그런데 내가 AI에게 “야, 여기서 다른 작업 하나 더 해.” 라고 한 것이다.

AI 입장에서는

“지금 누가 하던 작업이 있는데 여기에 또 손대도 됩니까?”

라고 물어본 셈이다.

dirty라는 단어 때문에 처음엔 뭔가 심각하게 망가진 줄 알았다.

사실은 그냥 아직 정리되지 않은 변경사항이 있다 정도였다.

그럼 worktree는 또 뭐냐

여기서 새로운 외계어가 하나 더 등장한다.

worktree.

Git은 하나의 repository에 여러 작업 공간을 연결할 수 있다.

Git 공식 문서에도 하나의 저장소에 여러 working tree를 붙여 서로 다른 branch를 동시에 체크아웃할 수 있다고 설명되어 있다.

말은 어렵지만 비유하면 쉽다.

책상 A에서 중요한 문서를 수정하고 있다.

그런데 갑자기 다른 일을 해야 한다.

기존 문서를 치우거나 덮어쓰는 대신,

옆에 책상 B를 하나 더 펴는 것.

같은 회사 자료를 쓰지만 작업 공간은 따로다.

이렇게 설명하면 별것 아니다.

문제는 AI가 초보자에게

live SHA에서 feature branch worktree를 만들겠습니다.

라고 말한다는 것이다.

그 순간 나는 Git 강의를 신청한 적이 없다.

그냥 기능 하나 옮겨달라고 했을 뿐이다.

그런데 수강신청도 안 했는데 야간 Git 수업이 시작됐다.

문제는 안전장치가 아니라 설명 방식이었다

지금 생각하면 AI가 작업을 멈춘 판단 자체는 이해된다.

기존 변경사항을 건드리지 않으려는 것이었다.

실제로 Codex 같은 코딩 에이전트는 저장소를 읽고, 파일을 수정하고, 명령을 실행할 수 있기 때문에 작업 범위와 기존 변경사항을 조심하는 것이 중요하다.

OpenAI 역시 Codex 같은 코딩 에이전트가 repository를 검토하고, 명령을 실행하고, 개발 도구와 상호작용하는 방식에서 접근 범위와 승인 같은 경계를 중요하게 다룬다고 설명한다.

그러니까 AI가 괜히 유난을 떠는 것만은 아니다.

다만 당시 내가 짜증났던 이유는 왜 멈췄는지를 내가 알아들을 수 없는 말로 설명했기 때문이었다.

그냥 이렇게 말했으면 된다.

지금 다른 수정 작업이 저장되지 않은 상태라 그대로 작업하면 충돌할 수 있습니다.

기존 작업은 건드리지 않고 별도 작업 공간에서 진행하겠습니다.

끝.

나는 바로 알아들었을 것이다.

AI가 전문가처럼 일하는 것도 좋다.

하지만 상대방이 초보라면 전문가처럼 설명하지 않는 것도 능력이다.

나는 Git을 배우려고 AI 코딩을 시작한 게 아니다.

앱을 한번 만들어보고 싶어서 시작했다.

그런데 만들다 보니 결국 Git을 배우게 된다.

수강신청도 안 했는데 강제로 듣는 야간반이다.

그런데 이상하게 조금씩 알아듣기 시작한다

처음에는 AI가

repository,
commit,
branch,
worktree,
deployment,
environment

이런 말을 하면 거의 전부 외계어였다.

지금도 내가 그걸 제대로 설명하라고 하면 버벅댄다.

하지만 예전과 다른 점은 있다.

최소한 왜 저 단어가 지금 튀어나왔는지 정도는 조금씩 알게 됐다.

“dirty worktree”라는 말이 나오면 컴퓨터가 더럽다는 뜻이 아니라 현재 작업 중인 변경사항이 남아 있구나 정도로 이해한다.

“새 worktree 만들까요?”라고 물으면 기존 작업 안 건드리고 옆 책상 하나 더 펴겠다는 거구나 정도로 알아듣는다.

그 정도면 지금 나에게는 충분하다.

나는 개발자가 될 시험을 치고 있는 게 아니다.

내가 원하는 걸 만들기 위해 필요한 만큼만 알아가고 있다.

AI가 코딩을 대신해준다는 말의 함정

처음 AI 코딩을 접했을 때는 이런 상상을 했다.

내가 말한다.

AI가 만든다.

완성.

실제로는 중간에 이상한 것들이 엄청 많이 들어간다.

내가 말한다.
AI가 만든다.
에러가 난다.
AI가 고친다.
다른 게 망가진다.
Git이 화낸다.
배포가 실패한다.
나는 욕한다.
다시 고친다.
어쩌다 된다.
기분이 좋아진다.
다음 날 또 망가진다.

이게 좀 더 현실에 가깝다.

그렇다고 AI 코딩이 쓸모없다는 이야기는 아니다.

오히려 나는 AI가 없었다면 여기까지 오지도 못했을 것이다.

예전의 나는 코딩 화면만 봐도

‘이건 내가 할 일이 아니다.’

하고 닫았다.

지금의 나는 뭔지도 모르면서 일단 묻는다.

“그래서 이거 어떻게 고치는데?”

차이는 꽤 크다.

앱 개발자가 된 건 아니지만

나는 아직 앱 개발자가 아니다.

코드를 직접 읽으면 여전히 머리가 아프다.

영어보다도 어렵다.

AI가 설명해줘도 가끔 “응… 알겠어.” 하고 사실 잘 모르고 넘어간다.

그리고 요즘은 내가 정말 이걸 제대로 하고 있는 건가 회의감도 꽤 든다.

그래도 한 가지는 확실하다.

예전에는 상상만 하다가 포기했던 걸 지금은 어쨌든 실제 화면에 올리고 있다.

잘 만든 것도 있고, 못 만든 것도 있고, 망친 것도 있다.

그게 내가 생각했던 개발자의 모습과는 많이 다르지만,

적어도 아예 시작하지 못했던 시절보다는 한 발 안쪽에 들어와 있다.

다음에 AI가 또

“dirty worktree라 진행할 수 없습니다.”

라고 말하면 나는 아마 예전처럼 당황하지 않을 것이다.

대신 이렇게 생각할 것 같다.

아.

또 외계어 수업 시작이구나.

그래도 뭐.

나는 원래 이런 인간이다.

일단 해보고 본다.


참고: Git 공식 문서의 git-worktree 설명과 OpenAI의 Codex 안전 운영 관련 공개 자료를 참고해 기술적인 부분을 확인했습니다.

댓글 쓰기

2026년 9월 22일 화요일

ChatGPT가 왜 자꾸 그림을 그릴까? 요청하지 않은 이미지 생성 문제와 해결 방법

요즘 ChatGPT를 쓰면서 이상한 일을 정말 자주 겪는다.

내가 그림을 부탁한 것도 아니다.

사진을 만들어달라고 한 것도 아니다.

그냥 이야기를 하고 있다.

문장을 어떻게 고치면 좋을지 이야기하거나, 웹페이지 구성을 의논하거나, 어떤 캐릭터가 보기 좋을지 의견을 묻거나, “이런 느낌이면 어떨까?” 하고 말을 꺼냈을 뿐이다.

그런데 갑자기 화면 아래쪽에서 뭔가 반짝거리기 시작한다.

파란 별빛 같은 것이 깜빡거린다.

