AI를 잘 사용하는 방법은 프롬프트에 있지 않다: 개념적 구조화와 지시 해상도

https://www.facebook.com/share/p/1GXhzNas48/

“AI를 잘 사용하는 방법은 단지 ‘프롬프트’에 있지 않습니다.”

요즘 정말 많은 분들이 바이브 코딩도 하고 AI도 잘 활용하죠. 어떻게 프롬프트를 쓰는지 궁금해 하시는 분들이 많습니다. 프롬프트의 차이가 디테일한 변화를 만들어내는 것은 분명하지만 사실 저는 프롬프트보다 더 중요한게 있다고 생각해요. 바로 지시를 위한 구조와 개념을 정확히 나는 것이죠.

저는 이걸 건축에 자주 비유합니다.

많은 분들이 AI에게 이렇게 말하죠. “멋진 전원주택을 지어줘.” Claude는 곧잘 그럴듯한 결과물을 내놓습니다. 하지만 한국은 여름에 비가 많이 오고, 겨울엔 결로가 생기는 기후예요. 만약 여러분이 장마철 배수 설계, 결로 방지 단열재, 철근콘크리트 구조 같은 개념을 알고 있다면 어떨까요? Claude나 Claude Code에게 같은 집을 시켜도 결과물의 수준이 완전히 달라집니다.

코드를 몰라도 됩니다. 터미널을 못 다뤄도 괜찮아요. 요즘은 팀 에이전트와 서브 에이전트까지 쓸 수 있게 됐는데, 이것도 마찬가지입니다. 서브 에이전트가 ‘무엇을 하는 존재인지’만 이해하고 있다면 이렇게 말하면 되니까요.

• “이 자료들을 서브 에이전트로 병렬 조사해줘.”
• “리서처, 검수자, 작성자 역할로 팀 에이전트를 구성해줘.”
• “이 작업을 반복해서 구성할 수 있는 플러그인 만들어줘.”

개념만 제대로 알고 지시하면 나머지는 AI가 잘 처리해줍니다.

도구를 하나하나 손으로 다루는 개별 스킬의 시대는 지나가고 있어요. 지금 필요한 건 전체 구조에 대한 이해, 어떤 기능이 존재하는지에 대한 개념적 지도, 그리고 본질에 대한 이해입니다. 지시의 해상도는 지식의 해상도에서 나옵니다.

하지만 아이러니한것은 이 개념을 진짜로 이해하려면 실무적 ‘노가다’가 병행되어야 한다는 점이죠. 추상적인 개념만으로는 그 진짜 진실의 감수성을 이해하는 차이가 생기게 되니까요. 결국 다시 진짜 경험이 중요해질것이 분명합니다. 개념을 제대로 잡기 위해서 말이죠.

여러분은 AI에게 “전원주택 지어줘”라고 말하고 계신가요, 아니면 “배수로부터 잡아줘”라고 말하고 계신가요? 그리고 더 나아가 가끔은 직접 “배수로를 만드는 경험을 해보고 계신가요?”

#AI #ClaudeCode #바이브코딩 #에이전틱엔지니어링 #AI활용

1. 원문 요약

원 게시물의 핵심 주장은 다음과 같이 정리된다.

• AI 활용 능력의 핵심은 프롬프트 작성 기술 자체가 아니라, 지시를 내리기 위한 개념과 구조를 얼마나 정확히 이해하고 있는가에 있다.
• 이를 건축 비유로 설명한다. “멋진 전원주택을 지어줘”라는 추상적 지시만으로도 AI는 그럴듯한 결과물을 내놓지만, 한국 기후에 맞는 장마철 배수 설계, 결로 방지 단열재, 철근콘크리트 구조 같은 구체적 개념을 아는 사람이 지시할 경우 결과물의 수준이 완전히 달라진다.
• 이 원리는 코딩이나 터미널 사용 여부와 무관하게 적용된다. 서브 에이전트, 팀 에이전트 같은 최신 기능도 마찬가지로, “이것이 무엇을 하는 존재인지”에 대한 개념적 이해만 있으면 구체적 조작법을 몰라도 활용할 수 있다.
• 결론적으로 “지시의 해상도는 지식의 해상도에서 나온다.” 도구를 하나하나 손으로 다루는 개별 스킬의 시대는 지나가고, 전체 구조에 대한 이해와 개념적 지도가 중요해지는 시대로 전환되고 있다.
• 다만 여기에 아이러니가 있다. 이 개념을 진짜로 이해하려면 추상적 지식만으로는 부족하고, 실무적 경험(“노가다”)이 병행되어야 한다는 것이다. 결국 개념을 제대로 잡기 위해 다시 직접 경험이 중요해진다는 역설로 글을 맺는다.

