챗GPT한테 질문부터 한다면, 완전히 잘못쓰고있는거임
AI를 잘 쓰는 사람과
못 쓰는 사람의 차이는 뭘까?
이 고민을 해결해줄 영상을 찾았음
오늘 본 영상에서
스탠포드 교수가 의외의 말을 했음
“AI를 검색창처럼 쓰면
잠재력의 겉핥기조차 못 합니다.”
솔직히 놀랐고 좀 찔렸음
나도 챗GPT를 켜면
대부분 이렇게 물어봤음
“이거 요약해줘.”
“이거 써줘.”
“이거 알려줘.”
근데 교수는
이 방식이 잘못됐다고 했음
AI에게 바로 답을 묻지 말고,
오히려 AI가 나에게 질문하게 만들라는 거임
(이 부분이 좀 흥미로움)
예를 들면 이렇게
“이 문제를 해결하려면
내가 너에게 어떤 정보를 줘야 해?”
“더 좋은 답을 얻으려면
어떤 질문을 해야 해?”
“내 상황을 보고
나에게 필요한 질문 10개를 해줘.”
이 말을 듣고 느껴진게 컸음
우리는 AI를
네이버, 구글 검색창처럼 쓰고 있었던거임
같이 일하는 직장 동료처럼 대하지 않았음
팀원이 부족한 결과물을 가져오면
우리는 바로 버리지 않음
피드백을 주고
방향을 알려줌 그리고
다시 개선하게 만듦
AI도 똑같음
처음 나온 답이 별로라고
“역시 별로네” 하고 끝내는 게 아니라,
“이 부분은 약해.”
“좀 더 현실적으로 바꿔줘.”
“내 문체에 맞춰 다시 써줘.”
“반대 관점도 넣어줘.”
이렇게 코칭해야
진짜 쓸 만한 결과물이 나옴
또 인상 깊었던 건
손가락보다 목소리를 쓰라는 말이었음
타이핑을 하면
나도 모르게 멋있게 말하려고 함
근데 음성으로 말하면
생각이 정리되지 않아도 일단 쏟아낼 수 있음
그리고 이게 더 자연스러움
AI는 그걸 정리해주고,
질문해주고,
다시 구조화해줌
결국 AI 시대의 창의력은
프롬프트를 외우는 능력이 아니라
내 생각을 AI와 주고받으며
첫 번째 아이디어를 넘어서는 능력인 것 같음
나처럼 AI를 쓰면서도
뭔가 결과물이 평범하다고 느꼈던 사람들에게
이 영상이 꽤 도움이 될 것 같아 남겨봄
앞으로는 이렇게 써보려고함
AI에게 답을 시키지 말고
먼저 나에게 질문하게 만들기
AI를 도구로 쓰지 말고,
같이 일하는 팀원처럼 대하기
생각보다 이 차이가
앞으로의 생산성 차이를 크게 만들 것 같음
나도 바꾼 방법으로 AI 써보고
후기를 적어보려고함
출처 : EO Korea
어제 마소CEO 사티아 나델라가 아티클을 하나 올렸다.
이 아티클에서 그는 앞으로 기업의 승부는 “어떤 AI 모델을 쓰느냐”가 아니라, 그 모델을 통해 회사가 얼마나 빨리 배우고, 그 배움을 자기 자산으로 축적하느냐에서 갈린다고 이야기 한다.
이건 꽤 큰 전환점이라고 보여진다.
지금까지 기업은 소프트웨어를 생산성 향상을 위한 도구로 썼다. 엑셀은 사람의 계산 능력을 늘렸고, ERP는 회사의 운영을 정리하는 등 인간 노동을 보조했다.
하지만 AI는 차원이 다른 모습으로 우리에게 다가온다.
AI는 단순히 업무 속도를 높이는 도구가 아니라, 사람의 판단, 경험, 패턴 인식, 업무 방식, 고객 대응, 의사결정 과정을 계속 흡수할 수 있다고 한다. 즉 회사 안에서 사람이 일하는 방식 자체가 데이터가 되고, 그 데이터가 다시 AI 시스템을 개선하는 루프가 된다고 이 아티클에서는 말하고 있다.
나델라가 말한 “인적 자본과 토큰 자본”은 이 맥락에서 중요한 생각거리를 던져준다.
인적 자본은 사람이 가진 지식, 판단력과 맥락 이해력이라면 토큰 자본은 회사가 AI를 통해 축적하는 실행 능력이다. 쉽게 말하면 회사 안에 쌓이는 “AI화된 조직 기억”이라고 보면 될 것이다.