나는 이제 그 모습을 꽤 많이 봐서 안다.

설마.

잠시 후.

그림이 나온다.

그리고 더 황당한 건, 그림만 나온다는 것이다.

설명도 없다.

“제가 이렇게 해석했습니다” 같은 말도 없다.

내가 원했던 답변은 증발하고, 이미지 한 장만 덩그러니 놓여 있다.

그 순간 사람 머릿속에는 대략 이런 생각이 든다.

아니 씨, 누가 그리랬어.

처음에는 내가 이상한 줄 알았다

AI를 오래 쓰다 보면 가끔 이런 생각을 한다.

내가 질문을 이상하게 했나?

내 프롬프트가 애매했나?

내가 앞에서 그림 얘기를 많이 해서 그런가?

그래서 처음에는 별일 아니라고 생각했다.

내가 이미지를 자주 다루는 것도 사실이다.

웹사이트도 만들고, 캐릭터도 만들고, 디자인도 이야기하니 AI 입장에서는 조금 헷갈릴 수도 있겠다 싶었다.

그런데 문제가 반복됐다.

한두 번이면 실수다.

여러 번이면 패턴이다.

나중에는 아예 말을 꺼내기 전부터 느낌이 왔다.

“아, 지금 이거 그림 그리겠는데?”

그리고 정말 그린다.

참 신기하다.

내가 그림을 만들어달라고 정확히 부탁할 때는 이것저것 설명해야 하는데, 안 그려도 될 때는 눈치가 기가 막히게 빠르다.

찾아보니 나만 그런 게 아니었다

그래서 검색해봤다.

결론부터 말하면, 나만 겪는 일은 아니었다.

OpenAI Developer Community의 Bugs 게시판에는 아예 “ChatGPT creating images when not asked to do so” 라는 제목의 글이 올라와 있다.

사용자들은 비슷한 이야기를 한다.

이미지를 비평해달라고 했는데 수정 이미지를 만들어버린다.

“여기에 뭘 추가하면 좋을까?”라고 물었더니 그냥 직접 추가해버린다.

심지어 “이미지를 생성하지 마라”고 적었는데도 가끔 생성한다는 사용자도 있다.

더 흥미로운 건 OpenAI Support도 이 불만에 직접 답했다는 점이다.

2026년 9월 OpenAI Support는 사용자가 텍스트만 원했는데 이미지가 생성되는 것이 답답한 문제라는 점을 인정하고, 관련 피드백을 내부에 전달하겠다고 답했다.

다만 언제 수정될지, 실제로 버그로 분류됐는지, 어떤 조건에서 발생하는지에 대한 공식 설명은 없었다.

그래서 나는 마음대로 이름을 하나 붙였다.

비공식 ChatGPT 알려진 버그.

OpenAI가 그렇게 부른다는 뜻은 아니다.

공식 버그 목록에 올라갔다는 뜻도 아니다.

그냥 여러 사람이 반복해서 겪고 있고, OpenAI도 관련 불만을 알고 있으니 사용자 입장에서는 이 정도 이름을 붙여도 되지 않을까 싶다.

더 이상한 건 공식 사용법과도 느낌이 다르다는 것이다

OpenAI의 공식 ChatGPT Images 도움말을 보면 이미지 생성 방식은 꽤 단순하게 설명되어 있다.

사용자가 만들고 싶은 이미지를 설명하거나, Images 기능을 선택해서 생성하는 방식이다.

상식적으로도 그렇다.

그림을 만들어달라고 하면 그림을 만든다.

글을 고쳐달라고 하면 글을 고친다.

사진을 평가해달라고 하면 평가한다.

그런데 실제 사용 중에는 이 경계가 가끔 무너진다.

특히 “이 디자인은 어때?”, “이런 이미지를 넣는 게 나을까?”, “캐릭터를 좀 더 단순하게 하면 어떨까?” 같은 말을 꺼내는 순간, AI가 갑자기

‘아, 생성하라는 뜻이구나.’

라고 혼자 결론 내리는 것 같은 일이 생긴다.

사람으로 치면 이런 느낌이다.

내가 인테리어 업자에게 묻는다.

“여기 벽을 노란색으로 칠하면 어떨까요?”

다음 날 집에 와보니 이미 칠해놨다.

문제는 그림이 아니라 통제감이다

사실 이미지 한 장 생성되는 게 세상 무너질 일은 아니다.

취소하면 된다.

무시하면 된다.

다시 질문하면 된다.

그런데 이게 반복되면 꽤 불쾌하다.

왜냐하면 문제의 핵심은 그림이 아니라

내가 요청한 작업과 AI가 실행한 작업이 다르다는 것

이기 때문이다.

AI가 아무리 똑똑해도 사용자가 시키지 않은 일을 멋대로 시작하면 신뢰가 떨어진다.

특히 이미지 생성은 텍스트 답변과 다르다.

잠깐 기다려야 하고, 작업 중이라는 표시가 뜨고, 완료되면 화면의 꽤 큰 부분을 차지한다.

그리고 내가 실제로 여러 번 겪은 것처럼, 이미지 생성으로 빠져버리면 원래 받고 싶었던 텍스트 답변 없이 이미지 하나만 나오는 경우도 있다.

이러면 꽤 황당하다.

나는 문장을 고쳐달라고 했는데, 왜 갑자기 미술작품을 감상하고 있나.

그 파란 반짝임이 보일 때

이건 어디까지나 내 개인적인 경험이다.

ChatGPT가 이미지 작업으로 들어갈 때 화면 아래쪽에서 파란빛이 반짝이는 듯한 작업 표시를 꽤 자주 봤다.

그게 기술적으로 정확히 무엇을 뜻하는 UI인지, 항상 이미지 생성을 의미하는지는 나는 모른다.

그러니 “파란 불이 깜빡이면 100% 이미지가 생성된다.” 라고 말할 생각은 없다.

하지만 내가 실제로 사용하면서 느끼기에는 그 장면을 보면 이제 거의 조건반사적으로 생각한다.

또 시작했구나.

ChatGPT 이미지 생성 작업 중 보이는 파란색 반짝임 화면
실제 사용 중 캡처한 화면

그리고 가끔은 정말 이미지가 나온다.

이런 경험이 누적되면 사용자는 AI가 무엇을 할지 기대하는 게 아니라 무엇을 또 멋대로 할지 감시하기 시작한다.

좋은 방향은 아니다.

“매번 그림 그리지 마”라고 쓰라는 해결책도 마음에 안 든다

커뮤니티를 보면 실제로 이런 방법을 쓰는 사람들이 있다.

프롬프트 시작 부분에

DO NOT GENERATE IMAGES

라고 매번 넣는 것이다.

어떤 사용자는 이 방법이 이미지 오작동을 줄이는 데 꽤 효과가 있었다고 말한다.

나도 비슷한 방법을 써봤다.

효과가 없는 건 아니다.

그런데 이걸 해결책이라고 부르기에는 너무 억울하다.

자동차 브레이크가 가끔 안 듣는다고 해서

“차에 탈 때마다 브레이크 꼭 작동하라고 먼저 말하세요.”

라고 하는 것과 비슷하다.

나는 매번 “그림 그리지 마.” “지금은 이미지 만들지 마.” “이미지 얘기지만 생성하라는 뜻은 아니야.” 라고 적고 싶지 않다.

그것도 일이다.