2. 건축 비유가 가리키는 것: 왜 개념이 프롬프트보다 상위 개념인가

프롬프트 엔지니어링 논의는 대개 “어떻게 표현할 것인가”의 층위에 머문다. 문장을 어떻게 구성하고, 예시를 몇 개 넣고, XML 태그로 구조를 나누는가와 같은 기법이다. 건축 비유가 지적하는 지점은 이보다 한 층위 위에 있다. “무엇을 요구해야 하는지 아는 것”과 “그것을 어떻게 요청할지 아는 것”은 다른 문제라는 것이다.

장마철 배수 설계나 결로 방지 단열재라는 개념을 모르는 사람은 아무리 정교한 프롬프트 기법을 쓰더라도 애초에 그런 요구 자체를 떠올릴 수 없다. 반대로 그 개념을 알고 있는 사람은 설령 표현이 투박하더라도 “이 지역 강수량을 고려한 배수 경사와 방수층 설계를 포함해줘”라고 말할 수 있다. 즉 프롬프트의 정교함은 결과물의 디테일을 개선하는 승수(multiplier) 역할을 하지만, 애초에 무엇을 곱할 것인지를 결정하는 것은 개념적 지식이라는 구조다.

이는 AI 도구가 “능력의 병목”을 코딩 실행 층위에서 상위의 설계·판단 층위로 옮겨놓았다는, 최근 널리 논의되는 관찰과 같은 맥락에 있다. 실행은 AI가 대신할 수 있지만, 무엇을 실행해야 하는지에 대한 판단 기준, 즉 도메인 개념과 구조에 대한 이해는 여전히 사람의 몫으로 남는다.

3. 서브 에이전트·팀 에이전트 시대의 지시 해상도

이 논리는 코딩 에이전트나 멀티 에이전트 오케스트레이션에도 동일하게 적용된다. 원문이 예로 든 세 가지 지시—병렬 조사, 역할 기반 팀 구성, 반복 가능한 플러그인화—는 모두 특정 문법이나 API를 몰라도 낼 수 있는 지시다. 필요한 것은 “서브 에이전트란 무엇을 병렬로 처리하는 단위인가”, “역할을 나눈다는 것이 검수·조사·작성이라는 워크플로우 상의 분업을 의미한다”는 개념적 지도뿐이다.

이는 하네스 엔지니어링 논의에서 자주 언급되는 “Agent = Model + Harness” 구도와도 연결된다. 모델의 성능이 아무리 좋아도, 그 모델을 감싸는 하네스—즉 역할 분배, 컨텍스트 전달 방식, 도구 호출 순서 같은 구조—를 설계하는 사람의 개념적 이해가 결과물의 품질을 좌우한다는 점에서, 원문의 주장과 맞아떨어진다. 도구의 개별 조작법(어떤 명령어를 치는가)은 오히려 AI가 대신 처리해줄 수 있는 영역으로 넘어가고 있다.

4. “지시의 해상도는 지식의 해상도에서 나온다”는 명제

이 문장은 원문 전체를 압축한 핵심 명제다. 여기서 “해상도”라는 표현이 흥미로운 것은, 이것이 이분법(안다/모른다)이 아니라 연속적 스펙트럼을 가리키기 때문이다. 결로 방지라는 개념을 안다고 해도, 그것이 어떤 단열재 종류와 어떤 시공 순서에서 발생하는 문제인지까지 아는 사람과, 그냥 “결로가 안 생기게 해줘”라고만 말할 수 있는 사람 사이에는 여전히 해상도 차이가 존재한다.

즉 개념적 지식은 있다/없다의 문제가 아니라 세밀도(granularity)의 문제이며, 이 세밀도가 곧 AI에게 줄 수 있는 지시의 정밀도로 직결된다. 이것은 왜 같은 AI 도구를 쓰는 두 사람의 결과물이 크게 갈리는지를 설명하는 유용한 프레임이다. 도구의 차이가 아니라 도메인 지식의 해상도 차이라는 것이다.

5. 아이러니: 개념은 경험 없이 완성되지 않는다

원문이 스스로 지적하는 역설이 이 글의 가장 흥미로운 지점이다. 개념적 이해가 중요하다고 말하면서도, 그 개념을 “진짜로” 이해하려면 추상적 학습만으로는 부족하고 실무적 경험이 병행되어야 한다고 인정한다. 이는 다음과 같이 풀어볼 수 있다.