중요한 건 토큰 자본이 커진다고 사람이 덜 중요해지는 게 아니라는 점이다.
오히려 반대로 사람이 중요해진다고 나델리는 이야기 한다.
AI가 강해질수록 인간은 더 중요한 방향 설계자가 된다. AI는 계산하고, 정리하고, 실행하고, 반복할 수 있다. 하지만 무엇이 중요한 문제인지, 어떤 목표를 향해 가야 하는지, 어떤 판단을 회사의 원칙으로 남겨야 하는지는 사람이 분명히 정해야 한다.
방향 없는 AI는 그냥 비싼 토큰 소모 기계일 뿐이다.
이제 기업의 미래가 여기서 갈린다.
AI를 단순히 인건비 절감 도구로 쓰는 회사는 사람을 줄이고 업무를 자동화하는 데 집중할 것이다. 당장은 효율이 좋아 보이지만. 하지만 그 회사는 오래가지 못한다. 왜냐하면 자동화는 있는데 AI의 학습이 없기 때문이다.
반대로 AI를 학습 루프로 쓰는 회사는 차원이 달라진다. 예를 들어
1.직원이 고객 문제를 해결한다.
https://t.co/Czx4doQ3wM가 그 과정을 기록한다.
3.성공한 대응과 실패한 대응을 분류한다.
4.다음 고객 대응 방식이 개선된다.
5.그 개선된 방식이 다시 회사의 운영 지식이 된다.
이게 반복되면 회사는 일할수록 똑똑해지는 조직이 된다 물론 AI와 함께 말이다.
이 차이가 앞으로 엄청나게 커질것이다.
모델은 모두가 살 수 있다. GPT, Claude, Gemini, 오픈소스 모델. 시간이 지나면 대중들의 접근성은 더 좋아질 것이다. 하지만 각 회사가 쌓은 고객 맥락, 실패 기록, 내부 판단 기준, 프라이빗 평가, 업무 트레이스는 남이 절대로 복사할 수 없다.
앞으로 기업의 해자는 모델이 아니라 루프다.
이 말은 우리에게도 똑같이 적용된다.
AI를 잘 쓰는 사람과 못 쓰는 사람의 차이는 “프롬프트를 잘 쓰냐”에서 끝나지 않는다. 진짜 차이는 자기 작업이 매번 다음 작업을 개선하게 만드느냐다.
글을 쓰면 반응을 기록해야 한다.
코드를 짜면 실패 로그를 남겨야 한다.
리서치를 하면 틀린 가설을 분류해야 한다.
고객을 만나면 반복 질문을 지식베이스로 바꿔야 한다.
투자를 하면 왜 틀렸는지 다음 판단 기준으로 바꿔야 한다.
이걸 하는 사람은 AI와 함께 복리로 성장한다.
이걸 안 하는 사람은 매번 새 채팅창에서 처음부터 다시 시작한다.
겉으로는 둘 다 AI를 쓰는 사람처럼 보인다. 하지만 한쪽은 도구를 쓰고 있고, 다른 한쪽은 자기만의 학습 시스템을 만들고 있다. 시간이 지나면 격차는 말도 안 되게 벌어진다.
이 글을 우리가 받아들이는 방식은 이렇게 해야한다.
AI를 단순히 외주 직원처럼 쓰면 안 된다.
AI를 자기 학습 루프 안에 넣어야 한다.
오늘 한 일을 기록하고, 실패를 분류하고, 다음 기준으로 바꾸고, 반복되는 판단을 시스템화해야 한다. 그렇게 해야 AI가 내 일을 대신하는 게 아니라, 내 판단력을 확장하는 쪽으로 작동한다.
기업도 마찬가지다.
AI로 사람을 대체하는 회사는 비용을 줄일 수 있지만
AI로 사람의 판단을 복리화하는 회사는 새로운 자본을 만든다.
사티아 나델라가 말한 미래는 “AI가 회사를 대체한다”가 아니다.
회사가 스스로 학습하는 조직이 되느냐, 아니면 모델 회사의 하청 지능이 되느냐의 갈림길이라고 보여진다.
앞으로 개인괴 회사의 진짜 경쟁력은 더 많은 AI를 쓰는 데 있지 않다.
사람과 AI가 함께 배운 흔적을, 다시 회사의 자산으로 바꾸는 능력에 있지 않을까?