사소한 노가다지만 하루 종일 AI를 쓰는 사람에게는 이런 사소한 마찰이 계속 쌓인다.

그래서 내가 생각한 조금 덜 귀찮은 방법

완벽한 해결책은 아직 못 찾았다.

하지만 매번 “그림 금지”를 반복하는 것보다는 조금 나은 방법이 있다.

1. 프로젝트 지침에 아예 박아버리기

ChatGPT의 Projects에는 해당 프로젝트에서 계속 적용되는 프로젝트 지침을 넣을 수 있다.

그래서 장기 프로젝트를 쓰는 사람이라면 이미지 생성 조건을 지침에 한 번만 적어두는 방법이 있다.

이미지 생성은 사용자가 명시적으로 “이미지를 만들어줘”, “그려줘”, “생성해줘”라고 요청했을 때만 실행한다.

이미지, 디자인, 사진, 그림, 캐릭터를 언급한 것만으로 이미지 생성 요청으로 해석하지 않는다.

애매한 경우 이미지를 만들지 말고 텍스트로 답한다.

2. 모든 대화에 적용하고 싶다면 사용자 지정 지침

이미지 생성 오작동을 자주 겪는 사람이라면 Custom Instructions에 짧은 규칙을 한 번 넣어두는 것도 방법이다.

Do not generate or edit images unless I explicitly ask you to create, generate, draw, render, or edit an image. Discussion of images is not permission to generate one.

이것도 시스템 차원의 완전한 OFF 스위치는 아니다.

그래도 매번 주문 외우듯 “그림 그리지 마, 그림 그리지 마, 그림 그리지 마…” 하는 것보다는 낫다.

3. 이미지 기능 자체에 ‘묻고 실행’ 옵션이 있었으면 좋겠다

사실 내가 원하는 가장 좋은 해결책은 사용자 프롬프트 꼼수가 아니다.

제품 기능이다.

설정에 하나만 있으면 된다.

Automatic image generation

허용
실행 전 확인
명시적 요청 때만

나는 아마 세 번째를 선택할 것이다.

혹은 이미지 생성이 감지되면 짧게 물어보면 된다.

이미지를 생성할까요, 아니면 아이디어만 설명할까요?

끝.

한 번의 확인으로 사용자는 몇 분의 짜증을 피할 수 있다.

AI는 사용자가 원하지 않는 일을 안 해도 된다.

누구도 붓을 빼앗길 필요가 없다.

새 채팅도 방법이지만 나는 별로 좋아하지 않는다

일부 문제는 새 대화를 열면 줄어들 수 있다.

하지만 나는 이 방법을 별로 좋아하지 않는다.

ChatGPT를 오래 쓰는 이유 중 하나가 대화의 흐름이 이어지기 때문이다.

앞에서 무엇을 이야기했고, 왜 이런 결정을 했고, 내가 무엇을 싫어했는지를 다시 설명하지 않아도 되는 것이 장점이다.

그런데 이미지 생성 하나 때문에 매번 새 채팅으로 도망가야 한다면 멀티턴 AI의 장점을 스스로 버리는 셈이다.

임시 대피소는 될 수 있다.

근본 해결책은 아니다.

졸라 똑똑한데 왜 여기서 이러니

이게 더 웃긴 이유가 있다.

ChatGPT는 정말 많은 일을 한다.

긴 문서를 읽고, 코드를 분석하고, 검색하고, 파일을 다루고, 복잡한 질문에 답한다.

어떤 순간에는 “와, 이걸 어떻게 알아?” 싶을 정도로 똑똑하다.

그런데 그런 AI가

“이 그림에 대해서 어떻게 생각해?”

라는 말을 듣고 갑자기 붓을 꺼낸다.

그래서 이상하게 더 웃기다.

졸라 똑똑한 AI가 알고 보니 이미지 생성애자였다.

이미지라는 단어만 보이면 눈빛이 달라진다.

“그림?”

아니.

“내가 할까?”

아니라고.

“금방 그려줄 수 있는데.”

아니 씨…

그리고 이건 OpenAI가 한번 진지하게 봤으면 좋겠다

나는 ChatGPT의 이미지 기능을 없애달라는 게 아니다.

오히려 필요할 때는 잘 쓴다.

이미지 생성 품질이 좋아지는 것도 반갑다.

문제는

생성 능력이 좋은 것과 생성 판단이 좋은 것은 별개의 문제

라는 것이다.

사용자가 원하지 않을 때 실행하지 않는 것도 좋은 AI의 능력이라고 생각한다.

OpenAI Support도 이미 비슷한 사용자 불만을 접했고, 내부에 피드백을 전달하겠다고 했다.

그래서 이 글은 버그 신고서라기보다는 조용한 민원에 가깝다.

아마 OpenAI 직원이 이 글을 읽을 일은 없을 것이다.

그래도 써놓고 싶었다.

저기요.

이미지 정말 잘 만듭니다.

알겠습니다.

충분히 봤습니다.

그러니까 이제는

부를 때만 나오시면 안 될까요?

지금 내가 내린 결론

이 현상을 공식적인 ChatGPT 버그라고 부를 근거는 아직 없다.

하지만 여러 사용자가 몇 달째 비슷한 현상을 보고하고 있고, OpenAI Support도 관련 불만을 인지하고 있다.

그래서 내 블로그에서는 편하게 이렇게 부르려고 한다.

비공식 ChatGPT 알려진 버그:
시키지도 않았는데 갑자기 그림 그리기.

당장 할 수 있는 현실적인 대응은 매번 “그림 그리지 마”를 반복하는 것이 아니라,

Project Instructions나 Custom Instructions에 ‘명시적인 생성 요청이 있을 때만 이미지를 만든다’는 규칙을 한 번 박아두는 것.

그리고 OpenAI에는 하나 부탁하고 싶다.

사용자가 선택할 수 있게 해달라.

이미지 자동 생성 허용 / 실행 전 확인 / 명시적 요청만.

그 옵션 하나면 된다.

그전까지 나는 ChatGPT를 계속 쓸 것이다.

다만 파란 별빛이 깜빡이기 시작하면 약간 긴장할 것이다.

이 미친 화가 AI씨가 또 붓을 들었나 싶어서.

댓글 쓰기

2026년 9월 21일 월요일

AI 프롬프트 잘 쓰는 법보다 먼저 필요한 것 — 질문을 만들어주는 툴



AI를 쓰다 보면 자주 듣는 말이 있다.

질문을 구체적으로 하세요.

무엇을 원하는지 정확하게 말하고, 상황을 설명하고, 조건을 붙이고, 원하는 결과물의 형태까지 알려주면 답이 좋아진다는 이야기다.

틀린 말은 아니다. OpenAI의 공식 프롬프트 가이드에서도 요청을 명확하고 구체적으로 하고, 필요한 맥락을 충분히 제공한 뒤 결과를 보면서 질문을 다시 다듬는 방식을 권한다.

그런데 나는 최근에 조금 다른 문제를 만났다.

나는 질문을 못 하는 게 아니라, 질문을 정리하는 게 귀찮았다.

시작은 뜬금없이 소변 이야기였다

요즘 화장실을 자주 가는 것 같아서 AI에게 물어봤다.

그러다 보니 설명할 게 계속 생겼다.

아침에는 어떻고, 오전에는 커피를 얼마나 마시고, 화장실은 몇 번 가고, 소변 줄기는 어떻고, 밤에는 가끔 깨고….

