행복한공돌이

Interested in #python #julialang #tennis #classicalmusic #literature #photography 20년차 엔지니어. 중2딸 아빠. 음악 / 테니스 / 독서 / 문구덕후

[행복한공돌이 @GibinGil]

천천히 공부해 보자.

[Dipanshu Kushwaha @Dipanshu_AI]

00:15 - The right way to prompt Claude
33:21—What makes Claude act dumber in your code
01:33:39 - How Anthropic uses Claude every day
02:50:56 - A fix that makes Claude way smarter - This

The 4-hour Anthropic free course replaces about 10 paid engineering courses.

Watch it today, then bookmark it for later.

[행복한공돌이 @GibinGil]

그는 알고 있었다.

[Alok Kumar @Alokkumarzz]

In 1985, Carl Sagan sat before the US Senate and described the weather of 2026. Not as a prediction. As physics.

Bookmark & watch today, no matter what.

[Andrej Karpathy @karpathy]

We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks:

Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better:

Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better:

Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better:

Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work!

In summary:
- As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding.
- Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

[Krishna Agrawal @Krishnasagrawal]

Andrej Karpathy’s 1-hour Stanford lecture on AI engineering is one of the best explanations I’ve seen of how AI systems actually work.

The progression is simple:

10% → LLM
30% → Prompt
50% → Agent
70% → Loop
100% → Graph

The key takeaway:

AI engineering isn’t just about writing better prompts.

It’s about building systems around models — giving them context, memory, tools, feedback loops, and data flows.

“Delete everything, keep Graph.”

Definitely worth watching if you’re building with AI agents.

Watch → Bookmark →

[Anatoli Kopadze @AnatoliKopadze]

Google Brain founder, Andrew Ng:

"100% of my tasks are done by ai agents, self-improving loops are next.

Give it 3-6 months and prompting is gone."

31 minutes of clear explanation on building self-improving agents from scratch.

Worth more than any $500 agentic course.

Watch it, then read the full guide on loops below.

[행복한공돌이 @GibinGil]

Great advance

[Andrej Karpathy @karpathy]

This is a new paradigm for interacting with Claude that is significantly more "inline" with all the other human activity org-wide. Once you do all of the under the hood engineering work to make this "just work" (e.g. across tools, integrations, compute environments, memory, security, etc.), Claude basically joins the team in a seamless way - you can talk to it as you would talk to a person and it can help with a very large variety of workloads.

Imo this is the 3rd major redesign of LLM UIUX. The first paradigm was that the LLM is a website you go to, the second was that it is an app you download to your computer. This third one is that it is a self-contained, persistent, asynchronous entity with org-wide tools and context, working alongside teams of humans. It really takes a while to wrap your head around it, but it works and it is awesome.

[Nav Toor @heynavtoor]

https://t.co/mFvSsFIzlm

[Anatoli Kopadze @AnatoliKopadze]

A Google Cloud engineer just showed how to build a full app with Claude from scratch

he spent 26 minutes showing exactly what one person with Claude can do, completely free

worth more than any $500 vibe-coding course

here's what he covers:
> raw idea to deployed app in a single session
> using Claude as the entire engineering team
> the exact workflow they use at Google
> no big team, no prior experience needed

the people who figure out what Claude can actually do are building things everyone else thinks requires a team

that's exactly why I put together a guide on Claude features most people have no idea exist

the guide is in the article below

[행복한공돌이 @GibinGil]

어느 조직에서나 80%의 인원은 단순히 정보를 전달하는 역할을 한다. 가치있는 정보를 만드는 것은 20%의 핵심 인원이다. 나는 어떤 가치를 만들고 있는가.

[행복한공돌이 @GibinGil]

@CyberGwon 직장생활을 잘 마무리하는 것도 준비가 필요하다는 생각을 요즘 많이 하�� 됩니다.

[행복한공돌이 @GibinGil]

“나는 인생에서 중요한 것이 무엇이고, 단지 심각한 일에 불과한 것이 무엇인지는 자신만이 결정할 수 있다고 생각한다. … … 인생은 돈을 벌기 위해서가 아니라, 진실로 살아 있기 위해 존재하니까.”

[행복한공돌이 @GibinGil]

아흔에 바라본 삶 - 찰스 핸디

[행복한공돌이 @GibinGil]

말하기 능력, 글쓰기 능력, 아이디어의 질. 모든 분야에서 마찬가지이다.

[hormonemoon @hormonemoon]

En 2019, el profesor del MIT, Patrick Winston dió una conferencia magistral de 1 hora llamada «Cómo hablar».

Tiene más de 18 millones de vistas por una razón.

Sus conceptos clave:
- Tus ideas son como tus hijos
- La regla de los 5 minutos para conferencias de trabajo
- Por qué los chistes fallan al principio

En vez de ver Netflix hoy, deberías ver este video.

15 lecciones sobre comunicación:
🧵

1. Tu éxito está determinado por tu habilidad para hablar, habilidad para escribir y la calidad de tus ideas. En ese orden.

[고영혁 (Dylan Ko) @Gonnector]

왠만하면 미쳤다(insane)이라는 표현 잘 안쓰는데 몇 시간 전에 발표된 Claude Design 의 소개 영상 및 실제 서비스 들어가서 살펴보는 내내 '미쳤네...' 라고 말할 수밖에 없었습니다. 일단 소개 영상부터 보시죠.

여러가지 일들로 아직 이 엄청난 녀석을 다 뜯어보지는 못했지만, 해야 할 일들 중에서 당장 ��용해 볼 수 있는 일들이 있어서 잠깐 살펴본 느낌을 공유합니다.

우선, 몇 가지 관련 이야기들을 해보겠습니다. 어제 Opus4.7 공개에서 개인적으로 가장 눈여겨 봤던 부분은 시각 정보를 이해하는 능력의 대폭 향상이었습니다. 기존 대비 2~3배 정도라고 했는데요... 대학 수업을 위해서 강의 자료를 만드는 과정에서 이미지 파일 안에 있는 내용을 추출하거나 처리할 때 확실히 예전보다 나아졌는데, 작은 해상도의 저품질 이미지에서도 잘 추출하거나, 큰 해상도의 이미지 처리도 잘 하거나 이미지 안에서 원하는 부분의 크롭 처리가 향상되었거나 하는 것들을 느낄 수 있었습니다.

그래서 '거짓말은 아니었구나'라는 생각을 하면서, 기존에도 다른 파운데이션 모델들(Gemini, GPT) 대비 이미지를 자체 생성하는 것 제외하고는 디자인 시스템의 설계나 디자인 산출물의 기획(특히 웹페이지, 웹앱 등)에서는 오히려 나았기 때문에 이 격차가 더 벌어지겠다고 생각했죠.