LG트윈스가 강팀으로 거듭날 수 있었던 이유
당장의 문제를 해결할 방법을 찾는것이 아니라
체질 개선을 통해 선수를 키우는 시스템을 만듦
근데 이거 AX도 똑같다
그냥 병목인거 자동화만 백날해봐바라
반복 작업때문에 야근하던 직원들 칼퇴하는것 뿐이다
직원들이 여유를 갖으면
새로운 일을 찾아서 할거라는건 크나큰 착각이다
AX를 하려면 일하는 체질 개선을 해야하고
AI로 일하는 시스템을 만들어야 한다
당장의 문제를 AI에서 답을 찾으려 하지말자
성장이 정체되고 있다면 당장의 아웃풋을 내려하지말고
AI로 시스템을 만들며 천천히 준비해야 한다
회사의 대표고 리더라면
저기는 AI로 뭐한다던데 이런소리하지말고
당신의 체질부터 개선해라
시스템은 대표가 만들어야 한다
gurus telling people to blindly "learn AI" as a means to make money is so stupid, will go down as one of the biggest propaganda campaigns of the decade...
learning it should be a natural process through solving problems - therefore the first step to "learning AI" should be to look for profitable problems to solve
i learned python because i needed to find a way to upload YT shorts automatically
i learned how to use LLM's because i needed a way to generate copy fast
i learned how to use coding agents because i needed to make internal tools for my team
i'd imagine that i would've never learned how to use these things in a way that is actually useful if i just blindly tinkered with them
it doesn't matter how good you get at "AI", if you're not someone who routinely discovers profitable problems to solve, your chances at getting rich will be very low until that's fixed
고등학교 자퇴생이 AI로 독학해서 OpenAI에 입사했다
스웨덴 시골 출신 고졸 중퇴자, 가브리엘 피터슨이
학위 없이 ChatGPT로 수학과 머신러닝을 독학해
OpenAI 연구원이 된 학습 방법
1. Top-Down 접근법
이론부터 외우는 대신,
먼저 만들고 싶은 것을 정해
ChatGPT에게 어떻게 구현할지 물어봄
❌ 기초 → 심화 → 응용
✅ 결과물 → 역방향으로 파고들기
① 목표 설정
만들고 싶은 최종 결과물 정하기
(예: 간단한 비디오 생성 모델 만들기)
② 실행 우선
ChatGPT가 생성한 코드 먼저 돌려보고 이해는 나중에
2. 재귀적 구멍 메우기
공부하다 막히는 지점이 생기면,
그 '구멍'이 완전히 메워질 때까지 AI에게 끝까지 질문
① 난이도 조절
→ "12살 아이도 이해할 수 있게 쉬운 비유로 설명해줘"
② 재귀 질문
→ "직관적인 예시 하나 보여줘"
→ "연관된 코드를 보여줘"
→ "이 코드의 각 줄을 설명해줘"
→ "조금 더 구체적으로 설명해줘"
→ "수학적 배경도 알려줘"
③ 검증 (가장 중요)
"내가 이해한 걸 설명해 볼게.
논리적으로 틀린 부분이나,
놓친 개념이 있다면 날카롭게 지적해 줘"
→ 암기가 아닌 진짜 이해인지 확인하는 방법
Elon Musk avait dit un truc qui m'avait marqué sur l'allocation de ressources. En substance : passé un certain niveau de richesse, l'argent n'est plus de la consommation, c'est de l'allocation de capital.
Cette phrase change tout.
L'économie, dans le fond, c'est juste un problème d'allocation. Tu as des ressources finies et des usages infinis. Qui décide où va quoi ?
Imagine une cour de récré. 100 enfants, des paquets de cartes Pokémon distribués au hasard. Tu laisses faire. Très vite, un ordre émerge. Les bons joueurs accumulent les cartes rares, les collectionneurs trient, les négociateurs trouvent des deals. Personne n'a planifié. Et pourtant chaque carte finit dans les mains de celui qui en tire le plus de valeur. Le système maximise le bonheur total de la cour. C'est ça, la main invisible.
Maintenant fais entrer la maîtresse. Elle trouve ça injuste. Léo a 50 cartes, Tom en a 3. Elle confisque, redistribue, impose l'égalité. Trois effets immédiats. Les bons joueurs arrêtent de jouer, à quoi bon. Les mauvais n'ont plus de raison de progresser, ils auront leur part. Les échanges s'effondrent. La cour est égale, et morte. Elle a maximisé l'égalité, elle a détruit le bonheur.
Le problème de la maîtresse, c'est qu'elle ne peut pas avoir l'information que la cour avait collectivement. C'est le problème du calcul économique de Mises, formulé en 1920. L'URSS a essayé de le résoudre pendant 70 ans avec le Gosplan. Résultat : pénuries, queues, effondrement. Pas parce que les Soviétiques étaient bêtes, parce que le problème est mathématiquement insoluble en mode centralisé.