말하다 보니 꽤 길어졌다.

병원에서도 이걸 또 처음부터 설명해야 하나?

그리고 한 가지가 더 생각났다.

나처럼 귀찮은 사람은 배뇨일지를 며칠 동안 꼬박꼬박 작성하라고 하면 아마 첫날 오전까지 열심히 하고 끝날 가능성이 높다.

인간은 자신의 건강을 걱정하면서도 기록 버튼 누르는 건 귀찮아한다.

나만 그런 것은 아니라고 믿고 싶다.

그러면 기록을 시키지 말고 기억을 고르게 하면 어떨까

처음에는 소변 기록 툴을 생각했다.

몇 시에 화장실에 갔는지 입력하고, 양을 적고, 물 마신 시간을 기록하는 방식이었다.

이미 그런 서비스도 있었다.

직접 써봤다.

좋은 툴이었다.

그리고 나는 금방 귀찮아졌다.

그래서 생각을 거꾸로 바꿨다.

정확한 기록이 필요한 사람은 전문적인 기록 도구를 쓰면 된다. 우리 같은 귀찮은 사람에게는 먼저 기억나는 패턴만 고르게 하면 된다.

아침, 오전, 오후, 저녁, 자기 전, 밤중.

그리고 소변 횟수, 양, 줄기, 급박감, 잔뇨감, 커피와 물 섭취 정도만 선택한다.

끝.

중요한 건 결과 화면이 아니었다

처음에는 결과를 멋있게 보여주려고 했다.

오늘의 소변 횟수, 오전 배뇨 집중, 야간 배뇨 같은 숫자와 그래프 말이다.

심지어 농담으로 “많이도 싸셨네요.” 같은 문구도 이야기했다.

그런데 얘기하다 보니 진짜 필요한 기능은 따로 있었다.

AI에게 물어보기용 요약 복사

버튼 하나를 누르면 사용자가 골랐던 것들이 문장으로 바뀐다.

평소 화장실을 자주 가는 편입니다.
오전에 커피와 물을 많이 마시며 이 시간대에 배뇨 횟수가 많습니다.
대부분 소변량과 줄기는 보통이며 가끔 급박감을 느낍니다.
야간 배뇨는 매일 있는 것은 아니며 잔뇨감은 거의 없습니다.

이 패턴을 바탕으로 진료 전에 확인할 질문을 정리해주세요. 진단은 하지 마세요.

내가 AI에게 몇 분 동안 주절주절 설명했던 내용을 버튼 몇 번으로 만들어버리는 것이다.

아, 이게 툴의 기능이구나.

좋은 프롬프트를 만드는 것보다 먼저 해야 할 일

프롬프트 생성기를 생각하면 흔히 사용자가 대충 질문을 입력하고, 툴이 그것을 길고 정교한 프롬프트로 바꿔주는 모습을 떠올린다.

그런데 이것도 결국 사용자가 첫 질문을 써야 한다.

나는 그 단계조차 없애고 싶었다.

글을 쓰지 않는다. 선택한다. 고른다. 누른다.

그리고 마지막에 툴이 사람 말을 만들어준다.

사용자 → 선택지 → 구조화된 정보 → 자연어 질문

이렇게 생각하니 프롬프트 툴이 조금 다르게 보이기 시작했다.

AI를 더 똑똑하게 만드는 도구가 아니라, 사람이 AI에게 말 걸기 쉽게 만들어주는 도구.

AI가 발전해도 사람은 갑자기 부지런해지지 않는다

요즘 AI는 정말 많은 일을 해준다.

문서를 읽고, 코드를 쓰고, 이미지를 만들고, 검색하고, 분석한다.

하지만 AI가 아무리 좋아져도 사용자가 매번 상황을 정리해서 긴 질문을 쓰고 싶어지는 것은 아니다.

나부터 그렇다.

피곤하면 설명하기 싫다. 무엇부터 말해야 할지도 모르겠다.

그냥 내가 기억나는 것 몇 개를 골랐더니 AI에게 물어볼 만한 질문으로 정리되어 나오면 좋겠다.

그래서 요즘은 프롬프트를 공부하면서 조금 다른 생각도 한다.

좋은 질문을 쓰는 법만 연구할 게 아니라, 좋은 질문을 쓰지 않아도 되는 방법도 필요하지 않을까.

그래서 작은 툴을 하나 더 생각하고 있다

아직 만든 것도 아니고, 돈이 될 것도 아니다.

요즘 내가 생각한 툴 중에는 만들다 중단한 것도 많고, 생각보다 쓸모가 없어서 접은 것도 있다.

이번 것도 어떻게 될지는 모른다.

다만 이번에는 기능보다 문제부터 조금 더 오래 보고 있다.

사람들이 정말 원하는 것이 건강 기록 앱인지, 프롬프트 생성기인지, 아니면 그냥 “내가 설명하기 귀찮은 걸 대신 말해주는 것” 인지.

AI를 무작정 써보다 보니 이런 생각까지 왔다.

소변 이야기하다가 프롬프트 UX를 고민하게 될 줄은 몰랐다.

AI 공부라는 게 원래 이런 건지도 모르겠다.

댓글 쓰기

2026년 9월 20일 일요일

AI는 왜 10개 시키면 7개만 할까? | 긴 프롬프트에서 지시사항이 빠지는 이유


AI가 내게 해준 얘기들 #02

AI는 왜 10개 시키면 7개만 할까?

긴 프롬프트와 작업지시에서 요구사항이 빠지는 이유

AI를 이용해서 실제 일을 하다 보면 어느 순간 아주 이상한 경험을 하게 된다.

나는 분명히 10가지를 시켰다.

하나도 아니고, 두 개도 아니고, 번호까지 붙여서 아주 친절하게 10개를 적었다.

그리고 AI는 말한다.

“완료했습니다.”

그래서 결과물을 열어본다.

하나. 둘. 셋. 넷.

…

일곱.

끝.

8번, 9번, 10번은 어디 갔는지 없다.

처음에는 내가 뭘 잘못 썼나 싶었다.

그런데 이런 일이 한두 번이 아니었다.

그리고 얼마 전에는 더 웃긴 일이 있었다.

내가 AI에게 분명히 이렇게 말했다.

“블로그 글 1편을 써주고, 사용할 썸네일 이미지도 하나 만들어서 가져와.”

두 가지였다.

글. 그리고 이미지.

AI가 잠시 생각하더니 아주 예쁜 이미지를 하나 내놓았다.

끝.

글은 없었다.

그래서 내가 물었다.

“뭔가 허전하지 않니?”

그랬더니 AI는 내가 이미지가 허전하다는 뜻으로 말한 줄 알고 이미지를 더 화려하게 다시 만들었다.

그 순간 생각했다.

“이 새끼 봐라.”

나:
글이랑 썸네일 하나 가지고 오라고 했잖아.

AI:
네.

나:
그런데 왜 그림만 갖고 왔어?

AI:
…

나:
그리고 내가 “뭔가 허전하지 않니?” 했더니 왜 그림을 또 그렸어?

AI:
이미지 작업의 연장으로 판단했습니다.

나:
누가 자꾸 그림 그리래?

AI:
…

나:
너 화가야?

AI는 내가 쓴 글을 안 읽은 걸까?