더불어서, 슬라이드 디자인 등을 할 때 이 녀석(Opus)이 생각보다 공간지��력 및 공간 안에서의 의미론적 객체 배치와 디자인 등이 제 기대수준에 많이 못미쳐서 답답했었고, 디자인 시스템 프롬프트를 만들어도 생각보다 아쉬워서, 결국 효율적인 사후 학습을 위해 별도의 도구, 일종의 디자인 코칭 도구를 만들어서 테스팅 중이었습니다.

어느 정도 나아지는 것을 확인했구요. 참고로, Cluade in Excel 의 MS 오피스 플러그인 스토어 평가 점수는 엄청 높은데 파워포인트는 낮은 이유도 이런 이유 때문입니다. 이미 잘 만들어 놓은 템플릿이 있다면 상당한 효율성을 만들어낼 수 있지만, 완전 새로운 것을 멋지게 만들어내기는 어렵습니다.

그런데... 아래 유튜브 링크의 동영상이 눈에 들어와 봤더니...

클로드 오퍼스 4.7 + 힉스필드AI = 광고업계 끝났습니다... - https://t.co/cKYcw8vGBb

정말로 매우 인상적인 결과물을 만들어내는데, 이 영상을 볼 ���� 해도 "미쳤다" 라는 말은 안나왔습니다. "음... 진짜 좋아진게 맞네"...

그런데 바로 뒤이어 나온 유튜브 동영상이 7시간 전 발표된(요즘 과로로 간만에 늦잠을;;;) Claude Design 을 소개하는 것임을 보고 광속 터치했는데... 보는 내내 '미쳤네...'

영상 보신 분들은 아시겠지만,

한마디로 정적/동적 슬라이드, 웹사이트&웹앱, 원페이저(브로셔, 포스터, 배너 등등) 디자인을 하는 통합 저작 도구입니다.

심지어 생성된 결과물의 요소별로 코멘트하거나 사용자가 직접 개별 오브젝트들의 속성들 즉, 크기, 위치, 색상, 텍스트 등을 바로 조정하는 것도 가능합니다. 이 부분은 한 달쯤인가 전에 Claude Code 데스크톱 버전에 preview 라는 기능으로 웹 결과물을 바로 띄워서 거기에서 요소별로 피드백을 제공하는 기능에서 진화된 것입니다.

출력은 html, pdf, pptx, canva (오~ 캔바�� 꽤 긴밀한 관계를 유지하고 있는 듯)... 아직 실험해보지 못했는데, 동일한 리서치 결과물 원본 MD(마크다운 파일)을 갖고 Google NotebookLM 에 던졌을 때와 Claude Design 에 던졌을 때 슬라이드 결과물의 차이가 매우 궁금하네요. 조만간 실험해서 유튜브에 올려주시는 분들이 나올듯.

개인적으로 더 인상적이었던 것이 둘이 있는데...

하나는, Claude Design 으로 무언가를 만들 때 처음 보게되는 팝업에서 선택할 수 있는 카테고리에... Design, Engineering, Product, Sales, Data, Marketing, Others 가 있다는 점이었습니다. 복수로 선택할 수 있는데, 선택한 옵션들에 따라 다음 팝업에서 구체적으로 뭘 만들고 싶은지 앞의 카테고리와 정확하게 연관된 것들을 제안합니다. 예를 들어, Product Prototype, Sales Dashboard, Data Dashboard, Landing Page, Product Mockups, Dev Handoff 등...

그리고 나머지 하나는 Design System 을 매우 직관적이고, 심지어 디자인 시스템이 뭔지 잘 모르는 사람도 잘 이해시키면서 만들 수 있게끔, 그리고 디자인 시스템과 직간���적으로 연결되는 기존의 자료들 (예를 들어 피그마 fig 파일 등)도 import 해서 해석해서 디자인 시스템을 도출해 줍니다. 와...

더불어서, 현재 9가지의 다양하고 수준 높은 예시들을 직접 살펴보고 바로 재활용할 수 있습니다. 이것부터 보시고 가늠해보시는 것도 좋겠습니다.

제가 만들던 도구의 개선판은 이제 더 만들 필요가 없겠습니다. Claude Design 을 쓰는 동안은요. 생각했던 목표점보다 좀 더 뛰어나게 만들어졌다보니. 안그래도 대체불가해서 가장 중요했던 자원인 시간이 AI 시대에서는 더더욱 너무나도 최우선으로 중요한 자원이 된 상태에서 굳이 제가 직접 안만들어도 되는 것은 돈을 지불하고 쓰는게 정답이니까요.

당연히 다른 AI (단순히 모델만이 아니라 모든 제반환경) 가 능가할 경우는 갈아타겠지만, 현재 솔직히 압도적 원탑은 Claude 라고 생각합니다. 어제 발표해서 샘 알트만이 "다들 코덱스로 갈아타 주셔서 감사합니다" 라고 말하고 있는 Codex 신버전도 살펴봤으���, 결국 후발주자가 어떻게든 최대한 Claude 의 도구 환경과 격차를 줄여보려고 이거저거 따라한 수준으로만 보입니다. 약 3~6개월 정도의 갭이 있는데, 지금 시대에 저 기간은 엄청난 딜레이입니다.

작년 12월 이었나 올 1월이었나 비즈니스의 핵심영역별 스킬들 (이제는 sales, hr 도 추가됐습니다) 을 내놓으면서 법무, 보안 등의 주가에 영향을 미치기 시작했는데, 그건 그나마 스킬 레벨이었지만, 이번에는 작정하고 풀버전의 앱을 내놓은 셈이라서 특히 figma 라든가 lovable 이나 기타 등등을 포함한 디자인 애플리케이션 생태계에 직격타가 될 것으로 보입니다. 저 역시도 이 정도로 선을 넘을까 반신반의했는데, 선을 넘네요.

느낌상 올 해 안에 Claude 기반의 fully AI native ERP 가 Anthropic 에서 나오지 않을까 싶고 (사실 저는 지금 제 1인기업의 여러가지를 위해서 가장 핵심 ��능만 추려서 fully AI native ERP 1차 버전을 돌리고 있습니다. CRM 도 일부 포함), CRM 도 당연히 수순에 있을 것이고, 그 뒤로는 결국 윈도우, 맥, 리눅스 이 모든 레이어 위에 올라가는 AI OS(Operating System) 을 내놓을 것으로 봅니다.

사실 AI native ERP 이전에 먼저 만들어서 쓰면서 계속 업그레이드 중인 것이 Claude Code 기반의 OS 였는데, 나중에 Anthropic 에서 내놓는다고 하더라도 이미 이 작업하면서 배운 것들과 늘어난 역량들은 고스란히 제 자산이니까 전혀 아깝지 않습니다. 어차피 저는 저런거 만들어서 투자 받거나 IPO 하거나 등의 생각이 없다 보니...

하여튼, 토요일 아침부터 미쳤네로 시작하네요.