• 책이나 강의로 “결로는 온도차와 습도 때문에 생긴다”는 원리는 배울 수 있다. 그러나 실제로 시공 현장에서 단열재 이음새가 뜨는 것을 보고, 그로 인해 어떤 하자가 발생하는지 직접 겪어본 사람의 개념은 질감이 다르다.
• 이 차이를 원문은 “진짜 진실의 감수성”이라 표현한다. 추상적 정의는 전달 가능하지만, 그 개념이 현실에서 갖는 무게와 우선순위, 즉 “이게 왜 중요한지”에 대한 직관적 감각은 경험을 통해서만 형성된다는 것이다.

이는 AI 시대의 학습론에서 반복적으로 제기되는 긴장과 정확히 일치한다. AI가 실행을 대신해줄수록 사람에게 남는 것은 판단인데, 그 판단력의 원천이 되는 감수성은 여전히 손으로 만지고 실패해본 경험에서 나온다는 것이다. 개념 학습과 실무 경험이 서로를 대체하는 관계가 아니라, 순환적으로 서로를 강화하는 관계라는 점이 이 글의 결론이 된다.

6. 보완적 시각과 반론

이 주장에 대해 제기할 수 있는 몇 가지 반론과 보완적 관점도 함께 살펴볼 필요가 있다.

첫째, 프롬프트 기법의 가치를 과소평가할 위험. 개념적 이해가 상위 층위에 있다는 것이 프롬프트 기법 자체의 가치를 없애는 것은 아니다. 동일한 개념적 지식을 가진 두 사람도 프롬프트 구성 방식(예시 제공, 단계별 사고 유도, 출력 형식 지정)에 따라 결과물의 재현성과 안정성에서 여전히 차이를 보인다. 개념이 “무엇을 요구할지”를 결정한다면, 프롬프트 기법은 “그 요구가 매번 안정적으로 실현되는지”를 결정하는 별개의 축으로 보는 것이 더 정확할 수 있다.

둘째, 개념적 이해만으로 충분한가. 도메인 개념을 정확히 알아도, AI가 그 개념을 문맥에 맞게 해석하지 못하거나 환각(hallucination)을 일으키는 경우는 여전히 존재한다. 이 경우 검증 능력—AI의 출력이 실제로 그 개념에 부합하는지 확인하는 능력—이 개념적 지식과는 별도로 요구된다. 즉 “무엇을 알아야 하는가”뿐 아니라 “AI의 답을 어떻게 검증하는가”라는 별도의 리터러시가 필요하다는 지적이 가능하다.

셋째, 전문성 장벽과 AI 민주화의 긴장. 원문의 논리를 극단적으로 밀고 가면, 결국 도메인 전문가만이 AI를 “잘” 쓸 수 있다는 결론에 다다를 수 있다. 이는 AI가 전문성의 장벽을 낮춰 비전문가도 접근 가능하게 한다는 통념과 다소 긴장 관계에 있다. 다만 원문이 강조하는 것은 완전한 전문성이 아니라 “개념적 지도” 수준의 이해이므로, 실제로는 깊은 전문성과 얕은 무지 사이의 중간 지대—핵심 개념 몇 가지만 정확히 짚는 수준—가 실질적인 격차를 만든다고 보는 것이 더 균형 잡힌 해석일 수 있다.

넷째, 경험의 대체 가능성. 모든 사람이 배수로 시공을 직접 경험할 수는 없다. 원문 스스로도 이를 인정하듯, 직접 경험이 이상적이지만 현실적으로는 시뮬레이션, 케이스 스터디, 실패 사례 학습 같은 간접 경험이 어느 정도 대체재 역할을 할 수 있다는 점도 함께 고려할 만하다.

7. 종합

이 글의 논지를 한 문장으로 정리하면, AI 시대의 경쁠력은 “말을 잘하는 능력”이 아니라 “무엇을 말해야 하는지 아는 능력”이며, 그 능력의 원천은 개념적 지도와 실무 경험의 순환적 결합에 있다는 것이다. 프롬프트 기법은 이 구도에서 여전히 유효한 보조 도구이지만, 결과물의 수준을 가르는 결정적 변수는 아니라는 관찰이다. 서브 에이전트, 팀 에이전트처럼 조작의 복잡도가 낮아질수록 이 원리는 더 선명해진다. 도구의 사용법은 점점 AI가 대신 처리해주는 영역으로 넘어가고, 결국 사람에게 남는 것은 “무엇을 요구해야 개념적으로 올바른가”를 판단하는 능력뿐이기 때문이다.

---

작성일: 2026년 7월 5일