Quand Musk a 200 milliards, il ne les consomme pas, il les alloue. SpaceX, Starlink, Neuralink, xAI. Chaque dollar est un pari sur le futur. Et lui a un track record. PayPal, Tesla, SpaceX. Il a démontré qu'il sait identifier des problèmes immenses et y allouer des ressources avec un rendement spectaculaire.
L'État aussi a un track record. Hôpitaux qui s'effondrent, éducation qui décline, dette qui explose, services publics qui se dégradent malgré des budgets en hausse constante. Le marché identifie les bons allocateurs, la politique identifie les bons communicants.
Le profit n'est pas une finalité, c'est un signal. Il dit : tu as alloué des ressources rares vers un usage que les gens valorisent suffisamment pour payer. Plus le profit est gros, plus la création de valeur est grande. Quand Starlink est rentable, ça veut dire que des millions de gens dans des zones rurales ont enfin internet. Quand un ministère est en déficit, ça veut dire qu'il consomme plus qu'il ne produit. L'un crée, l'autre détruit, et on appelle ça redistribution.
Dans nos sociétés il y a deux catégories d'acteurs. Les entrepreneurs et les bureaucrates. L'entrepreneur prend un risque personnel pour identifier un problème, mobiliser des ressources, créer une solution. S'il se trompe il perd. S'il a raison, ses clients gagnent, ses employés gagnent, ses fournisseurs gagnent, l'État collecte des impôts. Il est la cellule de base du progrès humain.
Le bureaucrate ne prend aucun risque personnel. Son salaire est garanti. Au mieux il maintient une rente existante. Au pire il la détruit par excès de réglementation, mauvaise allocation forcée, incitations perverses qui découragent ceux qui produisent. Mais dans aucun cas il ne crée.
Regarde les 50 dernières années. iPhone, internet civil, SpaceX, Tesla, Google, Amazon, Stripe, mRNA, ChatGPT. Toutes des inventions privées, portées par des entrepreneurs, financées par du capital risque. Pas un seul ministère n'a inventé quoi que ce soit qui ait changé ta vie au quotidien.
La France est devenue le laboratoire mondial de la dérive bureaucratique. 57% du PIB en dépenses publiques, record absolu. Une administration tentaculaire, une fiscalité qui pénalise la création de richesse. Résultat : décrochage face aux États-Unis, à l'Allemagne, à la Suisse. Fuite des cerveaux. Désindustrialisation. Dette qui explose.
Et le pire c'est que la mauvaise allocation s'auto-renforce. Plus l'État prélève, moins les entrepreneurs créent. Moins ils créent, moins il y a de base fiscale. Plus l'État s'endette et taxe. Boucle de rétroaction négative parfaite. La maîtresse pense qu'elle aide, et chaque année la cour produit moins.
Dans nos sociétés, ce sont les entrepreneurs, toujours, qui font avancer la civilisation. Les bureaucrates au mieux maintiennent une rente, au pire la détruisent. Aucune société n'a jamais progressé en taxant ses créateurs pour subventionner ses gestionnaires.
La question n'est jamais qui a combien. C'est qui alloue le mieux la prochaine unité de ressource pour maximiser le futur de l'humanité. La réponse depuis 200 ans n'a jamais changé. Ce ne sont pas les fonctionnaires.
In 1945, a young man dropped out of Harvard Law without a degree.
He had $20 in his pocket and a family to support.
He went on to become Warren Buffett’s only partner — and together they built a $700B empire.
He never used a computer. Rarely sat in meetings. And read for 6 hours a day… until age 99.
His name was Charlie Munger.
Buffett called him “the abominable no-man” — because he could dismantle bad ideas in under 30 seconds.
But his real edge wasn’t strategy.
It was a system of thinking that made bad decisions almost impossible.
I broke down Munger’s mental models into 12 Claude prompts.
Here are all 12: 🧵
운동과 저축,투자는 비슷한것 같다.
운동도 처음에는 일주일에 2,3일만 가보라고한다.
그게 루틴이 되고 몸이변하면서 재미를 느낀다.
자연스레 운동하는 횟수가 늘어나고, 여러가지 운동방법을 찾는 모습으로 변화한다.
저축, 투자도 마찬가지다.
처음에 천만원을 모아보자는 생각으로 저축한다.
천만원을 모으면 2천,5천만원을 모아야겠다는 생각이 든다.
이과정에서 근검절약하는 행동이 몸에 익게되고, 어떻게 더 빨리 모으고 돈을 불릴수 있을까 라는 생각을 하게된다.
그러다 자연스레 더 좋은 직장으로의 이직이나 투자를 생각하게 된다.