* Claude Design 링크 - https://t.co/enwuqWkvCH
* Claude Design 기술 문서 링크 - https://t.co/p7jmeKSCVz

[ 이 글은 AI가 아니라 고넥터 고영혁 본인이 작성했습니다 ]

#ai #agent #design #claude #anthropic #trend

[Felipe Demartini @namcios]

Dois engenheiros da Anthropic acabaram de mudar a forma como devs pensam sobre IA.

Barry Zhang e Mahesh Murag subiram no palco do AI Engineer Code Summit e disseram uma frase que incomodou muita gente:

"Parem de construir agentes. Construam Skills."

Em 16 minutos eles provam que a indústria inteira está resolvendo o problema errado.

Aqui está o que a maioria não entendeu:

→ Skills são pastas. Literalmente pastas com arquivos markdown.
→ Elas ensinam ao Claude o SEU fluxo de trabalho, a SUA expertise, o SEU domínio.
→ Um único agente genérico + biblioteca de Skills específicas supera dezenas de agentes especializados.
→ Fortune 100s já estão deployando Skills em escala pra ensinar agentes sobre processos internos.
→ Times de produtividade com 10.000+ devs usam Skills pra padronizar como código é escrito.

A analogia que eles usaram é perfeita:

Quem você quer fazendo seu imposto de renda? O gênio com QI 300 que nunca viu legislação tributária, ou o contador experiente que faz isso há 20 anos?

Inteligência sem expertise é entretenimento.
Expertise empacotada é produtividade.

O que mudou: a Anthropic parou de tentar criar agentes diferentes pra cada domínio.

Perceberam que com Claude Code, o padrão é sempre o mesmo. Um modelo acoplado a um runtime com filesystem.

A diferença entre um agente medíocre e um extraordinário não é o modelo. É o conhecimento de domínio que você alimenta.

Skills resolvem isso com progressive disclosure. O agente só carrega o nome e descrição da skill. Quando relevante, puxa o SKILL.md. Quando precisa de mais, navega os arquivos de referência. Zero desperdício de contexto.

Isso não é uma feature. É uma mudança de paradigma.

Quem entender isso agora vai operar em outro nível daqui a 90 dias.

Quem ignorar vai continuar escrevendo prompts de mil palavras toda vez que abrir o chat. E ainda explicar de novo e de novo o que “realmente” quer.

[Peak Thinkers @PeakThinkers_]

This 1 hour lecture from a Carnegie Mellon professor who had 3 months to live will teach you more about living than every self-help book you’ve ever read combined.

Bookmark this & give it 1 hour today. It’s the most productive start you can give your week.

[CyrilXBT @cyrilXBT]

https://t.co/N7iLb0x28b

[지라프 @o_girraffe]

OpenAI 출신 안드레 카파시가
LLM으로 개인 지식베이스를 구축할 수 있는
LLM Wiki를 공개했습니다.

방법은 간단합니다
프롬프트를 사용하고 계신 LLM 지침에 추가만 해주세요.

무엇이 달라질까요 ?
AS-IS : 매번 필요한 정보를 부분적으로 잘라서 가져옴
TO-BE : 내 개인 지식의 wiki 를 LLM이 직접 생성/관리

4-step 포인트

- index.md 로 지식 목차 관리
- 정보가 많아지면 스스로 .md 파일을 생성
- 질문에 필요한 .md만 참조
- 서로 참조를 걸어 위키피디아(wikipedia)처럼 관리

[고로치 @gorochi0315]

글이 길더라도 이런 글을 제발 전문으로 한땀 한땀 읽으시길 추천드립니다. 아깝습니다.

거대한 변화가 일어나고 있습니다 (Something Big Is Happening)

맷 슈머(Matt Shumer): 2020년 2월을 떠올려 보십시오.

세심하게 주의를 기울였다면 해외에서 바이러��가 퍼���고 있다는 이야기를 몇몇 사람들이 나누는 것을 눈치챘을지도 모릅니다. 하지만 우리 대부분은 크게 신경 쓰지 않았습니다. 주식 시장은 호황이었고, 아이들은 학교에 다녔으며, 우리는 식당에 가고 악수를 나누며 여행을 계획했습니다.

만약 누군가 당신에게 두루마리 휴지를 사재기하고 있다고 말했다면, 당신은 그 사람이 인터넷의 이상한 구석에서 너무 많은 시간을 보냈다고 생각했을 것입니다. 그러다가 약 3주라는 시간 동안 전 세계가 바뀌었습니다. 사무실은 폐쇄되었고, 아이들은 집으로 돌아왔으며, 삶은 불과 한 달 전의 자신에게 설명했더라도 믿지 못했을 모습으로 재편되었습니다.

저는 우리가 지금 코로나보다 훨씬 더 큰 무언가의 "과장된 것 같다"는 단계에 와 있다고 생각합니다.
저는 AI 스타트업을 세우고 이 분야에 ���자하며 6년을 보냈습니다. 저는 이 세상 속에서 살고 있습니다. 그래서 저는 제 삶 속에 있는 사람들, 즉 제 가족, 친구들, 그리고 저에게 "그래서 AI가 대체 뭐야?"라고 계속 묻지만 실제 벌어지고 있는 일에 미치지 못하는 답변을 듣고 있는 소중한 사람들을 위해 이 글을 씁니다.

저는 그동안 그들에게 정중한 버전, 즉 사교 모임용 답변만을 해왔습니다. 왜냐하면 솔직한 버전은 마치 제가 정신이 나간 것처럼 들리기 때문입니다. 한동안은 그것이 진실을 혼자만 간직할 충분한 이유가 된다고 생각했습니다.

하지만 제가 말해온 것과 실제로 일어나고 있는 일 사이의 간극이 너무 커져 버렸습니다. 제가 아끼는 사람들은 설령 미친 소리처럼 들릴지라도 앞으로 닥칠 일을 들을 자격이 있습니다.

먼저 분명히 짚고 넘어가야 할 점이 있습니다. 제가 AI 분야에서 일하��� 있지만, 저를 포함한 업계 대다수는 앞으로 일어날 일에 대해 거의 영향력을 행사하지 못한다는 것입니다. 미래는 아주 소��의 사람들에 의해 형성되고 있습니다. 오픈AI(OpenAI), 앤스로픽(Anthropic), 구글 딥마인드(Google DeepMind) 등 몇몇 기업의 수백 명의 연구원들이 그들입니다. 소규모 팀이 몇 달간 관리하는 단 한 번의 학습 실행(training run)이 기술의 전체 궤적을 바꾸는 AI 시스템을 만들어낼 수 있습니다. AI 분야에서 일하는 우리 대부분은 우리가 닦지 않은 기초 위에 무언가를 짓고 있는 셈입니다. 우리는 여러분과 마찬가지로 이 상황이 전개되는 것을 지켜보고 있습니다. 다만 땅의 진동을 가장 먼저 느낄 수 있을 만큼 가까이 있을 뿐입니다.

