화면 앞에서 멍하니 앉아 있던 기억이 납니다. '프롬프트'가 뭔지도 몰랐고, GPT에 어떻게 말을 걸어야 하는지도 몰랐습니다. 제가 직접 써봤는데, 처음 몇 주는 솔직히 "이게 뭔 소리지?" 싶은 순간의 연속이었습니다. 그래서 같은 처지의 사람들끼리 모여 천천히 배우는 AI 입문 스터디를 시작했고, 그 안에서 예상 밖의 것들을 꽤 많이 발견했습니다.
공부모임을 시작하게 된 이유 — 혼자 하면 무조건 포기한다
AI를 혼자 배우다 보면 어느 시점에서 반드시 막히는 지점이 생깁니다. 제 경험상, 그 벽은 생각보다 빨리 옵니다. 대개 첫 번째 벽은 용어입니다. 생성형 AI(Generative AI)라는 말부터 막히기 시작합니다. 여기서 생성형 AI란 텍스트, 이미지, 코드 등 새로운 콘텐츠를 스스로 만들어내는 인공지능 모델을 뜻합니다. 단순히 검색해서 결과를 보여주는 것이 아니라, 직접 문장을 쓰고 그림을 그려낸다는 점에서 기존 검색 엔진과는 근본적으로 다릅니다.
그 다음 벽은 프롬프트(Prompt)입니다. 쉽게 말해 AI에게 던지는 질문이나 명령어인데, 어떻게 물어보느냐에 따라 결과물의 질이 극단적으로 달라집니다. 제가 직접 써봤는데, "블로그 글 써줘"와 "40대 직장인이 처음 AI를 접하는 상황을 공감 가는 어조로 800자로 써줘"는 결과물 품질이 하늘과 땅 차이였습니다. 이 차이를 혼자서 깨닫기까지 저는 꽤 오랜 시간을 허비했습니다.
그래서 스터디를 만들었습니다. 미용실 원장님, 보험설계사, 전업주부, 샵 원장님, 그리고 평생친구 숙님까지 — 직업도 나이도 다른 6명이 매주 금요일 오전 10시에 모이기로 했습니다. 6개월을 목표로 잡았습니다. 출처: 교육부 자료에 따르면 성인 학습자가 새로운 디지털 기술을 습득할 때 동료 학습(Peer Learning) 방식이 자기주도 학습 대비 지속률이 약 2배 이상 높다는 연구 결과가 있습니다. 저도 그 통계를 믿어보기로 했습니다.
첫 모임 날, 솔직히 이건 예상 밖이었습니다. 모두가 모르는 상태에서 시작했는데, 오히려 그게 분위기를 훨씬 편하게 만들었습니다. "저만 이상한 게 아니구나"라는 안도감이 생기자, 질문이 쏟아지기 시작했습니다. 한 명이 막히면 다른 사람이 같이 찾아보고, 누군가 이해하면 바로 옆 사람에게 설명하는 방식이 자연스럽게 만들어졌습니다.
- 프롬프트 작성법 — 어떻게 질문하느냐가 결과를 결정한다
- 생성형 AI의 종류와 차이 — 챗GPT, 클로드, 제미나이의 쓰임새가 다르다
- 워크플로우(Workflow) 개념 — 작업을 순서대로 자동화하는 흐름을 설계하는 것
- 토큰(Token) 이해 — AI가 텍스트를 처리하는 최소 단위로, 한국어는 영어보다 토큰 소비가 많다
- 결과물 검증 — AI 답변을 그대로 믿지 않고 사실 확인하는 습관
이 다섯 가지가 첫 달 스터디의 핵심이었습니다. 결코 쉽지 않았지만, 혼자였다면 두 번째 모임도 없었을 것 같습니다.
함께배우기가 만든 변화 — 기술보다 태도가 먼저였다
스터디를 몇 주 이어가면서 가장 크게 달라진 건 기술 수준이 아니었습니다. 태도였습니다. AI를 처음 접할 때는 "이게 나 대신 다 해주겠지"라는 기대가 컸습니다. 그런데 제가 직접 써봤는데, AI는 만능 도구가 아닙니다. 사람이 어떤 맥락에서 무엇을 원하는지 명확하게 전달하지 않으면, 결과물은 형편없이 빗나갑니다.
이와 관련해 출처: OECD AI Policy Observatory는 AI 리터러시(AI Literacy)를 단순한 도구 사용 능력이 아니라, AI 결과물을 비판적으로 평가하고 맥락에 맞게 활용하는 역량으로 정의하고 있습니다. 여기서 AI 리터러시란 AI가 왜 그런 결과를 냈는지 이해하고, 그 정보를 그대로 받아들이지 않고 스스로 판단할 수 있는 능력을 말합니다. 스터디 안에서 이 개념이 실제로 작동하는 장면을 여러 번 목격했습니다.
