AI 잘 쓰는 사람은 프롬프트 기술자가 아니라 그 분야 전문가야. LLM이 전문성에 보상을 주는 이유와 인디 빌더가 봐야 할 신호 3 가지

📅 2026.08.04 | ✍️ 경제 흐름을 읽어주는 형

오늘 아침 형이 챙긴 글은 해커뉴스 맨 위에 올라온 짧은 에세이야. 제목이 곧 결론이라 세게 들려. LLM은 전문성에 보상을 준다는 거야. 요즘 다들 AI 덕분에 아무나 코딩하고 아무나 전문가 흉내를 낸다고 하잖아. 그런데 이 글쓴이는 정반대를 말해. AI를 진짜 잘 쓰는 힘은 프롬프트 요령이 아니라 그 분야를 얼마나 깊이 아느냐에서 나온다는 거지. 형이 이 글을 고른 이유가 바로 여기야. 우리가 흔히 믿는 상식, 그러니까 AI가 실력 차이를 평평하게 지워 준다는 믿음을 정면으로 뒤집거든.

글쓴이가 든 예가 강렬해. 수학자 테렌스 타오가 챗지피티랑 어려운 수학 문제를 놓고 대화한 기록을 가져와. 초보자랑 확 다른 점이 셋이야. 첫째, 메시지가 짧고 정확해. 둘째, 모델이 내놓은 답을 통째로 받아먹지 않고 전략적으로 되받아쳐. 셋째, 모델이 끌고 가게 두지 않고 본인이 먼저 도약과 제안을 던져. 글쓴이는 이걸 한 문장으로 눌러 담아. 프롬프트에서 제일 중요한 기술은 그 분야에 대한 전문성이라고. 그럼 여기서 인디 빌더가 건질 신호를 세 갈래로 풀어보자.

【 핵심 체크포인트 】

1. 프롬프트 요령보다 도메인 지식이 먼저다.

시중에 프롬프트 잘 짜는 법 강의가 넘쳐나잖아. 그런데 글쓴이는 그 순서가 뒤집혔다고 봐. 아무리 매끄러운 문장으로 물어봐도 그 분야를 모르면 좋은 답과 그럴싸한 헛소리를 구분 못 하거든. 반대로 전문가는 거칠게 물어도 모델이 내놓은 여러 문단 속에서 쓸 만한 알맹이만 정확히 집어내. 같은 도구를 쥐여 줘도 아는 사람은 답이 어디서 빗나갔는지 바로 보이고, 모르는 사람은 그럴듯한 표현에 그냥 속아 넘어가는 거지. 형이 여기서 읽는 신호는 이래. AI 시대라고 공부를 덜 해도 되는 게 아니라 오히려 더 해야 해. 프롬프트 템플릿 백 개 외우는 것보다 내가 만들려는 분야를 깊이 파는 게 훨씬 남는 장사야.

2. 병목은 모델이 아니라 사람이다.

글쓴이가 콕 집은 문장이 있어. 어려운 부분은 모델 성능이 아니라 사람이 원하는 답을 모델한테 정확히 전달하는 일이라는 거야. 다시 말해 요즘 모델은 이미 충분히 똑똑한데, 정작 막히는 건 내가 뭘 원하는지 스스로도 흐릿하다는 데 있어. 타오가 짧고 정확하게 물을 수 있었던 건 자기가 원하는 답의 모양을 이미 머릿속에 그려 뒀기 때문이야. 형이 인디 빌더한테 하고 싶은 말은 이래. 모델을 더 큰 걸로 바꾸기 전에, 내가 원하는 결과를 한 문장으로 또렷하게 말할 수 있는지부터 점검해. 거기가 진짜 막힌 지점일 때가 많아.

3. 되받아치는 힘이 결과를 가른다.

타오는 모델 답을 순순히 받아들이지 않고 계속 밀어붙였어. 이게 전문가와 초보를 가르는 결정적 차이야. 초보는 첫 답을 정답으로 믿고 그대로 쓰지만, 전문가는 어딘가 틀렸을 거라 의심하고 다시 물어. 그 의심의 근거가 바로 도메인 지식이고. 형이 여기서 읽는 신호는 이래. AI를 한 번에 정답 뽑는 자판기로 쓰면 딱 초보 수준에 머물러. 대신 첫 답을 초안으로 놓고 근거를 캐묻고 반례를 들이대는 순간 결과 품질이 확 올라가. 도구가 같아도 쓰는 사람 태도에 따라 나오는 게 이렇게 달라져.

【 형 빌드 cross-reference 】

이번 글은 형이 붙잡고 있는 것들이랑 곧바로 맞물려.

첫째는 claude-code-masterpack이야. 컨텍스트 엔지니어링을 일곱 축으로 정리한 도구 묶음인데, 오늘 에세이의 핵심인 사람이 병목이라는 말과 정확히 이어져. 결국 AI한테 원하는 걸 또렷하게 전달하는 기술이 컨텍스트 엔지니어링이거든. 어떤 정보를 먼저 넣고 무엇을 덜어낼지 고르는 그 판단이 곧 전문성이야. 프롬프트 요령 한 줄이 아니라 무엇을 어떤 순서로 쥐여 줄지를 설계하는 힘, 형이 이걸 일곱 갈래로 쪼개 둔 이유가 오늘 글에 그대로 담겨 있어.

둘째는 MINDCHANGE 하네스야. AI가 내놓은 답을 스스로 다시 의심하고 되짚게 만드는 자가검증 장치인데, 타오가 모델한테 계속 되받아친 그 태도를 도구로 굳혀 둔 거라고 보면 돼. 전문가만 할 수 있던 되묻기와 반례 던지기를 아예 절차로 만들어서, 사람이 매번 붙어 있지 않아도 모델이 자기 답을 한 번 더 걸러 내게 해. 오늘 글이 말한 되받아치는 힘을 사람 손에만 맡기지 않고 시스템에 새겨 두는 셈이야.

셋째는 num_ctx 하네스야. 언어 모델이 긴 입력을 조용히 잘라먹고도 멀쩡한 척 답하는 순간을 잡아내는 검증 도구인데, 이것도 전문성 이야기랑 이어져. 초보는 모델이 다 읽고 답했다고 믿지만, 그 바닥을 아는 사람은 어디서 몰래 새는지를 의심하거든. 그 의심을 자동 점검으로 바꿔 둔 게 이 하네스야. 도메인 지식이 있어야 눈치챌 실패를 도구가 대신 짚어 주니까, 오늘 글이 말한 전문가의 감각을 코드로 옮겨 놓은 거지.

【 결론 】

오늘 글을 한 문장으로 줄이면 이래. AI는 실력 차이를 지워 주는 게 아니라 오히려 전문가한테 더 큰 보상을 줘. 좋은 답을 알아보는 눈, 원하는 걸 또렷하게 말하는 힘, 첫 답을 의심하고 되받아치는 태도가 다 그 분야를 깊이 아는 데서 나오거든. 그러니 인디 빌더가 오늘 챙길 건 프롬프트 요령집이 아니라 내가 만들려는 분야 자체야. 그 위에 컨텍스트를 설계하는 claude-code-masterpack, 되묻기를 절차로 굳힌 MINDCHANGE, 조용한 실패를 잡는 num_ctx를 얹으면 전문가의 감각이 도구로 남아. 남들이 프롬프트 요령 외우는 동안 형은 그렇게 한 칸 앞서 나가.

출처 = LLMs reward expertise (Sean Goedecke, Hacker News 상위글 2026.08)

이 글은 2026년 8월 4일 뉴스와 데이터를 기반으로 AI 도구를 활용해 재작성했어.