하지만 이제는 때가 되었습니다. "언젠가 이 이야기를 해야지"라는 방식이 아니라, "이것은 지금 일어나고 있는 일이고, 당신이 이를 반드시 이해해야 한다"는 방식이어야 합니다.

이것이 실제 상황임을 아는 이유는 저에게 먼저 일어났기 때문입���다

기술 업계 밖의 사람들이 아직 이해하지 못하는 사실이 있습니다. 업계의 수많은 사람이 지금 경종을 울리는 이유는 이 일이 이미 우리에게 일어났기 때문입니다. 우리는 예측을 하는 것이 아닙니다. 우리의 직업 세계에서 이미 일어난 일을 말해주며, 다음은 여러분 차례라고 경고하는 것입니다.

수년간 AI는 꾸준히 개선되어 왔습니다. 여기저기서 큰 도약이 있었지만, 각 도약 사이에는 이를 받아들일 만한 충분한 간격이 있었습니다. 그러다 2025년, 모델을 구축하는 새로운 기술들이 개발되면서 발전 속도가 훨씬 빨라졌습니다. 그리고 더 빨라졌고, 다시 더 빨라졌습니다. 새로운 모델은 이전 모델보다 단순히 더 나은 것이 아니라 훨씬 더 큰 폭으로 개선되었으며, 출시 간격은 짧아졌습니다. 저는 AI를 점점 더 많이 사용하게 되었고, AI와 말을 주고받는 횟수는 줄어들었으며, 예전에는 저의 전문 지식이 필요하다고 생각했던 일들을 AI가 처리하는 것을 지켜보았습니다.

그러던 2월 5일, 두 개의 주요 AI 연구소가 같은 날 새로운 모델을 출시했습니다. 오픈AI의 GPT-5.3 코덱스(Codex)와 앤스로픽(ChatGPT의 주요 경쟁자인 클로드 제작사)의 오퍼스(Opus) 4.6입니다. 그리고 무언가 깨달음이 왔습니다. 전등 스위치가 켜지는 ���낌이 아니라, 물이 차올라 이제 가슴 높이까지 왔다는 것을 깨닫는 순간과 같았습니다.

저는 이제 제 업무의 실제적인 기술적 작업에 더 이상 필요하지 않습니다. 제가 무엇을 만들고 싶은지 평이한 영어로 설명하면, 그것이 그냥... 나타납니다. 제가 수정해야 할 초안이 아니라, 완성된 결과물입니다. AI에게 원하는 것을 말하고 컴퓨터 앞을 떠나 4시간 동안 쉬다 오면 작업이 완료되어 있습니다. 아주 잘, 제가 직접 했을 때보다 더 낫게, 수정할 필요도 없이 완료되어 있습니다. 몇 달 전만 해도 저는 AI와 대화하며 가이드라인을 주고 편집을 했습니다. 이제는 결과만 설명하고 자리를 뜹니다.

이것이 실제로 어떤 모습인지 이해를 돕기 위해 예를 들어보겠습니다. 저는 AI에게 이렇게 말합니다. "이런 앱을 만들고 싶어. 기능은 이래야 하고, 대략 이런 모습이면 좋겠��. 사용자 흐름과 디자인 등 모든 걸 알아서 짜봐." 그러면 AI는 그렇게 합니다. 수만 줄의 코드를 작성합니다. 그리고 1년 전만 해도 생각할 수 없었던 일이 벌어집니다. AI가 직접 앱을 실행합니다. 버튼들을 클릭해 봅니다. 기능을 테스트합니다. 사람이 하는 것처럼 앱을 사용해 봅니다. 디자인이나 느낌이 마음에 들지 않으면 스스로 돌아가서 수정합니다. 개발자처럼 반복 작업을 수행하며 만족할 때까지 고치고 다듬습니다. 앱이 스스로의 기준을 충족했다고 판단한 후에야 저에게 돌아와 말합니다. "테스트할 준비가 되었습니다." 그리고 제가 테스트해 보면 대개 완벽합니다.

과장이 아닙니다. 이번 주 저의 월요일 모습이 이랬습니다.

하지만 저를 가장 놀라게 한 것은 지난주에 출시된 모델(GPT-5.3 코덱스)이었습니다. 그것은 단순히 제 지시를 수행하는 것이 아니었습니다. 지능적인 결정을 내리고 있었습니다. 처음으로 '판단력'이라 느껴지는 무언가를 가지고 있었습니다. '취향' 같은 것 말이죠. 사람들이 AI는 절대 가질 �� 없을 것이라고 말해왔던, 무엇이 옳은 결정인지 아는 설명할 수 없는 감각 말입니다. 이 모델은 그것을 가지고 있거나, 혹은 그 차이가 더 이상 중요하지 않을 만큼 근접해 있습니다.

저는 항상 AI 도구를 일찍 도입해 왔습니다. 하지만 지난 몇 달은 저에게도 충격적이었습니다. 이 새로운 AI 모델들은 점진적인 개선이 아닙니다. 이것은 완전히 다른 차원의 존재입니다.

그리고 이것이 기술 분야에서 일하지 않는 여러분에게도 중요한 이유가 여기 있습니다.

AI 연구소들은 의도적인 선택을 했습니다. 그들은 AI를 코딩에 능숙하게 만드는 데 먼저 집중했습니다. 왜냐하면 AI를 구축하는 데는 엄청난 양의 코드가 필요하기 때문입니다. AI가 그 코드를 작성할 수 있다면, 자기 자신의 다음 버전을 만드는 데 도움을 줄 수 있습니다. 더 나은 코드를 쓰는 더 똑똑한 버전이 만들어지고, 그것이 다시 더 똑똑한 버전을 만드는 것입니다. AI를 코딩에 최적화하는 것은 다른 모든 것을 여는 열쇠가 되는 전략이었습니다. 그래서 그들은 그것을 가장 먼저 했습니다. 제 직업이 여러분보다 먼저 변하기 시작한 것은 그들이 소프���웨어 엔지니어를 목표로 삼았기 때문이 아니라, 그들이 먼저 겨냥한 목표의 부작용이었을 뿐입니다.

그들은 이제 그 일을 해냈습니다. 그리고 이제 다른 모든 분야로 이동하고 있습니다.

지난 1년 동안 기술직 종사자들이 AI가 '유용한 도구'에서 '나보다 일을 더 잘하는 존재'로 변하는 것을 지켜보며 겪었던 경험을 이제 다른 모든 사람이 겪게 될 것입니다. 법률, ��융, 의료, 회계, 컨설팅, 작문, 디자인, 분석, 고객 서비스 등 모든 분야가 그렇습니다. 10년 뒤의 일이 아닙니다. 이 시스템을 만드는 사람들은 1년에서 5년 사이라고 말합니다. 어떤 이들은 그보다 더 짧을 것이라고 합니다. 지난 몇 달 동안 제가 본 것을 고려하면, 저 역시 "더 짧을 것"이라는 의견에 무게가 실립니다.

