neozest : neo+zest

1/ 얼마전 회사 주니어 개발자와 나눈 대화입니다. "어떤 일을 100% 자동화하지 못하면 별 소용없는 일 같아서 손이 가질 않는다"는 이야기를 하더라구요. 제 대답은 "절대 그렇지 않다"였습니다. 100% 자동화를 목표로 뭔가를 하려면 아무것도 시작하지 못할 수 있습니다. 오히려 100%가 아닌 조금이라도 자동화하면 직접 수작업으로 해야하는 작업을 손쉽게 처리할 수 있으므로, 자신의 시간과 에너지를 절약할 수 있습니다. 그 시간으로 더 중요한 일이나 그 다음 자동화 작업을 고민하는 데에 시간을 쓸 수 있습니다.

2/ 한빛미디어에서 출간된 <네트워크 인프라 자동화>책에도 비슷한 이야기가 있습니다. 읽기 전용 자동화부터 진행하는 것이죠. 쓰기, 즉 무언가를 변경하는 자동화는 읽기 전용 자동화에 비해 위험 부담이 큽니다. 따라서 위험 부담이 작은 것 부터 진행해 보면서 해당 도메인에 대한 지식과 이해를 쌓아야 한다고 설명합니다.

3/ 위 그림은 트위터에서 봤던 사진입니다. 얼마나 많은 분들이 같은 질문을 던졌을까요? 하지만 운전기사분은 아주 간단한 해결방식으로 자신의 에너지를 절약하고 있었습니다. 이 사진을 보는 순간 "이것이 바로 자동화의 가치다!" 싶어 손뼉을 쳤습니다. 정말 간단하고 명확한 방법으로 자신의 에너지를 아끼고, 동시에 고객 만족도를 높입니다.

4/ 지난주 업무때문에 AI와 신약 개발이라는 주제의 세미나에 참석했습니다. 신약 개발 분야에서도 인공지능이 활발하게 연구되더군요. 그런데 그 발표에서 흥미있는 이야기를 들었습니다. AI를 활용하여 단백질 합성 시험을 수행하는데, 원래 사람이 하면 100개중 40개 정도를 실험해야 하는데, AI를 쓰면 100개중 95개를 제거해 버린다는 겁니다. 처음에는 AI를 사용하여 될 것 같은 후보군을 찾는다고 생각했는데, 오히려 반대 영역을 제거하는데 사용하는 것이죠. 연구자는 컴퓨터가 걸러낸 것을 제외하고 가능성이 한층 높아진 대안을 고민하는데 에너지를 사용할 수 있습니다. 

5/ 이와 같이 우리가 신경써야 할 범위를 줄여주는 자동화(그것을 AI를 쓰든 안쓰든)는 그 자체로 큰 가치를 가집니다. 우리가 가진 가장 소중한 자산인 시간과 에너지를 더 영향력이 있고 가치있는 일에 쓸 수 있게 해 주기 때문입니다. 그래서 저는 100% 자동화가 아닐지라도 매일 반복되는 작업을 자동화하려 합니다.

이상 NeoZest의 개발잡설이었습니다.

소프트웨어 개발자로서 우리는 끊임없이 새로운 기술을 배우고, 실험하며, 고민하는 삶을 살아갑니다. 기술은 빠르게 변하고 발전하기 때문에 항상 새로운 정보를 습득하고, 기존의 지식을 업데이트합니다. 저는 이러한 학습 과정을 매우 중요하게 생각하며, 이를 위해 다양한 기술 서적을 많이 읽는 편입니다.

전통적인 학습 방식

기술 서적은 깊이 있는 지식을 체계적으로 제공해 주지만, 많은 경우 참고 문헌도 함께 제공됩니다. 하지만 솔직히 말하자면, 지금까지 저는 이 모든 참고 문헌을 찾아보거나 읽어본 적이 드뭅니다. 각 참고 문헌을 일일이 찾아 읽는 것도 시간과 노력이 많이 들기 때문입니다. 그래서 종종 이런 참고 문헌을 부록처럼 무시하고 넘어가곤 했습니다.

생성형 AI와의 만남

그러던 중, 생성형 AI가 등장하면서 제 학습 방법에 큰 변화를 가져왔습니다. 특히 챗GPT와 같은 AI를 사용하면서 참고 문헌을 보다 효율적으로 활용할 수 있게 되었습니다. 요즘은 책에서 제공되는 참고 자료 URL을 챗GPT에게 요약해달라고 요청합니다. 그러면 해당 본문의 보조 내용을 추가로 얻을 수 있게 됩니다. 생성형 AI는 무언가를 찾아주는 것보다는 주어진 콘텐츠를 요약하는 데 탁월한 도구라고 생각합니다.

예를 들어 인사이트 출판사에서 펴낸 <대규모 시스템 설계 기초> 책의 각 장별로 참고 문헌 정보들이 많이 제공됩니다. 이 참고 문헌에 접근하는 정보를 깃허브나 홈페이지를 통해 제공하고 있습니다. 이 책의 경우 https://github.com/alex-xu-system/bytebytego/blob/main/system_design_links.md 문서에 참고 문헌 정보가 있습니다. 예를 들어 7장의 분산 시스템에서의 고유 식별자 생성 시스템 설계를 공부했는데, 좀 더 자세히 이해하고 싶다고 가정해 보겠습니다.

가장 단순한 형태의 프롬프트를 사용해서 질문을 했습니다. ChatGPT 4o와의 대화가 여러차례에 걸쳐 있었습니다만, 스크린 샷을 위해 하나로 모아가면서 질문한 결과입니다. 이런 방식으로 저자가 제공하는 추가 정보를 얻어서 책 본문 학습을 강화할 수 있습니다.

학습 방법의 개선

이런 방식으로 저는 학습 방법을 개선하고 있습니다. 생성형 AI를 통해 얻은 요약본은 제가 놓쳤을 수도 있는 중요한 정보나 인사이트를 제공합니다. 이는 단순히 책의 본문에 주어진 내용을 읽는 것보다 훨씬 더 깊이 있는 학습이 가능해 집니다., 생성형 AI의 도움을 받으면 보다 체계적이고 효율적으로 학습할 수 있습니다.

맺음말

소프트웨어 개발자는 끊임없는 학습과 실험, 고민이 필요합니다. 기술 서적을 통해 깊이 있는 지식을 얻는 것도 중요하지만, 생성형 AI를 활용하여 학습 방법을 개선하여 활용하는 것도 좋은 방법이라 생각합니다. 앞으로도 계속해서 새로운 학습 방법을 시도하고, 제 학습 방식을 개선해 나갈 것입니다. 여러분도 생성형 AI를 활용하여 보다 효율적인 학습 방법을 찾아보시길 권합니다. 함께 더 나은 개발자가 되기 위해 노력해봅시다. 끄읕~!