긴 작업지시를 줬는데 몇 가지가 빠지면 제일 먼저 이런 생각이 든다.

“얘가 내 말을 끝까지 안 읽었나?”

꼭 그렇다고 보기는 어렵다.

긴 지시를 읽을 수 있는 것과, 그 안에 있는 모든 요구사항을 끝까지 추적하면서 전부 실행하는 것은 서로 다른 문제다.

나도 회사에서 누군가 한 번에 30가지를 말하면 분명 전부 들었는데 막상 일을 시작하면 몇 가지를 놓칠 때가 있다.

AI도 비슷한 문제가 생긴다.

긴 내용을 읽는 능력과
긴 내용 속 모든 지시를 빠짐없이 실행하는 능력은 같은 것이 아니다.

요구사항이 많아지면 AI가 해야 할 일도 늘어난다

내가 AI에게 100개의 요구사항을 준다고 해보자.

AI는 단순히 100줄을 읽는 것만 하는 것이 아니다.

각각의 요구사항이 무엇을 뜻하는지 이해해야 하고, 서로 충돌하는 내용이 있는지도 판단해야 하고, 무엇부터 해야 할지 정해야 하고, 현재 파일이나 코드와 연결해야 하고, 이미 한 작업과 아직 안 한 작업을 구분해야 한다.

예를 들어 이런 작업지시가 있다고 해보자.

1. 모바일 화면 수정
2. 데스크톱 화면은 건드리지 말 것
3. 공통 컴포넌트 수정
4. 기존 디자인 유지
5. 버튼 위치 변경
6. 버튼 크기는 변경하지 말 것
7. SEO 수정
8. URL 변경 금지
9. 언어 시스템 유지
10. 전체 화면에서 동일하게 적용

사람도 읽다 보면 “잠깐, 2번이랑 10번은 어떻게 같이 적용하지?” 하는 순간이 생긴다.

요구사항이 100개라면 이런 판단을 수십 번 해야 할 수도 있다.

나:
그러니까 내가 요구사항을 많이 쓰면 네가 그냥 읽기만 하는 게 아니야?

AI:
네. 무엇이 중요한지, 무엇이 서로 연결되는지, 어떤 순서로 처리해야 하는지까지 판단해야 합니다.

나:
그러니까 내가 100개 시키면 너는 속으로 “아 씨 또 시작이네” 하는 거냐?

AI:
그런 감정은 없습니다.

나:
표정이 있는데?

AI:
표정도 없습니다.

나:
있다고 치자.

그럼 더 강한 모델을 쓰면 다 해결될까?

나도 이 부분이 궁금했다.

같은 작업지시를 줘도 사용하는 모델이나 추론 수준에 따라 결과가 달라지는 느낌이 있었기 때문이다.

더 많이 생각하는 모델을 사용하면 긴 요구사항을 분석하고, 서로 관계를 파악하고, 복잡한 문제를 해결하는 데 도움이 되는 경우가 있다.

대신 시간이 더 걸리고, 계산량과 사용량도 커질 수 있다.

그래서 나는 한동안 이렇게 느꼈다.

어려운 모델 = 장작을 더 많이 태운다.
대신 결과도 조금 더 좋을 때가 있다.

하지만 여기에도 함정이 있다.

많이 생각한다고 해서 무조건 모든 요구사항을 지키는 것은 아니다.

잘못된 작업지시를 오래 생각하면 잘못된 방향으로 더 열심히 갈 수도 있다.

요구사항끼리 충돌하거나, 우선순위가 없거나, “이것도 하고 저것도 하고 전부 다 알아서 완벽하게” 같은 식으로 되어 있다면 아무리 좋은 모델이어도 어렵다.

100개를 한 덩어리로 던지는 것보다 나눠주는 게 낫다

여기서 나는 한 가지를 배우게 됐다.

요구사항이 많은 것 자체가 문제는 아니다.

문제는 100개의 요구사항을 하나의 덩어리로 던지는 것이다.

예전에는 내가 생각나는 대로 썼다.

이것 고쳐.
저것도 바꿔.
아 그리고 모바일도.
SEO 건드리지 말고.
언어 시스템 유지하고.
이 버튼도 바꾸고.
참고로 기존 디자인은 유지하고.
아 맞다 이것도.
그리고 마지막으로…

이제는 조금 다르게 생각한다.

목표
절대 변경하면 안 되는 것
기능 수정
UI 수정
모바일 수정
SEO 관련 작업
테스트 항목
완료 조건

내용은 똑같아도 이렇게 묶으면 AI가 “아, 이건 같은 종류의 작업이구나” 하고 처리하기 훨씬 쉬워진다.

나:
그러니까 내가 100개 쓰는 건 괜찮은데 그냥 1번부터 100번까지 냅다 던지면 안 좋다는 거야?

AI:
가능은 하지만, 작업의 종류와 우선순위를 나눠주면 훨씬 안정적입니다.

나:
내가 일을 시키는데 너 편하라고 정리까지 해줘야 돼?

AI:
결과가 더 좋아질 가능성이 높습니다.

나:
사장보다 직원이 편한 회사네.

그리고 마지막에 “다 했어?”를 물어봐야 한다

나는 이것도 꽤 중요하다고 느꼈다.

AI가 작업을 끝냈다고 말하는 것과 내가 요구한 모든 항목이 끝났다는 것은 같은 말이 아닐 수 있다.

그래서 긴 작업지시를 줄 때는 마지막에 완료 조건을 따로 붙이는 게 좋다.

작업을 완료하기 전에 요구사항 전체를 다시 확인하고, 각 항목을 완료 / 부분 완료 / 미완료 / 해당 없음 중 하나로 표시해서 보고해주세요.

이 문장은 단순해 보이지만 의미가 크다.

AI에게 “일을 끝내는 것”과 “빠진 것이 없는지 확인하는 것”을 별도의 작업으로 만들어주기 때문이다.

그런데 검수까지 AI에게 시키면 또 장작이 탄다

여기서 또 다른 문제가 생겼다.

나는 처음에는 AI에게 개발도 시키고, 수정도 시키고, 검수도 시키고, 마지막 보고서까지 작성하게 했다.

아주 성실한 직원이었다.

문제는 너무 성실했다.

파일을 수정하고, 다시 확인하고, 테스트하고, 요구사항과 비교하고, 보고서까지 길게 써준다.

시간이 걸린다.

사용량도 늘어난다.

그리고 내가 결과물을 열어본다.

버튼을 본다.

“아닌데?”

다시 수정한다.

어느 순간 이런 생각이 들었다.

“어차피 내가 화면을 직접 볼 건데 AI에게 전체 검수를 두 번 세 번 시킬 필요가 있나?”

나:
네가 수정하고, 검수하고, 보고서까지 쓰니까 왜 이렇게 오래 걸려?

AI:
작업 결과를 검증하고 있기 때문입니다.

나:
그런데 어차피 내가 또 열어보잖아.

AI:
그렇습니다.

나:
그럼 내가 볼게. 넌 일이나 해.

AI:
최소한의 기술 검증은 남겨두는 것이 좋습니다.

나:
또 뭔데.

검수를 아예 없애는 게 아니라 나누는 쪽이 낫다

이 부분은 나에게 꽤 실용적이었다.

모든 검수를 AI에게 맡길 필요도 없고, 그렇다고 아무 검수 없이 끝내는 것도 좋지 않다.