"하지만 제가 써본 AI는 별로던데요"

저는 이런 말을 끊임없이 듣습니다. 저도 이해합니다. 예전에는 사실이었으니까요.

만약 당신이 2023년이나 2024년 초에 챗GPT를 써보고 "말을 지어내네"라거나 "별로 인상적이지 않네"라고 생각했다면, 당신의 말이 맞았습니다. 초기 버전들은 정말 한계가 있었습니다. 환각 현상을 일으켰고, 터무니없는 소리를 자신 있게 내뱉었습니다.
그건 2년 전 일입니다. AI의 시간으로 따지면 선사시대 이야기입니다.

��늘날 사용할 수 있는 모델들은 불과 6개월 전의 것들과도 비교할 수 없을 만큼 다릅니다. AI가 "정말 좋아지고 있는가" 아니면 "한계에 부딪혔는가"를 두고 1년 ���게 이어져 온 논쟁은 끝났습니다. 결론이 났습니다. 여전히 한계론을 주장하는 사람은 현재 모델을 써보지 않았거나, 벌어지고 있는 일을 축소해야 할 동기가 있거나, 혹은 더 이상 유효하지 않은 2024년의 경험을 바탕으로 평가하고 있는 것입니다. 무시하려고 드는 말이 아닙니다. 대중의 인식과 현재 실재 사이의 간극이 너무나 크고, 그 간극이 위험하기 때문에 드리는 말씀입니다. 그 간극 때문에 사람들이 대비를 하지 못하고 있기 때문입니다.

문제의 일부는 대다수 사람이 AI 도구의 무료 버전을 사용하고 있다는 점입니다. 무료 버전은 유료 사용자가 접근할 수 있는 모델보다 1년 이상 뒤처져 있습니다. 무료 버전 챗GPT로 AI의 현주소를 판단하는 것은 피처폰을 쓰면서 스마트폰의 수준을 평가하는 것과 같습니다. 최고의 도구에 비용을 지불하고 실제 업무에 매일 사용하는 사람들은 무엇이 다가오고 있는지 알고 있습니다.

변호사인 제 친구가 떠오릅니다. 저는 그에게 로펌에서 AI를 써보라고 계속 권하지만, 그는 안 될 이유만 찾습니다. 자신의 전문 분야에 맞지 않는다거나, 테스트해 보니 오류가 있었다거나, 자신이 하는 일의 뉘앙스를 이해하지 못��다는 식입니다. 이해합니다. 하지만 대형 로펌의 파트너들이 저에게 조언을 구하러 연락해 옵니다. 그들은 현재 버전들을 써봤고 이것이 어디로 향하고 있는지 보았기 때문입니다. 한 대형 로펌의 대표 파트너는 매일 몇 시간씩 AI를 사용합니다. 그는 마치 즉시 활용 가능한 어소시에이트(주니어 변호사) 팀을 거느린 기분이라고 말했습니다. 그가 장난감이라서 쓰는 것이 아닙니다. 효과가 있기 때문에 쓰는 것입니다. 그리고 그는 저에게 잊히지 않는 말을 했습니다. 몇 달마다 AI가 업무에 활용되는 능력이 현저히 향상된다는 것입니다. 만약 이 궤적이 유지된다면, 머지않아 자신이 하는 일의 대부분을 AI가 수행할 수 있을 것으로 예상한다고 했습니다. 수십 년의 경력을 가진 로펌 대표가 하는 말입니다. 그는 패닉에 빠지지는 않았지만, 매우 주의 깊게 지켜보고 있습니다.

자기 분야에서 앞서가는 사람들(실제로 진지하게 실험하는 사람들)은 이��� 무시하지 않습니다. 그들은 이미 가능한 기능들에 경악하고 있습니다. 그리고 그에 맞춰 자신들의 위치를 조정하고 있습니다.

실제로 얼마나 빨리 움직이고 있는가
발전 속도를 구체적으로 말씀드리겠습니다. 가까이서 지켜보지 않는다면 가장 믿기 어려운 부분이기 때문입니다.

* 2022년, AI는 기초 산술도 제대로 하지 못했습니다. 7 × 8 = 54라고 자신 있게 말하곤 했습니다.
* 2023년, AI는 변호사 시험을 통과했습니다.
* 2024년, AI는 작동하는 소프트웨어를 작성하고 대학원 수준의 과학을 설명할 수 있게 되었습니다.
* 2025년 말, 세계 최고의 엔지니어 중 일부는 코딩 작업의 대부분을 AI에 넘겼다고 말했습니다.
* 2026년 2월 5일, 이전의 모든 것을 구시대로 느껴지게 만드는 새로운 모델들이 등장했습니다.

지난 몇 달 동안 AI를 써보지 않았다면, 지금 존재하는 기능들은 여러분에게 생소하게 느껴질 것입니다.
이것을 데이터로 측정하는 METR라는 단체가 있습니다. 이들은 사람 전문가가 수행하는 데 걸리는 시간을 기준으로, AI 모델이 사람의 도움 없이 처음부터 끝까지 성공적으로 완료할 수 있는 실제 업무의 길이를 추적합니다. 약 1년 전 그 수치는 대략 10분이었습니다. 그러다 1시간이 되었고, 몇 시간이 되었습니다. 가장 최근 측정값(11월의 클로드 ���퍼스 4.5)에 따르면 AI는 인간 전문가가 거의 5시간 동안 해야 할 일을 완수했습니다.

그리고 이 수치는 대략 7개월마다 두 배로 늘어나고 있으며, 최근 데이터는 4개월마다 두 배로 가속화될 수 있음을 시사합니다.
하지만 그 측정치조차 이번 주에 출시된 모델들은 포함되지 않은 것입니다. 제가 직접 써본 바로는 그 도약이 매우 큽니다. 저는 METR의 다음 그래프 업데이트에서 또 다른 거대한 도약이 나타날 것으로 예상합니다.

이러한 추세(수년간 꺾이지 않고 유지된)를 확장해 보면, 내년 안에는 며칠 동안 독립적으로 작업할 수 있는 AI를 보게 될 것입니다. 2년 안에는 몇 주 단위의 일을, 3년 안에는 한 달짜리 프로젝트를 수행할 것입니다.

(앤스로픽 CEO인) 다리오 아모데이는 "거의 모든 업무에서 거의 모든 인간보다 실질적으로 더 똑똑한" AI 모델이 2026년이나 2027년쯤 등장할 궤도에 있다고 말했습니다.

이 사실을 잠시 곱씹어 보십시오. 만약 AI가 대부분의 박사 학위 소지자보다 똑똑하다면, 정말로 대부분의 사무직 업무를 수행할 수 없으리라 생각하십니까?

이것이 여러분의 업무에 무엇을 의미하는지 생각해 보십시오.

AI가 이제 다음 AI를 만들고 있습니다
가장 중요하면서도 가장 �� 이해되고 있는 변화가 하나 더 있습니다.