예를 들어 보험설계사 멤버가 챗GPT로 보험 관련 설명글을 써봤는데, 숫자와 조건이 실제와 다른 내용이 섞여 나왔습니다. AI는 틀린 내용도 매우 자신 있는 어조로 씁니다. 이것을 할루시네이션(Hallucination)이라고 부릅니다. 쉽게 말해 AI가 없는 사실을 있는 것처럼 그럴듯하게 만들어내는 현상입니다. 이걸 모르고 그대로 사용했다면 잘못된 정보가 퍼질 뻔했습니다. 서로 다른 직업을 가진 사람들이 함께 배우면서, 각자의 현장 지식으로 AI 결과물을 교차 검증하는 장면이 자연스럽게 생긴 것이 인상적이었습니다.
또 한 가지 솔직히 이건 예상 밖이었습니다 — 누군가에게 설명하는 과정이 본인 학습에 훨씬 효과적이라는 사실입니다. 제가 이해한 내용을 옆 사람에게 풀어 설명하다 보면, 내가 실제로는 반만 알고 있었다는 게 드러납니다. 그 빈틈을 그 자리에서 채우는 과정이 반복되면서, 단순히 따라 하는 수준을 넘어 원리를 이해하는 쪽으로 조금씩 이동하게 됩니다.
AI 열풍이 빠르게 퍼지면서 무조건 따라가는 분위기도 있는 것 같다는 의견도 있는데, 제 경험상 그 위험은 실재합니다. 도구를 쓸 줄 아는 것과, 도구가 만든 결과를 판단할 수 있는 것은 완전히 다른 역량입니다. 스터디가 단순한 사용법 익히기를 넘어서, 이 두 번째 역량을 함께 키우는 공간이 되고 있다는 점에서 6개월을 버텨볼 만한 이유가 충분하다고 생각합니다.
자주 묻는 질문
Q. AI 공부 모임, 아무것도 모르는 상태로 들어가도 괜찮나요?
A. 오히려 그게 가장 좋은 출발점입니다. 제가 직접 경험해봤는데, 아무것도 모르는 사람끼리 모이면 질문하는 데 심리적 부담이 없고 서로 눈높이가 같아서 설명도 더 잘 통합니다. 이미 잘 아는 사람이 섞이면 오히려 위축되는 경우가 많습니다.
Q. 프롬프트를 잘 쓰려면 어떻게 시작해야 하나요?
A. 처음에는 역할, 상황, 원하는 결과 형식 세 가지를 명시하는 연습부터 시작하면 효과가 빠릅니다. 예를 들어 "40대 주부 입장에서, 처음 챗GPT를 쓰는 상황을 가정하고, 3단계로 설명해줘"처럼 구체적으로 쓸수록 결과물의 질이 올라갑니다. 단, 같은 프롬프트도 모델에 따라 결과가 다를 수 있으므로 여러 번 테스트해보는 것이 중요합니다.
Q. AI가 틀린 정보를 줬는데 어떻게 구분하나요?
A. 이것이 할루시네이션(Hallucination) 문제입니다. AI는 틀린 내용도 확신에 찬 어조로 작성하기 때문에 겉으로는 구분이 어렵습니다. 가장 현실적인 방법은 수치, 날짜, 법률, 의학 정보처럼 사실 확인이 가능한 항목은 반드시 공신력 있는 외부 출처와 대조하는 습관을 들이는 것입니다. 스터디에서 각자의 전문 분야를 활용해 교차 검증하는 방식이 효과적이었습니다.
Q. 6개월 스터디, 중간에 지치지 않으려면 어떻게 해야 하나요?
A. 제 경험상, 배운 내용을 당일 바로 자신의 일에 적용해보는 것이 가장 강력한 동기부여가 됩니다. 미용실 원장님은 고객 안내문을 AI로 다듬어보고, 보험설계사는 상품 설명 초안을 AI로 먼저 써보는 식으로 각자의 현장에 연결시키면 "이게 실제로 쓸모 있구나"라는 체감이 생겨 이탈률이 크게 낮아집니다.
Q. AI 스터디 모임, 온라인으로도 진행할 수 있나요?
A. 충분히 가능하지만, 처음 몇 회는 오프라인으로 만나는 것을 권합니다. 화면을 함께 보면서 "이 버튼 눌러보세요"라고 직접 가리키는 방식이 초보자에게 훨씬 이해가 빠릅니다. 어느 정도 기초가 쌓이고 나면 온라인 전환도 무리 없이 됩니다.
결론
AI를 배우면서 "늦었다"는 말이 얼마나 무의미한지 다시 확인했습니다. 제가 직접 겪어보니, 늦은 것이 문제가 아니라 혼자 하려는 것이 문제였습니다. 각자 다른 직업을 가진 6명이 모여 천천히 배우는 과정에서, 기술보다 훨씬 중요한 것을 배웠습니다 — 결과물을 의심하는 습관, 맥락을 담아 질문하는 능력, 그리고 모르는 걸 편하게 드러낼 수 있는 분위기입니다.
AI 공부를 시작하려는 분이 있다면, 혼자 유튜브 앞에서 씨름하기보다 비슷한 수준의 사람 두세 명과 함께 시작해보시길 권합니다. 첫 모임에서 완벽할 필요 없고, 한 가지라도 써보면 충분합니다. 6개월 뒤 우리 멤버들이 어떻게 달라져 있을지, 저도 궁금합니다.