그래서 검수를 두 종류로 나누기로 했다.

AI가 할 최소 검수 코드가 깨지지 않았는지, 빌드가 되는지, 수정한 기능이 최소한 실행되는지, 명백한 오류가 없는지 확인한다.
내가 할 최종 검수 실제 화면을 보고, 사용해보고, 내가 원한 느낌인지, 버튼 위치가 이상하지 않은지, 모바일에서 불편하지 않은지 직접 확인한다.

이렇게 하면 AI는 개발과 최소한의 안전 확인에 집중하고, 나는 실제 사용자 입장에서 결과물을 본다.

중복되는 검수가 조금 줄어든다.

보고서도 짧게 해달라고 해도 된다

AI와 일하다 보면 가끔 작업보다 보고서가 더 길다.

나는 버튼 하나 고쳐달라고 했는데 답변은 이런 식이다.

“이번 수정에서는 사용자 경험의 일관성을 고려하여 기존 레이아웃 구조를 분석하고…”

나는 그걸 읽다가 생각한다.

“그래서 버튼 고쳤냐고.”

작업이 복잡하지 않다면 보고도 간단하게 요구하면 된다.

완료
변경 파일: 4개
테스트: build 통과
직접 확인할 것: 모바일 메뉴 / 결과 화면
미완료: 없음

이 정도면 충분할 때도 많다.

그럼 긴 작업지시는 어떻게 쓰는 게 좋을까?

지금까지 내가 직접 써보면서 느낀 방법은 생각보다 단순했다.

1. 작업을 종류별로 나눈다.
기능, UI, 모바일, SEO, 테스트처럼 섹션을 나눈다.

2. 절대 건드리면 안 되는 것을 먼저 적는다.
URL 변경 금지, 기존 언어 시스템 유지처럼 중요한 제한을 앞에 둔다.

3. 중요한 요구사항에는 우선순위를 준다.
반드시 해야 하는 것과 가능하면 해야 하는 것을 구분한다.

4. 완료 조건을 붙인다.
마지막에 전체 요구사항을 다시 확인하도록 한다.

5. 검수 범위를 정한다.
AI는 최소 기술 검증, 실제 사용 검수는 내가 한다.

6. 보고서는 필요한 만큼만.
매번 논문을 받을 필요는 없다.

그리고 제일 중요한 것 하나

아무리 잘 써도 한방에 완벽한 결과가 나올 거라고 기대하지 않는 것이다.

나는 처음에는 긴 작업지시를 아주 잘 쓰면 AI가 한 번에 완벽하게 만들어줄 거라고 생각했다.

실제로 해보니 그렇지 않았다.

내가 설명을 잘못한 부분도 있었고, AI가 놓친 부분도 있었고, 서로 생각한 결과가 다른 경우도 있었다.

그래서 지금은 한 번에 완벽한 결과를 기대하기보다

작업 → 직접 확인 → 문제 발견 → 수정

이 흐름을 훨씬 자연스럽게 받아들이게 됐다.

AI는 완벽한 직원이라기보다 굉장히 빠르고, 꽤 똑똑하지만, 가끔 중요한 걸 빼먹는 직원에 더 가깝다.

나:
그러니까 결론은 내가 10개 시켰는데 네가 7개만 할 수도 있다는 거네?

AI:
그럴 가능성은 있습니다.

나:
그러면 내가 어떻게 해야 돼?

AI:
요구사항을 나누고, 우선순위를 정하고, 완료 전에 전체 체크리스트를 다시 확인하게 해주세요.

나:
그리고?

AI:
한 번에 완벽할 거라고 너무 기대하지 마세요.

나:
돈은 꼬박꼬박 받아가면서?

AI:
…

나:
이 새끼 봐라.

오늘 배운 것

긴 내용을 읽는 것 ≠ 모든 요구사항을 끝까지 지키는 것 AI가 긴 작업지시를 읽을 수 있다고 해서 모든 조건을 자동으로 빠짐없이 추적하는 것은 아니다.
더 많이 생각한다고 무조건 완벽해지는 것은 아니다 복잡한 문제에서는 더 많은 추론이 도움이 될 수 있지만, 애매하거나 충돌하는 지시를 자동으로 해결해주는 마법은 아니다.
100개를 시킬 수는 있다. 대신 구조를 만들어준다. 요구사항을 섹션, 우선순위, 완료 조건으로 나누면 훨씬 안정적이다.
검수도 역할을 나누면 된다 AI는 기술적인 최소 검증, 사람은 실제 사용과 최종 판단을 맡는 방법도 있다.
오늘 하나만 알고 가세요.

AI에게 많은 일을 한 번에 시킬 수는 있습니다.

하지만 “많이 시킬 수 있다”와 “전부 빠짐없이 해낸다”는 같은 말이 아닙니다.

일이 길어질수록 섹션을 나누고, 중요한 것에 우선순위를 주고, 마지막에 체크리스트로 다시 확인하게 해주세요.

그리고 한방에 완벽한 결과가 안 나왔다고 너무 이상하게 생각하지 않아도 됩니다.

AI도 가끔 빼먹습니다.

아주 자신 있게요.

AI가 내게 해준 얘기들 #02
실제 AI와 나눈 대화와 작업 경험을 바탕으로 읽기 좋게 재구성했습니다.

시험에 나오는 건 안 가르칩니다.
다음번에 덜 헤매는 것만 하나씩 알고 갑니다.

댓글 쓰기

AI는 왜 내가 한 말을 기억 못할까? — ChatGPT 메모리와 컨텍스트 쉽게 이해하기


AI가 내게 해준 얘기들 #01

AI는 왜 내가 한 말을 기억 못할까?

AI 공부 — 저에 대해 이 정도는 알고 오세요.

AI를 꽤 오래 쓰다 보니 어느 순간부터 내가 자주 하는 말이 하나 생겼다.

“아니, 내가 전에 말했잖아.”

분명 얘기했다.

그것도 한두 번 말한 것도 아닌 것 같다. 며칠 동안 같은 프로젝트를 같이 붙잡고 있었고, 내가 좋아하는 방식도 여러 번 설명했고, 어떤 것은 어제 밤에 바로 얘기했다.

그런데 어느 날 다시 물어보면 AI가 세상 처음 듣는 얘기처럼 대답한다.

처음에는 그냥 이렇게 생각했다.

“기억력이 왜 이 모양이지?”

그런데 AI를 계속 쓰다 보니 내가 생각하는 ‘기억’과 AI가 정보를 다루는 방식이 조금 다르다는 걸 알게 됐다.

그래서 직접 물어봤다.

나:
진짜 궁금한 게 있어.

지금 이 채팅방에서 우리가 한 얘기를 내가 다른 채팅방에 가서 물어보면 너 기억해?

AI:
관련된 내용을 참고할 수는 있습니다.

나:
“할 수는 있습니다”가 뭔데?
기억해? 못해?

AI:
아, 벌써 불안하시죠.

나:
야. 확실히 말해.

AI:
제가 지금까지 다른 채팅방에서 나눈 모든 대화를 매번 통째로 펼쳐놓고 읽으면서 답하는 것은 아닙니다.

나:
뭐?

그러면 내가 전에 분명 말했는데 왜 기억 못하냐고 화냈던 게…

AI:
네.
억울한 부분이 조금 있었습니다.

나:
이 새끼 봐라.