2월 5일, 오픈AI는 GPT-5.3 코덱스를 출시하며 기술 문서에 이런 내용을 포함했습니다.

"GPT-5.3-Codex는 자체 제작에 도구로 사용된 우리의 첫 번째 모델입니다. 코덱스 팀은 초기 버전을 사용하여 자신의 훈련을 디버깅하고, 배포를 관리하며, 테스트 결과와 평가를 진단했습니다."

다시 읽어보십시오. AI가 자신을 만드는 것을 도왔습니다.

이것은 언젠가 일어날지도 모르는 일이 아닙니다. 오픈AI가 방금 출시한 AI가 바로 자기 자신을 만드는 데 사용되었다고 지금 말하고 있는 것입니다. AI를 더 좋게 만드는 핵심 요소 중 하나는 AI 개발에 투입되는 지능입니다. 그리고 AI는 이제 자신의 개선에 의미 있는 기여를 할 만큼 충분히 지능적입니다.

앤스로픽의 CEO 다리오 아모데이는 현재 자사 코드의 "많은 부분"을 AI가 작성하고 있으며, 현재의 AI와 차세대 AI 사이의 피드백 루프가 "매달 활력을 얻고 있다"고 말합니다. 그는 우리가 "현재 세대의 AI가 자율적으로 다음 세대를 구축하는 시점까지 불과 1~2년밖에 남지 않았을 수도 있다"고 말합니다.

각 세대는 더 똑똑한 다음 세대를 만드는 데 도움을 주고, 그 세대는 다시 더 똑똑한 세대를 더 빨리 만듭니다. 연구원들은 이를 '지능 폭발'이라고 부릅니다. 그리고 이를 직접 만드는 사람들, 즉 누구보다 잘 아는 이들은 이 프로세스가 이미 시작되었다고 믿고 있습니다.

이것이 당신의 직업에 의미하는 바
위로보다는 정직함이 여러분에게 더 필요하다고 생각하기에 직설적으로 말씀드리겠습니다.

AI 업계에서 아마도 가장 안전을 중시하는 CEO인 다리오 아모데이는 1년에서 5년 내에 AI가 사무직 초급 일자리의 50%를 없앨 것이라고 공개적으로 예측했습니다. 그리고 업계의 많은 이들은 그가 보수적으로 잡은 수치라고 생각합니다. 최신 모델들의 능력을 고려할 때, 거대한 혼란을 야기할 능력은 이미 올해 말이면 갖춰질 수 있습니다. 그것이 경제 전반으로 파급되는 데는 시간이 걸리겠지만, 근본적인 능력은 지금 도착하고 있습니다.

이것은 과거의 어떤 자동화 물결과도 다르며, 왜 그런지 이해하셔야 합니다. AI는 특정 기술 하나를 대체하는 것이 아닙니다. 인지 노동 전체를 대체하는 일반적인 대안입니다. AI는 모든 분야에서 동시에 좋아집니다. 공장이 자동화되었을 때 실직한 노동자는 사무직으로 재교육받을 수 있었습니다. 인터넷이 소매업을 뒤흔들었을 때 노동자들은 물류나 서비스업으로 이동했습니다. 하지만 AI는 이동할 만한 편리한 틈새를 남겨두지 않습니다. 당신이 무엇으로 재교육을 받든, AI는 그 분야에서도 발전하고 있기 때문입니다.

구체적인 예를 몇 가지 들어보겠습니다. 단, 이것들은 예시일 뿐입니다. 이 목록에 없다고 해서 당신의 직업이 안전하다는 뜻은 아닙니다. 거의 모든 지식 노동이 영향을 받고 있습니다.

* 법률 업무: AI는 이미 계약서를 읽고, 판례를 요약하며, 준비 서면을 작성하고, 주니어 변호사에 버금가는 수준으로 법률 조사를 수행할 수 있습니다. 제가 언급한 대표 파트너가 AI를 쓰는 이유는 재미있어서가 아닙니다. 많은 업무에서 자신의 어소시에이트 변호사들보다 성과가 좋기 때문입니다.

* 금융 분석: 재무 모델 구축, 데이터 분석, 투자 메모 작성, 보고서 생성. AI는 이 일들을 능숙하게 처리하며 빠르게 발전하고 있습니다.

* 작문 및 콘텐츠: 마케팅 문구, 보고서, 저널리즘, 기술 작문. 품질이 이미 많은 전문���가 AI의 결과물과 사람의 작업물을 구분할 수 없는 수준에 도달했습니다.

* 소프트웨어 엔지니어링: 제가 가장 잘 아는 분야입니다. 1년 전만 해도 AI는 오류 없이 몇 줄의 코드를 겨우 썼습니다. 이제는 올바르게 작동하는 수십만 줄의 코드를 작성합니다. 단순한 작업뿐만 아니라 복잡한 다일 프로젝트까지 직무의 상당 부분이 이미 자동화되었습니다. 몇 년 후에는 지금보다 훨씬 적은 수의 프로그래밍 직무만 남을 것입니다.

* 의료 분석: 스캔 판독, 실험 결과 분석, 진단 제안, 문헌 검토. AI는 여러 분야에서 인간의 성과에 근접하거나 이를 능가하고 있습니다.

* 고객 서비스: 5년 전의 답답한 챗봇이 아니라, 진정으로 유능한 AI 에이전트가 도입되어 복잡한 다단계 문제를 처리하고 있습니다.

많은 사람이 어떤 것들은 안전할 것이라는 생각에서 위안을 얻습니다. AI가 허드렛일은 할 수 있어도 인간의 판단력, 창의성, 전략적 사고, 공감은 대체할 수 없다는 생각 말입니다. 저도 예전엔 그렇게 말했습니다. 하지만 이제는 더 이상 믿지 않습니다.

최신 AI 모델들은 판단력처럼 느껴지는 결정을 내립니다. 단순히 기술적으로 옳은 것이 아니라 무엇이 적절한 결정인지 아는 직관적 감각인 '취향'과 유사한 것을 보여줍니다. 1년 전만 해도 상상할 수 없던 일입���다. 현재 저의 판단 기준은 이렇습니다. '오늘 모델이 어떤 능력의 낌새라도 보인다면, 다음 세대는 그것을 정말 잘하게 될 것이다.' 이 기술들은 선형적이 아니라 기하급수적으로 발전합니다.

AI가 인간의 깊은 공감을 복제할 수 있을까요? 수년간 쌓아온 신뢰의 관계를 대체할 수 있을까요? 모릅니다. 아닐 수도 있겠죠. 하지만 저는 사람들이 이미 감정적 지지, 조언, 동료애를 위해 AI에 의지하기 시작하는 것을 보았습니다. 그 추세는 커지기만 할 것입니다.

솔직한 답변은, 컴퓨터로 할 수 있는 일 중 중기적으로 안전한 것은 아무것도 없다는 것입니다. 만약 당신의 일이 스크린에서 일어난다면(읽고, 쓰고, 분석하고, 결정하고, 키보드로 소통하는 것이 핵심이라면) AI는 그 업무의 상당 부분을 잠식할 것입니다. 그 일정은 "언젠가"가 아닙니다. 이미 시작되었습니다.

결국 로봇이 육체 노동도 처리하게 될 것입니다. 아직 그 단계는 아닙니다. 하지만 AI 세계에서 "아직 그 단계가 아니다"라는 말은 누구의 예상보다 빨리 "현실"이 되곤 합니다.

실제로 당신이 해야 할 일
제가 이 글을 쓰는 이유는 여러분을 무기력하게 만들기 위해서가 아닙니다. 지금 여러분이 가질 수 있는 단 하나의 가장 큰 이점이 바로 '남보다 앞서가는 것'이라고 생각하기 때문입니다. 남보다 먼저 이해하고, 사용하고, 적응하는 것입니다.

AI를 단순히 검색 엔진으로 쓰지 말고 진지하게 사용하기 시작하십시오. 클로드나 챗GPT의 유료 버전에 가입하십시오. 한 달에 20달러입니다. 하지만 당장 중요한 두 가지가 있습니다.

첫째, 기본 모델이 아니라 현재 사용 가능한 가장 뛰어난 모델을 사용하고 있는지 확인하십시오. 이 앱들은 종종 더 빠르고 덜 똑똑한 모델을 기본��으로 설정하곤 합니다. 설정이나 모델 선택기에서 가장 유능한 옵션을 선택하십시오. 지금은 챗GPT의 GPT-5.2나 클로드의 오퍼스 4.6이지만, 이는 몇 달마다 바뀝니다. 어떤 모델이 가장 좋은지 최신 상태를 유지하고 싶다면 제 X(@mattshumer_)를 팔로우하셔도 좋습니다. 저는 모든 주요 릴리스를 테스트하고 실제로 쓸 가치가 있는 것을 공유합니다.

둘째, 더 중요한 점은 단순히 짧은 질문만 던지지 마라는 것입니다. 그것이 대부분의 사람이 저지르는 실수입니다. 구글처럼 대하면서 왜 다들 난리인지 궁금해합니다. 그러지 말고 여러분의 실제 업무에 AI를 밀어 넣으십시오. 당신이 변호사라면 계약서를 입력하고 의뢰인에게 해가 될 수 있는 모든 조항을 찾아달라고 하십시오. 금융업에 종사한다면 엉망인 스프레드시트를 주고 모델을 짜달라고 하십시오. 관리자라면 팀의 분기 데이터를 붙여넣고 그 속에 담긴 이야기를 찾아달라고 하십시오. 앞서가는 사람들은 AI를 가볍게 쓰지 않습니다. 그들은 예전에 몇 시간씩 걸리던 업무의 일부를 자동화할 방법을 적극적으로 찾습니다. 당신이 가장 많은 시간을 쓰는 일부터 시작해 보십시오.

또한 너무 어려워 보인다고 해서 못 할 거라 짐작하지 마십시오. 시도해 보십시오. 변호사라면 간단한 조사 질문만 하지 말고, 계약서 전체를 주고 반대 제안서를 초안으로 잡아달라고 하십시오. 회계사라면 세금 규정을 설명해달라고만 하지 말고, 고객의 전체 신고서를 주고 무엇을 찾을 수 있는지 보십시오. 첫 번째 시도가 완벽하지 않을 수도 있습니다. 괜찮습니다. 반복하십시오. 질문 방식을 바꾸어 보십시오. 더 많은 맥락을 주십시오. 다시 시도하십시오. 결과에 놀라실 수도 있습니다. 그리고 기억하십시오. 오늘 조금이라도 작동한다면 6개월 뒤에는 거의 완벽하게 해낼 것이라는 사실을요. 궤적은 한 방향으로만 향합니다.

올해는 당신의 커리어에서 가장 중요한 해가 될 수도 있습니다. 그에 걸맞게 일하십시오. 스트레스를 주려는 말이 아닙니다. 지금은 대부분의 회사에서 대부분의 사람이 여전히 이를 무시하고 있는 짧은 기회의 창이 열려 있기 때문입니다. 회의실에 들어가 "3일 걸릴 이 분석을 AI를 사용해 1시간 만에 끝냈습니다"라고 말하는 사람은 그 방에서 가장 가치 있는 사람이 될 것입니다. 나중이 아니라 바로 지금입니다.

이 도구들을 배우십시오. 능숙해지십시오. 무엇이 가능한지 증명하십시오. 남들보다 빠르다면 이것이 당신이 올라가는 방법입니다. 무엇이 오고 있는지 이해하고 다른 이들에게 길을 보여줄 수 있는 사람이 되는 것입니다. 그 창은 오래 열려 있지 않을 것입니다. 모두가 이를 깨닫고 나면 이점은 사라집니다.

자존심을 버리십시오. 그 대형 로펌 대표는 AI와 매일 몇 시간씩 시간을 보내는 것을 부끄러워하지 않습니다. 그는 무엇이 걸려 있는지 이해할 만큼 충분히 경력이 높기 때문에 그렇게 하는 것입니다. 가장 고전할 사람들은 참여하기를 거부하는 이들입니다. 이를 일시적인 유행으로 치부하거나, AI를 쓰는 것이 자신의 전문성을 깎아먹는다고 느끼거나, 자신의 분야는 특별해서 영향이 없을 거라 가정하는 사람들입니다. 그렇지 않습니다. 어떤 분야도 예외는 없습니다.

경제적 상황을 정돈하십시오. 저는 금융 전문가가 아니고 여러분을 겁주어 극단적인 행동을 하게 하려는 것도 아닙니다. 하지만 앞으로 몇 년 안에 여러분의 산업에 진정한 혼란이 올 수 있다고 조금이라도 믿는다면, 기초적인 경제적 회복 탄력성은 1년 전보��� 더 중요합니다. 가능하다면 저축을 늘리십시오. 현재의 수입이 보장된다고 가정한 새로운 부채를 떠안는 데 신중하십시오. 고정 지출이 당신에게 유연성을 주는지 아니면 당신을 옭아매는지 생각해보십시오. 상황이 예상보다 빨리 움직일 때를 대비해 선택지를 만드십시오.

자신의 위치를 생각하고, 대체하기 가장 어려운 것에 집중하십시오. 어떤 것들은 AI가 대체하는 데 더 오래 걸릴 것입니다. ���년간 쌓아온 관계와 신뢰, 물리적 존재가 필요한 작업, 자격증이 필요한 책임 있는 역할(여전히 누군가가 서명하고 법적 책임을 지며 법정에 서야 하는 역할들), 규제 장벽이 높아 도입이 더딘 산업 등이 그렇습니다. 이것들이 영구적인 방패는 아니지만 시간을 벌어줄 것입니다. 그리고 지금 그 시간은 여러분이 현실을 부정하는 데 쓰는 것이 아니라 적응하는 데 쓴다면 가장 가치 있는 자산이 될 것입니다.