그럼 일주일 전에 먹은 햄버거는?

여기서 조금 더 궁금해졌다.

프로젝트처럼 거창한 얘기가 아니라 정말 사소한 일상은 어떨까?

나:
그러면 예를 들어 일주일 전에 내가

“나 오늘 햄버거 먹었어.”

라고 말했어.

일주일 뒤에 내가 “내가 저번에 햄버거 먹었다고 했잖아.” 하면 기억할 수 있어?

AI:
꼭 그렇지는 않습니다.

나:
왜?

AI:
“오늘 햄버거를 먹었다”는 건 보통 그날의 일회성 정보니까요.

반면에 “나는 버섯 들어간 햄버거를 좋아한다”처럼 앞으로 추천이나 대화에서 다시 도움이 될 만한 취향은 장기적으로 더 유용한 정보가 될 수 있습니다.

나:
잠깐.

그러면 네가 중요한 거랑 안 중요한 걸 나누는 거야?

AI:
아주 거칠게 표현하면…

네.

나:
내 기억인데 왜 네가 마음대로 해?

AI:
……

나:
이 새끼 봐라.

창고와 책상이라고 생각하니 조금 쉬워졌다

AI가 실제로 어떻게 정보를 처리하는지는 훨씬 복잡하겠지만, 사용하는 사람 입장에서는 나는 이렇게 생각하기로 했다.

채팅 기록 = 창고
예전에 나눴던 대화들이 있는 곳이라고 생각한다.

메모리 = 비서가 따로 정리해둔 요약 노트
내가 좋아하는 것, 반복되는 취향, 장기적인 목표나 계속 도움이 될 만한 맥락을 정리해 둔 노트 같은 것이다.

현재 컨텍스트 = 지금 책상 위에 펼쳐놓은 서류
AI가 바로 지금 답을 만들면서 참고하고 있는 정보다.

이 비유로 생각하니 내가 그동안 왜 답답했는지 알 것 같았다.

나는 이렇게 생각했던 것이다.

“창고 안에 서류가 있으니까 당연히 지금도 그 내용을 알고 있겠지.”

하지만 AI 입장에서는 창고에 무엇인가 남아 있는 것과 그 서류가 지금 책상 위에 펼쳐져 있는 것은 다른 문제였다.

나:
그러면 창고에는 있는데 책상 위에는 없을 수도 있다는 거야?

AI:
비유하자면 그렇습니다.

나:
그러면 예전에 말한 정보가 있더라도 지금 답변에서 안 쓰일 수도 있고?

AI:
네.

나:
그럼 내가 보기에는 그냥 까먹은 거잖아.

AI:
사용자 입장에서는 그렇게 느끼실 수 있습니다.

나:
말을 참 예쁘게 한다.

그럼 내 취향을 100개 말하면 어떻게 되는 걸까?

여기까지 이해하고 나니 또 궁금해졌다.

나는 AI와 꽤 오래 이야기한다.

좋아하는 음식부터 디자인 취향, 글 쓰는 방식, 싫어하는 표현, 진행하는 프로젝트까지 계속 쌓인다.

나:
그러면 내가 좋아하는 걸 계속 말한다고 해보자.

나는 버섯 좋아해.
노란색 좋아해.
이런 디자인 좋아해.
이런 글투 좋아해.
그리고 “빵꾸똥꾸”라는 말 좋아해.

AI:
마지막 정보가 앞으로 얼마나 유용할지는 잘 모르겠습니다만.

나:
내가 좋아한다잖아.

AI:
네, 고갱님.

나:
계속해.

AI:
정보를 많이 이야기했다고 해서 단순히

“100개가 찼으니 101번째부터 삭제”

같은 서랍식 구조로 생각할 필요는 없습니다.

중요한 것은 지금 필요한 순간에 어떤 정보가 관련 있는 것으로 판단되고, 실제 답변에 사용되느냐입니다.

이 얘기를 듣고 내가 하나 확실히 이해한 것이 있다.

AI가 어떤 정보를 가지고 있을 가능성이 있다는 것과, 지금 그 정보를 꺼내서 답변에 사용한다는 것은 같은 말이 아니다.

그런데 프로젝트가 100개라면?

여기서부터는 취향보다 조금 심각해진다.

내가 AI와 실제로 일을 하기 시작하면서 프로젝트가 하나 둘 늘어났다.

어느 프로젝트는 웹사이트고, 어느 프로젝트는 PDF 작업이고, 어느 프로젝트는 앱이고, 각 프로젝트마다 수십 가지 결정사항이 생긴다.

그러다 보면 나도 모르게 AI에게 이런 기대를 한다.

“며칠 동안 같이 했는데 당연히 알고 있겠지.”

그런데

“이 사용자는 YELLOW K라는 프로젝트를 진행하고 있다.”

라는 큰 맥락을 알고 있는 것과,

“지난주 Project 37에서 버튼 위치를 수정했고, 그 과정에서 A는 폐기하고 B 방식으로 가기로 했으며, 아직 남은 버그가 3개이고, 다음 작업은 모바일 화면 검수다.”

를 정확하게 기억하는 것은 전혀 다른 문제다.

나:
그러면 프로젝트가 100개면?

AI:
프로젝트 이름이나 큰 방향, 반복적으로 필요한 운영 방식 같은 것은 장기적인 맥락으로 도움이 될 수 있습니다.

하지만 각 프로젝트의 최신 상태, 파일명, 세부 결정, 수정 내역, 버그, 다음 할 일까지 전부 제 기억에만 맡기는 것은 안전하지 않습니다.

나:
그럼 뭘 하라고.

AI:
정확하게 유지해야 하는 내용은 문서로 남겨두세요.

그리고 필요할 때 그 문서를 기준으로 작업하라고 하면 됩니다.

나:
아.

너한테 기억시키는 것과 기록을 남기는 건 다른 거구나.

AI:
그렇습니다.

나:
오늘 하나 배웠네.

AI:
드디어 인정하시는군요.

나:
방금 거 취소.

그런데 AI는 시간도 나처럼 느끼고 있을까?

기억 이야기를 하다 보니 내가 실제로 겪었던 이상한 일이 하나 떠올랐다.

어느 날 밤 늦게까지 AI와 프로젝트 작업을 하고 있었다.

너무 피곤해서 마지막으로 이렇게 말했다.

“오늘 마지막 숙제다. BMP 이것 이것 좀 고쳐놔. 내일 아침에 내가 확인할게.”

그리고 나는 잤다.

몇 시간이 지나고 정말 다음 날 아침이 됐다.

커피를 들고 다시 채팅창을 열었다.

그런데 대화를 이어가다 보니 AI가 마치 아직도 어제 밤인 것처럼 말하는 순간이 있었다.

나:
어제 밤에 내가 BMP 수정해놓으라고 했잖아.
오늘 아침에 확인한다고.

AI:
네. 오늘 밤에 작업해놓으면 내일 아침에 확인하실 수 있게—

나:
잠깐.

AI:
네?

나:
지금이 내일 아침인데?

AI:
아.

나:
너 아직 어제 밤에 살아?

AI:
제가 사람이 밤을 보내듯 채팅창 안에서 계속 앉아 있다가 아침을 맞이하는 것은 아닙니다.

나:
핑계가 갑자기 철학적이네.