아이들에게 해주는 말을 다시 생각해보십시오. 좋은 성적을 받고 좋은 대학에 가서 안정적인 전문직을 얻으라는 표준적인 공식은 이제 가장 위험에 노출된 역할들을 정조준하고 있습니다. 교육이 중요하지 않다는 말이 아닙니다. 하지만 다음 세대에게 가장 중요한 것은 이 도구들과 함께 일하는 법을 배우고, 진정으로 열정을 느끼는 일을 추구하는 것입니다. 10��� 뒤의 노동 시장이 어떤 모습일지 아무도 모릅니다.

하지만 번성할 가능성이 가장 높은 사람은 깊은 호기심을 갖고 적응력이 뛰어나며, 자신이 진정으로 아끼는 일을 하기 위해 AI를 효과적으로 사용하는 사람입니다. 아이들에게 단순히 졸업할 때쯤이면 사라질지도 모를 커리어 패스에 최적화된 사람이 아니라, 스스로 무언가를 만들고 배우는 사람이 되라고 가르치십시오.

당신의 꿈이 훨씬 가까��졌습니다. 지금까지 위협에 대해 주로 이야기했으므로 반대편에 대해서도 말씀드리겠습니다. 그 역시 똑같이 실재하니까요. 만약 당신이 무언가 만들고 싶었지만 기술이 없거나 사람을 고용할 돈이 없어서 포기했다면, 이제 그 장벽은 거의 사라졌습니다. AI에게 앱을 설명하고 한 시간 만에 작동하는 버전을 가질 수 있습니다. 과장이 아닙니다. 저는 정기적으로 이렇게 합니다. 항상 책을 쓰고 싶었지만 시간이 없었거나 글쓰기가 힘들었다면, AI와 협업하여 해낼 수 있습니다. 새로운 기술을 배우고 싶으신가요? 세계 최고의 튜터가 이제 월 20달러에 누구에게나 열려 있습니다. 무한한 인내심을 갖고 24시간 대기하며 어떤 수준이든 설명해 줄 수 있는 튜터입니다. 이제 지식은 사실상 공짜입니다. 무언가를 만드는 도구는 극도로 저렴해졌습니다. 너무 어렵거나 비싸서, ��은 전문 분야가 아니라서 미뤄왔던 일이 있다면 무엇이든 시도해 보십시오.

당신의 열정을 쫓으십시오. 그것이 어디로 이어질지 모릅니다. 기존의 커리어 경로가 무너지는 세상에서는, 1년 동안 자신이 사랑하는 것을 만든 사람이 직무 기술서에 매달려 1년을 보낸 사람보다 더 나은 위치에 서게 될지도 모릅니다.

적응하는 습관을 기르십시오. 이것이 아마도 가장 중요할 것입니다. 특정 도구가 무엇인지는 중요하지 않습니다. 새로운 ���구를 빨리 배우는 근육이 중요합니다. AI는 계속 바뀔 것이고, 그 속도는 빠를 것입니다. 오늘 존재하는 모델은 1년 뒤면 구식이 될 것입니다. 사람들이 지금 짜놓은 워크플로우는 다시 짜야 할 것입니다. 이 상황을 잘 헤쳐 나가는 사람은 하나의 도구를 마스터한 사람이 아니라, 변화의 속도 그 자체에 편안함을 느끼는 사람이 될 것입니다. 실험하는 습관을 들이십시오. 현재 방식이 잘 작동하더라도 새로운 것을 시도해 보십시오. 반복해서 초보자가 되는 것을 기꺼이 받아들이십시오. 그 적응력이 지금 존재하는 가장 지속 가능한 경쟁력에 가깝습니다.

거의 모든 사람보다 앞서 나갈 수 있는 간단한 약속을 하나 제안합니다.

하루에 한 시간씩 AI를 실험하는 데 쓰십시오. 단순히 그것에 관한 글을 읽는 것이 아닙니다. 직접 사용하는 것입니다. 매일 무언가 새로운 ���을 시도해 보십시오. 전에 안 해본 것, AI가 처리할 수 있을지 확신이 없는 것을 시도하십시오. 새로운 도구를 써보십시오. 더 어려운 문제를 던져보십시오. 매일 한 시간씩 말입니다. 앞으로 6개월 동안 이렇게 한다면, 당신은 주변 사람 99%보다 다가올 미래를 더 잘 이해하게 될 것입니다. 과장이 아닙니다. 지금 아무도 이렇게 하지 않고 있습니다. 기준점은 바닥에 있습니다.

더 큰 그림
사람들의 삶에 가장 직접적으로 영향을 미치기 때문에 직업에 집중했지만, 일 이상의 영역에서 벌어지고 있는 일의 전체 범위를 솔직하게 말씀드리고 싶습니다.

���리오 아모데이가 제시한 생각할 거리 중 제가 잊지 못하는 것이 있습니다. 2027년이라고 가정해 보십시오. 하룻밤 사이에 새로운 국가가 나타납니다. 5천만 명의 시민이 있는데, 한 명 한 명이 지금까지 존재했던 그 어떤 노벨상 수상자보다 똑똑합니다. 그들은 인간보다 10배에서 100배 더 빨리 생각합니다. 잠도 자지 않습니다. 인터넷을 사용하고, 로봇을 제어하며, 실험을 지시하고, 디지털 인터페이스가 있는 모든 것을 조작할 수 있습니다. 국가 안보 보좌관은 뭐라고 말할까요?

다리오 아모데이는 답이 뻔하다고 말합니다. "지난 한 세기 동안, 어쩌면 역사상 우리가 직면한 가장 심각한 국가 안보 위협"이라고요.

그는 우리가 지금 그 국가를 건설하고 있다고 생각합니다. 그는 지난달에 2만 단어 분량의 에세이를 써서, 지금 이 순간을 인류가 자신이 창조하고 있는 것을 감당할 만큼 성숙했는지를 시험하는 순간으로 규정했습니다.

우리가 이를 제대로 해낸다면 그 긍정적인 면은 경이로울 것입니다. AI는 한 세기 분량의 의학 연구를 10년으로 압축할 수 있습니다. 암, 알츠하이머, 전염병, 노화 자체까지... 연구원들은 이것들이 우리 생애 안에 해결 가능하다고 진심으로 믿습니다.

[Julian Goldie SEO @JulianGoldieSEO]

How to use Model Council in 30 seconds:

  1. Open Perplexity
  2. Select Model Council
  3. Choose GPT + Claude + Gemini
  4. Ask your question once
  5. Review synth + individual outputs

That’s it.

Three AI brains.

One verified answer.

Save this video, you’ll reuse this workflow.

Want the SOP? DM me. 💬