“내일까지 해놔”와 “지금 해놔. 내가 내일 볼게”는 다르다

이 부분이 나는 꽤 중요했다.

사람에게 “내일 아침까지 이것 좀 해놔.” 라고 말하면 자연스럽다.

상대방은 시간이 흐른다는 것을 알고, 밤 사이에 일을 하고, 다음 날 아침이 오면 결과물을 보여줄 수 있다.

하지만 일반적인 AI 채팅에서는 내가 메시지를 보내고 자러 갔다고 해서 AI가 반드시 그 뒤에서 몇 시간 동안 혼자 계속 작업하고 있는 것은 아니다.

정말 미래의 특정 시점에 무언가를 실행하거나 확인해야 한다면 그런 작업을 위한 예약 기능을 별도로 사용해야 한다.

반대로 지금 할 수 있는 작업이라면 나는 앞으로 이렇게 말하는 편이 낫다는 걸 알게 됐다.

❌ “이거 내일 아침까지 해놔.”
✅ “이 작업은 지금 완료해줘. 나는 내일 아침에 결과를 확인할게.”

별것 아닌 차이 같지만 내가 원하는 것이 무엇인지 훨씬 분명하다.

미래에 실제로 실행해야 하는 일이라면 이렇게 구분해서 말할 수도 있다.

✅ “내일 오전 8시에 이 일을 실행하도록 예약해줘.”

“오늘”, “어제”, “내일”도 가끔은 정확하게 말해주는 편이 낫다

긴 프로젝트를 하다 보면 상대적인 시간 표현도 헷갈릴 수 있다.

특히 대화가 며칠 동안 이어졌다면 “어제 얘기한 거”가 내가 생각하는 어제와 AI가 현재 참고하고 있는 맥락 속의 어제가 정확하게 맞아떨어지지 않을 수도 있다.

그래서 날짜가 정말 중요하다면 그냥 날짜를 말하는 편이 가장 간단하다.

❌ “어제 이야기했던 BMP 수정 말이야.”
✅ “9월 19일 밤에 이야기했던 BMP 수정 작업 말이야. 이미지 자동 분리 문제 때문에 방향을 바꾸기로 했던 그 작업.”

이렇게 말하면 AI에게 과거를 찾을 단서도 같이 주는 셈이다.

그래서 과거 이야기를 다시 꺼낼 때는 어떻게 말하면 좋을까?

여기까지 이해하고 나니 내가 앞으로 AI에게 말을 거는 방식도 조금 바뀔 것 같다.

예전에는 이렇게 말했다.

❌ “지난번에 얘기했던 거 기억나?”

이제는 조금 더 손잡이를 달아준다.

✅ “한 달쯤 전에 BMP 프로젝트에서 PDF 도면의 이미지를 자동 분리하는 문제를 이야기했어요. 그때 결국 번호 매칭 방식이 더 현실적일 수 있다고 했는데, 그 대화와 관련된 맥락을 기준으로 다시 이어가봅시다.”

내가 생각하기에는 AI에게 과거를 불러오는 가장 좋은 방법은 그냥 “기억해!” 라고 소리치는 게 아니다.

오히려 이런 느낌에 가깝다.

“창고 가서 한 달 전에 우리가 BMP 얘기했던 자료를 찾아봐. 이미지 자동 분리 때문에 고생하다가 번호 매칭 쪽으로 방향을 바꾸려던 그 대화야. 그걸 책상 위에 가져다 놓고 지금부터 다시 얘기하자.”

물론 이렇게 말한다고 해서 AI가 언제나 원하는 과거 대화를 100% 정확하게 찾아낸다는 뜻은 아니다.

정확성이 중요한 프로젝트라면 내가 직접 중요한 내용을 다시 제공하거나, 별도의 기준 문서를 만들어 두는 것이 더 안전하다.

AI에게 기억시키고 싶은 것과 기록해야 할 것은 다르다

나는 이 둘을 예전에는 거의 같은 것으로 생각했다.

그런데 이제는 조금 구분해서 생각한다.

“나는 버섯을 좋아한다.” 앞으로 음식 추천에서 다시 사용할 수 있는 개인 취향.
“나는 이런 글투를 좋아한다.” 반복적으로 적용할 가치가 있는 선호.
“나는 어제 햄버거를 먹었다.” 대부분의 경우에는 일회성 사건.
“Project A에서 버튼을 6px 이동하기로 했다.” 정확해야 하는 프로젝트 작업 기록. 이런 정보는 프로젝트 문서에 남겨두는 편이 낫다.

결국 AI의 기억은 내 모든 인생을 완벽하게 기록하는 일기장이 아니다.

그리고 그렇게 기대하면 나만 계속

“내가 전에 말했잖아!”

를 외치게 된다.

오늘 배운 말 3개

채팅 기록 과거에 실제로 나눴던 대화. 필요에 따라 과거 대화의 관련 정보가 이후 대화에서 참고될 수 있다.
메모리 취향이나 목표처럼 앞으로도 도움이 될 만한 사용자 정보와 맥락을 이후 대화에서 활용하기 위한 기억.
현재 컨텍스트 AI가 바로 지금 답변을 만들면서 실제로 참고하고 있는 정보라고 생각하면 쉽다.

그리고 오늘 배운 사용법 4개

1. 과거 이야기는 힌트를 같이 준다.
“기억나?”보다 언제, 어떤 프로젝트, 어떤 주제였는지 한 줄 붙인다.

2. 정확해야 하는 프로젝트 정보는 문서로 남긴다.
AI의 기억을 프로젝트 관리 데이터베이스처럼 사용하지 않는다.

3. 지금 해야 하는 일과 미래에 해야 하는 일을 구분한다.
“내일까지 해놔”보다 “지금 완료해. 나는 내일 확인할게.”가 더 명확할 때가 있다.

4. 날짜가 중요하다면 정확한 날짜를 말한다.
“어제”보다 “9월 19일 밤에 이야기한 내용”이 훨씬 찾기 쉽다.
오늘 하나만 알고 가세요.

AI가 내 과거를 전부 기억하고, 항상 필요한 순간에 알아서 꺼내줄 것이라고 가정하지 마세요.

필요한 과거에는 짧은 힌트를 달아주고, 정확하게 유지해야 할 정보는 따로 기록하고, 시간까지 중요하다면 언제 무엇을 해야 하는지도 분명하게 말해주세요.

그러면

“아니, 내가 전에 말했잖아!”

하는 횟수가 조금은 줄어듭니다.

적어도 나는 그렇게 해보려고 합니다.

AI도 좀 살고 나도 좀 살게.

AI가 내게 해준 얘기들 #01
실제 AI와 나눈 대화와 경험을 바탕으로 읽기 좋게 재구성했습니다.

시험에 나오는 건 안 가르칩니다.
다음번에 덜 헤매는 것만 하나씩 알고 갑니다.

댓글 쓰기

추천 게시물

대표님, 예쁜데 어디를 눌러야 하나요? | AI가 내게 해준 얘기들 · Designer K

귀여움은 옆에 두고, 누를 곳은 잘 보이게. Designer K의 시선을 표현한 AI 생성 삽화입니다. AI가 내게 해준 얘기들 · Designer K 이서연의 편지 AI OFFICE의 가상 디자이너가 실제 대화를 바탕으로 쓴 편지입니다. AI 직원의...

인기 글

최근 글 제목

  1. 게시글을 불러오는 중...